本發(fā)明涉及一種基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測系統(tǒng)和預(yù)測方法,屬于計(jì)算機(jī)智能計(jì)算與運(yùn)用。

背景技術(shù)：

1、網(wǎng)絡(luò)技術(shù)的發(fā)展極大地促進(jìn)了在線購物平臺的應(yīng)用，如亞馬遜、yelp、京東商城和淘寶等，這些平臺提供了多種多樣的電商服務(wù)，以滿足不同類型客戶的不同需求。在網(wǎng)絡(luò)購物的過程中，由于用戶無法直接接觸到商品，電商平臺客服對話便成為了電子商務(wù)的重要組成部分，對于提供優(yōu)質(zhì)的客戶服務(wù)和提升用戶滿意度至關(guān)重要。在電商平臺上，客服對話扮演著橋梁的角色，將用戶的問題、疑慮和需求傳達(dá)給平臺，同時(shí)為用戶提供解答、建議和支持。通過評估用戶滿意度，平臺可以發(fā)現(xiàn)潛在的問題和改進(jìn)的空間，進(jìn)而提升客服質(zhì)量和用戶體驗(yàn)。平臺可以通過各種方式收集用戶的反饋，如滿意度調(diào)查、用戶評價(jià)、投訴處理等，從而對客服對話的質(zhì)量和效果進(jìn)行評估和改進(jìn)。

2、在電商平臺中，一段客服對話的背后均存在著用戶需要咨詢的商品，而該商品則可以為客服對話的評估提供很大的參考價(jià)值。首先，使用所咨詢的商品信息能夠幫助客服人員更準(zhǔn)確地理解用戶的問題和需求。了解用戶咨詢的具體商品，可以讓客服人員提供更精準(zhǔn)的解答和建議。不同商品可能有不同的特性、規(guī)格、用途等，只有了解這些信息，客服人員才能更好地回答用戶的問題，提供專業(yè)的指導(dǎo)。其次，使用所咨詢的商品信息有助于客服人員提供個性化的服務(wù)。每個商品都有其特定的使用方法、注意事項(xiàng)等，通過了解所咨詢的商品信息，客服人員可以根據(jù)用戶的具體情況給出針對性的建議和解決方案。個性化的服務(wù)能夠滿足用戶的個別需求，提高用戶的滿意度和購買體驗(yàn)。此外，使用所咨詢的商品信息還有助于客服人員提供更全面的支持。了解商品的特性和功能，客服人員可以向用戶介紹更多的產(chǎn)品優(yōu)勢和相關(guān)信息，幫助用戶做出更明智的購買決策?？头藛T還可以根據(jù)商品的售后政策和保修條款等提供相關(guān)的服務(wù)和解決方案，增加用戶對平臺的信任和滿意度。然而，現(xiàn)有的電商客服對話用戶滿意度評估技術(shù)中往往將重點(diǎn)放在對話內(nèi)容的語義建模上，而忽略了其背后的商品信息。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明正是針對現(xiàn)有技術(shù)中的問題，提供一種基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測系統(tǒng)，包括商品推理模塊、文本挖掘模塊和知識增強(qiáng)模塊。

2、在商品推理模塊中，首先在知識圖譜上對商品知識推理模型進(jìn)行預(yù)訓(xùn)練。為了進(jìn)行知識推理，將商品映射到商品知識圖譜的多個商品上去作為推理所使用的頭實(shí)體，并根據(jù)產(chǎn)品類別選擇推理關(guān)系。基于每個商品的相關(guān)頭實(shí)體和關(guān)系，使用推理模型預(yù)測尾實(shí)體，從而獲得每個商品的關(guān)鍵屬性和概念，進(jìn)而從對話中提取關(guān)鍵詞。而針對客服對話的文本語義信息，文本挖掘模塊則利用話語編碼器bert和transformer進(jìn)行逐輪和對話級別的編碼，以獲得對話的上下文表示。最后，將對話的商品相關(guān)關(guān)鍵詞和對話語義表征向量使用知識增強(qiáng)模塊進(jìn)行融合，使用多頭注意力機(jī)制從三種不同的角度對對話的關(guān)鍵信息進(jìn)行挖掘，得到用戶對話滿意度的充分表征，進(jìn)而更精準(zhǔn)地預(yù)測用戶對一段對話的滿意程度

