客户异议挖掘方法和装置、电子设备及存储介质与流程

1.本技术涉及人工智能技术领域，尤其涉及一种客户异议挖掘方法和装置、电子设备及存储介质。


背景技术：

2.保险电话销售在进行客户经营、产品销售等业务过程中，会面临不同类型的客户异议(比如：我不需要保险、已经买过保险了)。现有的电销助手会对客户异议进行识别，并推荐给坐席相应的应答话术，以辅助坐席进行答复。但随着新产品上市、经济社会发展、居民生活改善等内外部环境变化，客户异议也会发生改变，不断有新的异议产生。目前对于新增的客户异议，主要采用人工挖掘的方式，由业务人员人工筛选出未覆盖的异议。该方案主要存在3个缺点：
3.(1)人力成本高：每日坐席通话量很大(千万级通话文本数)，需要大量人力。且人员培训和管理也存在难点，如：新人培训、人员离职等；
4.(2)覆盖面较小：由于坐席通话量很大且人力有限，目前只覆盖了成交件(占比小于5％)，大量坐席的通话没有覆盖；
5.(3)实时性低：新异议的挖掘周期较长，一般超过1个月，无法适应产品迭代速度。


技术实现要素：

6.本技术实施例的主要目的在于提出一种客户异议挖掘方法和装置、电子设备及存储介质，能够自动挖掘新增的客户异议，解决目前人工挖掘中存在人力成本高、覆盖面较小和实时性低的问题。
7.为实现上述目的，本技术实施例的第一方面提出了一种客户异议挖掘方法，所述方法包括：
8.获取通话文本，所述通话文本包括已知异议文本和未知异议文本；
9.将所述已知异议文本输入至预训练模型；
10.基于所述通话文本对所述预训练模型进行模型微调，计算每个所述通话文本的向量化表示，得到向量化文本；
11.对向量化文本进行聚类，将相似语义的所述向量化文本归类为相同类别，得到聚类结果；
12.对所述聚类结果进行筛选，得到新增的客户异议。
13.在一些实施例，所述预训练模型包括基于bert的文本编码器、线性层和softmax层，所述将所述已知异议文本输入至预训练模型，包括：
14.将所述已知异议文本中输入至基于bert的文本编码器，计算得到所述已知异议文本中每个字符的向量化表示；
15.选择每个字符中的首字符对应的所述向量化表示作为所述已知异议文本的句向量表示；
16.将所述句向量表示输入至线性层和softmax层，得到所述已知异议文本属于第i类异议的概率，其中，i为大于1的正整数。
17.在一些实施例，所述基于所述通话文本对所述预训练模型进行模型微调，计算每个所述通话文本的向量化表示，得到向量化文本，包括：
18.对所述通话文本的数据进行数据增强，得到已知异议的增强数据和未知异议的增强数据；
19.根据所述已知异议的增强数据和所述未知异议的增强数据确定半监督对比损失、监督损失和正则项；
20.根据所述半监督对比损失、所述监督损失和所述正则项确定模型微调的训练目标；
21.基于所述模型微调的训练目标对所述预训练模型进行模型微调；
22.计算每个所述未知异议文本的向量化表示，得到向量化文本。
23.在一些实施例，所述对向量化文本进行聚类，将相似语义的所述向量化文本归类为相同类别，得到聚类结果，包括：
24.获取所述未知异议文本的句向量；
25.确定聚类算法的类别数量；
26.对每个数据，计算每个所述数据与多个类别的初始中心的距离，并将所述数据归类到距离最近的类别；
27.对每个类别，计算类别内所有数据的句向量的平均值作为新的类别中心，直到所有数据的类别划分不再发生变化；
28.采用聚类算法将相似文本被划分为相同类别，得到聚类结果。
29.在一些实施例，所述确定聚类算法的类别数量，包括：
30.随机设定多个初始类别数量k’，得到k’个初始类别；
31.计算每个所述初始类别的置信度；
32.从k’个初始类别中选取置信度高于预设置信度阈值的k个类别作为聚类算法的类别数量，其中，k小于等于k’。
33.在一些实施例，所述采用聚类算法将相似文本被划分为相同类别，得到聚类结果，包括：
34.采用kmeans聚类算法将相似文本被划分为相同类别，得到分类类别；
35.对所有所述分类类别进行质量评估，筛除低质类别，得到聚类结果。
36.在一些实施例，所述对所有所述分类类别进行质量评估，筛除低质类别，得到聚类结果，包括：
37.计算每个类别内数据的轮廓系数；
38.对每个类别内的数据按照轮廓系数由高到低排列，生成类别描述；
39.在所述类别的轮廓系数低于预设轮廓系数阈值的情况下，确定所述类别为低质类别；
40.将所述低质类别筛除，得到聚类结果。
41.为实现上述目的，本技术实施例的第二方面提出了一种客户异议挖掘装置，所述装置包括：
42.获取模块，用于获取通话文本，所述通话文本包括已知异议文本和未知异议文本；
43.预训练模块，用于将所述已知异议文本输入至预训练模型；
44.微调模块，用于基于所述通话文本对所述预训练模型进行模型微调，计算每个所述通话文本的向量化表示，得到向量化文本；
45.聚类模块，用于对向量化文本进行聚类，将相似语义的所述向量化文本归类为相同类别，得到聚类结果；
46.筛选模块，用于对所述聚类结果进行筛选，得到新增的客户异议。
47.为实现上述目的，本技术实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
48.为实现上述目的，本技术实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
