基于知识图谱的智能客服意图理解与精准问答系统和方法与流程

本技术涉及知识图谱自然语言处理，尤其是涉及一种基于知识图谱的智能客服意图理解与精准问答系统和方法。

背景技术：

1、随着数字化服务模式的全面普及，线上服务场景日趋丰富，政务服务、电商零售、金融理财、企业售后、民生咨询等诸多领域均已广泛部署智能客服系统，将其作为线上服务交互的核心载体。依托智能客服可高效完成日常用户咨询解答、常规业务流程指引、常见问题处理、基础需求答疑等各类标准化服务工作，既能快速响应海量用户咨询诉求，有效分流人工客服繁重的工作压力，缩短用户等待时长，又能大幅提升整体客户服务响应效率，助力企业与机构构建轻量化、全天候的线上服务体系。

2、但是，当前主流的智能客服服务模式，大多依托传统关键词匹配机制、固定faq问答库以及浅层语义匹配算法搭建而成，整体技术架构较为浅显，仅能够实现基础的问答交互功能，并且用户咨询表述愈发口语化、碎片化、场景化，咨询问题也逐步从单一简单问题转向多层递进式复杂问题、关联业务交叉问题，传统智能客服受限于底层技术架构，难以精准捕捉用户深层诉求，已然无法适配当下用户多元化、复杂化、场景化的咨询服务需求。

技术实现思路

1、为了精准捕捉用户深层诉求，并持续为用户提供精准、高效、连贯的自然语言问答服务，本技术提供了一种基于知识图谱的智能客服意图理解与精准问答系统和方法。

2、第一方面，本技术提供一种基于知识图谱的智能客服意图理解与精准问答系统，采用如下的技术方案：

3、一种基于知识图谱的智能客服意图理解与精准问答系统，包括包括领域知识图谱构建模块、意图识别与解析模块、知识图谱查询与推理引擎模块、自然语言生成模块以及知识图谱更新与自学习模块，其中：

4、领域知识图谱构建模块，用于采集多源异构数据，并基于预设实体知识架构和所述多源异构数据构建领域知识图谱；

5、意图识别与解析模块，用于基于所述领域知识图谱对用户输入文本进行多维度处理，确定用户真实需求；

6、知识图谱查询与推理引擎模块，用于根据所述用户真实需求，在所述领域知识图谱中进行知识查询和深度推理，得到结构化答案；

7、自然语言生成模块，用于将所述结构化答案转化为自然语言回复；

8、知识图谱更新与自学习模块，用于采集用户交互日志和人工反馈数据，从所述用户交互日志和所述人工反馈数据中提取待更新知识数据，并基于所述待更新知识数据优化所述领域知识图谱。

9、通过采用上述技术方案，通过采集多源异构数据并基于预设实体知识架构构建领域知识图谱，便于确保问答内容具备严谨的逻辑关联和全面的领域适配性，通过依托构建的领域知识图谱，对用户输入文本进行多维度处理，便于有效结合领域知识和上下文语义，精准挖掘用户真实需求，基于用户真实需求，在领域知识图谱中完成知识查询与深度推理便于快速提取结构化答案，保障问答的专业性和完整性，通过将结构化答案转化为自然语言回复，便于兼顾应答的规范性和通俗性，契合用户日常咨询的语言习惯，提升用户咨询体验，另外，通过采集用户交互日志和人工反馈数据，便于实现领域知识图谱的动态优化和自主迭代，从而便于使系统持续适配行业业务更新、用户需求变化等场景，进而持续为用户提供精准、高效、连贯的自然语言问答服务。

10、在一种可能实现的方式中，所述领域知识图谱构建模块在采集多源异构数据，并基于预设实体知识架构和所述多源异构数据构建领域知识图谱时，用于：

11、定义所述预设实体知识架构，所述预设实体知识架构包括实体类型定义、实体间关系定义以及实体属性定义；

12、采集多源异构数据，并对所述多源异构数据进行数据清洗，所述多源异构数据包括企业内部产品文档、历史客服对话日志、公开领域知识以及人工标注数据，所述数据清洗包括利用自然语言处理技术对非结构化数据进行去重、去除无关信息及标准化表述，以生成符合所述预设实体知识架构的结构化数据；

