System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机,尤其是涉及一种基于生成式神经网络的投诉管理方法、系统及存储介质。
技术介绍
1、投诉管理是任何组织都需要面对的挑战之一。有效处理投诉对于维护客户(用户)满意度至关重要,但它也可能是一项繁琐和耗时的任务。传统的投诉管理通常涉及人工处理或一般智能对话客服,这可能导致处理时间长、误解客户(用户)需求以及客户(用户)对待方式不一致等问题。
技术实现思路
1、本专利技术提供了一种基于生成式神经网络的投诉管理方法、系统及存储介质,以解决现有技术中投诉管理处理时间长、误解客户(用户)需求以及客户(用户)对待方式不一致的技术问题。
2、本专利技术的一个方面在于提供一种基于生成式神经网络的投诉管理方法,所述投诉管理方法包括如下方法步骤:
3、s1、获取日常对话数据集,利用日常对话数据集对生成式神经网络模型进行训练,生成生成式对话模型;
4、s2、获取历史投诉数据集和情感对话数据集,利用历史投诉数据集和情感对话数据集对所述生成式对话模型进行训练,生成生成式投诉对话模型;
5、s3、用户发起投诉时,所述生成式投诉对话模型调用投诉知识库,向用户反馈;
6、其中,所述投诉知识库包括所述历史投诉数据集和所述情感对话数据集。
7、在一个优选的实施例中,在步骤s1中,所述日常对话数据集包括:一问一答或者多轮对话自然语言生成的词向量。
8、在一个优选的实施例中,在步骤s2中,所述历史投诉数据集,对所述生成式对话
9、在一个优选的实施例中,所述历史投诉数据集包括:一问一答或者多轮对话自然语言生成的词向量。
10、在一个优选的实施例中,在步骤s2中,所述情感对话数据集,对所述生成式对话模型进行训练,使生成的生成式投诉对话模型按照用户的情感信息处理投诉内容。
11、在一个优选的实施例中,所述情感对话数据集包括:一问一答或者多轮对话自然语言生成的词向量。
12、本专利技术的另一个方面在于提供一种基于生成式神经网络的投诉管理系统,所述投诉管理系统包括:
13、生成式对话模型训练模块,用于获取日常对话数据集,利用日常对话数据集对生成式神经网络模型进行训练,生成生成式对话模型;
14、生成式投诉对话模型训练模块,用于获取历史投诉数据集和情感对话数据集,利用历史投诉数据集和情感对话数据集对所述生成式对话模型进行训练,生成生成式投诉对话模型;
15、投诉管理模块,用于用户发起投诉时,所述生成式投诉对话模型调用投诉知识库,向用户反馈;
16、其中,所述投诉知识库包括所述历史投诉数据集和所述情感对话数据集。
17、在一个优选的实施例中,所述日常对话数据集包括:一问一答或者多轮对话自然语言生成的词向量;
18、所述历史投诉数据集包括:一问一答或者多轮对话自然语言生成的词向量;
19、所述情感对话数据集包括:一问一答或者多轮对话自然语言生成的词向量。
20、在一个优选的实施例中,所述历史投诉数据集,对所述生成式对话模型进行训练,使生成的生成式投诉对话模型按照业务历史回复方式处理投诉内容;
21、所述情感对话数据集,对所述生成式对话模型进行训练,使生成的生成式投诉对话模型按照用户的情感信息处理投诉内容。
22、本专利技术的又一个方面在于提供一种存储介质,所述存储介质用于存储计算机执行指令,所述计算机执行指令用于执行本专利技术提供的一种基于生成式神经网络的投诉管理方法。
23、与现有技术相比,本专利技术具有以下有益效果:
24、本专利技术提供的一种基于生成式神经网络的投诉管理方法、系统及存储介质,将生成式神经网络模型进行训练成生成式投诉对话模型,使生成式投诉对话模型能够理解和生成与投诉内容相关的文本、图像或其他媒体。
