CN114239603A - 业务需求匹配方法、装置、计算机设备和存储介质 - Google Patents

业务需求匹配方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN114239603A
CN114239603A CN202111413339.0A CN202111413339A CN114239603A CN 114239603 A CN114239603 A CN 114239603A CN 202111413339 A CN202111413339 A CN 202111413339A CN 114239603 A CN114239603 A CN 114239603A
Authority
CN
China
Prior art keywords
history
matching
determining
historical
text
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111413339.0A
Other languages
English (en)
Inventor
章铃娜
余学武
周永吉
姜京京
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Construction Bank Corp
Original Assignee
China Construction Bank Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Construction Bank Corp filed Critical China Construction Bank Corp
Priority to CN202111413339.0A priority Critical patent/CN114239603A/zh
Publication of CN114239603A publication Critical patent/CN114239603A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis
    • G06F40/35Discourse or dialogue representation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/284Lexical analysis, e.g. tokenisation or collocates

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)

Abstract

本申请涉及一种业务需求匹配方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取用户的当前对话文本以及各历史对话文本;根据各历史对话文本匹配的历史热词,确定各历史对话文本对应的历史匹配得分;对当前对话文本进行分析,确定当前对话文本的当前匹配得分;若不存在与当前匹配得分一致的历史匹配得分,从历史热词中确定待融合历史热词,融合当前对话文本与待融合历史热词,获得融合对话文本;将融合对话文本作为当前对话文本,返回对当前对话文本进行分析的步骤,直至存在与当前匹配得分一致的历史匹配得分,根据一致的历史匹配得分对应的历史对话文本,匹配用户的业务需求。采用本方法可以提高确定用户的业务需求的效率。

Description

业务需求匹配方法、装置、计算机设备和存储介质
技术领域
本申请涉及人工智能识别分类技术领域,特别是涉及一种业务需求匹配方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着人工智能技术的发展,出现了基于用户对话的业务需求匹配系统,其具备对话文本数据处理,语义分析等能力,适用于大规模知识处理、自然语言理解、自动应答和推理等行业,当应用在计算机金融领域时,通过与用户对话即可识别用户的业务需求,其不仅能为用户提供精细化管理所需的统计分析信息,还能够提高与用户之间的沟通效率,减少人工话务量,提升用户服务水平与质量,提高运营效率并降低运营成本。
目前,信息时代的来临引发了对话文本数据的指数级增长,而且随着用户的业务需求增多以及复杂程度提高,传统的业务需求匹配系统已经不能很好的满足于用户的业务需求,从而导致确定用户的业务需求的效率低下。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高确定用户的业务需求的效率的业务需求匹配方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
一种业务需求匹配方法,所述方法包括:
获取用户的当前对话文本以及各历史对话文本;
根据各所述历史对话文本匹配的历史热词,确定各所述历史对话文本对应的历史匹配得分;
对所述当前对话文本进行分析,确定所述当前对话文本的当前匹配得分;
若不存在与所述当前匹配得分一致的所述历史匹配得分,从历史热词中确定待融合历史热词,融合所述当前对话文本与所述待融合历史热词,获得融合对话文本;
将所述融合对话文本作为所述当前对话文本,返回所述对所述当前对话文本进行分析,确定所述当前对话文本的当前匹配得分的步骤,直至存在与所述当前匹配得分一致的所述历史匹配得分,根据一致的历史匹配得分对应的所述历史对话文本,匹配所述用户的业务需求。
在其中一个实施例中,所述获取用户的当前对话文本以及各历史对话文本,包括:
接收用户访问请求,所述用户访问请求携带用户信息;
根据所述用户信息,在预设数据库中获取所述用户的各历史对话文本;
在交互过程中获取所述用户的当前对话文本。
在其中一个实施例中,所述根据各所述历史对话文本匹配的历史热词,确定各所述历史对话文本对应的历史匹配得分,包括:
分别将各所述历史对话文本与所述用户的历史热词库进行匹配,分别获得各所述历史对话文本匹配的历史热词;
根据各所述历史对话文本匹配的历史热词,分别确定各所述历史对话文本对应的历史匹配得分。
在其中一个实施例中,所述根据各所述历史对话文本匹配的历史热词,确定各所述历史对话文本对应的历史匹配得分,包括:
获取存储的各所述历史对话文本匹配的历史热词;
根据各所述历史对话文本匹配的历史热词,分别确定各所述历史对话文本对应的历史匹配得分。
在其中一个实施例中,所述根据各所述历史对话文本匹配的历史热词,分别确定各所述历史对话文本对应的历史匹配得分,包括:
根据各所述历史对话文本匹配的历史热词的热词权重,分别确定各所述历史对话文本对应的历史匹配得分。
在其中一个实施例中,所述历史热词以及所述历史热词的热词权重的确定方式,包括:
对各所述历史对话文本进行分词,根据得到的分词的词性确定候选热词;
计算各所述候选热词的候选热词权重;
