【技术实现步骤摘要】
本专利技术涉及智能客服，具体而言，涉及一种客诉标签抽取方法、装置、计算机设备及可读存储介质。
技术介绍
1、随着电子商务和在线服务的普及，客户反馈和投诉的数量也随之增加。传统的客诉处理方法主要依赖人工操作，这样既耗费大量人力物力，又无法保证处理效率和质量。为了解决这个问题，一些自动化的客诉处理系统被提出，其中一部分系统尝试通过对客诉语音流进行分析来提取关键信息，但是这类系统的精确性和稳定性仍有待提高。此外，由于每个客户的语言习惯和表达方式的差异，使得准确地提取出客诉标签成为了一个挑战。因此，需要一种更高效、准确的方法来处理和解析客户的投诉信息。
技术实现思路
1、本专利技术的目的在于提供一种客诉标签抽取方法、装置、计算机设备及可读存储介质。
2、第一方面，本专利技术实施例提供一种客诉标签抽取方法，包括：
3、获取当前客诉语音流；
4、对所述当前客诉语音流进行特征提取，得到所述当前客诉语音流对应的当前客诉向量；
5、调用预先设置的参考向量数据库，所述参考向量数据库包括多个参考客诉向量以及每个所述客诉向量对应的标签和参考表述文本；
6、基于所述当前客诉向量在所述参考向量数据库中进行遍历检索，从所述多个参考客诉向量中确定出目标参考客诉向量；
7、将所述目标参考客诉向量对应的目标标签作为所述当前客诉语音流对应的客诉标签抽取结果。
8、在一种可能的实施方式中，所述对所述当前客诉语音流进行特征提取，得到所述当前
9、对所述当前客诉语音流进行语音转写，得到所述当前客诉语音流对应的当前客诉文本；
10、调用预先训练的文本嵌入模型对所述当前客诉文本进行特征提取，得到所述当前客诉向量。
11、在一种可能的实施方式中，所述调用预先训练的文本嵌入模型对所述当前客诉文本进行特征提取，得到所述当前客诉向量，包括：
12、利用预先训练的rwkv模型对所述当前客诉文本进行特征提取，得到所述当前客诉向量。
13、在一种可能的实施方式中，所述基于所述当前客诉向量在所述参考向量数据库中进行遍历检索，从所述多个参考客诉向量中确定出目标参考客诉向量，包括：
14、遍历所述当前客诉向量与所述多个参考客诉向量的特征相似度；
15、提取特征相似度大于预设相似度阈值的参考客诉向量，得到至少一个待定参考客诉向量；
16、调用预先训练的重排序模型对所述至少一个待定参考客诉向量进行排序处理，得到所述目标参考客诉向量。
17、在一种可能的实施方式中，所述调用预先训练的重排序模型对所述至少一个待定参考客诉向量进行排序处理，得到所述目标参考客诉向量，包括：
18、调用预先训练的bge-rerank模型对所述至少一个待定参考客诉向量对应的待定参考表述文本和所述当前客诉语音流对应的当前客诉文本进行相似度对比；
19、按照相似度从高到低的顺序对所述至少一个待定参考客诉向量进行排序，取前k个待定参考客诉向量作为所述目标参考客诉向量。
20、在一种可能的实施方式中，所述将所述目标参考客诉向量对应的目标标签作为所述当前客诉语音流对应的客诉标签抽取结果，包括：
21、将所述目标参考客诉向量对应的目标标签进行去重；
22、将去重后的所述目标标签作为所述客诉标签抽取结果推送至预设前端页面进行展示。
23、在一种可能的实施方式中，所述方法还包括：
24、调用预先设置的话术匹配模板；
25、根据所述客诉标签抽取结果从所述话术匹配模板获取多个候选话术，并将所述多个候选话术推送至预设前端页面进行展示。
26、第二方面，本专利技术实施例提供一种客诉标签抽取装置，包括：
27、获取模块，用于获取当前客诉语音流；
28、抽取模块，用于对所述当前客诉语音流进行特征提取，得到所述当前客诉语音流对应的当前客诉向量；调用预先设置的参考向量数据库，所述参考向量数据库包括多个参考客诉向量以及每个所述客诉向量对应的标签和参考表述文本；基于所述当前客诉向量在所述参考向量数据库中进行遍历检索，从所述多个参考客诉向量中确定出目标参考客诉向量；将所述目标参考客诉向量对应的目标标签作为所述当前客诉语音流对应的客诉标签抽取结果。
29、第三方面，本专利技术实施例提供一种计算机设备，所述计算机设备包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述计算机设备执行第一方面至少一种可能的实施方式中所述的客诉标签抽取方法。
30、第四方面，本专利技术实施例一种可读存储介质，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在计算机设备执行第一方面至少一种可能的实施方式中所述的客诉标签抽取方法。
31、相比现有技术，本专利技术提供的有益效果包括：采用本专利技术公开的一种客诉标签抽取方法、装置、计算机设备及可读存储介质，通过获取当前的客诉语音流，然后进行特征提取以得到对应的当前客诉向量。接下来，该方法调用预先设置的参考向量数据库，该数据库包含多个参考客诉向量以及每个客诉向量对应的标签和参考表述文本。在基于当前客诉向量对参考向量数据库进行遍历检索后，从多个参考客诉向量中确定出目标参考客诉向量。最后，将目标参考客诉向量对应的目标标签作为当前客诉语音流对应的客诉标签抽取结果。如此设计，通过引入参考向量数据库，能够充分利用历史客诉数据，进一步增强了客诉标签抽取的准确性和稳定性，有助于企业更好地理解客户需求，改进产品或服务，提升客户满意度。
本文档来自技高网...【技术保护点】
1.一种客诉标签抽取方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述当前客诉语音流进行特征提取，得到所述当前客诉语音流对应的当前客诉向量，包括：
3.根据权利要求2所述的方法，其特征在于，所述调用预先训练的文本嵌入模型对所述当前客诉文本进行特征提取，得到所述当前客诉向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述当前客诉向量在所述参考向量数据库中进行遍历检索，从所述多个参考客诉向量中确定出目标参考客诉向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述调用预先训练的重排序模型对所述至少一个待定参考客诉向量进行排序处理，得到所述目标参考客诉向量，包括：
6.根据权利要求1所述的方法，其特征在于，所述将所述目标参考客诉向量对应的目标标签作为所述当前客诉语音流对应的客诉标签抽取结果，包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种客诉标签抽取装置，其特征在于，包括：
9.一种计算机设备，其特征在于，所述计算
10.一种可读存储介质，其特征在于，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在计算机设备执行权利要求1-7中任意一项所述的客诉标签抽取方法。
...【技术特征摘要】
1.一种客诉标签抽取方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述当前客诉语音流进行特征提取，得到所述当前客诉语音流对应的当前客诉向量，包括：
3.根据权利要求2所述的方法，其特征在于，所述调用预先训练的文本嵌入模型对所述当前客诉文本进行特征提取，得到所述当前客诉向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述当前客诉向量在所述参考向量数据库中进行遍历检索，从所述多个参考客诉向量中确定出目标参考客诉向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述调用预先训练的重排序模型对所述至少一个待定参考客诉向量进行排序处理，得到所述目标参考客诉向量，包括：
【专利技术属性】
技术研发人员：谢淋，姜睿思，华旭明，尚璟铭，蔡奕杰，丁超仁，李嘉辉，
申请(专利权)人：上海创帧软件有限公司，
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。