一种基于多元语义融合的金牌话术推荐方法及装置制造方法及图纸

本发明专利技术提供了一种基于多元语义融合的金牌话术推荐方法及装置，该方法包括：对历史对话、当前轮次的用户问题、以及用户属性进行分词和词向量初始化操作；基于层次语义编码机制和用户属性编码机制，对初始化操作结果进行对话语义编码以及用户属性语义编码，并获取对应的语义表示；对编码结果进行融合，得到融合后的语义表示，并与金牌话术库中每条话术的语义表示进行匹配，得到话术的推荐结果。本发明专利技术设计了基于双向长短期记忆网络的层次语义编码机制，通过词级别编码和句子级别编码来有效捕捉历史对话的语义，通过将其融合到后续的话术推荐过程来提升话术推荐的准确性。基于该方法，本发明专利技术还提供了一种基于多元语义融合的金牌话术推荐装置。牌话术推荐装置。牌话术推荐装置。

【技术实现步骤摘要】
一种基于多元语义融合的金牌话术推荐方法及装置


[0001]本专利技术涉及人工智能、自然语言处理
，特别涉及一种基于多元语义融合的金牌话术推荐方法及装置。

技术介绍

[0002]目前，随着自然语言处理技术的不断发展，各行业、企业逐渐开始关注对话数据的内在价值。其中，电话营销是对话数据产生的一个重要场景，成功的营销对话应该使电话双方都能体会到电话营销的价值，并有效提升客户的转化率和留存率。通过观察相关案例可以发现，成功的营销对话通常是由经验丰富的销售精英产生的，他们经受过专业训练并且拥有丰富的实战经验，除了具有高效的理解能力、沟通能力、表达能力外，还有极强的耐心和心理素质。考虑到多数销售员工难以在短期内成长为销售精英，因此基于现有的金牌话术库实现自动化的对话推荐，进而辅助新员工进行电话销售，提升营销成功率，正逐渐成为当前热门的研究任务。
[0003]为解决这一任务，传统的研究大多采用匹配的方法从标准对话库里选择推荐的话术，匹配的方法通常选择基于规则、基于语义相似度等方法。由于这类方法仅对当前轮次输入的用户问题进行语义解析，并基于该语义从标准知识库中搜寻答案进行回复，因此推荐的对话比较单一。
[0004]为提升话术推荐的效果，近年来的相关研究主要可以分为四类，包括基于图神经网络技术的话术推荐方法、基于抵抗策略的话术推荐方法，基于情绪变化率的话术推荐方法，以及基于语义识别的话术推荐方法。
[0005]具体地，基于图神经网络技术的话术推荐方法将对话的话语作为图中的节点，并将话语之间的关系作为边，通过利用图神经网络进行编码，可以有效考虑了会话序列项之间的复杂结构和转换，以更好地预测用户的下一步行为。然而，这类方法难以对实时产生的对话数据进行图结构的构建，可扩展性较差。
[0006]基于抵抗策略的话术推荐方法主要包括DIALOGRAPH模型和RESPER模型。其中DIALOGRAPH模型将可解释的策略图网络纳入协商对话，显著提高策略间的依赖性，并且提高策略选择的准确性和可解释性。而RESPER模型提出了一个以认知心理学为基础的框架，设计了一个层次序列模型，可以根据文本自动识别抵抗策略。虽然这类方法增加了对话推荐的可解释性，但是加入抵抗策略结构本身是比较复杂和困难的，需要依赖心理学和社会学的专业知识和一套完整严谨的数据标注的流程设计。
[0007]对基于情绪变化率的话术推荐方法，宋雨等人专利技术的一项专利里提到其能提供一种话术推荐方法、装置、电子设备及存储介质，能够基于客户进线时的输入信息和当前的输入信息来识别客户情绪变化率。由于客户情绪变化率能够反映客服当前的输入信息对于客户情绪的影响，因此一旦情绪变化率满足对应的阈值，即可以认定客服当前的输入信息可以显著提升客户情绪，从而获得客服的推荐话术。这类方法能够有效挖掘会话语料中能够提升客户情绪的客服话术，从而提升客服的专业技能，保证经营效能。但这类方法依赖于预
先训练好的情绪预测模型，该情绪预测模型的输入包含语音信息，而基于已有的技术提取其语音特征和将该语音信息转换为相应的文本信息会存在很多不可避免的错误。
[0008]对于基于语义识别的话术推荐方法，南海顺专利技术的一项专利里公开了一种基于语义识别的话术推荐方法、装置、设备及存储介质。该方法通过对训练语料进行语义识别，并对训练语料进行分类，得到正样本和负样本，对正样本和负样本进行随机组合，得到训练样本集，通过训练样本集对预设的初始意图识别模型进行训练得到通话意图模型，通过将当前通话的通话内容导入通话意图模型，输出通话意图，最后将通话意图导入到预先训练好的话术推荐模型，得到与通话意图相匹配的目标话术。这类方法虽然能通过识别客户意图以获得有效标签，并推荐与有效标签相对应的答复内容来提高用户体验，但是这种识别出对话意图然后匹配目标话术的方法相较于传统方法的准确性提升有限。
[0009]虽然以上方法都有突出的地方，但是应用于对话推荐场景也都有一定的不足。特别地，这些方法忽略了客户画像、历史对话数据等重要信息，因此限制了话术推荐的准确性，进而难以有效实现话术智能导航、促进成单等效果。