根据各所述候选热词权重,从所述候选热词中筛选确定出历史热词,确定出的历史热词的候选热词权重为确定的所述历史热词的热词权重。
在其中一个实施例中,所述计算各所述候选热词的候选热词权重,包括:
根据各所述候选热词之间的语义关系,构建所述候选热词对应的热词图,所述热词图包括节点和边,所述节点为所述候选热词,两个所述节点的边表示两个所述节点对应的所述候选热词之间存在语义关系;
基于所述热词图,构建各所述候选热词的候选热词向量;
根据各所述候选热词向量,迭代计算各所述候选热词对应的候选热词权重。
在其中一个实施例中,所述根据各所述候选热词权重,从所述候选热词中筛选确定出历史热词,包括:将大于预定权重阈值的所述候选热词权重对应的所述候选热词,筛选确定为历史热词。
在其中一个实施例中,所述根据各所述候选热词权重,从所述候选热词中筛选确定出历史热词,包括:将所述候选热词权重最大的预定数目个所述候选热词,筛选确定为历史热词。
在其中一个实施例中,所述根据各所述候选热词权重,从所述候选热词中筛选确定出历史热词,包括:将所述候选热词权重最大、且占所述候选热词的预定比例的所述候选热词,筛选确定为历史热词。
在其中一个实施例中,所述根据各所述历史对话文本匹配的历史热词的热词权重,分别确定各所述历史对话文本对应的历史匹配得分,包括:
根据各所述历史对话文本匹配的历史热词的热词权重,以及各所述历史热词的预设匹配系数,确定各所述历史热词的历史热词匹配得分;
将各所述历史对话文本的历史热词的历史热词匹配得分之和,分别确定为各所述历史对话文本对应的历史匹配得分。
在其中一个实施例中,所述对所述当前对话文本进行分析,确定所述当前对话文本的当前匹配得分,包括:
确定所述当前对话文本与预设关键词库匹配的关键词,并确定各所述关键词的关键词权重;
根据各所述关键词的所述关键词权重,以及各所述关键词的预设匹配系数,确定各所述关键词的关键词匹配得分;
基于各所述关键词匹配得分,确定所述当前对话文本的当前匹配得分。
在其中一个实施例中,所述从历史热词中确定待融合历史热词,包括:
将历史热词权重最大的所述历史热词,作为待融合历史热词。
在其中一个实施例中,在确定不存在与所述当前匹配得分一致的所述历史匹配得分之后,在所述从历史热词中确定待融合历史热词之前,还包括:
记录不存在与所述当前匹配得分一致的所述历史匹配得分的匹配次数;
若所述匹配次数小于或等于预设次数,则进入所述从历史热词中确定待融合历史热词的步骤,否则确定匹配所述用户的业务需求失败,转为人工处理。
一种业务需求匹配装置,所述装置包括:
对话文本获取模块,用于获取用户的当前对话文本以及各历史对话文本;
历史匹配得分确定模块,用于根据各所述历史对话文本匹配的历史热词,确定各所述历史对话文本对应的历史匹配得分;
当前匹配得分确定模块,用于对所述当前对话文本进行分析,确定所述当前对话文本的当前匹配得分;
融合模块,用于若不存在与所述当前匹配得分一致的所述历史匹配得分,从历史热词中确定待融合历史热词,融合所述当前对话文本与所述待融合历史热词,获得融合对话文本;
业务需求确定模块,用于将所述融合对话文本作为所述当前对话文本,若确定存在与所述当前匹配得分一致的所述历史匹配得分,根据一致的历史匹配得分对应的所述历史对话文本,匹配所述用户的业务需求。
在其中一个实施例中,所述对话文本获取模块,包括:
请求接收单元,用于接收用户访问请求,所述用户访问请求携带用户信息;
历史对话文本获取单元,用于根据所述用户信息,在预设数据库中获取所述用户的历史对话文本;
当前对话文本获取单元,用于在交互过程中获取所述用户的当前对话文本。
在其中一个实施例中,所述历史匹配得分确定模块,包括:
历史热词第一匹配单元,用于分别将各所述历史对话文本与所述用户的历史热词库进行匹配,分别获得各所述历史对话文本匹配的历史热词;
历史匹配得分确定单元,用于根据各所述历史对话文本匹配的历史热词,分别确定各所述历史对话文本对应的历史匹配得分。
在其中一个实施例中,所述历史匹配得分确定模块,包括:
历史热词第二匹配单元,用于获取存储的各所述历史对话文本匹配的历史热词;
历史匹配得分确定单元,用于根据各所述历史对话文本匹配的历史热词,分别确定各所述历史对话文本对应的历史匹配得分。
在其中一个实施例中,所述历史匹配得分确定单元,还用于根据各所述历史对话文本匹配的历史热词的热词权重,分别确定各所述历史对话文本对应的历史匹配得分。
在其中一个实施例中,所述历史匹配得分确定单元,包括:
候选热词确定单元,用于对各所述历史对话文本进行分词,根据得到的分词的词性确定候选热词;
候选热词权重计算单元,用于计算各所述候选热词的候选热词权重;
历史热词确定单元,用于根据各所述候选热词权重,从所述候选热词中筛选确定出历史热词,确定出的历史热词的候选热词权重为确定的所述历史热词的热词权重。
在其中一个实施例中,所述候选热词权重计算单元,包括:
热词图构建单元,用于根据各所述候选热词之间的语义关系,构建所述候选热词对应的热词图,所述热词图包括节点和边,所述节点为所述候选热词,两个所述节点的边表示两个所述节点对应的所述候选热词之间存在语义关系;
候选热词向量构建单元,用于基于所述热词图,构建各所述候选热词的候选热词向量;
候选热词权重确定单元,用于根据各所述候选热词向量,迭代计算各所述候选热词对应的候选热词权重。
在其中一个实施例中,所述候选热词权重确定单元,还用于将大于预定权重阈值的所述候选热词权重对应的所述候选热词,筛选确定为历史热词;
所述候选热词权重确定单元,还用于将所述候选热词权重最大的预定数目个所述候选热词,筛选确定为历史热词;
所述候选热词权重确定单元,还用于将所述候选热词权重最大、且占所述候选热词的预定比例的所述候选热词,筛选确定为历史热词。
在其中一个实施例中,所述历史匹配得分确定单元,还用于根据各所述历史对话文本匹配的历史热词的热词权重,以及各所述历史热词的预设匹配系数,确定各所述历史热词的历史热词匹配得分;将各所述历史对话文本的历史热词的历史热词匹配得分之和,分别确定为各所述历史对话文本对应的历史匹配得分。
在其中一个实施例中,所述当前匹配得分确定模块包括:
关键词权重确定单元,用于确定所述当前对话文本与预设关键词库匹配的关键词,并确定各所述关键词的关键词权重;
关键词匹配得分确定单元,用于根据各所述关键词的所述关键词权重,以及各所述关键词的预设匹配系数,确定各所述关键词的关键词匹配得分;
当前匹配得分确定单元,用于基于各所述关键词匹配得分,确定所述当前对话文本的当前匹配得分。
在其中一个实施例中,所述融合模块,包括:
待融合历史热词确定单元,用于将历史热词权重最大的所述历史热词,作为待融合历史热词。
在其中一个实施例中,所述装置还包括:
匹配次数记录单元,用于记录不存在与所述当前匹配得分一致的所述历史匹配得分的匹配次数;
匹配次数判定单元,用于判定所述匹配次数是否小于或等于预设次数;
