【技术实现步骤摘要】
本专利技术涉及产品推荐，具体涉及一种智能ai客服对话引导方法。
技术介绍
1、随着ai技术的快速发展，智能客服在许多业务场景中得到了广泛的应用，例如在线购物等。它们不仅可以提供每周七天、每天24小时的服务，而且能够大幅度降低企业的运营成本。然而，尽管智能客服的应用日趋广泛，但在提供高质量客服服务的过程中仍然存在一些问题。例如，许多智能客服的回复过于机械，不能很好地理解用户的真实需求，造成了大量的用户投诉和对企业品牌的负面影响，以及金融损失。此外，现有的ai客服系统通常基于预定义的对话树进行对话管理，而这种对话管理方式在用户也不知道需求商品的具体名称时，无法帮助客户进行有效的商品寻找，近似通过问题标签和商品进行匹配，但也无法保证回复的有效性，因此导致用户对智能ai客服推荐的产品的满意度较低。
技术实现思路
1、为了解决现有的智能ai客服对用户进行产品推荐时存在的用户对推荐产品的满意度较低的问题，本专利技术的目的在于提供一种智能ai客服对话引导方法，所采用的技术方案具体如下：
2、本专利技术提供了一种智能ai客服对话引导方法，该方法包括以下步骤：
3、获取用户的提问文本数据和对应的智能ai客服的回答文本数据；基于所述提问文本数据和所述回答文本数据获得数据矩阵，其中数据矩阵包括提问数据矩阵和回答数据矩阵；
4、获取每个候选商品对应的商品向量，计算每个候选商品对应的商品向量与每个数据矩阵中每行数据的关联性；根据所述提问数据矩阵中每行数据与所述回答数据矩阵
5、基于所述回复有效性将数据矩阵中的数据划分为目标数据和非目标数据；根据目标数据对应的关联性获得每个候选商品的推荐率；根据非目标数据对应的关联性获得每个候选商品的非推荐率；
6、基于每个候选商品的推荐率和非推荐率确定每个候选商品的引导率；基于所有的所述引导率筛选待推荐商品并给用户进行推荐。
7、优选的，所述根据所述提问数据矩阵中每行数据与所述回答数据矩阵中每行数据的相似度，获得回答数据矩阵中每行数据对于提问文本数据中每行数据的回复有效性，包括：
8、对于所述回答数据矩阵中的第i行数据和所述提问数据矩阵中的第j行数据：
9、将所有候选商品对应的商品向量与回答数据矩阵中的第i行数据的相似度的最大值记为第一最大值，将所有候选商品对应的商品向量与提问数据矩阵中的第j行数据的相似度的最大值记为第二最大值；
10、基于所述第一最大值、所述第二最大值、回答数据矩阵中的第i行数据与提问数据矩阵中的第j行数据的相似度，获得回答数据矩阵中的第i行数据对于提问数据矩阵中的第j行数据的回复有效性。
11、优选的，基于所述第一最大值、所述第二最大值、回答数据矩阵中的第i行数据与提问数据矩阵中的第j行数据的相似度，获得回答数据矩阵中的第i行数据对于提问数据矩阵中的第j行数据的回复有效性，包括：
12、获取所述第一最大值和所述第二最大值中的最小值；
13、将所述最小值和回答数据矩阵中的第i行数据与提问数据矩阵中的第j行数据的相似度的乘积，确定为回答数据矩阵中的第i行数据对于提问数据矩阵中的第j行数据的回复有效性。
14、优选的，所述基于所有的所述引导率筛选待推荐商品并给用户进行推荐，包括：
15、按照引导率从大到小的顺序对所有候选商品进行排序获得候选商品序列；
16、将所述候选商品序列中的前预设数量个候选商品作为待推荐商品，将所述待推荐商品推荐给用户。
17、优选的，所述基于所述回复有效性将数据矩阵中的数据划分为目标数据和非目标数据，包括：
18、分别将所述提问数据矩阵中的每行数据与回答数据矩阵中的每行数据进行组合，获得不少于两个组合数据；
19、基于每个组合数据对应的回复有效性，采用k-means算法对所有组合数据进行聚类获得两个聚类簇，其中k-means算法聚类时k的值为2；
20、分别计算每个聚类簇内所有组合数据对应的回复有效性的均值，将均值最大的聚类簇内的组合数据作为目标数据，将均值最小的聚类簇内的组合数据对应的回复有效性作为非目标数据。
