本發(fā)明涉及智能機器人，尤其是涉及一種基于bert模型的銀行用智能機器人工作方法及系統(tǒng)。

背景技術(shù)：

1、隨著科技的進步，越來越多的銀行開始使用具有語音交互功能的智能機器人。將智能機器人布設(shè)在銀行大廳時，前來辦理業(yè)務(wù)的客戶便可以自助與智能機器人進行語音交互，從而快速獲得有關(guān)業(yè)務(wù)辦理的相關(guān)信息，可提升銀行的業(yè)務(wù)辦理效率。但是，現(xiàn)有的智能機器人都是基于內(nèi)置的預(yù)設(shè)應(yīng)答數(shù)據(jù)集來確定應(yīng)答內(nèi)容，應(yīng)答數(shù)據(jù)集未根據(jù)當(dāng)前實際銀行業(yè)務(wù)員與客戶之間的交互語音來設(shè)定，由于銀行業(yè)務(wù)的時變性，會導(dǎo)致出現(xiàn)與客戶需求的應(yīng)答內(nèi)容缺失的問題，并且現(xiàn)有應(yīng)答數(shù)據(jù)集的更新也較慢，另外更新的數(shù)據(jù)也是通過預(yù)設(shè)來確定，不能因銀行業(yè)務(wù)的時變性而及時調(diào)整更新時長以及合適的更新數(shù)據(jù)，導(dǎo)致應(yīng)答內(nèi)容準(zhǔn)確性低，降低客戶業(yè)務(wù)辦理效率。

技術(shù)實現(xiàn)思路

1、本發(fā)明主要是解決現(xiàn)有銀行智能機器人出現(xiàn)與客戶需求的應(yīng)答內(nèi)容缺失，應(yīng)答數(shù)據(jù)更新慢，不能動態(tài)調(diào)節(jié)更新時長和更新內(nèi)容，降低應(yīng)答準(zhǔn)確性的問題，提供了一種基于bert模型的銀行用智能機器人工作方法及系統(tǒng)。

2、本發(fā)明的上述技術(shù)問題主要是通過下述技術(shù)方案得以解決的：一種基于bert模型的銀行用智能機器人工作方法，包括以下步驟：

3、獲取銀行業(yè)務(wù)數(shù)據(jù)，根據(jù)銀行業(yè)務(wù)數(shù)據(jù)對模型進行訓(xùn)練和預(yù)測，獲得應(yīng)答數(shù)據(jù)集，應(yīng)答數(shù)據(jù)集包括相關(guān)聯(lián)配對的語音特征模板數(shù)據(jù)和目標(biāo)應(yīng)答數(shù)據(jù)；

4、實時獲取客戶交互語音，使用bert模型獲取語音特征數(shù)據(jù)，將語音特征數(shù)據(jù)與應(yīng)答數(shù)據(jù)集進行匹配，確定目標(biāo)應(yīng)答內(nèi)容輸出應(yīng)答語音；

5、分析應(yīng)答語音無效情況來調(diào)節(jié)周期時長，在調(diào)節(jié)后周期內(nèi)采集銀行業(yè)務(wù)數(shù)據(jù)對應(yīng)答數(shù)據(jù)集進行更新。

6、本發(fā)明根據(jù)收集到的真實銀行業(yè)務(wù)數(shù)據(jù)來訓(xùn)練深度預(yù)測模型，并使用深度預(yù)測模型構(gòu)建得出應(yīng)答數(shù)據(jù)集，智能機器人通過使用應(yīng)答數(shù)據(jù)集以獲取最合適的目標(biāo)應(yīng)答內(nèi)容，從而可以向客戶輸出最符合客戶需求的語音，提高了客戶業(yè)務(wù)辦理的效率。本發(fā)明能夠通過分析應(yīng)答內(nèi)容的無效性來調(diào)節(jié)更新時間和采集銀行業(yè)務(wù)數(shù)據(jù)時長，縮短更新時間和采集更接近的歷史銀行業(yè)務(wù)數(shù)據(jù)來進行應(yīng)答數(shù)據(jù)集的更新，從而提升應(yīng)答準(zhǔn)確性，解決了出現(xiàn)與客戶需求應(yīng)答內(nèi)容缺失的問題。

