面向客服的话术推荐方法和装置.pdf

《面向客服的话术推荐方法和装置.pdf》由会员分享，可在线阅读，更多相关《面向客服的话术推荐方法和装置.pdf（16页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910217963.X (22)申请日 2019.03.21 (71)申请人 阿里巴巴集团控股有限公司 地址 英属开曼群岛大开曼资本大厦一座四 层847号邮箱 (72)发明人 王子豪崔恒斌张家兴 (74)专利代理机构 北京亿腾知识产权代理事务 所(普通合伙) 11309 代理人 孙欣欣周良玉 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/332(2019.01) G06Q 30/02(2012.01) (54)发明名称 面向客服的话术推荐方。

2、法和装置 (57)摘要 本说明书实施例提供一种面向客服的话术 推荐方法和装置， 方法包括： 首先针对当前用户 问句， 将所述当前用户问句和所述当前用户问句 的上文信息作为请求信息， 将所述请求信息输入 预先训练的长文本分类模型， 通过所述长文本分 类模型的输出得到所述请求信息对应于预先设 定的各类别的概率， 每个类别对应一个高频话 术； 然后根据所述请求信息对应于预先设定的各 类别的概率， 将各类别按照所述概率由高到低排 序， 将排序在前的预定数目个类别的高频话术作 为第一待推荐话术； 最后至少根据所述第一待推 荐话术， 确定向客服推荐的最终推荐话术， 从而 能够使推荐的话术与用户述求匹配， 。

3、并满足客服 的需求。 权利要求书4页 说明书9页 附图2页 CN 110059182 A 2019.07.26 CN 110059182 A 1.一种面向客服的话术推荐方法， 所述方法包括： 针对当前用户问句， 将所述当前用户问句和所述当前用户问句的上文信息作为请求信 息， 将所述请求信息输入预先训练的长文本分类模型， 通过所述长文本分类模型的输出得 到所述请求信息对应于预先设定的各类别的概率， 每个类别对应一个高频话术； 根据所述请求信息对应于预先设定的各类别的概率， 将各类别按照所述概率由高到低 排序， 将排序在前的预定数目个类别的高频话术作为第一待推荐话术； 至少根据所述第一待推荐话术，。

4、 确定向客服推荐的最终推荐话术。 2.如权利要求1所述的方法， 其中， 所述针对当前用户问句， 将所述当前用户问句和所 述当前用户问句的上文信息作为请求信息， 将所述请求信息输入预先训练的长文本分类模 型之前， 所述方法还包括： 从用户和客服的对话日志中， 获取出现次数超过预设数值的多个答案， 将多个答案聚 类， 根据聚类结果确定每个类别对应的高频话术； 将各答案的上文信息作为所述长文本分类模型的样本输入， 将各答案对应的类别作为 所述长文本分类模型的样本标签， 对所述长文本分类模型进行训练。 3.如权利要求1所述的方法， 其中， 所述将排序在前的预定数目个类别的高频话术作为 第一待推荐话术之。

5、后， 所述方法还包括： 根据所述第一待推荐话术， 从预先建立的知识库中检索得到所述第一待推荐话术的相 似答案， 及所述相似答案对应的标准问题； 其中， 所述知识库包含多组问答对， 每组问答对 包括对应的标准问题和答案； 将所述第一待推荐话术与所述相似答案对应的标准问题建立对应关系， 用于确定所述 最终推荐话术对应的标准问题。 4.如权利要求1所述的方法， 其中， 所述至少根据所述第一待推荐话术， 确定向客服推 荐的最终推荐话术之前， 所述方法还包括： 根据所述请求信息， 从预先建立的知识库中检索得到预设数目个答案， 及每个答案对 应的标准问题； 其中， 所述知识库包含多组问答对， 每组问答对包。

6、括对应的标准问题和答 案； 通过预先训练的深度语义模型， 得到各预设数目个答案与所述请求信息的匹配度得 分； 根据所述得分由高到低的顺序， 从所述预设数目个答案中选择部分答案作为第二待推 荐话术； 所述至少根据所述第一待推荐话术， 确定向客服推荐的最终推荐话术包括： 根据所述第一待推荐话术和所述第二待推荐话术， 确定所述最终推荐话术。 5.如权利要求4所述的方法， 其中， 所述根据所述第一待推荐话术和所述第二待推荐话 术， 确定所述最终推荐话术， 包括： 根据所述第一待推荐话术和所述第二待推荐话术的预先设置的优先级， 从所述第一待 推荐话术和所述第二待推荐话术中选择向客服推荐的最终推荐话术。 。

