本申请公开一种电商客服应答方法及其相应的装置、设备、介质，该方法包括：获取电商平台用户的提问文本的文本特征，构造提问特征矩阵，其中每个行向量存储单个所述的文本特征；获取该用户指定的商户实例的知识库相对应的知识特征矩阵，其中每个行向量存储所述知识库中单个提问范本的文本特征，知识特征矩阵与提问特征矩阵的行向量维度相同；基于提问特征矩阵与知识特征矩阵计算相似度以获得相似矩阵；根据相似度定位至与该提问文本最相似的提问范本，输出与该提问范本相对应的答案文本以应答用户提问。本申请基于矩阵操作和知识库的有序组织实现对智能客服问答匹配的高效运算和迅速判决，特别适合服务于基于独立站的跨境电商平台。商平台。商平台。
【技术实现步骤摘要】
电商客服应答方法及其相应的装置、设备、介质
[0001]本申请实施例涉及电商信息
，尤其涉及一种电商客服应答方法及其相应的装置、设备、介质。
技术介绍
[0002]目前，对于基于知识库问答，多数都是针对一个知识库，一个单一场景进行问答，问答的方法有的是基于关键字词进行回复，有的是通过神经网络进行模型训练，然后依据模型的预测进行回复。
[0003]但是，在实际场景中，大多都是基于不同用户在不同知识库进行问答，比如在海外跨境电商的智能客服场景就是如此。跨境电商平台上，不同商家由于彼此市场定位不同，所销售的品类也不同，所以每个商家定义的知识库通常都是不一样的。
[0004]对于电商平台方的后台技术支持来说，为了实现标准化服务，通常希望能够提供一个标准化的业务逻辑，通过该业务逻辑开放标准接口给到各个商家进行标准化调用，以此来实现对全平台用户咨询的支持，同时又希望能兼顾各个商家的店铺的具体知识库的对应关系，如此期望简化开发难度，降低实现成本，而且确保服务成效。
[0005]如果按照传统的思路来尝试为电商平台提供一个标准接口，基于关键词提取和规则匹配的方式来实现针对提问文本进行回复，这种方式本身具有弊端，往往忽略语义层面的信息，交互性较差；如果用深度模型，按照多数专利思路，需要根据不同知识库训练不同模型，这样会带来较大的服务器费用以及维护成本也会较高。
[0006]由此可见，对于基于独立站的跨境电商平台而言，如何为其客服系统提供技术支持，仍是有待挖掘的空间。
技术实现思路
[0007]本申请的目的针对现有技术中存在的至少部分不足而提供一种电商客服应答方法及其相应的装置、计算机设备及存储介质。
[0008]为解决上述技术问题，本申请采用的一个技术方案是：
[0009]本申请提供一种电商客服应答方法，包括如下步骤：
[0010]获取电商平台用户的提问文本的文本特征，构造提问特征矩阵，其中每个行向量存储单个所述的文本特征；
[0011]获取该用户指定的商户实例的知识库相对应的知识特征矩阵，其中每个行向量存储所述知识库中单个提问范本的文本特征，知识特征矩阵与提问特征矩阵的行向量维度相同；
[0012]基于提问特征矩阵与知识特征矩阵计算相似度以获得相似矩阵；
[0013]根据相似度定位至与该提问文本最相似的提问范本，输出与该提问范本相对应的答案文本以应答用户提问。
[0014]具体化的实施例中，获取电商平台用户的提问文本的文本特征，构造提问特征矩
阵，包括如下步骤：
[0015]获取电商平台用户的提问文本；
[0016]基于所述提问文本构造编码向量；
[0017]调用预训练的文本特征提取器对所述编码向量进行特征提取，获得相应的文本特征，该文本特征被表示为行向量；
[0018]构造提问特征矩阵，向其中添加所述的行向量。
[0019]具体化的实施例中，获取该用户指定的商户实例的知识库相对应的知识特征矩阵，包括如下步骤：
[0020]获取用户正在访问的商户实例所对应的实例标识；
[0021]根据该实例标识查询映射关系表确定与该实例标识相对应的知识库；
[0022]获取该知识库相对应的知识特征矩阵。
[0023]扩展的实施例中，本方法还包括构造所述知识库的知识特征矩阵的步骤，其包括如下具体步骤：
[0024]获取所有商户实例预关联的所有知识库，每个知识库包括表示为提问范本形式的多个标准提问与多个相似提问，每个标准提问与其自身语义相似的多个相似提问相关联，与其对应的答案文本相映射；
[0025]对每一知识库中的每一提问范本构造相应的编码向量；
[0026]调用预训练的文本特征提取器对每一编码向量进行特征提取，获得相应的文本特征，该文本特征被表示为行向量；
[0027]将同一知识库的所述行向量添加至为该知识库构造的同一知识特征矩阵。
[0028]具体化的实施例中，基于提问特征矩阵与知识特征矩阵计算相似度以获得相似矩阵，包括如下步骤：
[0029]求取知识特征矩阵的转置矩阵；
[0030]将提问特征矩阵与所述转置矩阵进行矩阵相乘获得相似矩阵，该相似矩阵中元素的数值表征提问文本与该元素所处坐标相对应的提问范本的相似度。
[0031]具体化的实施例中，根据相似度定位至与该提问文本最相似的提问范本，输出与该提问范本相对应的答案文本以应答用户提问，包括如下步骤：
