[发明专利]客服对话内容的语义检索方法、系统、设备及存储介质

说明书

本发明提供了客服对话内容的语义检索方法、系统、设备及存储介质，该方法中训练阶段包括：预训练语言模型，通过Bert模型进行预训练；挖掘OTA客服质检领域的关键词；进行新词发现挖掘OTA质检专属词汇，并加入到OTA质检分词词典，替换搜索服务器自带的分词器；预训练语言模型，通过词向量模型进行预训练；基于数据库内全量文本的向量索引构建及增量更新；构建正负样本进行查询与文本的排序模型；预测使用阶段包括：查询理解，检索使用阶段；查询文本召回，使用搜索服务器进行检索；查询向量检索召回；对于召回结果取并集，反馈给用户；按搜索服务器中的BM25模型进行打分。本发明能够对搜索结果利用排序模型进行打分，提高客服对话的语义检索的效率。

技术领域

本发明涉及语义检索领域，具体地说，涉及客服对话内容的语义检索方法、系统、设备及存储介质。

背景技术

客服质检是OTA客服领域一个很重要的环节，质检人员会通过查看客服服务的对话内容来发现一些潜在的问题进行解决，目前主流的方法是基于ElasticSearch的关键词进行全文检索，准确率与召回均存在局限性。比如，用户在住酒店中会遇到一些问题如“杀熟”，会像客服进行反馈，了解用户问题并进行处是提升客户体验的重要手段。因此OTA领域会存在一些专业的质检方面的词汇，比如“海鲜价”，“到店无房”，“信用卡盗刷”等，如果不针对性的处理，仅仅通过关键词的检索，搜索的准确率会比较差，返回的结果太多也会影响质检人员的效率，同时也无法得到想要的结果，但如果使用精确匹配的方式，又会造成召回存在问题。

因此，本发明提供了一种客服对话内容的语义检索方法、系统、设备及存储介质。

发明内容

针对现有技术中的问题，本发明的目的在于提供客服对话内容的语义检索方法、系统、设备及存储介质，克服了现有技术的困难，能够对搜索结果利用排序模型进行打分，进行精细化的排序匹配，输出匹配度高的结果，增强了准确性，大大提高了OTA客服质检对话内容的语义检索的效率。

本发明的实施例提供一种客服对话内容的语义检索方法，包括训练阶段和预测使用阶段；

所述训练阶段包括以下步骤：

S110、预训练语言模型，通过Bert模型进行预训练；

S120、挖掘OTA客服质检领域的关键词；

S130、进行新词发现挖掘OTA质检专属词汇，并加入到OTA质检分词词典，替换Elastic Search搜索服务器自带的分词器；

S140、预训练语言模型，通过Word2Vec词向量模型进行预训练；

S150、基于数据库内全量文本的向量索引构建及增量更新；以及

S160、构建正负样本进行查询与文本的排序模型；

所述预测使用阶段包括以下步骤：

S210、查询理解，检索使用阶段；

S220、查询文本召回，使用Elastic Search搜索服务器进行检索；

S230、查询向量检索召回；

S240、对于所述召回结果取并集，反馈给用户；以及

S250、按Elastic Search搜索服务器中的BM25模型进行打分。

优选地，所述步骤S120中包括以下步骤：根据用户查询的埋点进行搜集，统计词频；

所述步骤S130中包括以下步骤：将高于预设词频的关键词加入到OTA质检分词词典。

优选地，所述步骤S140中包括：收集OTA场景的语料，使用Word2Vec词向量模型预训练。