本发明属于人工智能，具体涉及基于意图识别与检索优化的话术推荐方法、系统及装置。
背景技术：
1、在当今快速发展的数字化时代，企业与客户之间的互动变得日益频繁且复杂。优质的客户服务已成为企业提升品牌形象、增强用户满意度和忠诚度的关键因素。在此背景下，客服话术推荐助手作为提高客服效率和服务质量的重要工具，其优化和创新显得尤为重要。
2、传统的客服话术推荐助手通常依赖预设的脚本和静态的知识库。这种方法在处理标准化和重复性高的查询时表现良好，但是在面对复杂、个性化的用户需求时，则显得力不从心。
3、随着人工智能，尤其是自然语言处理技术的进步，传统的客服话术推荐助手正逐步向更加智能化的方向发展，主要通过结合检索增强生成技术和大语言模型的能力，提供更加准确和个性化的服务。使用这种方法时，首先可以将行内知识文件进行向量化，并保存到向量库中(这里所谓知识文件，实际上是客户和客服在生产上的实际问答对所构成的cvs文件)，然后当客户进行提问时，话术推荐助手会根据客户当前的问题，到向量库中检索相关的内容，最后将检索得到的文档信息，以及客户与客服的历史上下文对话，作为已知信息传递给大模型，大模型根据用户当前问题，结合已知信息生成回答。
4、尽管现有的客服话术推荐助手具备一定的动态内容生成和深度个性化服务的能力，但在实际业务场景中的应用过程中，仍存在许多不足之处，亟需针对性研究和解决。这些不足具体表现在以下几个方面：
5、(1)缺少用户真实意图识别步骤：现有的话术推荐流程，是根据用户当前问题，去知识库中搜索相关度较高的内容，然后让大语言模型根据搜索到的文档信息，及相关历史上下文信息，生成回答。即使搜出来了也还会混有很多其他无关内容，这些无关内容也会作为文档信息传递给大模型，从而影响模型生成的回答，比如会使得模型的回答啰嗦冗余，或者不够准确。
6、(2)知识库检索能力不足：现有的知识库检索，多通过计算l2距离(欧几里得距离)，也就是通过度量两个向量在欧几里得空间中的“直线”距离，来判断两个向量之间的相似性，距离越小，向量之间越相似，这种度量类型会同时考虑向量的长度和方向。但是存在一个问题，当两个向量方向接近，长度差距过大的时候，就无法进行很好的匹配。导致两个在向量方向上(语义上)很接近的回答，但在文本长度上却相差很大。类似的问题有很多，这就导致了很多问题的答案在知识库中明明存在，但是却搜索不到。
技术实现思路
1、本发明的目的在于提供基于意图识别与检索优化的话术推荐方法、系统及装置，以解决缺少用户真实意图识别步骤以及知识库检索能力不足的问题。
2、为实现上述目的，本发明提供如下技术方案：基于意图识别与检索优化的话术推荐方法，包括如下步骤：
3、预处理知识库文本，构建向量数据库；
4、获取用户对话，对用户对话进行格式处理，得到对话文本，并将对话文本输入至大语言模型，得到意图文本；
5、将意图文本输入至向量化模型，得到意图向量，在向量数据库中进行检索意图向量，得到初始回答；
6、获取初始回答与意图向量输入至预训练的重排序模型，得到精准回答；
7、获取精准回答与用户对话，输入至大语言模型，生成推荐话术。
8、优选的，所述构建向量数据库包括如下步骤：
9、获取知识库文本，对知识库文本进行分词处理，得到分词文本；
10、将分词文本输入至向量化模型，进行向量化，得到文本向量；
11、储存文本向量，构建向量数据库。
12、优选的，所述得到初始回答包括如下步骤：
13、获取意图向量，在知识库中检索意图向量，输出相关度最高的第一数量的文本向量，得到若干个答复文本；
14、基于若干个答复文本，得到初始回答。
15、优选的，所述得到精准回答包括如下步骤：
16、获取初始回答与意图向量；
17、分别提取答复文本的文本特征，对文本特征进行归一化处理，得到标准文本；
18、逐个计算意图向量与标准文本之间的相似度值；
19、依据相似度值，输出相似度值最高的第二数量的标准文本；
20、得到精准回答。
21、基于意图识别与检索优化的话术推荐系统，包括：
22、预处理模块，用于预处理知识库文本，构建向量数据库；
23、意图分析模块，用于获取用户对话，对用户对话进行格式处理，得到对话文本，并将对话文本输入至大语言模型，得到意图文本；
24、向量处理模块，用于将意图文本输入至向量化模型，得到意图向量，在向量数据库中进行检索意图向量，得到初始回答；
25、重排序模块，用于获取初始回答与意图文本输入至预训练的重排序模型，得到精准回答；
26、回答生成模块，用于获取精准回答与用户对话，输入至大语言模型，生成推荐话术。
27、优选的，所述预处理模块包括：
28、数据处理模块，用于获取知识库文本，对知识库文本进行分词处理，得到分词文本；
29、向量化模块，用于将分词文本输入至向量化模型，进行向量化，得到文本向量；
30、储存模块，用于储存文本向量，构建向量数据库。
31、优选的，所述向量处理模块包括：
32、匹配模块，用于获取意图向量，在知识库中检索意图向量，输出相关度最高的第一数量的文本向量，得到若干个答复文本；基于若干个答复文本，得到初始回答。
33、优选的，所述重排序模块包括：
34、特征处理模块，用于获取初始回答与意图向量；分别提取答复文本的文本特征，对文本特征进行归一化处理，得到标准文本；
35、计算模块，用于逐个计算意图向量与标准文本之间的相似度值；
36、文本排序模块，用于依据相似度值，输出相似度值最高的第二数量的标准文本；得到精准回答。
37、基于意图识别与检索优化的话术推荐装置，包括：
38、处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现基于意图识别与检索优化的话术推荐方法。
39、本发明的技术效果和优点：通过意图分析模块与重排序模块对用户问题进行精准的筛选与综合排序，并通过回答生成模块调用大语言模型结合用户对话，生成推荐话术，以提高客户满意度和问题解决率，通过提供高质量、相关性强的回答，减少用户的等待时间和重复操作，提高用户满意度，交互过程更加自然流畅，用户感觉与智能客服的对话更加贴近真实人类客服，大幅提升推荐话术的准确性、灵活性和用户体验，具有显著的创新性和实用价值。
1.基于意图识别与检索优化的话术推荐方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于意图识别与检索优化的话术推荐方法，其特征在于：
3.根据权利要求2所述的基于意图识别与检索优化的话术推荐方法，其特征在于：
4.根据权利要求3所述的基于意图识别与检索优化的话术推荐方法，其特征在于：
5.基于意图识别与检索优化的话术推荐系统，其特征在于：
6.根据权利要求5所述的基于意图识别与检索优化的话术推荐系统，其特征在于：
7.根据权利要求6所述的基于意图识别与检索优化的话术推荐系统，其特征在于：
8.根据权利要求7所述的基于意图识别与检索优化的话术推荐系统，其特征在于：
9.基于意图识别与检索优化的话术推荐装置，其特征在于：包括：
