一种真实场景下用户与客服对话的数据分析方法技术

本发明专利技术公开了一种真实场景下用户与客服对话的数据分析方法，其特点是在原始会话数据中抽取用户会话的意图和重要句段，并将不同表述的相同意图聚集在一起进行文本摘要，得到同一意图的场景描述信息。本发明专利技术与现有技术相比具有从文档中提取表达整篇文章关键信息的部分，为后续的文本分析提供了极大地便利，场景信息分析正确，有效挖掘和分析大量非结构化数据，为智能客服系统提供了有效的解决方案，工作效率高，尤其是对网络客服系统的对话文本挖掘，提出了一个十分有效的优化方法，具有广泛的实用意义。

A Data Analysis Method for User-Customer Dialogue in Real Scene

The invention discloses a data analysis method for user-customer conversation in a real scene, which is characterized by extracting user conversation intentions and important sentences from the original session data, and gathering the same intentions of different expressions together for text summary to obtain scene description information with the same intentions. Compared with the existing technology, the invention has the part of extracting and expressing key information of the whole article from documents, which provides great convenience for subsequent text analysis, correct scene information analysis, effective mining and analysis of large amounts of unstructured data, provides an effective solution for intelligent customer service system, and has high work efficiency, especially for dialogue text mining of network customer service system. A very effective optimization method is proposed, which has a wide range of practical significance.

