一种微电网智能客服系统及其构建方法与流程

1.本发明涉及智能客服技术，尤其是涉及一种基于chatglm的微电网智能客服系统及其构建方法。


背景技术：

2.在线客服是一种以网站为媒介，向互联网访客与网站内部员工提供即时沟通的页面通信技术。随着互联网技术的发展，在线客服的需求逐渐增长，同时也对在线客服的质量提出了更高的要求。
3.传统的在线客服系统是一种网页版即时通讯软件的统称，随着移动互联网的发展，在线沟通需要跨越多种客户端如web、app、微信公众号、小程序等进行。传统在线客服基本只能实现一问一答的方式，无法推断出文本之间的关系和逻辑，无法根据用户的反复提问承上启下，给出最恰当的回答。这将导致客服与客户沟通的时间加长，大大降低服务效率和效果，降低了客户的用户体验，增加了人工客服的压力。
4.而随着近两年人工智能技术的高速发展，ai人工智能模型陆续开花，智能ai具有大规模的知识处理技术、自然语言理解技术、知识管理技术、自动问答系统、推理技术等，并具有行业通用性，通过ai人工智能训练出的智能客服能够结合人工智能方面的自然语言处理(nlp，natural language processing)等技术提供智能接待与辅助接待的服务，目前智能客服系统已广泛运用于金融、医疗等行业。
5.因此如何为电气相关行业的企业提供细粒度的知识管理技术，为企业与海量用户之间的沟通建立了一种基于自然语言的快捷有效的技术手段，同时还能够为企业提供精细化管理所需的统计分析信息，成为需要解决的技术问题。
6.

