一种基于AI训练的可归档机器人群聊方法技术

本发明专利技术提供的一种基于AI训练的可归档机器人群聊方法，所述可归档机器人群聊方法包括：机器人模型训练；建立群聊；客服机器人判断及分配专业机器人；用户对机器人服务评价；业务跟进。基于最先进的对话模型去训练，针对不同行业整合了大量高质量数据去反复训练的专业机器人，更加理解用户意图答复准确性高，让用户得到更加精准的答案。用户得到更加精准的答案。用户得到更加精准的答案。

【技术实现步骤摘要】
一种基于AI训练的可归档机器人群聊方法


[0001]本专利技术涉及可归档机器人领域，尤其涉及一种基于AI训练的可归档机器人群聊方法。

技术介绍

[0002]现有聊天机器人检索方案有检索式和生成式两类。检索式答复准确性高如果聊天内容超出语料库则无法给到有效回答，生成式不受语料库的限制可以自由回答但训练难度大。
[0003]专业机器人是由不同行业筛选出高质量专业数据基于最先进的对话模型去反复训练，客服机器人是判断用户想要了解某个行业相关信息会把此行业专业机器人拉到群聊和用户交流。
[0004]目前市面上智能客服等系统仅支持关键词检索，难以真正理解用户查询意图，如果聊天内容超出了语料库则无法给到有效回答，需要经常修订扩展语料库。由于语料库不够强大，用户咨询问题后只会得到程式化、简单化的答复，经常出现“翻车”现象，解决不了问题。这样就严重影响用户体验，用户对此产生不信任感进而损害企业的良好形象不利于企业长远发展。我们基于AI训练的可归档机器人可以更加智能的理解用户的意图，提供更专业的回复，做到自由问答。我们不断跟进不断完善机器人会回复的越来越准确，直接提高了用户的咨询体验。

