本发明专利技术公开了一种客户异议识别模型的训练方法、装置、设备及计算机可读存储介质，涉及自然语言处理领域，该方法包括：识别各训练对话数据中的客户异议原始语句和客户异议原始语句对应的客户异议标签；根据客户异议原始语句和客户异议标签，对客户异议标签进行聚类，得到各客户异议标签各自对应的客户异议类别标签；根据训练对话数据和各训练对话数据各自对应的客户异议类别标签，对预设初始模型进行训练，得到客户异议识别模型，以利用客户异议识别模型识别待识别对话数据对应的客户异议类别标签；本发明专利技术能够构建结构化的异议类目体系，有助于更好地了解和分析客户异议；并且实现了适用于客户异议的聚类打标，减少人工标注的成本和时间。的成本和时间。的成本和时间。
【技术实现步骤摘要】
一种客户异议识别模型的训练方法、装置、设备及介质
[0001]本专利技术涉及自然语言处理领域，特别涉及一种客户异议识别模型的训练方法、装置、设备及计算机可读存储介质。
技术介绍
[0002]在企业的客户服务中，客户异议处理是一个关键环节。客户异议指的是客户在购买过程中对产品、服务或其他相关事项提出的疑虑、质疑和不满。了解客户异议在营销服务场景中的重要性以及解决客户异议的必要性，对于提升销售业绩和客户满意度至关重要。
[0003]现有技术中，客户异议的识别采用如下两种方案：基于关键词匹配的客户异议识别方案和基于深度学习模型的客户异议识别方案。然而基于关键词匹配的方案召回率低，复杂的语言表述需要更复杂的模板，且维护起来较为困难；而基于深度学习模型的方案问题主要在于深度学习模型需要大量的人工标注数据，采用传统聚类算法对客户异议聚类效果不好，难以区分类别之间的关系。因此，如何能够实现适用于客户异议的自动聚类打标，减少人工标注的成本和时间，提高工作效率，是现今急需解决的问题。
技术实现思路
[0004]本专利技术的目的是提供一种客户异议识别模型的训练方法、装置、设备及计算机可读存储介质，以实现适用于客户异议的自动聚类打标，减少人工标注的成本和时间，提高工作效率。
[0005]为解决上述技术问题，本专利技术提供一种客户异议识别模型的训练方法，包括：
[0006]获取预设数量的训练对话数据；
[0007]识别各所述训练对话数据中的客户异议原始语句和所述客户异议原始语句对应的客户异议标签；
[0008]根据所述客户异议原始语句和所述客户异议标签，对所述客户异议标签进行聚类，得到各所述客户异议标签各自对应的客户异议类别标签；
[0009]根据所述训练对话数据和各所述训练对话数据各自对应的客户异议类别标签，对预设初始模型进行训练，得到客户异议识别模型，以利用所述客户异议识别模型识别待识别对话数据对应的客户异议类别标签。
[0010]在一些实施例中，所述识别各所述训练对话数据中的客户异议原始语句和所述客户异议原始语句对应的客户异议标签，包括：
[0011]利用聊天机器人ChatGPT模型，识别各所述训练对话数据中的客户异议原始语句和所述客户异议原始语句对应的客户异议标签。
[0012]在一些实施例中，所述根据所述客户异议原始语句和所述客户异议标签，对所述客户异议标签进行聚类，得到各所述客户异议标签各自对应的客户异议类别标签，包括：
[0013]利用支持对比学习聚类SCCL模型，根据所述客户异议原始语句和所述客户异议标签，对所述客户异议标签进行聚类，得到各所述客户异议标签各自对应的客户异议类别标
签。
[0014]在一些实施例中，所述利用支持对比学习聚类SCCL模型，根据所述客户异议原始语句和所述客户异议标签，对所述客户异议标签进行聚类，得到各所述客户异议标签各自对应的客户异议类别标签，包括：
[0015]利用所述SCCL模型，根据所述客户异议原始语句和所述客户异议标签，对所述客户异议标签进行聚类，得到各所述客户异议标签各自对应的聚类结果；
[0016]根据获取的各所述聚类结果各自对应的人工标注信息，得到各所述客户异议标签各自对应的客户异议类别标签。
[0017]在一些实施例中，所述根据所述训练对话数据和各所述训练对话数据各自对应的客户异议类别标签，对预设初始模型进行训练，得到客户异议识别模型之后，还包括：
[0018]获取所述待识别对话数据；
[0019]将所述待识别对话数据输入到所述客户异议识别模型，得到输出的所述待识别对话数据对应的客户异议类别标签。
[0020]在一些实施例中，所述根据所述训练对话数据和各所述训练对话数据各自对应的客户异议类别标签，对预设初始模型进行训练，得到客户异议识别模型，包括：
[0021]利用所述近似最近邻搜索Annoy算法，从所述客户异议原始语句中查找各自的所述客户异议原始语句对应的相似句子；
[0022]根据所述相似句子和各所述相似句子各自对应的客户异议类别标签，对所述预设初始模型进行训练，得到所述客户异议识别模型。
[0023]在一些实施例中，所述根据所述相似句子和各所述相似句子各自对应的客户异议类别标签，对所述预设初始模型进行训练，得到所述客户异议识别模型，包括：
