外呼机器人回复话术的确定方法、装置及存储介质与流程

本发明涉及对话机器人，尤其是涉及一种外呼机器人回复话术的确定方法、装置及存储介质。

背景技术：

1、随着人工智能技术飞速发展，外呼对话机器人技术也渗透并应用到各行各业，为了提升客户体验，需要外呼机器人根据客户的问题给予相应的答复。

2、目前，通常通过领域内专家根据不同场景设置机器人的回复。然而，这种形式耗费大量人力财力，导致回复话术的确定效率较低，同时，这种方式确定的回复内容也无法覆盖用户的各类意图，从而导致回复话术的确定准确度较低，降低了客户的体验感。

技术实现思路

1、本发明提供了一种外呼机器人回复话术的确定方法、装置及存储介质，主要在于能够提高外呼机器人回复话术的确定效率和确定准确度，提升客户的体验感。

2、根据本发明的第一个方面，提供一种外呼机器人回复话术的确定方法，包括：获取与外呼机器人通话的客户对应的对话请求文本，以及获取多个聚类簇，其中，各所述聚类簇中包括问题文本及其对应的回复话术；

3、将所述对话请求文本输入至预设语义预测模型中进行语义预测，得到所述对话请求文本对应的第一语义信息向量；

4、基于所述第一语义信息向量，在各所述聚类簇中确定所述对话请求文本所属的目标聚类簇，并将所述目标聚类簇的簇中心问题文本对应的回复话术确定为所述对话请求文本对应的回复话术。

5、可选地，在所述获取多个聚类簇之前，所述方法还包括：

6、获取多个历史人人对话文本，其中，所述历史人人对话文本中包括问题文本及其对应的回复话术；

7、将各所述历史人人对话文本中的问题文本输入至预设语义预测模型中进行语义预测，得到各所述历史人人对话文本中问题文本对应的第二语义信息向量；

8、基于各所述第二语义信息向量，对各所述历史人人对话文本进行聚类，得到划分到多个聚类簇中的历史人人对话文本。

9、可选地，所述基于各所述第二语义信息向量，对各所述历史人人对话文本进行聚类，得到划分到多个聚类簇中的历史人人对话文本，包括：

10、初始化不同聚类簇对应的质心向量；

11、计算各所述第二语义信息向量与所述不同聚类簇对应的质心向量之间的余弦相似度，并基于所述不同聚类簇对应的余弦相似度，将各所述历史人人对话文本划分到所述不同聚类簇中；

12、基于所述不同聚类簇中历史人人对话文本中的问题文本对应的第二语义信息向量，得到所述不同聚类簇对应的更新后的质心向量；

13、基于所述更新后的质心向量，重新将各所述历史人人对话文本划分到所述不同聚类簇中，直至所述更新后的质心向量不发生变化，最终得到划分到所述不同聚类簇中的历史人人对话文本。

14、可选地，在所述将所述对话请求文本输入至预设语义预测模型中进行语义预测，得到所述对话请求文本对应的第一语义信息向量之前，所述方法还包括：

15、获取样本人人对话文本；

16、确定所述样本人人对话文本中样本问题文本对应的样本相似文本；

17、将所述样本问题文本输入至预设初始语义预测模型中进行语义预测，得到所述样本问题文本对应的第一预测语义信息向量，以及将所述样本相似文本输入至预设初始语义预测模型中进行语义预测，得到所述样本相似文本对应的第二预测语义信息向量；