【技术实现步骤摘要】
一种真实场景下用户与客服对话的数据分析方法
本专利技术涉及文本挖掘
，尤其是一种基于文本聚类和文本挖掘的真实场景下用户与客服对话的数据分析方法。
技术介绍
客服部门在日常运营过程中，会产生大量的非结构化的文本数据，这些数据中往往蕴含了用户对企业产品最真实的反馈数据，客服部门在日常工作中，投入了大量的人力进行人工回复和分析。在知识爆炸的时代，人们每天都需要面对海量数据，合理利用信息，高效地处理文本提取有用的信息就变得极为重要。文本聚类是自然语言处理中的一项重要技术，它主要将大量文本语料通过机器处理，自动分成若干类别。作为一种无监督的机器学习方法，文本聚类技术不需要预先对文档手工标注类别，因此具有较强的灵活性和自动化处理能力。文本聚类已经成为对文本信息进行有效地挖掘、摘要提取的重要手段，所以利用文本摘要技术能够从文档中提取表达整篇文章关键信息的部分，为后续的文本分析提供了极大地便利，有望提升该类数据的分析与挖掘能力，不仅有望降低人工回复、分析和客服部门的日常运营成本，还能大大提升公司产品设计的优化水平。现有技术的客服系统存在的问题是人工回复和分析，不但浪费了大量的人力资源，而且运营成本高，效率低。
技术实现思路
本专利技术的目的是针对现有技术的不足而设计的一种真实场景下用户与客服对话的数据分析方，采用意图聚类以及会话摘要技术，从文档中提取表达整篇文章关键信息的部分，有效挖掘和分析大量非结构化数据，对真实场景下用户与客服的对话进行分析，得到同一意图的场景描述信息，为智能客服系统提供了有效的解决方案，场景信息分析正确，工作效率高，尤其是对客服系统中对话文本挖掘的探索与实践，为后续的文本分析提供了极大地便利，提出了一个十分有效的优化方法，具有广泛的实用意义。本专利技术的目的是这样实现的：一种真实场景下用户与客服对话的数据分析方法，其特点是采用文本聚类和文本摘要技术，对真实场景下用户与客服的对话进行分析，得到同一意图的场景描述信息，其具体分析包括下述步骤：a）、从原始会话数据中抽取用户会话的意图；b）、从原始会话数据中抽取重要句段；c）、对会话意图进行聚类；d）、对有相同意图的会话内容进行文本摘要，得到同一意图下的场景描述。所述抽取用户会话的意图是在用户会话中抽取出用户所表达的意图，即用户遇到的问题或者发起本轮会话的原因。所述抽取重要句段是在会话中抽取出描述场景的关键句段，真实场景下的会话噪音繁多，为了增加后续数据分析的有效性，过滤掉噪音数据。所述聚类是将不同表述的相同意图聚集在一起。所述文本摘要是对同一类意图下的所有会话数据进行文本摘要，得到同一意图的场景描述信息。本专利技术与现有技术相比具有从文档中提取表达整篇文章关键信息的部分，为后续的文本分析提供了极大地便利，场景信息分析正确，有效挖掘和分析大量非结构化数据，为智能客服系统提供了有效的解决方案，工作效率高，尤其是对网络客服系统中对话文本挖掘的探索与实践，提出了一个十分有效的优化方法，具有广泛的实用意义。附图说明图1为本专利技术流程示意图。具体实施方式以下通过某一网络客服对话这一特定场景的具体实例，对本专利技术作进一步的详细说明。实施例1参阅附图1，本专利技术按下述步骤进行真实场景下用户与客服对话的数据分析：（一）抽取用户关键意图语句根据观察及经验，用户往往会在第一时间将自己需要咨询的问题或者投诉的内容表达出来，因此，在不损失相对较多的语义信息的前提下，可以直接提取用户的第一个句话表示用户的意图以简化模型，以达到去除对话噪声干扰的效果。同时，由于部分用户的第一句段是“你好”、“请问在吗”这些问候性质的对话，为了避免提取到这些无意义的语句，在初始化时过滤掉了问候语，在用户会话中抽取出用户所表达的意图。（二）抽取关键句段在咨询或者投诉的过程中，用户大多数情况下都会借助否定词或者疑问词来提出遇到的问题，因此，为了进一步地提炼用户与客服对话信息，采取以下方法来提取关键句段：1）找到否定词或者疑问词所在的短句作为关键句子；2）设置步长大小为2，提取关键句前后2句话作为关键句段。在极少情况下，用户与客服的会话中不包含任意否定词或者疑问词，这种情况下直接将会话前5句和后5句作为关键句段，在会话中抽取出描述场景的关键句段，真实场景下的会话噪音繁多，为了增加后续数据分析的有效性，过滤掉噪音数据。（三）意图聚类直接从客服与用户的对话数据中训练词向量，并采取了短文本向量编码方式表示文本，即将文本分词后的词向量均值作为该文本在向量空间上的编码。“K-means”算法是一个经典的基于划分的聚类方法，通过词向量均值的短文本编码方法，作为意图的特征进行输入，然后使用“K-means”算法将不同表述的相同意图聚集在一起。由于直接使用传统的“K-means”算法得到的聚类效果存在将关于同一意图的会话拆分成若干类的问题，本专利技术基于关键词连接矩阵的聚类合并方法，算法思想为：把聚类个数设置得稍大，再对“K-means”算法的初步聚类结果进行合并修正，从而得到更加准确的聚类结果。通过对“K-means”聚类结果的观察，需要修正重新合并为具有下述一类特点的样本：a、客户均在描述同一个内容，但是表述的方式不一样；b、虽然表述的方式各异，但总是会提到一些具有明显辨识度的关键词。利用关键词提取算法提取每一类的关键词，然后将关键词集合交叉程度较高的若干类合并成新的一类，其具体步骤如下：1）记“K-means”聚类结果有k类，对于这类中的每一类，计算各词的“tf-idf”值并从大小排序，并取前5个词语作为该类的关键词；2）以第i类的关键词集合与第j类的关键词集合的重叠个数作为连接度；3）设定合并阈值为3，连接度超过合并阈值的类别合并为新的一类。（四）对有相同意图的会话进行文本摘要对同一类意图下的所有会话数据采用抽取式文档摘要的方法，对同一意图中各个会话中的句子进行评分排序，选取得分最高的作为该意图的场景描述信息。由于各类的摘要均是直接从客户对话来提取中，语句通顺度、可读性比较高，其抽取式的效果十分依赖于评分的标准，因此，针对网络客服对话这一特定场景制定合适的评分规则，评分准则包括基于相似度的评分标准和基于关键词的评分标准以及句子流畅度得分。1）基于相似度的评分标准识别一个会话中重要的句子，可以看作是衡量会话中每个句子和会话意图的相似度，相似度越高表示这个句子越重要，因此，对会话中关键句段和意图进行编码后，计算会话中每个句子的向量和意图的向量的余弦相似度，就可以抽取出重要的句子。2）关键词命中得分标准对于某一类的一个样本，对它进行分词，得到词语列表，若词语属于该类的关键词，则视为命中，最后将命中率作为这个样本的关键词命中得分，关键词命中得分越高，说明句子语义在类别的关键问题上的集中程度越高。3）句子流畅度得分标准对于会话中的每个句子，使用步骤（三）中训练得到的“skip-gram”语言模型计算得到句子的概率作为句子的流畅度得分。上述三项评分的规则如下：a、为了避免选取长度较短的句子，对句子长度制定了一定的限制，本文设定的阈值为7，只有大于阈值的样本才参与评分，从而避免了提取的摘要过短。b、三项评分的得分越高越好，优先考虑基于相似度的评分，其次考虑基于关键词的得分，句子流畅度得分的权重最低。对于同一个意图，取得分最高的前n个句本文档来自技高网...

【技术保护点】
1.一种真实场景下用户与客服对话的数据分析方法，其特征在于采用文本聚类和文本摘要技术，对真实场景下用户与客服的对话进行分析，得到同一意图的场景描述信息，其具体分析包括下述步骤：a）、从原始会话数据中抽取用户会话的意图；b）、从原始会话数据中抽取重要句段；c）、对会话意图进行聚类；d）、对有相同意图的会话内容进行文本摘要，得到同一意图下的场景描述。

【技术特征摘要】
1.一种真实场景下用户与客服对话的数据分析方法，其特征在于采用文本聚类和文本摘要技术，对真实场景下用户与客服的对话进行分析，得到同一意图的场景描述信息，其具体分析包括下述步骤：a）、从原始会话数据中抽取用户会话的意图；b）、从原始会话数据中抽取重要句段；c）、对会话意图进行聚类；d）、对有相同意图的会话内容进行文本摘要，得到同一意图下的场景描述。2.根据权利要求1所述真实场景下用户与客服对话的数据分析方法，其特征在于所述抽取用户会话的意图是在用户会...

【专利技术属性】
技术研发人员：杨燕，张琪，陈成才，郁建峰，战蕾，李芸，贺樑，
申请(专利权)人：华东师范大学，上海智臻智能网络科技股份有限公司，
类型：发明
国别省市：上海,31