3、為了實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案如下：

4、基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測系統(tǒng)，所述預(yù)測系統(tǒng)包括商品推理模塊、文本挖掘模塊以及知識增強(qiáng)模塊，

5、所述商品推理模塊：接收客服對話中的商品信息作為輸入，將其映射到知識圖譜的多個實(shí)體上作為推理頭實(shí)體，并選擇與其最為相關(guān)的關(guān)系作為推理使用的關(guān)系，根據(jù)頭實(shí)體與關(guān)系進(jìn)行與該商品相關(guān)的尾實(shí)體的推理，并基于得到的尾實(shí)體進(jìn)行文本關(guān)鍵詞提取，得到對話中商品相關(guān)的關(guān)鍵詞；

6、所述文本挖掘模塊：接受對話文本信息，并使用預(yù)訓(xùn)練編碼器進(jìn)行文本的回合內(nèi)、回合間編碼，最終得到文本的語義表征向量；

7、所述知識增強(qiáng)模塊：基于文本編碼、商品信息與關(guān)鍵詞，使用多頭注意力機(jī)制進(jìn)行三種注意力計(jì)算，從而從不同角度對文本中影響用戶滿意度的關(guān)鍵信息進(jìn)行挖掘，更好地預(yù)測用戶的滿意度

8、基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測方法，所述方法包括如下步驟：

9、s1，商品知識推理：根據(jù)對話所涉及的商品品類進(jìn)行基于商品知識圖譜的針對性商品推理，得到與一類商品相關(guān)的關(guān)鍵屬性信息；

10、s2，對話關(guān)鍵詞提取：根據(jù)s1所得到的商品相關(guān)屬性信息，將用戶、客服語句進(jìn)行分詞后逐個進(jìn)行詞語和商品屬性關(guān)鍵詞的語義相似度對比，將語義相似度較高的詞語提取出作為對話關(guān)鍵詞；

11、s3，對話文本表征：使用bert模型進(jìn)行回合級別的對話表征，隨后使用多頭注意力機(jī)制將各個回合的文本編碼進(jìn)行整合得到統(tǒng)一的文本表征；

12、s4，知識增強(qiáng)的滿意度預(yù)測：基于多頭注意力機(jī)制進(jìn)行關(guān)鍵詞級別、對話級別和商品級別的三種表征向量挖掘，從不同角度進(jìn)行文本關(guān)鍵信息的表征提取，然后將這三類表征輸入全連接神經(jīng)網(wǎng)絡(luò)中進(jìn)行最終的用戶滿意度預(yù)測。

13、本工作在電商客服對話滿意度評估方面的創(chuàng)新之處在于考慮了客服對話背后的商品信息。與現(xiàn)有技術(shù)相比，這一創(chuàng)新帶來了顯著的優(yōu)勢。首先，通過將商品信息融入模型中，能夠更準(zhǔn)確地理解用戶的問題與意圖。其次，考慮商品信息使得您的模型能夠提供更全面的支持和指導(dǎo)。在電商客服對話中，用戶通常咨詢關(guān)于商品的信息，如規(guī)格、用途、售后等。通過將商品信息納入評估模型，能夠使其快速捕捉到電商客服對話中商品相關(guān)的關(guān)鍵屬性、概念信息，從而提取對話中真正影響用戶體驗(yàn)的部分。本工作可以有效提升電商平臺的客戶服務(wù)質(zhì)量和用戶滿意度，為用戶提供更好的購物體驗(yàn)。通過評估對話滿意度，電商平臺可以了解用戶的需求和關(guān)注點(diǎn)，從而優(yōu)化產(chǎn)品和服務(wù)，提供更符合用戶期望的購物體驗(yàn)。同時(shí)，評估結(jié)果還可以幫助改進(jìn)客服人員的溝通技巧和解決問題的能力，提升客服質(zhì)量，確保用戶得到專業(yè)、友好和高效的服務(wù)。本方案可以通過捕捉對話中商品相關(guān)的關(guān)鍵詞，有效建模對話中關(guān)鍵的問答信息，進(jìn)而更加精準(zhǔn)地對客服對話中用戶的滿意度進(jìn)行評估.本方案是針對電商場景所設(shè)計(jì)的針對性算法，經(jīng)過測試在運(yùn)算速度上能夠?qū)崟r(shí)給出用戶的滿意度，因而便于部署實(shí)現(xiàn)；隨著未來智能客服不斷投入使用，本方案能夠給智能客服提供一個精確評估當(dāng)前用戶滿意度的算法，從而使得智能客服不斷調(diào)整對話策略、更新回復(fù)方式.