25、本专利技术提供的一种基于生成式神经网络的投诉管理方法、系统及存储介质,利用生成的生成式投诉对话模型对投诉内容进行处理,并且可以根据投诉内容和上下文进行适当的响应,提高了投诉处理的效率和准确性,改善了用户服务体验。
26、本专利技术提供的一种基于生成式神经网络的投诉管理方法、系统及存储介质,系统自动化了投诉处理流程,减少了人工干预,节省了时间和资源,用户响应的效率显著提高。
27、本专利技术提供的一种基于生成式神经网络的投诉管理方法、系统及存储介质,生成式投诉对话模型的反馈保证对同类问题回复的一致性,用户响应响应的一致性显著提高。
28、本专利技术提供的一种基于生成式神经网络的投诉管理方法、系统及存储介质,生成式投诉对话模型的反馈快速,具有情感的功能,有助于提高用户满意度,增强用户忠诚度。
29、本专利技术提供的一种基于生成式神经网络的投诉管理方法、系统及存储介质,能够实时监控用户反馈,及时做出调整,提供更好的用户体验。
30、本专利技术提供的一种基于生成式神经网络的投诉管理方法、系统及存储介质,在提高投诉处理效率和用户满意度方面具有广泛的应用前景,可用于各种组织和行业,包括但不限于客户服务、电子商务、金融等领域。
本文档来自技高网...【技术保护点】
1.一种基于生成式神经网络的投诉管理方法,其特征在于,所述投诉管理方法包括如下方法步骤:
2.根据权利要求1所述的投诉管理方法,其特征在于,在步骤S1中,所述日常对话数据集包括:一问一答或者多轮对话自然语言生成的词向量。
3.根据权利要求1所述的投诉管理方法,其特征在于,在步骤S2中,所述历史投诉数据集,对所述生成式对话模型进行训练,使生成的生成式投诉对话模型按照业务历史回复方式处理投诉内容。
4.根据权利要求3所述的投诉管理方法,其特征在于,所述历史投诉数据集包括:一问一答或者多轮对话自然语言生成的词向量。
5.根据权利要求1所述的投诉管理方法,其特征在于,在步骤S2中,所述情感对话数据集,对所述生成式对话模型进行训练,使生成的生成式投诉对话模型按照用户的情感信息处理投诉内容。
6.根据权利要求5所述的投诉管理方法,其特征在于,所述情感对话数据集包括:一问一答或者多轮对话自然语言生成的词向量。
7.一种基于生成式神经网络的投诉管理系统,其特征在于,所述投诉管理系统包括:
8.根据权利要求7所述的
9.根据权利要求7所述的投诉管理系统,其特征在于,所述历史投诉数据集,对所述生成式对话模型进行训练,使生成的生成式投诉对话模型按照业务历史回复方式处理投诉内容;
10.一种存储介质,其特征在于,所述存储介质用于存储计算机执行指令,所述计算机执行指令用于执行权利要求1至7中任一权利要求所述的投诉管理方法。
...【技术特征摘要】
1.一种基于生成式神经网络的投诉管理方法,其特征在于,所述投诉管理方法包括如下方法步骤:
2.根据权利要求1所述的投诉管理方法,其特征在于,在步骤s1中,所述日常对话数据集包括:一问一答或者多轮对话自然语言生成的词向量。
3.根据权利要求1所述的投诉管理方法,其特征在于,在步骤s2中,所述历史投诉数据集,对所述生成式对话模型进行训练,使生成的生成式投诉对话模型按照业务历史回复方式处理投诉内容。
4.根据权利要求3所述的投诉管理方法,其特征在于,所述历史投诉数据集包括:一问一答或者多轮对话自然语言生成的词向量。
5.根据权利要求1所述的投诉管理方法,其特征在于,在步骤s2中,所述情感对话数据集,对所述生成式对话模型进行训练,使生成的生成式投诉对话模型按照...
【专利技术属性】
技术研发人员:刘凡平,
申请(专利权)人:上海岩芯数智人工智能科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。