一种基于保险专业场景的智能客服系统及方法技术方案

本发明专利技术公开一种基于保险专业场景的智能客服系统及方法，该智能客服系统包括：语音识别单元、中文分词单元、以及保险场景智能问答单元、答案优化单元、语音合成单元。本发明专利技术通过知识图谱引导和语料数据学习，能够实现快速回答和高准确率；杜绝了相关的主观和道德风险，对反馈效率和客户的体验来说，都是质的飞跃；与人类客服人员相比，智能客服系统可以二十四小时工作，不用休息，随时服务；同时客服了保险业务员的主观性，不吹不黑不忽悠。

An Intelligent Customer Service System and Method Based on Insurance Professional Scene

The invention discloses an intelligent customer service system and method based on insurance professional scene. The intelligent customer service system includes speech recognition unit, Chinese word segmentation unit, and insurance scene intelligent question answering unit, answer optimization unit and speech synthesis unit. The invention can achieve rapid response and high accuracy through knowledge atlas guidance and corpus data learning; eliminate the related subjective and moral hazards, and is a qualitative leap for feedback efficiency and customer experience; compared with human customer service personnel, intelligent customer service system can work 24 hours without rest and serve at any time; at the same time, the customer serves the insurance operator's main body. Look at sex, don't blow black, don't flirt.

