[发明专利]业务处理方法、装置及电子设备

权利要求书

1.一种业务处理方法，其特征在于，所述方法包括：

通过样本数据进行神经网络模型的训练，获得用于对输入文本进行自动识别的文本分类器；

获取咨询信息；

通过所述文本分类器，确定与所述咨询信息对应的文本识别结果；

在存在与所述文本识别结果匹配的应答信息时，输出与所述文本识别结果匹配的应答信息；

在不存在与所述文本识别结果匹配的应答信息时，显示用于创建客服工单的引导页面。

2.根据权利要求1所述的业务处理方法，其特征在于，所述应答信息包括与所述文本识别结果匹配的知识信息以及公告信息；

所述在存在与所述文本识别结果匹配的应答信息时，输出与所述文本识别结果匹配的应答信息的步骤，进一步包括：

若存在与所述文本识别结果匹配的知识信息，则输出所述知识信息；

若存在与所述文本识别结果匹配的公告信息，则输出所述公告信息。

3.根据权利要求1所述的业务处理方法，其特征在于，所述获取咨询信息的步骤，进一步包括：

实时采集用户的咨询内容；

根据预设的词典，对所述咨询内容进行分词处理，获得所述咨询信息。

4.根据权利要求2或3所述的业务处理方法，其特征在于，所述输出所述知识信息的步骤，进一步包括：

通过第五代超级文本标记语言建立的站点展示所述知识信息。

5.根据权利要求1所述的业务处理方法，其特征在于，所述通过样本数据进行神经网络模型的训练，获得用于对输入文本进行自动识别的文本分类器的步骤，进一步包括：

生成训练样本数据；

由卷积层抽取所述训练样本数据的特征向量，输出多个特征图；

通过池化层提取每一个所述特征图中的最大值作为输出特征向量；

拼接每一个所述输出特征向量以获得与所述训练样本数据对应的文本特征向量；

根据所述文本特征向量，确定所述训练样本数据的分类标签；

对所述训练样本数据的分类标签进行反向训练，优化所述卷积层和所述池化层的参数。

6.根据权利要求5所述的方法，其特征在于，所述生成训练样本数据的步骤，进一步包括：

采集已有的咨询内容；

通过预设的分词词典，对所述咨询内容进行分词处理，形成由若干个词语构成的集合；

对所述咨询数据进行编码，获得对应的编码数据作为所述训练样本数据。

7.根据权利要求6所述的方法，其特征在于，所述由卷积层抽取所述训练样本数据的特征向量，形成若干特征图，进一步包括：

将所述训练样本数据中的每一个词语转换为相同长度的词向量，生成与咨询内容对应的矩阵；

令所述矩阵接入卷积层，每次计算n个词向量的卷积，输出多个特征图；每一个所述特征图内包含多个特征向量。

8.一种业务处理装置，其特征在于，所述装置包括：

离线训练模块，用于通过样本数据进行神经网络模型的训练，获得用于对输入文本进行自动识别的文本分类器；

信息采集模块，用于获取咨询信息；

文本分析模块，用于通过所述文本分类器，确定与所述咨询信息对应的文本识别结果；

反馈模块，用于在存在与所述文本识别结果匹配的应答信息时，输出与所述文本识别结果匹配的应答信息；并且在不存在与所述文本识别结果匹配的应答信息时，显示用于创建客服工单的引导页面。

9.一种用于业务处理的电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7任意一项所述的业务处理方法。

10.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7任意一项所述的业务处理方法。