CN116911869A - 一种基于人工智能的智能客服系统及其方法 - Google Patents

Abstract

本发明涉及智能客服技术领域，具体地说，涉及一种基于人工智能的智能客服系统及其方法，包括信息识别单元、信息处理单元、情感分析单元和归类总结单元，本发明通过信息识别单元识别客户的语音信息，并将语音信息转换成文本信息，便于智能客服理解客户语音信息及时回复，通过信息处理单元通过识别信息识别单元中的关键词，并建立针对每个关键词建立与之对应的回复模板，通过对文本信息中的关键词进行检索，快速对客户进行回复，提高客服的响应速度，同时，信息处理单元对于不会说普通话人群，通过语音转写技术将客户方言转换成标准文本信息，精准理解不会说普通话人群想表达的词义并进行回复，提高客户的服务体验。

Description

一种基于人工智能的智能客服系统及其方法

技术领域

本发明涉及智能客服技术领域，具体地说，涉及一种基于人工智能的智能客服系统及其方法。

背景技术

随着社会发展，许多生活场景需要客服为人们进行客户咨询和问题解答，传统客服系统需要大量的人力资源来维持运作，这也使得它存在一些不足之处，比如可能存在人力资源不足、客服人员素质参差不齐、响应速度慢等问题，客户无法得到高度标准化的服务体验，同时，有些用户不会说普通话，对普通话理解程度较低，客服人员在与客户沟通时难以理解客户所表达的语意导致服务体验较差，而且，有些客户在询问过程中了问题较多，对于系统回复的消息难以完全记住，需要客户二次通话询问，导致客服服务效率低下。

因此，提出一种基于人工智能的智能客服系统及其方法。

发明内容

本发明的目的在于提供一种基于人工智能的智能客服系统及其方法，以解决上述背景技术中提出的问题。

为实现上述技术问题的解决，本发明的目的之一在于，提供基于人工智能的智能客服系统，包括信息识别单元、信息处理单元、情感分析单元和归类总结单元；

所述信息识别单元用于接收客户的语音信息，并将语音信息转换成文本；

所述信息处理单元用于识别信息识别单元的文本中的关键词，智能客服根据关键词对回复模版进行检索，自动回复客户信息；

所述情感分析单元用于识别客户的情绪状况，根据客户的情绪状况实时调节智能客户的语音语调；

所述归类总结单元用于记录客户的询问信息和智能客服对应的回复消息，并进行编辑总结，以信息的方式发送给客户。

作为本技术方案的进一步改进，所述信息识别单元采用自动语音识别技术接收客户的语音信息，并将语音信息转换成文本。

作为本技术方案的进一步改进，所述信息处理单元包括文本处理模块和图谱检索模块；

所述文本处理模块采用词袋模型识别文本中的关键词信息，识别文本中的关键词；

所述图谱检索模块建立关键词与回复模版，针对每个关键词建立与之对应的回复模板，当识别文本中关键词信息时，智能客服自动调取回复模版对客户进行回复。

作为本技术方案的进一步改进，所述信息处理单元还包括智能回复模块，所述智能回复模块用于对图谱检索模块检索不到的关键词文本信息进行自动理解并回复。

作为本技术方案的进一步改进，所述智能回复模块用于对图谱检索模块检索不到的关键词文本信息进行自动理解并回复，包括以下步骤：

收集问题和对应的回答数据作为训练数据集；对训练数据进行预处理，包括文本清洗、分词、去除停用词、词干化，将文本数据转换成机器可处理的形式；建立Transformer模型，用于捕捉问题和回答之间的词义关系；使用训练数据集训练模型，在训练过程中，模型学习将输入的问题映射到正确的回答；将训练好的模型部署到智能客服系统中，根据用户生成的文本信息，输入到模型中Transformer进行推理，模型将输出合适的词义答复。

作为本技术方案的进一步改进，所述信息处理单元还包括方言转换模块，所述方言转换模块采用语音转写技术将客户方言转换成标准文本信息。

作为本技术方案的进一步改进，语音转写技术包括以下步骤：

使用方言语音识别技术，将方言语音转换为对应的方言文本；使用训练好的方言语音识别模型，根据方言语音的特征和模型训练参数，将方言语音转换为文本表示；使用训练好的方言文本翻译模型，将转写得到的方言文本进行翻译，将方言文本转换为标准文本。