18、将所述第一预测语义信息向量和所述第二预测语义信息向量输入至预设对比学习网络中进行损失预测，得到所述预设初始语义预测模型对应的第一损失函数；

19、基于所述第一预测语义信息向量和所述第二预测语义信息向量，采用预设聚类损失算法确定所述预设初始语义预测模型对应的第二损失函数；

20、将所述第一损失函数与所述第二损失函数相叠加，得到总损失函数，并利用所述总损失函数，训练所述预设初始语义预测模型，得到预设语义预测模型。

21、可选地，所述确定所述样本人人对话文本中样本问题文本对应的样本相似文本，包括：

22、确定所述样本问题文本中各个分词对应的同义词，并利用所述同义词替换对应的分词，得到所述样本人人对话文本中样本问题文本对应的样本相似文本；和/或，

23、采用不用语言之间的回译算法获取所述样本人人对话文本中样本问题文本对应的样本相似文本。

24、可选地，所述预设语义预测模型为预设自然语言模型，所述预设自然语言模型包括注意力层和前馈神经网络层，所述将所述对话请求文本输入至预设语义预测模型中进行语义预测，得到所述对话请求文本对应的第一语义信息向量，包括：

25、确定所述对话请求文本对应的第一特征向量；

26、将所述第一特征向量输入至所述注意力层中的不同注意力子空间进行特征提取，得到所述对话请求文本在所述不同注意力子空间下的第二特征向量；

27、将所述第二特征向量与所述不同注意力子空间对应的权重相乘并求和，得到所述对话请求文本对应的注意力层输出向量；

28、将所述注意力层输出向量和所述第一特征向量相加，得到所述对话请求文本对应的第三特征向量；

29、将所述第三特征向量输入至所述前馈神经网络层中进行特征提取，得到所述对话请求文本对应的第一语义信息向量。

30、可选地，所述基于所述第一语义信息向量，在各所述聚类簇中确定所述对话请求文本所属的目标聚类簇，包括：

31、基于所述第一语义信息向量和各所述聚类簇中聚类中心对应的质心向量，计算所述对话请求文本与各所述聚类簇中聚类中心之间的相似度；

32、在各所述相似度中确定最大相似度，并将所述最大相似度对应的聚类簇确定为所述对话请求文本所属的目标聚类簇。

33、根据本发明的第二个方面，提供一种外呼机器人回复话术的确定装置，包括：获取单元，用于获取与外呼机器人通话的客户对应的对话请求文本，以及获取多个聚类簇，其中，各所述聚类簇中包括问题文本及其对应的回复话术；

34、预测单元，用于将所述对话请求文本输入至预设语义预测模型中进行语义预测，得到所述对话请求文本对应的第一语义信息向量；

35、确定单元，用于基于所述第一语义信息向量，在各所述聚类簇中确定所述对话请求文本所属的目标聚类簇，并将所述目标聚类簇的簇中心问题文本对应的回复话术确定为所述对话请求文本对应的回复话术。

36、根据本发明的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以上外呼机器人回复话术的确定方法。

37、根据本发明的第四个方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以上外呼机器人回复话术的确定方法。

38、根据本发明提供的一种外呼机器人回复话术的确定方法、装置及存储介质，与目前通过领域内专家根据不同场景设置机器人的回复的方式相比，本发明通过获取与外呼机器人通话的客户对应的对话请求文本，以及获取多个聚类簇，其中，各所述聚类簇中包括问题文本及其对应的回复话术；并将所述对话请求文本输入至预设语义预测模型中进行语义预测，得到所述对话请求文本对应的第一语义信息向量；最终基于所述第一语义信息向量，在各所述聚类簇中确定所述对话请求文本所属的目标聚类簇，并将所述目标聚类簇的簇中心问题文本对应的回复话术确定为所述对话请求文本对应的回复话术，由此通过预先构建包含各个问题文本和回复话术的多个聚类簇，并确定客户的对话请求文本对应的语义信息向量，之后根据语义信息向量来确定对话文本所属的目标聚类簇，最终在目标聚类簇中确定对话请求文本对应的回复话术，由此以客户请求的句子语义特征去检索回复内容，使得机器人回复更贴合真实的客户意图，从而能够提高回复话术的确定准确度，同时还能够提高回复话术的确定效率，进而提升了客户体验感。