CN116955586A - 一种动态调整回答偏好的咨询系统及其实现方法 - Google Patents

Abstract

本发明公开了一种动态调整回答偏好的咨询系统及其实现方法，系统包括：知识库构建模块，用于梳理当前可使用的知识库内容素材数据结构，构建知识库；游客意图识别模块，用于基于答案场景构建不同纬度数据体系，训练语料模型，通过NLP自然语言处理识别游客意图；内容推荐模块，用于结合所述识别游客意图构建数据标签内容体系，将标签内容体系与所述知识库内容进行关联后，通过底层的内容推荐模型算法，找到游客感兴趣的内容进行推荐。本发明根据实际业务场景输出不同的知识库内容的能力，并且可配置，满足多元化需求的场景。构建标签权重推荐体系，把权重的调整能力的灵活性以及标签内容的关联性动态可调配的能力联合在一起更加具有保障。

Description

一种动态调整回答偏好的咨询系统及其实现方法

技术领域

本发明涉及计算机技术领域，尤其涉及一种动态调整回答偏好的系统及其实现方法。

背景技术

当前市场上的问答咨询系统，主要针对游客的问答，精准识别意图，然后给出具体的答案，但缺乏对于内容响应的动态调整能力，在回答内容及方式上，显得很古板呆滞，无法满足在数智化时代，游客旅游咨询的需要，对于企业或者景区的运营也无法提供有效的支撑，解决方案过于单一，主要缺陷在于：

1.数智化时代，游客需求及个性越来越多与不同，在咨询系统的内容回答上无法有效结合游客的实际需求进行产出。

2.系统功能设计无法满足多元化的场景，让运营人员根据不同的业务场景进行微调，从而影响咨询用户，给出满意的答案。

3.缺乏对于数据的真实场景应用，从产生数据到运用数据的过滤，真正实现数智化运营的需求。

发明内容

本发明提供一种动态调整回答偏好的系统及其实现方法，结合当前用户提供的数据及需求，基于当前机器学习、深度学习技术以及系统化的工程能力，提供一套能够在数据、运营等多方面影响用户咨询系统的多元化场景的解决方案，解决用户在不同业务场景下问答的满意度，提升数智化服务能力。

本发明实施例提供一种动态调整回答偏好的咨询系统，包括：

知识库构建模块，用于梳理当前可使用的知识库内容素材数据结构，构建知识库；

游客意图识别模块，用于基于答案场景构建不同纬度数据体系，训练语料模型，通过NLP自然语言处理识别游客意图；

内容推荐模块，用于结合所述识别游客意图构建数据标签内容体系，将标签内容体系与所述知识库内容进行关联后，通过底层的内容推荐模型算法，找到游客感兴趣的内容进行推荐。

本发明实施例还提供一种动态调整回答偏好的咨询系统的实现方法，包括以下步骤：

步骤1、梳理当前可使用的知识库内容素材数据结构，构建知识库；

步骤2、基于答案场景构建不同纬度数据体系，训练语料模型，通过NLP自然语言处理识别游客意图；

步骤3、结合所述识别游客意图构建数据标签内容体系，将标签内容体系与所述知识库内容进行关联后，通过底层的内容推荐模型算法，找到游客感兴趣的内容进行推荐。

进一步的，所述内容素材数据结构至少包括视频、PDF、图片、Word、文本的数据结构类型。

进一步的，所述基于答案场景构建的不同纬度数据体系的包括地理因子、时间因子，其中：

地理因子根据用户当前所处的地理位置，集合LBS算法能力，服务端识别当前用户的地理位置，并且在构建知识库时提供画区域的能力，不同的区域设置不同的答案响应输出；

时间因子从时间因素考虑，将内容进行动态设置，只有在符合时间段区间才能给出应答内容。

进一步的，所述训练语料模型，通过NLP自然语言处理识别游客意图，具体为：

训练语料模型，将游客语料进行归类、打标完成后，通过LLM大模型将问句全部转成向量，通过抽取大型语言模型的顶层隐藏状态，作为编码的输入来进行嵌入；

游客意图识别，通过将用户的问句查询进行向量嵌入后，再与模型中的向量集进行矩阵运算，计算获取相似度最大值，得到精准意图。

进一步的，所述内容推荐模型算法为基于DFS深度优先搜索算法或者BFS广度优先搜索算法的树结构算法。

进一步的，所述内容推荐模型算法利用关联后的标签内容体系与知识库内容进行内容推荐时采用子标签权重设计，每一层的同级别子标签权重不超过100%，并且父子标签的权重在获取内容时候呈现漏斗分析模型的数据结构。