49.本技术提出的客户异议挖掘方法和装置、电子设备及存储介质,获取通话文本，通话文本包括已知异议文本和未知异议文本；将已知异议文本输入至预训练模型；基于通话文本对预训练模型进行模型微调，计算每个通话文本的向量化表示，得到向量化文本；对向量化文本进行聚类，将相似语义的向量化文本归类为相同类别，得到聚类结果；对聚类结果进行筛选，得到新增的客户异议。基于此，本技术实施例的模型预训练基于已知异议的文本进行训练；模型微调基于已知和未知异议的文本进行模型更新，计算得到每个文本的向量化表示；然后对向量化文本进行聚类，使得相似语义的文本成为相同类别，即新的客户异议；最终对聚类结果进行筛选，选出新增的客户异议，从而能够自动挖掘新增的客户异议，解决目前人工挖掘中存在人力成本高、覆盖面较小和实时性低的问题。
附图说明
50.图1是本技术实施例提供的客户异议挖掘方法的流程图；
51.图2a是图1中的步骤s102的流程图；
52.图2b是本技术实施例提供的预训练模型结构图；
53.图2c是本技术实施例提供的bert结构图；
54.图3是图1中的步骤s103的流程图；
55.图4是图3中的步骤s401的流程图；
56.图5是图4中的步骤s402的流程图；
57.图6是图4中的步骤s405的流程图；
58.图7是图6中的步骤s602的流程图；
59.图8是本技术实施例提供的客户异议挖掘原理框图；
60.图9是本技术实施例提供的客户异议挖掘装置的结构示意图；
61.图10是本技术实施例提供的电子设备的硬件结构示意图。
具体实施方式
62.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对
本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
63.需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
64.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本技术实施例的目的，不是旨在限制本技术。
65.首先，对本技术中涉及的若干名词进行解析：
66.人工智能(artificial intelligence，ai)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
67.保险：是指投保人根据合同约定，向保险人支付保险费，保险人对于合同约定的可能发生的事故因其发生所造成的财产损失承担赔偿保险金责任，或者被保险人死亡、伤残、疾病或者达到合同约定的年龄、期限等条件时承担给付保险金责任的商业保险行为。从经济角度看，保险是分摊意外事故损失的一种财务安排；从法律角度看，保险是一种合同行为，是一方同意补偿另一方损失的一种合同安排；从社会角度看，保险是社会经济保障制度的重要组成部分，是社会生产和社会生活“精巧的稳定器”；从风险管理角度看，保险是风险管理的一种方法。
68.电话销售：它是以电话为主要沟通手段，电话销售通常为打电话进行主动销售的模式。借助网络、传真、短信、邮寄递送等辅助方式，通过专用电话营销号码，以公司名义与客户直接联系，并运用公司自动化信息管理技术和专业化运行平台，完成公司产品的推介、咨询、报价以及产品成交条件确认等主要营销过程的业务。
69.客户异议：是指在销售过程中，客户对销售人员的不赞同、提出质疑或拒绝。
70.半监督学习(semi-supervised learning，ssl)：是模式识别和机器学习领域研究的重点问题，是监督学习与无监督学习相结合的一种学习方法。半监督学习使用大量的未标记数据，以及同时使用标记数据，来进行模式识别工作。当使用半监督学习时，将会要求尽量少的人员来从事工作，同时，又能够带来比较高的准确性，因此，半监督学习正越来越受到人们的重视。
71.梯度下降：是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降(gradient descent)是最常采用的方法之一，另一种常用的方法是最小二乘法。在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失函数和模型参数值。反过来，如果我们需要求解损失函数的最大值，这时就需要用梯度上升法来迭代了。在机器学习中，基于
基本的梯度下降法发展了两种梯度下降方法，分别为随机梯度下降法和批量梯度下降法。
72.置信度：在统计学中，一个概率样本的置信区间(confidence interval)是对这个样本的某个总体参数的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。置信区间给出的是被测量参数测量值的可信程度范围，即前面所要求的“一定概率”。这个概率被称为置信水平。
73.轮廓系数(silhouette coefficient)：是聚类效果好坏的一种评价方式。最早由peter j.rousseeuw在1986提出。它结合内聚度和分离度两种因素。可以用来在相同原始数据的基础上用来评价不同算法、或者算法不同运行方式对聚类结果所产生的影响。
74.针对目前人工挖掘中存在人力成本高、覆盖面较小和实时性低的问题，基于此，本技术实施例提供了一种客户异议挖掘方法和装置、电子设备及存储介质，获取通话文本，通话文本包括已知异议文本和未知异议文本；将已知异议文本输入至预训练模型；基于通话文本对预训练模型进行模型微调，计算每个通话文本的向量化表示，得到向量化文本；对向量化文本进行聚类，将相似语义的向量化文本归类为相同类别，得到聚类结果；对聚类结果进行筛选，得到新增的客户异议。基于此，本技术实施例的模型预训练基于已知异议的文本进行训练；模型微调基于已知和未知异议的文本进行模型更新，计算得到每个文本的向量化表示；然后对向量化文本进行聚类，使得相似语义的文本成为相同类别，即新的客户异议；最终对聚类结果进行筛选，选出新增的客户异议，从而能够自动挖掘新增的客户异议，解决目前人工挖掘中存在人力成本高、覆盖面较小和实时性低的问题。
