电销客户标签识别方法、电子设备、存储介质及程序产品与流程

本发明涉及人工智能，尤其涉及一种电销客户标签识别方法、电子设备、计算机可读存储介质及计算机程序产品。

背景技术：

1、在电销场景中，为了深入了解客户需求并为客户提供更个性化的服务，通常需要对客户进行标签标注，目前应用较广的标签识别方案包括利用机器学习和自然语言处理技术(例如词袋模型和文本分类器等)来对客户的对话数据进行分析和处理，从而生成对应的客户标签。但这种方法需要特定场景下的大量的标注数据来训练预测模型，所以在复杂的场景下识别对话数据的客户标签识别时精度较低，从而影响对客户的标签分类准确度和营销效果。

2、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供一种电销客户标签识别方法、电子设备、计算机可读存储介质及计算机程序产品，旨在解决传统电销客户标签识别方案的识别精度较低的技术问题。

2、为实现上述目的，本发明提出一种电销客户标签识别方法，所述的电销客户标签识别方法包括：

3、根据待识别通话文本生成对应的思维链，其中，所述思维链用于表征所述待识别通话文本中客户对于电销对话内容的至少一个观点；

4、组合所述思维链、所述待识别通话文本以及标签信息，得到所述待识别通话文本对应的模型提示词，其中，所述标签信息至少包括预设标签名称；

5、将所述模型提示词输入预设的客户标签识别大模型，通过所述客户标签识别大模型在捕捉到所述待识别通话文本中各语句与标签的含义以及潜在推理关系的条件下，生成所述待识别通话文本对应的至少一个客户标签。

6、在一实施例中，所述根据待识别通话文本生成对应的思维链的步骤包括：

7、获取所述待识别通话文本中客服和客户分别对应的对话内容；

8、根据预设的业务规则对所述客户的对话内容进行分析，确定客户的至少一个观点信息；

9、根据所述业务规则对所述客服的对话内容进行分析，确定电销进度信息；

10、根据各所述观点信息和电销进度信息，生成所述待识别通话文本对应的思维链。

11、在一实施例中，所述将所述模型提示词输入预设的客户标签识别大模型，通过所述客户标签识别大模型在捕捉到所述待识别通话文本中各语句与标签的含义以及潜在推理关系的条件下，生成所述待识别通话文本对应的至少一个客户标签的步骤，包括：

12、将所述模型提示词输入预设的客户标签识别大模型，通过所述客户标签识别大模型在捕捉到所述待识别通话文本中各语句与标签的含义以及潜在推理关系的条件下，从所述待识别通话文本中提取出客户的特征语句，所述特征语句用于表征所述客户的特征和/或需求；

13、基于所述客户的特征语句，生成所述待识别通话文本对应的至少一个客户标签；

14、在所述生成所述待识别通话文本对应的至少一个客户标签的步骤之后，所述方法还包括：

15、通过所述客户标签识别大模型对所述待识别通话文本对应的客户标签进行归因分析，生成所述客户标签对应的标签原因和通话文本原文。

16、在一实施例中，所述电销客户标签识别方法还包括：

17、若接收到http服务发送的实时请求，则返回所述根据待识别通话文本生成对应的思维链的步骤，以生成对应的客户标签，并将所述客户标签返回给所述实时请求对应的客服；

