CN119443734A 深度学习驱动的派单管理系统、方法及存储介质 （中科院广州电子技术有限公司）

向量获取模块获取客户与智能客服的第一对话2对话向量获取模块，所述对话向量获取模块用于获得客户与智能客服的第一对话向一级意图识别模块，所述一级意图识别模块用于通过一级文本块优化模块，所述文本块优化模块用于根据所述第二级意图识别模块，所述二级意图识别模块用于通过二级派单管理模块，所述派单管理模块用于当所述第一客户需求业务和根据所述第三客户需求业务进行文本块优化，获得第二目通过所述二级深度学习语义模型，对所述第三对话向量进行客户意图当所述第三客户需求业务和所述第四客户需求业务相同，根据所述第三客户需求业基于所述第一客户需求业务，遍历所述业务类型集合进行业务文本向量相似度分析，按照所述业务文本向量相似度集合自大到小对所述业务类型集合根据所述第一客户需求业务，获得所述二级深度学习语义模型对所提取所述历史识别日志中所述识别准确标识为准确的所述文本块大3提取所述集中文本块分布坐标密度参数的最大值坐标，生成所述第一目标文本块大,,列的意图识别句，标记第j序号文本，Hic-1表征第i次训练对话的意图识别句文本的上根据所述语义分析损失函数，训练所述一级深度学习语义模型获得第一对话向量记录数据集与业务类型标识数据集、客户数对所述第一对话向量记录数据集按照所述业务类型标识数据集的文本块标识大小集根据所述语义分析损失函数，调取所述第一对话向量记录数据集根据所述语义分析损失函数，调取所述第二对话向量记录数据集根据所述语义分析损失函数，调取所述第二对话向量记录数据集4根据均方误差损失函数，调取所述第二对话向量记录数据集、所述根据均方误差损失函数，调取所述第二对话向量记录数据集、所述合并所述业务类型分析通道、所述客户数量分析通道和所述客户时通过一级深度学习语义模型，对所述第一对话向量进行客户意图识别，获得根据所述第一客户需求业务进行文本块优化，获得第一目通过二级深度学习语义模型，对所述第二对话向量进行客户意图识别，获得当所述第一客户需求业务和所述第二客户需求业务相同，根据所述第一客户需求业9.一种非暂态计算机可读存储介质，其特征在于，程序，所述计算机软件程序被处理器执行时实现如权利要求1_7任意一项所述的深度学习5能客服系统在工单派单环节基于单轮对话的意图识别结果，缺乏必要的复核和验证机制，67[0018]通过一级意图识别模块12，可以快速准确地判断出客户89[0029]派单管理模块15，用于当所述第一客户需求业务和所述客户需求业务与业务类型集合中每一种业务类型的文本向量进行比对，计算之间的相似提取所述历史识别日志中所述识别准确标识为准确的所述文本块大,,话序列的意图识别句，标记第j序号文本，Hic-1表征第i次训练对话的意图识别句文本,,,的平均损失构成，对于第i次训练，损失由两项求和而成。第一项是交叉熵损失,用于衡量模型预测的业务类型标签y;与真实标签yo之间的差异。y;是模型在第i次训练时的预测结果，y;o是对应的人工标注的监督标签，M表示业务类别总数。刻画了预测标签的概率分布与真实分布的偏离程度。第二项是语义一致性损失，用于衡量模型在识别当前意图识别句su时，与之前上文之前的j-1句话构成的上文信息。语义分析损失函数中，a是语义一致性损失的权重对所述第一对话向量记录数据集按照所述业务类型标识数据集的文本块标识大二级深度学习语义模型的训练数据更加丰富和多样。同时使用第二对话向量记录数据集、合并所述业务类型分析通道、所述客户数量分析通道和所述客户时限分析通道，段中蕴含的业务类型信息，通过优化语义分析损失，学习识别客户需求所属的具体业务领出值与标签值之间的均方误差，客户数量分析通道掌握了从对话中准确提取数量细节的技失函数，利用第二对话向量记录数据集和客户时限标识数据集，训练专门用于客户时限分析的子模型，称为客户时限分析通道。该通道着眼于对话片段中蕴含的时间要求信息，如提取所述历史识别日志中所述识别准确标识为准确的所述文本块大,,话序列的意图识别句，标记第j序号文本，Hic-1表征第i次训练对话的意图识别句文本对所述第一对话向量记录数据集按照所述业务类型标识数据集的文本块标识大合并所述业务类型分析通道、所述客户数量分析通道和所述客户时限分析通道，请参阅图3，图3为本发明实施例提供的一种计算机可读存储介质的实施例示意现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0072]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其