本技术涉及计算机，尤其涉及一种基于ai的客服信息生成方法、一种基于电商场景的客服信息生成方法、一种基于预设领域的客服信息生成方法，以及各方法对应的系统。
背景技术：
1、相关技术方案中，电商智能客服系统采用ai模型处理用户在会话场景中提出的问题，降低人工客服的工作成本。然而，上述智能客服系统存在处理问题所需时间较长，模型token(代币)消费较高影响回复质量，以及ai模型会用编造或者错误的信息回复用户，即存在“幻觉”现象，从而容易对用户产生误导，影响用户体验的问题。
2、此外，上述智能客服系统ai模型对于某些电商场景无法准确区分，导致针对用户提出的信息往往无法采用与之准确对应的回复策略，从而难以满足用户的需求。
3、此外，智能客服系统存在无法对用户提出的特定类型文本问题，如特定领域或者特定商品的相关问题进行准确识别、导致难以匹配合适回复策略的情况，影响了用户体验。
4、涉及本技术的其他技术问题，在后文进一步阐述。上述内容仅用于辅助理解本技术的技术方案，并不表示上述内容全部都是现有技术。
技术实现思路
1、本发明的主要目的在于提供一种基于ai的客服信息生成方法和系统，旨在通过减少智能客服系统处理问题所需时间，减少模型token消耗成本，提高回复质量，从而改善用户的使用体验。本技术还提供一种基于电商场景的客服信息生成方法和系统，旨在提升电商平台的客服系统ai模型生成的与用户需求对应客服信息的准确性；此外，本技术还提供一种基于预设领域的客服信息生成方法和系统，旨在优化智能客服系统的ai模型。
2、为实现上述目的，本技术提出一种基于ai的客服信息生成方法和系统，所述基于ai的客服信息生成方法包括：
3、步骤s1：获取用户所在会话场景的对话信息；
4、步骤s2：基于ai模型提示词调用方式对所述对话信息识别用户意图，若识别到所述用户意图与预设交易信息相关，则根据与所述用户对应的信息链接获取交易提示词；
5、步骤s3：基于ai模型提示词调用方式查询与所述交易提示词对应的交易数据；
6、步骤s4：基于所述交易数据生成客服信息。
7、本技术的其他特征和技术效果在说明书的后面部分进行阐述说明。本技术的技术问题解决思路和相关产品设计方案为：
8、申请人发现，采用ai模型的智能客服系统存在处理问题所需时间较长，模型token消费较高影响回复质量，以及ai模型会用编造或者错误的信息回复用户，即存在“幻觉”现象等问题，实际原因是智能客服系统对于ai模型的使用方式不恰当。在电商领域的相关技术方案中，为了降低客服系统的人工成本，智能客服系统会对用户提出的所有问题均通过ai模型如gpt，调用提示词prompt的方式处理，在此过程中基本需要三次提示词prompt调用，而每次提示词prompt调用都需要相当一段时间，导致ai模型处理的信息量严重超载，对于实时性要求比较高的客服场景来说是无法接受的；并且模型token消费较高，gpt会遗忘历史对话的信息，使用户难以在对于客服系统的持续询问过程中获得满意的答案。
9、在此基础上，本技术获取用户进入客服系统后所在会话场景的对话信息，然后调用ai模型对该对话信息识别用户意图，此时为第一次提示词prompt调用。然后仅在用户意图与预设交易信息相关时，如用户咨询关于商品或者订单的相关信息，则在会话场景中与该用户对应的信息链接获取对应的交易提示词，如用户需要咨询商品详细信息，则根据该信息链接可以初步获取商品的名称和编号。然后调用ai模型进一步根据该商品的名称和编号查询对应的商品详细信息，此时为第二次提示词prompt调用，最后将该商品详细信息作为客服信息向用户反馈。
10、与现有方案相比，本技术严格限制了智能客服系统在于用户对话时ai模型调用提示词prompt的条件和次数，从而降低ai模型处理的信息量严重超载、模型token消费过高的情况发生概率，改善了用户使用智能客服系统的对话体验。
11、进一步地，本技术还提供一种基于电商场景的客服信息生成方法和系统，所述基于电商场景的客服信息生成方法包括：
12、步骤m1：获取历史对话数据；
13、步骤m2：对所述历史对话数据通过社区发现算法进行聚类，得到用于表征不同对话场景的目标语料样本；
14、步骤m3：基于所述目标语料样本训练得到目标ai模型；
15、步骤m4：响应于用户输入的对话信息，调用所述目标ai模型生成与所述对话信息对应的客服信息。
16、本技术的其他特征和技术效果在说明书的后面部分进行阐述说明。本技术的技术问题解决思路和相关产品设计方案为：
17、事实上，申请人发现，对于电商平台而言，智能客服系统采用ai模型处理用户在会话场景中提出的问题时，经常出现ai模型生成的回复与用户问题匹配度较低的情况，实际上是因为电商运营活动中场景种类多且不断变化，不同卖家的店铺所卖的商品类型也不一样，而训练ai模型时所用的语料样本没有得到合适的聚类处理，并且ai模型通用的识别能力比较差，最终导致训练得到的ai模型在面对用户提出的问题时无法准确回复。如此，需要基于不同的商品类型聚合出新的场景并让ai模型成功分类，才能提高电商erp系统智能客服的ai模型回复用户问题的准确性。
