[发明专利]智能客服机器人的语料构建方法及装置

权利要求书

1.一种智能客服机器人的语料构建方法，包括：

获取多个提问文本；

对于获取的每一提问文本，根据所述提问文本包括的有效词语，将所述提问文本抽象为文本向量空间中的相应文本向量，所述文本向量空间的每一维度均对应于一个所述有效词语；

根据每一所述提问文本对应的文本向量，将所述多个提问文本划分为K个分类，K为预设的正整数且K≥2，K的值等于设定的多个标准提问文本的个数；

对于划分的每一分类，获取所述分类的标签，并以所述分类的标签作为所述分类下的提问文本的标签，所述标签包括一个所述标准提问文本和/或该标准提问文本对应的标准答案；

根据所述提问文本和所述提问文本的标签，构建智能客服机器人的用于训练文本分类器的语料。

2.根据权利要求1所述的方法，其中，所述获取多个提问文本包括：

获取所述智能客服机器人在设定时间段内的后台日志数据，所述后台日志数据包括：用户发送给所述智能客服机器人的提问问题的文本数据；

从所述后台日志数据中抽取所述提问问题的文本数据；

根据所述提问问题的文本数据，获得对应所述提问问题的相似提问文本；

获得包括所述相似提问文本的多个提问文本。

3.根据权利要求1所述的方法，其中，所述根据所述提问文本包括的有效词语，将所述提问文本抽象为文本向量空间中的相应文本向量，包括：

获取所述提问文本包括的每一有效词语；

根据所述有效词语在所述提问文本中的词频和目标提问文本的个数，计算所述有效词语在所述提问文本中的权重，其中，所述目标提问文本为包括所述有效词语的提问文本；

根据计算得到的权重，将所述提问文本抽象为文本向量空间中的相应文本向量。

4.根据权利要求3所述的方法，其中，所述获取所述提问文本包括的每一有效词语，包括：

利用分词工具对所述提问文本进行分词处理，得到所述提问文本包括的每一词语；

根据预设的停用词集合从得到的词语中过滤掉停用词，获得所述提问文本包括的每一有效词语。

5.根据权利要求1所述的方法，其中，所述根据每一所述提问文本对应的文本向量，将所述多个提问文本划分为K个分类，包括：

根据所述文本向量空间，获得K个第一聚类中心；

计算每一所述提问文本对应的文本向量分别距离所述K个第一聚类中心的距离；

将每一所述提问文本对应的文本向量分别归类到与其距离最近的第一聚类中心；

对于每一所述第一聚类中心，根据归类到所述第一聚类中心的提问文本对应的文本向量，得到相应的第二聚类中心；

检测所述第一聚类中心是否与相应的第二聚类中心相同；

在所述第一聚类中心与相应的第二聚类中心不相同的情况下，以得到的K个第二聚类中心作为所述K个第一聚类中心，并执行所述计算每一所述提问文本对应的文本向量分别距离所述K个第一聚类中心的距离的步骤；

在每一所述第一聚类中心均与相应的第二聚类中心相同的情况下，将归类到同一聚类中心的文本向量对应的提问文本划分为一个分类，得到K个分类。

6.根据权利要求1所述的方法，其中，所述智能客服机器人中设置有设定领域的机器人标准问答数据，所述机器人标准问答数据包括：所述多个标准提问文本以及每一标准提问文本对应的标准答案；

所述多个提问文本包括多个相似提问文本和所述多个标准提问文本；

其中，不同标准提问文本对应的标准答案不同；

划分的每一分类下均包括一个标准提问文本，不同分类下的标准提问文本不同；

所述获取所述分类的标签，包括：根据所述分类下的标准提问文本，以该标准提问文本和/或该标准提问文本对应的标准答案作为所述分类的标签。

7.根据权利要求1所述的方法，其中，所述方法还包括：

根据构建的所述语料训练所述文本分类器，得到目标文本分类器；

获取待测试的提问文本；

通过所述目标文本分类器，得到所述待测试的提问文本对应的标签。