进一步的，所述内容推荐模型算法的推荐阈值可调。

进一步的，所述权重与推荐获取内容、游客的问答数据量呈现一种正态分布的结构。

进一步的，所述计算获取相似度最大值，具体采用以下公式：

其中，S为相似度最大值，A和B为属性向量，A和B余弦相似度θ由点积和向量长度给出，分子分别计算A、B向量之间进行矩阵相乘并求和，分母通过向量A、B元素的平方求和再开根，再获取相乘结果集。

本发明实施例采用的上述至少一个技术方案能够达到以下有益效果：

本发明根据实际业务场景输出不同的知识库内容的能力，并且可配置，满足多元化需求的场景。构建标签权重推荐体系，通过权重及标签搜索算法相互结合，把权重的调整能力的灵活性以及标签内容的关联性动态可调配的能力联合在一起更加具有保障。

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为本发明的系统原理框图；

图2为本发明的方法流程图；

图3为本发明的知识库素材中心示意图；

图4为本发明的地理区域信息示意图；

图5为本发明的时间因子示意图；

图6为本发明的标签算法内容推荐架构示意图；

图7为本发明的LLM大模型向量处理流程图；

图8为本发明的DFS搜索算法设计代码示意图。

实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例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。

以下结合附图，详细说明本发明各实施例提供的技术方案。

如图1所示，本发明实施例提供一种动态调整回答偏好的咨询系统，包括：

知识库构建模块，用于梳理当前可使用的知识库内容素材数据结构，构建知识库；

游客意图识别模块，用于基于答案场景构建不同纬度数据体系，训练语料模型，通过NLP自然语言处理识别游客意图；

内容推荐模块，用于结合识别游客意图构建数据标签内容体系，将标签内容体系与知识库内容进行关联后，通过底层的内容推荐模型算法，找到游客感兴趣的内容进行推荐。

上述游客意图识别模块底层基于TensorFlow深度学习框架，集合向量Embedding构建标准知识库意图，通过向量以搜代分的场景将游客的问句进行分类转化，最终匹配到游客的真实意图。

数据标签内容体系是本系统的核心关键，区分标签数据冷启动阶段以及知识库意图关联两个操作。标签冷启动主要依据标签本身的规则设定，一个标签的建立可以在系统中与游客的问答内容进行规则关联，标签规则主要表现为：包含或者不包含某个特定字符，在问答场景中，数据冷启动阶段，这种规则的设定可以使得游客的问答内容与标签的规则进行匹配映射，能够极速构建标签的运营方案落地。而意图与标签的关联则依赖游客意图识别系统。构建系统底层的意图分类后。可以将标签与意图建立关系。当问答的内容被意图识别系统匹配后，则可以根据意图与标签的关联关系找到最终匹配的所属标签。

知识库内容系统是系统提供给运营人员进行知识库构建的系统模块功能，通过维护知识库问答对来完成系统的知识库构建。在建设知识库内容的同时，标准知识库是系统根据意图识别系统沉淀的标准库，运营只需要根据意图分类名称进行知识库答案构建即可。而意图的分类在和数据标签内容体系已经存在关联的场景下，会在整个问答体系中带出当前问句与标签的关联关系，从而通过标签所关联的推荐商品或者内容进入内容推荐算法体系中，从而最终完成整个标签、知识库内容的推荐流程体系。

通过本系统，构建知识库内容素材中心，针对数智化运营的需求理念，提供多元化的内容素材，并且在不同的业务场景下，可以动态调节，选取合适的素材。其次，构建知识库答案场景输出工程化能力，检索知识库答案时可根据不同的场景给出不同的响应内容。最后，基于不同纬度数据体系，构建推荐算法模型，结合标签体系、用户意图、知识库内容素材等内容，通过工程能力将整个系统化的元素结合在一起。并且，本发明提供可视化的操作界面，可以调整推荐算法模型的阈值，以满足内容推荐的多元化场景需求产出。