75.本技术实施例提供的客户异议挖掘方法和装置、电子设备及存储介质，具体通过如下实施例进行说明，首先描述本技术实施例中的客户异议挖掘方法。
76.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
77.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
78.本技术实施例提供的客户异议挖掘方法，涉及人工智能技术领域。本技术实施例提供的客户异议挖掘方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现客户异议挖掘方法的应用等，但并不局限于以上形式。
79.本技术可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备
的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
80.需要说明的是，在本技术的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关法律法规和标准。此外，当本技术实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本技术实施例能够正常运行的必要的用户相关数据。
81.图1是本技术实施例提供的客户异议挖掘方法的一个可选的流程图，图1中的方法可以包括但不限于包括步骤s101至步骤s105。
82.步骤s101，获取通话文本，通话文本包括已知异议文本和未知异议文本；
83.步骤s102，将已知异议文本输入至预训练模型；
84.步骤s103，基于通话文本对预训练模型进行模型微调，计算每个通话文本的向量化表示，得到向量化文本；
85.步骤s104，对向量化文本进行聚类，将相似语义的向量化文本归类为相同类别，得到聚类结果；
86.步骤s105，对聚类结果进行筛选，得到新增的客户异议。
87.在一些实施例的步骤s101中，获取通话文本，通话文本包括已知异议文本和未知异议文本。其中，已知异议文本指的是已经被识别出的客户异议文本；未知异议文本指的是还没有被识别出的客户异议文本。例如，在保险电话销售中，客户说出“我不需要”可以作为已知异议文本。
88.在一些实施例的步骤s102中，将已知异议文本输入至预训练模型。预训练模型可以包括基于bert(bidirection ecoder representations from transformers，来自变换器的双向编码器表征量)的文本编码器、线性层和softmax层。在模型预训练中，基于bert的文本编码器能明显提升已知异议的分类准确率，提高句向量的质量。需要说明的是，文本编码器(bert)的初始参数使用开源结果，其余参数随机初始化。通过梯度下降算法，求解得到最优模型参数。
89.在一些实施例的步骤s103中，基于通话文本对预训练模型进行模型微调，计算每个通话文本的向量化表示，得到向量化文本。在模型微调阶段，可以基于文本增强构造训练数据，提供半监督学习的样本，同时使用通话文本中的已知异议文本和未知异议文本，以提高数据使用率，提高对未知异议的分类效果。还可以在训练目标中加入正则项，防止模型训练过程将全部数据都归为一个类别。
90.在一些实施例的步骤s104中，对向量化文本进行聚类，将相似语义的向量化文本归类为相同类别，得到聚类结果。在模型微调步骤中得到每条未知异议的文本的句向量之后，可以使用kmeans聚类算法将相似文本被划分为相同类别，最终得到k个不同类别，作为候选的新增客户异议。通过自动化确定类别数量，提升聚类效果。
91.在一些实施例的步骤s105中，对聚类结果进行筛选，得到新增的客户异议。例如，可以将聚类结果提交给业务端后，由业务端最终把关，通过审核和筛选确保新增异议的相关性和合规性，筛选出最终需要添加的客户异议。基于此，本发明实施例能够降低人力成本，识别和聚合新的客户异议均由模型自动化实现，不但可以提高覆盖率，对全量通话数据进行挖掘，还可以提高新挖掘出的异议的实时性，可保证t+1时效。
92.本技术实施例所示意的步骤s101至步骤s105，获取通话文本，通话文本包括已知异议文本和未知异议文本；将已知异议文本输入至预训练模型；基于通话文本对预训练模型进行模型微调，计算每个通话文本的向量化表示，得到向量化文本；对向量化文本进行聚类，将相似语义的向量化文本归类为相同类别，得到聚类结果；对聚类结果进行筛选，得到新增的客户异议。基于此，本技术实施例的模型预训练基于已知异议的文本进行训练；模型微调基于已知和未知异议的文本进行模型更新，计算得到每个文本的向量化表示；然后对向量化文本进行聚类，使得相似语义的文本成为相同类别，即新的客户异议；最终对聚类结果进行筛选，选出新增的客户异议，从而能够自动挖掘新增的客户异议，解决目前人工挖掘中存在人力成本高、覆盖面较小和实时性低的问题。
93.请参阅图2，在一些实施例中，步骤s102可以包括但不限于包括步骤s201至步骤s203：
94.步骤s201，将已知异议文本中输入至基于bert的文本编码器，计算得到已知异议文本中每个字符的向量化表示；
95.步骤s202，选择每个字符中的首字符对应的向量化表示作为已知异议文本的句向量表示；
96.步骤s203，将句向量表示输入至线性层和softmax层，得到已知异议文本属于第i类异议的概率，其中，i为大于1的正整数。
97.在一些实施例中，预训练模型包括基于bert的文本编码器、线性层和softmax层。模型预训练阶段针对已知异议的文本进行训练，模型输入为通话文本，如图2b所示，以“我不需要”这条通话文本为例，将文本中的每个字作为一个字符，然后在最前面加上[cls]字符标识文本起始位置，然后输入文本编码器(bert)，如图2c所示，计算得到每个字符的向量化表示其中为d维向量，选择[cls]字符对应的向量作为该条文本的句向量表示，输入到线性层。线性层和softmax层对应公式如下：