匹配结果确定单元,用于在所述匹配次数判定单元判定所述匹配次数大于预设次数时,确定匹配所述用户的业务需求失败,转为人工处理。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的业务需求匹配方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的业务需求匹配方法的步骤。
一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的业务需求匹配方法的步骤。
上述业务需求匹配方法、装置、计算机设备、存储介质和计算机程序产品,通过获取用户的当前对话文本以及各历史对话文本;根据各历史对话文本匹配的历史热词,确定各历史对话文本对应的历史匹配得分;对当前对话文本进行分析,确定当前对话文本的当前匹配得分;若不存在与当前匹配得分一致的历史匹配得分,从历史热词中确定待融合历史热词,融合当前对话文本与待融合历史热词,获得融合对话文本;将融合对话文本作为当前对话文本,返回对当前对话文本进行分析,确定当前对话文本的当前匹配得分的步骤,直至存在与当前匹配得分一致的历史匹配得分,根据一致的历史匹配得分对应的历史对话文本,匹配用户的业务需求。采用上述实施例的方法,通过提取历史对话文本中的历史热词,确定历史对话文本对应的历史匹配得分,并结合用户的当前对话文本对应的当前匹配得分,共同匹配用户的业务需求,即以用户常用的业务需求为基础,确定用户的本次的业务需求,从而能够有效提高确定用户的业务需求的准确性和效率,在用户的本次的业务需求匹配准确较高的情况下,当根据业务需求对用户进行相应的业务服务时,还能够提高对用户的服务效率。
附图说明
图1为一个实施例中业务需求匹配方法的应用环境图;
图2为一个实施例中业务需求匹配方法的流程示意图;
图3为一个具体实施例中业务需求匹配方法的应用示意图;
图4为一个具体实施例中业务需求匹配方法的流程示意图;
图5为一个实施例中业务需求匹配装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。需要说明的是,本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
在其中一个实施例中,本申请实施例提供的业务需求匹配方法,应用环境可以同时涉及终端102和服务器104,如图1所示。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。用户通过终端102以文本的形式进行业务咨询,文本的形式包括但不限于是语音对话,文本文字等形式,则服务器104需要确定用户的业务需求,以便进行相应的业务处理。具体地,服务器104获取用户的当前对话文本以及各历史对话文本;根据各历史对话文本匹配的历史热词,确定各历史对话文本对应的历史匹配得分;对当前对话文本进行分析,确定当前对话文本的当前匹配得分;若不存在与当前匹配得分一致的历史匹配得分,从历史热词中确定待融合历史热词,融合当前对话文本与待融合历史热词,获得融合对话文本;将融合对话文本作为当前对话文本,返回对当前对话文本进行分析,确定当前对话文本的当前匹配得分的步骤,直至存在与当前匹配得分一致的历史匹配得分,根据一致的历史匹配得分对应的历史对话文本,匹配用户的业务需求。
在其中一个实施例中,本申请实施例提供的业务需求匹配方法,应用环境只涉及终端102或服务器104。具体地,用户可以直接在终端102或服务器104上以文本的形式进行业务咨询,终端102或服务器104获取用户的当前对话文本以及各历史对话文本;根据各历史对话文本匹配的历史热词,确定各历史对话文本对应的历史匹配得分;对当前对话文本进行分析,确定当前对话文本的当前匹配得分;若不存在与当前匹配得分一致的历史匹配得分,从历史热词中确定待融合历史热词,融合当前对话文本与待融合历史热词,获得融合对话文本;将融合对话文本作为当前对话文本,返回对当前对话文本进行分析,确定当前对话文本的当前匹配得分的步骤,直至存在与当前匹配得分一致的历史匹配得分,根据一致的历史匹配得分对应的历史对话文本,匹配用户的业务需求。
其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在其中一个实施例中,如图2所示,提供了一种业务需求匹配方法,以该方法应用于图1中的终端102和/或服务器104为例进行说明,包括:
步骤S202,获取用户的当前对话文本以及各历史对话文本。
在其中一个实施例中,用户可以以文本的形式进行业务咨询,文本的形式包括但不限于是语音对话,文本文字等形式。将用户当前进行业务咨询的文本称为当前对话文本。例如,当用户以语音对话的形式进行业务咨询时,用户可以拨打电话,提供业务咨询的一方会接收到来电,并在用户进行了语音对话后,即用户说出了对话文本后,能够获取到当前对话文本。当用户以文本文字的形式进行业务咨询时,用户可以使用社交账号发送与业务咨询相关的文字,提供业务咨询的一方会接收到用户发送的文字。其中,为了提高确定用户的业务需求的准确性,提供业务咨询的一方需要结合用户的当前对话文本与历史对话文本共同确定用户的业务需求。本申请实施例中涉及的提供业务咨询的一方包括但不限于是金融机构。
在其中一个实施例中,将用户已经进行了业务咨询的文本称为历史对话文本,即历史对话文本对应的用户的业务需求是已经确定的,用户的历史对话文本包括至少一个。其中,用户的历史对话文本可以是单句的历史对话语句,还可以由多个单句的历史对话语句组成的历史对话段落,在此不做限定。将用户的历史对话文本,以及历史对话文本匹配的业务需求,对应存储在预设数据库中。具体地,接收用户访问请求,用户访问请求携带用户信息,根据用户信息,在预设数据库中获取用户的各历史对话文本,在交互过程中获取用户的当前对话文本。其中,用户访问请求可以是用户来电,用户访问请求携带的用户信息可以是用户的电话号码。用户访问请求还可以是用户发送的请求文字,用户访问请求携带的用户信息可以是用户的社交账号信息。
步骤S204,根据各历史对话文本匹配的历史热词,确定各历史对话文本对应的历史匹配得分。
在其中一个实施例中,热词是指热门词汇,能够表示一段时期内用户普遍关注的问题和事物,其主要表达形式有语言、文字等。将用户的历史对话文本中的热词称为历史热词。其中,历史对话文本与历史热词是相匹配的。为了确定当前对话文本与历史对话文本之间的相关性,提高确定用户的业务需求的准确性,将历史对话文本进行量化,即确定历史对话文本对应的历史匹配得分。具体地,根据各历史对话文本匹配的历史热词,确定各历史对话文本对应的历史匹配得分。
