[发明专利]基于深度学习的客服回复推荐方法

说明书

本发明公开了一种基于深度学习的客服回复推荐方法，通过直接从客服的对话记录中学习对话模型，来进行客服回复推荐；该方法通过端到端的训练方式进行模型构建，相比传统基于规则和人工特征的方法构建速度快；该方法提升了客服回复推荐系统中回复内容的覆盖范围；同时本发明可应用于各种垂直领域的客服服务中，包括但不限于：电商、医药、法律等。

技术领域

本发明属于客服辅助技术领域，具体涉及一种基于深度学习的客服回复推荐方法。

背景技术

随着互联网经济的不断发展，提供在线商品和服务选购的电商平台的规模和成交量也在日益增大，这种改变的潮流对在线客服的服务效率提出更高要求。同时一些新的客服场景，如在线健康咨询、在线法律咨询，涉及知识较多，对从业人员专业要求较高。

现有的解决思路有两种：一种是利用智能客服机器人直接替代人工承接一部分咨询任务；另一种是利用计算机来辅助人工客服以提升其工作效率。常见的智能客服机器人通常以手工构建的知识库作为核心引擎，替代人工完成一些常见的简单咨询服务。这种方法的不足之处主要有：机器人通常只能处理常见的标准问题，对于一些个性化较强或出现频次较低的问题则较难处理；复杂知识库的建立需要极大成本；用户对机器人的接受程度不如人工客服。计算机辅助人工客服，通常可以完成一些不直接和用户交互的任务如：标准回复推荐、常用问答对推荐。现有的客服辅助系统主要针对所需专业知识相对较少的场景设计，如交易纠纷、商品信息咨询等。

现有解决方案需要人工进行前期知识库或语料的建立和整理，成本较高。同时知识库和标准回复存在覆盖率问题，通常针对一些出现次数较多的问题设计，对于个性化较强的问题则覆盖较少。传统在线客服场景问题分布比较集中、涉及专业知识相对较少，因此知识库和语料的构建成本和覆盖率问题比较容易解决。但是在对专业要求较高的场景下，由于涉及知识的深度和广度增加，知识库和对应语料的构建难度也随之增加，实现较高问题覆盖率较难。

发明内容

针对现有技术所存在的问题，本发明提出了一种基于深度学习的客服回复推荐方法，其能够根据客服咨询过程中的对话记录，为客服推荐其当前可能需要的回复文本，从而减少客服在工作过程中的输入量，提升客服工作效率。

本发明的技术方案如下：

这种基于深度学习的客服回复推荐方法，其特征在于，包含如下步骤：

(1)对聊天语料库中所有的客服回复进行聚类并构建候选客服回复集合；

(2)在客服聊天语料库上训练词向量；

(3)对客服聊天语料库的对话记录进行标准化处理；

(4)在处理后的语料集上训练对话模型；

(5)将客服当前的对话记录输入模型，获取取该时刻的推荐回复。

所述的步骤(1)中对所有回复进行聚类的步骤如下：

1.1使用中文分词器对语料进行处理，获取其分词结果；

1.2在分词结果上的运行LDA主题生成模型，并计算每个回复向量表示；

1.3在所有回复的向量表示上运行k-means聚类算法，距离度量函数使用欧几里得距离，完成对回复文本的聚类，得到n个簇：{c₁，…，c_n}

其中：d()为计算距离的函数，X,Y为两个回复的向量表示，x_i，y_i分别为X，Y的分量；

1.4设定一个阈值m，从{c₁,…,c_n}对应的每个类簇中分别随机抽样m个句子组成候选回复集合C；

所述的步骤(2)中训练词向量的步骤如下：