基于对话模式的话术推荐方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及人工智能领域，提供一种基于对话模式的话术推荐方法、装置、设备及介质，能够基于训练得到的情感分类模型自动进行情感分类，无需人工介入，基于构建的话术‑对话模式推荐模型自动进行话术的推荐及对话模式的推荐，将话术推荐及对话模式推荐转化为点击率预估问题，以辅助客服与客户进行更好的沟通，根据用户及客服的实时对话内容实时分析用户的情感，并根据用户的情感及客服的回答实时推荐话术及对话模式，以搜索推荐模式解决了传统的问答问题，有效提升了客服的回答质量，同时为用户提供了更加满意的服务，增加了客户粘性，并降低了客诉率。此外，本发明专利技术还涉及区块链技术，训练得到的模型可存储于区块链节点中。

【技术实现步骤摘要】
基于对话模式的话术推荐方法、装置、设备及介质
本专利技术涉及人工智能
，尤其涉及一种基于对话模式的话术推荐方法、装置、设备及介质。
技术介绍
随着电子商务以及电子政务等新业务场景的发展，智能客服已经被广泛应用。智能客服主要分为单轮问答及多轮问答，用以解决不同的用户诉求。其中，单轮问答的智能客服相对简单，业内技术比较成熟，实现方式主要包括文本检索和基于知识图谱的问答；而多轮问答的智能客服相对复杂，在单轮问答的基础上还融入了上下文，以便为用户提供更加准确的回答，防止回答顾此失彼。但是，现有技术中，完全基于机器的多轮问答智能客服还无法应对用户跳跃式的询问。目前采用的融入上下文注意力模型在面对较长、较多的问答轮次时表现效果较差，因此，在智能客服场景下，还提供了转人工客服的解决方案，用于应对用户对智能客服的不满，或者应对用户的紧急诉求。然而，人工客服一般需要经过专业培训，要求具备丰富的业务知识和热情的服务态度，但在很多场景下，人工客服也会受到情绪化的影响，引起用户不必要的误解。因此，在人工客服每次回答用户的问题前，及时的推荐给人工客服以更加友好热情的回答候选语句显得尤为必要。比如用户很生气的说“如果你们再不解决，我就要退货给差评了”，一般客服的回答可能为“稍等，我们正在处理”，回应显得较为正式，用户的情绪可能无法得到安抚。此时，如果捕捉到了用户的情绪，并能为客服及时推荐更加有助于安抚用户情绪的话术，如“我正在激烈思考怎么样给您更好的解决办法，马上就好了”，将更加有助于提高用户的体验，同时降低了客诉率。r>
技术实现思路
本专利技术实施例提供了一种基于对话模式的话术推荐方法、装置、设备及介质，能够根据用户及客服的实时对话内容实时分析用户的情感，并根据用户的情感及客服的回答实时推荐话术及对话模式，以搜索推荐模式解决了传统的问答问题，有效提升了客服的回答质量，同时为用户提供了更加满意的服务，增加了客户粘性，并降低了客诉率。第一方面，本专利技术实施例提供了一种基于对话模式的话术推荐方法，其包括：获取历史对话数据，根据上传的对所述历史对话数据的情感标注构建第一训练集，并利用所述第一训练集训练预设分类模型，得到情感分类模型；对所述历史对话数据进行筛选及转化，得到第二训练集；利用所述情感分类模型对所述第二训练集中的数据进行情感分类，得到带有情感分类的训练集；利用所述带有情感分类的训练集训练点击通过率模型，得到话术-对话模式推荐模型；当检测到对话时，实时采集目标用户输入的语音作为目标用户语音，及实时采集目标客服输入的语音作为目标客服语音；利用所述情感分类模型对所述目标用户语音进行情感分类，得到当前情感类型；利用所述目标客服语音在指定数据库中进行查询，得到查询结果，并对所述查询结果进行初筛，得到至少一个候选话术；基于所述当前情感类型、所述目标用户语音、所述目标客服语音及所述至少一个候选话术分别构建至少一个目标特征，并将所述至少一个目标特征分别输入至所述话术-对话模式推荐模型，并根据所述话术-对话模式推荐模型的输出确定推荐话术，及确定与所述推荐话术对应的推荐对话模式；将所述推荐话术及所述推荐对话模式显示在预先定义的备选区域。根据本专利技术优选实施例，所述对所述历史对话数据进行筛选及转化，得到第二训练集包括：从所述历史对话数据中筛选出低满意度的对话数据作为候选对话；从所述候选对话中筛选出客服语音；获取预先配置的对话模式；在每种对话模式下，采用seq2seq模型对所述客服语音进行改写，得到每种对话模式对应的更新语音；启动配置搜索引擎，并利用所述配置搜索引擎对每种对话模式对应的更新语音进行初筛，得到每种对话模式对应的候选语音；整合每种对话模式对应的候选语音，得到所述第二训练集。