7、6.如权利要求4所述的方法， 其中， 所述根据所述第一待推荐话术和所述第二待推荐话 术， 确定所述最终推荐话术， 包括： 将所述第一待推荐话术和所述第二待推荐话术作为预先建立的决策模型的输入， 通过 权利要求书 1/4 页 2 CN 110059182 A 2 所述决策模型的输出得到向客服推荐的最终推荐话术。 7.如权利要求1所述的方法， 其中， 所述至少根据所述第一待推荐话术， 确定向客服推 荐的最终推荐话术之前， 所述方法还包括： 将所述当前用户问句和预先建立的知识库中的问答对做问题与问题匹配， 确定所述知 识库中与所述当前用户问句相似的标准问题及相似度； 其中， 所述知识库包含多组问答对。

8、， 每组问答对包括对应的标准问题和答案； 按照相似度由高到低的顺序， 从与所述当前用户问句相似的标准问题中选择部分标准 问题， 将所述部分标准问题对应的答案作为第三待推荐话术； 所述至少根据所述第一待推荐话术， 确定向客服推荐的最终推荐话术包括： 根据所述第一待推荐话术和所述第三待推荐话术， 确定所述最终推荐话术。 8.如权利要求7所述的方法， 其中， 所述根据所述第一待推荐话术和所述第三待推荐话 术， 确定所述最终推荐话术， 包括： 根据所述第一待推荐话术和所述第三待推荐话术的预先设置的优先级， 从所述第一待 推荐话术和所述第三待推荐话术中选择向客服推荐的最终推荐话术。 9.如权利要求7所述。

9、的方法， 其中， 所述根据所述第一待推荐话术和所述第三待推荐话 术， 确定所述最终推荐话术， 包括： 将所述第一待推荐话术和所述第三待推荐话术作为预先建立的决策模型的输入， 通过 所述决策模型的输出得到向客服推荐的最终推荐话术。 10.一种面向客服的话术推荐装置， 所述装置包括： 分类单元， 用于针对当前用户问句， 将所述当前用户问句和所述当前用户问句的上文 信息作为请求信息， 将所述请求信息输入预先训练的长文本分类模型， 通过所述长文本分 类模型的输出得到所述请求信息对应于预先设定的各类别的概率， 每个类别对应一个高频 话术； 第一推荐单元， 用于根据所述分类单元得到的所述请求信息对应于预先。

10、设定的各类别 的概率， 将各类别按照所述概率由高到低排序， 将排序在前的预定数目个类别的高频话术 作为第一待推荐话术； 确定单元， 用于至少根据所述第一推荐单元得到的第一待推荐话术， 确定向客服推荐 的最终推荐话术。 11.如权利要求10所述的装置， 其中， 所述装置还包括： 聚类单元， 用于在所述分类单元针对当前用户问句， 将所述当前用户问句和所述当前 用户问句的上文信息作为请求信息， 将所述请求信息输入预先训练的长文本分类模型之 前， 从用户和客服的对话日志中， 获取出现次数超过预设数值的多个答案， 将多个答案聚 类， 根据聚类结果确定每个类别对应的高频话术； 训练单元， 用于将所述聚类单。

11、元获取的各答案的上文信息作为所述长文本分类模型的 样本输入， 将各答案对应的类别作为所述长文本分类模型的样本标签， 对所述长文本分类 模型进行训练。 12.如权利要求10所述的装置， 其中， 所述装置还包括： 第一检索单元， 用于在所述第一推荐单元将排序在前的预定数目个类别的高频话术作 为第一待推荐话术之后， 根据所述第一待推荐话术， 从预先建立的知识库中检索得到所述 权利要求书 2/4 页 3 CN 110059182 A 3 第一待推荐话术的相似答案， 及所述相似答案对应的标准问题； 其中， 所述知识库包含多组 问答对， 每组问答对包括对应的标准问题和答案； 关联单元， 用于将所述第一待推。

12、荐话术与所述第一检索单元检索到的相似答案对应的 标准问题建立对应关系， 用于确定所述最终推荐话术对应的标准问题。 13.如权利要求10所述的装置， 其中， 所述装置还包括： 第二检索单元， 用于在所述确定单元至少根据所述第一待推荐话术， 确定向客服推荐 的最终推荐话术之前， 根据所述请求信息， 从预先建立的知识库中检索得到预设数目个答 案， 及每个答案对应的标准问题； 其中， 所述知识库包含多组问答对， 每组问答对包括对应 的标准问题和答案； 第一匹配单元， 用于通过预先训练的深度语义模型， 得到所述第二检索单元检索到的 各预设数目个答案与所述请求信息的匹配度得分； 第二推荐单元， 用于根据所。

