[发明专利]一种训练机器人模仿学习人工客服方法及装置

说明书

本发明公开了一种训练机器人模仿学习人工客服方法及装置，引入训练座席机制，将机器人预训练、智能客服服务及更新维护监督学习扁平化统一处理，优化了服务上线及训练学习流程，即时上线，由引擎过滤足够置信的问题进行应答；一方面，客户得到及时准确的消息反馈，服务范围涵括引擎以外的服务内容，与引擎服务无缝对接；另一方面，训练座席的判定会以“监督学习样本”的形式写入引擎特征分析器，样本积累、训练和智能服务并行不悖，极大节省各种上线的时间成本，随着引擎的不断自训练学习，能过滤的问题越来越多，训练座席的监督学习工作量会日渐减少。

技术领域

本公开涉及机器人技术领域，具体涉及一种训练机器人模仿学习人工客服方法及装置。

背景技术

客服机器人应用是自然语言处理的一个分支。客服机器人的发展是伴随着自然语言处理技术的革新的，大致有四类：第一阶段是基于关键词匹配的“检索式机器人”；第二阶段是运用一定的模板，支持多个词匹配，并具有模糊查询能力；第三阶段是在关键词匹配的基础上引入了搜索技术，根据文本相关性进行排序，第四阶段是以机器学习为基础，应用深度学习理解意图的智能客服技术。现代智能客服机器人，是由传统自然语言处理发展过来的，它是自然语言理解的一个高阶应用。

客服机器人已经在第四阶段越走越远，即便如此，智能客服服务依然面对着“不可预见”的挑战：它是基于样本学习的结果，一方面，“样本的收集”和监督学习下的“人工干预”工作必然是繁琐的持续的，另一方面，即使经过“充分”(事实无法完全充分)的学习训练，也无法避免信息盲点，在自动运行的状态下无法保证智能反馈的准确，虽然在“样本积累-训练学习-应用服务”的循环中“日趋完善”，但必然付出前期服务质量的“低谷”。

现在，客服机器人的自动应答的客服系统主要有三种方式：

1、基于关键字检索匹配，输出推荐问题及答案的自动应答；

2、围绕着具有“问题辨识度”的关键字，枚举各种可能的意图，并针对各个单独的3、意图，罗列枚举多种句式句法，进行正则匹配，定位意图，再做出相应应答；

基于机器学习的文本特征归纳，划分意图空间；

第一种解决方案属于最初的自动应答系统，由用户给出关键字，系统找出“包含该关键字”的“问题”或“答案”，进行罗列，由用户选择自己感兴趣的列项。这种解决方案下，可能出现以下几方面的问题：(1)用户输入关键字与预设的QA库关键字“同义字异”，无法进行有效的推荐；(2)同一关键字的QA可能太多，用户需要进行较为复杂的二次筛选找到自己期待的答案；

第二种解决方案中，针对同一意图，表达(句式句法)可以千差万别，这意味着前期句式句法归纳及句式正则编写将会非常繁重，修改运维的成本非常庞大，而且需要专业人员进行维护操作；

第三种解决方案中，基于机器学习的智能客服系统，需要前期投入大量的样本积累及学习训练成本，上线时间较长；而同时，由于用于学习训练的样本盲点的出现，在投产的过程中出现不可预知的错误应答。

发明内容

本公开提供一种训练机器人模仿学习人工客服方法及装置，引入“训练座席”机制，将机器人预训练、智能客服服务及更新维护监督学习扁平化统一处理，优化了服务上线及训练学习流程。

为了实现上述目的，根据本公开的一方面，提供一种训练机器人模仿学习人工客服方法，所述方法包括以下步骤：

步骤1，读取客户消息；

步骤2，将客户消息通过引擎特征分类器进行分类得到客户消息分类结果；

步骤3，判断客户消息分类结果是否落入应答置信的置信区间，如果落入区间，则将客户消息分类结果推送给客户；

步骤4，如果客户消息分类结果没有落入应答置信的置信区间，则训练坐席进行判定客户消息分类结果是否与客户的意图相关；