技术实现要素：

7.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于chatglm的微电网智能客服系统及其构建方法，用于对客户所提及的信息，更精准的生成客户想要的疑惑解答与建议方案，同时节省客户与客服沟通的时间，大幅提高人工客服的工作效率，减轻人工客服的压力，精准化服务每个客户，为客户提供更优质的客服体验。
8.本发明的目的可以通过以下技术方案来实现：
9.根据本发明的一个方面，提供了一种微电网智能客服系统，该系统基于chatglm来实现，所述客服系统包括底层运行环境、数据存储层、服务能力层、业务能力层、接口访问层、安全防护层、展示层和接入终端层，所述的服务能力层中包括chatglm中心模块，用户咨询时，所述客服系统调用chatglm中心模块的模型开放接口api，所述chatglm中心模块进行用户意图识别并实行多轮对话。
10.作为优选的技术方案，所述的chatglm中心模块若无法解决客户问题则接入人工客服。
11.作为优选的技术方案，所述的chatglm中心模块在每次完成客户咨询后进入质检，用于系统进行优化更新。
12.根据本发明的另一个方面，提供了一种用于所述基于chatglm的微电网智能客服系统的构建方法，该方法具体包括以下步骤：
13.步骤s1，收集数据文本，并构建数据集；
14.步骤s2，将步骤s1构建的数据集通过chatglm人工智能语言模型进行训练和微调生成训练chatglm模型；
15.步骤s3，在智能客服系统的服务能力层增加chatglm中心模块，在模块中集成训练好的chatglm模型，并创建交互机器人对话界面和构建任务式多轮对话；
16.步骤s4，统计并分析与客户的交互过程，升级数据集，对智能客服系统进行优化和更新。
17.作为优选的技术方案，所述的步骤s1具体包括以下步骤：
18.步骤s1.1，将数据从不同来源收集并整理到一个数据集中；
19.步骤s1.2，对数据进行清洗和预处理；
20.步骤s1.3，对数据进行特征转换和降维；
21.步骤s1.4，将数据集合并后分成训练集、验证集和测试集，其中所述训练集用于训练模型，所述验证集用于调整模型参数和防止过拟合，所述测试集用于评估模型的性能。
22.作为优选的技术方案，所述的步骤s2具体包括以下步骤：
23.步骤s2.1，下载并搭建chatglm模型框架，并配置环境；
24.步骤s2.2，装载数据集；
25.步骤s2.3，设置模型参数；
26.步骤s2.4，进行训练与微调；
27.步骤s2.5，对模型进行推理和评测，并增加开放接口api，生成最终训练模型。
28.作为优选的技术方案，所述步骤s2.5中的接口api用于实时调取信息。
29.作为优选的技术方案，所述步骤s3中的chatglm中心模块需要配置参数与预设。
30.作为优选的技术方案，所述步骤s3中的智能客服系统将客户的问题作为参数，调用模型开放接口api，将api接口的返回值渲染至聊天页面上，以此实现多轮对话。
31.作为优选的技术方案，所述的步骤s4具体包括以下步骤：
32.步骤s4.1，在客服系统中增加用户交互记录收集功能；
33.步骤s4.2，统计并分析客户交互过程，收集新数据，用于调整数据集与模型，并重新训练；
34.步骤s4.3，重新执行s1-s3步骤升级智能客服系统。
35.与现有技术相比，本发明具有以下优点：
36.1)本发明建立起企业完整知识库，为电气相关行业的企业提供了细粒度的知识管理技术和精细化管理所需的统计分析信息；
37.2)本发明助力微电网客服更加智能化，为企业与海量用户之间的沟通建立了一种基于自然语言的快捷有效的技术手段；
38.3)本发明对于客户所提及的信息，更精准地生成客户想要的疑惑解答与建议方案，节省客户与客服沟通的时间，大幅提高人工客服的工作效率，减轻人工客服的压力，精
准化服务每个客户，为客户提供更优质的客服体验；
39.4)本发明所采用的chatglm统一了时下主流的预训练框架，是一种通用语言模型，使应用chatglm的系统具备广阔的未来发展空间；
40.5)本发明所采用的chatglm仅具有62亿参数，部署要求低，用户可以在消费级的显卡上进行本地部署，大大降低了推理成本，提升了效率。
附图说明
41.图1为本发明基于chatglm的微电网智能客服系统构建方法流程图；
42.图2为本发明构建数据集的流程图；
43.图3为本发明通过chatglm人工智能语言训练模型示意图；
44.图4为本发明微电网智能客服系统调用chatglm模型的流程图；
45.图5为本发明chatglm的微电网智能客服系统架构图；
46.图6为本发明chatglm的微电网智能客服系统流程图；
47.图5中标号所示：
48.1、底层运行环境，10、云主机，11、独立服务器，12、第三方虚拟主机，13、docker容器；
49.2、数据存储层，20、mysql，21、redis缓存，22、oss对象存储，23、ftp存储；
50.3、服务能力层，30、dubbo服务框架，300、im消息模块，301、会话模块，302、客服中心，303、平台管理模块，304、用户中心，305、chatglm中心模块，306、数据中心，307、数据同步模块，31、基础服务中间件，310、zk注册中心，311、rocketmq，312、搜索引擎，313、数据同步maxwell，314、日志组件；
51.4、业务能力层，40、部门人员管理模块，41、渠道管理模块，42、策略管理模块，43、坐席工作台，44、常用语管理模块，45、会话管理模块，46、客户管理模块，47、数据统计模块，48、坐席配置管理模块，49、平台配置管理模块；
52.5、接口访问层，50、统一api网关；
