[发明专利]智能客服意图理解方法、装置、设备及存储介质

说明书

本发明公开了一种智能客服意图理解方法、装置、设备及存储介质，应用于陪玩业务中的智能客服问答系统，该方法包括：用户输入、文本处理、图像处理、意图匹配、执行反馈五个部分，在采用TF‑IDF算法进行问题匹配的基础上，针对匹配分数较低的问题引入BERT模型进行文本分类，并结合匹配和分类分数给出匹配结果，并且基于用户习惯发送图像的行为，引入图像分类模型，以解决图像无法识别的问题。相较于传统的检索式对话系统，本发明通过利用文本和图像信息能更大程度上理解用户需求，降低人工成本，提高解决问题的时效性。

技术领域

本发明属于智能问答的技术领域，尤其涉及一种智能客服意图理解方法、装置、设备及存储介质。

背景技术

随着人工智能技术的不断发展和应用，更多机器人服务场景的应用落地，人机交互已经成为未来发展的常态，而智能客服机器人由于其不仅能够帮助企业节约成本，并且还能大幅度的提升工作效率而得到快速发展，现在主要分为基于问答知识库的机器人、基于任务对话型机器和基于闲聊类型机器人，而基于问答知识库的机器人是信息检索的一种高级形式，其是通过相似问题匹配，即对比用户问题与现有FAQ知识库中问题的相似度，返回用户问题对应的最准确的答案，因此该方法能够更加准确地理解用户用自然语言提出的问题，并通过问答知识库返回简洁、准确的匹配答案。一般的处理流程如下：

1.问答对数据集的清洗

2.Embedding(tf-idf，word2ec,doc2vec,elmo,BERT…)

3.计算文本相似度

4.在问答库中选出与输入问题相似度最高的问题

5.返回相似度最高的问题所对应的答案

但是该方法在实际业务场景中的有些问题匹配上准确率较低，且基于检索的模型不会产生新的文字，只能从预先定义的“回答集”中挑选出一个较为合适的回答。而检索式对话系统不会产生新的回复，其能够回复类型与内容都由语料库所决定。一旦用户的问话超出了语料库的范围，那么对话系统将无法准确回答用户。

而且，当用户输入的是图像时，上述方法无法实现对图像的识别，不能理解用户意图，相应的无法给出答案，从而对智能客服机器人不满，不能达到大幅提升工作效率、节约企业成本的目的。

发明内容

本发明的目的是提供一种智能客服意图理解方法、装置、设备及存储介质，利用文本和图像信息理解用户意图，降低人工成本，提高解决问题的时效性。

为解决上述问题，本发明的技术方案为：

一种智能客服意图理解方法，基于文本和图像信息，应用于陪玩业务中的智能客服问答，包括以下步骤：

获取用户会话，判断用户会话的内容是否为文本信息，若是，则采用LAC词法分析工具对文本信息进行分词得到待处理文本，对待处理文本采用预设的问题匹配算法与知识库中的问题进行匹配，得到目标问题；若否，则判断用户会话的内容是否为图像信息，若是，则对图像信息进行预处理后，输入预设的图像分类模型，得到目标类别，将目标类别转换为问题列表，得到用户意图。

根据本发明一实施例，所述采用LAC词法分析工具对文本信息进行分词得到待处理文本进一步包括：

采用LAC词法分析工具对文本信息进行分词及词语重要性标注，根据重要性权重，去除文本信息中的冗余词以及权重值低于预设阈值的词，对剩余分词进行同义词替换，得到待处理文本。

根据本发明一实施例，所述对待处理文本采用预设的问题匹配算法与知识库中的问题进行匹配进一步包括：

采用TF-IDF算法对待处理文本与知识库中的语料进行相似度计算，若得到的相似度分数低于匹配阈值，则采用微调后的BERT模型对待处理文本进行文本分类，根据BERT模型的预测数值确定匹配结果，得到目标问题。