[发明专利]一种智能客服语义处理方法

说明书

本发明公开了一种智能客服语义处理方法，属于人工智能自然语言里技术领域，建立客服客户端、样本数据采样模块和云服务器，在云服务器中建立DSSM语义相似度模型模块和TF‑IDF模型模块，基于样本数据训练DSSM语义相似度模型，基于海量数据训练TF‑IDF模型，构建TF‑IDF模型语义相似度计算方法，采用语义相似度的排序算法能够很好的平衡准确度与效率，采用人工客服的日常运维提供大量的对话知识库，以深度学习技术为算法核心的语义理解方法，为办公领域智能客服提供了快速准确的语义匹配，提高了办公效率。

技术领域

本发明属于人工智能自然语言处理技术领域，涉及一种智能客服语义处理方法。

背景技术

近年来，智能客服已经成功运用于各行各业咨询服务业务中，为企业以及用户提供了快捷方便的解决路径，同样类似于中国电信等大型企业在办公管理过程中也会遇到各种咨询问题，而仅仅通过询问人工客服不仅效率低下，而且要求人工客服详细了解办公系统中各个部门的精细工作。通过将日常办公领域涉及到的散而细的业务问题整理成问答对形式的知识库，通过对咨询问题的语义理解，来匹配出语义最相似答案，这种方式的智能客服不仅降低了工作量，将人工客服员从大量重复、机械的工作中解放出来，着重用于解决办公中一些复杂的问题上，有效进行资源分配，降低成本；而且时刻在线，提高办公效率。

传统的智能客服的语义理解方法主要是以自定义模板匹配以及关键字匹配来解析用户问题，缺点在于模板问法相对单一，限制用户问题必须包含在模板中或者是带有相同的关键词，遇到相似表达语义的问法就难以被匹配到。

发明内容

本发明的目的是提供一种智能客服语义处理方法，解决了传统技术的不足的技术问题。

为实现上述目的，本发明采用如下技术方案：

一种智能客服语义处理方法，包括如下步骤：

步骤1：建立客服客户端、样本数据采样模块和云服务器，客服客户端、样本数据采样数据库和云服务器之间通过互联网相互通信；

在云服务器中建立DSSM语义相似度模型模块和TF-IDF模型模块；

在样本数据采样模块中建立领域外开源样本数据库和领域内样本数据库；

步骤2：在DSSM语义相似度模型模块中建立DSSM语义相似度模型；

DSSM语义相似度模型模块调取领域外开源样本数据库中的数据对DSSM语义相似度模型进行训练；

步骤3：对领域内样本数据库中的数据进行标注处理，其标注方法采用问题+答案的方式；

步骤4：在样本数据采样模块中添加开放领域知识丰富训练数据库；

步骤5：根据开放领域知识丰富训练数据库中的数据，建立领域专用字典；

步骤6：基于word2vec将专用字典中的所有字均生成对应的字向量T；

步骤7：根据以下方法以DSSM为算法核心，选定Transformer特征提取网络，对标注好的数据进行训练，得到DSSM语义相似度模型：

步骤S1：以Transformer-DSSM深度网络为主要框架，输入字向量T经过双向GRU提取特征后输出256维向量；

步骤S2：将步骤S1的结果再输入到Transformer层，经提取特征后输出512维向量F＝((t₁₁,t₁₂,t₁₃,...t_1,512),...(t_c1,t_c2,t_c3,...,t_c,512))；其中，c代表知识库文本的数量；