在其中一个实施例中,历史对话文本对应的历史匹配得分,需要根据历史对话文本中的历史热词进行确定。其中,可以针对性地预先存储用户对应的历史热词,并形成用户的历史热词库,根据用户的历史热词库,在获取到历史对话文本后,提取确定各历史对话文本匹配的历史热词。具体地,分别将各历史对话文本与用户的历史热词库进行匹配,分别获得各历史对话文本匹配的历史热词,根据各历史对话文本匹配的历史热词,分别确定各历史对话文本对应的历史匹配得分。其中,还可以将已经确定的历史对话文本以及匹配的历史热词进行对应存储,在获取历史对话文本后直接确定存储的历史热词即可。具体地,获取存储的各历史对话文本匹配的历史热词,根据各历史对话文本匹配的历史热词,分别确定各历史对话文本对应的历史匹配得分。
在其中一个实施例中,历史对话文本对应的历史匹配得分可以根据历史热词的热词权重进行确定。其中,历史热词的热词权重可以理解为历史热词对应的在历史对话语句中的重要程度。具体地,根据各历史对话文本匹配的历史热词的热词权重,分别确定各历史对话文本对应的历史匹配得分。
在其中一个实施例中,根据各历史对话文本匹配的历史热词的热词权重,分别确定各历史对话文本对应的历史匹配得分。具体地,根据各历史对话文本匹配的历史热词的热词权重,以及各历史热词的预设匹配系数,确定各历史热词的历史热词匹配得分。其中,各历史热词的预设匹配系数可以由提供业务咨询的一方确定根据实际使用场景确定,一般设置在0到1之间,具体可以设置为0.5,各历史热词的预设匹配系数可以相同,也可以不相同。而后,将各历史对话文本的历史热词的历史热词匹配得分之和,分别确定为各历史对话文本对应的历史匹配得分。例如,某一历史对话文本中包含历史热词1和历史热词2,则历史热词1匹配得分为历史热词1的热词权重与预设匹配系数的乘积,历史热词2匹配得分为历史热词2的热词权重与预设匹配系数的乘积,历史对话文本对应的历史匹配得分为历史热词1匹配得分与历史热词2匹配得分之和。
在其中一个实施例中,历史热词可以采用关键词提取算法即TextRank算法进行提取。其中,TextRank算法可以通过词之间的相邻关系构建网络,迭代计算网络图中的每个节点的权重,排序权重即可得到历史热词。具体地,历史热词以及历史热词的热词权重的确定方式,包括:
步骤S302,对各历史对话文本进行分词,根据得到的分词的词性确定候选热词。
在其中一个实施例中,若用户的历史对话文本为单句的历史对话语句,则直接对历史对话语句进行分词即可,若用户的历史对话文本为由多个单句的历史对话语句组成的历史对话段落,则需要将历史对话段落分割为单句的历史对话语句,进而对历史对话语句进行分词。在对各历史对话文本进行分词得到各分词,将各分词中的名词、形容词、动词等预设词性的分词确定为候选热词。
步骤S304,计算各候选热词的候选热词权重。
在其中一个实施例中,通过各候选热词之间的相邻关系构建网络,将构建的网络称为热词图,热词图的节点即为候选热词,迭代计算热词图中每个节点的权重,即可计算得到各候选热词的候选热词权重。具体地,根据各候选热词之间的语义关系,构建候选热词对应的热词图,热词图包括节点和边,节点为候选热词,两个节点的边表示两个节点对应的候选热词之间存在语义关系。基于热词图,构建各候选热词的候选热词向量,其中,根据共现关系构建任意两个节点之间的边,形成候选热词向量。并根据各候选热词向量,迭代计算各候选热词对应的候选热词权重。其中,迭代计算的公式表示为:
Figure BDA0003374352280000111
其中,WS(Vi)表示候选热词所在节点Vi的候选热词权重,In(Vi)表示候选热词所在节点Vi的前驱节点集合,Out(Vj)表示候选热词所在节点Vi的后继节点集合,d表示阻尼系数用于做平滑,wji为节点Vi和节点Vj之间的边的权重。
步骤S306,根据各候选热词权重,从候选热词中筛选确定出历史热词,确定出的历史热词的候选热词权重为确定的历史热词的热词权重。
在其中一个实施例中,根据各候选热词权重,从候选热词中筛选确定出历史热词。具体地,可以将候选热词权重较大的候选热词,确定为历史热词。其中,可以将大于预定权重阈值的候选热词权重对应的候选热词,筛选确定为历史热词。即根据候选热词的候选热词权重大小进行排序,选择大于预定权重阈值的候选热词,将其确定为历史热词。其中,还可以将候选热词权重最大的预定数目个候选热词,筛选确定为历史热词。即根据候选热词的候选热词权重大小进行排序,若按照从小到大的方式进行排列,则选择排在后面的预定数目个候选热词,将其确定为历史热词。若按照从大到小的方式进行排列,则选择排在前面的预定数目个候选热词,将其确定为历史热词。其中,还可以将候选热词权重最大、且占候选热词的预定比例的候选热词,筛选确定为历史热词。即确定候选热词权重较大的预定比例的候选热词,将其确定为历史热词。
步骤S206,对当前对话文本进行分析,确定当前对话文本的当前匹配得分。
在其中一个实施例中,为了确定当前对话文本与历史对话文本之间的相关性,提高确定用户的业务需求的准确性,也需要将当前对话文本进行量化,即确定当前对话文本对应的当前匹配得分。具体地,对当前对话文本进行分析,确定当前对话文本的当前匹配得分。
在其中一个实施例中,可以采用与历史对话文本类似的方式,确定当前对话文本的当前匹配得分。即通过确定当前对话文本中的各关键词确定当前匹配得分。其中,预先存储了用户的常用关键词,形成预设关键词库。具体地。确定当前对话文本与预设关键词库匹配的关键词,并确定各关键词的关键词权重,根据各关键词的关键词权重,以及各关键词的预设匹配系数,确定各关键词的关键词匹配得分,基于各关键词匹配得分,确定当前对话文本的当前匹配得分。其中,其中,各关键词的预设匹配系数可以由提供业务咨询的一方确定根据实际使用场景确定,一般设置在0到1之间,具体可以设置为0.5,各关键词的预设匹配系数可以相同,也可以不相同。例如,某一当前对话文本中包含关键词1和关键词2,则关键词1匹配得分为关键词1的关键词权重与预设匹配系数的乘积,关键词2匹配得分为关键词2的关键词权重与预设匹配系数的乘积,当前对话文本对应的当前匹配得分为关键词1匹配得分与关键词2匹配得分之和。
在其中一个实施例中,还可以对当前对话文本进行分析,直接确定当前对话文本的当前匹配得分,即通过对当前对话文本进行语义分析确定当前匹配得分。其中,语义分析可以是对当前对话语句进行语法分析、句法分析、语用分析和语境分析,综合确定当前对话文本的当前匹配得分。
步骤S208,若不存在与当前匹配得分一致的历史匹配得分,从历史热词中确定待融合历史热词,融合当前对话文本与待融合历史热词,获得融合对话文本。
在其中一个实施例中,在确定当前对话文本的当前匹配得分,以及各历史对话文本的历史匹配得分之后,分别将当前匹配得分与各历史匹配得分进行比较,确定是否存在与当前匹配得分一致的历史匹配得分。其中,一致并非是当前匹配得分与历史匹配得分完全相同,两者之间的误差小于预设误差阈值即可。预设误差阈值可以设置为10%。具体地,计算当前匹配得分与各历史匹配得分之间的误差,确定是否存在误差小于预设误差阈值的历史匹配得分。其中,若存在误差小于预设误差阈值的历史匹配得分,即确定存在与当前匹配得分一致的历史匹配得分。若与当前匹配得分一致的历史匹配得分存在两个以上,则将误差最小的历史匹配得分确定为一致的历史匹配得分。
