[发明专利]一种基于人工智能技术的客服智能打标方法及系统

权利要求书

1.一种基于人工智能技术的客服智能打标方法，其特征在于，包括以下步骤：

S1：构建智能打标模型

分析实际业务场景，将工单打标抽象为文本分类任务，对历史工单文本进行数据预处理，得到待打标工单文本，基于FastText算法构建工单智能打标模型；

S2：配置模型训练规则

基于业务需求，创建模型训练任务并配置模型训练规则，模型训练规则的配置包括训练超参数配置和性能度量方案设计；

S3：训练智能打标模型

将步骤S1中的待打标工单文本对应正确分类标签，制作标准数据集，并划分训练集和测试集；导入训练集工单文本数据，依据超参数配置训练模型，基于性能度量方案对模型进行性能测试，判断是否满足预设指标，若不满足预设指标则调整超参数，并重新进行模型训练，若满足预设指标则将模型发布上线；

S4：配置模型运营管理规则

模型运营管理规则的配置包括自动优化任务配置和模型版本管理两个方面，所述自动优化任务是基于模型实际上线运营中的打标性能和后续业务的需求对模型进行自动迭代优化，所述模型版本管理是通过管理模型历史版本，对模型的演变过程进行记录和维护；

S5：模型运营及打标结果输出

模型运营过程中，对待打标工单进行打标并输出标签置信度，基于标签置信度，模型展示推荐标签，若未正确打标，则基于未正确打标工单通过自动优化任务持续迭代优化模型，若正确打标，则同步打标结果。

2.如权利要求1所述的基于人工智能技术的客服智能打标方法，其特征在于，步骤S1中对历史工单文本进行数据预处理具体包括以下内容：

收集、添加业务专有词至专有词表，业务专有词为行业专业词、业务名称和产品名；

使用分词工具将原始待打标工单文本转换成词粒度的表示形式，导入专有词表中的业务专有词作为用户自定义词典，避免业务专有词在分词过程中被误分；

对分词后的待打标工单文本进行清洗，去除特殊字符、数字和其他对打标无意义、无关的停用词；

使用TF-IDF算法提取待打标工单文本中的关键特征词，构建表征原始文本的关键子句。

3.如权利要求1所述的基于人工智能技术的客服智能打标方法，其特征在于，步骤S1中基于FastText算法构建打标模型具体包括以下内容：

基于FastText算法构建智能打标模型，FastText算法包括输入层、隐藏层和输出层，其中：

输入层将表征工单文本的关键子句转换为多个固定维度的特征词向量，并引入N-gram特征，使得语义信息更加充分；

隐藏层将特征词向量进行平均池化操作，获得表征该工单文本的特征向量；

输出层对工单文本的特征向量进行非线性变换，随后利用softmax函数计算工单文本对应各标签类别的概率即标签置信度。

4.如权利要求1所述的基于人工智能技术的客服智能打标方法，其特征在于，步骤S2中配置模型训练规则包括以下内容：

S21：训练超参数配置

训练超参数包括学习率、训练轮次和数据集划分比例，训练超参数配置基于算法原理和训练数据分布，使模型高效学习文本特征，避免出现过拟合、欠拟合和训练时间过长情况，所述训练超参数通过手动调节和自动寻优进行调整；

S22：性能度量设计

性能度量包括打标准确率、召回率和精确率，设定性能度量的阈值应符合实际业务对打标准确率、召回率、精确率指标的需求。

5.如权利要求1所述的基于人工智能技术的客服智能打标方法，其特征在于，步骤S4中自动优化任务配置包括以下内容：

自动优化任务基于实际业务需求和实际业务变化定义训练超参数和模型迭代优化的触发条件，若实际业务场景中的打标标签分类发生变动或者模型无法满足后续运营中的打标准确率要求时，自动优化任务通过预先配置标准模板或者进行人工干预调整的方式进行模型迭代优化。

6.如权利要求1所述的基于人工智能技术的客服智能打标方法，其特征在于，步骤S4中版本管理包括以下内容：

版本管理对模型运营过程中生成的改进及其优化过程进行跟踪、记录和维护，模型运营过程中经授权的用户具有对模型进行检索、访问、调用和发布上线的权限。