一种客服对话工单总结方法

技术领域

本发明涉及工单总结，具体涉及一种客服对话工单总结方法。

背景技术

在实际业务场景中，尤其在客服行业中，每一次客户咨询都需要有工单记录，该工单的生成往往是通过人工记录后再进行总结生成的。以家电报修举例，客服人员在交互过程中人工收集工单要素，比如报修主体是彩电还是冰箱，属于什么产品型号，具有什么故障问题，以及基本排查等，询问过程中人工手动记录，并在通话结束后进行人工总结。

现有技术中通过人工进行记录并总结，生成客服工单，不仅增加了客服人员的工作量，降低客服人员工作效率，同时不同客服人员的沟通方式不同，会造成业务工单无法统一规范。此外，人工记录总结过程中还会存在漏填、错填、误填的情况，导致业务工单无法真实反映客户需求。

发明内容

(一)解决的技术问题

针对现有技术所存在的上述缺点，本发明提供了一种客服对话工单总结方法，能够有效克服现有技术所存在的业务工单生成效率较低、无法统一规范、不能真实反映客户需求的缺陷。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种客服对话工单总结方法，包括以下步骤：

S1、根据对话主题设计不同类型的工单槽位，建立槽位提取模型，并进行模型训练；

S2、根据业务场景及主题边界对对话内容进行主题拆解；

S3、判断当前拆解主题的类别，并根据工单槽位调用对应的槽位提取模型，获取工单槽位要素信息；

S4、将所有工单槽位要素信息进行整合，并输出工单总结。

优选地，所述槽位提取模型包括关键字规则提取模型、语义分类模型、NER命名实体识别模型、生成式模型。

优选地，根据所述槽位提取模型的选型收集对应的模型训练语料并标注，完成模型训练。

优选地，S2中所述根据业务场景及主题边界对对话内容进行主题拆解，包括：

建立主题边界判别模型，输入不同的训练语料进行训练，主题边界判别模型判断交互过程中的主题边界，并区分当前对话内容属于哪个对话主题。

优选地，S4中所述所有工单槽位要素信息按照预设工单模板进行整合，生成并输出工单总结。

优选地，S4中所述所有工单槽位要素信息通过Transformer模型进行进一步处理，生成并输出语言通顺流畅、更符合表达习惯的工单总结。

(三)有益效果

与现有技术相比，本发明所提供的一种客服对话工单总结方法，能够对原始工单任务进行对话主题划分，并针对性训练槽位提取模型，由于各槽位提取模型都具有针对性强的特点，因此业务精度较高，最终通过工单模板或Transformer生成式模型来输出工单，生成效率较高，并且记录准确，能够真实反映客户需求；槽位提取模型可共用，针对不同的工单槽位，通过简单修改槽位提取模型即可适用于同一大类场景下的不同对话主题，有效降低客服人员的工作量，提升工作效率，并且保证了业务工单的规整性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明客服对话工单总结生成的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种客服对话工单总结方法，如图1所示，根据对话主题设计不同类型的工单槽位，建立槽位提取模型，并进行模型训练。

工单槽位的设计需要符合工单需求，即重要信息才需要设计工单槽位，并且需要考虑到槽位提取模型的可实现性。例如，家电售后类可设计“产品类别”、“购买渠道”、“故障问题描述”、“是否上门维修”、“客户详细地址”；快递类任务可设计“货物品名”、“货物重量”、“货物体积”、“运单号”、“发件地”、“收件地”。

槽位提取模型包括关键字规则提取模型、语义分类模型、NER命名实体识别模型、生成式模型。根据槽位提取模型的选型收集对应的模型训练语料并标注，完成模型训练。

根据对话主题设计不同类型的工单槽位，比如“家电类型”、“购买渠道”、“家电品牌名”、“问题类型”、“问题描述”、“已排查问题点”、“客户姓名”、“购机日期”、“客户地址”、“是否上门维修”。

根据业务场景及主题边界对对话内容进行主题拆解，包括：

建立主题边界判别模型，输入不同的训练语料进行训练，主题边界判别模型判断交互过程中的主题边界，并区分当前对话内容属于哪个对话主题。

根据业务场景划分对话主题，可以分为：

A、客户意图判别：在该主题中，需要判断用户的意图是咨询类、投诉类、预约报装类等，通常是双方交互的第一阶段；

B、产品信息判别：在该主题中，需要提取产品相关信息，比如产品大类、产品品牌、购买渠道、购买日期等；

C、问题描述：在该主题中，需要概括问题大概内容；

D、处理方式：在该主题中，需要询问当前已排查的点，以及推荐的处理方式、是否需要上门维修等；

E、客户信息收集：在该主题中，需要收集客户信息，比如“客户姓名”、“联系方式”、“家庭住址”等。

判断当前拆解主题的类别，并根据工单槽位调用对应的槽位提取模型，获取工单槽位要素信息。

对于“家电类型”、“购买渠道”、“家电品牌名”等具有很强规则性的问题，可以通过关键字规则提取模型获取工单槽位要素信息。关键字规则提取模型主要基于关键字或者关键词，在上游输入为ASR语音识别结果时，会融入部分拼音模糊匹配技术，属于规则匹配，应用于说法很规范的场景。

对于“问题类型”、“问题描述”、“已排查问题点”等无特定规则性但类别可枚举的问题，可以通过语义分类模型获取工单槽位要素信息。语义分类模型属于神经网络模型，对一句话进行语义判断，应用于表达方式较发散的语义分类，比如用户来电意图判断。

对于“客户姓名”、“购机日期”、“客户地址”等问题，可以通过NER命名实体识别模型获取工单槽位要素信息。NER命名实体识别模型提取语句中无明显规则或者不可枚举的实体名，比如时间、地址信息。

对于问题描述等具有概括性的工单槽位，可以通过Transformer生成式模型进行自动生成。

本申请技术方案中，关键字规则提取模型、语义分类模型、NER命名实体识别模型、生成式模型均为nlp模型，但是不限于这四种模型，还可以根据工单槽位的特性采用其他模型。槽位提取模型可共用，针对不同的工单槽位，通过简单修改槽位提取模型即可适用于同一大类场景下的不同对话主题。

将所有工单槽位要素信息进行整合，并输出工单总结，包括两种方式：

A、所有工单槽位要素信息按照预设工单模板进行整合，生成并输出工单总结；

B、所有工单槽位要素信息通过Transformer模型进行进一步处理，生成并输出语言通顺流畅、更符合表达习惯的工单总结。

当槽位提取模型训练并部署就绪后，客服人员与客户的交互将首先输入到主题边界判别模型，该模型会返回当前对话属于哪个对话主题，并且随着对话的开展，对话主题切换时该模型能识别主题边界，并返回切换后的主题。

在获取到当前对话主题后，比如当前属于“用户信息确认”，此时会将当前对话内容送入“姓名提取”模型、“客户手机号提取”模型、“客户情绪识别”模型等，针对性地提取有效信息。随着对话深入，对话主题不断切换，调用的槽位提取模型也在不断切换，并最终获取所有的工单槽位要素信息，最终结合完成所有信息的整合，输出工单总结。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。