7、作為一種優(yōu)選方案，所述的獲得應(yīng)答數(shù)據(jù)集，具體包括：

8、使用訓(xùn)練數(shù)據(jù)對深度預(yù)測模型進行訓(xùn)練，根據(jù)訓(xùn)練后的深度預(yù)測模型對測試數(shù)據(jù)進行預(yù)測分析，獲得應(yīng)答數(shù)據(jù)集。

9、本方案將獲得的銀行業(yè)務(wù)數(shù)據(jù)分別創(chuàng)建訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)，采用訓(xùn)練數(shù)據(jù)對深度預(yù)測模型進行訓(xùn)練，然后采用測試數(shù)據(jù)對訓(xùn)練后的深度預(yù)測模型進行預(yù)測分析，獲得做種的應(yīng)答數(shù)據(jù)集，應(yīng)答數(shù)據(jù)集中包含了關(guān)聯(lián)配對的語音特征模版數(shù)據(jù)和目標(biāo)應(yīng)答數(shù)據(jù)，通過輸入交互語音的語音特征數(shù)據(jù)，能夠計算輸出合適的目標(biāo)應(yīng)答內(nèi)容，合適的目標(biāo)應(yīng)答內(nèi)容包括一個或多個，多個則按照合適優(yōu)先級排序后按優(yōu)先級進行輸出，在獲得目標(biāo)應(yīng)答內(nèi)容后轉(zhuǎn)換成目標(biāo)應(yīng)答語音進行輸出。

10、作為一種優(yōu)選方案，獲取的銀行業(yè)務(wù)數(shù)據(jù)包括第一銀行業(yè)務(wù)數(shù)據(jù)和第二銀行業(yè)務(wù)數(shù)據(jù)，根據(jù)第一銀行業(yè)務(wù)數(shù)據(jù)構(gòu)建訓(xùn)練數(shù)據(jù)，訓(xùn)練數(shù)據(jù)包括經(jīng)語音翻譯的交互語音數(shù)據(jù)和標(biāo)記的應(yīng)答內(nèi)容，根據(jù)第二銀行業(yè)務(wù)數(shù)據(jù)構(gòu)建測試數(shù)據(jù)。

11、獲取的銀行業(yè)務(wù)數(shù)據(jù)分為兩份，即第一銀行業(yè)務(wù)數(shù)據(jù)和第二銀行業(yè)務(wù)數(shù)據(jù)，其中使用第一銀行業(yè)務(wù)數(shù)據(jù)來構(gòu)建深度預(yù)測模型的訓(xùn)練數(shù)據(jù)，訓(xùn)練數(shù)據(jù)中包含了經(jīng)過語音翻譯的交互語音數(shù)據(jù)和已標(biāo)記的應(yīng)答內(nèi)容，應(yīng)答內(nèi)容預(yù)先通過人工或機器方式進行標(biāo)記。使用第二銀行業(yè)務(wù)數(shù)據(jù)構(gòu)建測試數(shù)據(jù)，第二銀行業(yè)務(wù)數(shù)據(jù)包括未標(biāo)記應(yīng)答內(nèi)容。在使用第一銀行業(yè)務(wù)數(shù)據(jù)對深度預(yù)測模型進行足夠的訓(xùn)練后，再使用訓(xùn)練后的深度預(yù)測模型對未標(biāo)記的第二銀行業(yè)務(wù)數(shù)據(jù)進行深度分析，從而可以獲得應(yīng)答數(shù)據(jù)集。

12、作為一種優(yōu)選方案，所述第一銀行業(yè)務(wù)數(shù)據(jù)和第二銀行業(yè)務(wù)數(shù)據(jù)包括按照周期采集到的指定時長內(nèi)的銀行人工柜臺內(nèi)外的交互語音數(shù)據(jù)，指定時長根據(jù)智能機器人所處銀行上一個周期業(yè)務(wù)政策文件的接收情況確定。

