一种智能客服问题检索方法、终端以及存储介质技术

本发明专利技术公开了一种智能客服问题检索方法、终端及存储介质。所述方法包括：接收目标文本，将所述目标文本输入至预先训练完成的语义向量模型，获取所述语义向量模型输出的所述目标文本对应的目标语义向量；将所述目标语义向量和预设的向量库中的各个预设向量进行匹配，查找目标预设向量；获取所述目标预设向量对应的客服问题作为所述目标文本对应的客服问题。本发明专利技术通过预先训练完成的语义向量模型获取目标文本对应的目标语义向量，根据目标语义向量与预先设置的向量库中的向量进行匹配，进而确定目标文本对应的客服问题，实现了在语义层面对目标文本进行分析，而不是局限于文本的直接比较，提高客服问题检索准确性。

【技术实现步骤摘要】
一种智能客服问题检索方法、终端以及存储介质
本专利技术涉及智能客服
，特别涉及一种智能客服问题检索方法、终端以及存储介质。
技术介绍
智能客服能够为企业降低人力成本，提升服务流程质量，智能客服的重要环节在于根据客户输入的内容确定对应的客服问题，从而返回预先设置的答案，目前智能客服技术中还停留于简单地根据用户输入的文本与预先设置的文本来直接比较确定客服问题，这种方式的灵活性低，如果用户输入的文本不在预先设置的文本库中，那么将无法检索到准确的客服问题，导致智能客服的使用感不佳。因此，现有技术还有待改进和提高。
技术实现思路
本专利技术提供一种智能客服问题检索方法、终端及存储介质，旨在解决现有技术中根据用户输入的文本与预先设置的文本直接比较确定客服问题带来的客服问题检索准确性低的问题。为了解决上述技术问题，本专利技术所采用的技术方案如下：一种智能客服问题检索方法，其中，所述智能客服问题检索方法包括：接收目标文本，将所述目标文本输入至预先训练完成的语义向量模型，获取所述语义向量模型输出的所述目标文本对应的目标语义向量；将所述目标语义向量和预设的向量库中的各个预设向量进行匹配，查找目标预设向量；获取所述目标预设向量对应的客服问题作为所述目标文本对应的客服问题。所述的智能客服问题检索方法，其中，所述将所述目标文本输入至预先训练完成的语义向量模型之前，包括：构建多组训练数据，根据所述多组训练数据训练所述语义向量模型；其中，每组训练数据包括样本文本和样本文本对应的客服问题。所述的智能客服问题检索方法，其中，所述构建多组训练数据包括：获取多个样本文本，对所述样本文本进行预处理后进行数据增强，获取所述样本文本对应的多个客服问题。所述的智能客服问题检索方法，其中，所述根据所述多组训练数据训练所述语义向量模型之后，包括：通过训练完成的所述语义向量模型获取所述训练数据中的至少一个样本文本对应的语义向量和至少一个客服问题对应的语义向量，并存储至所述向量库中。所述的智能客服问题检索方法，其中，所述将所述目标语义向量和在预设的向量库中的各个预设向量进行匹配，查找目标预设向量，包括：获取所述目标语义向量与所述向量库中各个预设向量的相似度；在至少一个第一预设向量中确定所述目标预设向量；其中，所述第一预设向量为所述向量库中与所述目标语义向量的相似度大于预设阈值的预设向量。所述的智能客服问题检索方法，其中，所述获取所述目标语义向量与所述向量库中各个向量的相似度包括：获取所述目标语义向量与所述向量库中各个向量的点积。所述的智能客服问题检索方法，其中，所述在至少一个第一预设向量中确定所述目标预设向量，包括：根据各个所述第一预设向量与所述目标语义向量的相似度对各个所述第一预设向量进行排序；获取前N个所述第一预设向量作为所述目标预设向量，其中，N为正整数。所述的智能客服问题检索方法，其中，所述根据各个所述第一预设向量与所述目标语义向量的相似度对各个所述第一预设向量进行排序，包括：获取各个所述第一预设向量对应的客服问题的类别，按照每个类别对应的所述第一预设向量的个数从大到小对各个所述第一预设向量进行排序，其中，同样类别的所述第一预设向量按相似度从高到低进行排序。一种终端，其中，所述终端包括：处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令，所述处理器适于调用所述存储介质中的指令，以执行实现上述智能客服问题检索方法的步骤。一种存储介质，其中，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述智能客服问题检索方法的步骤。有益效果：与现有技术相比，本专利技术提供了一种智能客服问题检索方法、终端及存储介质，所述智能客服问题检索方法通过预先训练完成的语义向量模型获取目标文本对应的目标语义向量，根据目标语义向量与预先设置的向量库中的向量进行匹配，进而确定目标文本对应的客服问题，实现了在语义层面对目标文本进行分析，而不是局限于文本的直接比较，提高客服问题检索准确性。附图说明图1为本专利技术提供的智能客服问题检索方法的实施例的流程图；图2为本专利技术提供的智能客服问题检索方法的实施例中对样本文本进行预处理的示意图；图3为本专利技术提供的智能客服问题检索方法的实施例中步骤S200的子步骤流程图；图4为本专利技术提供的终端的实施例的原理图。具体实施方式为使本专利技术的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供的一种智能客服问题检索方法，是可以应用在终端中，终端可以但不限于是各种个人计算机、笔记本电脑、手机、平板电脑、车载电脑和便携式可穿戴设备。所述终端可以执行本专利技术提供的智能客服问题检索方法以检索目标文本对应的客服问题。实施例一请参照图1，图1为本专利技术提供的智能客服问题检索方法的一个实施例的流程图。所述智能客服问题检索方法包括步骤：S100、接收目标文本，将所述目标文本输入至预先训练完成的语义向量模型，获取所述语义向量模型输出的所述目标文本对应的目标语义向量。所述目标文本为用户输入的文本，在用户使用智能客服服务时，会出现客服服务页面，用户通过客服服务页面输入所述目标文本，所述目标文本可以是用户通过键盘、语音、手势等方式输入，终端接收到所述目标文本后，将所述目标文本输入至预先训练完成的语义向量模型，通过所述语义向量模型获取所述目标文本对应的目标语义向量。所述语义向量模型是预先训练完成的神经网络模型，所述语义向量模型能够具备根据文本生成语义向量的功能，且具有相似语义的文本通过所述语义向量模型生成的语义向量是相似的。所述语义向量模型可以基于现有的语义向量神经网络模型来构建，如BERT(BidirectionalEncoderRepresentationsfromTransformers)等，当然，本领域技术人员可以理解，也可以选用其他的语义向量神经网络模型来构建所述语义向量模型，例如Bi-LSTM、word2vec等，具体地，所述将所述目标文本输入至预先训练完成的语义向量模型之前包括：构建多组训练数据，根据所述多组训练数据训练所述语义向量模型。为了使得所述语义向量模型更适用于客服环境下的语义向量生成，在本实施例中，通过预先构建的多组训练数据对所述语义向量模型进行训练，每组训练数据包括样本文本和样本文本对应的客服问题。具体地，样本文本为预先收集的客户输入文本，从之前的客服服务中接收的用户输入的文本中收集得到，所述样本文本对应的客服问题为与样本文本的语义对应的客服问题，通过包括样本文本和样本文本对应的客服问题的训练数据对语义向量模型进行训练后，能够实现输入文本后，输出的语义向量和与文本具有类似语义的客服问题的语义向量接近，本文档来自技高网...

