一种智能客服交互语句语义理解方法、系统及介质与流程

本发明涉及自然语言处理，尤其涉及一种智能客服交互语句语义理解方法、系统及介质。

背景技术：

1、随着人工智能技术的发展，智能客服系统已广泛应用于金融、电商、医疗、政务等服务场景。现有智能客服系统通常利用自然语言处理技术对用户交互语句进行语义分析，通过文本编码模型提取用户语句中的关键词、语义特征及意图信息，并结合业务知识库完成用户问题分类、自动应答及服务流程匹配。针对多轮客服交互场景，部分技术方案进一步引入上下文信息，通过分析历史交互语句与当前交互语句之间的关联关系，提高用户需求识别能力。

2、然而，现有智能客服语义理解方法主要依赖历史交互信息与当前语句特征之间的静态关联关系，在多轮交互过程中通常默认历史语义状态持续有效，未能根据用户交流过程中的语义变化动态调整历史信息的影响程度。当用户由原业务问题转向新的业务需求时，例如从订单查询转变为售后处理，现有方法容易受到前序对话内容影响，继续沿用历史意图，导致当前用户真实需求无法准确识别。

3、现有基于语义表示学习的方法通常侧重于提升单轮语句之间的语义相似度判断能力，对于智能客服场景中存在的表面语义相似但实际意图不同的交互语句缺少针对性分析机制，同时缺乏对语义演化过程、意图迁移节点以及历史语义失效情况的动态识别能力，难以有效处理用户表达省略、话题切换及隐性需求变化等复杂交互情况。因此，现有技术在多轮智能客服交互过程中仍存在语义理解准确性不足、意图迁移识别能力弱以及上下文信息利用不合理的问题。

4、因此，如何提供一种智能客服交互语句语义理解方法、系统及介质是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种智能客服交互语句语义理解方法、系统及介质，本发明充分利用了自然语言处理、对比学习及语义表示学习技术，通过改进simcse模型对多轮客服交互语句进行上下文增强编码、语义迁移感知分析及历史语义影响抑制，结合用户交互语义演化轨迹构建、隐性意图迁移检测及目标用户意图校正，实现复杂多轮客服场景下用户真实需求的动态理解，能够有效降低历史语义惯性导致的意图误判问题，具备语义理解准确性高、意图迁移识别能力强以及多轮交互适应性好的优点。

2、根据本发明实施例的一种智能客服交互语句语义理解方法，包括：

3、采集智能客服交互过程中的用户交互语句、客服响应语句、交互轮次信息及时间顺序信息，对用户交互语句和客服响应语句执行预处理，根据交互轮次排列生成多轮客服交互语句序列；

4、将多轮客服交互语句序列输入改进simcse模型，所述改进simcse模型包括上下文交互增强编码层、语义迁移感知对比学习层和历史语义抑制门控层，生成增强语义表示集合；

5、基于增强语义表示集合提取连续交互轮次之间的语义变化关系，计算当前用户交互语句与历史交互语句之间的语义关联程度、语义偏移程度及意图变化程度，根据语义变化方向构建用户交互语义演化轨迹；

6、依据用户交互语义演化轨迹分析历史语义状态与当前语义状态之间的影响关系，定位语义演化过程中的异常变化节点，结合实体变化信息、意图偏移信息及语义冲突信息识别用户隐性意图迁移状态，生成意图迁移检测结果；

7、根据意图迁移检测结果对历史语义状态和当前语义状态进行关联校正，降低失效历史语义状态对当前意图判断的影响，并融合当前交互语句中的有效语义信息，生成目标用户意图表示；

8、将目标用户意图表示与智能客服业务知识库中的业务意图信息进行匹配，结合用户交互语义演化轨迹确定当前用户真实需求，输出动态语义理解结果。

9、可选的，所述对用户交互语句和客服响应语句执行预处理包括对用户交互语句和客服响应语句执行文本清洗、实体提取及语句分段处理。

10、可选的，所述根据交互轮次排列生成多轮客服交互语句序列包括：

11、获取用户交互语句对应的交互时间信息、用户标识信息及交互轮次标识信息，按照交互时间先后顺序对同一用户标识对应的用户交互语句进行排序，确定连续交互轮次关系；

12、依据交互轮次标识信息将用户交互语句划分为多个交互语句片段，并关联对应轮次的客服响应语句，形成包含用户输入信息与客服反馈信息的交互语句对；

13、基于交互语句对之间的前后关联关系，提取相邻交互轮次之间的语义承接关系、主题延续关系及话题变化关系，构建多轮交互上下文链；

14、按照交互轮次顺序将各交互语句片段及对应上下文链进行组合，生成包含历史交互信息与当前交互信息的多轮客服交互语句序列。

15、可选的，所述生成增强语义表示集合，包括：

16、基于simcse模型的句子编码层、语义投影层及对比学习层构建改进simcse模型，在simcse模型的输入端嵌入上下文交互增强编码层，在语义投影层与对比学习层之间嵌入历史语义抑制门控层，将对比学习层替换为语义迁移感知对比学习层，形成面向多轮客服交互语句的改进simcse模型；