53.6、安全防护层，60、防火墙，61、ddos高防ip，62、入侵检测；
54.7、展示层，70、vue/react，71、android/ios，72、html；
55.8、接入终端层，80、pc座席端/管理员门户，81、chatui移动端：h5/app，82、chatuipc端。
具体实施方式
56.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
57.本发明提供一种基于chatglm的微电网智能客服系构建方法，根据有关电气行业、微电网问答网络的数据语料，并构建数据集，通过chatglm人工智能语言模型进行训练和微调，创建交互机器人对话界面采用神经网络算法构建任务式多轮对话，统计并分析客户交互过程对智能客服进行优化与更新。
58.所述方法实现的具体过程参考图2，包括以下步骤：
59.步骤s1、收集有关电气行业、微电网问答网络的数据文本，并构建数据集。
60.该步骤具体操作为：
61.步骤s1.1、结合电气行业特性与微电网相关数据，可以通过几种方式进行收集汇总：通过互联网寻找或者购买他人分享的数据集；通过手动或自动化方式从数据库中收集数据；通过爬虫程序自动从互联网上收集数据；通过手动输入汇总来收集数据。最后将不同来源的数据收集并整理到对话数据集中。
62.需要补充的是，为了能更好实现与客户的意图对齐，重现客服与客户的沟通场景，将chatglm的语言风格向企业和单位口吻转变，完成有效的多轮对话交流。需要尽可能的采集客户历史聊天记录，例如微信聊天记录等，导出文件并做成对话的格式存入json，制作聊天数据集；
63.步骤s1.2、通过pandas进行数据清洗和预处理，去除或重写文本中的空格、换行符、标点符号等，删除或修改文本中的停用词、错误拼写、重复单词等，填充缺失值，最后整理成统一排版与格式。
64.步骤s1.3、进行内容调整，如将多个长句拆成每行一个的短句子。根据经验和领域知识选择使用pandas库对数据进行特征提取,提取出需要的特征，通过numpy等工具进行一些特征转换和降维。
65.步骤s1.4、将数据集分成训练集、验证集和测试集。训练集用于训练模型，验证集用于调整模型参数和防止过拟合，测试集用于评估模型的性能。
66.步骤s2、通过chatglm人工智能语言模型进行训练和微调生成训练模型，所述方法实现的具体过程参考图3，包括以下步骤：
67.步骤s2.1、下载并搭建chatglm模型框架，配置transformers、pytorch-nightly等相关依赖与环境，导入所需库，定义transformer模型。
68.步骤s2.2、替换并装载数据集，使用p-tuning v2配置训练集地址train_file，验证集地址validation_file，相关key和模型保存地址。
69.步骤s2.3、根据电脑cpu、内存与显存的配置情况，设置模型参数，选择模型量化方式，将代码中的模型加载改为从本地加载，并使用mps后端，调整soft prompt长度和训练的学习率。
70.步骤s2.4、编写训练代码，运行bash train.sh进行训练与微调。
71.步骤s2.5、运行bash evaluate.sh对模型进行推理和评测，评测指标为中文rouge score和bleu-4，使用模型架构实例化检查点，可额外通过pipeline检查并测试模型可行性，增加开放接口api，完成模型部署。
72.步骤s3、集成训练好的chatglm模型，创建交互机器人对话界面，采用神经网络算法构建任务式多轮对话，所述方法实现的具体过程参考图4、图5和图6，包括以下步骤：
73.步骤s3.1、根据附图5智能客服系统架构，按照完整客服系统所需架构的基础上，在服务能力模块，增加chatglm中心模块，配置相关参数与预设；
74.步骤s3.2、编写带有chatglm智能客服机器人聊天交互页面的智能客服系统，将客户的问题作为参数，调用模型开放的api，将api接口的返回值渲染至聊天页面上，以此实现多轮对话，参考图4；
75.步骤s3.3、完成项目测试后，运行并部署；
76.步骤s4、统计并分析客户交互过程，结合微电网相关新功能或新产品升级数据集，对智能客服进行优化与更新。该步骤具体操作为：
77.步骤s4.1、增加用户交互记录收集功能，将数据存储于pinecone、vespa或其他向量数据库中。
78.步骤s4.2、一方面统计并分析客户交互过程，另一方面收集微电网相关新功能或新产品升级数据，进一步评估和调整数据集与模型，并重新训练。
79.步骤s4.3、重新执行s1-s3步骤升级智能客服系统。
80.由上述构建方法构建的基于chatglm的微电网智能客服系统，所述系统组成参考附图5，包括底层运行环境1、数据存储层2、服务能力层3、业务能力层4、接口访问层5、安全防护层6、展示层7和接入终端层8，所述的系统具有提供知识管理技术、统计分析信息和生成解答方案的功能。
81.底层运行环境1包括云主机10、独立服务器11、第三方虚拟主机12和docker容器13。
82.数据存储层2包括mysql20数据库redis缓存21、oss对象存储22和ftp存储23。
83.服务能力层3包括dubbo服务框架30和基础服务中间件31，所述的基础服务中间件31包括zk注册中心310、rocketmq311、搜索引擎312es、数据同步maxwell313和日志组件314；dubbo服务框架30中的im消息模块300用于处理聊天了消息，会话模块301用于管理会话，客服中心302用于处理客服分配，平台管理模块303用车配置查询，用户中心304用于提供用户管理，chatglm中心305用于对接chatglm和相关配置。
