基于管理端反馈的品牌核心客户提示词自学习方法及装置与流程
本发明涉及自然语言处理,具体地涉及一种基于管理端品牌核心客户提示词自学习方法及装置。
背景技术:
1、当前市面上的品牌客户问题提示词生成系统及智能问答关键词生成工具,普遍采用固定模板生成、人工手动编辑及静态关键词库三大技术模式。其基本实现路径为:基于行业通用模板批量生成标准化提示词,生成后需由人工全程参与修改与调整,并以预先构建的静态关键词库作为主要支撑。
2、然而,上述方案在实际应用中存在诸多缺陷。首先,通用化模板生成的提示词无法贴合具体品牌的核心客户群体需求,与客户的真实关注点存在较大偏离,精准度明显不足。其次,系统不具备自主学习与优化能力,无法感知品牌方针对提示词的修改意图,每一次提示词调整均需人工干预,导致运维成本居高不下,更新效率严重滞后。此外,现有方案无法根据不同品牌、不同行业的客户需求差异实现个性化迭代,通用性强但针对性弱,适配性较差。更为关键的是,现有系统缺少“客户修改、数据学习、模型优化及提示词输出”的闭环优化机制,提示词精准度无法随使用次数的增加而持续提升,长期存在偏差。最终,由于未结合品牌核心客户的决策逻辑及需求痛点进行动态优化,生成的提示词与客户实际咨询、搜索需求相互脱节,难以满足品牌在精准获客、需求调研等方面的核心诉求。
技术实现思路
1、本发明实施例的目的是提供一种基于管理端反馈的品牌核心客户提示词自学习方法及装置,以至少解决相关技术中提示词生成系统难以自适应优化、精准度低的技术问题。
2、为了实现上述目的,本发明实施例提供一种基于管理端反馈的品牌核心客户提示词自学习方法,该方法包括:获取管理端的业务配置数据,并基于所述业务配置数据及预设生成规则,生成初始提示词集合,其中,所述业务配置数据包括目标业务需求;采集所述管理端对所述初始提示词集合中提示词的修改操作数据,其中,所述修改操作数据至少包括修改前文本、修改后文本、修改操作类型及修改时间戳;根据所述修改前文本与所述修改后文本,确定文本差异量,并根据所述修改操作类型及所述修改时间戳,确定所述修改操作数据对应的反馈权重;利用所述文本差异量及对应的反馈权重,对所述管理端对应的品牌需求特征库进行更新,得到更新后的品牌需求特征库,其中,所述品牌需求特征库包含用于生成品牌核心客户提示词的可学习参数;依据所述更新后的品牌需求特征库,生成候选提示词集合,并计算每条候选提示词与所述目标业务需求的匹配度指标;以及将所述匹配度指标与预设阈值进行比较,根据比较结果从所述候选提示词集合中确定目标提示词,以用于满足所述管理端对应的目标业务需求。
3、可选的,所述根据所述修改前文本与所述修改后文本,确定文本差异量,包括:将所述修改前文本与所述修改后文本分别编码为修改前语义向量及修改后语义向量;将所述修改前语义向量与所述修改后语义向量之间的向量差作为所述文本差异量。
4、可选的,所述确定所述修改操作数据对应的反馈权重,包括:从所述修改操作数据中获取所述管理端标注的优先级信息;基于所述优先级信息、所述修改操作类型及所述修改时间戳,确定所述修改操作数据对应的反馈权重。
5、可选的,所述基于所述优先级信息、所述修改操作类型及所述修改时间戳,确定所述修改操作数据对应的反馈权重,包括:获取所述修改操作类型对应的预设操作权重、所述优先级信息对应的预设优先级权重及所述修改操作数据的确认状态系数;基于所述预设操作权重、所述预设优先级权重、所述确认状态系数及所述修改时间戳,按照以下公式计算所述修改操作数据对应的反馈权重:
6、w_i = w_op,i × w_ pri,i× exp(-λ × δt_i) ×c_i
7、其中,w_i为反馈权重,w_op,i为预设操作权重,w_pri,i为预设优先级权重,δt_i为修改时间戳与当前时间之间的时间间隔,λ为预设的时间衰减系数,c_i为确认状态系数。
8、可选的,所述得到更新后的品牌需求特征库,包括:从所述管理端对应的品牌需求特征库中,获取所述品牌核心客户提示词当前的可学习参数,其中,所述可学习参数包括模板槽位权重或需求标签权重;利用所述文本差异量及对应的反馈权重,构建所述管理端对应的反馈样本集,其中,所述反馈样本集包括正向样本与负向样本,所述正向样本为所述修改操作数据中新增或修改后的文本对应的反馈样本,所述负向样本为所述修改操作数据中被删除或标记无效的文本对应的反馈样本,所述反馈样本集中的第i条反馈样本对应有文本差异量、反馈权重、操作类型、以及关联的需求标签和/或模板槽位;根据参数增量映射函数,通过以下公式将所述第i条反馈样本的文本差异量映射为与所述可学习参数同维度的参数增量:
9、m_i=m(δe_i, tag_i, slot_i, op_i)
