[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

说明书

本发明公开一种基于人工智能技术的客服智能打标方法及系统，该智能打标方法包括：S1：基于FastText算法构建智能打标模型；S2：基于业务需求，配置模型训练规则，包括模型训练超参数和性能度量方案的设计；S3：训练智能打标模型，测试模型打标性能，若满足预设指标则发布上线；S4：配置模型运营管理规则，并基于后续业务中产生的未正确打标工单持续迭代优化模型，S5：模型运营及打标结果输出。本发明应用广泛，普遍适用于各种行业客服尤，基于FastText算法构建并训练智能打标模型，实现对工单的高效、准确打标，可实现增量式训练，通过配置模型运营管理规则，可在模型上线后基于业务中积累的工单文本数据实现模型的版本更新，持续对模型迭代优化，便于维护。

技术领域

本发明涉及自然语言处理技术领域，具体涉及一种基于人工智能技术的客服智能打标方法及系统。

背景技术

在线客服是当前包括通信运营商在内的诸多行业向客户提供咨询、投诉和申办等业务的重要渠道。客服工单是客户诉求的重要载体，通过工单打标深入分析客服工单是实现持续提升客服能力、高效解决客户问题和提升客户感知的重要手段，也为业务中工单的流转和分派提供了重要依据。运营商领域客服工单标签类别繁多，人工点选打标会耗费较多时间，且极易出现错误打标。近年来，人工智能领域相关技术在自然语言处理领域有诸多成功应用。

目前现有技术中存在工单标签类别繁多，传统人工打标的方式效率低下，人工进行大量重复的打标工作易出现主观误判的情况，大量客服工单数据没有得到规范管理和充分利用。

鉴于上述缺陷，本发明创作者经过长时间的研究和实践终于获得了本发明。

发明内容

为解决上述技术缺陷，本发明提供一种基于人工智能技术的客服智能打标方法和系统。

一种基于人工智能技术的客服智能打标方法，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，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，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。

进一步的，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；