客服数据库优化更新方法、装置及设备与流程

摘要: 本技术涉及客服数据库优化更新,尤其涉及客服数据库优化更新方法、装置及设备。背景技术:1、随着人工智能的快速发展,客服数据库作为智能客服系统的基础,客服数据库优化...
客服数据库优化更新方法、装置及设备与流程

本技术涉及客服数据库优化更新,尤其涉及客服数据库优化更新方法、装置及设备。

背景技术:

1、随着人工智能的快速发展,客服数据库作为智能客服系统的基础,客服数据库优化的自动化程度直接影响自动化明确并解决用户问题需求的效率。

2、目前的客服数据库优化更新方法停留在关键词频率统计层面,难以对问题记录进行深层次的处理,导致客服数据库中知识的完善度不高。

技术实现思路

1、本技术的主要目的在于提供一种客服数据库优化更新方法、装置及设备,旨在解决目前的客服数据库优化更新缺乏对问题记录的深层次处理导致客服数据库中知识的完善度不高的技术问题。

2、为实现上述目的,本技术提出一种客服数据库优化更新方法,所述客服数据库优化更新方法包括:

3、获取智能客服数据库中的知识缺失问题记录、知识错误问题记录以及历史话题链;

4、对所述知识缺失问题记录进行预处理,得到当前话题链;

5、基于所述当前话题链和所述历史话题链进行类别检测,得到类别检测结果;

6、基于所述智能客服数据库对所述当前话题链进行分析,得到知识补充建议;

7、对所述知识错误问题记录进行预处理,得到知识优化建议;

8、基于所述知识补充建议、所述类别检测结果以及所述知识优化建议对所述智能客服数据库进行优化更新。

9、在一实施例中,所述基于所述当前话题链和所述历史话题链进行类别检测,得到类别检测结果的步骤包括:

10、计算在预设时间窗口内所述当前话题链和所述历史话题链中的各话题簇累积问题量占比;

11、计算所述当前话题链的簇中心和在预设周期内所述历史话题链的簇中心之间的各余弦距离;

12、当所述当前话题链的话题在预设连续周期内均存在时,获取所述话题在预设连续周期内对应的各问题量;

13、获取所述当前话题链和所述历史话题链中的各话题对应的拟合斜率;

14、根据各话题簇累积问题量占比、各余弦距离、各问题量以及所述拟合斜率中的至少一项进行类别检测,得到类别检测结果。

15、在一实施例中,所述类别检测结果至少包括目标频率热点、新增话题、持续热点以及上升趋势话题;

16、所述根据各话题簇累积问题量占比、各余弦距离、各问题量以及所述拟合斜率中的至少一项进行类别检测,得到类别检测结果的步骤包括:

17、当所述话题簇累积问题量占比大于预设占比阈值时,将所述话题簇累积问题量占比对应的话题标记为目标频率热点;

18、当各余弦距离均大于预设距离阈值时,将各余弦距离对应的话题标记为新增话题;

19、当各问题量均大于预设热点阈值时,将各问题量对应的话题标记为持续热点;

20、当所述拟合斜率大于预设斜率阈值时,将所述拟合斜率对应的话题标记为上升趋势话题。

21、在一实施例中,所述基于所述智能客服数据库对所述当前话题链进行分析,得到知识补充建议的步骤包括:

22、获取所述智能客服数据库中的预设主问题向量;

23、计算所述当前话题链的簇中心和所述预设主问题向量之间的各目标余弦距离;

24、当所述目标余弦距离大于第一预设阈值时,生成所述簇中心对应的第一推荐条目,其中,所述第一推荐条目为建议新增主问题;

25、当所述目标余弦距离大于第二预设阈值,且小于或等于第一预设阈值时,生成所述簇中心对应的第二推荐条目,其中,所述第二推荐条目为建议等待人工研判;

26、当所述目标余弦距离小于或等于第二预设阈值时,生成所述簇中心对应的第三推荐条目,其中,所述第三推荐条目为建议补充相似问题;

