基于上下文对话语义识别的智能应答方法及系统技术方案

本发明专利技术公开了基于上下文对话语义识别的智能应答方法及系统，其方法步骤如下：对咨询问题进行格式化和自然语言处理，得出其语义类型，确定用户提问意图，提取出关键字；利用推荐匹配算法进行答案匹配，将命中的知识点以检索结果的形式输出；若无相应匹配度的知识点则对咨询问题进行构造分析，并结合上下文内容对咨询问题的语义进行识别，重组咨询问题；对重组后的咨询问题进行重新检索；从检索结果中抽取合适的答案。本发明专利技术通过自然语言处理技术对传统的智能应答系统进行改进，加入了基于上下文的对话语义识别，能够有效地处理用户口语化的咨询方式，提升智能应答系统的应答匹配度，大大改善了用户体验，有效减少客服成本。

【技术实现步骤摘要】

本专利技术涉及智能应答
，具体为基于上下文对话语义识别的智能应答方法及系统。
技术介绍
随着计算机信息和互联网技术的飞速发展，客户服务逐步向网络化、智能化和个性化的方向发展，企业需要提供大量客服人员以满足客户的信息咨询需求。以语音识别技术、自然语言理解为主的人工智能技术构建的智能客服，通过web、语音、短信等在线渠道与客户实现智能化人机交互，大大提高客服人员的工作效率和减少客服的重复劳动，有效地减少人工客服成本、提升服务质量。此前，国内企业的信息系统发展相对滞后、人力成本相对较低，因此企业采用智能客服的原始动力不足，但经过国内一些智能客服厂商在商业上的不断拓展以及智能客服市场自身的成长，目前已经有很多家对新技术采用相对比较积极的电信运营商、金融领域、电子商务企业采用了智能客服。Siri发布后，更多的人知道了智能问答技术，也了解到了智能问答系统的能力，进一步扩大了智能客服在企业中的应用范围。智能客服目前覆盖渠道包括电话、短信、网站、QQ等传统渠道，同时也已经在微信、微博、APP等新型电子渠道上得到了实践应用。智能客服不仅为企业提供了细粒度知识管理技术，还为企业与海量用户之间的沟通建立起一种基于自然语言的快捷有效的技术手段。智能客服的本质为应答系统，其处理流程可大致概况为3大部分：问题分析、信息检索、答案抽取，即客户通过在线渠道提出问题，系统从后台知识库中匹配相应的答案返回给客户或者将知识点以参考答案形式返回给客服人员供其选择。若要快速准确地回答客户的问题，关键在于系统能够正确理解客户提出的问题。由于人类的语言习惯，客户咨询的问题呈现口语化现象严重、句子缺省成份多等特点，现有的应答系统还无法非常好地进行处理，正确理解客户的意图，因而智能应答系统还有巨大的提升空间。
技术实现思路
为了解决现有技术中客户咨询由于口语化句子缺省成份多导致系统无法正确理解客户意图的技术问题，本专利技术提出基于上下文对话语义识别的智能应答方法及系统，提高了智能应答系统的推荐匹配度，有效地减少人工客服成本、提升服务质量。本专利技术基于上下文对话语义识别的智能应答方法，采用以下技术方案来实现：基于上下文对话语义识别的智能应答方法，其特征在于，包括以下步骤：S1、分析从移动设备输入的咨询问题，对咨询问题进行格式化和自然语言处理，得出咨询问题的语义类型，确定用户提问的意图，提取出关键字；S2、根据步骤S1的分析结果，利用相应的推荐匹配算法进行答案匹配，然后根据匹配度将命中的知识点以检索结果的形式输出，若无相应匹配度的知识点则转入步骤S3；S3、对咨询问题进行构造分析，并结合上下文内容对咨询问题的语义进行识别，根据识别结果重组咨询问题；对重组后的咨询问题进行重新检索，输出检索结果；S4、从检索结果中抽取合适的答案。优选地，步骤S2所述的推荐匹配算法对分析结果进行语法和句法的分析，再根据查询语句的关键字和句法结构，对知识库里的知识点按照匹配度大小进行排序，最后根据结果返回匹配度最高的知识点。优选地，步骤S3采用如下步骤：S31、首先对咨询问题进行构造分析，通过句子成分分析模型得到咨询问题的组成成分，然后判断咨询问题缺省的成分是什么，得到咨询问题的成分组成与缺省成分记录；S32、通过对上下文的成分进行分析，并结合咨询问题的句子成分，进行语义识别，将句子的基础组成成分补充完整；S33、将咨询问题的组成成分做为输入，对咨询问题进行重新组合，并生成为系统能进行解释的句子表达方式；S34、针对重新组合后的咨询问题，重新进行信息检索，完成后将检索结果输出。本专利技术基于上下文对话语义识别的智能应答系统，采用以下技术方案来实现：基于上下文对话语义识别的智能应答系统，其特征在于，包括移动设备、电话路由、语音转文本模块、应答模块及客服坐席显示器，其中移动设备、电话路由及语音转文本模块依次连接，应答模块分别与移动设备、语音转文本模块、坐席显示器连接；所述应答模块对咨询问题进行格式化和自然语言处理，利用相应的推荐匹配算法进行答案匹配，然后根据匹配度将命中的知识点以检索结果的形式输出给坐席显示器；若无相应匹配知识点时应答模块对咨询问题进行构造分析，并结合上下文内容对咨询问题的语义进行识别，根据识别结果重组咨询问题，并对重组后的咨询问题进行重新检索，输出检索结果给坐席显示器。优选地，客户通过所述移动设备输入语音或文字信息，所述坐席显示器输出应答结果供客服人员选择，所述客户与客服人员之间通过坐席话机连接。由以上技术方案可知，本专利技术在传统智能应答系统的处理方式上增加了基于上下文的对话语义识别功能，当经过问题分析、信息检索之后，没有匹配到相应的答案，则转入到基于上下文的对话语义识别：首先，通过对当前问题进行句子成分构造分析，判断当前问题缺省了哪些成分，再结合上下文进行语义识别，确认用户的真实意图，接下来对问题进行重构，最后重新进行信息检索，通过答案抽取将相应的答案返回给用户。与现有技术相比，本专利技术具有如下优点及有益效果：1、本专利技术提高了智能应答系统问题推荐命中率，用户在用口语化的方式进行咨询和/或句子缺省成份的情况下，使用本专利技术可以将缺省成份补充完整，让系统有效地识别出用户准确的意图，返回正确的匹配答案，减少人工客服的工作量，提高客户满意度。2、随着整个社会群体维权意识的提升，以及各个行业的服务体验改善，智能客服理念亟待从“客户需求导向”进一步向“客户体验导向”提升，客户服务工作的好坏直接代表着一个企业的文化修养、整体形象和综合素质。智能客服作为互联网时代下的先进客户服务代表，使用高命中率的智能应答系统，可以提供一对多、高效、便捷和稳定的24小时全天候服务，能够大幅降低人工客服成本，其功能可拓展性强，展现形式直观、多样，对于拓展互联网业务渠道服务能力、维护企业品牌形象有着重要意义，从而提高企业的核心竞争力。附图说明图1是本专利技术的结构示意图；图2是本专利技术智能应答系统的答案推荐流程。具体实施方式下面将结合实施例及附图对本专利技术做更具体的描述，但本专利技术的实施方式不限于此。实施例：参见图1，本专利技术智能应答系统包括移动设备、电话路由、语音转文本模块、应答模块及客服坐席显示器，其中移动设备、电话路由及语音转文本模块依次连接，应答模块分别与移动设备、语音转文本模块、坐席显示器连接。客户主要有两种方式接入智能应答系统，一种是通过移动设备拨打客服电话，通过电话路由、语音转文本模块转换成文本输入到应答模块，另一种是通过移动设备的APP、在线应答页面等方式直接将文本输入到应答模块。参见图2，本专利技术在传统智能应答系统的处理方式上增加了基于上下文的对话语义识别功能，应答模块在接收到文本后，首先对客户当前问题进行答案检索，如果未检索到合适的答案，则转入到基于上下文的对话语义识别。具体来说，语义识别通过对当前问题产生的上下文进行对话结构建模，通过机器学习方法分析出用户在提出当前问题时的上下文信息，通过对当前问题的句子组成结构分析，识别出当前问题所缺失的句子组成成份，再结合上下文进行主题分析和语义分析，对当前问题的语义信息进行扩展和理解，然后从系统检索出符合当前问题语义的答案。客服坐席人员通过显示器查看到相应的答案之后，通过话机回复客户。本专利技术基于上下文对话语义识别的智能应答方法，流程具体如下：一、问题本文档来自技高网...