在其中一个实施例中,若不存在误差小于预设误差阈值的历史匹配得分,则需要对当前对话文本进行融合处理。具体地,从历史热词中确定待融合历史热词,待融合历史热词只有一个,并将当前对话文本与待融合历史热词进行融合。其中,将历史热词权重最大的历史热词,作为待融合历史热词。在确定待融合历史热词后,将待融合历史热词与当前对话文本进行融合,得到融合对话文本。
步骤S210,将融合对话文本作为当前对话文本,返回对当前对话文本进行分析,确定当前对话文本的当前匹配得分的步骤,直至存在与当前匹配得分一致的历史匹配得分,根据一致的历史匹配得分对应的历史对话文本,匹配用户的业务需求。
在其中一个实施例中,将融合对话文本作为当前对话文本,返回步骤S206,即返回对当前对话文本进行分析,确定当前对话文本的当前匹配得分的步骤,确定新的当前对话文本的当前匹配得分,直至确定存在与当前匹配得分一致的历史匹配得分。由于历史对话文本对应的用户的业务需求是已经确定的,因此在确定与当前匹配得分一致的历史匹配得分后,即确定了与当前对话文本匹配的历史对话文本,即确定了当前对话文本对应的用户的业务需求。具体地,若存在与当前匹配得分一致的历史匹配得分,根据一致的历史匹配得分对应的历史对话文本,匹配用户的业务需求。
在其中一个实施例中,为了避免无限次对当前对话文本进行融合处理,提高匹配用户的业务需求的效率,在确定不存在与当前匹配得分一致的历史匹配得分之后,在从历史热词中确定待融合历史热词之前,还包括:记录不存在与当前匹配得分一致的历史匹配得分的匹配次数,若匹配次数小于或等于预设次数,则进入从历史热词中确定待融合历史热词的步骤,否则确定匹配用户的业务需求失败,转为人工处理,即人工确定用户的业务需求。其中,预设次数可以根据实际使用场景确定,具体可以设置为5至10次。
在其中一个实施例中,人工处理包含多个人工处理单元,各人工处理单元对应于不同的业务需求。在确定匹配用户的业务需求失败,转为人工处理时,可以确定与当前对话文本之间的一致程度最高的历史对话文本,并转接至上述的一致程度最高的历史对话文本对应的业务需求所在的人工处理单元,从而提供精准化、智能化的人工服务。具体地,可以将与当前对话文本的当前匹配得分之间的误差最小的历史匹配得分对应的历史对话文本,确定为与当前对话文本之间的一致程度最高的历史对话文本。
上述业务需求匹配方法中,通过获取用户的当前对话文本以及各历史对话文本;根据各历史对话文本匹配的历史热词,确定各历史对话文本对应的历史匹配得分;对当前对话文本进行分析,确定当前对话文本的当前匹配得分;若不存在与当前匹配得分一致的历史匹配得分,从历史热词中确定待融合历史热词,融合当前对话文本与待融合历史热词,获得融合对话文本;将融合对话文本作为当前对话文本,返回对当前对话文本进行分析,确定当前对话文本的当前匹配得分的步骤,直至存在与当前匹配得分一致的历史匹配得分,根据一致的历史匹配得分对应的历史对话文本,匹配用户的业务需求。采用上述实施例的方法,通过提取历史对话文本中的历史热词,确定历史对话文本对应的历史匹配得分,并结合用户的当前对话文本对应的当前匹配得分,共同匹配用户的业务需求,能够有效提高确定用户的业务需求的准确性和效率,从而能够提高服务效率。
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及一个具体实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个具体实施例中,如图3所示为业务需求匹配方法的应用示意图,主要涉及到用户和金融机构,用户通过终端拨打金融机构的客服电话进行相关的业务咨询。具体地,如图4所示为业务需求匹配方法的流程示意图,步骤如下:
接收用户来电,获取用户来电中的电话号码信息,根据用户的电话号码信息,在预设数据库中获取用户的各历史对话文本,在交互过程中获取用户的当前对话文本;
对各历史对话文本进行分词,保留名词、形容词、动词等预设词性的分词作为候选热词;根据各候选热词之间的语义关系,构建候选热词对应的热词图,热词图包括节点和边,节点为候选热词,两个节点的边表示两个节点对应的候选热词之间存在语义关系;
基于热词图,根据共现关系构建任意两个节点之间的边,形成各候选热词的候选热词向量;根据各候选热词向量,迭代计算各候选热词对应的候选热词权重;迭代计算的公式表示为:
Figure BDA0003374352280000151
其中,WS(Vi)表示候选热词所在节点Vi的候选热词权重,In(Vi)表示候选热词所在节点Vi的前驱节点集合,Out(Vj)表示候选热词所在节点Vi的后继节点集合,d表示阻尼系数用于做平滑,wji为节点Vi和节点Vj之间的边的权重;
根据各候选热词权重,按照从大到小的方式进行排列,选择排在前面的预定数目个候选热词确定为历史热词,确定出的历史热词的候选热词权重为确定的历史热词的热词权重;
根据各历史对话文本匹配的历史热词的热词权重,分别确定各历史对话文本对应的历史匹配得分,其中,历史对话文本中包含历史热词1和历史热词2,则历史热词1匹配得分为历史热词1的热词权重与预设匹配系数的乘积,历史热词2匹配得分为历史热词2的热词权重与预设匹配系数的乘积,历史对话文本对应的历史匹配得分为历史热词1匹配得分与历史热词2匹配得分之和;
确定当前对话文本与预设关键词库匹配的关键词,并确定各关键词的关键词权重;根据各关键词的关键词权重,以及各关键词的预设匹配系数,确定各关键词的关键词匹配得分;基于各关键词匹配得分,确定当前对话文本的当前匹配得分,其中,当前对话文本中包含关键词1和关键词2,则关键词1匹配得分为关键词1的关键词权重与预设匹配系数的乘积,关键词2匹配得分为关键词2的关键词权重与预设匹配系数的乘积,当前对话文本对应的当前匹配得分为关键词1匹配得分与关键词2匹配得分之和;
计算当前匹配得分与各历史匹配得分之间的误差,确定是否存在误差小于预设误差阈值的历史匹配得分,其中,预设误差阈值设置为10%;
若不存在与当前匹配得分一致的历史匹配得分,记录不存在与当前匹配得分一致的历史匹配得分的匹配次数;
若匹配次数大于预设次数,则确定匹配用户的业务需求失败,转为人工处理,其中,预设次数设置5次;
若匹配次数小于或等于预设次数,则将历史热词权重最大的历史热词,作为待融合历史热词,融合当前对话文本与待融合历史热词,获得融合对话文本;
将融合对话文本作为当前对话文本,返回对当前对话文本进行分析,确定当前对话文本的当前匹配得分的步骤,直至存在与当前匹配得分一致的历史匹配得分,根据一致的历史匹配得分对应的历史对话文本,匹配用户的业务需求。
应该理解的是,虽然如上所述的各实施例涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的业务需求匹配方法的业务需求匹配装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个业务需求匹配装置实施例中的具体限定可以参见上文中对于业务需求匹配方法的限定,在此不再赘述。