作为本技术方案的进一步改进，所述情感分析单元包括情绪分析模块和语调调节模块；

所述情绪分析模块通过设置满意度评分，通过客户对回复内容进行评分，从而收集来自客户的情绪反馈；

所述语调调节模块基于客户当下情绪，实时调节语音输出的语调。

作为本技术方案的进一步改进，所述归类总结单元包括总结回复模块；

所述总结回复模块通过文本日志记录将客户询问信息以及对应回复信息存储在数据库中，并进行编辑总结，结束客服服务后，以信息的方式发送给客户。

本发明的目的之二在于，提供了基于人工智能的智能客服方法，包括上述中任意一项所述的基于人工智能的智能客服系统，包括以下步骤：

S1、识别客户的语音信息，并将语音信息转换成文本；

S2、通过识别S1文本信息中的关键词，自动回复客户信息；

S3、识别客户的情绪状况，根据客户的情绪状况实时调节智能客户的语音语调；

S4、记录客户的询问信息和智能客服对应的回复消息，并进行编辑总结，以信息的方式发送给客户。

与现有技术相比，本发明的有益效果：

1、该系统通过信息识别单元识别客户的语音信息，并将语音信息转换成文本信息，便于智能客服理解客户语音信息，做出及时回复，通过信息处理单元通过识别信息识别单元中的关键词，并建立针对每个关键词建立与之对应的回复模板，通过对客户文本信息中的关键词进行检索，快速对客户进行回复，提高客户服务的响应速度，同时，信息处理单元对于不会说普通话人群，通过语音转写技术将客户方言转换成标准文本信息，进而精准理解不会说普通话人群想表达的词义并进行回复，提高客户的服务体验，避免了客服人员素质参差不齐、响应速度慢等问题，从而提高服务的满意度。

2、归类总结单元通过文本日志记录将客户询问信息以及对应回复信息存储在数据库中，并进行编辑总结，结束客服服务后，以信息的方式发送给客户，避免客户二次通话询问，提高智能客服服务效率。

附图说明

图1为本发明的工作原理结构图；

图2为本发明的整体结构原理图；

图3为本发明的本发明的整体流程框图。

图中各个标号意义为：

100、信息识别单元；

200、信息处理单元；210、文本处理模块；220、图谱检索模块；230、智能回复模块；240、方言转换模块；

300、情感分析单元；310、情绪分析模块；320、语调调节模块；

400、归类总结单元；410、总结回复模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1-图3所示，本发明的目的之一在于，提供了基于人工智能的智能客服系统，包括信息识别单元100、信息处理单元200、情感分析单元300和归类总结单元400；

信息识别单元100用于接收客户的语音信息，并将语音信息转换成文本；

信息识别单元100采用自动语音识别技术接收客户的语音信息，并将语音信息转换成文本，自动语音识别技术是一种将人的语音信号转化为文本的技术，它使用语音识别算法和模型来将语音输入转换成文本输出，自动语音识别技术广泛应用于语音转写、语音指令识别、语音助手和电话识别系统等领域。

信息处理单元200用于识别信息识别单元100的文本中的关键词，智能客服根据关键词对回复模版进行检索，自动回复客户信息；

信息处理单元200包括文本处理模块210和图谱检索模块220；

文本处理模块210采用词袋模型识别文本中的关键词信息，识别文本中的关键词，图谱检索模块220建立关键词与回复模版，针对每个关键词建立与之对应的回复模板，当识别文本中关键词信息时，智能客服自动调取回复模版对客户进行回复。

文本处理模块210中通过词袋模型将文本看作是词的集合，忽略词的顺序和语法结构，通过计算每个词在文本中的权重，来确定关键词，图谱检索模块220中针对每个关键词建立与之对应的回复模板或回答，可以预先定义一组常见关键词，并为其提供相应的回复内容，也可以根据用户反馈和需求的变化，持续更新和优化回复模板，比如，在电商智能客服中，客户经常会询问什么时间发货，发什么物流，以及有无运费险，通过将发货，物流，运费险设置成关键词，当智能客服检索到对应关键词时，通过文本处理模块210设置对应的回复模版进行回复，从而提高智能客服回复效率。

信息处理单元200还包括智能回复模块230，智能回复模块230用于对图谱检索模块220检索不到的关键词文本信息进行自动理解并回复，智能回复模块230用于对图谱检索模块220检索不到的关键词文本信息进行自动理解并回复，包括以下步骤：

收集问题和对应的回答数据作为训练数据集；对训练数据进行预处理，包括文本清洗、分词、去除停用词、词干化，将文本数据转换成机器可处理的形式；建立Transformer模型，用于捕捉问题和回答之间的词义关系；使用训练数据集训练模型，在训练过程中，模型学习将输入的问题映射到正确的回答；将训练好的模型部署到智能客服系统中，根据用户生成的文本信息，输入到模型中Transformer进行推理，模型将输出合适的词义答复。