【技术实现步骤摘要】
一种基于保险专业场景的智能客服系统及方法
本专利技术涉及保险客服领域，特别涉及一种基于保险专业场景的智能客服系统及方法。
技术介绍
保险客服是保险行业中的最接近客户的服务之一，不但关系到保险知识的宣传、保险业务的拓展、售前售后的咨询等，更直接牵动着保险公司的业务量和业绩。因此优秀的客服将会不断吸引更多客户，提升客户的保险服务体验度。然而自然人的保险客服目前到达了一个瓶颈阶段。不但劳动力成本越来越高，保险客服专业度参差不齐，保险服务质量客观性不足等缺点，而且跟不上社会发展越来越互联网化、越来越智能化的大势。因此保险领域的客服亟需一次变革。目前保险行业中的客户服务仍是一个劳动力密集型行业。绝大部分的保险公司的客服仍是电话客服。虽然基于互联网的客服服务开始普及，但提供问答服务的仍然是自然人，因此高成本、服务品质高低不一的问题没有得到根本的解决。随着人工智能技术和自然语言技术发展，特别是随着深度学习技术和发展，自然语言理解得到长足的方法，使用在保险专业场景这个垂直领域，机器代替自然人提供客服问答服务逐渐变得可行。
技术实现思路
针对现有技术存在的问题，本专利技术提供一种基于保险专业场景的智能客服系统及方法。为实现上述目的，本专利技术具体技术方案如下：一种基于保险专业场景的智能客服系统，包括：语音识别单元、中文分词单元、以及保险场景智能问答单元、答案优化单元、语音合成单元；所述语音识别单元将客户的声音信息转化为文本信息；所述中文分词单元将中文文本信息进行分词，获得词语及词性信息；所述保险场景智能问答单元将分词后的文本信息输入，通过对语义的分析理解，在知识图谱和语料库中获得保险专业的答案，并将候选答案输出；所述答案优化单元利用输出的候选答案，进行答案的优化处理；所述语音合成单元将优化后的答案，输入语音合成引擎，生成声音信息，使得客户能够听懂答案。优选地，所述保险场景智能问答单元包括语义理解模块、控制器、实体关系识别模块、图谱搜索模块、快速检索模块、深度重排序模块、答案融合模块、语言生成模块；所述语义理解模块将分词后的文本输入到语义理解引擎，将客户问题文本进行分类，输出知识类问题和语料类问题；所述控制器根据输入的文本信息以及文本分类信息，将数据分流分别输入到知识图谱模型和语料库模型；所述实体关系识别模块利用保险专业知识图谱，对输入的文本信息进行实体抽取和关系识别，然后输入图谱搜索模块；所述快速检索基于已经搜集的问答语料库，利用关键词匹配快速检索技术，获得候选问答对集合，然后输入到深度重排序操作；所述图谱搜索模块基于保险专业知识图谱，利用已经抽取的实体和关系，在知识图谱中进行检索和推理，或者知识图谱的候选答案知识点，输入到答案融合模块操作；所述深度重排序模块使用一个双向LSTM深度网络用来获取问题和答案的向量表示，然后用余弦相似度得分来选出与问题相似度最高的若干答案，输入到答案融合模块操作；所述答案融合模块根据知识类问题置信度和语料类问题置信度，以及知识图谱候选答案知识点和语料候选答案，进行融合处理操作；所述语言生成模块对融合后的候选答案生成自然语言答案，最终输出自然答案到答案优化单元。优选地，所述深度重排序模块使用一个双向LSTM深度网络用来获取问题和答案的向量表示，然后用余弦相似度得分来选出与问题相似度最高的若干答案，输入到答案融合模块操作，具体计算过程为：首先，对问题q做分词，并获取对应的词向量序列：q＝(q1,...,ql)使用LSTM，获取qt对应的隐层表示ht:ht＝LSTM(ht-1,qt)采用maxpooling，获取定长的表征问题qemb的向量：qemb＝max_pool(h1..,hl)然后，对答案a做分词，并获取对应的词向量序列：a＝(a1,...,al)使用LSTM，获取at对应的隐层表示ht:ht＝LSTM(ht-1,at)利用qemb对答案的隐层表示做基于Attention的权重计算，获取定长的表征答案aemb的向量：st＝cos(qemb,ht)αt＝softmax(st)aemb＝∑αtht最后，通过计算qemb和aemb的相似度，获取问题q与答案a的匹配度：sim(q,a)＝cos(qemb,aemb)优选地，所述答案融合模块根据知识类问题置信度和语料类问题置信度，以及知识图谱候选答案知识点和语料候选答案，进行融合处理操作的具体方式为：若知识类的置信度为0，则答案融合只取语料候选答案；若语料类问题置信度为0，则答案融合只取知识图谱候选答案；否则将两种答案根据置信度进行融合处理。优选地，所述语言生成模块对融合后的候选答案生成自然语言答案的方法包括补充缺省的信息、定制答案模板。本专利技术还提供一种基于保险专业场景的智能客服方法，包括如下步骤：采用语音识别单元将客户的声音信息转化为文本信息；以中文分词单元将中文文本信息进行分词，获得词语及词性信息；配置保险场景智能问答单元将分词后的文本信息输入，通过对语义的分析理解，在知识图谱和语料库中获得保险专业的答案，并将候选答案输出；使用答案优化单元利用输出的候选答案，进行答案的优化处理；设置语音合成单元将优化后的答案，输入语音合成引擎，生成声音信息，使得客户能够听懂答案。优选地，所述保险场景智能问答单元包括语义理解模块、控制器、实体关系识别模块、图谱搜索模块、快速检索模块、深度重排序模块、答案融合模块、语言生成模块；所述语义理解模块将分词后的文本输入到语义理解引擎，将客户问题文本进行分类，输出知识类问题和语料类问题；所述控制器根据输入的文本信息以及文本分类信息，将数据分流分别输入到知识图谱模型和语料库模型；所述实体关系识别模块利用保险专业知识图谱，对输入的文本信息进行实体抽取和关系识别，然后输入图谱搜索模块；所述快速检索基于已经搜集的问答语料库，利用关键词匹配快速检索技术，获得候选问答对集合，然后输入到深度重排序操作；所述图谱搜索模块基于保险专业知识图谱，利用已经抽取的实体和关系，在知识图谱中进行检索和推理，或者知识图谱的候选答案知识点，输入到答案融合模块操作；所述深度重排序模块使用一个双向LSTM深度网络用来获取问题和答案的向量表示，然后用余弦相似度得分来选出与问题相似度最高的若干答案，输入到答案融合模块操作；所述答案融合模块根据知识类问题置信度和语料类问题置信度，以及知识图谱候选答案知识点和语料候选答案，进行融合处理操作；所述语言生成模块对融合后的候选答案生成自然语言答案，最终输出自然答案到答案优化单元。优选地，所述答案融合模块根据知识类问题置信度和语料类问题置信度，以及知识图谱候选答案知识点和语料候选答案，进行融合处理操作的具体方式为：若知识类的置信度为0，则答案融合只取语料候选答案；若语料类问题置信度为0，则答案融合只取知识图谱候选答案；否则将两种答案根据置信度进行融合处理。优选地，所述语言生成模块对融合后的候选答案生成自然语言答案的方法包括补充缺省的信息、定制答案模板。本专利技术采用了深度网络学习技术和知识图谱技术，对保险专业场景的客户问题进行专业型的回答。其中知识推理性的问题由知识图谱回答，而常见问题由基于深度LSTM网络回答。知识图谱中存储了结构化的保险知识数据，不但能够回答直接的实体和关系，而且还能够进行语义推理。深度LSTM网络从语料库中学本文档来自技高网...

