业务的分类处理方法、装置、服务平台及存储介质制造方法及图纸

本申请提供一种业务的分类处理方法、装置、服务平台及存储介质，该方法包括：获取用户请求的业务特征数据；基于所述业务特征数据及预设的分类器网络模型，确定用户请求对应的目标业务场景；基于所述目标业务场景，为用户提供相应的业务服务。能够有效提高用户意图识别的准确性，为用户提供准确的业务服务。

Business classification processing method, device, service platform and storage medium

【技术实现步骤摘要】
业务的分类处理方法、装置、服务平台及存储介质
本申请涉及电商平台
，尤其涉及一种业务的分类处理方法、装置、服务平台及存储介质。
技术介绍
随着大数据和人工智能的发展，各电商的服务平台竞相推出通过语音助手为用户提供业务服务的功能，比如语音助手导购，可以帮助用户节省时间成本，提升购物体验。现有技术中，电商平台的语音助手服务功能，是通过根据人工配置的话术模板，对用户意图进行识别分类，由于人的认知有限，配置的话术模板包括的样本句式有限，导致对用户意图的识别分类不够灵活准确。因此，如何有效对用户意图进行分类，以为用户提供相应的业务服务成为亟需解决的技术问题。
技术实现思路
本申请提供一种业务的分类处理方法、装置、服务平台及存储介质，以解决现有技术用户意图识别不准确等缺陷。本申请第一个方面提供一种业务的分类处理方法，包括：获取用户请求的业务特征数据；基于所述业务特征数据及预设的分类器网络模型，确定用户请求对应的目标业务场景；基于所述目标业务场景，为用户提供相应的业务服务。本申请第二个方面提供一种业务的分类处理装置，包括：第一获取模块，用于获取用户请求的业务特征数据；确定模块，用于基于所述业务特征数据及预设的分类器网络模型，确定用户请求对应的目标业务场景；处理模块，用于基于所述目标业务场景，为用户提供相应的业务服务。本申请第三个方面提供一种服务平台，包括：至少一个处理器和存储器；所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现第一个方面提供的方法。本申请第四个方面提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现第一个方面提供的方法。本申请提供的业务的分类处理方法、装置、服务平台及存储介质，通过基于用户请求的业务特征数据及预设的分类器网络模型，确定用户请求对应的目标业务场景，并基于目标业务场景，为用户提供相应的业务服务，能够更准确地识别用户请求的目标业务场景，从而为用户提供准确的业务服务。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例适用的业务服务系统的结构示意图；图2为本申请一实施例提供的业务的分类处理方法的流程示意图；图3为本申请另一实施例提供的业务的分类处理方法的流程示意图；图4为本申请一实施例提供的业务的分类处理装置的结构示意图；图5为本申请另一实施例提供的业务的分类处理装置的结构示意图；图6为本申请一实施例提供的服务平台的结构示意图。通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。首先对本申请所涉及的名词进行解释：卷积神经网络：CNN，ConvolutionalNeuralNetwork，是一种前馈神经网络，主要包括卷积层、池化层等，用来解决分类问题，本申请中是指把用户在智能助手输入的用户请求，分到购物不同的业务场景中。长短期记忆网络:LSTM，Long-ShortTermMemory，是一种时间递归神经网络，具有多种变体，比如双向循环神经网络、深层循环神经网络等。本申请实施例提供的业务的分类处理方法，适用于如下业务服务系统：如图1所示，为本申请实施例适用的业务服务系统的结构示意图。该业务服务系统包括服务平台，以及一个或多个用户终端。用户通过用户终端输入用户请求，可以是语音输入，也可以是文本输入，比如通过语音助手输入语音“我想买XX手机”，用户终端接收到用户请求后，发送给服务平台，服务平台则可以获取用户请求内容，生成用户请求的业务特征数据，并基于业务特征数据确定用户请求对应的目标业务场景，比如“我想买XX手机”对应的目标业务场景为商品查询场景，比如“我想要退货”对应的目标业务场景为售后服务场景等等。服务平台则可以为用户提供相应的业务服务，比如向终端返回XX手机推荐页面，或者向终端返回退货相关信息等等。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本专利技术的实施例进行描述。实施例一本实施例提供一种业务的分类处理方法，用于为用户提供相应的业务服务。本实施例的执行主体为业务的分类处理装置，该装置可以设置在服务平台中。如图2所示，为本实施例提供的业务的分类处理方法的流程示意图，该方法包括：步骤101，获取用户请求的业务特征数据。具体的，当用户需要服务平台为其提供业务服务时，用户可以通过用户终端输入用户请求，可以是语音输入，也可以是文本输入，比如通过语音助手输入语音“我想买XX手机”、“我想退货”、“我想换货”等等，用户终端接收到用户请求后，发送给服务平台，服务平台则可以获取用户请求内容(具体获取用户请求内容的方式为现有技术，在此不再赘述)，根据用户请求内容生成用户请求的业务特征数据。业务特征数据是指对用户请求内容进行特征提取，获得计算机可识别的特征数据。比如将用户请求内容文本，采用文本向量模型生成业务特征数据。或者采用其他特征提取算法生成业务特征数据等等。步骤102，基于业务特征数据及预设的分类器网络模型，确定用户请求对应的目标业务场景。具体的，在获取到业务特征数据后，可以基于业务特征数据及预设的分类器网络模型，来确定用户请求对应的目标业务场景，比如“我想买XX手机”对应的目标业务场景为商品查询场景，比如“我想要退货”对应的目标业务场景为售后服务场景等等。其中，分类器网络模型是采用大量历史业务服务数据进行训练获得的。示例性的，分类器网络模型可以采用卷积神经网络。分类器网络模型的分类器网络的结构可以包括输入层、卷积层、池化层、优化函数层、激活函数层、全连接层、输出层等等。其中，输入层业务特征数据，卷积层可以根据实际需求设置卷积核，比如卷积核可以设置为1*1、3*3、5*5等，池化层可以选用最大池化算本文档来自技高网...

