【技术实现步骤摘要】
本申请涉及电商，尤其涉及一种电商客服答复方法及其相应的装置、计算机设备、计算机可读存储介质。
技术介绍
1、随着电子商务的高速增长，电商平台上的商家和买家数量激增，这导致用户提问的急剧增加。为了应对这一挑战，开发了智能客服系统，它能够辨识用户的问题并给予合理的回答。
2、传统技术中，客服根据用户的提问语句从数据库中确定出与该提问语句相匹配的预设问答对中的问题，将该预设问答对中的答案答复用户，然而这样的实现方式需要将提问语句与数据库中的所有预设问答对中的问题一一匹配，才能得出相匹配的问题对应的答案答复用户，导致用户的等待时间过长，严重影响用户体验和满意度。
3、鉴于传统技术的不足，本申请人长期从事相关领域的研究，为解决数据库信息处理领域业内难题，故另辟蹊径。
技术实现思路
1、本申请的首要目的在于解决上述问题至少之一而提供一种电商客服答复方法及其相应的装置、计算机设备、计算机可读存储介质。
2、为满足本申请的各个目的，本申请采用如下技术方案：
3、适应本申请的目的之一而提供的一种电商客服答复方法，包括如下步骤：
4、响应客服应答请求，获取该客服应答请求携带的提问语句；
5、当所述提问语句属于短句类型时，将所述提问语句与预设的知识库中属于短句类型的预设问句进行字符匹配，获取字符匹配出的预设问句对应的预设答句作为回复语句答复所述提问语句；
6、当所述提问语句不属于短句类型或字符匹配失败时，将所述提问语句与
7、采用预设的同义校验模型校验出所述提问语句与所述待校验问句同义时，将该待校验问句对应的预设答句作为回复语句答复所述提问语句。
8、进一步的实施例中，采用预设的同义校验模型校验出所述提问语句与所述待校验问句同义时，将该待校验问句对应的预设答句作为回复语句答复所述提问语句，包括如下步骤：
9、采用预设的同义校验模型中的文本编码层确定出所述提问语句的向量化语义表示和所述待校验问句的向量化语义表示；
10、确定出所述提问语句的向量化语义表示与所述待校验问句的向量化语义表示之间的同义置信度；
11、当所述同义置信度超过预设阈值时，确认所述提问语句与所述待校验问句同义。
12、进一步的实施例中，将所述提问语句与所述知识库中所有预设问句进行向量匹配，获取向量匹配出的与所述提问语句的语义最相关的预设问句作为待校验问句，包括如下步骤：
13、采用预设的文本编码模型确定出所述提问语句的向量化语义表示；
14、获取由所述文本编码模型确定出的所述知识库中所有预设问句对应的向量化语义表示；
15、确定出所述提问语句的向量化表示与各个所述预设问句对应的向量化语义表示之间的语义相关度；
16、筛选出所述语义相关度最高的预设问句作为待校验问句。
17、进一步的实施例中，将所述提问语句与所述知识库中所有预设问句进行向量匹配之后，包括如下步骤：
18、当向量匹配失败时，采用预设的意图识别模型识别对所述提问语句进行识别，当识别出提问语句不存在咨询意图时，获取所述知识库中各个预设问句对应的预设答句的回复次数，筛选出所述回复次数满足预设条件的预设问句构造出推荐提问列表，将其和预设的重输提示语句答复所述提问语句；
19、当识别出提问语句存在咨询意图时，启用人工客服。
20、进一步的实施例中，响应客服应答请求，获取该客服应答请求携带的提问语句之后，包括如下步骤：
21、当并发响应多个客服应答请求时，采用预设的同义校验模型对各个客服应答请求携带的提问语句进行同义校验；
22、当校验出同义的至少两个提问语句时，确定出其中之一的提问语句对应的回复语句，以该回复语句答复同义的各个提问语句。
23、进一步的实施例中，采用预设的同义校验模型校验出所述提问语句与所述待校验问句同义时，将该待校验问句对应的预设答句作为回复语句答复所述提问语句之前，包括如下步骤：
24、获取第一训练集，所述第一训练集包括多个第一训练样本及其监督标签，所述第一训练样本包括提问语句和预设问句，所述监督标签表征相应的第一训练样本中的提问语句与预设问句是否同义；
25、采用第一训练集训练同义校验模型，使其习得确定出输入的两个语句之间是否同义的能力。
26、进一步的实施例中，采用预设的意图识别模型识别对所述提问语句进行识别之前，包括如下步骤：
27、获取第二训练集，所述第二训练集包括多个第二训练样本及其监督标签，所述监督标签表征相应的第二训练样本是否存在咨询意图，所述第二训练样本为提问语句；
28、采用第二训练集训练意图识别模型，使其习得确定出输入的语句是否存在咨询意图的能力。
