[发明专利]面向电商领域的问题判别方法

说明书

本发明公开了一种面向电商领域的问题判别方法，该方法包含以下步骤：获取训练数据集；对训练数据集进行打标签；通过打标签后的数据集对分类模型进行训练；接收当前买家发送的问题；将问题输入训练好的分类模型得到分类结果。本发明的面向电商领域的问题判别方法，能够很好的区别和发现商品级长尾问题和非商品级长尾问题，并根据问题的具体类型去做不同的处理，极大的提高智能客服机器人的智能化回复，从而提高了用户体验。

技术领域

本发明涉及一种面向电商领域的问题判别方法。

背景技术

通常在电商客服领域，为了应对日益增长的买家咨询需求，商家一般会聘请大量的客服人员来处理各种需求，由此带来了高的人工成本。

为了解决此问题，客服机器人应运而生。客服机器人可以为商家店铺降低运营成本，提高运营效率。客服机器人通过自然语言处理技术智能化的处理买家各种文本需求。

现有的客服机器人都只能处理简单且重复性较高的问题，然而现实中占比较多的长尾问题和尤其重要的关于商品询问的问题不能发现和解决。

发明内容

本发明提供了一种面向电商领域的问题判别方法，采用如下的技术方案：

一种面向电商领域的问题判别方法，包含以下步骤:

获取训练数据集；

对训练数据集进行打标签，标签包括商品级长尾问题和非商品级长尾问题；

通过打标签后的数据集对分类模型进行训练；

接收当前买家发送的问题；

将问题输入训练好的分类模型得到分类结果。

进一步地，获取训练数据集的具体方法为:

获取若干买家发送的历史语料信息；

从历史语料信息中识别出所有用户提问；

从用户提问中识别出长尾问题作为训练数据集。

进一步地，在获取若干买家发送的历史语料信息后，对历史语料信息进行预处理。

进一步地，对训练数据集进行打标签的具体方法为：

将训练数据集中的用户提问分别打上商品级长尾问题和非商品级长尾问题两类标签。

进一步地，通过打标签后的数据集对分类模型进行训练的具体方法为：

将训练数据集按比例分为训练集、验证集和测试集；

通过训练集和验证集预训练分类模型；

通过测试集对分类模型进行测试。

进一步地，将训练数据集按6:2:2的比例分为训练集、验证集和测试集。

进一步地，在对训练数据集进行打标签之后，面向电商领域的问题判别方法还包括；获取商品属性关键词表；

将关键词表作为辅助信息配合打标签后的数据集对分类模型进行训练。

进一步地，获取商品属性关键词表的具体方法为：

使用商品名称、商品卖点和商品描述等非结构化数据信息，通过分词、词频等方法得到若干关键词组成商品属性关键词表。

进一步地，在得到分类结果后，面向电商领域的问题判别方法还包括:

根据分类结果选择对应的答复策略回复当前买家的问题。