17、获取多轮客服交互语句序列中的当前用户交互语句、历史用户交互语句及对应客服响应语句，将当前用户交互语句、历史用户交互语句及客服响应语句按照交互轮次进行关联排列，并输入上下文交互增强编码层，提取交互轮次关联特征、上下文语义关联特征及语义变化特征，生成上下文增强语义表示；

18、将上下文增强语义表示输入句子编码层及语义投影层，对上下文增强语义表示进行特征映射处理，生成对应各交互轮次的基础语义嵌入表示，并依据多轮客服交互语句序列中的意图关联关系构建语义迁移感知对比学习层的训练样本集合；

19、将基础语义嵌入表示输入语义迁移感知对比学习层，根据多轮客服交互语句序列中的业务意图一致关系生成同意图表达样本，根据语义相似但业务意图不同的交互语句生成相似异意图困难负样本，基于同意图表达样本与相似异意图困难负样本执行对比优化，生成意图区分增强语义表示；

20、将意图区分增强语义表示输入历史语义抑制门控层，分析历史用户交互语句对应语义表示与当前用户交互语句对应语义表示之间的关联关系，根据语义变化程度确定历史语义信息保留比例，调整历史语义状态对当前语义状态的影响关系，生成动态语义调节表示；

21、融合上下文增强语义表示、意图区分增强语义表示及动态语义调节表示，按照多轮客服交互语句序列对应的交互轮次进行排列，生成包含语义保持特征、语义偏移特征及意图迁移特征的增强语义表示集合。

22、可选的，所述根据语义变化方向构建用户交互语义演化轨迹，包括：

23、获取增强语义表示集合中各交互轮次对应的语义保持特征、语义偏移特征及意图迁移特征，按照多轮客服交互语句序列中的交互轮次顺序建立连续语义状态节点，并将各语义状态节点与对应交互语句进行关联，生成语义状态节点集合；

24、计算相邻交互轮次对应语义状态节点之间的语义关联程度，依据当前用户交互语句对应语义表示与历史交互语句对应语义表示之间的特征匹配关系，确定连续交互轮次之间的语义承接关系，生成语义关联特征集合；

25、基于语义关联特征集合分析相邻语义状态节点之间的特征变化情况，提取语义保持特征变化量、语义偏移特征变化量及意图迁移特征变化量，根据各特征变化量确定当前用户交互语句与历史交互语句之间的语义偏移程度，生成语义偏移特征集合；

26、依据语义关联程度和语义偏移程度对各交互轮次对应的语义状态节点进行连接，将语义变化方向一致的连续语义状态节点建立正向关联关系，将语义变化方向发生改变的语义状态节点标记为语义变化节点，生成用户交互语义演化轨迹；

27、基于用户交互语义演化轨迹分析各语义状态节点之间的演化路径，结合意图迁移特征变化量确定不同交互轮次对应的意图变化程度，生成包含语义状态变化路径和意图变化信息的用户交互语义演化轨迹。

28、可选的，所述生成意图迁移检测结果，包括：

29、获取用户交互语义演化轨迹中的各语义状态节点及对应演化路径，提取各语义状态节点对应的历史语义状态信息、当前语义状态信息、语义保持特征、语义偏移特征及意图迁移特征，构建语义状态影响分析集合；

30、基于语义状态影响分析集合分析历史语义状态与当前语义状态之间的关联关系，依据历史语义状态对应的语义关联程度、语义保持程度及当前语义状态对应的语义偏移程度确定历史语义状态影响关系，生成历史语义影响特征；

31、根据历史语义影响特征对用户交互语义演化轨迹中的连续语义状态节点进行变化检测，识别语义偏移程度超过预设变化范围的语义状态节点，并结合对应交互轮次信息确定语义演化过程中的异常变化节点；

32、获取异常变化节点对应的当前用户交互语句和历史用户交互语句，提取两者之间的实体变化信息、意图偏移信息及语义冲突信息，对实体变化信息、意图偏移信息及语义冲突信息进行关联分析，生成隐性意图迁移特征；

33、基于隐性意图迁移特征分析异常变化节点前后的语义状态变化方向，判断当前用户交互语句对应意图是否脱离历史语义状态对应意图，将发生意图变化的语义状态节点标记为意图迁移节点，生成包含意图迁移节点、意图迁移方向及意图迁移状态的意图迁移检测结果。

34、可选的，所述生成目标用户意图表示，包括：

35、获取意图迁移检测结果中的意图迁移节点、意图迁移方向及意图迁移状态，读取对应意图迁移节点关联的历史语义状态和当前语义状态，提取历史语义表示、当前语义表示及语义偏移特征，构建语义状态校正集合；