13、采用图数据库存储所述结构化数据，基于所述预设实体知识架构和所述结构化数据构建所述领域知识图谱。

14、通过采用上述技术方案，通过定义包含实体类型、实体间关系及实体属性的预设实体知识架构，便于为领域知识图谱构建提供统一规范，确保知识图谱的逻辑性，通过采集多源异构数据，可全面覆盖领域知识，保障知识图谱的全面性，通过自然语言处理技术对数据进行清洗，便于生成符合架构的结构化数据，提升数据质量，避免无效数据干扰，通过图数据库存储数据并构建知识图谱，可高效管理实体关联关系、提升知识调用效率，为后续模块提供高质量知识支撑，保障系统问答的精准性。

15、在一种可能实现的方式中，所述意图识别与解析模块在基于所述领域知识图谱对用户输入文本进行多维度处理，确定用户真实需求时，用于：

16、对所述用户输入文本进行文本预处理，得到分词结果；

17、将所述分词结果与所述领域知识图谱中的实体进行匹配关联，并基于上下文对所述分词结果中的歧义词汇进行消解，得到实体链接结果；

18、将所述分词结果与所述实体链接结果输入预设意图分类模型，得到用户意图类别，并将所述用户意图类别确定为所述用户真实需求，所述预设意图分类模型为基于bert的微调分类模型。

19、通过采用上述技术方案，通过对用户输入文本开展预处理获取分词结果，便于梳理文本基础语义要素，简化后续语义分析难度，通过将分词结果与知识图谱实体匹配并结合上下文完成歧义消解，可有效消除口语表述、多义词汇带来的理解偏差，精准完成实体关联对齐，通过依托基于bert微调得到的意图分类模型进行意图判定，便于深度挖掘文本深层语义，精准锁定用户真实需求，有效改善传统方式意图识别不准的问题，为后续知识推理与精准作答奠定可靠基础。

20、在一种可能实现的方式中，所述知识图谱查询与推理引擎模块在根据所述用户真实需求，在所述领域知识图谱中进行知识查询和深度推理，得到结构化答案时，用于：

21、根据所述用户真实需求和所述实体链接结果，生成知识图谱查询语句；

22、执行所述知识图谱查询语句，并从所述领域知识图谱中提取出所述用户真实需求对应的相关实体数据，所述相关实体数据包括与所述用户真实需求相关的实体、关系以及属性数据；

23、识别所述用户真实需求的需求复杂度，并基于所述需求复杂度和所述用户真实需求，在所述领域知识图谱中进行深度推理得到所述用户真实需求对应的需求推理结果；

24、整合所述相关实体数据和所述需求推理结果得到所述结构化答案。

25、通过采用上述技术方案，通过依托用户真实需求与实体链接结果生成查询语句，便于精准定位检索方向，提升知识调取靶向性，通过执行查询语句提取实体、关系及属性等相关数据，便于快速归集基础领域知识内容，通过识别需求复杂度并针对性开展深度推理，可适配不同难易程度的咨询问题，补足浅层查询存在的信息缺失问题，另外，通过将基础数据与推理结果整合形成结构化答案，便于丰富应答内容维度，保障输出答案条理完整、贴合用户实际诉求，有效提升复杂问题应答的全面性与合理性。

26、在一种可能实现的方式中，所述知识图谱查询与推理引擎模块在基于所述需求复杂度和所述用户真实需求，在所述领域知识图谱中进行深度推理得到所述用户真实需求对应的需求推理结果时，用于：

27、当所述需求复杂度高于预设复杂度阈值时，基于预设领域推理规则集合，将所述用户真实需求对应的初始实体与所述领域知识图谱中的待匹配实体进行模式匹配，得到至少一条规则推理路径，每条规则推理路径包含从初始实体到目标实体的关系序列，并将所有的目标实体作为第一候选答案集合，所述目标实体为与所述初始实体形成规则推理路径的待匹配实体；

