【技术实现步骤摘要】
本专利技术涉及智能客服领域，尤其涉及一种全渠道智能客服管理系统。
技术介绍
1、随着互联网和移动互联网的快速发展，越来越多的企业将线上渠道作为与消费者互动的主要方式。在这些线上渠道中，智能客服系统成为提供快速、高效且个性化服务的重要工具。智能客服系统利用人工智能技术，如自然语言处理、机器学习等，能够对用户的问题进行准确理解，并给出相应的解答或建议。然而，由于现有的智能客服系统大多只针对单一渠道设计，例如仅支持文字对话、电话呼叫等，无法满足全渠道的客服需求。如何关联分析不同渠道环境下的用户对话，以便能够在不同渠道之间保持上下文一致性成为亟需解决的关键问题。针对该问题，本专利技术提出一种全渠道智能客服管理系统，实现不同渠道客户对话内容的无缝切换。
技术实现思路
1、有鉴于此，本专利技术提供一种全渠道智能客服管理系统，目的在于：1)采集用户在不同客服渠道的对话数据，并依据对话数据中词组的位置信息以及上下文信息进行语义信息编码处理，得到不同渠道的语义特征向量，实现全渠道的语义特征向量提取，并根据不同渠道的语义特征向量之间的注意力相关度矩阵，进行不同渠道的语义特征向量对齐，将全渠道的语义特征向量在同一维度表示，其中语义特征向量的对齐结果表征了不同渠道对话数据的对应关系，实现全渠道对话数据的表征对话数据对应关系的语义提取；2)根据语义特征向量的对齐关系，结合不同渠道的对话轮次信息对全渠道语义特征向量进行全渠道一致性合并，得到表征当前用户对话语义信息的一致性上下文语义特征向量，采用结合步长衰减迭
2、为实现上述目的，本专利技术提供的一种全渠道智能客服管理系统，包括以下步骤：
3、s1：采集不同渠道的对话数据，并从每个渠道收集到的对话数据中提取出上下文信息，得到不同渠道的上下文信息，其中上下文信息包括前几轮的对话历史以及用户信息；
4、s2：对提取到的上下文信息进行信息编码，得到表征上下文语义的语义特征向量，其中改进的transformer模型为所述信息编码的主要实施方法；
5、s3：对不同渠道的语义特征向量进行语义对齐处理，其中结合注意力机制计算语义相似度来调整各个渠道上下文的权重为所述上下文对齐的主要实施方法；
6、s4：将经过对齐处理的语义特征向量进行全渠道一致性合并，得到一致性上下文语义特征向量；
7、s5：基于一致性上下文语义特征向量，使用对话生成模型生成对话文本，进行一致性客服应答。
8、作为本专利技术的进一步改进方法：
9、可选地，所述s1步骤中采集不同渠道的对话数据，并从每个渠道收集到的对话数据中提取出上下文信息，包括：
10、采集不同渠道的对话数据，在本专利技术实施例中，所述渠道包括文字对话、电话呼叫以及视频通话，不同渠道的对话数据表示来自不同渠道的文本形式对话数据，并从每个渠道收集到的对话数据中提取出上下文信息，得到不同渠道的上下文信息，其中全渠道对话数据的上下文信息表示形式为：
11、
12、
13、其中：
14、xm表示第m种渠道对话数据的上下文信息，m表示渠道的总数；
15、表示第m种渠道获取的用户信息，表示第m种渠道获取的前numm轮历史对话数据，numm表示用户在第m种渠道的对话轮次；
16、表示历史对话数据的分词结果，表示历史对话数据中的第个词组，表示历史对话数据的词组总数。
17、可选地，所述s2步骤中对提取到的上下文信息进行信息编码，包括：
18、对提取到的全渠道对话数据的上下文信息进行信息编码，其中第m种渠道对话数据的上下文信息的信息编码流程为：
19、s21：对第m种渠道对话数据的上下文信息进行独热编码，其中的独热编码结果为：
20、
21、其中：
22、表示的独热编码结果，表示历史对话数据中第个词组的独热编码结果；
23、s22：对独热编码后的上下文信息进行词组位置信息嵌入，其中中第j个词组的词组位置信息嵌入结果为：
24、
25、其中：
26、表示中第j个词组的词组位置信息，
27、表示历史对话数据中第j个词组所在的句子数；
28、d表示词组独热编码结果的长度；
29、表示中第j个词组的词组位置信息嵌入结果；
