智能客服服务方法、装置、设备及介质与流程

本发明涉及人工智能及在线客服，尤其涉及一种智能客服服务方法、装置、设备及介质。

背景技术：

1、当前客服服务都是人工或者采用人工智能方式，首先人工方式大部分只能应对单个产品，如汽车售后服务，而人工智能方式虽然能够根据用户画像及产品信息能够对客户提供更快速便捷的客服服务。

2、然而，现在随着产品如汽车零部件、汽车修理服务的快速更新，当前的客服服务方法仅能够根据已有的数据库或者厂商提供服务数据进行应对，缺少实时动态的客服服务和个性化的服务。

技术实现思路

1、本发明实施例的主要目的在于提出一种智能客服服务方法、装置、设备及介质，提高了客服服务基于实时数据答复准确率，并提供了个性化的答复。

2、本发明的一方面提供了一种智能客服服务方法，包括：

3、根据用户客户端的客服服务问询请求，获取问询对象，其中问询对象包括产品标识和问询信息；

4、根据所述问询对象，确定目标产品数据库，从所述目标产品数据库获取产品数据及产品服务数据，其中产品服务数据包括产品服务、用户评论、服务评论中的至少一种；

5、根据所述产品数据及所述产品服务数据对本地知识库进行增量更新，并获取增量更新前的第一实体集合和增量更新后的第二实体集合，其中实体集合包括实体和实体关系，其中实体关系用于表征产品数据与产品服务、用户评论及服务评论中的至少一种关联关系；

6、根据所述问询对象，对所述第二实体集合采用图神经网络进行预测，得到预测结果，其中预测结果表示所述问询对象与所述产品数据和所述产品服务数据最优关联关系；

7、将所述预测结果生成客服答复结果并发送至所述客户端；

8、所述图神经网络的预测包括：

9、根据所述本地知识库、所述第一实体集合和所述第二实体集合，确定动态知识库，所述动态知识库包括实体集合、实体关系集合、第一实体集合增量更新的时间序列；

10、根据第一实体集合增量更新的时间序列、实体及实体关系确定实体事件，得到所述动态知识库的实体事件集，根据实体集合、实体关系集合、第一实体集合增量更新的时间序列及实体事件集得到嵌入向量；

11、采用基于图神经网络的时间序列编码器以嵌入向量作为输入，进行编码并学习得到实体、实体关系及时间序列的交互特征；

12、采用基于图神经网络的时间序列解码器对交互特征进行邻域特征的聚合处理，得到嵌入向量的时间维度特征和相似性；

13、根据所述时间维度特征和相似性在所述动态知识库中对所述问询对象的最优实体关系进行预测。

14、根据所述的智能客服服务方法，其中根据所述问询对象，确定目标产品数据库，从所述目标产品数据库获取产品数据及产品服务数据，包括：

15、根据产品标识确定产品的服务平台，获取服务平台的接口配置信息，根据所述接口配置信息从服务平台拉取产品数据及产品服务数据，每次进行数据拉取时记录拉取时间。

16、根据所述的智能客服服务方法，其中根据所述产品数据及所述产品服务数据对本地知识库进行增量更新，并获取增量更新前的第一实体集合和增量更新后的第二实体集合，包括：

17、获取未增量更新前的第一实体集合的实体集和实体关系集，根据实体集和实体关系集构建第一三元组集合和第一空间向量；

18、根据第二实体集合的实体集和实体关系集，选取与所述第一实体集合相似的第二三元组；

19、根据第一三元组集合、所述第二三元组及所述第一实体集合采用训练方式确定第一实体集合添加的实体的空间向量和实体关系的空间位置；

20、根据添加的实体的空间向量和实体关系的空间位置，确定所述第二三元组的第二空间向量。

21、根据所述的智能客服服务方法，其中根据所述本地知识库、所述第一实体集合和所述第二实体集合，确定动态知识库，包括：

22、获取由第一实体集合和第二实体集合构成的第三实体集合，由第三实体集合所包括的实体关系集合，且获取由所述本地知识库每次更新的时间集合，根据第三实体集合、第三实体集合的关系集合及时间集合，确定所述动态知识库。

