一种基于客服服务端的AI文本识别方法及装置制造方法及图纸

本申请提供一种基于客服服务端的AI文本识别方法及装置，该方法包括：预先构建AI数据检测模型；接收用户输入的客服交互信息；对客服交互信息进行特征提取，得到目标输入向量；通过AI数据检测模型对目标输入向量进行分类处理，得到目标处理结果；根据目标处理结果和预设的概率阈值确定客服交互信息的目标数据标签；根据目标数据标签确定客服交互信息中AI编辑文本；输出针对AI编辑文本的提示信息。可见，该方法及装置能够识别客服服务中的AI用户文本，从而实现及时提醒的效果，并减少无意义的客户服务，进而减少客服服务资源的浪费，提升服务效率。升服务效率。升服务效率。

【技术实现步骤摘要】
一种基于客服服务端的AI文本识别方法及装置


[0001]本申请涉及数据处理
，具体而言，涉及一种基于客服服务端的AI文本识别方法及装置。

技术介绍

[0002]目前，随着互联网技术的不断发展，AI(Artificial Intelligence，人工智能)技术也被越来越广泛应用。基于互联网技术的线上销售方式的广泛普及，催生了线上品牌客服需求的快速增长，然而，在实践中发现，客服功能容易被用户接入机器人反向骚扰，增加无意义人员服务，而且越来越难以判断是否为真实用户。可见，现有客户服务过程中，容易被接入AI机器人，造成了客服服务资源的浪费，降低了服务效率。