13、第一銀行業(yè)務(wù)數(shù)據(jù)和第二銀行業(yè)務(wù)數(shù)據(jù)需要在周期內(nèi)采集指定時長內(nèi)的銀行人工柜臺內(nèi)外的交互語音數(shù)據(jù)，用于訓(xùn)練數(shù)據(jù)的構(gòu)建和應(yīng)答數(shù)據(jù)集確定的基礎(chǔ)數(shù)據(jù)，即從實際業(yè)務(wù)辦理過程中銀行業(yè)務(wù)員與客戶之間的交流對話來深度挖掘客戶的交互語音數(shù)據(jù)和對應(yīng)的應(yīng)答內(nèi)容之間的配對關(guān)系。由于銀行業(yè)務(wù)的時變性較強，需要確定合適的應(yīng)答數(shù)據(jù)集的更新周期以及更新所依據(jù)的數(shù)據(jù)，其中更新周期即通過周期來確定，而確定合適的更新所依據(jù)的數(shù)據(jù)通過指定時長來調(diào)節(jié)，指定時長根據(jù)智能機器人所處銀行上一個周期業(yè)務(wù)政策文件的接收情況確定，根據(jù)收到業(yè)務(wù)政策文件的頻率，判定相關(guān)業(yè)務(wù)政策出現(xiàn)變動，根據(jù)變動的狀態(tài)則需要調(diào)節(jié)指定時長，使用距離當(dāng)前更近或更多的銀行業(yè)務(wù)員與客戶之間的歷史交流對話來進行應(yīng)答數(shù)據(jù)集的更新，從而提升應(yīng)答準(zhǔn)確性，解決了出現(xiàn)與客戶需求應(yīng)答內(nèi)容缺失的問題。

14、作為一種優(yōu)選方案，所述的分析應(yīng)答語音無效情況來調(diào)節(jié)周期時長，具體包括：

15、交互語音包括客戶輸入的第一交互語音，應(yīng)答語音包括智能機器人響應(yīng)第一交互語音輸出的第一應(yīng)答語音；

16、在輸出第一應(yīng)答語音后，實時檢測客戶是否輸入第二交互語音，所述第二交互語音為包含第一交互語音中語音特征數(shù)據(jù)的交互語音，

17、在檢測到客戶輸入第二交互語音，統(tǒng)計第二交互語音輸入次數(shù)，以及獲取智能機器人應(yīng)答上一個第二交互語音輸出的第二應(yīng)答語音，計算該第二交互語音與第二應(yīng)答語音的重合度值；根據(jù)輸入次數(shù)和重合度值計算得到關(guān)于第一應(yīng)答語音無效的評估值，根據(jù)評估值生成干預(yù)系數(shù)，通過干預(yù)系數(shù)調(diào)節(jié)周期大小。

18、本方案設(shè)置智能機器人在向客戶輸出針對客戶的第一交互語音的第一應(yīng)答語音之后，繼續(xù)檢測該客戶是否又向智能機器人輸入了包含相同語音特征數(shù)據(jù)的第二交互語音，通過統(tǒng)計與第二交互語音相關(guān)的輸入次數(shù)和重合度值，據(jù)此計算出關(guān)于第一應(yīng)答語音無效的評估值。評估值判定智能機器人輸出的第一應(yīng)答語音是否滿足客戶的需求，預(yù)設(shè)評估值設(shè)定值，在評估值大于設(shè)定值時，智能機器人輸出的第一應(yīng)答語音不能滿足客戶的需求(例如客戶認(rèn)為該信息不夠準(zhǔn)確，因而客戶重復(fù)輸入包含了第一交互語音的語音特征數(shù)據(jù)的第二交互語音，以對智能機器人進行再次詢問)，則生成干預(yù)系數(shù)，使用干預(yù)系數(shù)來調(diào)節(jié)周期大小，該干預(yù)系數(shù)與評估值為負(fù)相關(guān)關(guān)系，例如1/評估值，評估值越大則表示第一應(yīng)答語音無效性越大，通過干預(yù)系數(shù)以減少周期的時間，同時評估值也是確定應(yīng)答數(shù)據(jù)集是否存在錯誤或無效數(shù)據(jù)。本方案通過分析客戶對于智能機器人的應(yīng)答語音的滿意程度，進而分析前述確定的應(yīng)答數(shù)據(jù)集是否存在錯誤或無效數(shù)據(jù)，具體的為通過檢測客戶重復(fù)輸入包含了第一交互語音的語音特征數(shù)據(jù)的第二交互語音相關(guān)的輸入次數(shù)和重合度值，計算評估值判斷用戶對智能機器人應(yīng)答語音滿意程度，然后通過干預(yù)系數(shù)來調(diào)節(jié)周期時長，進而適當(dāng)縮短應(yīng)答數(shù)據(jù)的更新周期，更新周期即為周期，以使用最新的政策數(shù)據(jù)來更新應(yīng)答數(shù)據(jù)集。