具体使用时，由于客户询问的问题可中，可能不包含关键词，图谱检索模块220不能准确的回复客户信息，因此，为了提高智能客服回复的精准度，提高客户的服务体验，因此，通过智能回复模块230建立Transformer模型并通过训练数据集进行训练，将训练好的模型部署到智能客服系统中，根据用户生成的文本信息，模型将输出合适的词义答复，从而提高客户的沟通体验。

信息处理单元200还包括方言转换模块240，方言转换模块240采用语音转写技术将客户方言转换成标准文本信息，语音转写技术包括以下步骤：

使用方言语音识别技术，将方言语音转换为对应的方言文本；使用训练好的方言语音识别模型，根据方言语音的特征和模型训练参数，将方言语音转换为文本表示；使用训练好的方言文本翻译模型，将转写得到的方言文本进行翻译，将方言文本转换为标准文本；

考虑到客户在进行询问过程中，由于客户年龄段较大，不会说普通话，导致智能客服难以精准理解客户语义，导致客户体验感不好，因此，方言转换模块240通过语音转写技术将客户方言转换为标准文本，智能客服通过对标准文本进行识别关键词，从而快速对客户询问的问题进行解答，提升客户的体验感。

情感分析单元300用于识别客户的情绪状况，根据客户的情绪状况实时调节智能客户的语音语调；

情感分析单元300包括情绪分析模块310和语调调节模块320；

情绪分析模块310通过设置满意度评分，通过客户对回复内容进行评分，从而收集来自客户的情绪反馈，语调调节模块320基于客户当下情绪，实时调节语音输出的语调。

选择评分方式：选择适合的评分方式，对智能客服服务进行评分，常见的评分方式包括星级评分1-5星；

指导客户评分：在与客户交互过程中，智能系统在回复客户的问题后，指导客户对此次回复进行打分，告知客户1-2星代表不满意，3-4星代表情绪正常，5星代表满意，以便客户能够理解并正确使用评分系统；

分析和反馈：分析评分数据，并从中获取可行的见解和反馈，通过分析评分结果，了解客户对回答内容的满意程度，当客户打分在3星以上时，保持正常的语调进行沟通，当客户打分在1-2星之间，调节智能客服的语调，使语调更为柔和，缓解客户低落的情绪，具体方法如下：

降低音调和音量：适当降低语音的音调和音量，以营造柔和的效果，过高或过大的音调和音量可能给人一种刺耳或强烈的印象，通过降低它们可以使语音更加柔和；

控制语速：适度控制语速，使其缓慢而稳定，过快的语速可能给人一种匆忙或紧张的感觉，通过放慢语速可以使语音更加柔和和舒缓；

加入适当的语调变化：在语音中适当加入语调变化，使语音更富有抑扬顿挫的节奏感，通过自然的语调变化，可以给予听者一种亲切和柔和的感觉，从而缓解客户失落的情绪。

归类总结单元400用于记录客户的询问信息和智能客服对应的回复消息，并进行编辑总结，以信息的方式发送给客户；

归类总结单元400包括总结回复模块410，总结回复模块410通过文本日志记录将客户询问信息以及对应回复信息存储在数据库中，并进行编辑总结，结束客服服务后，以信息的方式发送给客户，具体包括以下步骤：

数据存储和管理：将记录的对话数据存储在后台数据库中，并进行相应的管理；

对话编辑和总结：在客服服务结束后，编辑和总结对话，提取关键信息和内容要点，利用自然语言处理技术和摘要算法自动提取关键信息；

生成总结报告：基于编辑和总结的对话内容，生成相应的总结报告，总结报告应包括客户的询问信息、智能客服的回答、重要的讨论点和解决方案等信息；

发送总结报告给客户：将生成的总结报告发送给客户，一般可以通过电子邮件、短信或在线聊天窗口等渠道进行发送 ，在发送前，确保总结报告经过一定的格式调整和编辑，以确保准确、简洁和易于理解。

具体使用时，该系统通过信息识别单元100识别客户的语音信息，并将语音信息转换成文本信息，便于智能客服理解客户语音信息，做出及时回复，通过信息处理单元200通过识别信息识别单元100中的关键词，并建立针对每个关键词建立与之对应的回复模板，通过对客户文本信息中的关键词进行检索，快速对客户进行回复，提高客户服务的响应速度，同时，信息处理单元200对于不会说普通话人群，通过语音转写技术将客户方言转换成标准文本信息，进而精准理解不会说普通话人群想表达的词义并进行回复，提高客户的服务体验，避免了客服人员素质参差不齐、响应速度慢等问题，从而提高服务的满意度，归类总结单元400通过文本日志记录将客户询问信息以及对应回复信息存储在数据库中，并进行编辑总结，结束客服服务后，以信息的方式发送给客户，避免客户二次通话询问，提高智能客服服务效率。