【技术保护点】
1.一种业务的分类处理方法，其特征在于，包括：/n获取用户请求的业务特征数据；/n基于所述业务特征数据及预设的分类器网络模型，确定用户请求对应的目标业务场景；/n基于所述目标业务场景，为用户提供相应的业务服务。/n

【技术特征摘要】
1.一种业务的分类处理方法，其特征在于，包括：
获取用户请求的业务特征数据；
基于所述业务特征数据及预设的分类器网络模型，确定用户请求对应的目标业务场景；
基于所述目标业务场景，为用户提供相应的业务服务。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取用户请求的商品特征数据；
基于所述商品特征数据及预设的长短期记忆网络LSTM模型确定用户请求对应的目标商品；
相应的，所述基于所述目标业务场景，为用户提供相应的业务服务，包括：
基于所述目标业务场景及所述目标商品，为用户提供相应的业务服务。


3.根据权利要求1所述的方法，其特征在于，所述分类器网络模型通过以下步骤获得：
获取业务训练数据，所述业务训练数据包括业务训练特征数据及业务训练标注数据；
采用所述业务训练特征数据及所述业务训练标注数据，对预先建立的分类器网络进行训练，获得所述分类器网络模型。


4.根据权利要求2所述的方法，其特征在于，所述LSTM模型通过以下步骤获得：
获取商品训练数据，所述商品训练数据包括商品训练特征数据及商品训练槽位标签；
对所述商品训练槽位标签进行BIOES格式转换，获得BIOES格式数据；
采用所述商品训练特征数据及所述BIOES格式数据，对预先建立的LSTM网络进行训练，获得所述LSTM模型。


5.根据权利要求4所述的方法，其特征在于，所述商品训练特征数据包括以下特征中的至少两种：
字级别特征、词语级别特征、产品词级别特征、品牌词级别特征、CRF上下文窗口关联特征；
在获取商品训练数据之后，所述方法还包括：
对所述商品训练特征数据进行特征融合处理，获得融合训练特征数据；
相应的，采用所述商品训练特征数据及所述BIOES格式数据，对预先建立的LSTM网络进行训练，获得所述LSTM模型，包括：
采用所述融合训练特征数据及所述BIOES格式数据，对预先建立的LSTM网络进行训练，获得所述LSTM模型。


6.根据权利要求5所述的方法，其特征在于，所述商品特征数据包括以下特征中的至少两种：
字级别特征、词语级别特征、产品词级别特征、品牌词级别特征、CRF上下文窗口关联特征；
相应的，在获取用户请求的商品特征数据之后，所述方法还包括：
对所述商品特征数据进行特征融合处理，获得融合特征数据；
相应的，基于所述商品特征数据及预设的长短期记忆网络LSTM模型确定用户请求对应的目标商品，包括：
基于所述融合特征数据及预设的LSTM模型确定用户请求对应的目标商品。


7.根据权利要求1所述的方法，其特征在于，业务场景包括商品查询场景、订单查询场景、模糊优惠查询场景、特定优惠查询场景、售后服务场景、全站直达场景及未知场景。


8.根据权利要求3所述的方法，其特征在于，所述获取业务训练数据，包括：
获取历史业务服务数据，所述历史业务服务数据至少包括多条历史请求内容；
采用预设过滤规则对所述历史业务服务数据进行正则过滤；
对过滤后的历史业务服务数据进行业务场景标注，获得所述业务训练标注数据；
基于过滤后的历史业务服务数据及预设文本向量模型，获得所述业务训练特征数据。


9.根据权利要求4所述的方法，其特征在于，所述获取商品训练数据，包括：
获取历史业务服务数据，所述历史业务服务数据至少包括多条历史请求内容；
采用预设过滤规则对所述历史业务服务数据进行正则过滤；
对过滤后的历史业务服务数据进行分词处理；
基于分词结果，对过滤后的历史数据进行商品槽位标注，获得商品槽位标注数据；
基于所述商品槽位标注数据生成所述商品训练槽位标签；
基于过滤后的历史业务服务数据生成所述商品训练特征数据。


10.根据权利要求7所述的方法，其特征在于，所述全站直达场景包括至少一个业务频道；所述方法还包括：
若用户请求对应的目标业务场景为全站直达场景，采用预设的语义分类子模型确定用户请求对应的目标业务频道；
相应的，基于所述目标业务场景，为用户提供相应的业务服务，包括：
基于所述目标业务场景及所述目标业务频道，为用户提供相应的业务服务。


11.一种业务的分类处理装置，其特征在于，包括：
获取模块，用于获...

【专利技术属性】
技术研发人员：王颖帅，李晓霞，苗诗雨，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11