13、述第一匹配单元得到的得分由高到低的顺序， 从所述预设 数目个答案中选择部分答案作为第二待推荐话术； 所述确定单元， 具体用于根据所述第一推荐单元得到的第一待推荐话术和所述第二推 荐单元得到的第二待推荐话术， 确定所述最终推荐话术。 14.如权利要求13所述的装置， 其中， 所述确定单元， 具体用于根据所述第一待推荐话 术和所述第二待推荐话术的预先设置的优先级， 从所述第一待推荐话术和所述第二待推荐 话术中选择向客服推荐的最终推荐话术。 15.如权利要求13所述的装置， 其中， 所述确定单元， 具体用于将所述第一待推荐话术 和所述第二待推荐话术作为预先建立的决策模型的输入， 通过所述决策模型的输。

14、出得到向 客服推荐的最终推荐话术。 16.如权利要求10所述的装置， 其中， 所述装置还包括： 第二匹配单元， 用于在所述确定单元至少根据所述第一待推荐话术， 确定向客服推荐 的最终推荐话术之前， 将所述当前用户问句和预先建立的知识库中的问答对做问题与问题 匹配， 确定所述知识库中与所述当前用户问句相似的标准问题及相似度； 其中， 所述知识库 包含多组问答对， 每组问答对包括对应的标准问题和答案； 第三推荐单元， 用于按照所述第二匹配单元确定的相似度由高到低的顺序， 从与所述 当前用户问句相似的标准问题中选择部分标准问题， 将所述部分标准问题对应的答案作为 第三待推荐话术； 所述确定单元， 具。

15、体用于根据所述第一推荐单元得到的第一待推荐话术和所述第三推 荐单元得到的第三待推荐话术， 确定所述最终推荐话术。 17.如权利要求16所述的装置， 其中， 所述确定单元， 具体用于根据所述第一待推荐话 术和所述第三待推荐话术的预先设置的优先级， 从所述第一待推荐话术和所述第三待推荐 话术中选择向客服推荐的最终推荐话术。 18.如权利要求16所述的装置， 其中， 所述确定单元， 具体用于将所述第一待推荐话术 和所述第三待推荐话术作为预先建立的决策模型的输入， 通过所述决策模型的输出得到向 客服推荐的最终推荐话术。 19.一种计算机可读存储介质， 其上存储有计算机程序， 当所述计算机程序在计算机中。

16、 执行时， 令计算机执行权利要求1-9中任一项的所述的方法。 权利要求书 3/4 页 4 CN 110059182 A 4 20.一种计算设备， 包括存储器和处理器， 所述存储器中存储有可执行代码， 所述处理 器执行所述可执行代码时， 实现权利要求1-9中任一项的所述的方法。 权利要求书 4/4 页 5 CN 110059182 A 5 面向客服的话术推荐方法和装置 技术领域 0001 本说明书一个或多个实施例涉及计算机领域， 尤其涉及面向客服的话术推荐方法 和装置。 背景技术 0002 随着移动互联网的普及和应用， 终端设备的多样化， 通讯方式的多样化， 网络信息 也逐渐呈现出个性化、 移动。

17、化、 实时化和大数据化。 对于用户而言， 越来越快节奏的生活、 移 动互联时代的到来， 使得人们对于客服提出了更高的要求： 要及时、 快速、 准确的理解用户 需求并给出服务。 为了帮助客服尽快熟悉业务流程， 在客服与用户文字聊天过程中， 聊天窗 口旁边实时提示相关话术， 辅助客服回答用户问题， 使得客服的言语显得更加得体。 0003 现有的话术推荐方法中， 主要是离线收集大量用户和客服的对话日志， 然后进行 聚类、 挖掘构建问答对， 存储在知识库中备用， 知识库包含多组问答对， 每组问答对包括对 应的标准问题和答案。 在用户与客服聊天时， 将当前用户问句和知识库中的标准问题做语 义相似度计算，。

18、 选取与当前用户问句最相似的几个标准问题并推出相应的答案。 由于用户 问句通常比较简略， 且口语化， 通过现有的话术推荐方法推出的答案通常与用户述求不匹 配， 无法满足客服的需求。 0004 因此， 希望能有改进的方案， 能够使推荐的话术与用户述求匹配， 并满足客服的需 求。 发明内容 0005 本说明书一个或多个实施例描述了一种面向客服的话术推荐方法和装置， 能够使 推荐的话术与用户述求匹配， 并满足客服的需求。 0006 第一方面， 提供了一种面向客服的话术推荐方法， 方法包括： 0007 针对当前用户问句， 将所述当前用户问句和所述当前用户问句的上文信息作为请 求信息， 将所述请求信息输。

19、入预先训练的长文本分类模型， 通过所述长文本分类模型的输 出得到所述请求信息对应于预先设定的各类别的概率， 每个类别对应一个高频话术； 0008 根据所述请求信息对应于预先设定的各类别的概率， 将各类别按照所述概率由高 到低排序， 将排序在前的预定数目个类别的高频话术作为第一待推荐话术； 0009 至少根据所述第一待推荐话术， 确定向客服推荐的最终推荐话术。 0010 在一种可能的实施方式中， 所述针对当前用户问句， 将所述当前用户问句和所述 当前用户问句的上文信息作为请求信息， 将所述请求信息输入预先训练的长文本分类模型 之前， 所述方法还包括： 0011 从用户和客服的对话日志中， 获取出。

