本技術涉及金融科技，尤其涉及一種基于自然語言模型的數(shù)據(jù)處理方法、裝置、電子設備及介質(zhì)。

背景技術：

1、在保險行業(yè)的日常運營中，業(yè)務系統(tǒng)的穩(wěn)定運行對于保障客戶服務質(zhì)量、提升業(yè)務處理效率至關重要。然而，隨著保險業(yè)務的日益復雜化和技術系統(tǒng)的不斷升級，業(yè)務系統(tǒng)問題頻發(fā)，這些問題通常以工單的形式被提交給系統(tǒng)運營團隊進行處理。

2、現(xiàn)有的工單處理系統(tǒng)大多依賴于人工操作和簡單的自動化流程，缺乏智能化的支持。這使得系統(tǒng)在面對復雜或突發(fā)問題時難以迅速做出響應，影響了問題的解決效率和質(zhì)量。并且由于工單處理效率低下和重復性問題頻發(fā)，客戶往往需要等待較長時間才能得到問題的解答或解決，也可能會出現(xiàn)解答與客戶預期不一致的情況。這不僅降低了客戶的滿意度，還可能對保險公司的品牌形象造成負面影響。

技術實現(xiàn)思路

1、本技術實施例的主要目的在于提出一種基于自然語言模型的數(shù)據(jù)處理方法、裝置、電子設備及介質(zhì)，能夠提高問題處理的效率和服務質(zhì)量，避免出現(xiàn)解答與客戶預期不一致的情況。

2、為實現(xiàn)上述目的，本技術實施例的第一方面提出了一種基于自然語言模型的數(shù)據(jù)處理方法，所述方法包括：

3、獲取金融數(shù)據(jù)信息以及待解答問題信息，所述金融數(shù)據(jù)信息包括多個問題信息；

4、對所述金融數(shù)據(jù)信息進行知識表示，以創(chuàng)建與所述問題信息對應的第一數(shù)據(jù)結構和第二數(shù)據(jù)結構，其中，所述第一數(shù)據(jù)結構為常見問題對應的數(shù)據(jù)結構，所述第二數(shù)據(jù)結構為關聯(lián)問題對應的數(shù)據(jù)結構；

5、根據(jù)所述第一數(shù)據(jù)結構和所述第二數(shù)據(jù)結構創(chuàng)建保險數(shù)據(jù)集；

6、通過所述保險數(shù)據(jù)集訓練預設的自然語言模型，得到自動問答語言模型；

7、響應于用戶檢索指令，對所述待解答問題信息進行文本分析，得到分析結果；

8、基于所述自動問答語言模型以及所述保險數(shù)據(jù)集對所述分析結果進行答案檢索，得到檢索集合；

9、當所述檢索集合為空或者所述檢索集合中不存在預設的答案語句，將所述用戶檢索指令轉(zhuǎn)變?yōu)檗D(zhuǎn)人工服務指令。

10、在一些實施例中，所述對所述金融數(shù)據(jù)信息進行知識表示，以創(chuàng)建與所述問題信息對應的第一數(shù)據(jù)結構和第二數(shù)據(jù)結構，包括：

11、對所述金融數(shù)據(jù)信息進行數(shù)據(jù)清洗；

12、對數(shù)據(jù)清洗后的金融數(shù)據(jù)信息進行同義擴展，得到金融數(shù)據(jù)庫；

13、在所述金融數(shù)據(jù)庫中確定常見問題信息以及常見問題答案；

14、根據(jù)所述常見問題信息以及所述常見問題答案建立第一數(shù)據(jù)結構；

15、對所述金融數(shù)據(jù)庫進行詞性分析，確定關聯(lián)問題信息以及關聯(lián)問題答案；

16、根據(jù)所述關聯(lián)問題信息以及所述關聯(lián)問題答案建立第二數(shù)據(jù)結構。

17、在一些實施例中，所述對所述待解答問題信息進行文本分析，得到分析結果，包括：

18、對所述待解答問題信息進行分詞處理，得到多個問題文本；

19、對所有所述問題文本進行詞性標注，得到標注信息；

20、根據(jù)所述標注信息對所述問題文本進行關鍵詞提取，確定所述問題文本中的關鍵詞信息；

21、根據(jù)所述問題文本、所述標注信息以及所述關鍵詞信息生成分析結果。

22、在一些實施例中，所述用戶檢索指令包括第一用戶檢索指令和第二用戶檢索指令；所述基于所述自動問答語言模型以及所述保險數(shù)據(jù)集對所述分析結果進行答案檢索，得到檢索集合，包括：

23、根據(jù)所述關鍵詞信息提取所述分析結果中的關鍵實體；

24、響應于第一用戶檢索指令，通過所述保險數(shù)據(jù)集對所述關鍵實體進行檢索；

25、當所述保險數(shù)據(jù)集中不存在所述關鍵實體，對所述關鍵實體進行同義替換，得到替換信息；

26、通過所述保險數(shù)據(jù)集對所述替換信息進行檢索；

27、當所述保險數(shù)據(jù)集中不存在所述替換信息，通過所述自動問答語言模型對所述分析結果進行檢索，得到檢索集合。

28、在一些實施例中，所述通過所述自動問答語言模型對所述分析結果進行檢索，得到檢索集合，包括：

29、響應于第二用戶檢索指令，將所述分析結果輸入所述自動問答語言模型，使得所述自動問答語言模型對所述標注信息進行詞向量化，以將所述標注信息轉(zhuǎn)換為預設長度的向量，得到詞向量；

