System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及深度学习,尤其涉及一种在线客服匹配方法、装置、电子设备及可读存储介质。
技术介绍
1、随着科学技术的发展,众多行业大力发展线上业务,许多行业的销售业务在线上得以实现,用户可以通过线上平台在线提供目标需求,销售端根据用户提供的目标需求匹配相应的客服解决用户的需求。例如,在房屋租赁的线上平台,用户在线发送自己的需求,平台根据预设规则匹配相对应的客服,将用户需求发送给该客服。预设规则可能是简单地根据城市和关键字匹配的方式。但上述在线客服匹配方法较为简单,很可能会忽略掉用户需求的一些重要信息,没有精准根据用户需求匹配最合适的客服,用户的需求往往不能准确解决。
技术实现思路
1、有鉴于此,本公开实施例提供了一种在线客服匹配方法、装置、电子设备及可读存储介质,以解决现有技术中用户提出的需求不能准确匹配客服的问题。
2、本公开实施例的第一方面,提供了一种在线客服匹配方法,包括:获取用户输入的提示信息和候选客服特征数据集;通过第一提示信息标注大语言模型对提示信息进行标注,得到提示信息的第一标签,以及通过第二提示信息标注大语言模型对提示信息进行标注,得到提示信息的第二标签,第一提示信息标注大语言模型和第二提示信息标注大语言模型不同;将提示信息和提示信息的第一标签确定为提示信息第一特征数据,并对提示信息第一特征数据进行向量嵌入,得到提示信息的第一初始特征向量,以及将提示信息和提示信息的第二标签确定为提示信息第二特征数据,并对提示信息第二特征数据进行向量嵌入,得到提示信息的第二初始
3、本公开实施例的第二方面,提供了一种在线客服匹配装置,包括:获取模块,用于获取用户输入的提示信息和候选客服特征数据集;标注模块,用于通过第一提示信息标注大语言模型对提示信息进行标注,得到提示信息的第一标签,以及通过第二提示信息标注大语言模型对提示信息进行标注,得到提示信息的第二标签,第一提示信息标注大语言模型和第二提示信息标注大语言模型不同;向量嵌入模块,用于将提示信息和提示信息的第一标签确定为提示信息第一特征数据,并对提示信息第一特征数据进行向量嵌入,得到提示信息的第一初始特征向量,以及将提示信息和提示信息的第二标签确定为提示信息第二特征数据,并对提示信息第二特征数据进行向量嵌入,得到提示信息的第二初始特征向量,以及对各个候选客服特征数据进行向量嵌入,得到各个候选客服的初始特征向量;第一特征变换模块,用于通过第一大语言模型对提示信息的第一初始特征向量进行特征变换,得到提示信息的第一特征向量,以及通过第一大语言模型对各个候选客服的初始特征向量进行特征变换,得到各个候选客服的第一特征向量;第二特征变换模块,用于通过第二大语言模型对提示信息的第二初始特征向量进行特征变换,得到提示信息的第二特征向量,以及通过第二大语言模型对各个候选客服的初始特征向量进行特征变换,得到各个候选客服的第二特征向量,第一大语言模型和第二大语言模型不同;匹配概率预测模块,用于基于提示信息的第一特征向量和各个候选客服的第一特征向量对各个候选客服进行匹配概率预测,得到各个候选客服的第一匹配得分,以及基于提示信息的第二特征向量和各个候选客服的第二特征向量对各个候选客服进行匹配概率预测,得到各个候选客服的第二匹配得分;加权模块,用于基于各个候选客服的第一匹配得分和各个候选客服的第二匹配得分进行加权求和,得到各个候选客服的目标匹配得分;推荐模块,用于基于各个候选客服的目标匹配得分,从多个候选客服中选取向用户推荐的目标客服。
4、本公开实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
5、本公开实施例的第四方面,提供了一种可读存储介质,该可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
