本發(fā)明屬于ai自動(dòng)回復(fù)領(lǐng)域，具體是基于大模型與知識庫的客服機(jī)器人自動(dòng)回復(fù)系統(tǒng)。

背景技術(shù)：

1、在當(dāng)今數(shù)字化時(shí)代，隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展和大數(shù)據(jù)的應(yīng)用普及，企業(yè)和組織越來越依賴于高效的客戶服務(wù)系統(tǒng)來滿足用戶的需求；大規(guī)模預(yù)訓(xùn)練語言模型(如bert、gpt系列等)的出現(xiàn)極大地推動(dòng)了自然語言處理(nlp)領(lǐng)域的發(fā)展。這些模型通過在海量文本數(shù)據(jù)上進(jìn)行無監(jiān)督預(yù)訓(xùn)練，能夠?qū)W習(xí)到豐富的語言結(jié)構(gòu)和語義信息，為后續(xù)的任務(wù)提供了強(qiáng)大的基礎(chǔ)。這些模型可以用于各種下游任務(wù)，包括但不限于問答、文本生成、情感分析等，它們在提高對話質(zhì)量和效率方面展現(xiàn)出了巨大潛力；盡管大模型能夠在一定程度上理解上下文并生成連貫的回答，但在實(shí)際應(yīng)用中，特別是在需要精確信息的場景下，僅依靠模型本身的知識往往是不夠的。因此，構(gòu)建和維護(hù)一個(gè)結(jié)構(gòu)化的知識庫變得至關(guān)重要。

2、申請?zhí)枮閏n2024104446509的發(fā)明專利公開了一種基于用戶畫像的機(jī)器人客服自動(dòng)回復(fù)方法及系統(tǒng)，該發(fā)明通過獲取用戶畫像的文本資料庫，并構(gòu)建自動(dòng)回復(fù)模型，自動(dòng)回復(fù)模型包括生成式自然語言分析器、檢索式對話管理器和自然語言生成器，接收用戶輸入的問題文本，利用自然語言生成器計(jì)算與問題文本相似對話與其他相似對話的累積一致性值；輸出最大的累積一致性值對應(yīng)的相似對話；回復(fù)所述相似對話中所述用戶輸入問題對應(yīng)的答案至用戶；該發(fā)明在獲取回復(fù)用戶的回復(fù)文本時(shí)，通過對用戶畫像的文本資料庫和問題文本分析得到相似對話對應(yīng)的答案，得到的答案較為單一，若用戶在詢問當(dāng)前問題前詢問了其他相關(guān)資料，則無法結(jié)合用戶的需求得到完整且更加符合用戶的回復(fù)答案。

3、本發(fā)明提供了基于大模型與知識庫的客服機(jī)器人自動(dòng)回復(fù)系統(tǒng)，以解決以上技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題之一；為此，本發(fā)明提出了基于大模型與知識庫的客服機(jī)器人自動(dòng)回復(fù)系統(tǒng)，用于解決現(xiàn)有技術(shù)中當(dāng)用戶詢問了其他相關(guān)知識時(shí)，因只考慮了問題本身，沒有結(jié)合用戶的詢問記錄進(jìn)行回復(fù)的技術(shù)問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明的第一方面提供了基于大模型與知識庫的客服機(jī)器人自動(dòng)回復(fù)系統(tǒng)，包括：數(shù)據(jù)收集模塊、知識庫構(gòu)建模塊、問題優(yōu)化模塊和對話管理模塊；

3、數(shù)據(jù)收集模塊：用于收集用戶發(fā)送的問題文本，提取綜合數(shù)據(jù)；

4、知識庫構(gòu)建模塊：用于根據(jù)綜合數(shù)據(jù)構(gòu)建知識庫，知識庫中包含儲(chǔ)存有用戶信息的歷史用戶數(shù)據(jù)；

5、問題優(yōu)化模塊：用于對問題文本進(jìn)行優(yōu)化處理得到標(biāo)準(zhǔn)問題文本，將標(biāo)準(zhǔn)問題文本輸入知識庫中匹配對應(yīng)的匹配回答文本；

6、對話管理模塊：用于基于匹配回答文本向用戶進(jìn)行回復(fù)并記錄對話記錄。

7、優(yōu)選的，所述根據(jù)綜合數(shù)據(jù)構(gòu)建知識庫，包括：

8、提取綜合數(shù)據(jù)，所述綜合數(shù)據(jù)包括歷史問題文本、對應(yīng)歷史回答文本、相關(guān)搜索數(shù)據(jù)與各用戶的歷史對話記錄；

