【技术实现步骤摘要】
针对用户问题提供客服答案的方法及装置
本说明书一个或多个实施例涉及计算机
,尤其涉及针对用户问题提供客服答案的方法及装置。
技术介绍
机器阅读旨在使机器像人类一样地理解文本,经过训练的机器阅读模型像人类读者一样,可以扫描文本并从文本中提取含义。机器阅读理解任务从可以回答经过一定编辑的文本中的简单问题,发展到从获取的大量数据中回答用户的实际问题。例如,给定一篇文档(Document)和基于这篇文档的一个问题(Question),假定答案出现在文档中的某个位置,机器阅读可以通过阅读文档从而找到问题对应答案(Answer)的位置。对话文本因为其本身交互性的特点,具有和普通文本很不一样的形式,不能简单地看作普通的文本。因此,针对对话文本的机器学习模型建模方式是值得研究的问题。
技术实现思路
本说明书一个或多个实施例描述了一种针对用户问题提供客服答案的方法及装置,用以解决
技术介绍
提到的一个或多个问题。根据第一方面,提供一种针对用户问题提供客服答案的方法,所述方法包括:获取用户的当前问题;基于所述当前问题,从知识库中获取多个历史对话记录中的第一对话记录;利用预先训练的预测模型,处理所述当前问题和所述第一对话记录的拼接文本,得到第一处理结果,其中,所述预测模型包括嵌入层,用于将所述拼接文本中的各个字/词分别描述为各个向量表示,对应于所述第一对话记录的单个字/词的单个向量表示中,融合有相应对话轮次特征、用户或客服的角色特征中的至少一项;根据所述第一处理结果,确定所述当前问题对应于所述第一对话 ...
【技术保护点】
1.一种针对用户问题提供客服答案的方法,所述方法包括:/n获取用户的当前问题;/n基于所述当前问题,从知识库中获取多个历史对话记录中的第一对话记录;/n利用预先训练的预测模型,处理所述当前问题和所述第一对话记录的拼接文本,得到第一处理结果,其中,所述预测模型包括嵌入层,用于将所述拼接文本中各个字/词分别描述为各个向量表示,对应于所述第一对话记录的单个字/词的单个向量表示中,融合有相应对话轮次特征、用户或客服的角色特征中的至少一项;/n根据所述第一处理结果,确定所述当前问题对应于所述第一对话记录的第一候选答案;/n基于所述第一候选答案,针对所述当前问题提供客服答案。/n
【技术特征摘要】
1.一种针对用户问题提供客服答案的方法,所述方法包括:
获取用户的当前问题;
基于所述当前问题,从知识库中获取多个历史对话记录中的第一对话记录;
利用预先训练的预测模型,处理所述当前问题和所述第一对话记录的拼接文本,得到第一处理结果,其中,所述预测模型包括嵌入层,用于将所述拼接文本中各个字/词分别描述为各个向量表示,对应于所述第一对话记录的单个字/词的单个向量表示中,融合有相应对话轮次特征、用户或客服的角色特征中的至少一项;
根据所述第一处理结果,确定所述当前问题对应于所述第一对话记录的第一候选答案;
基于所述第一候选答案,针对所述当前问题提供客服答案。
2.根据权利要求1所述的方法,其中,所述获取用户的当前问题包括:
检测用户当前输入的信息中是否包含预定的关键词;
在用户当前输入的信息中包含预定的关键词的情况下,根据用户当前输入的信息确定用户的当前问题。
3.根据权利要求1所述的方法,其中,所述基于所述当前问题,从知识库中获取多个历史对话记录中的第一对话记录包括:
将所述当前问题分别与所述多个历史对话记录进行匹配;
从与所述当前问题相匹配的若干历史对话记录中,获取第一对话记录。
4.根据权利要求3所述的方法,其中,各个历史对话记录各自对应有标准句,所述将所述当前问题分别与所述多个历史对话记录进行匹配包括:
将所述当前问题与各个历史对话记录分别对应的各个标准句进行匹配,得到各个匹配结果;
根据各个匹配结果,确定与所述当前问题相匹配的若干历史对话记录。
5.根据权利要求3所述的方法,其中,所述多个历史对话记录包括第一历史对话记录,所述第一历史对话记录包括第一关键词集,所述将所述当前问题与所述多个历史对话记录进行匹配包括:
从所述当前问题中提取问题关键词集;
将所述问题关键词集与所述第一关键词集进行匹配,以得到所述当前用户问题与所述第一历史对话记录的第一匹配结果;
基于所述第一匹配结果,确定所述第一历史对话记录是否为与所述当前问题相匹配的对话记录。
6.根据权利要求1所述的方法,其中,在所述单个向量表示融合有对话轮次特征的情况下,相应的单个字/词的对话轮次特征通过各个维度都是第一预定值的轮次嵌入向量描述,所述第一预定值与当前语句在相应历史对话记录中的轮次相对应。
7.根据权利要求1所述的方法,其中,在所述单个向量表示融合有对话轮次特征的情况下,相应的单个字/词的用户或客服的角色特征通过各个维度都是第二预定值的角色嵌入向量描述,所述第二预定值与相应的单个字/词所在的当前语句的用户或客服角色相对应。
8.根据权利要求1所述的方法,其中,所述单个向量表示还融合有段落嵌入向量、字/词嵌入向量、位置嵌入向量中的至少一项。
9.根据权利要求1所述的方法,其中,所述单个向量表示通过对各个特征对应的嵌入向量进行求和或求平均确定。
10.根据权利要求1所述的方法,其中,所述预测模型通过以下方式训练:
获取多个训练样本,单个训练样本对应一个样本用户问题、与所述样本用户问题相关的历史对话记录,以及该历史对话记录中与所述样本用户问题对应的客服答案文本标签或者客服答案...
【专利技术属性】
技术研发人员:彭爽,崔恒斌,
申请(专利权)人:支付宝杭州信息技术有限公司,
类型:发明
国别省市:浙江;33
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。