【技术保护点】
1.一种智能客服问题检索方法，其特征在于，所述方法包括：/n接收目标文本，将所述目标文本输入至预先训练完成的语义向量模型，获取所述语义向量模型输出的所述目标文本对应的目标语义向量；/n将所述目标语义向量和预设的向量库中的各个预设向量进行匹配，查找目标预设向量；/n获取所述目标预设向量对应的客服问题作为所述目标文本对应的客服问题。/n

【技术特征摘要】
1.一种智能客服问题检索方法，其特征在于，所述方法包括：
接收目标文本，将所述目标文本输入至预先训练完成的语义向量模型，获取所述语义向量模型输出的所述目标文本对应的目标语义向量；
将所述目标语义向量和预设的向量库中的各个预设向量进行匹配，查找目标预设向量；
获取所述目标预设向量对应的客服问题作为所述目标文本对应的客服问题。


2.根据权利要求1所述的智能客服问题检索方法，其特征在于，所述将所述目标文本输入至预先训练完成的语义向量模型之前，包括：
构建多组训练数据，根据所述多组训练数据训练所述语义向量模型；
其中，每组训练数据包括样本文本和样本文本对应的客服问题。


3.根据权利要求2所述的智能客服问题检索方法，其特征在于，所述构建多组训练数据包括：
获取多个样本文本，对所述样本文本进行预处理后进行数据增强，获取所述样本文本对应的多个客服问题。


4.根据权利要求2所述的智能客服问题检索方法，其特征在于，所述根据所述多组训练数据训练所述语义向量模型之后，包括：
通过训练完成的所述语义向量模型获取所述训练数据中的至少一个样本文本对应的语义向量和至少一个客服问题对应的语义向量，并存储至所述向量库中。


5.根据权利要求1所述的智能客服问题检索方法，其特征在于，所述将所述目标语义向量和在预设的向量库中的各个预设向量进行匹配，查找目标预设向量，包括：
获取所述目标语义向量与所述向量库中各个预设向量的相似度；
在至少一个第一预设向量中确定所述目标预设向量；...

【专利技术属性】
技术研发人员：甘东海，龙超，
申请(专利权)人：深圳康佳电子科技有限公司，
类型：发明
国别省市：广东;44