84.业务能力层4包括部门人员管理模块40、渠道管理模块41、策略管理模块42、坐席工作台43模块、常用语管理模块44、会话管理模块45、客户管理模块46、数据统计模块47、坐席配置管理模块48和平台配置管理模块49。
85.接口访问层5统一api网关50，包括黑白名、访问控制和鉴权。
86.安全防护层6在公有云部署时考虑，包括防火墙60、ddos高防ip61和入侵检测62。
87.展示层7包括vue/react70、android/ios71、html725.
88.接入终端层8包括pc座席端/管理员门户80、chatui移动端：h5/app81和chatuipc端82。
89.构建完成的微电网智能客服系统应用过程如图6所示，客户进入系统咨询，系统加载客户信息并调取chatglm中心模块305的模型开放接口api，chatglm中心模块305进行用户意图识别并实行多轮对话，若对话结束后已解决客户问题，则由客户选择进行评价；否则接入人工客服，chatglm中心模块305在接入人工客服期间辅助回答问题，人工客服处理问题后，由客户选择进行评价，系统完成客户咨询后进入此次会话进入质检系统，用于对系统进行优化更新。
90.本发明可贴合企业微电网的业务需求，为相关电气行业的企业提供细粒度的知识管理技术，还为企业与海量用户之间的沟通建立一种基于自然语言的快捷有效的技术手段，同时还能够为企业提供精细化管理所需的统计分析信息。对于客户所提及的信息，更精准的生成客户想要的疑惑解答与建议方案，同时节省客户与客服沟通的时间，大幅提高人工客服的工作效率，减轻人工客服的压力，精准化服务每个客户，为客户提供更优质的客服
体验。
91.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种微电网智能客服系统，该系统基于chatglm来实现，所述客服系统包括底层运行环境(1)、数据存储层(2)、服务能力层(3)、业务能力层(4)、接口访问层(5)、安全防护层(6)、展示层(7)和接入终端层(8)，其特征在于，所述的服务能力层(3)中包括chatglm中心模块(305)，用户咨询时，所述客服系统调用chatglm中心模块(305)的模型开放接口api，所述chatglm中心模块(305)进行用户意图识别并实行多轮对话。2.根据权利要求1所述的一种微电网智能客服系统，其特征在于，所述的chatglm中心模块(305)若无法解决客户问题则接入人工客服。3.根据权利要求2所述的一种微电网智能客服系统，其特征在于，所述的chatglm中心模块(305)在每次完成客户咨询后进入质检，用于系统进行优化更新。4.一种用于权利要求1所述微电网智能客服系统的构建方法，其特征在于，该方法具体包括以下步骤：步骤s1，收集数据文本，并构建数据集；步骤s2，将步骤s1构建的数据集通过chatglm人工智能语言模型进行训练和微调生成训练chatglm模型；步骤s3，在智能客服系统的服务能力层增加chatglm中心模块，在模块中集成训练好的chatglm模型，并创建交互机器人对话界面和构建任务式多轮对话；步骤s4，统计并分析与客户的交互过程，升级数据集，对智能客服系统进行优化和更新。5.根据权利要求4所述的构建方法，其特征在于，所述的步骤s1具体包括以下步骤：步骤s1.1，将数据从不同来源收集并整理到一个数据集中；步骤s1.2，对数据进行清洗和预处理；步骤s1.3，对数据进行特征转换和降维；步骤s1.4，将数据集合并后分成训练集、验证集和测试集，其中所述训练集用于训练模型，所述验证集用于调整模型参数和防止过拟合，所述测试集用于评估模型的性能。6.根据权利要求4所述的构建方法，其特征在于，所述的步骤s2具体包括以下步骤：步骤s2.1，下载并搭建chatglm模型框架，并配置环境；步骤s2.2，装载数据集；步骤s2.3，设置模型参数；步骤s2.4，进行训练与微调；步骤s2.5，对模型进行推理和评测，并增加开放接口api，生成最终训练模型。7.根据权利要求6所述的构建方法，其特征在于，所述步骤s2.5中的接口api用于实时调取信息。8.根据权利要求4所述的构建方法，其特征在于，所述步骤s3中的chatglm中心模块需要配置参数与预设。9.根据权利要求4所述的构建方法，其特征在于，所述步骤s3中的智能客服系统将客户的问题作为参数，调用模型开放接口api，将api接口的返回值渲染至聊天页面上，以此实现多轮对话。10.根据权利要求4所述的构建方法，其特征在于，所述的步骤s4具体包括以下步骤：步骤s4.1，在客服系统中增加用户交互记录收集功能；
步骤s4.2，统计并分析客户交互过程，收集新数据，用于调整数据集与模型，并重新训练；步骤s4.3，重新执行s1-s3步骤升级智能客服系统。

技术总结
本发明涉及一种微电网智能客服系统及其构建方法，所述的构建方法具体步骤为：步骤S1，收集数据文本，并构建数据集；步骤S2，将步骤S1构建的数据集通过ChatGLM人工智能语言模型进行训练和微调生成训练ChatGLM模型；步骤S3，在智能客服系统的服务能力层增加ChatGLM中心模块，在模块中集成训练好的ChatGLM模型，并创建交互机器人对话界面和构建任务式多轮对话；步骤S4，统计并分析与客户的交互过程，升级数据集，对智能客服系统进行优化和更新。与现有技术相比，本发明具有为电气相关行业的企业提供了知识管理技术和统计分析信息；为企业与用户之间的沟通建立了一种快捷有效的技术手段；更精准地生成了客户想要的解答方案，减轻人工客服的压力等优点。服的压力等优点。服的压力等优点。


技术研发人员：潘弘 邵华 徐航 吴小龙 康雅智 杨晗 孙兴业
受保护的技术使用者：江苏安科瑞电器制造有限公司 江苏安科瑞微电网研究院有限公司
技术研发日：2023.05.29
技术公布日：2023/10/7