28、获取所述用户真实需求对应的初始实体的第一向量表示，以及获取所述领域知识图谱中与所述用户真实需求相关联的多个候选实体的第二向量表示，计算所述第一向量与每个所述第二向量之间的相似度，将相似度超过预设相似度阈值的候选实体作为第二候选答案集合；

29、将所述第一候选答案集合与所述第二候选答案集合进行合并，并对合并后的候选答案按照置信度进行排序，选取置信度最高的候选答案作为所述需求推理结果。

30、通过采用上述技术方案，当用户需求复杂度较高时，通过预设领域推理规则集合进行模式匹配并获取规则推理路径，可依托明确的逻辑关联锁定目标实体，形成第一候选答案集合，确保推理的逻辑性与领域适配性，另外，通过获取实体向量表示并计算相似度筛选候选实体，形成第二候选答案集合，可弥补规则匹配的局限性，提升候选答案的全面性，最后将两个候选集合合并，并按置信度排序选取最优结果，便于兼顾推理的严谨性与准确性，有效规避单一推理方式的偏差，进一步提升复杂需求推理结果的精准度。

31、在一种可能实现的方式中，该系统还包括：

32、实体提取模块，用于计算所有规则推理路径之间的推理路径密度，当所述推理路径密度高于预设密度阈值时，提取每条规则推理路径中包含的中间实体和中间实体关系边；

33、确定交互区域模块，用于基于所述中间实体和所述中间实体关系边，确定所有规则推理路径之间的交互区域，所述交互区域包括：被至少两条规则推理路径共同包含的中间实体和被至少两条规则推理路径共同使用的关系边；

34、确定补充实体模块，用于统计每个中间实体在每条规则推理路径中的出现频次，基于每个所述中间实体的出现频次确定补充实体，并将所述补充实体加入所述第一候选答案集合。

35、通过采用上述技术方案，通过计算规则推理路径之间的推理路径密度并判断阈值，可精准识别路径间的关联紧密程度，当路径密度达标时，通过提取中间实体及关系边并确定交互区域，便于锁定路径间的核心关联节点与共性关系，挖掘潜在的关键知识，通过统计中间实体出现频次确定补充实体并加入第一候选答案集合，便于弥补原有规则推理的遗漏，丰富候选答案维度，进一步提升第一候选答案集合的全面性与合理性。

36、在一种可能实现的方式中，所述确定补充实体模块在基于每个所述中间实体的出现频次确定补充实体时，用于：

37、基于每个所述中间实体的出现频次，确定每个所述中间实体的第一参考分值；

38、基于所述领域知识图谱确定目标中间实体与所述第一候选答案集合中每个目标实体之间的实体距离，确定所述目标中间实体的第二参考分值，所述目标中间实体为任一所述中间实体；

39、基于每个所述中间实体对应的所述第一参考分值和所述第二参考分值，从所有的中间实体中确定所述补充实体。

40、通过采用上述技术方案，通过中间实体的出现频次确定第一参考分值，可量化中间实体在推理路径中的重要程度，从而便于为补充实体筛选提供量化依据，通过计算中间实体与第一候选答案集合中目标实体的距离确定第二参考分值，便于关联中间实体与候选答案的相关性，确保筛选的补充实体贴合用户真实需求，最后通过结合第一、第二参考分值确定补充实体，可兼顾中间实体的重要性与需求相关性，避免单一频次指标导致的补充实体偏差。

41、在一种可能实现的方式中，所述知识图谱更新与自学习模块在从所述用户交互日志和所述人工反馈数据中提取待更新知识数据，并基于所述待更新知识数据优化所述领域知识图谱时，用于：