技术实现思路

[0005]鉴于上述问题，提出了本专利技术以便提供克服上述问题或者至少部分地解决上述问题的一种基于AI训练的可归档机器人群聊方法。
[0006]根据本专利技术的一个方面，提供了一种基于AI训练的可归档机器人群聊方法，所述可归档机器人群聊方法包括：
[0007]机器人模型训练；
[0008]建立群聊；
[0009]客服机器人判断及分配专业机器人；
[0010]用户对机器人服务评价；
[0011]业务跟进。
[0012]可选的，所述机器人模型训练具体包括：
[0013]整理各个行业数据；
[0014]标注数据；
[0015]分别训练成各个行业的专业机器人，获得训练模型；
[0016]校验模型，对模型调参对数据的整理方式进行调整；
[0017]多次训练模型，结合模型评估报告和校验结果不断扩充数据和调优。
[0018]可选的，所述建立群聊具体包括：用户进入时基于服务端的群组功能客服机器人
以管理员身份自动创建一个群聊并发起对话，群成员有客服机器人和用户。
[0019]可选的，所述客服机器人判断及分配专业机器人具体包括：
[0020]客服机器人根据NLP的文本分类标签模型去大量训练；
[0021]当用户咨询时根据用户的问题快速定位出属于哪个标签；
[0022]标签是针对各个不同专业机器人的，通过这个标签确定是由哪位专业机器人来服务此用户并把此专业机器人拉入群聊；
[0023]每周根据聊天记录来计算客服机器人判断的结果匹配率，并把未匹配成功的情况都整理出数据去再次训练客服机器人。
[0024]可选的，所述用户对机器人服务评价具体包括：
[0025]当用户和专业机器人聊完关闭会话的时候给用户发送一个对专业机器人评价的链接，里面包含了对本次服务的打分和文字评价；
[0026]收集对本次服务的打分和文字评价，对应调整可改善的部分反馈给模型优化训练。
[0027]可选的，所述业务跟进具体包括：
[0028]根据现有的聊天记录、服务评价和结果匹配率，每周都会整理出一份需要扩充的数据对机器人进行训练，让机器人回复的越来越准确，问题覆盖面越来越大；
[0029]对最先进的不同的模型来训练的AI打分，会对同一个专业机器人采用不用的模型不同的数据格式去训练，观察其服务能力对其打分，最终按分数最高的方式来训练机器人去服务于用户。
[0030]可选的，所述机器人训练具体包括：
[0031]客服机器人会根据文本分类标签模型去大量训练，文本分类模型内置Ernie3.0大模型，将大数据预训练与多源丰富知识相结合，通过持续学习技术，不断吸收海量文本数据中词汇、结构、语义方面的新知识，实现模型效果不断进化；
[0032]专业机器人会根据对话模型去训练，专业机器人通过学习相关行业知识，会像拥有专业知识的人类一样和用户自然对话解答用户问题。
[0033]本专利技术提供的一种基于AI训练的可归档机器人群聊方法，所述可归档机器人群聊方法包括：机器人模型训练；建立群聊；客服机器人判断及分配专业机器人；用户对机器人服务评价；业务跟进。基于最先进的对话模型去训练，针对不同行业整合了大量高质量数据去反复训练的专业机器人，更加理解用户意图答复准确性高，让用户得到更加精准的答案。
[0034]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0035]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其它的附图。
[0036]图1为本专利技术实施例提供的一种基于AI训练的可归档机器人群聊方法的流程图；
[0037]图2为本专利技术实施例提供的机器人训练模型流程图。
具体实施方式
[0038]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0039]本专利技术的说明书实施例和权利要求书及附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元。
[0040]下面结合附图和实施例，对本专利技术的技术方案做进一步的详细描述。
[0041]如图1所示，首先整理各个行业数据标注数据分别去训练成各个行业的专业机器人。训练模型后要大量校验模型，对模型调参对数据的整理方式进行调整从而达到一个最佳的效果。多次训练一个模型很难一次就训练到最佳的效果，通常会需要结合模型评估报告和校验结果不断扩充数据和调优。
[0042]当用户发起消息到客服机器人，客服机器人判断用户是想了解哪个行业相关信息后拉群。
[0043]这个群里面有客服机器人、专业机器人和用户。会话关闭后会给用户发送给机器人评价的链接。所产生的聊天记录和评价信息也会相应数据整理后去训练让专业机器人后面的回答更加专业。
[0044]如图2所示，机器人训练，客服机器人会根据文本分类标签模型去大量训练，文本分类模型内置Ernie3.0大模型，将大数据预训练与多源丰富知识相结合，通过持续学习技术，不断吸收海量文本数据中词汇、结构、语义等方面的新知识，实现模型效果不断进化。
[0045]专业机器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI训练的可归档机器人群聊方法，其特征在于，所述可归档机器人群聊方法包括：机器人模型训练；建立群聊；客服机器人判断及分配专业机器人；用户对机器人服务评价；业务跟进。2.根据权利要求1所述的一种基于AI训练的可归档机器人群聊方法，其特征在于，所述机器人模型训练具体包括：整理各个行业数据；标注数据；分别训练成各个行业的专业机器人，获得训练模型；校验模型，对模型调参对数据的整理方式进行调整；多次训练模型，结合模型评估报告和校验结果不断扩充数据和调优。3.根据权利要求1所述的一种基于AI训练的可归档机器人群聊方法，其特征在于，所述建立群聊具体包括：用户进入时基于服务端的群组功能客服机器人以管理员身份自动创建一个群聊并发起对话，群成员有客服机器人和用户。4.根据权利要求1所述的一种基于AI训练的可归档机器人群聊方法，其特征在于，所述客服机器人判断及分配专业机器人具体包括：客服机器人根据NLP的文本分类标签模型去大量训练；当用户咨询时根据用户的问题快速定位出属于哪个标签；标签是针对各个不同专业机器人的，通过这个标签确定是由哪位专业机器人来服务此用户并把此专业机器人拉入群聊；每周根据聊天记录来计算客服机器人判断的结果匹配率，并把未匹配成功的情况都整理出数据去再次训练客服机器人。5.根据权利要求1所述的一种基...

【专利技术属性】
技术研发人员：陈石俊，
申请(专利权)人：上海唯都市场营销策划股份有限公司，
类型：发明
国别省市：