9、構(gòu)建初始知識庫，并在初始知識庫中設(shè)置獨(dú)立用戶數(shù)據(jù)單元；對綜合數(shù)據(jù)進(jìn)行預(yù)處理得到標(biāo)準(zhǔn)數(shù)據(jù)，將標(biāo)準(zhǔn)數(shù)據(jù)中的歷史問題文本、歷史回答文本和相關(guān)搜索數(shù)據(jù)輸入初始知識庫中，將歷史對話記錄存儲(chǔ)在獨(dú)立用戶數(shù)據(jù)單元中，得到知識庫。

10、優(yōu)選的，所述對問題文本進(jìn)行優(yōu)化處理得到標(biāo)準(zhǔn)問題文本，包括：

11、提取問題文本；

12、通過自然語言處理工具對問題文本進(jìn)行規(guī)范化處理，檢測并修正問題文本中的錯(cuò)別字和語法錯(cuò)誤，得到標(biāo)準(zhǔn)問題文本。

13、優(yōu)選的，所述將標(biāo)準(zhǔn)問題文本輸入知識庫中匹配對應(yīng)的匹配回答文本，包括：

14、提取標(biāo)準(zhǔn)問題文本；

15、識別標(biāo)準(zhǔn)問題文本中的問題關(guān)鍵詞，匹配知識庫中包含問題關(guān)鍵詞的歷史問題文本，將包含問題關(guān)鍵詞的歷史問題文本標(biāo)記為匹配問題文本；通過embedding模型將標(biāo)準(zhǔn)問題文本轉(zhuǎn)換為標(biāo)準(zhǔn)問題向量，將匹配問題文本轉(zhuǎn)換為匹配問題向量；計(jì)算標(biāo)準(zhǔn)問題向量與匹配問題向量的向量相似度；根據(jù)向量相似度將匹配問題文本從大到小進(jìn)行排序，將向量相似度最大的匹配問題文本標(biāo)記為回答問題文本，將回答問題文本對應(yīng)的歷史回答文本標(biāo)記為匹配回答文本。

16、優(yōu)選的，所述計(jì)算標(biāo)準(zhǔn)問題向量與匹配問題向量的向量相似度，包括：

17、提取標(biāo)準(zhǔn)問題向量和匹配問題向量；

18、將標(biāo)準(zhǔn)問題向量標(biāo)記為a，將匹配問題向量標(biāo)記為b；通過余弦相似度公式abs＝(a×b)/(|a||b|)計(jì)算得到向量a和向量b的向量相似度abs。

19、優(yōu)選的，所述基于匹配回答文本向用戶進(jìn)行回復(fù)并記錄對話記錄，包括：

20、提取匹配回答文本；

21、通過自然語言處理工具對獨(dú)立用戶數(shù)據(jù)單元中的歷史對話記錄進(jìn)行分析，獲取歷史對話記錄的關(guān)鍵要素，將關(guān)鍵要素與匹配回答文本進(jìn)行結(jié)合生成用戶回復(fù)文本，在對話框中回復(fù)用戶回復(fù)文本。

22、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

23、1.本發(fā)明通過收集用戶的問題文本與企業(yè)的綜合數(shù)據(jù)，對綜合數(shù)據(jù)進(jìn)行預(yù)處理后用于構(gòu)建知識庫，并在知識庫中設(shè)計(jì)獨(dú)立用戶數(shù)據(jù)單元用于存儲(chǔ)用戶的歷史對話記錄，系統(tǒng)能夠更好地理解用戶的偏好和需求，從而提供更加個(gè)性化的服務(wù)和建議，可以幫助系統(tǒng)更快地識別問題的性質(zhì)，減少重復(fù)詢問，提高問題解決的速度和效率；在對話框中得到用戶發(fā)送的問題文本后，檢測并修正問題文本中的錯(cuò)別字和語法錯(cuò)誤，對問題文本進(jìn)行優(yōu)化，得到標(biāo)準(zhǔn)問題文本，可以確保系統(tǒng)正確理解用戶的意圖，避免因誤解而導(dǎo)致的錯(cuò)誤回答，有助于系統(tǒng)更準(zhǔn)確地匹配合適的問題和答案，從而提供更高質(zhì)量的回答；識別提取標(biāo)準(zhǔn)問題文本中的問題關(guān)鍵詞，并在知識庫中匹配包含問題關(guān)鍵詞的匹配問題文本，并從中篩選得到回答問題文本，將回答問題文本對應(yīng)的歷史回答文本標(biāo)記為匹配回答文本，系統(tǒng)能夠更準(zhǔn)確地理解用戶的問題，從而提供更加相關(guān)和準(zhǔn)確的回答，可以縮短尋找答案的時(shí)間，加速問題的解決過程，提高了互動(dòng)的效率和滿意度；對獨(dú)立用戶數(shù)據(jù)單元中的歷史對話記錄進(jìn)行分析，提取其中的關(guān)鍵要素，并將關(guān)鍵要素與匹配回答文本進(jìn)行結(jié)合生成用于回復(fù)用戶的用戶回復(fù)文本，可以幫助系統(tǒng)了解用戶的偏好和需求，從而生成更加貼合用戶需求的回復(fù)，能夠提升用戶體驗(yàn)。