30、构成独热编码结果的词组位置信息嵌入的编码表示结果
31、
32、s23：对词组位置信息嵌入的编码表示结果进行结合自注意力机制的语义编码表示处理，生成每个上下文信息的语义特征向量，其中编码表示结果的语义编码表示处理公式为：
33、
34、
35、
36、其中：
37、q(·)表示自编码处理，其中自编码处理包括编码层以及解码层，编码层对输入向量进行卷积降维处理，并由解码层对卷积结果进行重构，生成语义特征向量；
38、表示编码表示结果的语义特征向量；
39、t表示转置；
40、w1,w2,w3,w4,w5,w6为卷积参数；
41、⊙表示逐元素相乘运算符；
42、d∫表示词组位置信息嵌入的编码表示结果的长度；
43、表示编码表示结果的压缩表示结果；
44、sigmoid(·),softmax(·),relu(·)均为激活函数；
45、构成全渠道的语义特征向量集合：
46、
47、其中：
48、fm表示第m种渠道的语义特征向量序列。在本专利技术实施例中，用户信息的语义特征向量编码流程与对话数据的语义特征向量编码流程相同。
49、可选地，所述s3步骤中对不同渠道的语义特征向量进行语义对齐处理，包括：
50、对不同渠道的语义特征向量进行语义对齐处理，其中语义对齐处理流程为：
51、s31：设置语义对齐格式len，其中语义对齐格式为语义对齐处理后语义特征向量的长度；
52、s32：选取对话轮次最多的渠道的语义特征向量序列作为起始语义特征向量序列u0，并将起始语义特征向量序列扩展为长度为l的特征向量，作为该渠道下语义对齐处理后的语义特征向量；在本专利技术实施例中，所述语义特征向量序列的扩展处理为对语义特征向量序列进行末端补0扩展；
53、s33：计算得到任意渠道下语义特征向量序列与起始语义特征向量序列u0的注意力相关度矩阵，其中语义特征向量序列fm与起始语义特征向量序列u0的注意力相关度矩阵为：
54、cm,0＝softmax(em,0)
55、
56、
57、
58、其中：
59、表示本文档来自技高网...
【技术保护点】
1.一种全渠道智能客服管理系统，其特征在于，所述全渠道智能客服管理系统所采用方法包括：
2.如权利要求1所述的一种全渠道智能客服管理系统，其特征在于，所述S1步骤中采集不同渠道的对话数据，并从每个渠道收集到的对话数据中提取出上下文信息，包括：
3.如权利要求2所述的一种全渠道智能客服管理系统，其特征在于，所述S2步骤中对提取到的上下文信息进行信息编码，包括：
4.如权利要求1所述的一种全渠道智能客服管理系统，其特征在于，所述S3步骤中对不同渠道的语义特征向量进行语义对齐处理，包括：
5.如权利要求4所述的一种全渠道智能客服管理系统，其特征在于，所述S4步骤中将经过对齐处理的语义特征向量进行全渠道一致性合并，包括：
6.如权利要求1所述的一种全渠道智能客服管理系统，其特征在于，所述S5步骤中基于一致性上下文语义特征向量，使用对话生成模型生成对话文本，进行客服应答，包括：
7.如权利要求6所述的一种全渠道智能客服管理系统，其特征在于，所述S51步骤中构建并训练对话生成模型，包括：
8.一种全渠道智能客
...【技术特征摘要】
1.一种全渠道智能客服管理系统，其特征在于，所述全渠道智能客服管理系统所采用方法包括：
2.如权利要求1所述的一种全渠道智能客服管理系统，其特征在于，所述s1步骤中采集不同渠道的对话数据，并从每个渠道收集到的对话数据中提取出上下文信息，包括：
3.如权利要求2所述的一种全渠道智能客服管理系统，其特征在于，所述s2步骤中对提取到的上下文信息进行信息编码，包括：
4.如权利要求1所述的一种全渠道智能客服管理系统，其特征在于，所述s3步骤中对不同渠道的语义特征向量进行语义对齐处理，...
【专利技术属性】
技术研发人员：张保亮，徐英辉，解鸿斌，李闯，曹晓盼，郎子君，王大中，刘鹏，靳皓翔，廖茹，严欢春，
申请(专利权)人：中国电力科学研究院有限公司，
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。