【技术实现步骤摘要】
面向RNN驱动的电商智能客服对话意图识别方法和系统
[0001]本专利技术涉及文本识别
、
文本分类
、
意图识别
、
智能机器人
、
深度学习测试领域,主要涉及一种面向
RNN
驱动的电商智能客服对话意图识别方法和系统
。
技术介绍
[0002]由于神经网络模型在解决许多现实世界的问题上表现优异,如自动驾驶汽车
、
恶意软件检测
、
情感分析和机器翻译,因此越来越受欢迎
。
同时,神经网络被证明容易受到诸如对抗性攻击和嵌入式后门等问题的影响
。
例如,
RNN
驱动的对话系统,亚马逊的智能音箱
Alexa
可能会被一些不好的边缘输入情况所欺骗,从而发出令人毛骨悚然的笑声,这让老人和儿童感到害怕,影响他们的生活
。
[0003]电商智能客服对话系统是一个利用人工智能技术解决电商客户问题的工具
。
它利用自然语言处理和机器学习技术,可以与用户进行实时对话,提供有关订单
、
产品
、
退款等方面的帮助和支持
。
电商智能客服对话系统在处理大规模客户问题时存在速度上的天然优势,但依然存在一些问题和挑战
。
常规的电商智能客服对话系统仅能理解一些客户提出的简单的问题,但是对于复杂或者需要上下文情景的问题,系统还难以理解或者正确解读客户的意图,这将导致 ...
【技术保护点】
【技术特征摘要】
1.
面向
RNN
驱动的电商智能客服对话意图识别方法,其特征在于,包括如下步骤:
S1、
生成原始分类网络:采集公开的京东和淘宝客服对话语料库,构建循环神经网络分类模型,训练得到一个电商智能客服意图识别模型;
S2、
生成测试样例:以公开客服对话语料库中的测试数据集作为种子数据,分别生成字符级
、
词语级
、
句子级的测试样例
。S3、
根据测试指标筛选测试样例:在每个生成的测试样例上计算测试筛选指标,按照筛选指标对生成的样例进行排序,排名靠前的样例就是目标样例;
S4、
测试智能客服意图识别网络:将筛选出来的各个意图类别的样例输入电商智能客服意图识别模型进行测试,得到模型的平均精度,判断筛选样本的质量,分析测试结果;
S5、
增强分类模型:通过多次筛选和测试得到高质量的测试样例,加入到训练数据集中,对原模型进行增强型重训练;
S6、
输入新的客户咨询数据,实现客服系统高精度识别用户意图
。2.
根据权利要求1所述的面向
RNN
驱动的电商智能客服对话意图识别方法,其特征在于,所述步骤
S1
中,为了验证方法的通用性,构建了不同基础结构的
RNN
驱动的电商智能客服对话系统意图识别分类模型,分别包含
LSTM
,
GRU
,和
SRNN
三种不同的
RNN
结构
。3.
根据权利要求1所述的面向
RNN
驱动的电商智能客服对话意图识别方法,其特征在于,步骤
S1
将所述公开的电商智能客服数据集输入所述多种循环神经网络模型包括:
S1
‑
1、
将公开的京东和淘宝客服对话语料库进行清洗,删去单个字符和数字,全部转化为小写字母,将对话内容拆分成单个词组,对词组进行编码,将每个文本样本使用词组编码组成一个离散向量;
S1
‑2:分别将编码向量输入三种不同的网络模型,计算损失函数,更新模型参数,反复执行此步骤;
S1
‑3:将输出的向量映射到数据意图识别的各个种类上,根据排序得到种类识别结果
。4.
根据权利要求2所述的面向
RNN
驱动的电商智能客服对话意图识别方法,其特征在于:所述步骤
S2
中,按照文本数据的构成要素,以客服对话语料库中的测试数据集作为种子数据,生成字
、
词
、
句三种等级的样例,包含以下步骤:通过随机拼写错误生成字符级变化的样例,通过同义词替换生成词语级变化的样例,通过反向翻译方法生成句子级样例,将这些生成的测试样例和对应的类别信息对应构成待筛选的数据集
。5.
根据权利要求1所述的面向
RNN
驱动的电商智能客服对话意图识别方法,其特征在于:步骤
S3
中所述根据测试指标筛选测试样例包括:
S3
‑
1、
将生成的待筛选语料库输入到训练过的模型中,根据循环神经网络的状态特征,记录样例在意图识别模型中的各个隐藏状态向量;
S3
‑
2、
将样例的每个状态向量进行
softmax
处理,得到每个状态的类别概率序列,对这个概率序列进行排序,将排名第一和排名第二的概率值的比值作为这一个隐藏状态的可疑度,至此,构成样例的隐藏状态可疑度序列;
S3
‑
3、
按照隐藏状态的重要度升序特点,对样例的隐藏状态可疑度序列中的值增加一个随隐藏状态深度加深而变化的权重,计算隐藏状态的加权可疑度序列;
S3
‑
4、
将上述加权的隐藏状态可疑度序列进行求和处理,所得的结果作为样例的筛选
指标
。
计算出所有样例的加权可疑度和之后,按照升序排序,排名越靠前的样本,表明在分类模型中不确定性越高,就是目标样本
。6.
根据权利要求4所述的面向
RNN
驱动的电商智能客服对话意图识别方法,其特征在于,步骤
S3
‑2中
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。