[0098][0099][0100]
其中，n为已知异议的个数，w1为d
×
n矩阵，b1为n维向量，pi表示文本属于第i类异议的概率。
[0101]
模型预训练的训练目标定义为：
[0102][0103]
其中，n为已知异议的文本数量，b表示全部的文本数据，u
t
表示第t条数据，y表示u
t
是否属于第i类异议，属于则为1，否则为0。p(ii|u
t
)表示u
t
属于第i类异议的概率，根据公式eq-2计算得到。
[0104]
需要说明的是，文本编码器(bert)的初始参数使用开源结果，其余参数随机初始化。通过梯度下降算法，求解得到最优模型参数。
[0105]
在一些实施例中，将已知异议文本中输入至文本编码器bert，计算得到已知异议文本中每个字符的向量化表示，选择每个字符中的首字符对应的向量化表示作为已知异议文本的句向量表示，将句向量表示输入至线性层和softmax层，得到已知异议文本属于第i类异议的概率，其中，i为大于1的正整数。基于bert的文本编码器能明显提升已知异议的分类准确率，提高句向量的质量。
[0106]
请参阅图3，在一些实施例中，步骤s103可以包括但不限于包括步骤s301至步骤s305：
[0107]
步骤s301，对通话文本的数据进行数据增强，得到已知异议的增强数据和未知异议的增强数据；
[0108]
步骤s302，根据已知异议的增强数据和未知异议的增强数据确定半监督对比损失、监督损失和正则项；
[0109]
步骤s303，根据半监督对比损失、监督损失和正则项确定模型微调的训练目标；
[0110]
步骤s304，基于模型微调的训练目标对预训练模型进行模型微调；
[0111]
步骤s305，计算每个未知异议文本的向量化表示，得到向量化文本。
[0112]
在一些实施例中，模型微调阶段同时使用已知异议和未知异议的文本。首先对原有数据进行增强，对于已知异议的数据，随机抽取2条同属于该异议的数据；对于未知异议的数据，利用随机同义词替换生成2条数据。这样任意一条原数据u，均对应2条增强数据u1和u2。
[0113]
模型微调的结构与预训练阶段相同(如图2b所示)，文本编码器(bert)的参数保持一致，线性层的参数有所调整，具体如下：
[0114][0115]
其中，m为未知异议的个数，w2为d
×
(m+n)矩阵，b2为(m+n)维向量。
[0116]
模型微调的训练目标由3部分组成：半监督对比损失(l
ssc
)、监督损失(l
srl
)、正则项(l
em
)。
[0117][0118][0119]
其中，b表示全部的原始数据，b
′
表示全部的增强数据，n(t)表示b
′
中除去u
t
本身的全部数据。如果u
t
是已知异议的增强数据，p(u
t
)表示b
′
中与u
t
属于相同异议的全部数据；如果u
t
是未知异议的增强数据，p(u
t
)表示另1条增强数据。p(ii|u
t
)表示u
t
属于第i类异议的概率，p(i|u
t
)＝[p(i1|u
t
),
…
,p(i
m+n
|u
t
)]表示u
t
的(m+n)维概率向量，τ为可调参数，在本发明中可以设为1.0。
[0120]
最终的训练目标为：
[0121]
l＝l
ssc
+l
srl-λ
·
l
em
…
eq-8
[0122]
其中，λ为可调参数，本发明中设为0.1。
[0123]
文本编码器(bert)的初始参数使用模型预训练结果，其余参数随机初始化。通过梯度下降算法，求解得到模型最优参数。
[0124]
模型微调完成之后，对每一条未知异议的文本，计算其句向量
[0125]
在一些实施例中，在模型微调阶段，对通话文本的数据进行数据增强，得到已知异议的增强数据和未知异议的增强数据；根据已知异议的增强数据和未知异议的增强数据确定半监督对比损失、监督损失和正则项；根据半监督对比损失、监督损失和正则项确定模型微调的训练目标；基于模型微调的训练目标对预训练模型进行模型微调；计算每个未知异议文本的向量化表示，得到向量化文本。在模型微调阶段，基于文本增强构造训练数据，提供半监督学习的样本，同时使用通话文本中的已知异议文本和未知异议文本，以提高数据使用率，提高对未知异议的分类效果。还可以在训练目标中加入正则项，防止模型训练过程将全部数据都归为一个类别。
[0126]
请参阅图4，在一些实施例中，步骤s104可以包括但不限于包括步骤s401至步骤s405：
[0127]
步骤s401，获取未知异议文本的句向量；
[0128]
步骤s402，确定聚类算法的类别数量；
[0129]
步骤s403，对每个数据，计算每个数据与多个类别的初始中心的距离，并将数据归类到距离最近的类别；
[0130]
步骤s404，对每个类别，计算类别内所有数据的句向量的平均值作为新的类别中心，直到所有数据的类别划分不再发生变化；
[0131]
步骤s405，采用聚类算法将相似文本被划分为相同类别，得到聚类结果。
[0132]
在一些实施例中，在模型微调步骤中得到每条未知异议的文本的句向量之后，使用聚类算法，具体步骤如下：
[0133]
①
随机从句向量中抽取k个数据，作为k个类别的初始中心：
[0134]
{x1,
…
,xk},xi∈rd[0135]
②
对每一条数据，计算其与k个中心的距离，距离计算公式为：
[0136]
d(i,j)＝||h
i-xj||2,j＝1,
…
,k，其中，hi为第i条数据的句向量。
[0137]
③
对每一条数据，将其归为距离最近的类别。
[0138]
④