如图2所示，本发明实施例还提供一种动态调整回答偏好的咨询系统的实现方法，包括以下步骤：

步骤1、梳理当前可使用的知识库内容素材数据结构，构建知识库；

步骤2、基于答案场景构建不同纬度数据体系，训练语料模型，通过NLP自然语言处理识别游客意图；

步骤3、结合识别游客意图构建数据标签内容体系，将标签内容体系与知识库内容进行关联后，通过底层的内容推荐模型算法，找到游客感兴趣的内容进行推荐。

如图3所示，内容素材数据结构至少包括视频、PDF、图片、Word、文本的数据结构类型。结合实际业务场景，建设知识库时提供可调整的条件因素，运营人员可根据实际场景调整不同的答案输出，实现基于答案场景构建的不同纬度数据体系。本实施例中，基于答案场景构建的不同纬度数据体系的包括地理因子、时间因子，其中：

如图4所示，地理因子根据用户当前所处的地理位置，集合LBS算法能力，服务端识别当前用户的地理位置，并且在构建知识库时提供画区域的能力，不同的区域设置不同的答案响应输出；

如图5所示，时间因子从时间因素考虑，将内容进行动态设置，只有在符合时间段区间才能给出应答内容。

如图6所示，为本发明整个标签内容推荐体系。其中，首先需要训练语料模型，通过NLP自然语言处理识别游客意图，具体为：

训练语料模型，将游客语料进行归类、打标完成后，通过LLM大模型将问句全部转成向量，通过抽取大型语言模型的顶层隐藏状态，作为编码的输入来进行嵌入，如图7所示；

游客意图识别，通过将用户的问句查询进行向量嵌入后，再与模型中的向量集进行矩阵运算，计算获取相似度最大值，得到精准意图。其中，计算获取相似度最大值，具体采用以下公式：

其中，S为相似度最大值，A和B为属性向量，A和B余弦相似度θ由点积和向量长度给出，分子分别计算A、B向量之间进行矩阵相乘并求和，分母通过向量A、B元素的平方求和再开根，再获取相乘结果集。给出的相似性范围从-1到1，-1意味着两个向量指向的方向正好截然相反，1表示它们的指向是完全相同的，0通常表示它们之间是独立的，而在这之间的值则表示中间的相似性或相异性。

然后，结合游客意图的精准识别，并且构建标签内容体系，最终通过标签与创建的知识库内容进行关联，通过底层的内容推荐模型算法，找到游客感兴趣的内容，结合第一层的NLP处理结果内容，合并后统一返回推荐内容给游客。在标签推荐体系中，为了达到给运营方提供动态调整的能力，主要从以下几个方面考虑并进行设计：

（1）标签树的架构设计，技术层面，将标签体系设计成为在数据层面常用的树结构，这种数据结构方便我们最终在数据查找时具有高效性等优点，不管是通过DFS(深度优先搜索算法)算法或者BFS(广度优先搜索算法)算法，都能够根据运营需求，找到我们的最终数据节点，基于DFS算法深度搜索算法设计如图8所示。

（2）各个子标签推荐指数权重的设计：子标签权重的设计是获取内容推荐的核心，每一层的同级别子标签权重不超过100%，并且父子标签的权重从设计上来考虑最终在获取内容方面是呈现一种漏斗分析模型的一种数据结构方式，这种方式也能够有效减少数据的重复获取。权重与推荐获取内容与游客的问答数据量呈现一种正态分布的方式，并不是一成不变，并且权重分值的设计，在系统中提供给运营方使用时则可以动态调整权重，为游客的内容偏好提供很好的个性化设置

（3）标签最终关联内容的体系设计，在内容响应中，不管是商品或者知识库资源内容，只需要和标签建立关系，都能够在标签的影响干预的规则下，输出符合游客偏好的内容。

（4）数据算法模型的沉淀，通过一定的数据积累，标签运营建设等多方综合操作，建立更多纬度的数据体系支撑并反哺给模型。结合在游客的意图理解双模型的驱动下，提供更精准可运营操控的的咨询服务。