29、另一方面，适应本申请的目的之一而提供的一种电商客服答复装置，包括请求响应模块、字符匹配模块、向量匹配模块以及同义校验模块，其中，请求响应模块，用于响应客服应答请求，获取该客服应答请求携带的提问语句；字符匹配模块，用于当所述提问语句属于短句类型时，将所述提问语句与预设的知识库中属于短句类型的预设问句进行字符匹配，获取字符匹配出的预设问句对应的预设答句作为回复语句答复所述提问语句；向量匹配模块，用于当所述提问语句不属于短句类型或字符匹配失败时，将所述提问语句与所述知识库中所有预设问句进行向量匹配，获取向量匹配出的与所述提问语句的语义最相关的预设问句作为待校验问句；同义校验模块，用于采用预设的同义校验模型校验出所述提问语句与所述待校验问句同义时，将该待校验问句对应的预设答句作为回复语句答复所述提问语句。
30、进一步的实施例中，所述同义校验模块，包括：同义向量化子模块，用于采用预设的同义校验模型中的文本编码层确定出所述提问语句的向量化语义表示和所述待校验问句的向量化语义表示；同义置信度确定子模块，用于确定出所述提问语句的向量化语义表示与所述待校验问句的向量化语义表示之间的同义置信度；同义确定子模块，用于当所述同义置信度超过预设阈值时，确认所述提问语句与所述待校验问句同义。
31、进一步的实施例中，所述向量匹配模块，包括：文本向量化子模块，用于采用预设的文本编码模型确定出所述提问语句的向量化语义表示；向量获取子模块，用于获取由所述文本编码模型确定出的所述知识库中所有预设问句对应的向量化语义表示；语义相关度确定子模块，用于确定出所述提问语句的向量化表示与各个所述预设问句对应的向量化语义表示之间的语义相关度；问句筛选子模块，用于筛选出所述语义相关度最高的预设问句作为待校验问句。
32、进一步的实施例中，所述向量匹配模块之后，包括：意图识别子模块，用于当向量匹配失败时，采用预设的意图识别模型识别对所述提问语句进行识别，当识别出提问语句不存在咨本文档来自技高网...
【技术保护点】
1.一种电商客服答复方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的电商客服答复方法，其特征在于，采用预设的同义校验模型校验出所述提问语句与所述待校验问句同义时，将该待校验问句对应的预设答句作为回复语句答复所述提问语句，包括如下步骤：
3.根据权利要求1所述的电商客服答复方法，其特征在于，将所述提问语句与所述知识库中所有预设问句进行向量匹配，获取向量匹配出的与所述提问语句的语义最相关的预设问句作为待校验问句，包括如下步骤：
4.根据权利要求1所述的电商客服答复方法，其特征在于，将所述提问语句与所述知识库中所有预设问句进行向量匹配之后，包括如下步骤：
5.根据权利要求1所述的电商客服答复方法，其特征在于，响应客服应答请求，获取该客服应答请求携带的提问语句之后，包括如下步骤：
6.根据权利要求1所述的电商客服答复方法，其特征在于，采用预设的同义校验模型校验出所述提问语句与所述待校验问句同义时，将该待校验问句对应的预设答句作为回复语句答复所述提问语句之前，包括如下步骤：
7.根据权利要求4所述的电商客服答
8.一种电商客服答复装置，其特征在于，包括：
9.一种计算机设备，包括中央处理器和存储器，其特征在于，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行如权利要求1至7中任意一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，其以计算机可读指令的形式存储有依据权利要求1至7中任意一项所述的方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行相应的方法所包括的步骤。
...【技术特征摘要】
1.一种电商客服答复方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的电商客服答复方法，其特征在于，采用预设的同义校验模型校验出所述提问语句与所述待校验问句同义时，将该待校验问句对应的预设答句作为回复语句答复所述提问语句，包括如下步骤：
3.根据权利要求1所述的电商客服答复方法，其特征在于，将所述提问语句与所述知识库中所有预设问句进行向量匹配，获取向量匹配出的与所述提问语句的语义最相关的预设问句作为待校验问句，包括如下步骤：
4.根据权利要求1所述的电商客服答复方法，其特征在于，将所述提问语句与所述知识库中所有预设问句进行向量匹配之后，包括如下步骤：
5.根据权利要求1所述的电商客服答复方法，其特征在于，响应客服应答请求，获取该客服应答请求携带的提问语句之后，包括如下步骤：
6.根据...
【专利技术属性】
技术研发人员：杨鹏，
申请(专利权)人：广州商研网络科技有限公司，
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。