基于人工智能的知识缺陷识别方法技术

本发明专利技术涉及人工智能技术领域，尤其涉及一种基于人工智能的知识缺陷识别方法

【技术实现步骤摘要】
基于人工智能的知识缺陷识别方法、装置、设备及介质


[0001]本专利技术涉及人工智能
，尤其涉及一种基于人工智能的知识缺陷识别方法
、
装置
、
设备及介质
。

技术介绍

[0002]随着人工智能技术的兴起，人工智能模型已广泛应用于金融服务平台中，金融服务平台可以是保险系统
、
银行系统
、
交易系统
、
订单系统等，金融服务平台可以支持购物
、
社交
、
互动游戏
、
资源转移等功能，还可以具有申请贷款
、
信用卡或者购买保险
、
理财产品等功能
。
[0003]在金融服务平台中，不可避免需要为用户提供人工服务，例如，人工服务的项目包括产品推荐
、
客服服务
、
售后处理等项目，因此需要对业务人员的业务能力进行培训，现有的业务能力培训方法通常是系统的，例如提供完整的业务手册由业务人员学习等
。
[0004]但是，系统培养的方式缺乏对业务人员培训的针对性，导致业务人员在培训时难以针对自身薄弱点进行针对学习，培训成效较差
。
因此，如何提高业务培训的针对性，进而提高业务人员的业务能力成为亟待解决的问题
。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供了一种基于人工智能的知识缺陷识别方法
、
装置
、
设备及介质，以解决业务培训的针对性较差的问题
。
[0006]第一方面，本专利技术实施例提供一种基于人工智能的知识缺陷识别方法，所述知识缺陷识别方法包括：
[0007]获取目标人员的视频业务数据和语音业务数据，使用语义理解模型对所述语音业务数据进行话术推荐，得到推荐话术；
[0008]使用表情推荐模型对所述视频业务数据进行表情推荐，得到推荐表情，将所述推荐话术和所述语音业务数据中的真实话术进行比对，得到第一比对结果，将所述推荐表情和所述视频业务数据中的真实表情进行比对，得到第二比对结果；
[0009]根据预设的映射表，结合所述第一比对结果和所述第二比对结果映射，得到修正向量，所述修正向量包括
N
个业务知识分别对应的修正参数，
N
为大于一的整数；
[0010]根据获取到的所述目标人员对应每个业务知识的学习数据，使用业务知识推荐模型对每个业务知识的推荐程度进行预测，得到每个业务知识分别对应的推荐值；
[0011]针对任一业务知识，将所述业务知识对应的修正系数和推荐值相乘，得到相乘结果，确定所述相乘结果为对应所述业务知识的修正推荐值，确定所有修正推荐值中的最大值对应的业务知识为目标知识，所述目标知识用于指示所述目标人员进行业务学习
。
[0012]第二方面，本专利技术实施例提供一种基于人工智能的知识缺陷识别装置，所述知识缺陷识别装置包括：
[0013]话术推荐模块，用于获取目标人员的视频业务数据和语音业务数据，使用语义理
解模型对所述语音业务数据进行话术推荐，得到推荐话术；
[0014]表情推荐模块，用于使用表情推荐模型对所述视频业务数据进行表情推荐，得到推荐表情，将所述推荐话术和所述语音业务数据中的真实话术进行比对，得到第一比对结果，将所述推荐表情和所述视频业务数据中的真实表情进行比对，得到第二比对结果；
[0015]参数映射模块，用于根据预设的映射表，结合所述第一比对结果和所述第二比对结果映射，得到修正向量，所述修正向量包括
N
个业务知识分别对应的修正参数，
N
为大于一的整数；
[0016]知识推荐模块，用于根据获取到的所述目标人员对应每个业务知识的学习数据，使用业务知识推荐模型对每个业务知识的推荐程度进行预测，得到每个业务知识分别对应的推荐值；
[0017]知识确定模块，用于针对任一业务知识，将所述业务知识对应的修正系数和推荐值相乘，得到相乘结果，确定所述相乘结果为对应所述业务知识的修正推荐值，确定所有修正推荐值中的最大值对应的业务知识为目标知识，所述目标知识用于指示所述目标人员进行业务学习
。
[0018]第三方面，本专利技术实施例提供一种计算机设备，所述计算机设备包括处理器
、
存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的知识缺陷识别方法
。
[0019]第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的知识缺陷识别方法
。
[0020]本专利技术实施例与现有技术相比存在的有益效果是：