20、现次数超过预设数值的多个答案， 将多个答 案聚类， 根据聚类结果确定每个类别对应的高频话术； 0012 将各答案的上文信息作为所述长文本分类模型的样本输入， 将各答案对应的类别 作为所述长文本分类模型的样本标签， 对所述长文本分类模型进行训练。 说明书 1/9 页 6 CN 110059182 A 6 0013 在一种可能的实施方式中， 所述将排序在前的预定数目个类别的高频话术作为第 一待推荐话术之后， 所述方法还包括： 0014 根据所述第一待推荐话术， 从预先建立的知识库中检索得到所述第一待推荐话术 的相似答案， 及所述相似答案对应的标准问题； 其中， 所述知识库包含多组问答对， 每组问 。

21、答对包括对应的标准问题和答案； 0015 将所述第一待推荐话术与所述相似答案对应的标准问题建立对应关系， 用于确定 所述最终推荐话术对应的标准问题。 0016 在一种可能的实施方式中， 所述至少根据所述第一待推荐话术， 确定向客服推荐 的最终推荐话术之前， 所述方法还包括： 0017 根据所述请求信息， 从预先建立的知识库中检索得到预设数目个答案， 及每个答 案对应的标准问题； 其中， 所述知识库包含多组问答对， 每组问答对包括对应的标准问题和 答案； 0018 通过预先训练的深度语义模型， 得到各预设数目个答案与所述请求信息的匹配度 得分； 0019 根据所述得分由高到低的顺序， 从所述预设。

22、数目个答案中选择部分答案作为第二 待推荐话术； 0020 所述至少根据所述第一待推荐话术， 确定向客服推荐的最终推荐话术包括： 0021 根据所述第一待推荐话术和所述第二待推荐话术， 确定所述最终推荐话术。 0022 进一步地， 所述根据所述第一待推荐话术和所述第二待推荐话术， 确定所述最终 推荐话术， 包括： 0023 根据所述第一待推荐话术和所述第二待推荐话术的预先设置的优先级， 从所述第 一待推荐话术和所述第二待推荐话术中选择向客服推荐的最终推荐话术。 0024 进一步地， 所述根据所述第一待推荐话术和所述第二待推荐话术， 确定所述最终 推荐话术， 包括： 0025 将所述第一待推荐话术。

23、和所述第二待推荐话术作为预先建立的决策模型的输入， 通过所述决策模型的输出得到向客服推荐的最终推荐话术。 0026 在一种可能的实施方式中， 所述至少根据所述第一待推荐话术， 确定向客服推荐 的最终推荐话术之前， 所述方法还包括： 0027 将所述当前用户问句和预先建立的知识库中的问答对做问题与问题匹配， 确定所 述知识库中与所述当前用户问句相似的标准问题及相似度； 其中， 所述知识库包含多组问 答对， 每组问答对包括对应的标准问题和答案； 0028 按照相似度由高到低的顺序， 从与所述当前用户问句相似的标准问题中选择部分 标准问题， 将所述部分标准问题对应的答案作为第三待推荐话术； 0029。

24、 所述至少根据所述第一待推荐话术， 确定向客服推荐的最终推荐话术包括： 0030 根据所述第一待推荐话术和所述第三待推荐话术， 确定所述最终推荐话术。 0031 进一步地， 所述根据所述第一待推荐话术和所述第三待推荐话术， 确定所述最终 推荐话术， 包括： 0032 根据所述第一待推荐话术和所述第三待推荐话术的预先设置的优先级， 从所述第 一待推荐话术和所述第三待推荐话术中选择向客服推荐的最终推荐话术。 说明书 2/9 页 7 CN 110059182 A 7 0033 进一步地， 所述根据所述第一待推荐话术和所述第三待推荐话术， 确定所述最终 推荐话术， 包括： 0034 将所述第一待推荐话。

25、术和所述第三待推荐话术作为预先建立的决策模型的输入， 通过所述决策模型的输出得到向客服推荐的最终推荐话术。 0035 第二方面， 提供了一种面向客服的话术推荐装置， 装置包括： 0036 分类单元， 用于针对当前用户问句， 将所述当前用户问句和所述当前用户问句的 上文信息作为请求信息， 将所述请求信息输入预先训练的长文本分类模型， 通过所述长文 本分类模型的输出得到所述请求信息对应于预先设定的各类别的概率， 每个类别对应一个 高频话术； 0037 第一推荐单元， 用于根据所述分类单元得到的所述请求信息对应于预先设定的各 类别的概率， 将各类别按照所述概率由高到低排序， 将排序在前的预定数目个类。