18、在此基础上，本技术通过社区发现算法对语料样本进行聚类，进而基于经过聚类的语料样本训练ai模型，使得ai模型能够更准确地识别和分类多种电商场景，从而提高回复用户问题的准确性。具体地，首先获取客服系统存储的历史对话数据作为训练ai模型的语料样本，然后通过社区发现算法对该历史对话数据进行聚类，得到用于表征不同对话场景的目标语料样本，其中，由于社区发现算法基于两两向量之间相似度的聚类原理，相较于k-means基于单一基准值进行聚类而言更适用于电商场景，因此的聚类结果的准确度更高；然后，基于经过聚类的目标语料样本训练得到目标ai模型；最后，当用户进入客服系统的会话场景输入对话信息时，客服系统响应于用户输入的对话信息，调用该目标ai模型生成客服信息，并在会话场景中回复用户。
19、如此，本技术通过社区发现算法对语料样本进行聚类，使得经过聚类处理的语料能够具有更高的聚类程度，便于与也有的语料分类进行匹配，降低后续数据标注的工作量；以及，基于经过聚类的语料样本训练ai模型，使得ai模型能够更准确地识别和分类多种电商场景，从而提高回复用户问题的准确性，改善用户的使用体验。
20、进一步地，本技术还提供一种基于预设领域的客服信息生成方法和系统，所述基于预设领域的客服信息生成方法包括：
21、步骤n1：获取用于模型训练的语料样本；
22、步骤n2：基于预设来源层次在所述语料样本中确定待标注语料，所述预设来源层次表征所述语料样本的不同层次的获取来源；
23、步骤n3：对所述待标注语料进行数据标注，得到目标标注语料；
24、步骤n4：基于所述目标标注语料训练得到目标ai模型；
25、步骤n5：响应于用户输入的对话信息，调用所述目标ai模型生成与所述对话信息对应的客服信息。
26、本技术的其他特征和技术效果在说明书的后面部分进行阐述说明。本技术的技术问题解决思路和相关产品设计方案为：
27、申请人发现，采用ai模型的智能客服系统无法对用户提出的特定类型文本问题，如特定领域或者特定商品的相关问题进行准确识别和回复的问题，实际是由于训练智能客服系统ai模型的语料样本不够完善、ai算法存在缺陷等原因造成的。对于一些特定的行业领域而言，用户在会话场景中提出的相关问题较为生僻和小众，并且对应的问题数据量相对较少，因此该对话数据往往会在收集和标注语料样本的过程中被忽略，从而使得ai模型无法对于上述特定的行业领域的相关问题得到训练，因此会存在无法对用户问题进行准确识别、导致难以匹配合适回复策略的情况，并且上述情况存在相当的隐蔽性，即管理者很难觉察到ai模型无法正确回复的真实原因。
28、在此基础上，本技术获取智能客服系统的对话数据，作为模型训练的语料样本，然后基于预设来源层次，如特定用户账号、特定店铺等层次，选取对应的语料样本作为待标注语料，进而对该待标注语料进行数据标注后，导入ai模型进行训练，从而得到经过优化的目标ai模型。其中，由于上述特定用户账号、特定店铺等层次表征特定领域/行业，上述选取语料样本的过程实际上是筛选得到特定类型文本信息，因此ai模型在基于该特定类型文本信息进行训练后，能够改善对于该行业领域相关问题的回复能力，并在用户提出上述行业领域相关问题时准确识别和回复，从而提高用户的使用体验。
29、与现有方案相比，本技术基于语料样本的预设来源层次筛选得到特定类型文本数据来训练ai模型，提高该ai模型应用于客服系统时识别和回复特定行业领域的相关问题的准确度，从而改善用户的使用体验。
30、本技术还提供相应的系统，所述系统可以执行本技术各方法步骤的操作指令。
31、本技术还提供一种服务器，服务器包括存储器、处理器，本技术中的系统储存在存储器，处理器可以运行本技术各方法步骤的操作指令。
32、本技术还提供一种计算机设备，所述计算机设备包括存储器、处理器，本技术中的系统储存在存储器，处理器可以运行本技术各方法步骤的操作指令。
33、英文单词说明：
34、(1)ai：artificial intelligence，人工智能；
35、(2)prompt：提示词；
36、(3)token：代币；
37、(4)gpt：generative pre-trained transformer，生成式预训练transformer模型，是一种基于互联网的、可用数据来训练的、文本生成的深度学习模型。
1.一种基于电商场景的客服信息生成方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于电商场景的客服信息生成方法，其特征在于，所述步骤m2中的所述历史对话数据通过社区发现算法进行聚类，包括：
3.如权利要求1所述的基于电商场景的客服信息生成方法，其特征在于，所述步骤m1包括：
4.如权利要求3所述的基于电商场景的客服信息生成方法，其特征在于，所述步骤m2中的对所述历史对话数据通过社区发现算法进行聚类，包括：
5.如权利要求1所述的基于电商场景的客服信息生成方法，其特征在于，所述步骤m2中的对所述历史对话数据通过社区发现算法进行聚类，包括：
6.如权利要求1所述的基于电商场景的客服信息生成方法，其特征在于，所述步骤m2中的对所述历史对话数据通过社区发现算法进行聚类，包括：
7.如权利要求1所述的基于电商场景的客服信息生成方法，其特征在于，步骤m3包括：
8.如权利要求7所述的基于电商场景的客服信息生成方法，其特征在于，所述步骤m3.1包括：
9.如权利要求7所述的基于电商场景的客服信息生成方法，其特征在于，在所述步骤m3.1之后，所述方法还包括：
10.一种系统，其特征在于，所述系统为客服管理系统或电商平台系统，所述系统用于执行如权利要求1-9中任一项所述基于电商场景的客服信息生成方法所包含的操作指令。