[0024]利用预训练模型，获取各所述客户异议类别标签各自对应的标签相近词，构建标签词映射器；其中，所述签词映射器包括每个各所述客户异议类别标签与各自对应的标签相近词之间的对应关系；
[0025]根据所述标签词映射器、所述相似句子和各所述相似句子各自对应的客户异议类别标签，对所述预设初始模型进行训练，得到所述客户异议识别模型。
[0026]本专利技术还提供了一种客户异议识别模型的训练装置，包括：
[0027]获取模块，用于获取预设数量的训练对话数据；
[0028]识别模块，用于识别各所述训练对话数据中的客户异议原始语句和所述客户异议原始语句对应的客户异议标签；
[0029]聚类模块，用于根据所述客户异议原始语句和所述客户异议标签，对所述客户异议标签进行聚类，得到各所述客户异议标签各自对应的客户异议类别标签；
[0030]训练模块，用于根据所述训练对话数据和各所述训练对话数据各自对应的客户异议类别标签，对预设初始模型进行训练，得到客户异议识别模型，以利用所述客户异议识别模型识别待识别对话数据对应的客户异议类别标签。
[0031]本专利技术还提供了一种客户异议识别模型的训练设备，包括：
[0032]存储器，用于存储计算机程序；
[0033]处理器，用于执行所述计算机程序时实现如上述所述的客户异议识别模型的训练方法的步骤。
[0034]此外，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述的客户异议识别模型的训练方法的步骤
[0035]本专利技术所提供的一种客户异议识别模型的训练方法，包括：获取预设数量的训练对话数据；识别各训练对话数据中的客户异议原始语句和客户异议原始语句对应的客户异议标签；根据客户异议原始语句和客户异议标签，对客户异议标签进行聚类，得到各客户异议标签各自对应的客户异议类别标签；根据训练对话数据和各训练对话数据各自对应的客户异议类别标签，对预设初始模型进行训练，得到客户异议识别模型，以利用客户异议识别模型识别待识别对话数据对应的客户异议类别标签；
[0036]可见，本专利技术通过根据客户异议原始语句和客户异议标签，对客户异议标签进行聚类，得到各客户异议标签各自对应的客户异议类别标签，能够构建结构化的异议类目体系，有助于更好地了解和分析客户异议，进而优化后续的客户服务策略；并且实现了适用于客户异议的自动聚类打标，减少人工标注的成本和时间，提高了模型训练的效率。此外，本专利技术还提供了一种客户异议识别模型的训练装置、设备及计算机可读存储介质本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种客户异议识别模型的训练方法，其特征在于，包括：获取预设数量的训练对话数据；识别各所述训练对话数据中的客户异议原始语句和所述客户异议原始语句对应的客户异议标签；根据所述客户异议原始语句和所述客户异议标签，对所述客户异议标签进行聚类，得到各所述客户异议标签各自对应的客户异议类别标签；根据所述训练对话数据和各所述训练对话数据各自对应的客户异议类别标签，对预设初始模型进行训练，得到客户异议识别模型，以利用所述客户异议识别模型识别待识别对话数据对应的客户异议类别标签。2.根据权利要求1所述的客户异议识别模型的训练方法，其特征在于，所述识别各所述训练对话数据中的客户异议原始语句和所述客户异议原始语句对应的客户异议标签，包括：利用聊天机器人ChatGPT模型，识别各所述训练对话数据中的客户异议原始语句和所述客户异议原始语句对应的客户异议标签。3.根据权利要求1所述的客户异议识别模型的训练方法，其特征在于，所述根据所述客户异议原始语句和所述客户异议标签，对所述客户异议标签进行聚类，得到各所述客户异议标签各自对应的客户异议类别标签，包括：利用支持对比学习聚类SCCL模型，根据所述客户异议原始语句和所述客户异议标签，对所述客户异议标签进行聚类，得到各所述客户异议标签各自对应的客户异议类别标签。4.根据权利要求3所述的客户异议识别模型的训练方法，其特征在于，所述利用支持对比学习聚类SCCL模型，根据所述客户异议原始语句和所述客户异议标签，对所述客户异议标签进行聚类，得到各所述客户异议标签各自对应的客户异议类别标签，包括：利用所述SCCL模型，根据所述客户异议原始语句和所述客户异议标签，对所述客户异议标签进行聚类，得到各所述客户异议标签各自对应的聚类结果；根据获取的各所述聚类结果各自对应的人工标注信息，得到各所述客户异议标签各自对应的客户异议类别标签。5.根据权利要求1所述的客户异议识别模型的训练方法，其特征在于，所述根据所述训练对话数据和各所述训练对话数据各自对应的客户异议类别标签，对预设初始模型进行训练，得到客户异议识别模型之后，还包括：获取所述待识别对话数据；将所述待识别对话数据输入到所述客户异议识别模型，得到输出的所述待识别对...
【专利技术属性】
技术研发人员：陈倩倩，蒋林林，周柳阳，
申请(专利权)人：上海销氪信息科技有限公司，
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。