19、作為一種優(yōu)選方案，所述重合度值為智能機器人應(yīng)答上一個第二交互語音輸出的第二應(yīng)答語音，與客戶輸入的與上一個第二交互語音相鄰的下一個第二交互語音的時間重合度值。

20、重合度值為時間重合度值，該重合度值表征了客戶打斷智能機器人應(yīng)答上一個第二交互語音的程度，也是反映了客戶對于智能機器人的最新應(yīng)答語音的認(rèn)可程度。智能機器人在應(yīng)答上一個第二交互語音輸出第二應(yīng)答語音，該第二應(yīng)答語音輸出包括輸出所需時間，在當(dāng)前第二應(yīng)答語音輸出過程中客戶又重復(fù)輸入了第二交互語音，當(dāng)前第二交互語音與當(dāng)前第二應(yīng)答語音存在時間重合，計算出的重合時間即為重合度值。

21、作為一種優(yōu)選方案，所述的根據(jù)輸入次數(shù)和重合度值計算得到關(guān)于第一應(yīng)答語音無效的評估值，具體包括：

22、

23、其中，ass為關(guān)于第一應(yīng)答語音無效的評估值，α為小于1的基礎(chǔ)系數(shù)，β為大于1的浮動系數(shù)，與n正相關(guān)，n為輸入次數(shù)，f(n)為輸入次數(shù)的歸一化處理數(shù)值，d為重合度值，f(d)為重合度值歸一化處理數(shù)值，nthreshold為輸入次數(shù)的閾值。

24、本方案中根據(jù)輸入次數(shù)與閾值的比較，在輸入次數(shù)小于閾值的情況下，評估值為輸入次數(shù)歸一化處理數(shù)值和重合度值歸一化處理數(shù)值的和值，與基礎(chǔ)系數(shù)的乘積；在輸入次數(shù)不小于閾值的情況下，評估值為輸入次數(shù)歸一化處理數(shù)值和重合度值歸一化處理數(shù)值的和值，與基礎(chǔ)系數(shù)和浮動系數(shù)的和值的乘積。

25、本發(fā)明通過評估值ass公式對輸入次數(shù)和重合度值進行綜合處理，從而獲得能夠反映客戶對于第一應(yīng)答語音無效的態(tài)度，進而間接分析應(yīng)答數(shù)據(jù)集中的目標(biāo)應(yīng)答內(nèi)容為無效的概率。公式中以第二交互語音的輸入次數(shù)閾值nthreshold為分隔節(jié)點，在第二交互語音的輸入次數(shù)低于nthreshold時，以基礎(chǔ)系數(shù)α和輸入次數(shù)與重合度值的歸一化處理數(shù)值的和值的乘積作為評估值。在第二交互語音的輸入次數(shù)不低于nthreshold時，則增加了浮動系數(shù)β，而且β與n的值正相關(guān)，即輸入次數(shù)越多，則β值越大，這樣可以在輸入次數(shù)逐漸增多即客戶不滿意度快速增加時，使得評估值得以更快的增大，從而更快的得出與第一應(yīng)答語音無效的評斷結(jié)論。

26、作為一種優(yōu)選方案，所述的在調(diào)節(jié)后周期內(nèi)采集銀行業(yè)務(wù)數(shù)據(jù)對應(yīng)答數(shù)據(jù)集進行更新，具體包括：

27、按照調(diào)節(jié)后的周期時長，在新周期內(nèi)根據(jù)指定時長獲取第三銀行業(yè)務(wù)數(shù)據(jù)，判斷第三銀行業(yè)務(wù)數(shù)據(jù)是否包含與第一交互語音中語音特征數(shù)據(jù)相關(guān)的內(nèi)容；

28、若包含，則根據(jù)第三銀行業(yè)務(wù)數(shù)據(jù)對當(dāng)前應(yīng)答數(shù)據(jù)集進行更新；若不包含，則獲取指定范圍內(nèi)其他銀行的其他智能機器人的應(yīng)答數(shù)據(jù)集，使用獲取的應(yīng)答數(shù)據(jù)集對當(dāng)前應(yīng)答數(shù)據(jù)集進行更新。