综上，本发明根据实际业务场景输出不同的知识库内容的能力，并且可配置，满足多元化需求的场景。构建标签权重推荐体系，通过权重及标签搜索算法相互结合，把权重的调整能力的灵活性以及标签内容的关联性动态可调配的能力联合在一起更加具有保障。

还需要说明的是，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、商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、商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“包含一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种动态调整回答偏好的咨询系统，其特征在于，包括：

知识库构建模块，用于梳理当前可使用的知识库内容素材数据结构，构建知识库；

游客意图识别模块，用于基于答案场景构建不同纬度数据体系，训练语料模型，通过NLP自然语言处理识别游客意图；

内容推荐模块，用于结合所述识别游客意图构建数据标签内容体系，将标签内容体系与所述知识库内容进行关联后，通过底层的内容推荐模型算法，找到游客感兴趣的内容进行推荐。

2.一种动态调整回答偏好的咨询系统的实现方法，其特征在于，包括以下步骤：

步骤1、梳理当前可使用的知识库内容素材数据结构，构建知识库；

步骤2、基于答案场景构建不同纬度数据体系，训练语料模型，通过NLP自然语言处理识别游客意图；

步骤3、结合所述识别游客意图构建数据标签内容体系，将标签内容体系与所述知识库内容进行关联后，通过底层的内容推荐模型算法，找到游客感兴趣的内容进行推荐。

3.根据权利要求2所述的一种动态调整回答偏好的咨询系统的实现方法，其特征在于，所述内容素材数据结构至少包括视频、PDF、图片、Word、文本的数据结构类型。

4.根据权利要求2所述的一种动态调整回答偏好的咨询系统的实现方法，其特征在于，所述基于答案场景构建的不同纬度数据体系的包括地理因子、时间因子，其中：

地理因子根据用户当前所处的地理位置，集合LBS算法能力，服务端识别当前用户的地理位置，并且在构建知识库时提供画区域的能力，不同的区域设置不同的答案响应输出；

时间因子从时间因素考虑，将内容进行动态设置，只有在符合时间段区间才能给出应答内容。

5.根据权利要求2所述的一种动态调整回答偏好的咨询系统的实现方法，其特征在于，所述训练语料模型，通过NLP自然语言处理识别游客意图，具体为：

训练语料模型，将游客语料进行归类、打标完成后，通过LLM大模型将问句全部转成向量，通过抽取大型语言模型的顶层隐藏状态，作为编码的输入来进行嵌入；

游客意图识别，通过将用户的问句查询进行向量嵌入后，再与模型中的向量集进行矩阵运算，计算获取相似度最大值，得到精准意图。

6.根据权利要求2所述的一种动态调整回答偏好的咨询系统的实现方法，其特征在于，所述内容推荐模型算法为基于DFS深度优先搜索算法或者BFS广度优先搜索算法的树结构算法。

7.根据权利要求6所述的一种动态调整回答偏好的咨询系统的实现方法，其特征在于，所述内容推荐模型算法利用关联后的标签内容体系与知识库内容进行内容推荐时采用子标签权重设计，每一层的同级别子标签权重不超过100％，并且父子标签的权重在获取内容时候呈现漏斗分析模型的数据结构。

8.根据权利要求6或7所述的一种动态调整回答偏好的咨询系统的实现方法，其特征在于，所述内容推荐模型算法的推荐阈值可调。

9.根据权利要求7所述的一种动态调整回答偏好的咨询系统的实现方法，其特征在于，所述权重与推荐获取内容、游客的问答数据量呈现一种正态分布的结构。

10.根据权利要求5所述的一种动态调整回答偏好的咨询系统的实现方法，其特征在于，所述计算获取相似度最大值，具体采用以下公式：

其中，S为相似度最大值，A和B为属性向量，A和B余弦相似度θ由点积和向量长度给出，分子分别计算A、B向量之间进行矩阵相乘并求和，分母通过向量A、B元素的平方求和再开根，再获取相乘结果集。