[发明专利]一种智能客服工单分类方法

说明书

本发明涉及物流技术领域，具体涉及一种智能客服工单分类方法，包括：获取客服与客户的语音对话，将语音对话转换成文本；对所述文本进行数据清洗、词处理和字处理，以得到待处理文本；对所述待处理文本文本进行文本类别的标注；将已标注的文本划分为训练集、验证集和测试集，将所述训练集、验证集和测试集分别输入到预设训练模型中进行训练，得到工单分类结果。对智能机器人未解决的问题建立工单类型，使相应的工单流向专业的人员进行解决，省去人工手动工单分类的步骤，大大提高了企业的行政效率，使得建立的工单能够快速解决，使得企业解决问题的时效性明显提高。

技术领域

本发明属于物流技术领域，具体涉及一种智能客服工单分类方法。

背景技术

早期的文本分类主要通过建立词向量字典来对文本进行表示，然后采用传统机器学习方法，比如SVM和决策树对文本进行分类，该类算法训练的模型灵活性较差且效果不理想；主要由于词向量字典是固定的不会随文本的增加而动态变化，另外就是文本的上下文语义联系不强导致模型效果不佳。针对文本上下文语义联系不强的问题后来逐渐发展了基于循环神经网络对上下文语义进行关联，但是模型训练和在线服务时间太长，不适合大规模的商业化应用。针对模型响应时间过长的问题，因为一维卷积网络具有较快的卷积速度，逐渐形成了TextCNN等模型对NLP分类问题进行解决。但是基于循环神经网络和基于卷积神经网络模型都没有真正的解决掉词向量固化的问题，因此训练出来的模型性能的上限已经被限定，采取的各种tricks只能无限逼近该上限，实际应用时模型的性能大打折扣。

随着NLP技术的发展，智能客服在客户服务方面愈发凸显其重要作用，其中国内比较著名的就要说百度的“小杜”机器人和小米的“小爱同学”；国外就要数苹果公司产品自带的“siri”功能；目前NLP技术在语音客服领域服务越来越广泛、智能化水平也在逐步提高，可以实现与自然人的正常语音交流，并能对客户提出的问题给予解答。但是超出智能机器人认知范围的问题需要建立工单等待后期人工解决，浪费人力物力，降低了企业的办事效率。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种智能客服工单分类方法，以解决现有技术中的问题。

为实现以上目的，本发明采用如下技术方案：

一种智能客服工单分类方法，包括：

获取客服与客户的语音对话，将语音对话转换成文本；

对所述文本进行数据清洗、词处理和字处理，以得到待处理文本；

对所述待处理文本文本进行文本类别的标注；

将已标注的文本划分为训练集、验证集和测试集，将所述训练集、验证集和测试集分别输入到预设训练模型中进行训练，得到工单分类结果。

进一步地，对所述待处理文本文本进行文本类别的标注包括，

采用正则表达式将预设的文本类别与所述待处理文本进行匹配，根据匹配结果对所述文本进行文本类别的标注。

进一步地，所述预设的文本类别包括：快递员离职、网点倒闭、网点爆仓、网点服务态度差和签收未收。

进一步地，对所述文本进行数据清洗、分词处理和词向量处理，以得到待处理文本，包括：

对所述文本进行数据清洗，去掉所述文本中的停用词、语气词和无用内容，所述无用内容包括问候语；

对经数据清洗处理后的文本进行词处理和字处理，得到词向量表示和字向量表示；

将所述词向量与所述字向量表示表示进行嵌入，得到所述待处理文本。

进一步地，还包括对所述待处理文本进行二次清洗，包括：

按照正则表达判断所述待处理文本中的词向量与停用表是否相同，得到判断结果；