29、通過對第一應(yīng)答語音無效的分析可以確定出新的周期時長即更新周期時長，這樣可以適當(dāng)?shù)奶崆皩?yīng)答數(shù)據(jù)集進行更新。在進入新周期后在指定時長內(nèi)獲取第三銀行業(yè)務(wù)數(shù)據(jù)，第三銀行業(yè)務(wù)數(shù)據(jù)包含人工柜臺內(nèi)外的交互語音數(shù)據(jù)。在使用第三銀行業(yè)務(wù)數(shù)據(jù)前還需進行是否包含與第一交互語音中語音特征數(shù)據(jù)的判斷。在第三銀行業(yè)務(wù)數(shù)據(jù)包含第一交互語音中語音特征數(shù)據(jù)，則直接使用該第三銀行業(yè)務(wù)數(shù)據(jù)，根據(jù)深度預(yù)測模型對第三銀行業(yè)務(wù)數(shù)據(jù)進行預(yù)測分析，獲得新的應(yīng)答數(shù)據(jù)集，包括重新確定的語音特征模板數(shù)據(jù)和目標(biāo)應(yīng)答內(nèi)容的配對關(guān)系。使用新的應(yīng)答數(shù)據(jù)集對當(dāng)前應(yīng)答數(shù)據(jù)集的至少一部分進行更新，即僅對涉及變更的部分?jǐn)?shù)據(jù)進行更新，未涉及變更的數(shù)據(jù)使用老數(shù)據(jù)。在第三銀行業(yè)務(wù)數(shù)據(jù)不包含第一交互語音中語音特征數(shù)據(jù)，則使用該第三銀行業(yè)務(wù)數(shù)據(jù)還不能解決與第一交互語音對應(yīng)無效的目標(biāo)應(yīng)答內(nèi)容的糾正，此時獲取指定范圍內(nèi)其他銀行的其他智能機器人的應(yīng)答數(shù)據(jù)集，使用該應(yīng)答數(shù)據(jù)集對當(dāng)前應(yīng)答數(shù)據(jù)集的至少一部分進行更新。由于銀行內(nèi)某項政策被指定之后下發(fā)至各個銀行會因某些因素導(dǎo)致銀行的接收時間存在偏差，或者銀行的智能機器人與銀行內(nèi)部信息系統(tǒng)的數(shù)據(jù)共享周期較長，導(dǎo)致智能機器人未及時獲得最新的政策數(shù)據(jù)，于是通過借助地區(qū)內(nèi)的其他銀行的智能機器人的應(yīng)答數(shù)據(jù)集來更新自身的應(yīng)答數(shù)據(jù)集，可以間接完成對信息的及時獲取，進而獲得更新的目標(biāo)應(yīng)答數(shù)據(jù)集。

30、作為一種優(yōu)選方案，指定時長的確定包括：

31、預(yù)設(shè)指定時長；

32、在本周期內(nèi)實時獲取政策文件接收頻率，計算本周期政策文件接收頻率與上一個周期政策文件接收頻率的比值；

33、預(yù)設(shè)比值范圍與調(diào)節(jié)系數(shù)的對應(yīng)關(guān)系，根據(jù)比值所在范圍獲取調(diào)節(jié)系數(shù)，根據(jù)調(diào)節(jié)系數(shù)與預(yù)設(shè)指定時長的乘積獲得當(dāng)前周期指定時長。

34、指定時長為根據(jù)智能機器人所處銀行上一個周期業(yè)務(wù)政策文件的接收情況確定，智能機器人在指定時長內(nèi)對銀行人工柜臺內(nèi)外的交互語音數(shù)據(jù)進行采集。首先要初步預(yù)設(shè)指定時長t0，如預(yù)設(shè)指定時長t0為30天，即獲取自當(dāng)前時刻起30天內(nèi)的銀行業(yè)務(wù)員與客戶之間的歷史交流對話數(shù)據(jù)，以分析得出應(yīng)答數(shù)據(jù)集。根據(jù)上一周期政策文件接收數(shù)量來統(tǒng)計接收頻率f0，采用f＝n/t進行計算，其中n為接收政策文件數(shù)量，t為經(jīng)歷時長。實時統(tǒng)計本周期內(nèi)政策文件接收頻率f1，計算本周期政策文件接收頻率與上一個周期政策文件接收頻率的比值f1/f0。并且預(yù)設(shè)比值范圍與調(diào)節(jié)系數(shù)的對應(yīng)關(guān)系，比值與調(diào)節(jié)系數(shù)負(fù)相關(guān)，將比值與預(yù)設(shè)比值范圍進行比較，來確定對應(yīng)的調(diào)節(jié)系數(shù)，計算出當(dāng)前指定時長，表示如下：