30、通過所述自動問答語言模型對所述詞向量進行語義分析，輸出分析答案；

31、對所述分析答案進行整理，得到檢索集合。

32、在一些實施例中，在將所述用戶檢索指令轉(zhuǎn)變?yōu)檗D(zhuǎn)人工服務指令之后，所述方法還包括：

33、收集人工回復信息；

34、對所述人工回復信息進行敏感信息檢測；

35、當所述人工回復信息通過敏感信息檢測，根據(jù)所述人工回復信息生成與所述待解答問題信息對應的目標答復信息；

36、將所述待解答問題信息以及所述目標答復信息添加至所述保險數(shù)據(jù)集。

37、在一些實施例中，在基于所述自動問答語言模型以及所述保險數(shù)據(jù)集對所述分析結果進行答案檢索，得到檢索集合之后，所述方法還包括：

38、當所述檢索集合為非空且所述檢索集合中存在預設的答案語句，在所述檢索集合中確定目標答案語句。

39、為實現(xiàn)上述目的，本技術實施例的第二方面提出了一種基于自然語言模型的數(shù)據(jù)處理裝置，所述裝置包括：

40、信息獲取模塊，用于獲取金融數(shù)據(jù)信息以及待解答問題信息，所述金融數(shù)據(jù)信息包括多個問題信息；

41、知識表示模塊，用于對所述金融數(shù)據(jù)信息進行知識表示，以創(chuàng)建與所述問題信息對應的第一數(shù)據(jù)結構和第二數(shù)據(jù)結構，其中，所述第一數(shù)據(jù)結構為常見問題對應的數(shù)據(jù)結構，所述第二數(shù)據(jù)結構為關聯(lián)問題對應的數(shù)據(jù)結構；

42、數(shù)據(jù)集創(chuàng)建模塊，用于根據(jù)所述第一數(shù)據(jù)結構和所述第二數(shù)據(jù)結構創(chuàng)建保險數(shù)據(jù)集；

43、模型訓練模塊，用于通過所述保險數(shù)據(jù)集訓練預設的自然語言模型，得到自動問答語言模型；

44、文本分析模塊，用于響應于用戶檢索指令，對所述待解答問題信息進行文本分析，得到分析結果；

45、答案檢索模塊，用于基于所述自動問答語言模型以及所述保險數(shù)據(jù)集對所述分析結果進行答案檢索，得到檢索集合；

46、轉(zhuǎn)人工模塊，用于當所述檢索集合為空或者所述檢索集合中不存在預設的答案語句，將所述用戶檢索指令轉(zhuǎn)變?yōu)檗D(zhuǎn)人工服務指令。

47、為實現(xiàn)上述目的，本技術實施例的第三方面提出了一種電子設備，一種電子設備，所述電子設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如第一方面所述的基于自然語言模型的數(shù)據(jù)處理方法。

48、為實現(xiàn)上述目的，本技術實施例的第四方面提出了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如第一方面所述的基于自然語言模型的數(shù)據(jù)處理方法。

49、本技術提出的基于自然語言模型的數(shù)據(jù)處理方法、裝置、電子設備及存儲介質(zhì),首先，獲取金融數(shù)據(jù)信息以及待解答問題信息，對金融數(shù)據(jù)信息進行知識表示，從而實現(xiàn)對金融數(shù)據(jù)信息的精準分析，以創(chuàng)建與金融數(shù)據(jù)信息中問題信息對應的第一數(shù)據(jù)結構和第二數(shù)據(jù)結構，實現(xiàn)對常見問題和關聯(lián)問題的數(shù)據(jù)結構的創(chuàng)建，再根據(jù)第一數(shù)據(jù)結構和第二數(shù)據(jù)結構創(chuàng)建保險數(shù)據(jù)集，實現(xiàn)對專業(yè)數(shù)據(jù)庫的構建，使得保險數(shù)據(jù)集內(nèi)能夠融合多種問題信息，便于后續(xù)對問題的全面檢索，之后，通過保險數(shù)據(jù)集訓練預設的自然語言模型，使得自然語言模型能夠自動化處理大量文本數(shù)據(jù)，得到自動問答語言模型，從而能夠減少人工干預，響應于用戶檢索指令，對待解答問題進行文本分析，從而分析出待解答問題信息中需要進行檢索的關鍵詞，得到分析結果，實現(xiàn)對待解答問題信息的精準檢索，提高檢索準確性，再基于自動問答語言模型以及保險數(shù)據(jù)集對分析結果進行答案檢索，實現(xiàn)對待解答問題信息的全面檢索，得到檢索集合，能夠提高問題處理的效率和服務質(zhì)量，當檢索集合為空或者檢索集合中不存在預設的答案語句，說明用戶輸入的待解答問題信息沒有被解決，則需要將用戶檢索指令轉(zhuǎn)變?yōu)檗D(zhuǎn)人工服務指令，從而能夠人工回復待解答問題信息，避免出現(xiàn)解答與客戶預期不一致的情況，實現(xiàn)對待解答問題信息的精準回答。本技術實施例通過對金融數(shù)據(jù)信息進行知識表示來創(chuàng)建多個數(shù)據(jù)結構，再通過多個數(shù)據(jù)結構創(chuàng)建保險數(shù)據(jù)集，以及訓練自然語言模型，從而能夠?qū)崿F(xiàn)對待解答問題信息的自動問答，減少人工投入，能夠提高問題處理的效率，并且在檢索集合為空或者檢索集合中不存在預設的答案語句的情況下，本技術實施例會進行轉(zhuǎn)人工操作，從而避免出現(xiàn)解答與客戶預期不一致的情況，實現(xiàn)對待解答問題信息的精準回答。