[发明专利]智能应答方法及装置

权利要求书

1.一种智能应答方法，其特征在于，包括：

接收客户端发送的客户问题，提取所述客户问题中的关键字；

获取针对所述关键字预先设定的至少一个答案；

针对每一个所述答案，根据所述客户问题、所述关键字和该答 案构建特征向量；

利用预设的分类模型、根据每一个所构建的特征向量预测与该 特征向量相对应的答案和所述客户问题的匹配度；

当所计算出的匹配度中有至少一个匹配度大于第一预设阈值 时，将大于第一预设阈值的匹配度中数值最大的匹配度相对应的答 案，作为用于通过所述客户端应答所述客户问题的答案返回给所述 客户端。

2.根据权利要求1所述的方法，其特征在于，所述预设的分类 模型是通过下述步骤预先建立的：

根据历史记录的自动应答对话建立多个样本数据，每一个所述 样本数据包括从所述对话中抽取的一个历史客户问题、从该历史客 户问题中提取的关键字、所述对话中针对该关键字预先设定的用于 回答该历史客户问题的回答答案、以及所述回答答案与该历史客户 问题的认定匹配度；

将所述多个样本数据分为一组训练样本数据和一组测试样本数 据；

利用所述一组训练样本数据训练用于识别答案匹配度的分类器 得到经训练的分类模型，利用所述一组测试样本数据检验所述经训 练的分类模型，并在检验结果满足预设条件时将所述经训练的分类 模型设定为所述预设的分类模型。

3.根据权利要求2所述的方法，其特征在于，所述利用所述一 组训练样本数据训练用于识别答案匹配度的分类器得到经训练的分 类模型，包括：

针对所述一组训练样本数据中的每一个训练样本数据，根据该 训练样本数据中包括的历史客户问题、关键字和回答答案构建训练 特征向量；

对每一个所述训练特征向量和对应于该训练特征向量的训练样 本数据中的认定匹配度执行分类器算法，得到经训练的分类模型。

4.根据权利要求2所述的方法，其特征在于，所述利用所述一 组测试样本数据检验所述经训练的分类模型，并在检验结果满足预 设条件时将所述经训练的分类模型设定为所述预设的分类模型，包 括：

针对所述一组测试样本数据中的每一个测试样本数据，根据该 测试样本数据中包括的历史客户问题、关键字和回答答案构建测试 特征向量；

利用所述经训练的分类模型对每一个所述测试特征向量进行预 测，得到对应于该测试特征向量的测试样本数据中的历史客户问题 和回答答案的预测匹配度；

计算与每一个所述测试样本数据相关的认定匹配度和测试匹配 度之间的差值，统计所得到的小于第二预设阈值的差值的第一数目， 并在所述第一数目占所述测试样本数据的总数目的百分比超过预设 百分比时设定所述经训练的分类模型为所述预设的分类模型。

5.根据权利要求3所述的方法，其特征在于，每一个所述训练 特征向量包括下述分量中的至少一个：与该训练特征向量相对应的 训练样本数据中的关键字的特征、该训练样本数据中的历史客户问 题的特征、该训练样本数据中的回答答案的特征、该训练样本数据 中的历史客户问题与关键字的关联特征、该训练样本数据中的历史 客户问题与回答答案的关联特征、该训练样本数据中的关键字与回 答答案的关联特征。

6.根据权利要求4所述的方法，其特征在于，每一个所述测试 特征向量包括下述分量中的至少一个：与该测试特征向量相对应的 测试样本数据中的关键字的特征、该测试样本数据中的历史客户问 题的特征、该测试样本数据中的回答答案的特征、该测试样本数据 中的历史客户问题与关键字的关联特征、该测试样本数据中的历史 客户问题与回答答案的关联特征、该测试样本数据中的关键字与回 答答案的关联特征。

7.根据权利要求1所述的方法，其特征在于，针对每一个所述 答案构建的特征向量包括下述分量中的至少一个：所述关键字的特 征、所述客户问题的特征、所述答案的特征、所述客户问题与所述 关键字的关联特征、所述客户问题与所述答案的关联特征、所述关 键字与所述答案的关联特征。