10、其中,m_i为第i条反馈样本的参数增量,tag_i为第i条反馈样本关联的需求标签,slot_i为第i条反馈样本关联的模板槽位,op_i为第i条反馈样本对应的操作类型;基于所述当前的可学习参数及所述参数增量,通过以下公式计算更新后的可学习参数:
11、θ_{t+1}=clip(θ_t+η×σ(w_i×m_i)/(σw_i+ε), θ_min, θ_max)
12、其中,θ_t为当前的可学习参数,θ_{t+1}为更新后的可学习参数,η为预设的更新步长,w_i为第i条反馈样本的反馈权重,ε为常数,clip用于将参数限制在预设下界θ_min和预设上界θ_max之间;将所述更新后的可学习参数存入所述品牌需求特征库中,得到更新后的品牌需求特征库。
13、可选的,所述计算每条候选提示词与所述目标业务需求的匹配度指标,包括:针对每条候选提示词,确定该候选提示词与所述目标业务需求之间的语义相似度、需求覆盖度、业务适配度及版本新鲜度;基于该候选提示词的语义相似度、需求覆盖度、业务适配度及版本新鲜度,通过以下公式计算该候选提示词与所述目标业务需求的匹配度指标:
14、pmc = 100 × (α × sim(q,d) + β × cover(demand) + γ × fit(business) + δ × fresh(version))
15、其中,pmc为匹配度指标,sim(q,d)为语义相似度,cover(demand)为需求覆盖度,fit(business)为业务适配度,fresh(version)为版本新鲜度;α、β、γ、δ为各维度对应的预设权重系数,且α+β+γ+δ=1。
16、可选的,所述根据比较结果从所述候选提示词集合中确定目标提示词之后,还包括:将所述匹配度指标小于所述预设阈值的候选提示词作为待优化样本;对所述待优化样本执行循环迭代操作,直至所述待优化样本的匹配度指标达到所述预设阈值或达到预设迭代次数时,输出优化后样本;将所述优化后样本存入所述候选提示词集合,得到更新后的候选提示词集合。
17、可选的,所述得到更新后的品牌需求特征库之后,还包括:计算所述更新后的品牌需求特征库与所述品牌需求特征库之间的相似度;当所述相似度小于预设相似度阈值时,丢弃所述更新后的品牌需求特征库,并生成复核记录。
18、另一方面,本发明提供一种基于管理端反馈的品牌核心客户提示词自学习装置,该装置包括:获取模块,用于获取管理端的业务配置数据,并基于所述业务配置数据及预设生成规则,生成初始提示词集合,其中,所述业务配置数据包括目标业务需求;采集模块,用于采集所述管理端对所述初始提示词集合中提示词的修改操作数据,其中,所述修改操作数据至少包括修改前文本、修改后文本、修改操作类型及修改时间戳;确定模块,用于根据所述修改前文本与所述修改后文本,确定文本差异量,并根据所述修改操作类型及所述修改时间戳,确定所述修改操作数据对应的反馈权重;更新模块,用于利用所述文本差异量及对应的反馈权重,对所述管理端对应的品牌需求特征库进行更新,得到更新后的品牌需求特征库,其中,所述品牌需求特征库包含用于生成品牌核心客户提示词的可学习参数;生成模块,用于依据所述更新后的品牌需求特征库,生成候选提示词集合,并计算每条候选提示词与所述目标业务需求的匹配度指标;以及比较模块,用于将所述匹配度指标与预设阈值进行比较,根据比较结果从所述候选提示词集合中确定目标提示词,以用于满足所述管理端对应的目标业务需求。
19、另一方面,本发明提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行本技术上述任一项的基于管理端反馈的品牌核心客户提示词自学习的方法。
20、通过上述技术方案,通过获取管理端的业务配置数据并依据预设生成规则生成初始提示词集合,采集管理端对初始提示词集合中提示词的修改操作数据,根据修改前文本与修改后文本确定文本差异量,并根据修改操作类型及修改时间戳确定反馈权重,利用文本差异量及反馈权重对管理端对应的品牌需求特征库进行更新,依据更新后的品牌需求特征库生成候选提示词集合并计算各候选提示词与目标业务需求的匹配度指标,将匹配度指标与预设阈值比较后从候选提示词集合中确定目标提示词,达到了将管理端每一次修改行为转化为可量化的参数更新信号、使提示词生成规则随管理端反馈持续进化的目的,进而实现了提示词生成系统根据管理端反馈自主学习、动态优化提示词,持续提升提示词与品牌真实客户需求匹配准确度的技术效果,解决了相关技术中提示词生成系统难以自适应优化、精准度低的技术问题。
21、本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com