根据本专利技术优选实施例，所述利用所述带有情感分类的训练集训练点击通过率模型，得到话术-对话模式推荐模型包括：从所述带有情感分类的训练集中获取所述客服语音、与所述客服语音对应的更新语音及所述客服语音对应的情感类型构建字面交叉特征；从所述历史对话数据中获取与所述客服语音对应的用户语音；利用word2vec算法将所述用户语音转化为用户向量，及将所述客服语音对应的所述候选语音转化为候选向量；计算所述用户向量与所述候选向量间的余弦距离，得到向量交叉特征；利用所述候选语音及所述客服语音构建二部图特征；利用所述字面交叉特征、所述向量交叉特征及所述二部图特征训练所述点击通过率模型，得到所述话术-对话模式推荐模型。根据本专利技术优选实施例，所述利用所述候选语音及所述客服语音构建二部图特征包括：从所述候选语音及所述客服语音中识别同时出现的候选语音及客服语音，并利用识别到的候选语音及客服语音建立话术组，其中，每个话术组中包括一个客服语音及同时出现的一个候选语音；计算每个话术组的出现次数；根据每个话术组的出现次数建立所述二部图特征。根据本专利技术优选实施例，所述根据所述话术-对话模式推荐模型的输出确定推荐话术，及确定与所述推荐话术对应的推荐对话模式包括：从所述话术-对话模式推荐模型的输出中获取所述至少一个候选话术中每个候选话术对应的点击率；将每个候选话术对应的点击率确定为每个候选话术的评分，并从所述至少一个候选话术中获取所述评分最高的候选话术作为所述推荐话术；获取与所述推荐话术对应的对话模式，并将获取到的对话模式确定为所述推荐对话模式。根据本专利技术优选实施例，所述方法还包括：响应于定期触发的模型优化指令，确定当前时间戳，并获取至所述当前时间戳的新增数据；将所述新增数据输入至预先训练的样本分类模型，并获取所述样本分类模型的输出构建优化样本，其中，所述优化样本包括正样本及负样本；为所述正样本及所述负样本配置点击率，其中，所述正样本的点击率高于所述负样本的点击率；将配置的点击率确定为训练目标，利用所述优化样本对所述话术-对话模式推荐模型进行补充训练；当所述话术-对话模式推荐模型达到收敛时，停止训练，得到优化后的所述话术-对话模式推荐模型。根据本专利技术优选实施例，在将所述新增数据输入至预先训练的样本分类模型前，所述方法还包括：采集线上行为日志，其中，所述线上行为日志包括所有用户的满意度评价操作及所有客服对于所述推荐话术及所述推荐对话模式的选择操作；解析所述所有用户的满意度评价操作，并获取表示满意的操作所对应的话术及对话模式添加至第一样本集，获取表示不满意的操作所对应的话术及对话模式添加至第二样本集；根据所述线上行为日志识别出被所述所有客服选择的话术及对话模式，并将识别出的话术及对话模式添加至所述第一样本集；根据所述线上行为日志识别出未被所述所有客服选择的话术及对话模式，并将识别出的话术及对话模式添加至所述第二样本集；组合所述第一样本集与所述第二样本集得到训练集；利用所述训练集训练预本文档来自技高网...

【技术保护点】
1.一种基于对话模式的话术推荐方法，其特征在于，包括：/n获取历史对话数据，根据上传的对所述历史对话数据的情感标注构建第一训练集，并利用所述第一训练集训练预设分类模型，得到情感分类模型；/n对所述历史对话数据进行筛选及转化，得到第二训练集；/n利用所述情感分类模型对所述第二训练集中的数据进行情感分类，得到带有情感分类的训练集；/n利用所述带有情感分类的训练集训练点击通过率模型，得到话术-对话模式推荐模型；/n当检测到对话时，实时采集目标用户输入的语音作为目标用户语音，及实时采集目标客服输入的语音作为目标客服语音；/n利用所述情感分类模型对所述目标用户语音进行情感分类，得到当前情感类型；/n利用所述目标客服语音在指定数据库中进行查询，得到查询结果，并对所述查询结果进行初筛，得到至少一个候选话术；/n基于所述当前情感类型、所述目标用户语音、所述目标客服语音及所述至少一个候选话术分别构建至少一个目标特征，并将所述至少一个目标特征分别输入至所述话术-对话模式推荐模型，并根据所述话术-对话模式推荐模型的输出确定推荐话术，及确定与所述推荐话术对应的推荐对话模式；/n将所述推荐话术及所述推荐对话模式显示在预先定义的备选区域。/n...