对每个类别，计算类别内所有数据的句向量的平均值，作为新的类别中心。
[0139]
⑤
重复2-4步，直到所有数据的类别划分不再发生变化。
[0140]
经过聚类算法，相似文本被划分为相同类别，最终得到k个不同类别，作为候选的新增客户异议。本发明实施例通过自动化确定类别数量，提升聚类效果。
[0141]
请参阅图5，在一些实施例中，步骤s402可以包括但不限于包括步骤s501至步骤s503：
[0142]
步骤s501，随机设定多个初始类别数量k’，得到k’个初始类别；
[0143]
步骤s502，计算每个初始类别的置信度；
[0144]
步骤s503，从k’个初始类别中选取置信度高于预设置信度阈值的k个类别作为聚类算法的类别数量，其中，k小于等于k’。
[0145]
在一些实施例中，在聚类算法中，类别数量k需要提前确定，一般做法是尝试不同的k分别运行聚类算法，根据聚类结果选择k。本发明实施例提出了新的确定类别数量k的方
法，具体步骤如下：
[0146]
①
设定一个较大的类别数量k’；
[0147]
②
使用模型微调步骤中得到的每条未知异议文本的句向量作为输入，运行聚类算法；
[0148]
③
将k’个类别中，置信度较低的类别剔除，余下的满足条件的类别数量即为k，具体公式为：其中|si|表示属于第i的类别的数量，σ(
·
)在满足条件时为1，否则为0。
[0149]
请参阅图6，在一些实施例中，步骤s405可以包括但不限于包括步骤s601至步骤s602：
[0150]
步骤s601，采用kmeans聚类算法将相似文本被划分为相同类别，得到分类类别；
[0151]
步骤s602，对所有分类类别进行质量评估，筛除低质类别，得到聚类结果。
[0152]
在一些实施例中，尽管聚类算法可以得到k个类别，但每个类别的质量有差异，高质量的类别内部数据相似度较高，可以归为一个统一的客户异议，但低质量的类别内部数据可能存在差异，甚至互相矛盾，无法归类为统一的客户异议。本发明实施例采用kmeans聚类算法将相似文本被划分为相同类别，得到分类类别，对所有分类类别进行质量评估，筛除低质类别，得到聚类结果，以减少业务端的工作量。
[0153]
请参阅图7，在一些实施例中，步骤s602可以包括但不限于包括步骤s701至步骤s704：
[0154]
步骤s701，计算每个类别内数据的轮廓系数；
[0155]
步骤s702，对每个类别内的数据按照轮廓系数由高到低排列，生成类别描述；
[0156]
步骤s703，在类别的轮廓系数低于预设轮廓系数阈值的情况下，确定类别为低质类别；
[0157]
步骤s704，将低质类别筛除，得到聚类结果。
[0158]
在一些实施例中，虽然经过聚类算法得到了k个类别，但是每个类别具体表示什么内容、哪种异议无从得知，只有人工查看类别内的每条数据才能总结出该类别的含义。本发明实施例选用轮廓系数s为指标，具体计算公式如下：
[0159][0160][0161][0162]
其中，si表示第i个类别的全部数据，d(i,j)表示两个数据之间的距离。
[0163]
每个类别内的数据按照轮廓系数由高到低排列，能够选出类别内最具代表性的数据，作为该类别的文字描述。这样每个类别都有相应的概述，方便业务方进行筛选。
[0164]
本发明实施例提出了类别质量评估方法，计算类别轮廓系数，定义为类别内全部数据的轮廓系数的平均值。如果类别轮廓系数低于阈值，则将该类别直接剔除，筛除低质类别，减少业务端工作量。
[0165]
以下结合附图和具体实施例进一步说明本技术的客户异议挖掘方法。
[0166]
如图8所示，本发明主要由4个模块组成：模型预训练、模型微调、聚类、业务方筛
选。模型预训练基于已知异议的文本进行训练；模型微调基于已知和未知异议的文本进行模型更新，计算得到每个文本的向量化表示；然后对向量化文本进行聚类，使得相似语义的文本成为相同类别，即新的客户异议；最终，由业务方对聚类结果进行筛选和审核，选出新增的客户异议。
[0167]
1.模型预训练
[0168]
模型预训练阶段针对已知异议的文本进行训练，模型输入为通话文本，模型预训练结构如图2b所示，以“我不需要”这条通话文本为例，将文本中的每个字作为一个字符，然后在最前面加上[cls]字符标识文本起始位置，然后输入文本编码器(bert)，如图2c所示，计算得到每个字符的向量化表示其中为d维向量，选择[cls]字符对应的向量作为该条文本的句向量表示，输入到线性层。线性层和softmax层对应公式如下：
[0169][0170][0171]
其中，n为已知异议的个数，w1为d
×
n矩阵，b1为n维向量，pi表示文本属于第i类异议的概率。
[0172]
模型预训练的训练目标定义为：
[0173][0174]
其中，n为已知异议的文本数量，b表示全部的文本数据，u
t
表示第t条数据，y表示u
t
是否属于第i类异议，属于则为1，否则为0。p(ii|u
t
)表示u
t
属于第i类异议的概率，根据公式eq-2计算得到。
[0175]
需要说明的是，文本编码器(bert)的初始参数使用开源结果，其余参数随机初始化。通过梯度下降算法，求解得到最优模型参数。
[0176]
2.模型微调
[0177]
模型微调阶段同时使用已知异议和未知异议的文本。首先对原有数据进行增强，对于已知异议的数据，随机抽取2条同属于该异议的数据；对于未知异议的数据，利用随机同义词替换生成2条数据。这样任意一条原数据u，均对应2条增强数据u1和u2。
[0178]
模型微调的结构与预训练阶段相同(如图2b所示)，文本编码器(bert)的参数保持一致，线性层的参数有所调整，具体如下：
[0179][0180]
其中，m为未知异议的个数，w2为d
×
(m+n)矩阵，b2为(m+n)维向量。
