一种客服应答模型训练方法和系统技术方案

本申请实施例公开了一种客服应答模型的训练方法。所述方法包括：获取多个业务线的语料数据，所述语料数据包括问题和对应的回答；用所述多个业务线的语料数据训练模型的底层网络结构；针对所述多个业务线中的每个业务线：在所述模型的上层网络结构中确定针对所述业务线的子网络；用所述业务线的语料数据训练所述子网络；根据每个业务线对应的训练后的子网络确定所述模型训练后的上层网络结构；根据所述模型训练后的底层网络结构和训练后的上层网络结构，得到所述客服应答模型。本申请采用了多业务线的语料同时训练模型的底层网络结构，可以有效改善客服应答模型，使客服应答更准确，从而提升用户体验。

A training method and system of customer service response model

【技术实现步骤摘要】
一种客服应答模型训练方法和系统
本申请涉及人工智能
，特别涉及一种客服应答模型训练方法和系统。
技术介绍
随着网约车服务的快速发展，越来越多的人们开始使用在线打车服务或者注册成为司机。网约车给人们出行带来便捷的同时，随之而来对应的问题咨询和投诉也变得较多了。网约车平台一般提供多种业务线，常规的客服问答机器人是基于不同的业务线分别训练对应的业务线模型的，即每个业务线采用自己业务线对应的语料来训练模型。在训练某一个业务线的模型时，其他业务线的语料得不到很好的利用。同时，使用单一的业务线的语料训练得到的模型，在面对同一用户不同领域的问题时，无法灵活变通地回答而造成用户体验不佳。例如，用户反馈“打不到车”时，客服问答机器人的答复只能从派车相关的语料库中抽取，给以用户“对不起，请稍等”等类型的答复，内容较为单一。因此，有必要提出一种可以通过多业务线的语料训练得到的客服问答模型来改善客服问答机器人的答复效果，提高用户咨询体验。
技术实现思路
本申请实施例之一提供一种客服应答模型的训练方法。所述应答模型训练方法包括：获取多个业务线的本文档来自技高网...

【技术保护点】
1.一种客服应答模型的训练方法，其特征在于，包括：/n获取多个业务线的语料数据，所述语料数据包括问题和对应的回答；/n用所述多个业务线的语料数据训练模型的底层网络结构；/n针对所述多个业务线中的每个业务线：/n在所述模型的上层网络结构中确定针对所述业务线的子网络；/n用所述业务线的语料数据训练所述子网络；/n根据每个业务线对应的训练后的子网络确定所述模型训练后的上层网络结构；/n根据所述模型训练后的底层网络结构和训练后的上层网络结构，得到所述客服应答模型。/n

【技术特征摘要】
1.一种客服应答模型的训练方法，其特征在于，包括：
获取多个业务线的语料数据，所述语料数据包括问题和对应的回答；
用所述多个业务线的语料数据训练模型的底层网络结构；
针对所述多个业务线中的每个业务线：
在所述模型的上层网络结构中确定针对所述业务线的子网络；
用所述业务线的语料数据训练所述子网络；
根据每个业务线对应的训练后的子网络确定所述模型训练后的上层网络结构；
根据所述模型训练后的底层网络结构和训练后的上层网络结构，得到所述客服应答模型。


2.根据权利要求1所述的方法，其特征在于，所述客服应答模型包括共享参数和任务参数，所述共享参数为所述客服应答模型中底层网络结构的模型参数，所述任务参数为所述客服应答模型中上层网络结构的模型参数。


3.根据权利要求2所述方法，其特征在于，所述共享参数为所述多个业务线共有的底层网络结构模型参数，所述任务参数为所述多个业务线中每个业务线各自拥有的子网络结构的模型参数。


4.根据权利要求1所述的方法，其特征在于，所述客服应答模型的底层网络结构至少包括深度神经网络模型、卷积神经网络模型、循环神经网络模型、长短期记忆网络模型。


5.根据权利要求1所述方法，其特征在于，所述客服应答模型中上层网络结构至少包括多层感知机分类器。


6.一种客服应答方法，其特征在于，包括：
获取待应答的对话数据；
用权利要求1-5任一项所述方法得到的客服应答模型处理所述对话数据，得到所述对话数据...

【专利技术属性】
技术研发人员：熊超，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11