技术实现思路

[0003]本申请实施例的目的在于提供一种基于客服服务端的AI文本识别方法及装置，能够识别客服服务中的AI用户文本，从而实现及时提醒的效果，并减少无意义的客户服务，进而减少客服服务资源的浪费，提升服务效率。
[0004]本申请第一方面提供了一种基于客服服务端的AI文本识别方法，包括：
[0005]预先构建AI数据检测模型；
[0006]接收用户输入的客服交互信息；
[0007]对所述客服交互信息进行特征提取，得到目标输入向量；
[0008]通过所述AI数据检测模型对所述目标输入向量进行分类处理，得到目标处理结果；
[0009]根据所述目标处理结果和预设的概率阈值确定所述客服交互信息的目标数据标签；
[0010]根据所述目标数据标签确定所述客服交互信息中AI编辑文本；
[0011]输出针对所述AI编辑文本的提示信息。
[0012]在上述实现过程中，该方法可以优先预先构建AI数据检测模型；并接收用户输入的客服交互信息；然后，对客服交互信息进行特征提取，得到目标输入向量；并通过AI数据检测模型对目标输入向量进行分类处理，得到目标处理结果；再后，根据目标处理结果和预设的概率阈值确定客服交互信息的目标数据标签；并根据目标数据标签确定客服交互信息中AI编辑文本；最后，再输出针对AI编辑文本的提示信息。可见，该方法能够识别客服服务中的AI用户文本，从而实现及时提醒的效果，并减少无意义的客户服务，进而减少客服服务资源的浪费，提升服务效率。
[0013]进一步地，所述预先构建AI数据检测模型，包括：
[0014]获取训练数据；
[0015]抽取所述训练数据的关键信息；
[0016]根据所述关键信息生成输入向量；
[0017]获取预先训练好的分类器；其中，所述分类器为支持向量机、决策树、神经网络中的其中一种；
[0018]通过所述输入向量对所述分类器进行训练，得到训练好的AI数据检测模型。
[0019]进一步地，所述获取训练数据，包括：
[0020]获取客服服务人工交互数据和客服服务AI交互数据；
[0021]根据所述客服服务人工交互数据和所述客服服务AI交互数据生成训练数据。
[0022]进一步地，所述抽取所述训练数据的关键信息，包括：
[0023]对所述训练数据的每个文本进行分词处理，得到多个分词数据；
[0024]对每个所述分词数据进行编码处理，得到多个编码数据；
[0025]对每个所述编码数据进行加权处理，得到所述训练数据的关键信息。
[0026]进一步地，所述通过所述输入向量对所述分类器进行训练，得到训练好的AI数据检测模型，包括：
[0027]使用所述分类器对所述输入向量进行分类，得到分类结果；
[0028]根据所述分类结果为每个所述输入向量分配类别标签；其中，所述类别标签为人工数据标签或者AI数据标签；
[0029]根据所述类别标签将所述输入向量划分为人工数据集合和AI数据集合；
[0030]根据所述人工数据集合和所述AI数据集合对所述分类器进行训练，得到训练好的AI数据检测模型。
[0031]本申请第二方面提供了一种基于客服服务端的AI文本识别装置，所述基于客服服务端的AI文本识别装置包括：
[0032]模型构建单元，用于预先构建AI数据检测模型；
[0033]接收单元，用于接收用户输入的客服交互信息；
[0034]特征提取单元，用于对所述客服交互信息进行特征提取，得到目标输入向量；
[0035]分类单元，用于通过所述AI数据检测模型对所述目标输入向量进行分类处理，得到目标处理结果；
[0036]第一确定单元，用于根据所述目标处理结果和预设的概率阈值确定所述客服交互信息的目标数据标签；
[0037]第二确定单元，用于根据所述目标数据标签确定所述客服交互信息中AI编辑文本；
[0038]输出单元，用于输出针对所述AI编辑文本的提示信息。
[0039]在上述实现过程中，该装置可以通过模型构建单元预先构建AI数据检测模型；通过接收单元接收用户输入的客服交互信息；通过特征提取单元对客服交互信息进行特征提取，得到目标输入向量；通过分类单元来通过AI数据检测模型对目标输入向量进行分类处理，得到目标处理结果；通过第一确定单元来根据目标处理结果和预设的概率阈值确定客服交互信息的目标数据标签；通过第二确定单元来根据目标数据标签确定客服交互信息中AI编辑文本；再通过输出单元输出针对AI编辑文本的提示信息。可见，该装置能够识别客服服务中的AI用户文本，从而实现及时提醒的效果，并减少无意义的客户服务，进而减少客服服务资源的浪费，提升服务效率。
[0040]进一步地，所述模型构建单元，包括：
[0041]第一获取子单元，用于获取训练数据；
[0042]抽取子单元，用于抽取所述训练数据的关键信息；
[0043]生成子单元，用于根据所述关键信息生成输入向量；
[0044]第二获取子单元，用于获取预先训练好的分类器；其中，所述分类器为支持向量机、决策树、神经网络中的其中一种；
[0045]训练子单元，用于通过所述输入向量对所述分类器进行训练，得到训练好的AI数据检测模型。
[0046]进一步地，所述第一获取子单元包括：
[0047]获取模块，用于获取客服服务人工交互数据和客服服务AI交互数据；
[0048]训练数据生成模块，用于根据所述客服服务人工交互数据和所述客服服务AI交互数据生成训练数据。
[0049]进一步地，所述抽取子单元包括：
[0050]分词处理模块，用于对所述训练数据的每个文本进行分词处理，得到多个分词数据；
[0051]编码模块，用于对每个所述分词数据进行编码处理，得到多个编码数据；
[0052]加权模块，用于对每个所述编码数据进行加权处理，得到所述训练数据的关键信息。
[0053]进一步地，所述训练子单元包括：
[0054]分类模块，用于使用所述分类器对所述输入向量进行分类，得到分类结果；
[0055]分配模块，用于根据所述分类结果为每个所述输入向量分配类别标签；其中，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于客服服务端的AI文本识别方法，其特征在于，包括：预先构建AI数据检测模型；接收用户输入的客服交互信息；对所述客服交互信息进行特征提取，得到目标输入向量；通过所述AI数据检测模型对所述目标输入向量进行分类处理，得到目标处理结果；根据所述目标处理结果和预设的概率阈值确定所述客服交互信息的目标数据标签；根据所述目标数据标签确定所述客服交互信息中AI编辑文本；输出针对所述AI编辑文本的提示信息。2.根据权利要求1所述的基于客服服务端的AI文本识别方法，其特征在于，所述预先构建AI数据检测模型，包括：获取训练数据；抽取所述训练数据的关键信息；根据所述关键信息生成输入向量；获取预先训练好的分类器；其中，所述分类器为支持向量机、决策树、神经网络中的其中一种；通过所述输入向量对所述分类器进行训练，得到训练好的AI数据检测模型。3.根据权利要求2所述的基于客服服务端的AI文本识别方法，其特征在于，所述获取训练数据，包括：获取客服服务人工交互数据和客服服务AI交互数据；根据所述客服服务人工交互数据和所述客服服务AI交互数据生成训练数据。4.根据权利要求2所述的基于客服服务端的AI文本识别方法，其特征在于，所述抽取所述训练数据的关键信息，包括：对所述训练数据的每个文本进行分词处理，得到多个分词数据；对每个所述分词数据进行编码处理，得到多个编码数据；对每个所述编码数据进行加权处理，得到所述训练数据的关键信息。5.根据权利要求3所述的基于客服服务端的AI文本识别方法，其特征在于，所述通过所述输入向量对所述分类器进行训练，得到训练好的AI数据检测模型，包括：使用所述分类器对所述输入向量进行分类，得到分类结果；根据所述分类结果为每个所述输入向量分配类别标签；其中，所述类别标签为人工数据标签或者AI数据标签；根据所述类别标签将所述输入向量划分为人工数据集合和AI数据集合；根据所述人工数据集合和所述AI数据集合对所述分类器进行训练，得到...

【专利技术属性】
技术研发人员：黄星霖，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：