[发明专利]客服问题的更新方法、系统、终端设备及计算机存储介质

权利要求书

1.一种客服问题的更新方法，其特征在于，所述客服问题的更新方法包括：

根据预设客服问题集中的客服问题构建问题对，并将所述问题对组合为训练数据；

基于所述训练数据训练相似度模型，并利用训练收敛的相似度模型计算未响应客服问题的聚类参数；

基于所述聚类参数进行聚类运算得到所述未响应客服问题的聚类结果；

根据所述聚类结果生成新的客服问题以对所述预设客服问题集进行更新。

2.如权利要求1所述的客服问题的更新方法，其特征在于，所述客服问题包括标准问题和相似问题，所述根据预设客服问题集中的客服问题构建问题对，并将所述问题对组合为训练数据的步骤，包括：

从预设客服问题集中提取各标准问题和各所述标准问题各自对应的各相似问题；

根据各所述标准问题中的第一标准问题，和所述第一标准问题对应的各相似问题构建得到各相似问题对；

根据所述第一标准问题，和各所述标准问题中的第二标准问题对应的各相似问题构建得到各非相似问题对，其中，所述第一标准问题与所述第二标准问题不相同；

将各所述相似问题对与各所述非相似问题对进行对应组合形成各训练数据。

3.如权利要求1所述的客服问题的更新方法，其特征在于，所述基于所述训练数据训练相似度模型的步骤，包括：

将所述训练数据切分为第一数据集和第二数据集；

利用所述第一数据集对所述相似度模型进行训练，并利用所述第二数据集对经过训练的相似度模型进行验证；

将通过验证的相似度模型标记为训练收敛的相似度模型，并将训练收敛的相似度模型存储在区块链中。

4.如权利要求1所述的客服问题的更新方法，其特征在于，所述聚类参数包括：问题句子的向量表示和相似度值，

所述利用训练收敛的相似度模型计算未响应客服问题的聚类参数的步骤，包括：

获取所述未响应客服问题的问题句子和所述问题句子的复制句子，并将所述问题句子和所述复制句子输入训练收敛的相似度模型；

获取训练收敛的相似度模型计算所述问题句子和所述复制句子之间的相似度值的向量平均值；

将所述向量平均值作为所述问题句子的向量表示；

或者，遍历所述问题句子构建句子对，并将所述句子对输入训练收敛的相似度模型；

获取训练收敛的相似度模型对所述句子对进行相似度值计算后输出的相似度值，并将所述相似度值作为所述问题句子的相似度值。

5.如权利要求4所述的客服问题的更新方法，其特征在于，所述基于所述聚类参数进行聚类运算得到所述未响应客服问题的聚类结果的步骤，包括：

调用预设基于距离的聚类算法，利用所述相似度值对所述未响应客服问题进行聚类得到所述未响应客服问题的聚类结果；

或者，调用预设基于句子表示的聚类算法，利用所述向量表示对所述未响应客服问题进行聚类得到所述未响应客服问题的聚类结果。

6.如权利要求1所述的客服问题的更新方法，其特征在于，所述根据所述聚类结果生成新的客服问题以对所述预设客服问题集进行更新的步骤，包括：

根据所述聚类结果和所述客服问题集生成新的标准问题和所述新的标准问题对应的相似问题；

为所述新的标准问题和所述新的标准问题对应的相似问题配置各自对应的服务答案；

将所述新的标准问题、所述新的标准问题对应的相似问题以及所述服务答案，添加至所述预设客服问题集以对所述预设客服问题集进行更新。

7.如权利要求1所述的客服问题的更新方法，其特征在于，所述客服问题的更新方法，还包括：

间隔预设时长采集所述未响应客服问题，并将采集到的所述未响应客服问题存储在区块链中。