[0032]从相似矩阵中查询定位到与该提问文本具有最高相似度的元素，根据该元素的坐标信息确定相对应的提问范本；
[0033]根据确定出的所述提问范本在该商户实例的知识库中查找到其标准提问；
[0034]获取与查找到的标准提问相映射的答案文本；
[0035]向所述电商平台用户推送所述的答案文本。
[0036]扩展的实施例中，本方法还包括对所述文本特征提取器实施预训练的步骤，其包括如下迭代执行的步骤：
[0037]获取电商平台预设的所有知识库中的任一提问范本作为训练样本；
[0038]在对所述训练样本构造出编码向量的基础上，调用利用Bert模型实现的文本特征提取器，进行文本特征提取，获得相应的文本特征；
[0039]调用分类模型对每一文本特征进行分类获得分类结果，利用训练样本所指向的提问范本所关联的标准提问作为所述分类结果的监督标签，反向传播修正文本特征提取器的
权重参数，直至其损失函数达致收敛以完成训练。
[0040]为解决上述技术问题，本申请采用的另一技术方案是：
[0041]本申请提供一种电商客服应答装置，其包括提问获取模块、知识获取模块、相似计算模块以及应答处理模块，其中：所述提问获取模块，用于获取电商平台用户的提问文本的文本特征，构造提问特征矩阵，其中每个行向量存储单个所述的文本特征；所述知识获取模块，用于获取该用户指定的商户实例的知识库相对应的知识特征矩阵，其中每个行向量存储所述知识库中单个提问范本的文本特征，知识特征矩阵与提问特征矩阵的行向量维度相同；所述相似计算模块，用于基于提问特征矩阵与知识特征矩阵计算相似度以获得相似矩阵；所述应答处理模块，用于根据相似度定位至与该提问文本最相似的提问范本，输出与该提问范本相对应的答案文本以应答用户提问。
[0042]具体化的实施例中，所述提问获取模块包括：文本获取子模块，用于获取电商平台用户的提问文本；文本编码子模块，用于基于所述提问文本构造编码向量；特征提取子模块，用于调用预训练的文本特征提取器对所述编码向量进行特征提取，获得相应的文本特征，该文本特征被表示为行向量；提问特征子模块，用于构造提问特征矩阵，向其中添加所述的行向量。
[0043]具体化的实施例中，所述知识获取模块包括：实例获取子模块，用于获取用户正在访问的商户实例所对应的实例标识；知识库确定子模块，用于根据该实例标识查询映射关系表确定与该实例标识相对应的知识库；知识特本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电商客服应答方法，其特征在于，包括如下步骤：获取电商平台用户的提问文本的文本特征，构造提问特征矩阵，其中每个行向量存储单个所述的文本特征；获取该用户指定的商户实例的知识库相对应的知识特征矩阵，其中每个行向量存储所述知识库中单个提问范本的文本特征，知识特征矩阵与提问特征矩阵的行向量维度相同；基于提问特征矩阵与知识特征矩阵计算相似度以获得相似矩阵；根据相似度定位至与该提问文本最相似的提问范本，输出与该提问范本相对应的答案文本以应答用户提问。2.根据权利要求1所述的电商客服应答方法，其特征在于，获取电商平台用户的提问文本的文本特征，构造提问特征矩阵，包括如下步骤：获取电商平台用户的提问文本；基于所述提问文本构造编码向量；调用预训练的文本特征提取器对所述编码向量进行特征提取，获得相应的文本特征，该文本特征被表示为行向量；构造提问特征矩阵，向其中添加所述的行向量。3.根据权利要求1所述的电商客服应答方法，其特征在于，获取该用户指定的商户实例的知识库相对应的知识特征矩阵，包括如下步骤：获取用户正在访问的商户实例所对应的实例标识；根据该实例标识查询映射关系表确定与该实例标识相对应的知识库；获取该知识库相对应的知识特征矩阵。4.根据权利要求1所述的电商客服应答方法，其特征在于，本方法包括构造所述知识库的知识特征矩阵的步骤，其包括如下具体步骤：获取所有商户实例预关联的所有知识库，每个知识库包括表示为提问范本形式的多个标准提问与多个相似提问，每个标准提问与其自身语义相似的多个相似提问相关联，与其对应的答案文本相映射；对每一知识库中的每一提问范本构造相应的编码向量；调用预训练的文本特征提取器对每一编码向量进行特征提取，获得相应的文本特征，该文本特征被表示为行向量；将同一知识库的所述行向量添加至为该知识库构造的同一知识特征矩阵。5.根据权利要求1所述的电商客服应答方法，其特征在于，基于提问特征矩阵与知识特征矩阵计算相似度以获得相似矩阵，包括如下步骤：求取知识特征矩阵的转置矩阵；将提问特征矩阵与所述转置矩阵进行矩阵相乘获得相似矩阵，该相似矩阵中元素的数值表征提问文本与该元素所处坐标相对应的提问范本的相似度。6.根据...
【专利技术属性】
技术研发人员：许强，
申请(专利权)人：广州华多网络科技有限公司，
类型：发明
国别省市：
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。