(19)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 202210259431.4 (22)申请日 2022.03.16 (71)申请人 北京智齿众服 技术咨询有限公司 地址 100070 北京市丰台区南四环西路186 号二区9号楼-1至1 1层101内2层16室 (72)发明人 吴科　焦杨　吴立楠　 (74)专利代理 机构 北京知呱 呱知识产权代理有 限公司 1 1577 专利代理师 胡乐 (51)Int.Cl. G06F 40/30(2020.01) G06F 40/216(2020.01) G06F 40/289(2020.01) G06K 9/62(2022.01) G06F 16/33(2019.01)G06F 16/332(2019.01) G06F 16/35(2019.01) G06F 16/215(2019.01) (54)发明名称 智能客服语义识别通用模型的构建方法及 问答机器人 (57)摘要 本发明公开了一种智能客服语义识别通用 模型的构建方法及问答机器人。 该模 型的构建方 法， 采集不同行业领域多个公司各自记录的多个 词条， 经过数据清洗后， 采用TF ‑IDF算法为每个 测试语句算出多个备选词条， 并给出排序； 并且， 对每个测试语句进行分词， 基于分词结果采用相 似度算法计算得出备选词条相似度最大值和最 相似的多条语句的平均值； 将这些特征(备选词 条的排序分值、 相似度算法计算的最大值、 平均 值等)作为输入， 该测试语句的最优词条标签作 为输出， 训练随机森林模型得到该模型， 从而普 适于多个行业领域， 具有较高的性 价比。 权利要求书2页 说明书6页 附图3页 CN 114722830 A 2022.07.08 CN 114722830 A 1.智能客 服语义识别通用模型的构建方法， 其特 征在于， 包括以下步骤： S1、 采集不同行业领域多个公司各自记录的多个词条， 每个所述词条包括不同表达但 意义相同的多条测试语句； 对每 个所述词条设置唯一的目标 标签； S2、 对于获得的全部测试语句， 进行 数据清洗； S3、 采用TF ‑IDF算法为每 个测试语句算出多个备选词条， 并给 出排序； S4、 对每个测试语句进行分词， 基于分词结果采用相似度算法计算得出备选词条相似 度最大值和最相似的前m条语句的平均值； 建立随机森林模型， 随机森林模型的输入包括所 述最大值、 平均值以及步骤S3得到的备选词条 的排序分值， 随机森林模型的输出为该测试 语句的最优词条 标签； 经过训练后的随机森林模型即为所述智能客 服语义识别通用模型。 2.根据权利要求1所述的智能客服语义识别通用模型的构建方法， 其特征在于， 步骤S1 中， 所述采集不同行业领域多个公司各自记录的多个词条， 具体是： 确定多个不同的行业领 域， 在每个行业领域下， 选定至少两个特征公司， 根据每个特征公司记录的客户语句， 随机 抽取200个以上词条。 3.根据权利要求1所述的智能客服语义识别通用模型的构建方法， 其特征在于， 步骤S2 中， 所述数据清洗具体包括去除停止词和删除寒暄类数据。 4.根据权利要求1所述的智能客服语义识别通用模型的构建方法， 其特征在于， 步骤S4 中， 所述对每个测试语句进行分词， 具体分别采用了ansj分词和n ‑gram分词， 其中n取1 ‑4； 相应的， 分别计算ansj分词下相似度算法 的最大值和平均值、 n ‑gram分词下相似度算法的 最大值和平均值。 5.根据权利要求4所述的智能客服语义识别通用模型的构建方法， 其特征在于， 步骤S4 中， 所述相似度算法包括Jaccard相似度算法和词袋相似度算法， 相应的， 分别计算每种 算 法的最大值和平均值。 6.根据权利要求4所述的智能客服语义识别通用模型的构建方法， 其特征在于， 步骤S4 中， 所述随机森林模型的输入 还包括测试语句长度。 7.根据权利要求4所述的智能客服语义识别通用模型的构建方法， 其特征在于， 步骤S3 中， 为每个测试语句算出5个备选词条； 步骤S4中， 所述 最相似的前m条语句， m取10 。 8.一种智能客 服语义识别通用模型的生成装置， 其特 征在于， 包括： 数据采集模块， 用于采集不同行业领域多个公司各自记录的多个词条， 每个所述词条 包括不同表达但意 义相同的多条测试语句； 对每 个所述词条设置唯一的目标 标签； 数据清洗模块， 用于对获得的全部测试语句， 进行 数据清洗； 备选词条计算模块， 用于采用TF ‑IDF算法为每个测试语句算出多个备选词条， 并给出 排序； 数据重排模块， 用于对每个测试语句进行分词， 基于分词结果采用相似度算法计算得 出备选词条相似度最大值和最相似的前m条语句的平均值； 建立随机森林模型， 随机森林模 型的输入包括所述最大值、 平均值以及所述备选词条计算模块给出的备选词条的排序分 值， 随机森林模型 的输出为该测试语句的最优词 条标签； 经过训练后的随机森林模型即为 所述智能客 服语义识别通用模型。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 1/2 页 2 CN 114722830 A 210.一种问答机器人， 包括存储器和 处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处理器执行所述计算机程序时运行经权利要求 1至7中任一项 所述的方法得到的智 能客服语义识别通用模型， 接收客户输入的待识别语句， 得出对应的词条标签； 根据该词条 标签从客 服数据库中选取适配的应答语句并输出。权　利　要　求　书 2/2 页 3 CN 114722830 A 3