本发明的目的之二在于，提供了基于人工智能的智能客服方法，包括上述中任意一项的基于人工智能的智能客服系统，包括以下步骤：

S1、识别客户的语音信息，并将语音信息转换成文本；

S2、通过识别S1文本信息中的关键词，自动回复客户信息；

S3、识别客户的情绪状况，根据客户的情绪状况实时调节智能客户的语音语调；

S4、记录客户的询问信息和智能客服对应的回复消息，并进行编辑总结，以信息的方式发送给客户。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.一种基于人工智能的智能客服系统，其特征在于：包括信息识别单元（100）、信息处理单元（200）、情感分析单元（300）和归类总结单元（400）；

所述信息识别单元（100）用于接收客户的语音信息，并将语音信息转换成文本；

所述信息处理单元（200）用于识别信息识别单元（100）的文本中的关键词，智能客服根据关键词对回复模版进行检索，自动回复客户信息；

所述情感分析单元（300）用于识别客户的情绪状况，根据客户的情绪状况实时调节智能客户的语音语调；

所述归类总结单元（400）用于记录客户的询问信息和智能客服对应的回复消息，并进行编辑总结，以信息的方式发送给客户；

所述信息识别单元（100）采用自动语音识别技术接收客户的语音信息，并将语音信息转换成文本；

所述信息处理单元（200）包括文本处理模块（210）和图谱检索模块（220）；

所述文本处理模块（210）采用词袋模型识别文本中的关键词信息，识别文本中的关键词；

所述图谱检索模块（220）建立关键词与回复模版，针对每个关键词建立与之对应的回复模板，当识别文本中关键词信息时，智能客服自动调取回复模版对客户进行回复；

所述信息处理单元（200）还包括智能回复模块（230），所述智能回复模块（230）用于对图谱检索模块（220）检索不到的关键词文本信息进行自动理解并回复；

所述智能回复模块（230）用于对图谱检索模块（220）检索不到的关键词文本信息进行自动理解并回复，包括以下步骤：

收集问题和对应的回答数据作为训练数据集；

对训练数据进行预处理，包括文本清洗、分词、去除停用词、词干化，将文本数据转换成机器可处理的形式；

建立Transformer模型，用于捕捉问题和回答之间的词义关系；

使用训练数据集训练模型，在训练过程中，模型学习将输入的问题映射到正确的回答；

将训练好的模型部署到智能客服系统中，根据用户生成的文本信息，输入到模型中Transformer进行推理，模型将输出合适的词义答复；

所述信息处理单元（200）还包括方言转换模块（240），所述方言转换模块（240）采用语音转写技术将客户方言转换成标准文本信息；

语音转写技术包括以下步骤：

使用方言语音识别技术，将方言语音转换为对应的方言文本；

使用训练好的方言语音识别模型，根据方言语音的特征和模型训练参数，将方言语音转换为文本表示；

使用训练好的方言文本翻译模型，将转写得到的方言文本进行翻译，将方言文本转换为标准文本。

2.根据权利要求1所述的基于人工智能的智能客服系统，其特征在于：所述情感分析单元（300）包括情绪分析模块（310）和语调调节模块（320）；

所述情绪分析模块（310）通过设置满意度评分，通过客户对回复内容进行评分，从而收集来自客户的情绪反馈；

所述语调调节模块（320）基于客户当下情绪，实时调节语音输出的语调。

3.根据权利要求1所述的基于人工智能的智能客服系统，其特征在于：所述归类总结单元（400）包括总结回复模块（410）；

所述总结回复模块（410）通过文本日志记录将客户询问信息以及对应回复信息存储在数据库中，并进行编辑总结，结束客服服务后，以信息的方式发送给客户。

4.用于实现基于人工智能的智能客服方法，包括权利要求1-3中任意一项所述的基于人工智能的智能客服系统，其特征在于：包括以下步骤：

S1、接收客户的语音信息，并将语音信息转换成文本；

S2、通过识别S1文本信息中的关键词，自动回复客户信息；

S3、识别客户的情绪状况，根据客户的情绪状况实时调节智能客户的语音语调；

S4、记录客户的询问信息和智能客服对应的回复消息，并进行编辑总结，以信息的方式发送给客户。