基于深度学习的客户标签确定方法、装置、设备及介质制造方法及图纸

本发明专利技术应用于人工智能领域，涉及区块链领域，公开了一种基于深度学习的客户标签确定方法、装置、设备及介质，方法部分通过获取客户与机器人客服的对话内容，将对话内容输入预设多因子意向分类器获取预设多因子意向分类器输出的产品购买意向识别结果，根据产品购买意向识别结果设置客户的客户标签，并确定是否为客户提供人工服务，若为客户提供人工服务，则获取人工服务的结果和人工服务中客户的对话数据，最后根据人工服务的结果更新客户的客户标签，并根据客户的对话数据更新预设多因子意向分类器；本发明专利技术中，提高了预设多因子意向分类器对客户的产品购买意向识别的准确性，提高了客户标签的准确性，以便后续根据客户标签进行准确地客户筛选。

【技术实现步骤摘要】
基于深度学习的客户标签确定方法、装置、设备及介质
本专利技术涉及智能决策
，尤其涉及一种基于深度学习的客户标签确定方法、装置、设备及介质。
技术介绍
随着人工智能技术的发展，特别是自然语音处理技术的快速发展，人机对话技术越来越受到各界人士的关注和研究，人机对话产品也如雨后春笋不断涌现。在客户服务
，人机对话系统能全年24小时无间歇的为客户提供咨询、销售等相关服务，能大量节省人力和成本支出，因此，为客户服务的智能客服机器人是最具商业价值、使用场景最多的人机对话产品之一。但由于现有人工智能技术的限制，现有的智能客服机器人虽然能低成本全天候地为客户提供服务，但无法为客户提供高质量的个性化服务。尤其是在需要推销产品的售前服务中，需要根据与客户的对话交流过程中对客户进行筛选，以提高产品的销售率。但在售前服务中，智能客服机器人一般根据简单的意向识别方法进行客户意向识别，根据意向识别结果进行机械应答，如关键字识别触发回应预先编辑的对应资料。该类方法对客户的意向识别不准确，只能回答较为少的问题且语句生硬，客户使用感觉差，导致客户交流服务提前中断，后台无法根据少量的客户对话数据准确地判断客户的产品购买意向，导致客户筛选的准确性不高，无法准确地筛选出高价值的客户。
技术实现思路
本专利技术提供一种基于深度学习的客户标签确定方法、装置、设备及介质，以解决现有技术中，对客户的意向的识别不准确，导致客户筛选的准确性不高的问题。一种基于深度学习的客户标签确定方法，包括：获取客户与机器人客服的对话内容；将所述对话内容输入预设多因子意向分类器，以获取所述预设多因子意向分类器输出的产品购买意向识别结果，所述预设多因子意向分类器根据多种客户标签的客户对话数据进行产品购买意向分类和对话语句意图分类训练获得的意向分类器，所述客户标签包括对产品有购买意向的高意向客户、拒绝所述产品的低意向客户和未对所述产品表态的中性客户；根据所述产品购买意向识别结果设置所述客户的客户标签，并根据所述客户的客户标签确定是否为所述客户提供人工服务；若为所述客户提供人工服务，则获取所述人工服务的结果和所述人工服务中所述客户的对话数据；根据所述人工服务的结果更新所述客户的客户标签，并根据所述客户的对话数据更新所述预设多因子意向分类器。一种基于深度学习的客户标签确定装置，包括：第一获取模块，用于获取客户与机器人客服的对话内容；输入模块，用于将所述对话内容输入预设多因子意向分类器，以获取所述预设多因子意向分类器输出的产品购买意向识别结果，所述预设多因子意向分类器根据多种客户标签的客户对话数据进行产品购买意向分类和对话语句意图分类训练获得的意向分类器，所述客户标签包括对产品有购买意向的高意向客户、拒绝所述产品的低意向客户和未对所述产品表态的中性客户；设置模块，用于根据所述产品购买意向识别结果设置所述客户的客户标签，并根据所述客户的客户标签确定是否为所述客户提供人工服务；第二获取模块，用于若为所述客户提供人工服务，则获取所述人工服务的结果和所述人工服务中所述客户的对话数据；更新模块，用于根据所述人工服务的结果更新所述客户的客户标签，并根据所述客户的对话数据更新所述预设多因子意向分类器。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于深度学习的客户标签确定方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于深度学习的客户标签确定方法的步骤。上述基于深度学习的客户标签确定方法、装置、设备及介质所提供的一个方案中，通过获取客户与机器人客服的对话内容，并将对话内容输入预设多因子意向分类器，以获取预设多因子意向分类器输出的产品购买意向识别结果，预设多因子意向分类器根据多种客户标签的客户对话数据进行产品购买意向分类和对话语句意图分类训练获得的意向分类器，客户标签包括对产品有购买意向的高意向客户、拒绝产品的低意向客户和未对产品表态的中性客户，再根据产品购买意向识别结果设置客户的客户标签，并根据客户的客户标签确定是否为客户提供人工服务，若为客户提供人工服务，则获取人工服务的结果和人工服务中客户的对话数据，最后根据人工服务的结果更新客户的客户标签，并根据客户的对话数据更新预设多因子意向分类器；本专利技术中，在预设多因子意向分类器训练过程考虑了产品购买意向分类和对话语句意图分类之间的关联性，提高了预设多因子意向分类器对客户的产品购买意向识别的准确性，进而根据较高的识别结果设置客户的客户标签，以根据客户标签提供工人服务，根据人工服务的结果更新客户标签，提高了客户标签的准确性，以便后续根据客户标签进行准确地客户筛选，进而提高了客户服务的质量，在此基础上，还根据人工服务过程中客户的对话数据对预设多因子意向分类器进行不断地更新，进一步提高了预设多因子意向分类器对客户意向识别的准确性，从而进一步提高对客户筛选的准确性。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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是本专利技术一实施例中基于深度学习的客户标签确定方法的一应用环境示意图；图2是本专利技术一实施例中基于深度学习的客户标签确定方法的一流程示意图；图3是图2中步骤S30的一实现流程示意图；图4是图2中步骤S30的另一实现流程示意图；图5是图2中步骤S50的一实现流程示意图；图6是本专利技术一实施例中预设多因子意向分类器的一获取流程示意图；图7是图6中步骤S06的一实现流程示意图；图8是本专利技术一实施例中基于深度学习的客户标签确定装置的一结构示意图；图9是本专利技术一实施例中计算机设备的一结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。本专利技术实施例提供的基于深度学习的客户标签确定方法，可应用在如图1的应用环境中，其中，客户端通过网络与服务器进行通信。服务器通过获取客户端中客户与机器人客服的对话内容，并将对话内容输入预设多因子意向分类器，以获取预设多因子意向分类器输出的产品购买意向识别结果，预设多因子意向分类器根据多种客户标签的客户对话数据进行产品购买意向分类和对话语句意图分类训练获得的意向分类器，客户标签包括对产品有购买意向的高意向客户、拒绝产品的低意向客户和未对产品表态的中性客户，然后根据产品购买意向识别结果设置客户的客户标签，并根据客户的客户标签确定是否为客户本文档来自技高网...