26、别的高频 话术作为第一待推荐话术； 0038 确定单元， 用于至少根据所述第一推荐单元得到的第一待推荐话术， 确定向客服 推荐的最终推荐话术。 0039 第三方面， 提供了一种计算机可读存储介质， 其上存储有计算机程序， 当所述计算 机程序在计算机中执行时， 令计算机执行第一方面的方法。 0040 第四方面， 提供了一种计算设备， 包括存储器和处理器， 所述存储器中存储有可执 行代码， 所述处理器执行所述可执行代码时， 实现第一方面的方法。 0041 通过本说明书实施例提供的方法和装置， 首先针对当前用户问句， 将所述当前用 户问句和所述当前用户问句的上文信息作为请求信息， 将所述请求信息输入。

27、预先训练的长 文本分类模型， 通过所述长文本分类模型的输出得到所述请求信息对应于预先设定的各类 别的概率， 每个类别对应一个高频话术； 然后根据所述请求信息对应于预先设定的各类别 的概率， 将各类别按照所述概率由高到低排序， 将排序在前的预定数目个类别的高频话术 作为第一待推荐话术； 最后至少根据所述第一待推荐话术， 确定向客服推荐的最终推荐话 术。 本说明书实施例中， 具有结合上下文理解能力， 同时分类模型的鲁棒性决定了该模型的 准确率很高， 具有较为精准地结合上文信息给客服推荐高频话术的能力， 且由于话术是客 服常用的高频话术， 因此更加容易被客服所接受。 总的来说， 能够使推荐的话术与用。

28、户述求 匹配， 并满足客服的需求。 附图说明 0042 为了更清楚地说明本发明实施例的技术方案， 下面将对实施例描述中所需要使用 的附图作简单地介绍， 显而易见地， 下面描述中的附图仅仅是本发明的一些实施例， 对于本 领域普通技术人员来讲， 在不付出创造性劳动的前提下， 还可以根据这些附图获得其它的 附图。 0043 图1为本说明书披露的一个实施例的实施场景示意图； 0044 图2示出根据一个实施例的面向客服的话术推荐方法流程图； 0045 图3示出根据一个实施例的面向客服的话术推荐装置的示意性框图； 0046 图4示出根据另一个实施例的面向客服的话术推荐装置的示意性框图。 说明书 3/9 页。

29、 8 CN 110059182 A 8 具体实施方式 0047 下面结合附图， 对本说明书提供的方案进行描述。 0048 图1为本说明书披露的一个实施例的实施场景示意图。 该实施场景涉及面向客服 的话术推荐。 参照图1， 终端的显示屏上显示了聊天窗口11和推荐话术列表12， 当终端接收 到用户输入的当前用户问句时， 在该当前用户问句之前已经存在该用户和客服的N轮对话， 例如， 聊天窗口11中示出的用户问句1和回答1构成一轮对话， 用户问句2和回答2构成另一 轮对话， 用户问句N和回答N构成又一轮对话， 这N轮对话统称为当前用户问句的上文信息。 为了方便客服针对当前用户问句作出合适的回答， 终端。

30、根据该当前用户问句和该当前用户 问句的上文信息， 生成推荐话术列表12， 该推荐话术列表12中包括从预先建立的知识库中 筛选出来的一组或多组问答对， 问答对中的答案作为推荐话术推荐给客服， 以使客服可以 直接输入推荐话术， 将推荐话术作为针对当前用户问句的回答， 或者， 客服可以输入稍作修 改的推荐话术， 将稍作修改的推荐话术作为针对当前用户问句的回答。 0049 该场景中， 在接收到当前用户问句时， 根据该当前用户问句和该当前用户问句的 上文信息， 生成向客服展示的推荐话术列表， 可以帮助客服尽快熟悉业务流程， 在客服与用 户文字聊天过程中， 聊天窗口旁边实时提示相关话术， 辅助客服回答用户。

31、问题， 使得客服的 言语显得更加得体。 0050 本说明书实施例提供的面向客服的话术推荐方法， 可以使推荐话术列表中包含的 推荐话术与用户述求匹配， 并满足客服的需求。 0051 图2示出根据一个实施例的面向客服的话术推荐方法流程图， 该方法可以基于图1 所示的应用场景。 如图2所示， 该实施例中面向客服的话术推荐方法包括以下步骤： 步骤21， 针对当前用户问句， 将所述当前用户问句和所述当前用户问句的上文信息作为请求信息， 将所述请求信息输入预先训练的长文本分类模型， 通过所述长文本分类模型的输出得到所 述请求信息对应于预先设定的各类别的概率， 每个类别对应一个高频话术； 步骤22， 根据所。

