[发明专利]一种智能客服方法及系统

权利要求书

1.一种智能客服方法，其特征在于，包括以下步骤：

建立问答数据库，其由若干条包括问题、答案的问答数据组成；

建立与问答数据库相关联的问答模型，所述问答模型针对输入的问答数据形成映射关系，匹配问答数据中的问题及与之对应的答案；

用户提出待解答问题，问答模型从问答数据库中找出匹配度最高的N条答案，再使用三种特征工程的方法对N条答案再进行一次相似度计算，给出对应答案推荐给用户；

获取用户对推荐的答案评分，基于该评分优化调整问答模型，使得问答模型匹配出来的结果更加准确；

使用TFIDF算法和Doc2Vec算法从问答数据库中找出匹配度最高的20条答案；

将匹配度最高的20条答案再进行一次相似度计算；

以相似度由高到低的排序将答案推荐给用户；

将匹配度最高的20条答案再进行一次相似度计算的具体方法为：

使用三种特征工程的方法对匹配度最高的20条答案再进行一次相似度计算，三种方法计算方式如下：

(1)、计算相同关键词的比例

KeyW1表示提出问题中非重复关键词的个数，KeyW2表示匹配问题中包含提出问题中关键词的个数；则：

(2)、计算句子长度的差异率

Len1，Len2分别表示提出问题与匹配问题的长度，即两个问题中词的个数，则：

(3)、计算关键词的顺序

对用户输入问题的关键词排序成自然数序列，找出匹配问题中与输入问题相同的关键词的集合W，W中每个关键词的值为输入问题的自然数序列中对应关键词的值，定义MaxRev为最大逆序数，即关键词的组合数；Rev表示W的逆序数，则：

(4)基于这三种特征工程方法得到总的相似度计算方式：

Sim＝λ₁*WordSim+λ₂*LenSim+λ₃*OrdSim

其中，λ₁、λ₂、λ₃为系数参数，取值为λ₁/λ₂/λ₃∈(0-1)，且λ₁+λ₂+λ₃＝1；该方法还包括问答模型优化的步骤：

按权重λ₁’使用TF-IDF模型选词，其中TF、IDF计算公式如下：

按权重λ₂’使用Doc2Vec模型选词向量，并根据评分，调整λ₁’、λ₂’在问答模型中的权重：

Sim＝λ₁′*Sim_tfidf+λ₂′*Sim_doc2vec

其中，λ₁’、λ₂’为系数参数，取值为λ₁’、λ₂’∈(0-1)，且λ₁’+λ₂’＝1；

其中，TF-IDF模型，即词频-逆文件频率，词频指的是将数据库中所有问题进行分词后，每个词在所有词中出现的频率；词的逆文件频率的思想是如果包含该词的问题越少，IDF值越大，说明该词能更好的区分不同问题之间的差异；Doc2Vec模型匹配与用户输入问题相似度高的问题；Doc2Vec模型的原理和Word2Vec模型的原理相似，并在其基础上加上了一个段落向量；该段落向量可以表达段落的主旨；段落向量就是每个问题向量；在训练过程中，设置窗口大小为3，即每次从问题中取三个词向量输入到模型中进行训练，同时每次训练都会将这个段落向量一并输入进行训练。

2.根据权利要求1所述的智能客服方法，其特征在于，所述问答数据库可以经由用户批量或逐条导入问答数据建立。

3.根据权利要求1-2任一项所述的智能客服方法的系统，其特征在于，包括：

问答数据库，其由若干条包括问题、答案的问答数据组成；

问答模型，所述问答模型针对输入的问答数据形成映射关系，匹配问答数据中的问题及与之对应的答案。