在其中一个实施例中,如图5所示,提供了一种业务需求匹配装置,包括:对话文本获取模块510、历史匹配得分确定模块520、当前匹配得分确定模块530、融合模块540和业务需求确定模块550,其中:
对话文本获取模块510,用于获取用户的当前对话文本以及各历史对话文本。
历史匹配得分确定模块520,用于根据各所述历史对话文本匹配的历史热词,确定各所述历史对话文本对应的历史匹配得分。
当前匹配得分确定模块530,用于对所述当前对话文本进行分析,确定所述当前对话文本的当前匹配得分。
融合模块540,用于若不存在与所述当前匹配得分一致的所述历史匹配得分,从历史热词中确定待融合历史热词,融合所述当前对话文本与所述待融合历史热词,获得融合对话文本。
业务需求确定模块550,用于将所述融合对话文本作为所述当前对话文本,若确定存在与所述当前匹配得分一致的所述历史匹配得分,根据一致的历史匹配得分对应的所述历史对话文本,匹配所述用户的业务需求。
在其中一个实施例中,所述对话文本获取模块510,包括:
请求接收单元,用于接收用户访问请求,所述用户访问请求携带用户信息。
历史对话文本获取单元,用于根据所述用户信息,在预设数据库中获取所述用户的历史对话文本。
当前对话文本获取单元,用于在交互过程中获取所述用户的当前对话文本。
在其中一个实施例中,所述历史匹配得分确定模块520,包括:
历史热词第一匹配单元,用于分别将各所述历史对话文本与所述用户的历史热词库进行匹配,分别获得各所述历史对话文本匹配的历史热词。
历史匹配得分确定单元,用于根据各所述历史对话文本匹配的历史热词,分别确定各所述历史对话文本对应的历史匹配得分。
在其中一个实施例中,所述历史匹配得分确定模块520,包括:
历史热词第二匹配单元,用于获取存储的各所述历史对话文本匹配的历史热词。
历史匹配得分确定单元,用于根据各所述历史对话文本匹配的历史热词,分别确定各所述历史对话文本对应的历史匹配得分。
在其中一个实施例中,所述历史匹配得分确定单元,还用于根据各所述历史对话文本匹配的历史热词的热词权重,分别确定各所述历史对话文本对应的历史匹配得分。
在其中一个实施例中,所述历史匹配得分确定单元,包括:
候选热词确定单元,用于对各所述历史对话文本进行分词,根据得到的分词的词性确定候选热词。
候选热词权重计算单元,用于计算各所述候选热词的候选热词权重。
历史热词确定单元,用于根据各所述候选热词权重,从所述候选热词中筛选确定出历史热词,确定出的历史热词的候选热词权重为确定的所述历史热词的热词权重。
在其中一个实施例中,所述候选热词权重计算单元,包括:
热词图构建单元,用于根据各所述候选热词之间的语义关系,构建所述候选热词对应的热词图,所述热词图包括节点和边,所述节点为所述候选热词,两个所述节点的边表示两个所述节点对应的所述候选热词之间存在语义关系。
候选热词向量构建单元,用于基于所述热词图,构建各所述候选热词的候选热词向量。
候选热词权重确定单元,用于根据各所述候选热词向量,迭代计算各所述候选热词对应的候选热词权重。
在其中一个实施例中,所述候选热词权重确定单元,还用于将大于预定权重阈值的所述候选热词权重对应的所述候选热词,筛选确定为历史热词。
在其中一个实施例中,所述候选热词权重确定单元,还用于将所述候选热词权重最大的预定数目个所述候选热词,筛选确定为历史热词。
在其中一个实施例中,所述候选热词权重确定单元,还用于将所述候选热词权重最大、且占所述候选热词的预定比例的所述候选热词,筛选确定为历史热词。
在其中一个实施例中,所述历史匹配得分确定单元,还用于根据各所述历史对话文本匹配的历史热词的热词权重,以及各所述历史热词的预设匹配系数,确定各所述历史热词的历史热词匹配得分;将各所述历史对话文本的历史热词的历史热词匹配得分之和,分别确定为各所述历史对话文本对应的历史匹配得分。
在其中一个实施例中,所述当前匹配得分确定模块530,包括:
关键词权重确定单元,用于确定所述当前对话文本与预设关键词库匹配的关键词,并确定各所述关键词的关键词权重。
关键词匹配得分确定单元,用于根据各所述关键词的所述关键词权重,以及各所述关键词的预设匹配系数,确定各所述关键词的关键词匹配得分。
当前匹配得分确定单元,用于基于各所述关键词匹配得分,确定所述当前对话文本的当前匹配得分。
在其中一个实施例中,所述融合模块540,包括:
待融合历史热词确定单元,用于将历史热词权重最大的所述历史热词,作为待融合历史热词。
在其中一个实施例中,所述业务需求匹配装置还包括:
匹配次数记录单元,用于记录不存在与所述当前匹配得分一致的所述历史匹配得分的匹配次数。
匹配次数判定单元,用于判定所述匹配次数是否小于或等于预设次数。
匹配结果确定单元,用于在所述匹配次数判定单元判定所述匹配次数大于预设次数时,确定匹配所述用户的业务需求失败,转为人工处理。
上述业务需求匹配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在其中一个实施例中,提供了一种计算机设备,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种业务需求匹配方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在其中一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述的业务需求匹配方法的步骤。
在其中一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的业务需求匹配方法的步骤。
在其中一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的业务需求匹配方法的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。

Claims (27)

1.一种业务需求匹配方法,其特征在于,所述方法包括:
获取用户的当前对话文本以及各历史对话文本;
根据各所述历史对话文本匹配的历史热词,确定各所述历史对话文本对应的历史匹配得分;
对所述当前对话文本进行分析,确定所述当前对话文本的当前匹配得分;
若不存在与所述当前匹配得分一致的所述历史匹配得分,从历史热词中确定待融合历史热词,融合所述当前对话文本与所述待融合历史热词,获得融合对话文本;
将所述融合对话文本作为所述当前对话文本,返回所述对所述当前对话文本进行分析,确定所述当前对话文本的当前匹配得分的步骤,直至存在与所述当前匹配得分一致的所述历史匹配得分,根据一致的历史匹配得分对应的所述历史对话文本,匹配所述用户的业务需求。
2.根据权利要求1所述的业务需求匹配方法,其特征在于,所述获取用户的当前对话文本以及各历史对话文本,包括:
接收用户访问请求,所述用户访问请求携带用户信息;