32、 述请求信息对应于预先设定的各类别的概率， 将各类别按照所述概率由高到低排序， 将排 序在前的预定数目个类别的高频话术作为第一待推荐话术； 步骤23， 至少根据所述第一待 推荐话术， 确定向客服推荐的最终推荐话术。 下面描述以上各个步骤的具体执行方式。 0052 首先在步骤21， 针对当前用户问句， 将所述当前用户问句和所述当前用户问句的 上文信息作为请求信息， 将所述请求信息输入预先训练的长文本分类模型， 通过所述长文 本分类模型的输出得到所述请求信息对应于预先设定的各类别的概率， 每个类别对应一个 高频话术。 可以理解的是， 本说明书实施例中， 还可以包括预先设定多个类别， 并确定每个 类。

33、别对应的高频话术的过程， 以及对所述长文本分类模型进行预先训练的过程。 0053 在一个示例中， 在步骤21之前， 从用户和客服的对话日志中， 获取出现次数超过预 设数值的多个答案， 将多个答案聚类， 根据聚类结果确定每个类别对应的高频话术； 将各答 案的上文信息作为所述长文本分类模型的样本输入， 将各答案对应的类别作为所述长文本 分类模型的样本标签， 对所述长文本分类模型进行训练。 0054 其中， 在将多个答案聚类后， 可以根据聚类结果从同一类别的各答案中， 选择一个 答案作为该类别对应的高频话术。 例如， 根据同一类别的各答案中包含业务词的数目， 选择 该数目最大的答案作为该类别对应的高。

34、频话术； 或者， 根据同一类别的各答案的字数， 选择 该字数最大的答案作为该类别对应的高频话术； 或者， 根据同一类别的各答案是否为客服 说明书 4/9 页 9 CN 110059182 A 9 收藏的答案， 选择客服收藏的答案作为该类别对应的高频话术。 0055 此外， 在当前用户问句之前可能包含多轮问答， 即已经存在多组问答对， 可以预先 设定当前用户问句的上文信息包含的问答对的数目， 或预先设定当前用户问句的上文信息 包含的问句的数目， 或预先设定当前用户问句的上文信息包含的答案的数目。 例如， 参照图 1， 在当前用户问句之前包含N轮问答， 即已经存在N组问答对， 可以预先设定当前用户。

35、问句 的上文信息包含的问答对的数目为2， 则此时当前用户问句的上文信息包含用户问句2、 回 答2、 用户问句1、 回答1。 0056 类似地， 可以预先设定答案的上文信息包含的问答对的数目， 或预先设定答案的 上文信息包含的问句的数目， 或预先设定答案的上文信息包含的答案的数目。 0057 接着在步骤22， 根据所述请求信息对应于预先设定的各类别的概率， 将各类别按 照所述概率由高到低排序， 将排序在前的预定数目个类别的高频话术作为第一待推荐话 术。 可以理解的是， 待推荐话术仅为答案的形式， 为了更方便客服对待推荐话术的使用或选 择， 可以为待推荐话术配上标准问题， 后续可以将待推荐话术和标。

36、准问题一起提供给客服。 0058 在一个示例中， 在步骤22之后， 根据所述第一待推荐话术， 从预先建立的知识库中 检索得到所述第一待推荐话术的相似答案， 及所述相似答案对应的标准问题； 其中， 所述知 识库包含多组问答对， 每组问答对包括对应的标准问题和答案； 将所述第一待推荐话术与 所述相似答案对应的标准问题建立对应关系， 在所述第一待推荐话术为最终推荐话术时， 用于确定所述最终推荐话术对应的标准问题。 0059 最后在步骤23， 至少根据所述第一待推荐话术， 确定向客服推荐的最终推荐话术。 可以理解的是， 本说明书实施例中， 可以采取多种方式确定待推荐话术， 利用多种方式各自 的优势， 。

37、提升话术推荐的准确率。 0060 在一个示例中， 在步骤23之前， 根据所述请求信息， 从预先建立的知识库中检索得 到预设数目个答案， 及每个答案对应的标准问题； 其中， 所述知识库包含多组问答对， 每组 问答对包括对应的标准问题和答案； 通过预先训练的深度语义模型， 得到各预设数目个答 案与所述请求信息的匹配度得分； 根据所述得分由高到低的顺序， 从所述预设数目个答案 中选择部分答案作为第二待推荐话术； 步骤23具体为， 根据所述第一待推荐话术和所述第 二待推荐话术， 确定所述最终推荐话术。 0061 进一步地， 根据所述第一待推荐话术和所述第二待推荐话术的预先设置的优先 级， 从所述第一待。

