[发明专利]基于自然语言处理的银行智能问答系统及其使用方法

说明书

本发明公开了基于自然语言处理的银行智能问答系统及其使用方法，包括以下步骤：S1、数据信息采集；S2、数据信息导入：将收集到的业务场景内容信息和非业务场景内容信息进行编码并导入数据库模块，数据库模块存储信息；S3、业务场景内容与非业务场景内容判定：甄别客户的问题是否属于业务场景内容，并通过数据库模块对属于业务场景内容的问题匹配出相应的答案并告知客户。本发明中，基于银行理财、基金等产品的具体信息，以及银行的百科问答内容和日常交流语料库，通过专家规则匹配、自然语言处理和机器学习算法，对客户的问题进行精准分类和匹配，给出相应的回答。

技术领域

本发明涉及智能问答系统技术领域，尤其涉及基于自然语言处理的银行智能问答系统及其使用方法。

背景技术

随着移动互联、大数据和人工智能的发展，互联网进入了新的时代，这个新时代正在快速的改变传统的人类社会，也给传统的银行业，特别是以网点柜员和经理为核心的传统银行服务模式带来了很大的冲击，人工智能的应用日益广泛，语音识别和自然语言处理等人工智能技术开始广泛应用到银行客户服务、营销获客等领域，极大地提升了客户体验以及提高了工作效率。

然而，首先，传统的银行网点业务主要集中在柜台，因业务量大，柜员的主要精力局限于柜台业务，无法及时和准确地了解客户的深层次需求，很难提供专业的咨询，服务质量也就有所欠缺，其次，传统的银行网点业务需要拨打客户服务的需要和排队等待，步骤繁琐，操作麻烦，导致客户排队痛苦，降低了工作效率。

发明内容

为了解决上述背景技术中所提到的技术问题，而提出的基于自然语言处理的银行智能问答系统及其使用方法。

为了实现上述目的，本发明采用了如下技术方案：

基于自然语言处理的银行智能问答系统的使用方法，包括以下步骤：

S1、数据信息采集：

S11、利用数据采集模块采集业务场景内容信息，业务场景内容信息包括业务问题和与业务问题匹配的答案；

S12、利用数据采集模块采集非业务场景内容信息，非业务场景内容信息的类别分为百科知识类和日常交流类，非业务场景内容信息包括非业务问题和与非业务问题匹配的答案；

S2、数据信息导入：将收集到的业务场景内容信息和非业务场景内容信息进行编码并导入数据库模块，数据库模块存储信息；

S3、业务场景内容与非业务场景内容判定：利用专家规则匹配模块判定客户的问题是否属于业务场景内容，若客户问题属于业务场景内容，则执行以下S3a 步骤：

S3a、客户问题属于业务场景内容：

数据库模块匹配出属于业务场景内容问题相应的答案并告知客户；

若客户问题属于非业务场景内容，则执行以下S3b步骤：

S3b、客户问题属于非业务场景内容：

S3b1：利用算法模块匹配出属于非业务场景内容问题相应的答案并告知客户；

S3b11、将数据库模块中非业务场景内容信息整合起来得到语料库，通过Jieba分词器，将整合后的语料库内容中的每个问题进行中文分词；

S3b12、构建TFIDF词向量转换模型得出非业务场景内容信息语料库中每个问题的词向量表达，形成非业务场景内容信息语料库词向量数据集；

S3b13、通过构建朴素贝叶斯分类器模型，将客户的问题进行分类，判断该问题是属于百科知识类还是日常交流类；

S3b14、将该问题的词向量和所属分类的语料库词向量数据集分别利用余弦相似度模型计算，选出相似度值最接近于1的问题，再匹配出相应的回答并回复给客户。