35、當(dāng)f1/f0<0.6，ta＝t0*1.5

36、當(dāng)0.6≤f1/f0<0.9，ta＝t0*1.2

37、當(dāng)0.9≤f1/f0<1.2，ta＝t0

38、當(dāng)1.2≤f1/f0<1.8，ta＝t0*0.8

39、當(dāng)1.8≤f1/f0，ta＝t0*0.6

40、其中ta為當(dāng)前指定時長，0.6-1.5為調(diào)節(jié)系數(shù)，使用該調(diào)節(jié)系數(shù)與初步預(yù)設(shè)的指定時長ta進行乘運算，從而得出更長或更短的指定時長。根據(jù)上述表達式可知隨著接收政策文件頻率的降低，將拉長指定時長，隨著接收政策文件頻率的升高，則縮短指定時長。本發(fā)明在監(jiān)測到銀行高頻率收到業(yè)務(wù)政策文件時，判定相關(guān)業(yè)務(wù)政策出現(xiàn)變動，則需要縮短指定時長，即使用距離當(dāng)前更近的銀行業(yè)務(wù)員與客戶之間的歷史交流對話來進行應(yīng)答數(shù)據(jù)集的更新，從而提升應(yīng)答準(zhǔn)確性。

41、一種基于bert模型的銀行用智能機器人系統(tǒng)，包括：

42、通信模塊：獲取銀行業(yè)務(wù)數(shù)據(jù)，傳輸給處理模塊；

43、語音監(jiān)聽模塊：獲取客戶針對智能機器人的交互語音，傳輸給處理模塊；

44、處理模塊：根據(jù)銀行業(yè)務(wù)數(shù)據(jù)對模型進行訓(xùn)練和預(yù)測，獲得應(yīng)答數(shù)據(jù)集，根據(jù)交互語音的語音特征數(shù)據(jù)與應(yīng)答數(shù)據(jù)集進行匹配，確定目標(biāo)應(yīng)答內(nèi)容輸出應(yīng)答語音；分析應(yīng)答語音無效情況來調(diào)節(jié)周期時長，在調(diào)節(jié)后周期內(nèi)采集銀行業(yè)務(wù)數(shù)據(jù)對應(yīng)答數(shù)據(jù)集進行更新。

45、通信模塊、語音監(jiān)聽模塊分別與處理模塊連接，智能機器人系統(tǒng)還包括存儲模塊，存儲模塊用于存儲計算機程序，存儲模塊與處理模塊相連，處理模塊用于調(diào)取并執(zhí)行存儲模塊中的計算機程序，以執(zhí)行如前述的方法，獲取應(yīng)答數(shù)據(jù)集，根據(jù)應(yīng)答數(shù)據(jù)集確定出于交互語音對應(yīng)的應(yīng)答語音，并且通過分析應(yīng)答語音無效情況對應(yīng)答數(shù)據(jù)集進行更新。

46、因此，本發(fā)明的優(yōu)點是：

47、1.根據(jù)收集到的真實銀行業(yè)務(wù)數(shù)據(jù)來訓(xùn)練深度預(yù)測模型，并使用深度預(yù)測模型構(gòu)建得出應(yīng)答數(shù)據(jù)集，智能機器人通過使用應(yīng)答數(shù)據(jù)集以獲取最合適的目標(biāo)應(yīng)答內(nèi)容，從而可以向客戶輸出最符合客戶需求的語音，提高了客戶業(yè)務(wù)辦理的效率。

48、2.能夠通過分析應(yīng)答內(nèi)容的無效性來調(diào)節(jié)更新時間和采集銀行業(yè)務(wù)數(shù)據(jù)時長，縮短更新時間和采集更接近的歷史銀行業(yè)務(wù)數(shù)據(jù)來進行應(yīng)答數(shù)據(jù)集的更新，從而提升應(yīng)答準(zhǔn)確性，解決了出現(xiàn)與客戶需求應(yīng)答內(nèi)容缺失的問題。