【技术保护点】
基于上下文对话语义识别的智能应答方法，其特征在于，包括以下步骤：S1、分析从移动设备输入的咨询问题，对咨询问题进行格式化和自然语言处理，得出咨询问题的语义类型，确定用户提问的意图，提取出关键字；S2、根据步骤S1的分析结果，利用相应的推荐匹配算法进行答案匹配，然后根据匹配度将命中的知识点以检索结果的形式输出，若无相应匹配度的知识点则转入步骤S3；S3、对咨询问题进行构造分析，并结合上下文内容对咨询问题的语义进行识别，根据识别结果重组咨询问题；对重组后的咨询问题进行重新检索，输出检索结果；S4、从检索结果中抽取合适的答案。

【技术特征摘要】
1.基于上下文对话语义识别的智能应答方法，其特征在于，包括以下步骤：S1、分析从移动设备输入的咨询问题，对咨询问题进行格式化和自然语言处理，得出咨询问题的语义类型，确定用户提问的意图，提取出关键字；S2、根据步骤S1的分析结果，利用相应的推荐匹配算法进行答案匹配，然后根据匹配度将命中的知识点以检索结果的形式输出，若无相应匹配度的知识点则转入步骤S3；S3、对咨询问题进行构造分析，并结合上下文内容对咨询问题的语义进行识别，根据识别结果重组咨询问题；对重组后的咨询问题进行重新检索，输出检索结果；S4、从检索结果中抽取合适的答案。2.根据权利要求1所述的基于上下文对话语义识别的智能应答方法，其特征在于，步骤S2所述的推荐匹配算法对分析结果进行语法和句法的分析，再根据查询语句的关键字和句法结构，对知识库里的知识点按照匹配度大小进行排序，最后根据结果返回匹配度最高的知识点。3.根据权利要求1所述的基于上下文对话语义识别的智能应答方法，其特征在于，步骤S3采用如下步骤：S31、首先对咨询问题进行构造分析，通过句子成分分析模型得到咨询问题的组成成分，然后判断咨询问题缺省的成分是什么，得到咨询问题的成分组成与缺省成分记录；S...

【专利技术属性】
技术研发人员：赖招展，姜磊，沈广盈，朱振航，杨辰，
申请(专利权)人：广州佰聆数据股份有限公司，
类型：发明
国别省市：广东;44