23、根据所述的智能客服服务方法，其中采用基于图神经网络的时间序列编码器以嵌入向量作为输入，进行编码并学习得到实体、实体关系及时间序列的交互特征，包括：

24、根据时间集合确定第三实体集合中任意两个相关联的实体通过对应的实体关系得到的事件，进而得到第三实体集合对应的事件集合，其中事件包括服务数据的产生时间、网络位置、评论对象、评论方式及评论后续结果；

25、根据第三实体集合、第三实体集合的关系集合、事件集合及时间集合，确定嵌入向量，其中嵌入向量为四元组；

26、采用图卷积神经网络的编码器对四元组进行编码并进行学习，得到实体、实体关系及时间序列的交互特征。

27、根据所述的智能客服服务方法，其中采用基于图神经网络的时间序列解码器对交互特征进行邻域特征的聚合处理，得到嵌入向量的时间维度特征和相似性，包括：

28、获取所述交互特征的中心节点，通过中心节点聚合领域得到邻域特征，根据邻域特征得到所述四元组的多维特征，其中多维特征至少包括时间维度特征；

29、对所述四元组的多维特征采用卷积神经网络以边界损失训练方法进行学习，得到所述四元组的多维特征的相似性。

30、根据所述的智能客服服务方法，其中将所述预测结果生成客服答复结果并发送至所述客户端，包括：

31、对预测结果的关键词进行提取，并对关键词采用nlp和预设语料库进行重新组装，得到所述答复结果。

32、本发明实施例的另一方面提供了一种智能客服服务装置，包括：

33、第一模块，用于根据用户客户端的客服服务问询请求，获取问询对象，其中问询对象包括产品标识和问询信息；

34、第二模块，用于根据所述问询对象，确定目标产品数据库，从所述目标产品数据库获取产品数据及产品服务数据，其中产品服务数据包括产品服务、用户评论、服务评论中的至少一种；

35、第三模块，用于根据所述产品数据及所述产品服务数据对本地知识库进行增量更新，并获取增量更新前的第一实体集合和增量更新后的第二实体集合，其中实体集合包括实体和实体关系，其中实体关系用于表征产品数据与产品服务、用户评论及服务评论中的至少一种关联关系；

36、第四模块，用于根据所述问询对象，对所述第二实体集合采用图神经网络进行预测，得到预测结果，其中预测结果表示所述问询对象与所述产品数据和所述产品服务数据最优关联关系；

37、第五模块，用于将所述预测结果生成客服答复结果并发送至所述客户端；

38、其中图神经网络的预测包括第六模块、第七模块、第八模块、第九模块及第十模块；

39、所述第六模块用于根据所述本地知识库、所述第一实体集合和所述第二实体集合，确定动态知识库，所述动态知识库包括实体集合、实体关系集合、第一实体集合增量更新的时间序列；

40、所述第七模块用于根据第一实体集合增量更新的时间序列、实体及实体关系确定实体事件，得到所述动态知识库的实体事件集，根据实体集合、实体关系集合、第一实体集合增量更新的时间序列及实体事件集得到嵌入向量；

41、所述第八模块用于采用基于图神经网络的时间序列编码器以嵌入向量作为输入，进行编码并学习得到实体、实体关系及时间序列的交互特征；

42、所述第九模块采用基于图神经网络的时间序列解码器对交互特征进行邻域特征的聚合处理，得到嵌入向量的时间维度特征和相似性；

43、所述第十模块用于根据所述时间维度特征和相似性在所述动态知识库中对所述问询对象的最优实体关系进行预测。

44、本发明实施例的另一方面提供了一种电子设备，包括处理器以及存储器；

45、所述存储器用于存储程序；

46、所述处理器执行所述程序实现如前文所描述的方法。

47、本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前文所描述的方法。

48、本发明的有益效果为：根据用户问询请求，对多个厂商的服务数据和产品数据采用增量更新构建用户个性化动态知识库；采用图卷积神经网络对用户个性化动态知识库进行实体、实体关系、时间及时间维度的预测，提供符合用户个性化的客服服务及实时服务。