[0181]
模型微调的训练目标由3部分组成：半监督对比损失(l
ssc
)、监督损失(l
srl
)、正则项(l
em
)。
[0182][0183][0184][0185]
其中，b表示全部的原始数据，b
′
表示全部的增强数据，n(t)表示b
′
中除去u
t
本身的全部数据。如果u
t
是已知异议的增强数据，p(u
t
)表示b
′
中与u
t
属于相同异议的全部数据；
如果u
t
是未知异议的增强数据，p(u
t
)表示另1条增强数据。p(ii|u
t
)表示u
t
属于第i类异议的概率，p(i|u
t
)＝[p(i1|u
t
),
…
,p(i
m+n
|u
t
)]表示可以设为1.0。
[0186]
最终的训练目标为：u
t
的(m+n)维概率向量，τ为可调参数，在本发明中
[0187]
l＝l
ssc
+l
srl-λ
·
l
em
…
eq-8其中，λ为可调参数，本发明中设为0.1。
[0188]
文本编码器(bert)的初始参数使用模型预训练结果，其余参数随机初始化。通过梯度下降算法，求解得到模型最优参数。
[0189]
模型微调完成之后，对每一条未知异议的文本，计算其句向量
[0190]
3.聚类
[0191]
在模型微调步骤中得到每条未知异议的文本的句向量之后，使用聚类算法，具体步骤如下：
[0192]
①
随机从句向量中抽取k个数据，作为k个类别的初始中心：
[0193]
{x1,
…
,xk},xi∈rd[0194]
②
对每一条数据，计算其与k个中心的距离，距离计算公式为：
[0195]
d(i,j)＝||h
i-xj||2,j＝1,
…
,k，其中，hi为第i条数据的句向量。
[0196]
③
对每一条数据，将其归为距离最近的类别。
[0197]
④
对每个类别，计算类别内所有数据的句向量的平均值，作为新的类别中心。
[0198]
⑤
重复2-4步，直到所有数据的类别划分不再发生变化。
[0199]
经过聚类算法，相似文本被划分为相同类别，最终得到k个不同类别，作为候选的新增客户异议。
[0200]
在聚类算法中，类别数量k需要提前确定，一般做法是尝试不同的k分别运行聚类算法，根据聚类结果选择k。本发明实施例提出了新的确定类别数量k的方法，具体步骤如下：
[0201]
①
设定一个较大的类别数量k’；
[0202]
②
使用模型微调步骤中得到的每条未知异议文本的句向量作为输入，运行聚类算法；
[0203]
③
将k’个类别中，置信度较低的类别剔除，余下的满足条件的类别数量即为k，具体公式为：其中|si|表示属于第i的类别的数量，σ(
·
)在满足条件时为1，否则为0。
[0204]
虽然经过聚类算法得到了k个类别，但是每个类别具体表示什么内容、哪种异议无从得知，只有人工查看类别内的每条数据才能总结出该类别的含义。本发明实施例选用轮廓系数s为指标，具体计算公式如下：
[0205][0206][0207][0208]
其中，si表示第i个类别的全部数据，d(i,j)表示两个数据之间的距离。
transformers，来自变换器的双向编码器表征量)的文本编码器、线性层和softmax层。在模型预训练中，基于bert的文本编码器能明显提升已知异议的分类准确率，提高句向量的质量。需要说明的是，文本编码器(bert)的初始参数使用开源结果，其余参数随机初始化。通过梯度下降算法，求解得到最优模型参数。
[0223]
在本技术的一些实施例中，微调模块930基于通话文本对预训练模型进行模型微调，计算每个通话文本的向量化表示，得到向量化文本。在模型微调阶段，可以基于文本增强构造训练数据，提供半监督学习的样本，同时使用通话文本中的已知异议文本和未知异议文本，以提高数据使用率，提高对未知异议的分类效果。还可以在训练目标中加入正则项，防止模型训练过程将全部数据都归为一个类别。
[0224]
在本技术的一些实施例中，聚类模块940对向量化文本进行聚类，将相似语义的向量化文本归类为相同类别，得到聚类结果。在模型微调步骤中得到每条未知异议的文本的句向量之后，可以使用kmeans聚类算法将相似文本被划分为相同类别，最终得到k个不同类别，作为候选的新增客户异议。通过自动化确定类别数量，提升聚类效果。
[0225]
在本技术的一些实施例中，筛选模块950对聚类结果进行筛选，得到新增的客户异议。例如，可以将聚类结果提交给业务端后，由业务端最终把关，通过审核和筛选确保新增异议的相关性和合规性，筛选出最终需要添加的客户异议。基于此，本发明实施例能够降低人力成本，识别和聚合新的客户异议均由模型自动化实现，不但可以提高覆盖率，对全量通话数据进行挖掘，还可以提高新挖掘出的异议的实时性，可保证t+1时效。
[0226]
基于此，本技术实施例的客户异议挖掘装置，获取模块910获取通话文本，通话文本包括已知异议文本和未知异议文本；预训练模块920将已知异议文本输入至预训练模型；微调模块930基于通话文本对预训练模型进行模型微调，计算每个通话文本的向量化表示，得到向量化文本；聚类模块940对向量化文本进行聚类，将相似语义的向量化文本归类为相同类别，得到聚类结果；筛选模块950对聚类结果进行筛选，得到新增的客户异议。本技术通过获取通话文本，通话文本包括已知异议文本和未知异议文本；将已知异议文本输入至预训练模型；基于通话文本对预训练模型进行模型微调，计算每个通话文本的向量化表示，得到向量化文本；对向量化文本进行聚类，将相似语义的向量化文本归类为相同类别，得到聚类结果；对聚类结果进行筛选，得到新增的客户异议。基于此，本技术实施例的模型预训练基于已知异议的文本进行训练；模型微调基于已知和未知异议的文本进行模型更新，计算得到每个文本的向量化表示；然后对向量化文本进行聚类，使得相似语义的文本成为相同类别，即新的客户异议；最终对聚类结果进行筛选，选出新增的客户异议，从而能够自动挖掘新增的客户异议，解决目前人工挖掘中存在人力成本高、覆盖面较小和实时性低的问题。