技术实现思路

[0010]本专利技术提供一种基于多元语义融合的金牌话术推荐方法及装置，用以解决现有话术推荐方法忽略了客户画像、历史对话数据等重要信息，因此限制了话术推荐的准确性，进而难以有效实现话术智能导航、促进成单等效果的问题。
[0011]本专利技术提供一种基于多元语义融合的金牌话术推荐方法，包括：
[0012]步骤1：对历史对话、当前轮次的用户问题、以及用户属性进行分词和词向量初始化操作；
[0013]步骤2：基于层次语义编码机制和用户属性编码机制，对初始化操作结果进行对话语义编码以及用户属性语义编码，并获取对应的语义表示；
[0014]步骤3：对编码结果进行融合，得到融合后的语义表示，并与金牌话术库中每条话术的语义表示进行匹配，得到话术的推荐结果。
[0015]优选的，所述的一种基于多元语义融合的金牌话术推荐方法，所述步骤1：对历史对话、当前轮次的用户问题、以及用户属性进行分词和词向量初始化操作，包括：
[0016]基于预设分词工具包，将历史对话、当前轮次的用户问题、以及用户属性作为输入文本并进行分词处理，得到对应的词序列；
[0017]采用预训练的词向量对所述词序列中每个词的嵌入表示进行初始化。
[0018]优选的，所述的一种基于多元语义融合的金牌话术推荐方法，所述步骤2：基于层次语义编码机制和用户属性编码机制，对初始化操作结果进行对话语义编码以及用户属性语义编码，包括：
[0019]基于层次语义编码机制对所述对话的词嵌入序列进行处理，得到历史对话以及当前话语对应的隐藏语义表示，生成对话语义编码；
[0020]基于用户属性编码机制对所述用户属性的词嵌入序列进行处理，得到用户属性信息的隐藏语义表示，生成用户属性语义编码。
[0021]优选的，所述的一种基于多元语义融合的金牌话术推荐方法，所述基于用户属性编码机制对所述用户属性语义进行处理，包括：
[0022]获取与用户属性对应的词嵌入序列，采用平均池化的方式得到每条用户属性的表示；
[0023]将所有用户属性的表示进行拼接，并输入由前馈神经网络构建的用户属性编码机制，输出融合全部用户属性的隐藏语义表示。
[0024]优选的，所述的一种基于多元语义融合的金牌话术推荐方法，所述步骤3：对编码结果进行融合，得到融合后的语义表示，并与金牌话术库中每条话术的语义表示进行匹配，得到话术的推荐结果，包括：
[0025]将历史对话隐藏表示和当前话语隐藏表示、以及用户属性的隐藏表示进行拼接，然后采用前馈神经网络层进行语义融合，生成多元语义表示；
[0026]将融合后的多元语义表示与金牌话术库中每条现存话术的语义表示进行余弦相似度的计算，并对相似度进行归一化，得到每条话术对应的推荐概率；
[0027]基于计算的推荐概率，选取最大的概率值对应的金牌话术作为推荐结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多元语义融合的金牌话术推荐方法，其特征在于，包括：步骤1：对历史对话、当前轮次的用户问题、以及用户属性进行分词和词向量初始化操作；步骤2：基于层次语义编码机制和用户属性编码机制，对初始化操作结果进行对话语义编码以及用户属性语义编码，并获取对应的语义表示；步骤3：对编码结果进行融合，得到融合后的语义表示，并与金牌话术库中每条话术的语义表示进行匹配，得到话术的推荐结果。2.根据权利要求1所述的一种基于多元语义融合的金牌话术推荐方法，其特征在于，所述步骤1：对历史对话、当前轮次的用户问题、以及用户属性进行分词和词向量初始化操作，包括：基于预设分词工具包，将历史对话、当前轮次的用户问题、以及用户属性作为输入文本并进行分词处理，得到对应的词序列；采用预训练的词向量对所述词序列中每个词的嵌入表示进行初始化。3.根据权利要求1所述的一种基于多元语义融合的金牌话术推荐方法，其特征在于，所述步骤2：基于层次语义编码机制和用户属性编码机制，对初始化操作结果进行对话语义编码以及用户属性语义编码，包括：基于层次语义编码机制对所述对话的词嵌入序列进行处理，得到历史对话以及当前话语对应的隐藏语义表示，生成对话语义编码；基于用户属性编码机制对所述用户属性的词嵌入序列进行处理，得到用户属性信息的隐藏语义表示，生成用户属性语义编码。4.根据权利要求3所述的一种基于多元语义融合的金牌话术推荐方法，其特征在于，基于用户属性编码机制对所述用户属性语义进行处理，包括：获取与用户属性对应的词嵌入序列，采用平均池化的方式得到每条用户属性的表示；将所有用户属性的表示进行拼接，并输入由前馈神经网络构建的用户属性编码机制，输出融合全部用户属性的隐藏语义表示。5.根据权利要求1所述的一种基于多元语义融合的金牌话术推荐方法，其特征在于，所述步骤3：对编码结果进行融合，得到融合后的语义表示，并与金牌话术库中每条话术的语义表示进行匹配，得到话术的推荐结果，包括：将历史对话隐藏表示和当前话语隐藏表示、以及用户属性的隐藏表示进行拼接，然后采用前馈神经网络层进行语义融合，生成多元语义表示；将融合后的多元语义表示与金牌话术库中每条现存话术的...

【专利技术属性】
技术研发人员：刘杰，骆红梅，陈少维，赵鹏，李文超，
申请(专利权)人：北京容联易通信息技术有限公司，
类型：发明
国别省市：