CN106777257B

CN106777257B - 基于话术的智能对话模型的构建系统及方法

Info

Publication number: CN106777257B
Application number: CN201611231423.XA
Authority: CN
Inventors: 李稀敏; 蔡振华; 刘晓葳; 刘楚; 朱敬华; 谭玉坤
Original assignee: Xiamen Kuaishangtong Technology Co Ltd
Current assignee: Xiamen Kuaishangtong Technology Co Ltd
Priority date: 2016-12-28
Filing date: 2016-12-28
Publication date: 2020-06-05
Anticipated expiration: 2036-12-28
Also published as: CN106777257A

Abstract

本发明公开了一种基于话术的智能对话模型的构建系统及方法，其通过获取访客与客服的对话记录，并对所述对话进行设置一个以上的标签；根据所述对话的标签对所述对话进行情感倾向的分类，所述情感倾向的类别包括正向情感类别和负向情感类别；根据所述对话的情感倾向的类别进行抽取关键对话，每一组关键对话包括一个以上的相似问题以及至少一对应的推荐答案；将所述关键对话作为训练语料进行创建对话模型，客服将访客问题输入该对话模型，对话模型自动搜索与所述访客问题对应的相似问题，并向客服提供对应的推荐答案；从而使得客服利用该对话模型进行回答访客问题时，言语更得体，不仅能够快速培养客服技能，而且增强了访客的体验感。

Description

基于话术的智能对话模型的构建系统及方法

技术领域

本发明涉及通信技术领域，特别是一种基于话术的智能对话模型的构建系统及对应的方法。

背景技术

随着互联网及电子商务的普及应用，自动客服也越来越多。智能客服是在大规模知识处理基础上发展起来的一项面向行业应用的，主要涉及大规模知识处理技术、自然语言理解技术、知识管理技术、自动问答系统、推理技术等等，具有行业通用性，不仅为企业提供了细粒度知识管理技术，还为企业与海量用户之间的沟通建立了一种基于自然语言的快捷有效的技术手段；同时还能够为企业提供精细化管理所需的统计分析信息，并可为企业节约大量人力资源和成本。

目前大部分智能客服都是基于大数据知识处理技术的应用，即首先收集大量的访客与客服对话记录，然后进行提取、分类、管理，存储于知识库中备用。在智能客服工作时，随时去读取知识库中存储的知识。读取到已有知识后即反馈给客户，采取一问一答的对话模式。目前这种方式具有以下不足：1.用户体验效果一般，对话模式固定，较为呆板；2.知识库更新不便，一般是手动定期根据对话记录进行更新。

发明内容

本发明为解决上述问题，提供了一种基于话术的智能对话模型的构建系统及方法，其根据对话记录的情感倾向分类来进行创建对话模型，从而使得客服利用该对话模型进行回答访客问题时，言语更得体，不仅能够快速培养客服技能，而且增强了访客的体验感。

为实现上述目的，本发明采用的技术方案为：

一种基于话术的智能对话模型的构建系统，其包括：

标签设置模块，获取访客与客服的对话记录，并对所述对话进行设置一个以上的标签；

情感分类模块，根据所述对话的标签对所述对话进行情感倾向的分类，所述情感倾向的类别包括正向情感类别和负向情感类别；

关键对话抽取模块，根据所述对话的情感倾向的类别进行抽取关键对话，每一组关键对话包括一个以上的相似问题以及至少一对应的推荐答案；

对话模型创建模块，将所述关键对话作为训练语料进行创建对话模型，客服将访客问题输入该对话模型，对话模型自动搜索与所述访客问题对应的相似问题，并向客服提供对应的推荐答案。

