本申请涉及一种业务处理方法
【技术实现步骤摘要】
业务处理方法、装置、计算机设备和存储介质
[0001]本申请涉及人工智能领域,特别是涉及一种业务处理方法
、
装置
、
计算机设备和存储介质
。
技术介绍
[0002]随着人工智能技术的不断发展,各行各业基于人工智能技术向智能化转型已经成为趋势
。
[0003]在传统的银行客户服务模式中,通常采用人工处理的方法,对客户在银行或者电话中提出的业务请求进行应答和处理
。
[0004]然而,银行客户业务需求量较大,受限于有限的工作人员,客户经常需要排队等待,且服务水平较难保持一致
。
技术实现思路
[0005]基于此,有必要针对上述技术问题,提供一种能够减少处理业务的人力需求
、
提升处理业务的效率
、
精确性和一致性的业务处理方法
、
装置
、
计算机设备
、
计算机可读存储介质和计算机程序产品
。
[0006]第一方面,本申请提供了一种业务处理方法
。
所述方法包括:
[0007]接收用户的业务咨询请求;
[0008]将所述业务咨询请求输入到深度相关性匹配模型中,所述深度相关性匹配模型按照与所述业务咨询请求的文本类别相匹配的特征提取方式,提取所述业务咨询请求的特征向量,对所述特征向量进行处理,输出与所述业务咨询请求匹配度最高的应答信息,其中,所述深度相关性匹配模型由样本咨询请求与应答信息的对应关系训练得到;
[0009]发送与所述业务咨询请求匹配度最高的应答信息
。
在其中一个实施例中,所述深度相关性匹配模型的训练方式包括:
[0010]获取所述样本咨询请求的集合,所述集合包括多个标注有应答信息的所述样本咨询请求;
[0011]构建所述深度相关性匹配模型,所述深度相关性匹配模型中设置有训练参数;
[0012]将所述样本咨询请求输入至所述深度相关性匹配模型,生成预测结果;
[0013]基于所述预测结果与标注的应答信息之间的差异,对所述训练参数进行迭代调整,直至所述差异满足预设要求,得到所述深度相关性匹配模型
。
[0014]在其中一个实施例中,所述深度相关性匹配模型的训练维度包括:词语
、
短语和句子中的至少一种
。
[0015]在其中一个实施例中,所述方法还包括:
[0016]验证所述深度相关性匹配模型的性能,并根据验证结果对所述深度相关性匹配模型进行调优
。
[0017]在其中一个实施例中,所述方法还包括:
[0018]对所述深度相关性匹配模型进行定期维护
。
[0019]在其中一个实施例中,所述方法还包括:
[0020]将所述深度相关性匹配模型部署于业务处理系统
。
[0021]在其中一个实施例中,所述深度相关性匹配模型能够根据用户标识调整所述业务咨询请求与所述应答信息的匹配度
。
[0022]第二方面,本申请还提供了一种业务处理装置
。
所述装置包括:
[0023]接收模块,用于接收用户的业务咨询请求;
[0024]匹配模块,用于将所述业务咨询请求输入到深度相关性匹配模型中,所述深度相关性匹配模型按照与所述业务咨询请求的文本类别相匹配的特征提取方式,提取所述业务咨询请求的特征向量,对所述特征向量进行处理,输出与所述业务咨询请求匹配度最高的应答信息,其中,所述深度相关性匹配模型由样本咨询请求与应答信息的对应关系训练得到;
[0025]发送模块,用于发送与所述业务咨询请求匹配度最高的应答信息
。
[0026]第三方面,本申请还提供了一种计算机设备
。
所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
[0027]接收用户的业务咨询请求;
[0028]将所述业务咨询请求输入到深度相关性匹配模型中,所述深度相关性匹配模型按照与所述业务咨询请求的文本类别相匹配的特征提取方式,提取所述业务咨询请求的特征向量,对所述特征向量进行处理,输出与所述业务咨询请求匹配度最高的应答信息,其中,所述深度相关性匹配模型由样本咨询请求与应答信息的对应关系训练得到;
[0029]发送与所述业务咨询请求匹配度最高的应答信息
。