【技术保护点】
1.一种基于保险专业场景的智能客服系统，其特征在于，包括：语音识别单元、中文分词单元、以及保险场景智能问答单元、答案优化单元、语音合成单元；所述语音识别单元将客户的声音信息转化为文本信息；所述中文分词单元将中文文本信息进行分词，获得词语及词性信息；所述保险场景智能问答单元将分词后的文本信息输入，通过对语义的分析理解，在知识图谱和语料库中获得保险专业的答案，并将候选答案输出；所述答案优化单元利用输出的候选答案，进行答案的优化处理；所述语音合成单元将优化后的答案，输入语音合成引擎，生成声音信息，使得客户能够听懂答案。

【技术特征摘要】
1.一种基于保险专业场景的智能客服系统，其特征在于，包括：语音识别单元、中文分词单元、以及保险场景智能问答单元、答案优化单元、语音合成单元；所述语音识别单元将客户的声音信息转化为文本信息；所述中文分词单元将中文文本信息进行分词，获得词语及词性信息；所述保险场景智能问答单元将分词后的文本信息输入，通过对语义的分析理解，在知识图谱和语料库中获得保险专业的答案，并将候选答案输出；所述答案优化单元利用输出的候选答案，进行答案的优化处理；所述语音合成单元将优化后的答案，输入语音合成引擎，生成声音信息，使得客户能够听懂答案。2.根据权利要求1所述的智能客服系统，其特征在于，所述保险场景智能问答单元包括语义理解模块、控制器、实体关系识别模块、图谱搜索模块、快速检索模块、深度重排序模块、答案融合模块、语言生成模块；所述语义理解模块将分词后的文本输入到语义理解引擎，将客户问题文本进行分类，输出知识类问题和语料类问题；所述控制器根据输入的文本信息以及文本分类信息，将数据分流分别输入到知识图谱模型和语料库模型；所述实体关系识别模块利用保险专业知识图谱，对输入的文本信息进行实体抽取和关系识别，然后输入图谱搜索模块；所述快速检索基于已经搜集的问答语料库，利用关键词匹配快速检索技术，获得候选问答对集合，然后输入到深度重排序操作；所述图谱搜索模块基于保险专业知识图谱，利用已经抽取的实体和关系，在知识图谱中进行检索和推理，或者知识图谱的候选答案知识点，输入到答案融合模块操作；所述深度重排序模块使用一个双向LSTM深度网络用来获取问题和答案的向量表示，然后用余弦相似度得分来选出与问题相似度最高的若干答案，输入到答案融合模块操作；所述答案融合模块根据知识类问题置信度和语料类问题置信度，以及知识图谱候选答案知识点和语料候选答案，进行融合处理操作；所述语言生成模块对融合后的候选答案生成自然语言答案，最终输出自然答案到答案优化单元。3.根据权利要求2所述的智能客服系统，其特征在于，所述深度重排序模块使用一个双向LSTM深度网络用来获取问题和答案的向量表示，然后用余弦相似度得分来选出与问题相似度最高的若干答案，输入到答案融合模块操作，具体计算过程为：首先，对问题q做分词，并获取对应的词向量序列：q＝(q1,...,ql)使用LSTM，获取qt对应的隐层表示ht:ht＝LSTM(ht-1,qt)采用maxpooling，获取定长的表征问题qemb的向量：qemb＝max_pool(h1..,hl)然后，对答案a做分词，并获取对应的词向量序列：a＝(a1,...,al)使用LSTM，获取at对应的隐层表示ht:ht＝LSTM(ht-1,at)利用qemb对答案的隐层表示做基于Attention的权重计算，获取定长的表征答案aemb的向量：st＝cos(qemb,ht)αt＝softmax(st)aemb＝∑αtht最后，通过计算qemb和aemb的相似度，获取问题q与答案a的匹配度：sim(q,a)...

【专利技术属性】
技术研发人员：庞文君，杨猛，
申请(专利权)人：前海企保科技深圳有限公司，
类型：发明
国别省市：广东,44