(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 202211110203.7 (22)申请日 2022.09.13 (71)申请人 北京邮电大 学 地址 100876 北京市海淀区西土城路10号 (72)发明人 王红熳　马思野　 (74)专利代理 机构 北京金咨知识产权代理有限 公司 11612 专利代理师 薛海波 (51)Int.Cl. G06F 40/35(2020.01) G06F 40/30(2020.01) G06Q 30/00(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种任务型客 服服务升级方法及装置 (57)摘要 本发明提供一种任务型客服服务升级方法 及装置， 所述方法从用户与客服的对话中分析用 户情绪、 客服与用户对话完成度以及用户满意 度， 从而计算得到情感数值、 任务型对话完成度 数值以及用户满意度数值， 并将三个数值联合计 算得到服务升级主指数， 当服务升级主指数达到 系统设定值时升级客服服务。 本发 明能够综合用 户情绪、 对话完成度以及用户满意度来判断对话 过程是否需要进行客服服务升级， 提高了客服服 务升级的及时性和准确性。 权利要求书5页 说明书17页 附图11页 CN 115455984 A 2022.12.09 CN 115455984 A 1.一种任务型客 服服务升级方法， 其特 征在于， 该 方法包括以下步骤： 对用户输入的第1～n轮次的对话， 分别获取每一轮对话含有表情符号的第一文本信 息， 将所述第一文本信息输入预训练的词嵌入模型得到相应的第一词向量和第一表情向 量； 将每一轮对话的所述第一词向量和所述第一表情向量逐一输入预训练的情感分析模 型， 分别输出第1～n轮次对话的情感倾向度数值数组并计算初级情感参数， 并累加所述初 级情感参数 得到第n轮对话的情感数值； 对用户输入的第1～n轮次的对话， 分别获取仅含有文字的第二文本信息， 将所述第二 文本信息输入所述词嵌入模型得到第二词向量， 将每一轮对话的所述第二词向量逐一输入 预训练的自然语言理解模型， 分别输出第1～ n轮次对话的用户意图 以及子目标对应的槽值 信息的数量， 根据每个轮次所述用户意图和所述槽值信息的数量计算相应轮次的初级任务 对话完成度参数， 并累加得到第n轮对话的任务型对话完成度数值； 对用户输入的第1～n轮次的对话， 获取多个用户情绪影响因素的对用户满意度的满意 度调整比例， 判断每一轮对话中所述用户情绪影响因素 的达成情况， 并根据相 应的满意度 调整比例逐轮调节满意度初始 值得到第1～n轮次对话的初级用户满意度参数， 并累加得到 第n轮对话的用户满意度数值； 根据第n轮和第n ‑1轮对话的情 感数值计算第n轮对话的情 感数值指数， 根据第n轮和第 n‑1轮对话的任务型对话完成度数值计算第n轮对话的任务型对话完成度指数， 根据第n轮 和第n‑1轮对话的用户满意度数值计算第n轮对话的用户满意度指数； 获取服务升级主指数常数并结合第n轮对话的所述情感数值指数、 所述任务型对话完 成度指数和所述用户满意度指数做加权求和得到服 务升级主指数； 当所述服务升级主指数达 到设定标准时发起 客服服务升级。 2.根据权利要求1所述的任务型客服服务升级方法， 其特征在于， 所述词嵌入模型为 BERT‑base‑Chinese模型， 所述BERT ‑base‑Chinese模型采用包含表情符号的文本进行参数 微调。 3.根据权利要求2所述的任务型客服服务升级方法， 其特征在于， 所述情感分析模型的 预训练步骤 包括： 获取多个包 含表情符号的文本样本； 将每个文本样本输入所述BERT ‑base‑Chinese模型得到相应的样本词向量和样本表情 向量， 对每个文本样本添加情感标注作为标签， 构成第一训练样本集； 所述情感标注至少包 括： 积极、 中立和 消极； 获取Self‑Explain NLP初始模型， 采用所述第一训练样本集对所述S elf‑Explain NLP 初始模型进行训练得到情感分析模型。 4.根据权利要求3所述的任务型客服服务升级方法， 其特征在于， 将每一轮对话的所述 第一词向量和所述第一表情向量逐一输入预训练的情感分析模 型， 分别输出第1～ n轮次对 话的情感倾向度数值数组并计算初级情感参数， 包括： 将每一轮对话的所述第一词向量和所述第一表情向量逐一输入预训练的情感分析模 型， 输出关于积极、 中立和消极三类情感标注的情感倾向度数值数组[positive_value, neutra_value,negative_value]， positive_value表示情感为积 极的概率， neutra_value 表示情感为中立的概 率， negative_value表示情感为消极的概 率；权　利　要　求　书 1/5 页 2 CN 115455984 A 2所述初级情感参数的计算式为： emotional_value＝max(positive_value,neutra_value,negative_value) ×(1‑max_ index)； 其中， emotional_value表示所述初级情感参数， max_index表示情感最大值的下标， 积 极情感下 标为0， 中立情感下 标为1， 消极情感下 标为2。 5.根据权利要求2所述的任务型客服服务升级方法， 其特征在于， 所述自然语言理解模 型的预训练步骤 包括： 获取第二训练样本集， 所述第二训练样本集包含多个样本， 每个样本中包含标记有槽 值信息和意图信息标签的文本； 获取BiLSTM ‑CRF初始模型， 采用所述第二训练样本集对所述B iLSTM‑CRF初始模型进行 训练得到所述自然语言理解模型。 6.根据权利要求1所述的任务型客服服务升级方法， 其特征在于， 根据已获得的用户意 图、 用户本轮对话意图以及所述槽值信息的数量计算相应轮次的初级任务对话完成度参 数， 包括： 如果所述已获得的用户意图ststem  intent和所述用户本轮对话意图intent都为空 值， 则 task_completi on＝0； 如果所述用户本轮对话 意图intent不为空值， 则 如果所述用户本轮对话意图intent为空值而所述已获得的用户意图system_intent不 为空值， 则 其中， task_comp letion表示所述初级任务对话完成度参数， sum_slot_num表示意图需 要的总槽值数， curr_slot_num表示本轮获取到的可填充的槽值数， fill_slot_num表示意 图已经填充的槽值数。 7.根据权利要求1所述的任务型客服服务升级方法， 其特征在于， 获取多个用户情绪影 响因素的对用户满意度的满意度调整比例， 判断每一轮对话中所述用户情绪影响因素的达 成情况， 并根据相应的满意度调整比例逐轮调节满意度初始 值得到第1～n轮次对话的初级 用户满意度参数， 包括： 对话轮次影响满意度的对话轮次系数、 获取客服对用户意图识别度影响满意度的意图 系数、 子目标达成数量影响满意度的子目标达成系 数、 无效对话影响满意度的无效对话系 数、 用户重复提出相同问题次数影响满意度的重复提问系 数、 客服未知问题出现次数影响 满意度的未知问题系数； 获取第n轮对话的初始用户满意度； 计算由于对话轮次增 加影响满意度后的满意度更新 值， 计算式为： user_satisfacti on＝user_satisfacti on×(1‑round_factor)； 其中， user_datisfacti on表示所述用户满意度， round_factor为对话轮次系数；权　利　要　求　书 2/5 页 3 CN 115455984 A 3