36、基于语义状态校正集合分析历史语义状态与当前语义状态之间的语义关联关系，根据意图迁移状态确定历史语义状态的有效关联范围，识别与当前用户交互语句相关的有效历史语义信息及失效历史语义信息，生成历史语义状态校正信息；

37、依据历史语义状态校正信息调整失效历史语义状态对当前语义状态的影响程度，对失效历史语义信息执行抑制处理，并保留有效历史语义信息对应的上下文关联特征，生成修正历史语义表示；

38、将修正历史语义表示与当前语义表示进行融合处理，结合当前交互语句中的实体变化信息、意图偏移信息及语义迁移特征，对当前用户交互语句对应的意图特征进行补充，生成融合语义意图表示；

39、基于融合语义意图表示分析当前用户交互语句对应的目标业务意图，按照语义演化轨迹中的意图变化路径对融合语义意图表示进行校验，确定当前交互阶段对应的用户真实意图，生成目标用户意图表示。

40、可选的，所述输出动态语义理解结果，包括：

41、获取目标用户意图表示中的当前用户意图特征、意图变化路径及语义演化轨迹信息，提取智能客服业务知识库中各业务意图对应的业务语义特征、业务实体特征及业务关联特征，构建业务意图匹配集合；

42、基于业务意图匹配集合计算目标用户意图表示与各业务意图信息之间的语义匹配关系，依据当前用户意图特征、业务语义特征及业务实体特征确定候选业务意图集合，并按照匹配程度对候选业务意图集合进行排序；

43、将候选业务意图集合与用户交互语义演化轨迹进行关联分析，读取语义演化轨迹中的意图迁移节点、意图迁移方向及意图变化路径，校验候选业务意图与当前用户意图表示之间的一致关系，生成业务意图校验结果；

44、根据业务意图校验结果筛选与当前用户真实需求对应的目标业务意图，关联目标业务意图对应的客服处理流程信息、服务响应信息及交互状态信息，生成动态语义理解信息；

45、将动态语义理解信息按照当前交互轮次、意图迁移状态及业务处理类型进行组织，生成包含用户当前意图、语义变化过程及业务处理方向的动态语义理解结果。

46、根据本发明实施例的一种智能客服交互语句语义理解系统，包括：

47、交互数据采集模块，用于采集用户交互语句、客服响应语句及交互信息，预处理后生成多轮客服交互语句序列；

48、语义增强表示模块，用于基于改进simcse模型融合上下文信息、意图迁移信息及历史语义信息，生成增强语义表示集合；

49、语义轨迹构建模块，用于基于增强语义表示集合分析轮次间语义变化关系，计算语义关联、偏移及意图变化特征，构建用户交互语义演化轨迹；

50、意图迁移分析模块，用于依据用户交互语义演化轨迹分析语义状态变化，定位异常变化节点并识别隐性意图迁移状态，生成意图迁移检测结果；

51、意图状态校正模块，用于根据意图迁移检测结果调整历史语义状态影响，融合当前交互语义信息生成目标用户意图表示；

52、语义结果生成模块，用于匹配目标用户意图表示与业务意图信息，结合语义演化轨迹确定用户真实需求，输出动态语义理解结果。

53、可选的，所述计算机可读存储介质中存储有计算机程序指令，所述计算机程序指令被处理器执行时，执行一种智能客服交互语句语义理解方法。

54、本发明的有益效果是：

55、本发明通过构建基于改进simcse模型的智能客服交互语句语义理解方法，将多轮客服交互语句序列输入包含上下文交互增强编码层、语义迁移感知对比学习层及历史语义抑制门控层的改进simcse模型中，对当前交互语句与历史交互语句之间的语义关联关系进行动态分析，生成包含语义保持特征、语义偏移特征及意图迁移特征的增强语义表示集合，提高了客服交互过程中语义信息提取的完整性和准确性。

56、本发明通过构建用户交互语义演化轨迹，对连续交互轮次中的语义变化关系进行分析，结合语义关联程度、语义偏移程度及意图变化程度定位语义演化异常变化节点，并依据实体变化信息、意图偏移信息及语义冲突信息识别用户隐性意图迁移状态，能够避免传统方法过度依赖历史上下文导致的语义惯性问题，提高了复杂多轮对话场景下用户真实意图识别的准确性。

57、本发明通过基于意图迁移检测结果对历史语义状态和当前语义状态进行关联校正，降低失效历史语义信息对当前意图判断的干扰，并融合当前交互语句中的有效语义信息生成目标用户意图表示，再结合智能客服业务知识库输出动态语义理解结果，使智能客服系统能够适应用户需求变化、话题切换及隐含表达等复杂交互情况，提高了客服语义理解的稳定性、实时性和业务适配能力。