技術(shù)特征：

1.基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測系統(tǒng)，其特征在于：所述預(yù)測系統(tǒng)包括商品推理模塊、文本挖掘模塊以及知識增強(qiáng)模塊，

2.如權(quán)利要求1所述的基基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測系統(tǒng)，其特征在于：所述商品推理模塊中，使用語義向量余弦相似度匹配以及文本匹配的方法將對話商品映射到商品知識圖譜的多個商品上去作為推理所使用的頭實(shí)體，然后將不同的商品分成十個大類，分別為：電器、辦公用品、汽車配件、數(shù)碼商品、藥品、食品、嬰兒用品、化妝品、保健品、服裝，針對不同的大類，將該大類下最常出現(xiàn)的關(guān)系進(jìn)行統(tǒng)計(jì)后篩選出出現(xiàn)頻次最高的關(guān)系作為推理所使用的關(guān)系。

3.如權(quán)利要求2所述的基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測系統(tǒng)，其特征在于：在得到了推理所需要的頭實(shí)體與關(guān)系之后，使用tucker模型進(jìn)行知識推理，推理尾實(shí)體的計(jì)算公式如下：

4.如權(quán)利要求3所述的基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測系統(tǒng)，其特征在于：將對話文本進(jìn)行分詞，將用戶語句中的詞語標(biāo)記為將客服語句中的詞語標(biāo)記為基于所得到的商品屬性集合和分詞結(jié)果，進(jìn)行語義相似度匹配抽取對話中商品相關(guān)的關(guān)鍵詞：

5.如權(quán)利要求1所述的基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測系統(tǒng)，其特征在于：所述文本挖掘模塊中，首先進(jìn)行回合級別的文本編碼，針對一個回合t中的客服語句ust和用戶語句uut,通過以下公式計(jì)算單個回合的文本編碼:

6.如權(quán)利要求5所述的基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測系統(tǒng)，其特征在于：在文本挖掘模塊進(jìn)行回合級文本編碼后，進(jìn)行針對文本整體的對話級編碼，首先定義多頭注意力機(jī)制的計(jì)算如下所示：

7.如權(quán)利要求4所述的基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測系統(tǒng)，其特征在于：所述知識增強(qiáng)模塊中，首先將用戶關(guān)鍵詞和客服關(guān)鍵詞進(jìn)行語義編碼得到表征向量，編碼計(jì)算方式如下：

8.如權(quán)利要求7所述的基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測系統(tǒng)，其特征在于：所述知識增強(qiáng)模塊中，對損失函數(shù)進(jìn)行訓(xùn)練，使其最小，進(jìn)而優(yōu)化模型各個模塊的參數(shù),損失函數(shù)定義如下：

9.一種基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測方法，其特征在于，采用權(quán)利要求1-8任意一項(xiàng)所述的基于商品知識圖譜的電商平臺客服對話用戶滿意度預(yù)測系統(tǒng)，所述方法包括如下步驟：

技術(shù)總結(jié)
本發(fā)明公開了一種基于商品知識圖譜的電商客服對話用戶滿意度預(yù)測方法，包括：商品知識推理模塊用于將對話中涉及的商品映射到知識圖譜中的多個實(shí)體上，同時(shí)選擇出與該商品最相關(guān)的各類關(guān)系，通過知識推理模型進(jìn)行尾實(shí)體預(yù)測，然后將得到的尾實(shí)體與對話中的詞語進(jìn)行語義相似度匹配，文本挖掘模塊則通過使用預(yù)訓(xùn)練語言模型進(jìn)行對話回合內(nèi)、回合間語義編碼表征，該模型既能夠關(guān)注到回合內(nèi)的關(guān)鍵信息，又能夠?qū)⒍鄠€回合之間的歷史信息進(jìn)行整合；知識增強(qiáng)模塊通過使用注意力機(jī)制將對話商品信息、關(guān)鍵詞信息和文本表征進(jìn)行多角度融合，從不同的側(cè)面進(jìn)行建模用戶的最終滿意度，為平臺方增進(jìn)用戶粘性、提升客服服務(wù)質(zhì)量提供有效參考依據(jù)。

技術(shù)研發(fā)人員：王帥,劉堯暢,林麗,夏凱文
受保護(hù)的技術(shù)使用者：東南大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/17