38、推荐话术和所述第二待推荐话术中选择向客服推荐的最终推荐话术。 或 者， 将所述第一待推荐话术和所述第二待推荐话术作为预先建立的决策模型的输入， 通过 所述决策模型的输出得到向客服推荐的最终推荐话术。 0062 在一个示例中， 在步骤23之前， 将所述当前用户问句和预先建立的知识库中的问 答对做问题与问题匹配， 确定所述知识库中与所述当前用户问句相似的标准问题及相似 度； 其中， 所述知识库包含多组问答对， 每组问答对包括对应的标准问题和答案； 按照相似 度由高到低的顺序， 从与所述当前用户问句相似的标准问题中选择部分标准问题， 将所述 部分标准问题对应的答案作为第三待推荐话术； 步骤23具体为。

39、， 根据所述第一待推荐话术 和所述第三待推荐话术， 确定所述最终推荐话术。 0063 进一步地， 根据所述第一待推荐话术和所述第三待推荐话术的预先设置的优先 级， 从所述第一待推荐话术和所述第三待推荐话术中选择向客服推荐的最终推荐话术。 或 说明书 5/9 页 10 CN 110059182 A 10 者， 将所述第一待推荐话术和所述第三待推荐话术作为预先建立的决策模型的输入， 通过 所述决策模型的输出得到向客服推荐的最终推荐话术。 0064 可以理解的是， 步骤23还可以为， 根据所述第一待推荐话术、 所述第二推荐话术和 所述第三待推荐话术， 确定所述最终推荐话术。 0065 进一步地， 根。

40、据所述第一待推荐话术、 所述第二推荐话术和所述第三待推荐话术 的预先设置的优先级， 从所述第一待推荐话术、 所述第二推荐话术和所述第三待推荐话术 中选择向客服推荐的最终推荐话术。 或者， 将所述第一待推荐话术、 所述第二推荐话术和所 述第三待推荐话术作为预先建立的决策模型的输入， 通过所述决策模型的输出得到向客服 推荐的最终推荐话术。 0066 通过本说明书实施例提供的方法， 首先针对当前用户问句， 将所述当前用户问句 和所述当前用户问句的上文信息作为请求信息， 将所述请求信息输入预先训练的长文本分 类模型， 通过所述长文本分类模型的输出得到所述请求信息对应于预先设定的各类别的概 率， 每个类。

41、别对应一个高频话术； 然后根据所述请求信息对应于预先设定的各类别的概率， 将各类别按照所述概率由高到低排序， 将排序在前的预定数目个类别的高频话术作为第一 待推荐话术； 最后至少根据所述第一待推荐话术， 确定向客服推荐的最终推荐话术。 本说明 书实施例中， 具有结合上下文理解能力， 同时分类模型的鲁棒性决定了该模型的准确率很 高， 具有较为精准地结合上文信息给客服推荐高频话术的能力， 且由于话术是客服常用的 高频话术， 因此更加容易被客服所接受。 总的来说， 能够使推荐的话术与用户述求匹配， 并 满足客服的需求。 0067 根据另一方面的实施例， 还提供一种面向客服的话术推荐装置， 该装置用于。

42、执行 本说明书实施例提供的面向客服的话术推荐方法。 图3示出根据一个实施例的面向客服的 话术推荐装置的示意性框图。 如图3所示， 该装置300包括： 0068 分类单元31， 用于针对当前用户问句， 将所述当前用户问句和所述当前用户问句 的上文信息作为请求信息， 将所述请求信息输入预先训练的长文本分类模型， 通过所述长 文本分类模型的输出得到所述请求信息对应于预先设定的各类别的概率， 每个类别对应一 个高频话术； 0069 第一推荐单元32， 用于根据所述分类单元31得到的所述请求信息对应于预先设定 的各类别的概率， 将各类别按照所述概率由高到低排序， 将排序在前的预定数目个类别的 高频话术作。

43、为第一待推荐话术； 0070 确定单元33， 用于至少根据所述第一推荐单元32得到的第一待推荐话术， 确定向 客服推荐的最终推荐话术。 0071 可选地， 作为一个实施例， 所述装置还包括： 0072 聚类单元， 用于在所述分类单元31针对当前用户问句， 将所述当前用户问句和所 述当前用户问句的上文信息作为请求信息， 将所述请求信息输入预先训练的长文本分类模 型之前， 从用户和客服的对话日志中， 获取出现次数超过预设数值的多个答案， 将多个答案 聚类， 根据聚类结果确定每个类别对应的高频话术； 0073 训练单元， 用于将所述聚类单元获取的各答案的上文信息作为所述长文本分类模 型的样本输入， 。

44、将各答案对应的类别作为所述长文本分类模型的样本标签， 对所述长文本 分类模型进行训练。 说明书 6/9 页 11 CN 110059182 A 11 0074 可选地， 作为一个实施例， 所述装置还包括： 0075 第一检索单元， 用于在所述第一推荐单元32将排序在前的预定数目个类别的高频 话术作为第一待推荐话术之后， 根据所述第一待推荐话术， 从预先建立的知识库中检索得 到所述第一待推荐话术的相似答案， 及所述相似答案对应的标准问题； 其中， 所述知识库包 含多组问答对， 每组问答对包括对应的标准问题和答案； 0076 关联单元， 用于将所述第一待推荐话术与所述第一检索单元检索到的相似答案对。