24、2.本發(fā)明通過將標(biāo)準(zhǔn)問題文本與匹配問題文本轉(zhuǎn)換成文本向量，并通過余弦相似度公式計(jì)算標(biāo)準(zhǔn)問題向量與匹配問題向量的向量相似度，根據(jù)向量相似度篩選得到知識庫中最符合標(biāo)準(zhǔn)問題文本的回答問題文本，并將對應(yīng)的歷史回答文本標(biāo)記為匹配回答文本，得到標(biāo)準(zhǔn)問題文本的標(biāo)準(zhǔn)答案，可以更準(zhǔn)確地找到與用戶問題最接近的回答，從而提高回答的準(zhǔn)確性和相關(guān)性，有助于構(gòu)建更加結(jié)構(gòu)化和高效的數(shù)據(jù)庫。

技術(shù)特征：

1.基于大模型與知識庫的客服機(jī)器人自動(dòng)回復(fù)系統(tǒng)，其特征在于，包括：數(shù)據(jù)收集模塊、知識庫構(gòu)建模塊、問題優(yōu)化模塊和對話管理模塊；

2.根據(jù)權(quán)利要求1所述的基于大模型與知識庫的客服機(jī)器人自動(dòng)回復(fù)系統(tǒng)，其特征在于，所述根據(jù)綜合數(shù)據(jù)構(gòu)建知識庫，包括：

3.根據(jù)權(quán)利要求1所述的基于大模型與知識庫的客服機(jī)器人自動(dòng)回復(fù)系統(tǒng)，其特征在于，所述對問題文本進(jìn)行優(yōu)化處理得到標(biāo)準(zhǔn)問題文本，包括：

4.根據(jù)權(quán)利要求1所述的基于大模型與知識庫的客服機(jī)器人自動(dòng)回復(fù)系統(tǒng)，其特征在于，所述將標(biāo)準(zhǔn)問題文本輸入知識庫中匹配對應(yīng)的匹配回答文本，包括：

5.根據(jù)權(quán)利要求4所述的基于大模型與知識庫的客服機(jī)器人自動(dòng)回復(fù)系統(tǒng)，其特征在于，所述計(jì)算標(biāo)準(zhǔn)問題向量與匹配問題向量的向量相似度，包括：

6.根據(jù)權(quán)利要求1所述的基于大模型與知識庫的客服機(jī)器人自動(dòng)回復(fù)系統(tǒng)，其特征在于，所述基于匹配回答文本向用戶進(jìn)行回復(fù)并記錄對話記錄，包括：

技術(shù)總結(jié)
本發(fā)明公開了基于大模型與知識庫的客服機(jī)器人自動(dòng)回復(fù)系統(tǒng)，涉及AI自動(dòng)回復(fù)技術(shù)領(lǐng)域，解決了現(xiàn)有技術(shù)中當(dāng)用戶詢問了其他相關(guān)知識時(shí)，因只考慮了問題本身，沒有結(jié)合用戶的詢問記錄進(jìn)行回復(fù)的技術(shù)問題；本發(fā)明通過收集用戶的問題文本與企業(yè)的綜合數(shù)據(jù)，對綜合數(shù)據(jù)進(jìn)行預(yù)處理后用于構(gòu)建知識庫，并在知識庫中設(shè)計(jì)獨(dú)立用戶數(shù)據(jù)單元用于存儲(chǔ)用戶的歷史對話記錄；在對話框中得到用戶發(fā)送的問題文本后，檢測并修正問題文本中的錯(cuò)別字和語法錯(cuò)誤，對問題文本進(jìn)行優(yōu)化，從知識庫中篩選得到回答問題文本；對獨(dú)立用戶數(shù)據(jù)單元中的歷史對話記錄進(jìn)行分析，提取其中的關(guān)鍵要素，并將關(guān)鍵要素與匹配回答文本進(jìn)行結(jié)合生成用于回復(fù)用戶的用戶回復(fù)文本。

技術(shù)研發(fā)人員：朱國正,馬冰,馬升,徐寒
受保護(hù)的技術(shù)使用者：合肥馬道信息科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19