一种基于AIGC的客服机器人构建方法及系统与流程

本发明涉及人工智能生成内容，尤其涉及一种基于aigc的客服机器人构建方法及系统。

背景技术：

1、近年来随着人工智能的发展，人工客服慢慢被聊天机器人替代，聊天机器人可以立即响应客户的问题并帮助他们解决问题。尽管如此，随着客户支持迅速变化，聊天机器人只能快速响应的简单任务来协助，对于需要高接触互动的复杂客户需求无可奈何。当聊天机器人无法帮助客户解决他们的问题时，现实情况是，大多数聊天机器人都受到严重限制，只有求助于人工支持专家联系。

2、中国专利cn107506372a《一种机器人客服在混合类型会话下的自动会话切换方法》公开了一种机器人客服在混合类型会话下的自动会话切换方法，通过将信息类型进行分类，构建知识库，基于消息类型进行检索。然而该方法对知识库中的数据并未进行质量评估，导致收集到的数据的质量参差不齐，增加了检索的时间，同时该方法并未构建语言模型，对用户进行回复也仅仅是简单的在知识库中检索相关内容，而并未根据用户的问题作出较为合理的回答。

技术实现思路

1、有鉴于此，为了解决以上问题，本发明提出了一种基于aigc的客服机器人构建方法及系统，通过分析用户需求数据，量身定制服务属性，并基于相关语料数据训练生成专门的客服模型，并将客服模型部署到客服机器人中，根据用户反馈持续优化客服机器人，确保长期稳定的服务水平，整合了aigc技术、客户需求分析和持续迭代优化，为企业构建了人性化、高智能的人工智能客服系统。

2、本发明的技术方案是这样实现的：一方面，本发明提供了一种基于aigc的客服机器人构建方法，包括以下步骤：

3、s1，收集目标用户群体的需求数据，根据需求数据获取目标用户群体的特征和需求，根据特征和需求设定服务属性；

4、s2，获取与服务属性对应的语料资料，根据语料数据建立对话数据库；

5、s3，根据服务属性构建初始aigc模型，基于对话数据库对初始aigc模型进行训练和验证，得到客服模型；

6、s4，将客服模型部署到客服机器人中，收集用户反馈数据，根据用户反馈数据对客服机器人进行优化。

7、优选的，步骤s1包括：

8、根据需求数据调研目标用户群体的特征，包括年龄、性别、地域、职业，分析用户群体的行为习惯和偏好，了解用户在客服交互中的偏好和习惯，通过调查问卷、用户反馈，获取用户对于客服服务的期望和需求，探索用户在使用客服服务时遇到的问题和痛点，根据调研结果，设定服务属性，当服务属性包括多个时，将客服服务按照优先级进行排序。

9、优选的，步骤s2包括：

10、从不同渠道和来源收集语料数据，所述不同渠道和来源包括客服系统中的对话记录、客户反馈的邮件和留言、社交媒体上客户的提问和讨论以及从网络大数据中搜索；

11、对收集到的语料数据进行清洗和预处理，包括去除重复、噪音和无关信息、标准化文本格式、分词以及词性标注；

12、将清洗和预处理后的语料数据组织成对话的形式，建立对话数据库，所述对话数据库包括客户提问、客服人员的回答以及相关的上下文信息；

13、根据问题的主题、语气、紧急程度对对话数据库进行标注和分类，区分不同类型的对话和问题。

14、优选的，步骤s2还包括：

15、对对话数据库进行质量评估，检查数据的完整性、准确性和代表性；通过抽样检查或混合检索进行评估，以使数据的质量达到训练模型的要求。

16、优选的，步骤s3包括：

17、s31，根据服务属性和语料数据，构建初始aigc模型，将对话数据库划分为训练集和验证集；

18、s32，根据训练集对初始aigc模型进行训练，调整初始aigc模型的超参数和学习率，直到达到迭代停止条件；

19、s33，根据验证集验证训练后的初始aigc模型，通过回答准确度和回答流畅度对模型进行评估，若模型评估达到要求，则训练和验证完毕，得到客服模型，若模型评估未达到要求，则返回步骤s32调整超参数后重新对模型进行迭代训练。