42、对所述用户交互日志进行语义分析，并根据语义分析结果提取待更新知识数据；

43、根据所述用户交互日志中的用户反馈评分计算所述待更新知识数据的初始置信度，所述初始置信度与所述用户反馈评分正相关；

44、基于所述初始置信度和所述待更新知识数据对应待更新实体数量，确定所述待更新知识数据的更新类型，所述更新类型包括自动更新和审核更新；

45、当所述待更新知识数据的更新类型为自动更新时，基于所述预设实体知识架构将所述待更新知识数据对应的待更新实体和待更新实体关系添加至所述领域知识图谱中，以优化所述领域知识图谱；

46、当所述待更新知识数据的更新类型为审核更新时，将所述待更新知识数据发送至人工审核界面，并在审核通过后更新至所述领域知识图谱，以优化所述领域知识图谱。

47、通过采用上述技术方案，通过对用户交互日志进行语义分析提取待更新知识数据，便于精准捕捉用户咨询中未覆盖的知识缺口，确保知识更新贴合实际服务需求，通过用户反馈评分计算待更新知识数据的初始置信度，便于量化知识数据的可靠性，为更新类型判定提供科学依据，在自动更新模式可快速将高置信度知识融入知识图谱，降低人工运维成本，审核更新模式可通过人工校验规避低置信度知识带来的偏差，保障知识图谱质量，通过两种更新模式优化领域知识图谱，便于实现系统的自学习与动态迭代，确保知识体系紧跟业务更新与用户需求变化，持续提升系统应答的精准性与全面性。

48、第二方面，本技术提供一种基于知识图谱的智能客服意图理解与精准问答方法，采用如下的技术方案：

49、一种基于知识图谱的智能客服意图理解与精准问答方法，包括：

50、采集多源异构数据，并基于预设实体知识架构和所述多源异构数据构建领域知识图谱；

51、基于所述领域知识图谱对用户输入文本进行多维度处理，确定用户真实需求；

52、根据所述用户真实需求，在所述领域知识图谱中进行知识查询和深度推理，得到结构化答案；

53、将所述结构化答案转化为自然语言回复；

54、采集用户交互日志和人工反馈数据，从所述用户交互日志和所述人工反馈数据中提取待更新知识数据，并基于所述待更新知识数据优化所述领域知识图谱。

55、第三方面，本技术提供一种电子设备，采用如下的技术方案：

56、一种电子设备，该电子设备包括：

57、至少一个处理器；

58、存储器；

59、至少一个应用程序，其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述基于知识图谱的智能客服意图理解与精准问答方法。

60、第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：

61、一种计算机可读存储介质，包括：存储有能够被处理器加载并执行上述基于知识图谱的智能客服意图理解与精准问答方法的计算机程序。

62、第五方面，本技术提供了一种计算机程序产品，采用如下的技术方案：

63、一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述基于知识图谱的智能客服意图理解与精准问答方法。

64、综上所述，本技术包括以下至少一种有益技术效果：

65、通过采集多源异构数据并基于预设实体知识架构构建领域知识图谱，便于确保问答内容具备严谨的逻辑关联和全面的领域适配性，通过依托构建的领域知识图谱，对用户输入文本进行多维度处理，便于有效结合领域知识和上下文语义，精准挖掘用户真实需求，基于用户真实需求，在领域知识图谱中完成知识查询与深度推理便于快速提取结构化答案，保障问答的专业性和完整性，通过将结构化答案转化为自然语言回复，便于兼顾应答的规范性和通俗性，契合用户日常咨询的语言习惯，提升用户咨询体验，另外，通过采集用户交互日志和人工反馈数据，便于实现领域知识图谱的动态优化和自主迭代，从而便于使系统持续适配行业业务更新、用户需求变化等场景，进而持续为用户提供精准、高效、连贯的自然语言问答服务；

66、通过计算规则推理路径之间的推理路径密度并判断阈值，可精准识别路径间的关联紧密程度，当路径密度达标时，通过提取中间实体及关系边并确定交互区域，便于锁定路径间的核心关联节点与共性关系，挖掘潜在的关键知识，通过统计中间实体出现频次确定补充实体并加入第一候选答案集合，便于弥补原有规则推理的遗漏，丰富候选答案维度，进一步提升第一候选答案集合的全面性与合理性。