[发明专利]一种基于知识计算的智能客服助理意图识别方法及系统

说明书

本发明公开了一种基于知识计算的智能客服助理意图识别方法及系统，属于自然语言处理技术领域，包括以下步骤：S1：模型运营及管理规则配置；S2：客户意图识别。本发明可适用于咨询、投诉、建议等多种业务场景，应用范围广泛；能显著提高人工座席的工作效率、服务质量和客户满意度且大幅降低企业人力成本；提供了可自定义管理的词库，建立专有词、同义词和停用词表并进行更新维护，提升了意图识别的准确率；通过模型管理配置，可基于积累的标注文本数据实现模型的版本更新，满足业务变更下的模型持续迭代优化，且易于维护。

技术领域

本发明涉及自然语言处理技术领域，具体涉及一种基于知识计算的智能客服助理意图识别方法及系统。

背景技术

人工座席是客服中心体系的重要组成部分，随着业务种类的多元化发展和用户基数的不断增长，传统人工座席存在用户意图识别准确率较低、需要处理大量重复需求、服务效率低下和企业人力成本居高不下等问题。随着深度学习和自然语言处理相关技术的发展以及大规模数据的出现，考虑利用意图识别模型辅助人工座席对客户通话意图进行自动分类识别、并推送相应推荐话术和服务方案，以提高服务质量和服务效率，降低人力成本。

目前主要存在以下几点问题：传统方法依赖人工座席的经验和知识，易出现意图识别不准确，造成工作质量较低；大量重复的工作易使人工座席产生疲劳，造成工作效率低和出现主观误判；用户基数的不断增长使得对人工座席的需求相应提高，造成企业运营成本居高不下；人工座席易少记、漏记数据，且大量工单数据没有得到规范管理和充分利用。为此，提出一种基于知识计算的智能客服助理意图识别方法及系统。

发明内容

本发明所要解决的技术问题在于：如何解决传统方法存在的意图识别不准确、工作效率低等问题，提供了一种基于知识计算的智能客服助理意图识别方法。

本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：

S1：模型运营及管理规则配置

将意图识别任务抽象为文本匹配任务，构建基于孪生网络的sentence-Transformer双塔模型；基于实际业务需求，配置模型运行规则，创建模型训练任务进行模型训练，模型性能满足预设性能指标则上线运营；配置模型管理规则，进行模型迭代优化；

S2：客户意图识别

获取用户通话语音，将通话语音转成文本，根据基于具体业务内容和先验知识配置词库管理规则，建立对应业务场景的行业词库，定义相关词表对文本进行预处理，随后输入经过训练及迭代优化的模型获得意图识别结果。

更进一步地，在所述步骤S1中，所述sentence-Transformer双塔模型的处理过程如下：

S101：将两个输入分别输入到ERINE预训练模型，共享同一个ERINE参数，ERINE预训练模型采用多层Transformer作为编码器，通过注意力机制捕获每个词向量在文本序列的上下文信息，获得两个符合语义表示特性的固定维度初始文本嵌入向量；

S102：采用均值池化层对ERINE预训练模型生成的嵌入向量进行特征提取，转化为两个特征向量u、v；

S103：拼接u、v，|u-v|三个特征向量，使用Softmax函数进行分类输出，获得意图识别结果。

更进一步地，在所述步骤S1中，所述sentence-Transformer双塔模型的处理过程如下：

S101：将两个输入分别输入到ERINE预训练模型，共享同一个ERINE参数，ERINE预训练模型采用多层Transformer作为编码器，通过注意力机制捕获每个词向量在文本序列的上下文信息，获得两个符合语义表示特性的固定维度初始文本嵌入向量；

S102：采用均值池化层对ERINE预训练模型生成的嵌入向量进行特征提取，转化为两个特征向量u、v；