20、优选的，步骤s31包括：

21、所述初始aigc模型通过bert模型和gpt-2模型组合构建，所述bert模型进行混合类型提取，所述gpt-2模型进行语义信息编码，bert模型由多层双向的t编码器构成，gpt-2模型由语义向量化、位置向量和多个transformer解码器模块构成，所述transformer解码器模块包括层归一化处理、位置向量、前馈神经网络和遮蔽自注意力机制。

22、优选的，步骤s32包括：

23、迭代停止条件为损失函数收敛或达到总迭代次数，总迭代次数设置为100次，所述损失函数采用交叉熵损失函数，计算式如下：

24、

25、其中，ce为交叉熵损失函数值，precision为准确率。

26、优选的，步骤s33包括：

27、采用回答准确度和回答流畅度对模型进行评估，计算式为：

28、

29、其中，w为模型的回答准确流程值为评价指标，dh为模型回答准确值，dl为模型回答流畅值，h0为模型回答准确合格值，l0为模型回答流畅合格值，wlp为模型回答偏差较慢，wlz为模型回答准确较慢，为模型回答偏差较快，为模型回答准确较快。

30、优选的，步骤s4包括：

31、将训练好的客服模型部署到客服机器人中，将客服机器人部署到实际应用环境中与用户输入信息进行交互，所述实际使用环境包括网站、应用程序和客服平台；

32、设立监控系统，定期检查客服机器人在实际使用环境中的性能指标，所述性能指标包括响应时间、准确率和用户满意度；

33、设置反馈渠道，收集用户对客服机器人的用户反馈数据，所述反馈渠道包括在线调查、用户评价和客服记录；

34、对收集到的用户反馈数据进行分析和整理，找出其中的共性问题和改进建议；

35、根据用户反馈数据的分析结果，制定优化策略和改进计划；

36、根据优化策略优化客服机器人，并持续监测优化效果，观察用户反馈数据和性能指标的变化；

37、定期对客服机器人进行更新和维护，包括更新知识库、优化算法和修复bug。

38、另一方面，本发明还提供了一种基于aigc的客服机器人构建系统，所述系统包括：

39、功能确定模块，用于收集目标用户群体的需求数据，根据需求数据获取目标用户群体的特征和需求，根据特征和需求设定服务属性；

40、数据库建立模块，用于获取与服务属性对应的语料资料，根据语料数据建立对话数据库；

41、模型训练和验证模块，用于根据服务属性构建初始aigc模型，基于对话数据库对初始aigc模型进行训练和验证，得到客服模型；

42、部署优化和反馈模块，用于将客服模型部署到客服机器人中，收集用户反馈数据，根据用户反馈数据对客服机器人进行优化。

43、本发明的一种基于aigc的客服机器人构建方法及系统相对于现有技术具有以下有益效果：

44、(1)通过分析用户需求数据，量身定制服务属性，并基于相关语料数据训练生成专门的客服模型，并将客服模型部署到客服机器人中，根据用户反馈持续优化客服机器人，确保长期稳定的服务水平，整合了aigc技术、客户需求分析和持续迭代优化，为企业构建了人性化、高智能的人工智能客服系统；

45、(2)从不同渠道和来源收集语料数据，包括客服系统中的对话记录、客户反馈的邮件和留言、社交媒体上客户的提问和讨论以及网络大数据，确保机器人在训练过程中接触到各种不同类型的语言和问题，使其能够更全面地理解用户的需求和表达方式；

46、(3)对对话数据库进行质量评估，检查数据的完整性、准确性和代表性，通过抽样检查或混合检索进行评估，以使数据的质量达到训练模型的要求，确保训练过程中使用的数据质量良好，提高模型的训练效果和泛化能力；

47、(4)结合bert模型和gpt-2模型的优势，可以充分利用bert在混合类型提取方面的能力以及gpt-2在语义信息编码方面的优势，从而构建一个更全面、更有效的初始aigc模型；

48、(5)通过模型回答结果的准确度和流畅度，分别评估模型回答的精度和速度，提供清晰的评估计算式，考虑了模型回答准确和流畅的合格值，以及对快慢回答的考虑，使评估更具体、可操作性和实用性。