诉求的分类方法和系统以及客服机器人应答的方法和系统技术方案

本说明书提供的诉求的分类方法和系统，基于服务入口之间的关联性对服务入口进行分类，并基于服务入口与诉求之间的关联性，将数量庞大的诉求划分至每个服务入口的类别对应的诉求集合中。本说明书提供的客服机器人应答的方法和系统在对用户所提问题进行诉求识别时，可以确定用户进入客服机器人应答系统时的服务入口所属的类别，从而从所属的类别对应的诉求集合中识别出用户所提问题对应的诉求，从而从诉求数量较少的诉求集合中准确识别出用户所提问题对应的诉求，从而提升诉求识别的准确率。

【技术实现步骤摘要】

本说明书涉及数据处理领域，尤其涉及一种诉求的分类方法和系统以及客服机器人应答的方法和系统。

技术介绍

1、用户在使用应用程序的过程中，若遇到问题则可以通过服务入口进入客服机器人应答系统中进行咨询。客服机器人应答系统可以从诉求库中识别出用户所提问题(即用户原声)对应的诉求，从而为用户提供该诉求的解决方案。然而，当诉求库中的诉求数量非常庞大时，客服机器人应答系统难以从数量庞大的诉求中准确识别出用户所提问题对应的真实诉求，导致诉求识别的准确率低，从而难以有效为用户解决问题。

2、因此，需要一种识别准确率更高的诉求的分类方法和系统以及客服机器人应答的方法和系统。

3、
技术介绍
部分的内容仅仅是专利技术人个人所知晓的信息，并不代表上述信息在本公开申请日之前已经进入公共领域，也不代表其可以成为本公开的现有技术。

技术实现思路

1、本说明书提供的诉求的方法和系统，可以提升诉求识别的准确率，进而能够有效为用户解决问题。

2、第一方面，本说明书提供一种诉求的分类方法，包括：基于m个服务入口之间本文档来自技高网...

【技术保护点】

1.一种诉求的分类方法，包括：

2.如权利要求1所述的方法，其中，还包括：

3.如权利要求2所述的方法，其中，所述确定所述M个服务入口的特征向量和所述N个诉求的特征向量，包括：

4.如权利要求3所述的方法，其中，所述样本诉求包括正样本诉求和负样本诉求，所述特征提取模型在训练过程中的训练目标通过最小化三元组损失实现，所述最小化三元组损失包括最小化所述样本问题对应的所述样本服务入口的特征向量和所述正样本诉求对应的特征向量的组合与所述样本问题的特征向量之间的差异，以及最大化所述样本问题对应的所述样本服务入口的特征向量和所述负样本诉求对应的特征向量的组合与所述...

【技术特征摘要】

1.一种诉求的分类方法，包括：

2.如权利要求1所述的方法，其中，还包括：

3.如权利要求2所述的方法，其中，所述确定所述m个服务入口的特征向量和所述n个诉求的特征向量，包括：

4.如权利要求3所述的方法，其中，所述样本诉求包括正样本诉求和负样本诉求，所述特征提取模型在训练过程中的训练目标通过最小化三元组损失实现，所述最小化三元组损失包括最小化所述样本问题对应的所述样本服务入口的特征向量和所述正样本诉求对应的特征向量的组合与所述样本问题的特征向量之间的差异，以及最大化所述样本问题对应的所述样本服务入口的特征向量和所述负样本诉求对应的特征向量的组合与所述样本问题的特征向量之间的差异。

5.如权利要求3所述的方法，其中，所述样本问题的特征向量是通过自然语言处理模型得到的。

6.如权利要求2所述的方法，其中，所述确定所述m个服务入口的特征向量和所述n个诉求的特征向量，包括：

7.如权利要求6所述的方法，其中，所述基于历史问题的特征向量，确定所述m个服务入口的特征向量和所述n个诉求的特征向量，包括：

8.如权利要求7所述的方法，其中，所述基于所述每个服务入口关联的历史问题的特征向量，确定所述每个服务入口的特征向量，包括：

9.如权利要求7所述的方法，其中，所述基于所述每个诉求关联的服务入口的特征向量和历史问题的特征向量，确定所述每个诉求的特征向量，包括：

10.如权利要求1所述的方法，其中，所述基于m个服...

【专利技术属性】
技术研发人员：陈睿，任天成，陈龙飞，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：