[发明专利]一种智能答复方法及装置

说明书

本发明实施例提供了一种智能答复方法及装置，本发明涉及人工智能技术领域，方法包括：获取待答复的用户提问语句；将用户提问语句进行预处理，得到第一词向量序列；将第一词向量序列输入语义匹配模型，以获取语义匹配模型输出的与用户提问语句相匹配的标准问；当预设时间内多个用户提问语句匹配得到的同一标准问的次数大于第一预设阈值，将标准问确定为热点标准问；将热点标准问及相关联的答复推送至预设的第一推送列表。本发明实施例提供的技术方案能够解决现有技术中客服机器人的运行效率低的问题。

【技术领域】

本发明涉及人工智能技术领域，尤其涉及一种智能答复方法及装置。

【背景技术】

随着互联网的飞速发展，网络客服已经普及到各行各业，其中，常见的智能客服机器人虽然在一定程度上快速响应客户的需求，但是智能客服机器人的功能单一，多数保险代理人往往就一个相同的问题反复请教智能客服机器人，客服机器人容易出现响应变慢，降低客服机器人的运行效率。

【发明内容】

有鉴于此，本发明实施例提供了一种智能答复方法及装置，用以解决现有技术中客服机器人的运行效率低的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种智能答复方法，所述方法包括：

获取待答复的用户提问语句；将所述用户提问语句进行预处理，得到第一词向量序列；将所述第一词向量序列输入语义匹配模型，以获取所述语义匹配模型输出的与所述用户提问语句相匹配的标准问；当预设时间内多个所述用户提问语句匹配得到的同一所述标准问的次数大于第一预设阈值，将所述标准问确定为热点标准问；将所述热点标准问及相关联的答复推送至预设的第一推送列表。

可选地，所述将所述第一词向量序列输入语义匹配模型，以获取所述语义匹配模型输出的与所述用户提问语句相匹配的标准问的步骤，包括：将所述第一词向量序列输入到所述语义匹配模型，所述语义匹配模型包括孪生长短时神经网络，通过所述孪生长短时神经网络确定所述用户提问语句与预设的标准问集中的每个标准问的文本相似度；根据所述文本相似度确定所述标准问集中与所述用户提问语句相匹配的标准问。

可选地，在所述将所述第一词向量序列输入语义匹配模型，以获取所述语义匹配模型输出的与所述用户提问语句相匹配的标准问之前，所述方法还包括：构建孪生长短时神经网络；获取多个训练样本对，其中，每个训练样本对包括一个标准问样本和一个提问语句样本；将多个所述训练样本对分别进行预处理，得到多个第二词向量序列对；将每个所述训练样本对的第二词向量序列对输入所述孪生长短时神经网络进行学习训练；通过对比对损失函数实现所述孪生长短时神经网络的迭代优化，得到训练好的语义匹配模型。

可选地，在所述将所述热点标准问及相关联的答复推送至预设的第一推送列表之前，所述方法还包括：构建标准知识库，所述标准知识库用于存储标准问-答复对；根据预定的维度标签对所述标准知识库中存储的标准问-答复对进行标注，所述维度标签包括产品维度标签及客户维度标签中的至少一种。

可选地，在所述将所述第一词向量序列输入语义匹配模型，以获取所述语义匹配模型输出的与所述用户提问语句相匹配的标准问之后，所述方法还包括：统计匹配到的所述标准问所关联的同一所述维度标签的重复次数；当同一所述维度标签的重复次数大于第二预设阈值，将所述维度标签确定为热点维度标签；将与所述热点维度标签相关的标准问-答复对推送至预设的第二推送列表。

可选地，所述获取待答复的用户提问语句的步骤，包括：获取待答复的用户提问语音数据；将所述用户提问语音数据转换为用户提问语句。

可选地，所述将所述用户提问语句进行预处理，得到第一词向量序列的步骤，包括：将所述用户提问语句输入预设的分词模型，得到所述分词模型输出的对所述用户提问语句进行分词处理后的第一词序列；利用预设的词向量表示模型将所述第一词序列转换为第一词向量序列。