(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 202211350399.7 (22)申请日 2022.10.31 (71)申请人 杭州钉铛科技有限公司 地址 311100 浙江省杭州市余杭区余杭街 道文一西路1818-2号5幢3 05室 (72)发明人 倪杨喜　 (74)专利代理 机构 杭州兴知捷专利代理事务所 (特殊普通 合伙) 33338 专利代理师 周文停 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/36(2019.01) G06F 16/25(2019.01) (54)发明名称 基于知识图谱的智能客 服系统 (57)摘要 本发明公开了一种基于知识图谱的智能客 服系统， 包括以下步骤： 将各个业务中的数据信 息抽取到 大数据平台中， 将行业内已经公开的行 业信息和客户特色行业信息进行储存归纳， 得到 知识库的内容； 通过数据的预处理和数据建模工 作， 实现自动识别客户的需求， 并对其进行智能 分析， 将获取到的非结构化数据、 半结构化数据 和结构化数据送至大数据平台； 根据大数据平台 对获取的大数据信息做相应的存储、 处理和计算 功能， 实现对知识库信息的对比， 找出其中的规 律情况， 以此提供可靠的数据结果给予相对准确 的答复， 有效的满足人工智能客服的功能需求。 本发明通过知识图谱不断学习的智能客服， 对民 众述求和民众问题可进行的周期性预警预测。 权利要求书1页 说明书3页 附图1页 CN 115455170 A 2022.12.09 CN 115455170 A 1.一种基于知识图谱的智能客 服系统， 其特 征在于： 其包括以下步骤： 1)将各个业务中的数据信息抽取到大数据平台中， 将行业内已经公开的行业信 息和区 域特色行业信息进行储 存归纳， 得到知识库的内容； 2)通过数据的预处理和数据建模工作， 实现自动识别民众的需求， 并对其进行智能分 析， 将获取到的非结构化数据、 半结构化数据和结构化数据送至大 数据平台； 3)根据大数据平台对获取的大数据信息做相应的存储、 处理和计算功能， 实现对知识 库信息的对比， 找出其中的规律情况， 以此提供可靠的数据结果给予相对准确的答复， 有效 的满足人工智能客 服的功能需求。 2.根据权利要求1所述的一种基于知识图谱的智能客服系统， 其特征在于： 所述步骤1) 中通过运用传统的ETL工具和分布式的数据采集组件将各个业务中的数据信息抽取到大数 据平台中， 提取信息中的实体、 谓词和对应关系， 构成知识图谱。 3.根据权利要求1所述的一种基于知识图谱的智能客服系统， 其特征在于： 所述步骤2) 中收集到的信息， 通过知识图谱嵌入算法， 学习实体和谓词的嵌入表示。 4.根据权利要求3所述的一种基于知识图谱的智能客服系统， 其特征在于： 所述步骤2) 中将民众诉求内容送入谓词学习模型， 获取位于知识图谱空间中的向量， 作为问题的预测 谓词表示 5.根据权利要求4所述的一种基于知识图谱的智能客服系统， 其特征在于： 所述步骤2) 中将民众诉求内容送入头 部实体学习模型， 获得问题的预测头 部实体表示 6.根据权利要求5所述的一种基于知识图谱的智能客服系统， 其特征在于： 所述步骤2) 中因为知识图谱中的实体数量较大， 会获取多项预测结果， 将预测结果送入头部实体检测 模型， 将多个具有相同或相似名称的实体合并。 7.根据权利要求6所述的一种基于知识图谱的智能客服系统， 其特征在于： 所述步骤2) 中所述步骤2.5： 为了计算预测的表示和候选的事实之间的距离， 把(h， l， t)表示为(eh， pl) 并定义距离矩阵， 以此提出了一个联合距离度量： 函数sin计算两个字符串的相似性。 β1， β2， β3， β4是预定义的权重， 用来平衡每个term的 贡献。 8.根据权利要求7所述的一种基于知识图谱的智能客服系统， 其特征在于： 所述步骤3) 的具体过程如下： 将步骤2)基于实体名称的token中学习到的实体名， 搜索 整个知识图谱以 找到候选事实集。 对于候选事实集中的所有事实， 根据上述 目标函数计算它们与预测的表 示形式的联合距离,其中具有最小距离的事实(h*， l*， t*)中的尾部实体即为民众诉求的答 案， 从而实现智能问答。权　利　要　求　书 1/1 页 2 CN 115455170 A 2基于知识图谱的智能客服系统 技术领域 [0001]本发明属于信息技 术领域， 尤其涉及一种基于知识图谱的智能客 服系统。 背景技术 [0002]随着互联网技术的不断更新， 大数据技术已被广泛地应用于各行各业。 而国家的 快速发展， 也对大数据信息技术的高效应用提出了更高的要求。 而基于大数据背景下 的人 工智能客服系统的应用， 不仅可以改变传统的在线客服方式， 而且还能有效缓解人工客服 的工作压力， 提高客服的服务质量。 因此， 我们就应在信息化不断发展的过程中运用大数据 技术， 实现人工智能客 服系统的有效完 善， 确保提高智能化 客服系统的运行效率。 [0003]现有技术的缺点： [0004]就针对当前的智能客服系统而言， 其主要就是运用自然处理技术来实现客服系统 的自动问答服务方式， 并将语音以及文本等作为关键词来进行处理， 这样虽然能缓解人工 客服的工作压力， 但随着民众述求的增加， 智能客服所需要解决 的问题也会不断上升， 因此 基于深度学习 、 智能挖掘、 精准语义的智能客 服的需求 不断加深。 发明内容 [0005]本发明为了解决上述现有技术中存在的缺陷和不足， 提供了一种基于深度学习的 知识图谱， 加深智能客服的不断学习， 解决传统智能客服单一的问答方式， 通过知识图谱不 断学习的智能客服， 对民众述求和民众问题可进行周期性的预警预测， 实现大数据技术与 人工客服智能系统的有效融合， 充分发挥出大数据技术的应用性能， 提高政府治理效能， 通 过不断飞跃发展的大数据技术， 不仅能够为民众带来高效、 完善、 优质的服务， 同时可以通 过不断健全的知识图谱模型对后续民众述求和民众问题进行预警预测的基于知识图谱的 智能客服系统。 [0006]本发明的技 术方案： 一种基于知识图谱的智能客 服系统， 包括以下步骤： [0007]1)将各个业务中的数据信息抽取到大数据平台中， 将行业内已经公开的行业信息 和区域特色行业信息进行储 存归纳， 得到知识库的内容； [0008]2)通过数据的预处理和数据建模工作， 实现自动识别民众的需求， 并对其进行智 能分析， 将获取到的非结构化数据、 半结构化数据和结构化数据送至大 数据平台； [0009]3)根据大数据平台对获取的大数据信息做相应 的存储、 处理和计算功能， 实现对 知识库信息的对比， 找出其中的规律情况， 以此提供可靠的数据结果给予相对准确的答复， 有效的满足人工智能客 服的功能需求。 [0010]优选地， 所述步骤1)中通过运用传统的ETL工具和分布式的数据采集组件将各个 业务中的数据信息抽取到大数据 平台中， 提取信息中的实体、 谓词和对应关系， 构成知识图 谱。 [0011]优选地， 所述步骤2)中收集到的信息， 通过知识图谱 嵌入算法， 学习实体和谓词的 嵌入表示。说　明　书 1/3 页 3 CN 115455170 A 3