【技术特征摘要】
1.一种基于对话模式的话术推荐方法，其特征在于，包括：
获取历史对话数据，根据上传的对所述历史对话数据的情感标注构建第一训练集，并利用所述第一训练集训练预设分类模型，得到情感分类模型；
对所述历史对话数据进行筛选及转化，得到第二训练集；
利用所述情感分类模型对所述第二训练集中的数据进行情感分类，得到带有情感分类的训练集；
利用所述带有情感分类的训练集训练点击通过率模型，得到话术-对话模式推荐模型；
当检测到对话时，实时采集目标用户输入的语音作为目标用户语音，及实时采集目标客服输入的语音作为目标客服语音；
利用所述情感分类模型对所述目标用户语音进行情感分类，得到当前情感类型；
利用所述目标客服语音在指定数据库中进行查询，得到查询结果，并对所述查询结果进行初筛，得到至少一个候选话术；
基于所述当前情感类型、所述目标用户语音、所述目标客服语音及所述至少一个候选话术分别构建至少一个目标特征，并将所述至少一个目标特征分别输入至所述话术-对话模式推荐模型，并根据所述话术-对话模式推荐模型的输出确定推荐话术，及确定与所述推荐话术对应的推荐对话模式；
将所述推荐话术及所述推荐对话模式显示在预先定义的备选区域。


2.根据权利要求1所述的基于对话模式的话术推荐方法，其特征在于，所述对所述历史对话数据进行筛选及转化，得到第二训练集包括：
从所述历史对话数据中筛选出低满意度的对话数据作为候选对话；
从所述候选对话中筛选出客服语音；
获取预先配置的对话模式；
在每种对话模式下，采用seq2seq模型对所述客服语音进行改写，得到每种对话模式对应的更新语音；
启动配置搜索引擎，并利用所述配置搜索引擎对每种对话模式对应的更新语音进行初筛，得到每种对话模式对应的候选语音；
整合每种对话模式对应的候选语音，得到所述第二训练集。


3.根据权利要求2所述的基于对话模式的话术推荐方法，其特征在于，所述利用所述带有情感分类的训练集训练点击通过率模型，得到话术-对话模式推荐模型包括：
从所述带有情感分类的训练集中获取所述客服语音、与所述客服语音对应的更新语音及所述客服语音对应的情感类型构建字面交叉特征；
从所述历史对话数据中获取与所述客服语音对应的用户语音；
利用word2vec算法将所述用户语音转化为用户向量，及将所述客服语音对应的所述候选语音转化为候选向量；
计算所述用户向量与所述候选向量间的余弦距离，得到向量交叉特征；
利用所述候选语音及所述客服语音构建二部图特征；
利用所述字面交叉特征、所述向量交叉特征及所述二部图特征训练所述点击通过率模型，得到所述话术-对话模式推荐模型。


4.根据权利要求3所述的基于对话模式的话术推荐方法，其特征在于，所述利用所述候选语音及所述客服语音构建二部图特征包括：
从所述候选语音及所述客服语音中识别同时出现的候选语音及客服语音，并利用识别到的候选语音及客服语音建立话术组，其中，每个话术组中包括一个客服语音及同时出现的一个候选语音；
计算每个话术组的出现次数；
根据每个话术组的出现次数建立所述二部图特征。


5.根据权利要求1所述的基于对话模式的话术推荐方法，其特征在于，所述根据所述话术-对话模式推荐模型的输出确定推荐话术，及确定与所述推荐话术对应的推荐对话模式包括：
从所述话术-对话模式推荐模型的输出中获取所述至少一个候选话术中每个候选话术对应的点击率；
将每个候选话术对应的点击率确定为每个候选话术的评分，并从所述至少一个候选话术中获取所述评分最高的候选话术作为所述推荐话...

【专利技术属性】
技术研发人员：刘元震，
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