[0227]
该客户异议挖掘装置的具体实施方式与上述客户异议挖掘方法的具体实施例基本相同，在此不再赘述。
[0228]
本技术实施例还提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述客户异议挖掘方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
[0229]
请参阅图10，图10示意了另一实施例的电子设备的硬件结构，电子设备包括：
[0230]
处理器1001，可以采用通用的cpu(centralprocessingunit，中央处理器)、微处理器、应用专用集成电路(applicationspecificintegratedcircuit，asic)、或者一个或多个
集成电路等方式实现，用于执行相关程序，以实现本技术实施例所提供的技术方案。
[0231]
存储器1002，可以采用只读存储器(readonlymemory，rom)、静态存储设备、动态存储设备或者随机存取存储器(randomaccessmemory，ram)等形式实现。存储器1002可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1002中，并由处理器1001来调用执行本技术实施例的客户异议挖掘方法，即通过获取通话文本，通话文本包括已知异议文本和未知异议文本；将已知异议文本输入至预训练模型；基于通话文本对预训练模型进行模型微调，计算每个通话文本的向量化表示，得到向量化文本；对向量化文本进行聚类，将相似语义的向量化文本归类为相同类别，得到聚类结果；对聚类结果进行筛选，得到新增的客户异议。基于此，本技术实施例的模型预训练基于已知异议的文本进行训练；模型微调基于已知和未知异议的文本进行模型更新，计算得到每个文本的向量化表示；然后对向量化文本进行聚类，使得相似语义的文本成为相同类别，即新的客户异议；最终对聚类结果进行筛选，选出新增的客户异议，从而能够自动挖掘新增的客户异议，解决目前人工挖掘中存在人力成本高、覆盖面较小和实时性低的问题。
[0232]
输入/输出接口1003，用于实现信息输入及输出。
[0233]
通信接口1004，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信。
[0234]
总线，在设备的各个组件(例如处理器1001、存储器1002、输入/输出接口1003和通信接口1004)之间传输信息。
[0235]
其中处理器1001、存储器1002、输入/输出接口1003和通信接口1004通过总线实现彼此之间在设备内部的通信连接。
[0236]
本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述客户异议挖掘方法。
[0237]
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0238]
本技术实施例提供的客户异议挖掘方法、客户异议挖掘装置、电子设备及存储介质，通过获取通话文本，通话文本包括已知异议文本和未知异议文本；将已知异议文本输入至预训练模型；基于通话文本对预训练模型进行模型微调，计算每个通话文本的向量化表示，得到向量化文本；对向量化文本进行聚类，将相似语义的向量化文本归类为相同类别，得到聚类结果；对聚类结果进行筛选，得到新增的客户异议。基于此，本技术实施例的模型预训练基于已知异议的文本进行训练；模型微调基于已知和未知异议的文本进行模型更新，计算得到每个文本的向量化表示；然后对向量化文本进行聚类，使得相似语义的文本成为相同类别，即新的客户异议；最终对聚类结果进行筛选，选出新增的客户异议，从而能够自动挖掘新增的客户异议，解决目前人工挖掘中存在人力成本高、覆盖面较小和实时性低的问题。
[0239]
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读程序、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读程序、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
[0240]
本技术实施例描述的实施例是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
[0241]
本领域技术人员可以理解的是，图中示出的技术方案并不构成对本技术实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
[0242]
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0243]
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
[0244]
本技术的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0245]
应当理解，在本技术中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
[0246]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结
合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0247]