优选的，所述的标签设置模块，是利用LDA主题模型进行分析所述对话所属主题的概率分布，并将概率较大的一个以上的主题作为所述对话的标签。

优选的，所述的情感分类模块，是利用OCC认知情感评价模型对所述对话进行基本情感的分类，或者是利用PAD三维情感模型对所述对话进行愉悦度、激活度、优势度的评价。

优选的，所述的关键对话抽取模块，进一步对所述情感倾向的类别进行情感强度等级的划分，并抽取所需的情感强度等级的对话作为所述关键对话。

优选的，所述的关键对话抽取模块进行抽取关键对话，进一步对所述关键对话进行分析关键答案，当有新的访客问题时，且客服采用所述关键答案作为所述推荐答案进行回答所述访客问题时，则将该访客问题作为所述推荐答案的对应的相似问题之一。

相应的，本发明还提供一种基于话术的智能对话模型的构建方法，其包括以下步骤：

10)获取访客与客服的对话记录，并对所述对话进行设置一个以上的标签；

20)根据所述对话的标签对所述对话进行情感倾向的分类，所述情感倾向的类别包括正向情感类别和负向情感类别；

30)根据所述对话的情感倾向的类别进行抽取关键对话，每一组关键对话包括一个以上的相似问题以及至少一对应的推荐答案；

40)将所述关键对话作为训练语料进行创建对话模型，客服将访客问题输入该对话模型，对话模型自动搜索与所述访客问题对应的相似问题，并向客服提供对应的推荐答案。

优选的，所述的步骤10)，是利用LDA主题模型进行分析所述对话所属主题的概率分布，并将概率较大的一个以上的主题作为所述对话的标签。

优选的，所述的步骤20)，是利用OCC认知情感评价模型对所述对话进行基本情感的分类，或者是利用PAD三维情感模型对所述对话进行愉悦度、激活度、优势度的评价。

优选的，所述的步骤30)，进一步对所述情感倾向的类别进行情感强度等级的划分，并抽取所需的情感强度等级的对话作为所述关键对话。

优选的，所述的步骤30)进行抽取关键对话，进一步对所述关键对话进行分析关键答案，当有新的访客问题时，且客服采用所述关键答案作为所述推荐答案进行回答所述访客问题时，则将该访客问题作为所述推荐答案的对应的相似问题之一。

本发明的有益效果是：

(1)采用本发明的方法，能够使客服回答访客问题更娴熟、语言词汇使用更得体，增强访客体验感；

(2)所述对话模型能够循环持续更新，使对话模型和关键对话时时得到更新完善，访客体验越来越好；

(3)新的客服工作人员借助所述对话模型分享辅助工作，能够快速的建立起自己的客服技能，降低企业的培训成本。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明一种基于话术的智能对话模型的构建系统的结构示意图；

图2为本发明一种基于话术的智能对话模型的构建方法的流程简图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明的一种基于话术的智能对话模型的构建系统，其包括：

所述的标签设置模块，是利用LDA主题模型进行分析所述对话所属主题的概率分布，并将概率较大的一个以上的主题作为所述对话的标签。所述标签包括质量、价格、物流、售后服务等，并进一步将所有对话记录进行分类管理，某次对话记录有可能同时帖多个标签。

所述的情感分类模块，是利用OCC认知情感评价模型对所述对话进行基本情感的分类，或者是利用PAD三维情感模型对所述对话进行愉悦度、激活度、优势度的评价。例如，首先进行一级分类，将所述对话分为正向情感类别和负向情感类别，并标明置信度；并在后期数据逐渐积累后，还进一步对所述对话进行二级分类，例如，将所述正向情感进一步划分为惊喜、满意等扩展情感类别，将所述负向情感进一步划分为无所谓、吐槽等扩展情感类别。

所述的关键对话抽取模块，进一步对所述情感倾向的类别进行情感强度等级的划分，并抽取所需的情感强度等级的对话作为所述关键对话。所述的关键对话抽取模块进行抽取关键对话，进一步对所述关键对话进行分析关键答案，当有新的访客问题时，且客服采用所述关键答案作为所述推荐答案进行回答所述访客问题时，则将该访客问题作为所述推荐答案的对应的相似问题之一。例如，对每一个标签，筛选出该类标签中正向情感强烈的对话，并且分析出所述对话中最关键的回答作为关键答案。后期，可根据关键答案的使用情况，为其逐步补充问题，形成问答对；例如，当有新的访客问题时，选取知识库中的关键答案作为其推荐答案，然后将新的访客问题与库中的关键回答进行问答对的配对。或者，还可以采用人工输入一个以上的相似问题对所述关键对话进行完善问答对。