6、本公开实施例与现有技术相比存在的有益效果是:将用户提供的提示信息和候选客服特征数据集输入匹配模型,通过第一提示信息标注大语言模型和第二提示信息标注大语言模型分别对提示信息进行标注,对提示信息进行深入分析并学习其中的模式和特征,提取或学习到提示信息中的重要关键特征,生成与提示信息的第一标签和提示信息的第二标签,第一标签和第二标签为用户的特定需求与意向,第一提示信息标注大语言模型和第二提示信息标注大语言模型不同,上述两个大语言模型可能会关注不同的特征或模式,或采用不同的学习策略,生成的第二标签可能与第一标签不同,反映出对提示信息的不同理解。生成不同的第一标签与第二标签可以为后续的数据处理和分析提供了更丰富的视角和可能性。将提示信息和提示信息的第一标签确定为提示信息第一特征数据,并对提示信息第一特征数据进行向量嵌入,将非数值型数据转化为匹配模型可以处理的数值型数据,即提示信息的第一初始特征向量,采取类似的数据处理的方法,得到提示信息的第二初始特征向量和各个候选客服的初始特征向量。将提示信息的第一初始特征向量和各个候选客服的初始特征向量输入第一大语言模型进行特征变换,利用第一大语言模型强大的特征处理能力,可以学习输入数据的深层语义、上下文关系等,得到更加丰富和多样的提示信息的第一特征向量和各个候选客服的第一特征向量,从而提高后续匹配概率预测的准确性,提高匹配模型的精准性。将提示信息的第二初始特征向量和各个候选客服的初始特征向量输入第二大语言模型进行特征变换,利用第二大语言模型强大的特征处理能力,学习输入数据中的前后文关系,得到更加丰富和多样且更具区分度的提示信息的第二特征向量和各个候选客服的第二特征向量。第一大语言模型和第二大语言模型不同,可以从不同角度以不同方式深入挖掘输入数据的信息,从而更精准地进行匹配和推荐。并基于提示信息的第一特征向量和各个候选客服的第一特征向量对各个候选客服进行匹配概率预测,得到各个候选客服的第一匹配得分,为各个候选客服预测一个匹配概率反映各个候选客服与提示信息在一定程度上的相似度或相关性,以及基于提示本文档来自技高网...
【技术保护点】
1.一种在线客服匹配方法,其特征在于,包括:
2.根据权利要求1所述在线客服匹配方法,其特征在于,所述基于所述提示信息的第一特征向量和各个所述候选客服的第一特征向量对各个所述候选客服进行匹配概率预测,得到各个所述候选客服的第一匹配得分,包括:
3.根据权利要求1所述在线客服匹配方法,其特征在于,所述基于所述提示信息的第二特征向量和各个所述候选客服的第二特征向量对各个所述候选客服进行匹配概率预测,得到各个所述候选客服的第二匹配得分,包括:
4.根据权利要求1所述在线客服匹配方法,其特征在于,所述基于各个所述候选客服的目标匹配得分,从多个所述候选客服中选取向所述用户推荐的目标客服,包括:
5.根据权利要求1所述在线客服匹配方法,其特征在于,所述从多个所述候选客服中选取向所述用户推荐的目标客服之后,还包括:
6.根据权利要求1所述在线客服匹配方法,其特征在于,所述候选客服特征数据包括所述候选客服的多个标签特征数据和多个交互对象特征数据,所述对各个所述候选客服特征数据进行特征提取,得到各个所述候选客服的初始特征向量,包括:
>7.根据权利要求6所述在线客服匹配方法,其特征在于,所述交互对象特征数据包括交互对象的图像数据和文本数据,所述对各个所述候选客服的各个交互对象特征数据进行特征提取,得到各个所述候选客服的各个交互对象的特征向量,包括:
8.一种在线客服匹配装置,其特征在于,包括:
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种可读存储介质,所述可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种在线客服匹配方法,其特征在于,包括:
2.根据权利要求1所述在线客服匹配方法,其特征在于,所述基于所述提示信息的第一特征向量和各个所述候选客服的第一特征向量对各个所述候选客服进行匹配概率预测,得到各个所述候选客服的第一匹配得分,包括:
3.根据权利要求1所述在线客服匹配方法,其特征在于,所述基于所述提示信息的第二特征向量和各个所述候选客服的第二特征向量对各个所述候选客服进行匹配概率预测,得到各个所述候选客服的第二匹配得分,包括:
4.根据权利要求1所述在线客服匹配方法,其特征在于,所述基于各个所述候选客服的目标匹配得分,从多个所述候选客服中选取向所述用户推荐的目标客服,包括:
5.根据权利要求1所述在线客服匹配方法,其特征在于,所述从多个所述候选客服中选取向所述用户推荐的目标客服之后,还包括:
6.根据权利要求1所述在线客服匹配方法,其...
【专利技术属性】
技术研发人员:王洪洪,王建民,杲珂,张雷,
申请(专利权)人:深圳须弥云图空间科技有限公司,
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。