基于深度学习实现元器件售后下的智能问答方法及系统技术方案

技术编号:42845223 阅读:30 留言:0更新日期:2024-09-27 17:15
本发明专利技术涉及深度学习技术领域,揭露一种基于深度学习实现元器件售后下的智能问答方法及系统,方法包括:计算问题关键词中每个问题关键词之间的关键词转移概率,利用关键词转移概率构建问题关键词中每个问题关键词之间的历史马尔可夫链,联结历史马尔可夫链与历史问题意图;将历史询问问题中的乱序询问问题重构为正序询问问题;生成历史问题意图的意图解决网络;获取元器件的当前询问问题,通过历史马尔可夫链从正序网络结构中查询当前马尔可夫链对应的当前问题意图;基于当前问题意图,在意图解决网络中查询当前询问问题对应的当前问题回答。本发明专利技术可以减少元器件询问下的智能问答数据复杂度,且可以提升用户情绪安抚效率。

【技术实现步骤摘要】

本专利技术涉及深度学习,尤其涉及一种基于深度学习实现元器件售后下的智能问答方法及系统


技术介绍

1、元器件是指用于制造或组装电子整机用的基本零件,主要在电子电路中作为独立个体存在,在电子元器件商城中,客服系统的效率和服务质量直接影响用户的购物体验和满意度,传统客服系统在人力、时间和效率上存在诸多局限,而ai智能客服技术的引入为电子元器件商城提供了一种高效、智能的解决方案。

2、目前,利用神经网络技术识别用户的文本意图可以帮助ai智能克服与用户之间进行沟通,但这种方式的适用性不强,原因在于不同行业下的询问智能问答所需要理解的用户意图不同,所作出的智能回答也不同,那么每个行业下的每个商铺都需要进行神经网络模型的训练,从而达到神经网络模型自动识别用户意图并作出对应的回复的目的,其次,ai智能克服对用户作出的回复往往是固定模板语句,这使得在对用户进行回复之前需要事先构建大量的固定模板语句数据,最后,当前的ai智能问答过程中会采用用户情绪识别技术来对用户进行情绪安抚,但情绪安抚并未解决用户实际问题,这使得用户情绪得到的有效情绪安抚较少。因此,亟待一种解本文档来自技高网...

【技术保护点】

1.一种基于深度学习实现元器件售后下的智能问答方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述计算所述问题关键词中每个问题关键词之间的关键词转移概率,包括:

3.根据权利要求1所述的方法,其特征在于,所述基于所述问题-意图网络,将所述历史询问问题中的乱序询问问题重构为正序询问问题,包括:

4.根据权利要求1所述的方法,其特征在于,所述判断所述历史问题意图是否出现意图异常,包括:

5.根据权利要求1所述的方法,其特征在于,所述生成所述历史问题意图的意图解决网络,包括:

6.根据权利要求1所述的方法,...

【技术特征摘要】

1.一种基于深度学习实现元器件售后下的智能问答方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述计算所述问题关键词中每个问题关键词之间的关键词转移概率,包括:

3.根据权利要求1所述的方法,其特征在于,所述基于所述问题-意图网络,将所述历史询问问题中的乱序询问问题重构为正序询问问题,包括:

4.根据权利要求1所述的方法,其特征在于,所述判断所述历史问题意图是否出现意图异常,包括:

5.根据权利要求1所述的方法,其特征在于,所述生成所述历史问题意图的意图解决网络,包括:

6.根据权利要求1所述的方法,其...

【专利技术属性】
技术研发人员:马应烽
申请(专利权)人:深圳市华金硕科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1