【技术保护点】
1.一种基于深度学习的客户标签确定方法，其特征在于，包括：/n获取客户与机器人客服的对话内容；/n将所述对话内容输入预设多因子意向分类器，以获取所述预设多因子意向分类器输出的产品购买意向识别结果，所述预设多因子意向分类器根据多种客户标签的客户对话数据进行产品购买意向分类和对话语句意图分类训练获得的意向分类器，所述客户标签包括对产品有购买意向的高意向客户、拒绝所述产品的低意向客户和未对所述产品表态的中性客户；/n根据所述产品购买意向识别结果设置所述客户的客户标签，并根据所述客户的客户标签确定是否为所述客户提供人工服务；/n若为所述客户提供人工服务，则获取所述人工服务的结果和所述人工服务中所述客户的对话数据；/n根据所述人工服务的结果更新所述客户的客户标签，并根据所述客户的对话数据更新所述预设多因子意向分类器。/n

【技术特征摘要】
1.一种基于深度学习的客户标签确定方法，其特征在于，包括：
获取客户与机器人客服的对话内容；
将所述对话内容输入预设多因子意向分类器，以获取所述预设多因子意向分类器输出的产品购买意向识别结果，所述预设多因子意向分类器根据多种客户标签的客户对话数据进行产品购买意向分类和对话语句意图分类训练获得的意向分类器，所述客户标签包括对产品有购买意向的高意向客户、拒绝所述产品的低意向客户和未对所述产品表态的中性客户；
根据所述产品购买意向识别结果设置所述客户的客户标签，并根据所述客户的客户标签确定是否为所述客户提供人工服务；
若为所述客户提供人工服务，则获取所述人工服务的结果和所述人工服务中所述客户的对话数据；
根据所述人工服务的结果更新所述客户的客户标签，并根据所述客户的对话数据更新所述预设多因子意向分类器。


2.如权利要求1所述的基于深度学习的客户标签确定方法，其特征在于，所述根据所述产品购买意向识别结果设置所述客户的客户标签，包括：
确定所述产品购买意向识别结果是否为高购买意向；
若确定所述产品购买意向识别结果为所述高购买意向，则在对话过程中，确定所述预设多因子意向分类器输出所述高购买意向的次数是否大于预设次数；
若所述预设多因子意向分类器输出所述高购买意向的次数大于所述预设次数，则将所述客户的客户标签设为高意向客户。


3.如权利要求1所述的基于深度学习的客户标签确定方法，其特征在于，所述根据所述客户的客户标签确定是否为所述客户提供人工服务，包括：
若所述客户的客户标签为高意向客户，则确定为所述客户提供所述人工服务。


4.如权利要求1所述的基于深度学习的客户标签确定方法，其特征在于，所述根据所述人工服务的结果更新所述客户的客户标签，包括：
根据所述人工服务的结果确定所述产品的交易是否达成；
若所述产品的交易未达成，则获取人工客服对所述客户的标注结果；
根据所述人工客服对所述客户的标注结果更新所述客户的客户标签。


5.如权利要求1-4任一项所述的基于深度学习的客户标签确定方法，其特征在于，所述预设多因子意向分类器通过如下方式获取：
获取不同客户标签的客户对话数据，所述客户标签包括所述高意向客户、所述低意向客户和所述中性客户；
将所述客户标签为高意向客户的客户对话数据作为正意向数据集；
将所述客户标签为低意向客户的客户对话数据作为负意向数据集；
将所述客户标签为中性客户的客户对话数据作为中性数据集；
将所述正意向数据集、所述负意向数据集和所述中性数据集的对话数据汇总为意图数据，并识别所述意图数据中每一话语句的意图，...

【专利技术属性】
技术研发人员：侯翠琴，李剑锋，文彬，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44