[发明专利]智能服务水平训练方法、装置及计算机可读存储介质

权利要求书

1.一种智能服务水平训练方法，其特征在于，所述方法包括：

接收用户的网络行为记录集和网络提问问题集，根据所述用户行为记录集得到用户画像，并将所述用户画像作为标签集，对所述网络提问问题集进行预处理操作后得到数据训练集；

通过所述标签集和数据训练集对预先构建的智能服务水平训练模型进行训练，得到训练值，将所述训练值和标签集输入至所述智能服务水平训练模型的损失函数中，计算出损失函数值，直至所述损失函数值小于阈值时，所述智能服务水平训练模型退出训练；

根据所述网络提问问题集和训练后的所述智能服务水平训练模型构建智能问答程序，利用所述智能问答程序对代理人提问问题，计算出所述代理人答案与标准答案的相似度，并对所述代理人答案进行打分以及给出建议。

2.如权利要求1所述的智能服务水平训练方法，其特征在于，所述预处理操作包括：

对所述网络提问问题集进行文本改写；

其中，所述文本改写包括分词处理和关键词提取，其中：

所述分词处理包括：

利用全切分法对所述网络提问问题集进行切分，获取多种分词方式；

通过马尔可夫模型计算出每一种分词方式的概率，选择概率最大的一种分词方式中的分词结果，作为所述网络提问问题集的分词结果。

所述关键词提取包括：

计算所述分词结果中的任意两个词语W_i和W_j的依存关联度：

其中，len(W_i，W_j)表示词语W_i和W_j之间的依存路径长度，b是超参数；

计算词语W_i和W_j的引力：

其中，tfidf(W)是词语W的TF-IDF值，TF表示词频，IDF表示逆文档频率指数，d是词语W_i和W_j的词向量之间的欧式距离；

得到词语W_i和W_j之间的关联度为：

weight(W_i，W_j)＝Dep(W_i，W_j)*f_grav(W_i，W_j)

建立无向图G＝(V,E)，其中V是顶点的集合，E是边的集合；

计算出词语W_i的重要度得分：

其中，是与顶点W_i有关的集合，η为阻尼系数；

根据所述重要度得分，对所有词语进行排序，根据所述排序从所述词语中选择预设数量的关键词作为主干词，并对所述主干词进行语义增强，得到改写后的文本。

3.如权利要求2所述的智能服务水平训练方法，其特征在于，所述预处理操作还包括：

通过欧式公式计算出所述改写后的文本中数据对象之间的距离，根据聚类算法预设n个类簇，其中，第k个类簇的类簇中心为Center_k，计算出所述改写后的文本中的每一个数据到所述n个类簇中的每一个类簇中心的距离，并得到所述每一个数据在所述每一个类簇中心的特征；

利用分类器对所述特征进行训练，计算出所述每一个数据在所述类簇中心的概率大小，并通过误差平方和准则函数得到所述改写后的文本中每一个数据在类簇中心的聚类结果，从而对所述改写后的文本进行分群。