(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 202210700715.2 (22)申请日 2022.06.20 (71)申请人 科大国创云网科技有限公司 地址 230000 安徽省合肥市高新区文曲路 355号办公楼4层 (72)发明人 李飞　冯影　程磊　周源　王颜颜　 (74)专利代理 机构 合肥昊晟德专利代理事务所 (普通合伙) 3415 3 专利代理师 何梓秋 (51)Int.Cl. G06F 40/216(2020.01) G06F 40/30(2020.01) G06F 40/289(2020.01) G06K 9/62(2022.01) G06F 40/258(2020.01)G06F 16/35(2019.01) (54)发明名称 一种客服热点事 件发现方法及系统 (57)摘要 本发明公开了一种客服热点事件发现方法 及系统， 属于自然语言处理技术领域， 包括以下 步骤： S1： 语义表征； S2： 事件发现； S3： 事件类别 预测。 本发 明通过调整字词权重的方式增强语义 表征， 基于 K‑Means算法实现热点事件发现， 优 化 运营商客服领域热点事件发现的准确率， 在运营 商客服领域数据事件聚类发现的实验中， 本方法 明显优于其他已有的层次和密度聚类算法， 准确 率提升了13.83％。 权利要求书2页 说明书7页 附图1页 CN 115034206 A 2022.09.09 CN 115034206 A 1.一种客 服热点事 件发现方法， 其特 征在于， 包括以下步骤： S1： 语义表征 在通用词库的基础上进行客服领域新词发现， 然后计算客服文本动态句向量， 并对语 义表征进行压缩； S2： 事件发现 基于客服文本语义表征向量， 采用K ‑Means算法对不同客服场景话务进行 聚类， 生成样 本类别， 在计算类别的热词组合， 形成类别标题， 实现客 服文本事 件发现； S3： 事件类别预测 构造客服文本事件类型预测训练样本， 训练分类模型， 通过训练好的分类模型预测新 文本类别， 完成事 件入库。 2.根据权利要求1所述的一种客服热点事件发现方法， 其特征在于： 在所述步骤S1中， 进行新词发现的具体过程如下： S101： 采用W ord2vec方法训练客 服语料， 生成词汇 表作为客服行业基础词库； S102： 客服领域文本分词后， 若 文本分词后的词不在基础词库中， 进行词频统计； S103： 设置新词发现阈值， 将超过阈值的词语记录下来作为 候选业务词； S104： 候选业 务词与通用词库相融合， 建立 运营商客 服领域业务词库。 3.根据权利要求2所述的一种客服热点事件发现方法， 其特征在于： 在所述步骤S1中， 客服文本动态句向量计算过程具体如下： S201： 对于客服文本序列s， 采用运营商客服领域业务词库将序列s中与客服业务无关 的词汇去除， 只保留运营商客服领域业务词， 因此序列更新为s ′＝{c1,…,ci,…,cN}， 其中 ci表示序列s ′中的第i个词汇， N表示序列s ′的文本长度； S202： 基于Word2vec方法获得序列s ′中每一个词汇的初始向量， es′＝{e1,…,ei,…, eN}； S203： 在传统TF‑IDF算法的基础上新增词长 权重， 权重信息具体 计算公式为： 其中， 为序列s′中第i个词汇的权重信息， len(ci)为ci的长度， m为词汇ci在该文本 中出现的频 数， T为该文本中的总词汇数， H为总文本数， h为含有词汇ci的文本数； S204： 应用序列s ′每一个词汇的向量es′＝{e1,…,ei,…,eN}与其对应词汇权重信息相 结合的方式， 动态计算句向量， 生成文本的句向量空间， 完成客服文本向量化， 具体计算公 式为： 其次， Vs为文本的句向量表示， 为词汇ci的权重信息， ei为词汇ci的词向量。 4.根据权利要求3所述的一种客服热点事件发现方法， 其特征在于： 在所述步骤S1中， 进行语义表征进行压缩的具体过程如下： S201： 将步骤S204中生成的句向量进行归一 化； S202： 采用PCA降维的方式将原 始句向量的维度降低到指定维度， 具体 计算公式为：权　利　要　求　书 1/2 页 2 CN 115034206 A 2其中， Vs′为语义表征压缩后的句向量， Xi为原始句向量中中第i维的数值， Xmax、 Xmin分别 为原始句向量中最大值和最小值， F 是PCA降维函数， d是指定维度。 5.根据权利要求4所述的一种客服热点事件发现方法， 其特征在于： 所述步骤S2的具体 过程如下： S21： 随机 选取K个点作为初始聚类中心； S22： 根据欧式距离的公式进行计算， 将靠近初始聚类中心的数据， 划分到同一个簇中， 以此迭代； S23： 依据各簇数据点的均值更新其聚类中心， 直至聚类中心不再改变， 由此将客服文 本划分为K个样本类别， 再分别根据每一类中词汇词频的高低提取K个类别的热词组合， 即 关键词文本， 形成类别标题， 实现客 服文本事 件发现。 6.根据权利要求5所述的一种客服热点事件发现方法， 其特征在于： 所述步骤S3包括以 下步骤： S31： 通过步骤S23中的K个样本类别、 K个类别的热词组合， 构造客服文本事件类型预测 训练样本， 其中客服文本作为训练数据， 通过客服文本语义表征和客服热点事件发现获得 客服文本数据的K个样本类别作为训练标签； S32： 采用有监督Fasttext算法训练客服文本事件样本， 获得基于Fasttext算法对文本 事件分类模型 modelf， 对于新的客服文 本序列x通 过训练好的模型 modelf获得序列x属于K个 类型的概 率y1,…,yi,…,yk； S33： 通过最大值 函数获得序列x的属于可能类别的概 率： 设置预测置信度P， 预测新文本事件类别， 若文本序列x属于可能类别的概率 达到预测 置信度， 则归到K个类别中的概率最大的相似类别中， 否则将不对文本序列x做分类处理， 直 到不做分类处理的文本数量满足指定数额Q， 则所有数据重新聚类， 以此整合后续事件， 完 成事件入库。 7.一种客服热点事件发现系统， 其特征在于， 利用 如权利要求1～6任一项所述的方法 实现客服热点事 件发现及对新文本进行 预测， 包括： 语义表征模块， 用于在通用词库的基础上进行客服领域新词发现， 然后计算客服文本 动态句向量， 并对语义表征进行压缩； 事件发现模块， 用于基于客服文本语义表征向量， 采用K ‑Means算法对不同客服场景话 务进行聚类， 生成样本类别， 在计算类别的热词组合， 形成类别标题， 实现客服文本事件发 现； 事件类别预测模块， 用于构造客服文本事件类型预测训练样本， 训练分类模型， 通过训 练好的分类模型 预测新文本类别， 完成事 件入库； 控制处理模块， 用于向其 他模块发出指令， 完成相关动作； 所述语义表征模块、 事 件发现模块、 事 件类别预测模块均 与控制处 理模块电连接 。权　利　要　求　书 2/2 页 3 CN 115034206 A 3