21、优选的，根据目标数据对应的关联性获得每个候选商品的推荐率，包括：
22、对于任一目标数据：将每个候选商品对应的商品向量与该目标数据中提问数据矩阵中的数据的关联性记为第一指标，将每个候选商品对应的商品向量与该目标数据中回答数据矩阵中的数据的关联性记为第二指标，将第一指标与第二指标的平均值作为对应的候选商品与该目标数据的关联值；
23、对于任一候选商品：将该候选商品与所有目标数据的关联值的和值作为该候选商品的推荐率。
24、优选的，根据非目标数据对应的关联性获得每个候选商品的非推荐率，包括：
25、对于任一非目标数据：将每个候选商品对应的商品向量与该非目标数据中提问数据矩阵中的数据的关联性记为第三指标，将每个候选商品对应的商品向量与该非目标数据中回答数据矩阵中的数据的关联性记为第四指标，将第三指标与第四指标的平均值作为对应的候选商品与该非目标数据的关联值；
26、对于任一候选商品：将该候选商品与所有非目标数据的关联值的和值的相反数作为该候选商品的不推荐率。
27、优选的，所述基于每个候选商品的推荐率和非推荐率确定每个候选商品的引导率，包括：
28、对于任一候选商品：将该选商品的推荐率和非推荐率的和值作为该候选商品的引导率。
29、优选的，提问数据矩阵和回答数据矩阵的获取，包括：
30、将提问文本数据输入到训练好的bert语言模型中，对提问文本数据进行断句和向量化处理，获得不少于两个等长的多维向量，将多维向量组合到一起获得提问数据矩阵；
31、将回答文本数据输入到训练好的bert语言模型中，对回答文本数据进行断句和向量化处理，获得不少于两个等长的多维向量，将多维向量组合到一起获得回答数据矩阵。
32、优选的，所述获取每个候选商品对应的商品向量，包括：
33、将候选商品的名称与其对应的标签拼凑成一句话，将拼凑好的话输入到训练好的bert语言模型中，输出对应的商品向量。
34、本专利技术至少具有如下有益效果：
35、本专利技术首先获取了提问数据矩阵和回答数据矩阵，提问数据矩阵能够反映用户的询问信息，回答数据矩阵能够反映智能ai客服针对用户的提问所做出的回复信息；然后根据提问数据矩阵中每行数据与回答数据矩阵中每行数据的相似度，获得了回答数据矩阵中每行数据对于提问文本数据中每行数据的回复有效性，回复有效性越大，说明智能ai客服的回复与用户所问的问题的重复率越高，也即智能ai客服回复越有效，本专利技术又计算了每个候选商品对应的商品向量与每个数据矩阵中每行数据的关联性，确定了每个候选商品的引导率，进而基本文档来自技高网...
【技术保护点】
1.一种智能AI客服对话引导方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种智能AI客服对话引导方法，其特征在于，所述根据所述提问数据矩阵中每行数据与所述回答数据矩阵中每行数据的相似度，获得回答数据矩阵中每行数据对于提问文本数据中每行数据的回复有效性，包括：
3.根据权利要求2所述的一种智能AI客服对话引导方法，其特征在于，基于所述第一最大值、所述第二最大值、回答数据矩阵中的第i行数据与提问数据矩阵中的第j行数据的相似度，获得回答数据矩阵中的第i行数据对于提问数据矩阵中的第j行数据的回复有效性，包括：
4.根据权利要求1所述的一种智能AI客服对话引导方法，其特征在于，所述基于所有的所述引导率筛选待推荐商品并给用户进行推荐，包括：
5.根据权利要求1所述的一种智能AI客服对话引导方法，其特征在于，所述基于所述回复有效性将数据矩阵中的数据划分为目标数据和非目标数据，包括：
6.根据权利要求5所述的一种智能AI客服对话引导方法，其特征在于，根据目标数据对应的关联性获得每个候选商品的推荐率，包括：
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。