本技术涉及大数据智能决策，具体涉及一种基于边云协同的通信智能客服动态分群服务系统及方法。
背景技术：
1、在通信领域，随着5g 技术的普及和物联网设备的爆发式增长，用户对通信服务的咨询需求呈现多元化、复杂化趋势。当前，通信运营商主要采用“人工客服+ ai机器人”的混合服务模式：人工客服凭借经验处理复杂业务咨询，但受限于坐席数量和服务时长，难以满足海量用户的实时需求；ai机器人虽可通过预设关键词匹配实现7×24小时服务，但缺乏深度语义理解和个性化交互能力，工作逻辑较为死板，服务效率低下。
2、并且，通信服务覆盖全年龄段用户，不同年龄群体的咨询行为差异显著，如青壮年用户倾向于新兴业务和增值服务；中老年用户则更关注基础资费查询、故障报修等传统业务，这种需求差异对客服系统的精准服务能力提出更高要求，而现有的通信客服系统由于缺乏动态分群服务机制，无法针对不同年龄群体的偏好调整服务策略，导致服务效率低下且用户体验参差不齐。
技术实现思路
1、本技术提供了一种基于边云协同的通信智能客服动态分群服务系统及方法，旨在解决现有的通信客服系统无法针对不同年龄群体的差异调整服务策略，导致服务效率低下且用户体验参差不齐的问题。
2、为达到上述目的，本技术提供了一种基于边云协同的通信智能客服动态分群服务系统，系统包括边缘节点和云端；
3、边缘节点部署有语音文字识别模块、基础答复模块及分群预测模块；语音文字识别模块采用多模态识别技术，支持语音流识别及方言自适应转换功能；基础答复模块预设常规问题群，通过关键词触发基础内容答复；分群预测模块实时聚类分析，模拟预测用户所属分群类别；
4、云端部署深度学习模型、青壮年群组分析处理模块、中老年群组分析处理模块及数据仓库；青壮年群组分析处理模块和中老年群组分析处理模块差异化配置业务规则引擎和知识图谱；
5、其中，边缘节点将用户所属分群预测结果及咨询内容实时上传，云端利用深度学习模型生成用户通信画像，调用青壮年群组分析处理模块或中老年群组分析处理模块对用户进行个性化服务策略生成，并下发回边缘节点。
6、进一步的，分群预测模块采用apriori算法进行数据挖掘，以用户通信数据中的套餐类型、流量使用波动、增值业务订购状况、实时咨询内容、语言特征、咨询渠道偏好为事务集，挖掘用户通信行为和咨询内容的关联规则，进行用户所属分群类别的预测；
7、其中，设定apriori算法的最小支持度阈值为0.2，最小置信度阈值为0.7；事务集特征筛选的优先度从高到低依次为：套餐类型、实时咨询内容、咨询渠道偏好、增值业务订购状况、流量使用波动、语言特征。
8、进一步的，深度学习模型采用lstm网络，设置时间窗口为用户过去6个月的通信行为数据，学习用户通信数据的时许特征；通过门控制机制捕捉用户需求的长期依赖关系，生成动态用户画像。
9、进一步的，青壮年群组分析处理模块设置有需求分析单元、服务偏好分析单元、历史通信行为分析单元、青少年服务策略生成单元及青年服务策略生成单元；
10、中老年群组分析处理模块设置有需求分析单元、服务偏好分析单元、历史通信行为分析单元、中年服务策略生成单元及老年服务策略生成的单元；
11、云端根据深度学习模型生成的用户通信画像，动态调用青壮年群组分析处理模块或中老年群组分析处理模块对用户进行个性化分析。
12、进一步的，数据仓库存储用户的历史通信数据、用户画像、服务策略历史记录信息；
13、数据仓库采用增量更新方式，定期更新用户通信数据，以保证数据的时效性；并根据用户分群变化及服务策略调整，更新用户画像及青壮年群组分析处理模块和中老年群组分析处理模块的参数。
14、进一步的，基于边云协同的通信智能客服动态分群服务系统还包括隐私保护模块；
15、隐私保护模块采用联邦学习框架实现数据加密交互；边缘节点对用户原始数据进行同态加密处理，云端仅接收加密后的特征向量；
16、隐私保护模块设置数据最小化原则，仅传输与分群预测、服务策略生成直接相关的数据。
17、此外，为实现上述目的，本技术还提供了一种基于边云协同的通信智能客服动态分群服务方法，方法用于实施上述一种基于边云协同的通信智能客服动态分群服务系统，方法包括以下步骤：
18、s1、边缘节点通过语音文字识别模块对用户的咨询内容进行特征向量识别以及关键词提取；
19、s2、基于语音文字识别模块提取的关键词，触发基础答复模块利用预设的问题群进行基础内容答复；
20、s3、分群预测模块对特征向量和关键词进行实时聚类分析，模拟预测用户所属分群类别；边缘节点将提取的关键词、特征向量及用户所属分群类别结果上传至云端；
21、s4、云端利用深度学习模型学习用户通信数据的时许特征，生成用户通信画像；
22、s5、云端基于用户通信画像调用青壮年群组分析处理模块或中老年群组分析处理模块对用户进行个性化分析并动态生成不同年龄分群的服务策略；
23、s6、云端将服务策略下发至边缘节点，边缘节点灵活调用服务策略服务用户。
24、进一步的，步骤s3中，用户所属分群类别可通过提前标记和分群预测进行判断；
25、提前标记为在用户前期通过应用端、营业厅办理业务时，基于号码归属人信息可直接获取用户年龄，在用户授权条件下预先对号码进行青少年、青年、中年或老年的分群标记；当用户进行客服咨询时，边缘节点可直接识别标记来快速进行用户分群判断；
26、若号码未获得用户授权进行提前标记则通过分群预测模块对用户所属分群进行模拟预测。
27、进一步的，步骤s5中，服务策略内容包括：
28、用户咨询问题涉及的基础关联回复，该回复通过知识图谱技术构建，将通信业务知识结构化，快速检索并提供准确回复；
29、交互服务风格，根据用户分群进行动态调整；
30、套餐健康评估情况，通过计算用户实际套餐使用量与套餐阈值的偏离度，结合用户历史使用数据进行评估；
31、个性化活动推荐，基于用户画像及分群特征，采用关联规则挖掘算法挖掘用户潜在需求进行推荐；
32、套餐变更建议，根据套餐健康评估结果及用户需求，利用线性规划算法给出套餐变更方案；
33、其中，服务策略依据的不同年龄分群包括青少年群体、青年群体、中年群体和老年群体。
34、进一步的，步骤s6中，边缘节点调用服务策略服务用户引入确认机制；
35、在边缘节点每次进行内容回复时通过语音提示或增加可视化反馈选项，要求用户对回复的内容进行准确度反馈；若用户作出消极回答则引导用户重新确认问题、补充信息，并重新执行步骤s3至s6；当边缘节点调用重新生成的服务策略再次收到用户的消极回答时，为用户优先接入人工客服，并将系统流程数据同步至人工客服操作界面。
36、本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
37、通过边缘节点实时采集用户咨询内容、通信行为等多维度数据，结合算法数据挖掘实现动态年龄分群；借助云端深度学习模型构建差异化用户通信画像，并调用对应的分析处理模块进行个性化服务策略生成，实现用户针对性分群与个性化服务；同时基于边云分层处理架构，将实时性要求高的任务部署于边缘节点，复杂分析和全局策略生成由云端负责，协同处理优化客服响应效率。