[0030]第四方面,本申请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,其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以下步骤:
[0031]接收用户的业务咨询请求;
[0032]将所述业务咨询请求输入到深度相关性匹配模型中,所述深度相关性匹配模型按照与所述业务咨询请求的文本类别相匹配的特征提取方式,提取所述业务咨询请求的特征向量,对所述特征向量进行处理,输出与所述业务咨询请求匹配度最高的应答信息,其中,所述深度相关性匹配模型由样本咨询请求与应答信息的对应关系训练得到;
[0033]发送与所述业务咨询请求匹配度最高的应答信息
。
[0034]上述业务处理方法
、
装置
、
计算机设备和存储介质能够接收用户的业务咨询请求;将业务咨询请求输入到深度相关性匹配模型中,深度相关性匹配模型按照与业务咨询请求的文本类别相匹配的特征提取方式,提取业务咨询请求的特征向量,对特征向量进行处理,输出与业务咨询请求匹配度最高的应答信息,其中,深度相关性匹配模型由样本咨询请求与应答信息的对应关系训练得到;发送与业务咨询请求匹配度最高的应答信息
。
由于上述业务处理方法能够利用经过训练的深度相关性匹配模型对业务咨询请求的语义进行理解,并基于文本类别匹配应答信息反馈给用户,因此,采用该方法处理用户的业务咨询请求,不再依赖人工处理方式,能够减少处理银行业务所需要的人力资源,同时提升处理银行业务的效率
、
精确性和一致性
。
附图说明
[0035]图1为一个实施例中业务处理方法的应用环境图;
[0036]图2为一个实施例中业务处理方法的流程示意图;
[0037]图3为一个实施例中深度相关性匹配模型的训练方式的流程示意图;
[0038]图4为一个实施例中业务处理装置的结构框图;
[0039]图5为一个实施例中计算机设备的内部结构图
。
具体实施方式
[0040]为了使本申请的目的
、
技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明
。
应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请
。
[0041]本申请实施例提供的业务处理方法,可以应用于如图1所示的应用环境中
。
其中,终端<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种业务处理方法,其特征在于,所述方法包括:接收用户的业务咨询请求;将所述业务咨询请求输入到深度相关性匹配模型中,所述深度相关性匹配模型按照与所述业务咨询请求的文本类别相匹配的特征提取方式,提取所述业务咨询请求的特征向量,对所述特征向量进行处理,输出与所述业务咨询请求匹配度最高的应答信息,其中,所述深度相关性匹配模型由样本咨询请求与应答信息的对应关系训练得到;发送与所述业务咨询请求匹配度最高的应答信息
。2.
根据权利要求1所述的方法,其特征在于,所述深度相关性匹配模型的训练方式包括:获取所述样本咨询请求的集合,所述集合包括多个标注有应答信息的所述样本咨询请求;构建所述深度相关性匹配模型,所述深度相关性匹配模型中设置有训练参数;将所述样本咨询请求输入至所述深度相关性匹配模型,生成预测结果;基于所述预测结果与标注的应答信息之间的差异,对所述训练参数进行迭代调整,直至所述差异满足预设要求,得到所述深度相关性匹配模型
。3.
根据权利要求2所述的方法,其特征在于,所述深度相关性匹配模型的训练维度包括:词语
、
短语和句子中的至少一种
。4.
根据权利要求1所述的方法,其特征在于,所述方法还包括:验证所述深度相关性匹配模型的性能,并根据验证结果对所述深度相关性匹配模型进行调优
。5.
根据...
【专利技术属性】
技术研发人员:陈永强,夏梦,张鑫,杨露峰,杨凌波,张顺,梁栋,袁紫祎,李冰叶,熊利花,吕硕,
申请(专利权)人:中国银行股份有限公司,
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。