27、根据所述第一推荐条目、所述第二推荐条目以及所述第三推荐条目中的至少一项得到知识补充建议。

28、在一实施例中,所述对所述知识缺失问题记录进行预处理,得到当前话题链的步骤包括:

29、对所述知识缺失问题记录进行过滤处理,得到有效问题文本;

30、将所述有效问题文本输入至预训练文本语义嵌入模型中进行特征映射,得到向量集合;

31、对所述向量集合进行聚类处理,得到聚类簇集合;

32、将所述聚类簇集合输入至预设语言模型中进行语义判别与过滤处理,得到有效簇;

33、对所述有效簇进行话题对齐处理,得到当前话题链。

34、在一实施例中,所述对所述向量集合进行聚类处理,得到聚类簇集合的步骤包括:

35、计算所述向量集合中各向量之间的余弦距离;

36、根据所述各向量之间的余弦距离构建对称距离矩阵;

37、根据所述对称距离矩阵确定合并停止阈值;

38、基于所述合并停止阈值,对所述向量集合中各向量进行迭代聚类,得到聚类簇集合。

39、在一实施例中,所述基于所述合并停止阈值,对所述向量集合中各向量进行迭代聚类,得到聚类簇集合的步骤包括:

40、根据所述向量集合中各向量确定若干个簇;

41、计算各簇之间的簇间距离;

42、基于所述簇间距离进行迭代聚类,得到聚类后的簇间距离,直至所述聚类后的簇间距离的目标值大于所述合并停止阈值,以得到迭代完成后的聚类簇;

43、根据所述迭代完成后的聚类簇得到聚类簇集合。

44、在一实施例中,所述对所述知识错误问题记录进行预处理,得到知识优化建议的步骤包括:

45、对所述知识错误问题记录进行评估判定,得到错误实例;

46、将所述错误实例输入至预设评估模型中进行分析,得到诊断结果,其中,所述诊断结果至少包括知识缺失问题、模型混淆以及其他根因;

47、基于所述诊断结果得到知识优化建议。

48、此外,为实现上述目的,本技术还提出一种客服数据库优化更新装置,所述客服数据库优化更新装置包括:

49、获取模块,用于获取智能客服数据库中的知识缺失问题记录、知识错误问题记录以及历史话题链;

50、处理模块,用于对所述知识缺失问题记录进行预处理,得到当前话题链;

51、所述处理模块,还用于基于所述当前话题链和所述历史话题链进行类别检测,得到类别检测结果;

52、所述处理模块,还用于基于所述智能客服数据库对所述当前话题链进行分析,得到知识补充建议;

53、所述处理模块,还用于对所述知识错误问题记录进行预处理,得到知识优化建议;

54、更新模块,用于基于所述知识补充建议、所述类别检测结果以及所述知识优化建议对所述智能客服数据库进行优化更新。

55、此外,为实现上述目的,本技术还提出一种客服数据库优化更新设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如上文所述的客服数据库优化更新方法的步骤。

56、此外,为实现上述目的,本技术还提出一种存储介质,所述存储介质为计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上文所述的客服数据库优化更新方法的步骤。

57、此外,为实现上述目的,本技术还提供一种计算机程序产品,所述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如上文所述的客服数据库优化更新方法的步骤。

58、本技术提出的一个或多个技术方案,至少具有以下技术效果:

59、1)通过对知识缺失记录和答错问题记录进行联合分析处理,能全面定位智能客服数据库中的缺陷类型,避免单一视角遗漏,从而提高智能客服数据库的知识完善度。

60、2)通过基于当前话题链和历史话题链进行类别检测,有效区分了重点关注话题,从而能够快速聚焦到真正需要关注的话题,以提高对智能客服数据库优化更新的效率。

61、3)通过对知识错误问题记录进行预处理,得到诊断结果,从而得到知识优化建议,能够精准区分问题根因,提高对智能客服数据库优化的针对性。