[发明专利]语义识别方法、电子装置及计算机可读存储介质有效
申请号: | 201710928258.1 | 申请日: | 2017-09-30 |
公开(公告)号: | CN108509477B | 公开(公告)日: | 2019-10-11 |
发明(设计)人: | 卢川 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
主分类号: | G06F16/332 | 分类号: | G06F16/332;G06F17/27 |
代理公司: | 北京英特普罗知识产权代理有限公司 11015 | 代理人: | 林彦之 |
地址: | 518000 广东省深*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 客户 标准词 词序列 语素 语义识别 知识库 客户服务 意图表达 会话 构建 计算机可读存储介质 用户服务会话 电子装置 方式获取 服务会话 客户问题 同义词库 意图识别 答案 匹配 发送 提问 创建 分析 | ||
本发明公开了一种语义识别方法,属于意图识别领域。一种语义识别方法,包括如下步骤:S1、构建语素知识库;S2、构建同义词库;S3、接收客户的服务会话请求,并创建与客户的客户服务会话;S4、对客户服务会话的内容进行分析,得到表述用户服务会话的仅包含有标准词的词序列;S5、判断所述仅包含有标准词的词序列中缺失的语素并向客户追问,以得到一个意图表达完整的仅包含有标准词的词序列;S6、根据意图表达完整的仅包含有标准词的词序列找出语素知识库中与之相匹配的答案并推送给客户。本发明通过判断客户问题中缺失的语素,然后以向客户进行追问的方式获取一个表述完整的问题,以便准确识别客户提问的意图,向客户发送客户想要的答案。
技术领域
本发明涉及意图识别领域,涉及一种语义识别方法、电子装置及计算机可读存储介质。
背景技术
随着互联网的飞速发展,人们服务意识的提高,网络客服已经普及到各行各业,深入到日常商业服务的各个环节。
目前,常见的网络客户通常由智能客服机器人和人工客服组成,其中智能客服机器人是通过语义分析定位客户的问题,使得客户像与自然人对话一样与机器人交谈,在自然的交互过程中通过多种表现形式得到特定领域问题的解决方法。相较于传统的客服方式,智能客服可以实现昼夜和节假日的全天候服务,分流人工客服负担,从而有效降低企业客服领域的运营成本。
虽然智能客服机器人可在一定程度上快速响应客户的需求,但是客户普遍反应智能客服机器人较“笨”,经常无法准确识别客户的意思,在客户问题中的关键词较少时,智能客服机器人通常会随意给出一个相关度较低的答案或者直接显示无法回答字样。
因此,现有智能客服机器人的还难以有效满足顾客的服务需求,客户体验普遍较差,很多客户不愿与智能客服机器人交流,很多时候直接点人工客服,使得智能客服机器人不高,无法有效缓解人工客服的压力。
发明内容
本发明要解决的技术问题是为了克服现有技术中智能客服机器人无法准确识别客户意图的问题,提出了一种语义识别方法、电子装置及计算机可读存储介质,通过将客户的提问划分为几大语素,在客户的提问缺少语素时,通过追问的方式,以准确识别客户提问的意图。
本发明是通过下述技术方案来解决上述技术问题:
一种语义识别方法,包括如下步骤:
S1、构建语素知识库,存储有若干用于构建智能问答的问题-答案对,所述问题为由若干关键词组成的词序列,所述词序列通过多个语素间具有指向性的关联进行表述,且多个词序列中相同的关键词均由同一个语素进行关联;
S2、构建同义词库,存储有若干由标准词关联该标准词的近义词组成的词群,所述标准词与语素知识库中的语素相对应;
S3、接收客户的服务会话请求,并创建与所述客户的客户服务会话;
S4、对客户服务会话的内容进行分析,得到表述所述用户服务会话的仅包含有标准词的词序列;
S5、判断所述仅包含有标准词的词序列中缺失的语素并向客户追问,以得到一个意图表达完整的仅包含有标准词的词序列;
S6、根据意图表达完整的仅包含有标准词的词序列找出语素知识库中与之相匹配的答案并推送给客户。
优选地,步骤S1具体包括以下分步骤:
S11、搜集并整理问题和与该问题相匹配的答案,构建成问题-答案对并保存;
S12、将问题拆分成由若干关键词组成的词序列;
S13、将所有词序列中的关键词组成一个关键词集合并后去重,得到语素集合;
S14、将词序列用语素集合中若干个语素之间具有指向性的关联组成表达式进行表述,并将该表达式与该词序列所对应的问题进行关联保存。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710928258.1/2.html,转载请声明来源钻瓜专利网。