[发明专利]一种基于人工智能的保险人机耦合客服系统及方法

权利要求书

1.一种基于人工智能的保险人机耦合客服系统，其特征在于，包括：人工客服选择单元、语音识别单元、机器人工智能耦合单元、语音生成单元；

所述人工客服选择单元为一直接的人工入口，点击此人工入口，则可直接实现客户与人工客服的聊天；

所述语音识别单元将客户的声音信息转化为文本信息输出；

所述机器人工智能耦合单元同时接收文本信息和人工客服选择单元的信息，实现客户与人工客服的聊天或智能生成自然答案文本；

所述语音生成单元将输入的自然答案文本发送至语音合成引擎，生成声音信息反馈给客户。

2.根据权利要求1所述的保险人机耦合客服系统，其特征在于，所述机器人工智能耦合单元同时接收文本信息和人工客服选择单元的信息，实现客户与人工客服的聊天或智能生成自然答案文本的方法如下：

若存在人工客服选择信号，则直接执行即时通讯，同时机器客服记录人工反馈答案，进行强化学习；

若不存在人工客服选择信号，则执行机器智能客服问答信息，并将生成的答案发送给人工客服反馈模型，进行强化学习，最终进行自然答案的生成。

3.根据权利要求1所述的保险人机耦合客服系统，其特征在于，所述机器人工智能耦合单元包括人工客服问答学习子单元、机器客服问答学习子单元；所述人工客服问答学习子单元包括人工客服开启模块、即时通讯模块、客服反馈模块、第一强化学习模块；所述机器客服问答学习子单元包括自然语义理解模块、对话状态跟踪模块、对话策略学习模块、智能答案生成模块、第二强化学习模块；所述第一强化学习模块、第二强化学习模块为共用的强化学习模块；

当人工客服选择信号生效时，机器客服问答学习在后台运行；

所述智能答案生成模块在智能答案生成之后，将生成的答案输入到人工客服反馈模块；在人工客服选择信号生效时，生成的答案作为人工客服回复的参考；在人工客服选择信号未生效时，生成的答案将只获得人工客服的奖励和惩罚的反馈。

4.根据权利要求3所述的保险人机耦合客服系统，其特征在于，所述强化学习模块的强化学习的具体操作如下：

令强化学习的价值函数为：

v_π(s)＝Ε_π(R_t+1+γR_t+2+γ²R_t+2+Λ|S_t＝s,a_t＝a)

其中π是当前机器强化学习的策略函数，s是当前机器客服的状态，a是当前机器客服的动作，γ是奖励或惩罚的衰减系数，R_t+1是t+1时刻的奖励或者惩罚，其中在第一强化学习模块，R_t+1直接设定为奖励，同时将人工客服的选择答案作为机器客服的动作a，并给予奖励；在第二个强化学习模块，R_t+1是根据人工客服的反馈进行奖励或惩罚(如人工客服的修改力度或最终的反馈)；强化学习的目标函数是

argmax_πv_π(s)

即优化机器强化学习的策略函数，使得当前机器客服的状态获得最大的价值。

5.根据权利要求3所述的保险人机耦合客服系统，其特征在于，在所述人工客服问答学习子单元中，所述强化学习模块利用人工客服提供的答案或人工客服修改的答案，利用强化学习算法，将人工客服修改的力度作为环境的奖惩因子，引导机器客服进行学习；

在所述机器客服问答学习子单元中，所述强化学习模块接收人工客服的奖励和惩罚的反馈，机器问答学习将进入强化学习阶段，利用人工客服的直接奖惩反馈引导机器问答学习算法，并将机器生成的答案直接输出到语音生成模块。