[发明专利]一种基于多元语义融合的金牌话术推荐方法及装置

说明书

本发明提供了一种基于多元语义融合的金牌话术推荐方法及装置，该方法包括：对历史对话、当前轮次的用户问题、以及用户属性进行分词和词向量初始化操作；基于层次语义编码机制和用户属性编码机制，对初始化操作结果进行对话语义编码以及用户属性语义编码，并获取对应的语义表示；对编码结果进行融合，得到融合后的语义表示，并与金牌话术库中每条话术的语义表示进行匹配，得到话术的推荐结果。本发明设计了基于双向长短期记忆网络的层次语义编码机制，通过词级别编码和句子级别编码来有效捕捉历史对话的语义，通过将其融合到后续的话术推荐过程来提升话术推荐的准确性。基于该方法，本发明还提供了一种基于多元语义融合的金牌话术推荐装置。

技术领域

本发明涉及人工智能、自然语言处理技术领域，特别涉及一种基于多元语义融合的金牌话术推荐方法及装置。

背景技术

目前，随着自然语言处理技术的不断发展，各行业、企业逐渐开始关注对话数据的内在价值。其中，电话营销是对话数据产生的一个重要场景，成功的营销对话应该使电话双方都能体会到电话营销的价值，并有效提升客户的转化率和留存率。通过观察相关案例可以发现，成功的营销对话通常是由经验丰富的销售精英产生的，他们经受过专业训练并且拥有丰富的实战经验，除了具有高效的理解能力、沟通能力、表达能力外，还有极强的耐心和心理素质。考虑到多数销售员工难以在短期内成长为销售精英，因此基于现有的金牌话术库实现自动化的对话推荐，进而辅助新员工进行电话销售，提升营销成功率，正逐渐成为当前热门的研究任务。

为解决这一任务，传统的研究大多采用匹配的方法从标准对话库里选择推荐的话术，匹配的方法通常选择基于规则、基于语义相似度等方法。由于这类方法仅对当前轮次输入的用户问题进行语义解析，并基于该语义从标准知识库中搜寻答案进行回复，因此推荐的对话比较单一。

为提升话术推荐的效果，近年来的相关研究主要可以分为四类，包括基于图神经网络技术的话术推荐方法、基于抵抗策略的话术推荐方法，基于情绪变化率的话术推荐方法，以及基于语义识别的话术推荐方法。

具体地，基于图神经网络技术的话术推荐方法将对话的话语作为图中的节点，并将话语之间的关系作为边，通过利用图神经网络进行编码，可以有效考虑了会话序列项之间的复杂结构和转换，以更好地预测用户的下一步行为。然而，这类方法难以对实时产生的对话数据进行图结构的构建，可扩展性较差。

基于抵抗策略的话术推荐方法主要包括DIALOGRAPH模型和RESPER模型。其中DIALOGRAPH模型将可解释的策略图网络纳入协商对话，显著提高策略间的依赖性，并且提高策略选择的准确性和可解释性。而RESPER模型提出了一个以认知心理学为基础的框架，设计了一个层次序列模型，可以根据文本自动识别抵抗策略。虽然这类方法增加了对话推荐的可解释性，但是加入抵抗策略结构本身是比较复杂和困难的，需要依赖心理学和社会学的专业知识和一套完整严谨的数据标注的流程设计。

对基于情绪变化率的话术推荐方法，宋雨等人发明的一项专利里提到其能提供一种话术推荐方法、装置、电子设备及存储介质，能够基于客户进线时的输入信息和当前的输入信息来识别客户情绪变化率。由于客户情绪变化率能够反映客服当前的输入信息对于客户情绪的影响，因此一旦情绪变化率满足对应的阈值，即可以认定客服当前的输入信息可以显著提升客户情绪，从而获得客服的推荐话术。这类方法能够有效挖掘会话语料中能够提升客户情绪的客服话术，从而提升客服的专业技能，保证经营效能。但这类方法依赖于预先训练好的情绪预测模型，该情绪预测模型的输入包含语音信息，而基于已有的技术提取其语音特征和将该语音信息转换为相应的文本信息会存在很多不可避免的错误。