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0248]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0249]
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例的方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等各种可以存储程序的介质。
[0250]
以上参照附图说明了本技术实施例的优选实施例，并非因此局限本技术实施例的权利范围。本领域技术人员不脱离本技术实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本技术实施例的权利范围之内。

技术特征：
1.一种客户异议挖掘方法，其特征在于，所述方法包括：获取通话文本，所述通话文本包括已知异议文本和未知异议文本；将所述已知异议文本输入至预训练模型；基于所述通话文本对所述预训练模型进行模型微调，计算每个所述通话文本的向量化表示，得到向量化文本；对向量化文本进行聚类，将相似语义的所述向量化文本归类为相同类别，得到聚类结果；对所述聚类结果进行筛选，得到新增的客户异议。2.根据权利要求1所述的方法，其特征在于，所述预训练模型包括基于bert的文本编码器、线性层和softmax层，所述将所述已知异议文本输入至预训练模型，包括：将所述已知异议文本中输入至基于bert的文本编码器，计算得到所述已知异议文本中每个字符的向量化表示；选择每个字符中的首字符对应的所述向量化表示作为所述已知异议文本的句向量表示；将所述句向量表示输入至线性层和softmax层，得到所述已知异议文本属于第i类异议的概率，其中，i为大于1的正整数。3.根据权利要求1所述的方法，其特征在于，所述基于所述通话文本对所述预训练模型进行模型微调，计算每个所述通话文本的向量化表示，得到向量化文本，包括：对所述通话文本的数据进行数据增强，得到已知异议的增强数据和未知异议的增强数据；根据所述已知异议的增强数据和所述未知异议的增强数据确定半监督对比损失、监督损失和正则项；根据所述半监督对比损失、所述监督损失和所述正则项确定模型微调的训练目标；基于所述模型微调的训练目标对所述预训练模型进行模型微调；计算每个所述未知异议文本的向量化表示，得到向量化文本。4.根据权利要求1所述的方法，其特征在于，所述对向量化文本进行聚类，将相似语义的所述向量化文本归类为相同类别，得到聚类结果，包括：获取所述未知异议文本的句向量；确定聚类算法的类别数量；对每个数据，计算每个所述数据与多个类别的初始中心的距离，并将所述数据归类到距离最近的类别；对每个类别，计算类别内所有数据的句向量的平均值作为新的类别中心，直到所有数据的类别划分不再发生变化；采用聚类算法将相似文本被划分为相同类别，得到聚类结果。5.根据权利要求4所述的方法，其特征在于，所述确定聚类算法的类别数量，包括：随机设定多个初始类别数量k’，得到k’个初始类别；计算每个所述初始类别的置信度；从k’个初始类别中选取置信度高于预设置信度阈值的k个类别作为聚类算法的类别数量，其中，k小于等于k’。
6.根据权利要求4所述的方法，其特征在于，所述采用聚类算法将相似文本被划分为相同类别，得到聚类结果，包括：采用kmeans聚类算法将相似文本被划分为相同类别，得到分类类别；对所有所述分类类别进行质量评估，筛除低质类别，得到聚类结果。7.根据权利要求6所述的方法，其特征在于，所述对所有所述分类类别进行质量评估，筛除低质类别，得到聚类结果，包括：计算每个类别内数据的轮廓系数；对每个类别内的数据按照轮廓系数由高到低排列，生成类别描述；在所述类别的轮廓系数低于预设轮廓系数阈值的情况下，确定所述类别为低质类别；将所述低质类别筛除，得到聚类结果。8.一种客户异议挖掘装置，其特征在于，所述装置包括：获取模块，用于获取通话文本，所述通话文本包括已知异议文本和未知异议文本；预训练模块，用于将所述已知异议文本输入至预训练模型；微调模块，用于基于所述通话文本对所述预训练模型进行模型微调，计算每个所述通话文本的向量化表示，得到向量化文本；聚类模块，用于对向量化文本进行聚类，将相似语义的所述向量化文本归类为相同类别，得到聚类结果；筛选模块，用于对所述聚类结果进行筛选，得到新增的客户异议。9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的客户异议挖掘方法。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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中任一项所述的客户异议挖掘方法。

技术总结
本申请实施例提供了一种客户异议挖掘方法和装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：获取通话文本，通话文本包括已知异议文本和未知异议文本；将已知异议文本输入至预训练模型；基于通话文本对预训练模型进行模型微调，计算每个通话文本的向量化表示，得到向量化文本；对向量化文本进行聚类，将相似语义的向量化文本归类为相同类别，得到聚类结果；对聚类结果进行筛选，得到新增的客户异议。基于此，本申请实施例能够自动挖掘新增的客户异议，解决目前人工挖掘中存在人力成本高、覆盖面较小和实时性低的问题。覆盖面较小和实时性低的问题。覆盖面较小和实时性低的问题。


技术研发人员：孙泽烨 马龙
受保护的技术使用者：中国平安人寿保险股份有限公司
技术研发日：2023.07.07
技术公布日：2023/9/9