所述的对话模型创建模块，是通过选择技能较强、专业术语娴熟、情感词使用得体的优秀客服的对话记录中的关键答案及所对应的访客问题作为训练语料进行创建对话模型，构建优秀客服的语言习惯，并且将该对话模型共享给所有客服使用。并且，所述对话模型创建完成后，还继续由所述标签设置模块、情感分类模块、关键对话抽取模块对所述对话记录进行标签设置、情感计算、抽取关键对话等循环操作，并一直更新问答对，完善所述对话模型。

如图2所示，本发明还提供一种基于话术的智能对话模型的构建方法，其包括以下步骤：

所述的步骤10)，是利用LDA主题模型进行分析所述对话所属主题的概率分布，并将概率较大的一个以上的主题作为所述对话的标签。

所述的步骤20)，是利用OCC认知情感评价模型对所述对话进行基本情感的分类，或者是利用PAD三维情感模型对所述对话进行愉悦度、激活度、优势度的评价。

所述的步骤30)，进一步对所述情感倾向的类别进行情感强度等级的划分，并抽取所需的情感强度等级的对话作为所述关键对话。所述的步骤30)进行抽取关键对话，进一步对所述关键对话进行分析关键答案，当有新的访客问题时，且客服采用所述关键答案作为所述推荐答案进行回答所述访客问题时，则将该访客问题作为所述推荐答案的对应的相似问题之一。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于方法实施例而言，由于其与系统实施例基本相似，所以描述的比较简单，相关之处参见系统实施例的部分说明即可。

并且，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

上述说明示出并描述了本发明的优选实施例，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims

1.一种基于话术的智能对话模型的构建系统，其特征在于，包括：

对话模型创建模块，将所述关键对话作为训练语料进行创建对话模型，客服将访客问题输入该对话模型，对话模型自动搜索与所述访客问题对应的相似问题，并向客服提供对应的推荐答案；

所述的关键对话抽取模块，进一步对所述情感倾向的类别进行情感强度等级的划分，并抽取所需的情感强度等级的对话作为所述关键对话。

2.根据权利要求1所述的一种基于话术的智能对话模型的构建系统，其特征在于：所述的情感分类模块，是利用OCC认知情感评价模型对所述对话进行基本情感的分类，或者是利用PAD三维情感模型对所述对话进行愉悦度、激活度、优势度的评价。

3.根据权利要求1所述的一种基于话术的智能对话模型的构建系统，其特征在于：所述的关键对话抽取模块进行抽取关键对话，进一步对所述关键对话进行分析关键答案，当有新的访客问题时，且客服采用所述关键答案作为所述推荐答案进行回答所述访客问题时，则将该访客问题作为所述推荐答案的对应的相似问题之一。

4.一种基于话术的智能对话模型的构建方法，其特征在于，包括以下步骤：

40)将所述关键对话作为训练语料进行创建对话模型，客服将访客问题输入该对话模型，对话模型自动搜索与所述访客问题对应的相似问题，并向客服提供对应的推荐答案；

所述的步骤30)，进一步对所述情感倾向的类别进行情感强度等级的划分，并抽取所需的情感强度等级的对话作为所述关键对话。

5.根据权利要求4所述的一种基于话术的智能对话模型的构建方法，其特征在于：所述的步骤20)，是利用OCC认知情感评价模型对所述对话进行基本情感的分类，或者是利用PAD三维情感模型对所述对话进行愉悦度、激活度、优势度的评价。

6.根据权利要求4所述的一种基于话术的智能对话模型的构建方法，其特征在于：所述的步骤30)进行抽取关键对话，进一步对所述关键对话进行分析关键答案，当有新的访客问题时，且客服采用所述关键答案作为所述推荐答案进行回答所述访客问题时，则将该访客问题作为所述推荐答案的对应的相似问题之一。