18、若检测到预设脚本触发批量处理指令，则返回所述根据待识别通话文本生成对应的思维链的步骤，以生成各所述待识别通话文本分别对应的客户标签。

19、在一实施例中，所述电销客户标签识别方法还包括：

20、获取多组历史通话文本，并构建各所述历史通话文本分别对应的训练模型提示词；

21、获取各所述训练模型提示词分别对应的标注信息，其中，所述标注信息至少包括所述训练模型提示词对应的真实客户标签和所述真实客户标签对应的标签原因；

22、根据各所述训练模型提示词和各所述真实客户标签对预构建的初始标签识别大模型进行训练，得到客户标签识别大模型。

23、在一实施例中，在所述根据各所述训练模型提示词和各所述真实客户标签对预构建的初始标签识别大模型进行训练，得到客户标签识别大模型的步骤之前，所述方法还包括：

24、在预设的有监督大模型中增加低秩矩阵，得到微调大模型；

25、初始化所述微调大模型的模型参数，得到初始标签识别大模型。

26、在一实施例中，所述根据各所述训练模型提示词和各所述真实客户标签对预构建的初始标签识别大模型进行训练，得到客户标签识别大模型的步骤包括：

27、将各所述训练模型提示词分别输入所述初始标签识别大模型，生成各所述历史通话文本分别对应的预测客户标签；

28、基于所述预测客户标签和所述真实客户标签，对所述初始标签识别大模型的模型参数进行优化更新；

29、当训练次数达到预设次数时，对所述初始标签识别大模型进行评估，得到模型评估指标，其中，所述模型评估指标至少包括准确率、召回率以及f1分数中的一种；

30、若所述模型评估指标符合预设评估指标，则停止训练，将所述初始标签识别大模型置为客户标签识别大模型，否则，继续进行模型训练。

31、此外，为实现上述目的，本发明还提出一种电销客户标签识别装置，所述电销客户标签识别装置包括：

32、思维链生成模块，用于根据待识别通话文本生成对应的思维链，其中，所述思维链用于表征所述待识别通话文本中客户对于电销对话内容的至少一个观点；

33、提示词确定模块，用于组合所述思维链、所述待识别通话文本以及标签信息，得到所述待识别通话文本对应的模型提示词，其中，所述标签信息至少包括预设标签名称；

34、标签识别模块，用于将所述模型提示词输入预设的客户标签识别大模型，通过所述客户标签识别大模型在捕捉到所述待识别通话文本中各语句与标签的含义以及潜在推理关系的条件下，生成所述待识别通话文本对应的至少一个客户标签。

35、此外，为实现上述目的，本发明还提出一种电子设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的电销客户标签识别方法的步骤。

36、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的电销客户标签识别方法的步骤。

37、此外，为实现上述目的，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的电销客户标签识别方法的步骤。

38、本发明提出了一种电销客户标签识别方法，在电销客户标签识别方法中，首先根据待识别通话文本生成对应的思维链，其中，思维链能用于表征待识别通话文本中客户对电销对话内容中相关问题所表述出的观点，再组合所述思维链、所述待识别通话文本以及标签信息，得到所述待识别通话文本对应的模型提示词，本发明的技术方案中，为了便于大模型更好地理解待识别通话文本的文本内容，通过思维链和标签信息来结合待识别通话文本构成模型提示词，相比传统方案中通仅对通话文本进行分析处理，本技术方案能使大模型更容易捕捉到待识别通话文本中各语句与标签的含义以及潜在推理关系，从而在复杂的场景中更清晰地识别出待识别通话文本对应的客户标签，最后，将得到的模型提示词输入到预设的客户标签识别大模型中，通过所述客户标签识别大模型生成所述待识别通话文本对应的至少一个客户标签，客户标签可用于表征所述待识别通话文本对应的客户的特征和需求，本发明的技术方案利用大模型的语言理解能力和泛化能力，能自动从待识别通话文本中提取出客户的特征和需求，相比传统技术方案中通过机器学习和自然语言处理技术处理对话数据的方案，更能适应复杂的应用环境，并结合了思维链和模型提示词进行标签识别，能使大模型更好地理解标签识别任务，从而生成更准确的标签识别结果。

技术特征：

1.一种电销客户标签识别方法，其特征在于，所述电销客户标签识别方法包括：

2.如权利要求1所述的电销客户标签识别方法，其特征在于，所述根据待识别通话文本生成对应的思维链的步骤包括：

3.如权利要求1所述的电销客户标签识别方法，其特征在于，所述将所述模型提示词输入预设的客户标签识别大模型，通过所述客户标签识别大模型在捕捉到所述待识别通话文本中各语句与标签的含义以及潜在推理关系的条件下，生成所述待识别通话文本对应的至少一个客户标签的步骤，包括：

4.如权利要求1至3中任一项所述的电销客户标签识别方法，其特征在于，所述电销客户标签识别方法还包括：

5.如权利要求1所述的电销客户标签识别方法，其特征在于，所述电销客户标签识别方法还包括：

6.如权利要求5所述的电销客户标签识别方法，其特征在于，在所述根据各所述训练模型提示词和各所述真实客户标签对预构建的初始标签识别大模型进行训练，得到客户标签识别大模型的步骤之前，所述方法还包括：

7.如权利要求5所述的电销客户标签识别方法，其特征在于，所述根据各所述训练模型提示词和各所述真实客户标签对预构建的初始标签识别大模型进行训练，得到客户标签识别大模型的步骤包括：

8.一种电子设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至7中任一项所述的电销客户标签识别方法的步骤。

9.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的电销客户标签识别方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的方法。

技术总结
本发明公开了一种电销客户标签识别方法、电子设备、存储介质及程序产品，涉及人工智能技术领域，电销客户标签识别方法包括：根据待识别通话文本生成对应的思维链，其中，思维链用于表征待识别通话文本中客户对于电销对话内容的至少一个观点；组合思维链、识别通话文本以及标签信息，得到待识别通话文本对应的模型提示词，其中，标签信息至少包括预设标签名称；将模型提示词输入预设的客户标签识别大模型，通过客户标签识别大模型在捕捉到待识别通话文本中各语句与标签的含义以及潜在推理关系的条件下，生成待识别通话文本的至少一个客户标签。本发明提供的电销客户标签识别方法能更好地适应复杂的对话场景，提高了对客户标签识别的精度。

技术研发人员：卢俊羽,向小林,张超,黄研洲,杨海军
受保护的技术使用者：深圳前海微众银行股份有限公司
技术研发日：
技术公布日：2024/9/23