[0021]获取目标人员的视频业务数据和语音业务数据，使用语义理解模型对语音业务数据进行话术推荐，得到推荐话术，使用表情推荐模型对视频业务数据进行表情推荐，得到推荐表情，将推荐话术和语音业务数据中的真实话术进行比对，得到第一比对结果，将推荐表情和视频业务数据中的真实表情进行比对，得到第二比对结果，根据预设的映射表，结合第一比对结果和第二比对结果映射，得到修正向量，修正向量包括
N
个业务知识分别对应的修正参数，根据获取到的目标人员对应每个业务知识的学习数据，使用业务知识推荐模型对每个业务知识的推荐程度进行预测，得到每个业务知识分别对应的推荐值，针对任一业务知识，将业务知识对应的修正系数和推荐值相乘，得到相乘结果，确定相乘结果为对应业务知识的修正推荐值，确定所有修正推荐值中的最大值对应的业务知识为目标知识，将业务人员在实际展业过程中的业务数据以及日常业务知识的学习数据相结合，有效确定出业务人员需要进行针对性学习的业务知识，提高了业务人员培训的效率，进而提高业务人员的业务能力，使得金融服务平台的人工业务更加可靠且专业
。
附图说明
[0022]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其他的附图
。
[0023]图1是本专利技术实施例一提供的一种基于人工智能的知识缺陷识别方法的一应用环境示意图；
[0024]图2是本专利技术实施例一提供的一种基于人工智能的知识缺陷识别方法的流程示意图；
[0025]图3是本专利技术实施例二提供的一种基于人工智能的知识缺陷识别装置的结构示意图；
[0026]图4是本专利技术实施例三提供的一种计算机设备的结构示意图
。
具体实施方式
[0027]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构
、
技术之类的具体细节，以便透彻理解本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的知识缺陷识别方法，其特征在于，所述知识缺陷识别方法包括：获取目标人员的视频业务数据和语音业务数据，使用语义理解模型对所述语音业务数据进行话术推荐，得到推荐话术；使用表情推荐模型对所述视频业务数据进行表情推荐，得到推荐表情，将所述推荐话术和所述语音业务数据中的真实话术进行比对，得到第一比对结果，将所述推荐表情和所述视频业务数据中的真实表情进行比对，得到第二比对结果；根据预设的映射表，结合所述第一比对结果和所述第二比对结果映射，得到修正向量，所述修正向量包括
N
个业务知识分别对应的修正参数，
N
为大于一的整数；根据获取到的所述目标人员对应每个业务知识的学习数据，使用业务知识推荐模型对每个业务知识的推荐程度进行预测，得到每个业务知识分别对应的推荐值；针对任一业务知识，将所述业务知识对应的修正系数和推荐值相乘，得到相乘结果，确定所述相乘结果为对应所述业务知识的修正推荐值，确定所有修正推荐值中的最大值对应的业务知识为目标知识，所述目标知识用于指示所述目标人员进行业务学习
。2.
根据权利要求1所述的知识缺陷识别方法，其特征在于，所述语义理解模型包括文本转换器
、
编码器和解码器；所述使用语义理解模型对所述语音业务数据进行话术推荐，得到推荐话术，包括：使用所述文本转换器将所述语音业务数据转换为文本业务数据，使用所述编码器提取所述文本业务数据的语义信息，得到语义特征；根据所述语义特征，使用所述解码器进行文本重构，得到文本重构结果，确定所述文本重构结果为所述推荐话术
。3.
根据权利要求2所述的知识缺陷识别方法，其特征在于，所述根据所述语义特征，使用所述解码器进行文本重构，得到文本重构结果，包括：将所述语义特征分别和预设特征集合中的至少两个推荐特征进行相似度计算，得到对应推荐特征的第一相似度，确定所有第一相似度中的最大值对应的推荐特征为待重构特征；使用所述解码器对所述待重构特征进行文本重构，得到所述文本重构结果
。4.
根据权利要求2所述的知识缺陷识别方法，其特征在于，所述知识缺陷识别方法还包括：根据所述语音业务数据和所述语义特征，使用音调识别模型进行音调提取，得到真实音调；获取所述推荐话术对应的推荐音调，将所述推荐音调和所述真实音调进行比对，得到第三比对结果；相应地，所述根据预设的映射表，结合所述第一比对结果和所述第二比对结果映射，得到修正向量，包括：根据所述映射表，结合所述第一比对结果
、
所述第二比对结果和所述第三比对结果映射，得到所述修正向量
。5.
根据权利要求1所述的知识缺陷识别方法，其特征在于，所述使用表情识别模型对所述视频业务数据进行表情推荐，得到推荐表情，包括：使用所述表情识别模型对所述视频业务数据进行表情识别，得到所述真实表情；
将所述真实表情...

【专利技术属性】
技术研发人员：梁亚妮，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：