根据所述用户信息,在预设数据库中获取所述用户的各历史对话文本;
在交互过程中获取所述用户的当前对话文本。
3.根据权利要求1所述的业务需求匹配方法,其特征在于,所述根据各所述历史对话文本匹配的历史热词,确定各所述历史对话文本对应的历史匹配得分,包括:
分别将各所述历史对话文本与所述用户的历史热词库进行匹配,分别获得各所述历史对话文本匹配的历史热词;
根据各所述历史对话文本匹配的历史热词,分别确定各所述历史对话文本对应的历史匹配得分。
4.根据权利要求1所述的业务需求匹配方法,其特征在于,所述根据各所述历史对话文本匹配的历史热词,确定各所述历史对话文本对应的历史匹配得分,包括:
获取存储的各所述历史对话文本匹配的历史热词;
根据各所述历史对话文本匹配的历史热词,分别确定各所述历史对话文本对应的历史匹配得分。
5.根据权利要求3或4所述的业务需求匹配方法,其特征在于,所述根据各所述历史对话文本匹配的历史热词,分别确定各所述历史对话文本对应的历史匹配得分,包括:
根据各所述历史对话文本匹配的历史热词的热词权重,分别确定各所述历史对话文本对应的历史匹配得分。
6.根据权利要求5所述的业务需求匹配方法,其特征在于,所述历史热词以及所述历史热词的热词权重的确定方式,包括:
对各所述历史对话文本进行分词,根据得到的分词的词性确定候选热词;
计算各所述候选热词的候选热词权重;
根据各所述候选热词权重,从所述候选热词中筛选确定出历史热词,确定出的历史热词的候选热词权重为确定的所述历史热词的热词权重。
7.根据权利要求6所述的业务需求匹配方法,其特征在于,所述计算各所述候选热词的候选热词权重,包括:
根据各所述候选热词之间的语义关系,构建所述候选热词对应的热词图,所述热词图包括节点和边,所述节点为所述候选热词,两个所述节点的边表示两个所述节点对应的所述候选热词之间存在语义关系;
基于所述热词图,构建各所述候选热词的候选热词向量;
根据各所述候选热词向量,迭代计算各所述候选热词对应的候选热词权重。
8.根据权利要求6所述的业务需求匹配方法,其特征在于,所述根据各所述候选热词权重,从所述候选热词中筛选确定出历史热词,包括以下任意一项:
第一项:将大于预定权重阈值的所述候选热词权重对应的所述候选热词,筛选确定为历史热词;
第二项:将所述候选热词权重最大的预定数目个所述候选热词,筛选确定为历史热词;
第三项:将所述候选热词权重最大、且占所述候选热词的预定比例的所述候选热词,筛选确定为历史热词。
9.根据权利要求5所述的业务需求匹配方法,其特征在于,所述根据各所述历史对话文本匹配的历史热词的热词权重,分别确定各所述历史对话文本对应的历史匹配得分,包括:
根据各所述历史对话文本匹配的历史热词的热词权重,以及各所述历史热词的预设匹配系数,确定各所述历史热词的历史热词匹配得分;
将各所述历史对话文本的历史热词的历史热词匹配得分之和,分别确定为各所述历史对话文本对应的历史匹配得分。
10.根据权利要求1所述的业务需求匹配方法,其特征在于,所述对所述当前对话文本进行分析,确定所述当前对话文本的当前匹配得分,包括:
确定所述当前对话文本与预设关键词库匹配的关键词,并确定各所述关键词的关键词权重;
根据各所述关键词的所述关键词权重,以及各所述关键词的预设匹配系数,确定各所述关键词的关键词匹配得分;
基于各所述关键词匹配得分,确定所述当前对话文本的当前匹配得分。
11.根据权利要求1所述的业务需求匹配方法,其特征在于,所述从历史热词中确定待融合历史热词,包括:
将历史热词权重最大的所述历史热词,作为待融合历史热词。
12.根据权利要求1所述的业务需求匹配方法,其特征在于,在确定不存在与所述当前匹配得分一致的所述历史匹配得分之后,在所述从历史热词中确定待融合历史热词之前,还包括:
记录不存在与所述当前匹配得分一致的所述历史匹配得分的匹配次数;
若所述匹配次数小于或等于预设次数,则进入所述从历史热词中确定待融合历史热词的步骤,否则确定匹配所述用户的业务需求失败,转为人工处理。
13.一种业务需求匹配装置,其特征在于,所述装置包括:
对话文本获取模块,用于获取用户的当前对话文本以及各历史对话文本;
历史匹配得分确定模块,用于根据各所述历史对话文本匹配的历史热词,确定各所述历史对话文本对应的历史匹配得分;
当前匹配得分确定模块,用于对所述当前对话文本进行分析,确定所述当前对话文本的当前匹配得分;
融合模块,用于若不存在与所述当前匹配得分一致的所述历史匹配得分,从历史热词中确定待融合历史热词,融合所述当前对话文本与所述待融合历史热词,获得融合对话文本;
业务需求确定模块,用于将所述融合对话文本作为所述当前对话文本,若确定存在与所述当前匹配得分一致的所述历史匹配得分,根据一致的历史匹配得分对应的所述历史对话文本,匹配所述用户的业务需求。
14.根据权利要求13所述的业务需求匹配装置,其特征在于,所述对话文本获取模块,包括:
请求接收单元,用于接收用户访问请求,所述用户访问请求携带用户信息;
历史对话文本获取单元,用于根据所述用户信息,在预设数据库中获取所述用户的历史对话文本;
当前对话文本获取单元,用于在交互过程中获取所述用户的当前对话文本。
15.根据权利要求13所述的业务需求匹配装置,其特征在于,所述历史匹配得分确定模块,包括:
历史热词第一匹配单元,用于分别将各所述历史对话文本与所述用户的历史热词库进行匹配,分别获得各所述历史对话文本匹配的历史热词;
历史匹配得分确定单元,用于根据各所述历史对话文本匹配的历史热词,分别确定各所述历史对话文本对应的历史匹配得分。
16.根据权利要求13所述的业务需求匹配装置,其特征在于,所述历史匹配得分确定模块,包括:
历史热词第二匹配单元,用于获取存储的各所述历史对话文本匹配的历史热词;
历史匹配得分确定单元,用于根据各所述历史对话文本匹配的历史热词,分别确定各所述历史对话文本对应的历史匹配得分。
17.根据权利要求15或16所述的业务需求匹配装置,其特征在于:
所述历史匹配得分确定单元,还用于根据各所述历史对话文本匹配的历史热词的热词权重,分别确定各所述历史对话文本对应的历史匹配得分。
18.根据权利要求17所述的业务需求匹配装置,其特征在于,所述历史匹配得分确定单元,包括:
候选热词确定单元,用于对各所述历史对话文本进行分词,根据得到的分词的词性确定候选热词;
候选热词权重计算单元,用于计算各所述候选热词的候选热词权重;
历史热词确定单元,用于根据各所述候选热词权重,从所述候选热词中筛选确定出历史热词,确定出的历史热词的候选热词权重为确定的所述历史热词的热词权重。
19.根据权利要求18所述的业务需求匹配装置,其特征在于,所述候选热词权重计算单元,包括:
热词图构建单元,用于根据各所述候选热词之间的语义关系,构建所述候选热词对应的热词图,所述热词图包括节点和边,所述节点为所述候选热词,两个所述节点的边表示两个所述节点对应的所述候选热词之间存在语义关系;