45、 应的标准问题建立对应关系， 用于确定所述最终推荐话术对应的标准问题。 0077 可选地， 作为一个实施例， 所述装置还包括： 0078 第二检索单元， 用于在所述确定单元33至少根据所述第一待推荐话术， 确定向客 服推荐的最终推荐话术之前， 根据所述请求信息， 从预先建立的知识库中检索得到预设数 目个答案， 及每个答案对应的标准问题； 其中， 所述知识库包含多组问答对， 每组问答对包 括对应的标准问题和答案； 0079 第一匹配单元， 用于通过预先训练的深度语义模型， 得到所述第二检索单元检索 到的各预设数目个答案与所述请求信息的匹配度得分； 0080 第二推荐单元， 用于根据所述第一匹配单。

46、元得到的得分由高到低的顺序， 从所述 预设数目个答案中选择部分答案作为第二待推荐话术； 0081 所述确定单元33， 具体用于根据所述第一推荐单元32得到的第一待推荐话术和所 述第二推荐单元得到的第二待推荐话术， 确定所述最终推荐话术。 0082 进一步地， 所述确定单元33， 具体用于根据所述第一待推荐话术和所述第二待推 荐话术的预先设置的优先级， 从所述第一待推荐话术和所述第二待推荐话术中选择向客服 推荐的最终推荐话术。 0083 进一步地， 所述确定单元33， 具体用于将所述第一待推荐话术和所述第二待推荐 话术作为预先建立的决策模型的输入， 通过所述决策模型的输出得到向客服推荐的最终推 。

47、荐话术。 0084 可选地， 作为一个实施例， 所述装置还包括： 0085 第二匹配单元， 用于在所述确定单元33至少根据所述第一待推荐话术， 确定向客 服推荐的最终推荐话术之前， 将所述当前用户问句和预先建立的知识库中的问答对做问题 与问题匹配， 确定所述知识库中与所述当前用户问句相似的标准问题及相似度； 其中， 所述 知识库包含多组问答对， 每组问答对包括对应的标准问题和答案； 0086 第三推荐单元， 用于按照所述第二匹配单元确定的相似度由高到低的顺序， 从与 所述当前用户问句相似的标准问题中选择部分标准问题， 将所述部分标准问题对应的答案 作为第三待推荐话术； 0087 所述确定单元3。

48、3， 具体用于根据所述第一推荐单元32得到的第一待推荐话术和所 述第三推荐单元得到的第三待推荐话术， 确定所述最终推荐话术。 0088 进一步地， 所述确定单元33， 具体用于根据所述第一待推荐话术和所述第三待推 荐话术的预先设置的优先级， 从所述第一待推荐话术和所述第三待推荐话术中选择向客服 推荐的最终推荐话术。 0089 进一步地， 所述确定单元33， 具体用于将所述第一待推荐话术和所述第三待推荐 话术作为预先建立的决策模型的输入， 通过所述决策模型的输出得到向客服推荐的最终推 说明书 7/9 页 12 CN 110059182 A 12 荐话术。 0090 通过本说明书实施例提供的装置，。

49、 首先分类单元31针对当前用户问句， 将所述当 前用户问句和所述当前用户问句的上文信息作为请求信息， 将所述请求信息输入预先训练 的长文本分类模型， 通过所述长文本分类模型的输出得到所述请求信息对应于预先设定的 各类别的概率， 每个类别对应一个高频话术； 然后第一推荐单元32根据所述请求信息对应 于预先设定的各类别的概率， 将各类别按照所述概率由高到低排序， 将排序在前的预定数 目个类别的高频话术作为第一待推荐话术； 最后确定单元33至少根据所述第一待推荐话 术， 确定向客服推荐的最终推荐话术。 本说明书实施例中， 具有结合上下文理解能力， 同时 分类模型的鲁棒性决定了该模型的准确率很高， 具。

50、有较为精准地结合上文信息给客服推荐 高频话术的能力， 且由于话术是客服常用的高频话术， 因此更加容易被客服所接受。 总的来 说， 能够使推荐的话术与用户述求匹配， 并满足客服的需求。 0091 图4示出根据另一个实施例的面向客服的话术推荐装置的示意性框图。 如图4所 示， 该装置400包括： 自然语言理解(natural language understanding， NLU)模块41、 上下 文管理模块42、 语义匹配模块43、 话术分类模块44、 答案推荐模块45、 检索/召回模块46、 结 合上文的答案排序模块47。 0092 对于用户问题， 首先进入NLU模块41进行中文分词、 句法分。