候选热词向量构建单元,用于基于所述热词图,构建各所述候选热词的候选热词向量;
候选热词权重确定单元,用于根据各所述候选热词向量,迭代计算各所述候选热词对应的候选热词权重。
20.根据权利要求19所述的业务需求匹配装置,其特征在于:
所述候选热词权重确定单元,还用于将大于预定权重阈值的所述候选热词权重对应的所述候选热词,筛选确定为历史热词;
所述候选热词权重确定单元,还用于将所述候选热词权重最大的预定数目个所述候选热词,筛选确定为历史热词;
所述候选热词权重确定单元,还用于将所述候选热词权重最大、且占所述候选热词的预定比例的所述候选热词,筛选确定为历史热词。
21.根据权利要求18所述的业务需求匹配装置,其特征在于:
所述历史匹配得分确定单元,还用于根据各所述历史对话文本匹配的历史热词的热词权重,以及各所述历史热词的预设匹配系数,确定各所述历史热词的历史热词匹配得分;将各所述历史对话文本的历史热词的历史热词匹配得分之和,分别确定为各所述历史对话文本对应的历史匹配得分。
22.根据权利要求13所述的业务需求匹配装置,其特征在于,所述当前匹配得分确定模块,包括:
关键词权重确定单元,用于确定所述当前对话文本与预设关键词库匹配的关键词,并确定各所述关键词的关键词权重;
关键词匹配得分确定单元,用于根据各所述关键词的所述关键词权重,以及各所述关键词的预设匹配系数,确定各所述关键词的关键词匹配得分;
当前匹配得分确定单元,用于基于各所述关键词匹配得分,确定所述当前对话文本的当前匹配得分。
23.根据权利要求13所述的业务需求匹配装置,其特征在于,所述融合模块,包括:
待融合历史热词确定单元,用于将历史热词权重最大的所述历史热词,作为待融合历史热词。
24.根据权利要求13所述的业务需求匹配装置,其特征在于,所述装置还包括:
匹配次数记录单元,用于记录不存在与所述当前匹配得分一致的所述历史匹配得分的匹配次数;
匹配次数判定单元,用于判定所述匹配次数是否小于或等于预设次数;
匹配结果确定单元,用于在所述匹配次数判定单元判定所述匹配次数大于预设次数时,确定匹配所述用户的业务需求失败,转为人工处理。
25.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至12中任一项所述的业务需求匹配方法的步骤。
26.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至12中任一项所述的业务需求匹配方法的步骤。
27.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至12中任一项所述的业务需求匹配方法的步骤。
CN202111413339.0A 2021-11-25 2021-11-25 业务需求匹配方法、装置、计算机设备和存储介质 Pending CN114239603A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111413339.0A CN114239603A (zh) 2021-11-25 2021-11-25 业务需求匹配方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111413339.0A CN114239603A (zh) 2021-11-25 2021-11-25 业务需求匹配方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN114239603A true CN114239603A (zh) 2022-03-25

Family

ID=80751159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111413339.0A Pending CN114239603A (zh) 2021-11-25 2021-11-25 业务需求匹配方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN114239603A (zh)

Similar Documents

Publication Publication Date Title
US11227118B2 (en) Methods, devices, and systems for constructing intelligent knowledge base
US10650311B2 (en) Suggesting resources using context hashing
CN110765763A (zh) 语音识别文本的纠错方法、装置、计算机设备和存储介质
CN110598206A (zh) 文本语义识别方法、装置、计算机设备和存储介质
CN112380331A (zh) 信息推送的方法和装置
CN110362798B (zh) 裁决信息检索分析方法、装置、计算机设备和存储介质
CN113407677B (zh) 评估咨询对话质量的方法、装置、设备和存储介质
CN112559895A (zh) 一种数据处理方法、装置、电子设备及存储介质
CN115795030A (zh) 文本分类方法、装置、计算机设备和存储介质
CN112597292B (zh) 问题回复推荐方法、装置、计算机设备和存储介质
CN114547257B (zh) 类案匹配方法、装置、计算机设备及存储介质
CN113011153B (zh) 文本相关性检测方法、装置、设备及存储介质
CN114676237A (zh) 语句相似度确定方法、装置、计算机设备和存储介质
CN114239603A (zh) 业务需求匹配方法、装置、计算机设备和存储介质
CN114490996B (zh) 意图识别方法、装置、计算机设备和存储介质
CN113220841B (zh) 确定鉴别信息的方法、装置、电子设备和存储介质
CN116932721B (zh) 一种银行业务问答匹配方法、装置、客服机器人
CN115374273A (zh) 会话文本分析方法、装置、计算机设备和存储介质
CN117390258A (zh) 金融业务推荐方法、装置、计算机设备和存储介质
CN118013031A (zh) 提示词的确定方法、装置、计算机设备以及存储介质
CN117440041A (zh) 静默服务信息推送方法、装置、计算机设备和存储介质
CN116860972A (zh) 交互信息分类方法、装置、设备、存储介质和程序产品
CN115630973A (zh) 用户数据处理方法、装置、计算机设备和存储介质
CN117573973A (zh) 资源推荐方法、装置、电子设备以及存储介质
CN116402060A (zh) 文本信息的情感分类方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination