CN116542676A - 一种基于大数据分析的智能客服***及其方法 - Google Patents

Abstract

本发明涉及智能客服技术领域，具体地说，涉及一种基于大数据分析的智能客服***及其方法。包括智能客服单元，智能客服单元，包括客户问题采集模块、人工客服模块、电子客服模块和问答库更新模块，本发明通过问题检索模块优先对客户的问题进行检索，若问答库中存在相匹配的答复，则将客户接入电子客服模块，使电子客服能够给出客服满意的答复，避免电子客服无法答复后再将客户接入人工模块的步骤，提高客户的满意度，并且使用情感识别模块识别客户当前的情绪状态，从而更好的给予客户服务，增加客户对企业的信任，通过优先级分配策略对电子客服模块与人工客服模块进行优先级调配，使出现消极情绪的客户可以优先接入人工客服模块。

Description

一种基于大数据分析的智能客服***及其方法

技术领域

本发明涉及智能客服技术领域，具体地说，涉及一种基于大数据分析的智能客服***及其方法。

背景技术

随着互联网的普及，越来越多的用户选择在线购物、在线咨询等服务，而对于企业而言，提供高效、便捷的客服服务是保持用户忠诚度的重要手段，目前市场上已经出现了很多智能客服***，但是这些***还存在着许多不足，其中：

智能在线客服包括人工客服和电子客服，电子客服就是由机器对客户提问进行应答，人工客服就是由真人对客户的提问进行问答，现有技术中，要么是直接将问题转入人工客服，要是是先将问题转入电子客服，在电子客服无法解决时，再接入人工客服，采用这种无序的客服问答方式对客户提出问题的解决效率较低，容易降低客户的在线体验感受；

尤其是有部分客户情绪不稳定，例如存在焦急、生气等情绪时，传统的智能客服若不能根据客户当前的情况，对客户的问题进行及时且满意的解答，并且使客户通过电子客服后解答后再次转入人工客服，而不便于根据客户的实际需求一步到位的解决客户提出的问题，会导致客户不稳定情况的发酵，使客户对企业失去信任。

鉴于此，我们提出一种基于大数据分析的智能客服***及其方法来解决上述问题。

发明内容

本发明的目的在于提供一种基于大数据分析的智能客服***及其方法，以解决上述背景技术中提出的问题。

为实现上述技术问题的解决，本发明的目的之一在于，提供基于大数据分析的智能客服***，包括智能客服单元，所述智能客服单元，包括客户问题采集模块、人工客服模块、电子客服模块和问答库更新模块；

所述客户问题采集模块用于采集客户咨询的信息，通过对客户咨询信息的关键词提取与问答库中的信息进行匹配，同时对客户当前的情感进行分析，匹配出适合客户的问答形式；

所述人工客服模块用于客户接收问题采集模块采集的咨询信息，通过识别人工客服的空闲度，将待处理的客户接入到可最快进行回复的人工客服内；

所述电子客服模块用于接收客户问题采集模块传输的咨询信息，并输出与客户咨询的信息相匹配的答复文本；

所述问答库更新模块用于更新问答模板，根据客户咨询信息和历史服务数据的反馈，对问答库内的内容进行更新和优化。

优选的，所述客户问题采集模块包括语义理解模块、问题检索模块和情感识别模块；

所述语义理解模块用于识别客户咨询信息中出现的错别字，根据语义将错别字替换，并将提取到的语句中的关键词传输给问题检索模块；

所述问题检索模块用于根据语义理解模块传输的关键词在问答库中检索与客户咨询信息匹配的答复文本；

所述情感识别模块用于根据客户咨询时的语音语调以及咨询信息中含有的负面情绪识别客户当前的情绪状态。

优选的，所述问题采集模块内还包括优先级分配模块；

所述优先级分配模块用于接收情感识别模块输出的客户当前情绪，根据客户当前情绪使用优先级分配策略匹配出符合客户的答复形式。

优选的，所述语义理解模块包括错别字替换模块和关键词提取模块；

所述错别字替换模块用于根据客户咨询信息的语义对咨询信息中出现的错别字进行替换；

所述关键词提取模块用于提取客户咨询信息中的关键词。

优选的，所述人工客服模块包括第一文本接收模块、文本分配模块；

所述第一文本接收模块用于接收客户咨询的信息；

所述文本分配模块用于检索当前空闲的人工客服，并将第一文本接收模块接收到的客户咨询信息传输给匹配到的人工客服。

优选的，所述文本分配模块包括空闲检索模块和最少客户识别模块；

所述空闲检索模块用于检索当前无待处理客户的人工客服；

所述最少客户识别模块用于检索当前待处理客户数量最少的人工客服。

优选的，所述电子客服模块包括第二文本接收模块和文本输出模块；

所述第二文本接收模块用于接收客户咨询的信息；

所述文本输出模块用于根据第二文本接收模块接收的咨询信息输出匹配的答复文本。

优选的，所述问答库更新模块包括客户意见反馈模块；

所述客户意见反馈模块用于收集客户提出的意见信息，并将客户意见信息反馈至问答库中。

本发明的目的之二在于，提供了基于大数据分析的智能客服***的方法，包括以下步骤：

S1、采集客户咨询的信息，通过对客户咨询信息的关键词提取与问答库中的信息进行匹配，同时对客户当前的情感进行分析，匹配出适合客户的问答形式；

S2、识别人工客服的空闲度，将待处理的客户接入到可最快进行回复的人工客服内；

S3、将客户咨询的信息传输给电子客服，电子客服输出与客户咨询的信息相匹配的答复文本；

S4、根据客户咨询信息和历史服务数据的反馈，对问答库内的内容进行更新和优化。

该基于大数据分析的智能客服***及其方法与现有技术相比，本发明的有益效果：

1、通过问题检索模块优先对客户的问题进行检索，若问答库中存在相匹配的答复，则将客户接入电子客服模块，使电子客服能够给出客服满意的答复，避免电子客服无法答复后再将客户接入人工模块的步骤，提高客户的满意度，并且使用情感识别模块识别客户当前的情绪状态，从而更好的给予客户服务，增加客户对企业的信任。

2、该基于大数据分析的智能客服***及其方法与现有技术相比，本发明的有益效果：根据情感识别模块识别出的客户情绪情况，通过优先级分配策略对电子客服模块与人工客服模块进行优先级调配，使出现消极情绪的客户可以优先接入人工客服模块，通过人工客服对客户进行安抚，提供给客户满意的服务。

附图说明

图1为实施例的整体结构原理图；

图2为实施例的客户问题采集模块、人工客服模块、电子客服模块结构原理图；

图3为实施例的语义理解模块结构原图；

图4为实施例的文本分配模块结构原理图；

图5为实施例的整体方法流程框图。

图中各个标号意义为：

10、智能客服单元；

11、客户问题采集模块；

111、语义理解模块；1111、错别字替换模块；1112、关键词提取模块；

112、问题检索模块；

113、情感识别模块；

12、人工客服模块；121、第一文本接收模块；122、文本分配模块；1221、空闲检索模块；1222、最少客户识别模块；

13、电子客服模块；131、第二文本接收模块；132、文本输出模块；

14、问答库更新模块；141、客户意见反馈模块。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：如图1-图5所示，本发明的目的之一在于，提供了基于大数据分析的智能客服***，包括智能客服单元10，智能客服单元10，包括客户问题采集模块11、人工客服模块12、电子客服模块13和问答库更新模块14；

客户问题采集模块11用于采集客户咨询的信息，通过对客户咨询信息的关键词提取与问答库中的信息进行匹配，同时对客户当前的情感进行分析，匹配出适合客户的问答形式；

客户问题采集模块11包括语义理解模块111、问题检索模块112和情感识别模块113；

客户问题采集模块11通过API接口对客户咨询的问题进行采集，其中客户咨询时存在发送语音的方式，因此需要将语音转换为文字进行采集，此时，可通过API服务中的百度AI语音识别将语音进行文字转换，而通过API接口进行信息采集时，需要注册API接口，申请开发密钥，以获得使用API的权限，使用支持API接口的编程语言，如Python、Java、C等，编写访问API的程序代码，以实现对API接口数据的采集，将编写好的程序代码与API接口进行集成，通过调用API接口获取需要采集的客户咨询信息。

语义理解模块111用于识别客户咨询信息中出现的错别字，根据语义将错别字替换，并将提取到的语句中的关键词传输给问题检索模块112；

语义理解模块111包括错别字替换模块1111和关键词提取模块1112；

错别字替换模块1111用于根据客户咨询信息的语义对咨询信息中出现的错别字进行替换；

具体的，首先需要从客户提交的咨询信息中提取出文本内容，即将语音或手写文字等形式的咨询信息转换为纯文本，再将提取出的文本进行进行语义推断，从而理解客户咨询信息中的具体含义，然后使用错误检测算法进行错误检测，找出文本中可能存在的错别字，对于检测出的错别字进行校正，以更正文本中的错误，保证客服咨询的信息中语句通顺，便于在问答库中精准的匹配出关于客户问题的答复；

其中，错误检测算法的具体计算步骤如下：

使用中文分词技术，将文本数据按照字或词分割开来，分解成单独的字符或词语；

针对分词好的每个词，计算其与预定义词典中词语的编辑距离，编辑距离使用动态规划算法进行计算，公式如下：

；

其中， 表示计算到字符串的第/>个字符和第 /> 个字符之间的距离，第一个/>是针对添加一个字符或删除一个字符时的得分，第二个/>是针对替换一个字符时的得分，/>是判断当前两个字符是否不相同时需要加的得分，最终选取编辑距离最小的词语；

当编辑距离小于事先定义的阈值时，可以标记或替换错误的词语，将错误的文本识别出来。

例如：一位客户输入：“我想购买一部最新的iphon手机”，该留言中“iphon”一词拼写错误，我们可以使用编辑距离算法将其修正为“iPhone”，首先将句子分词得到“我 想 购买 一部 最新 的 iphon 手机”，对于词语iphon，使用编辑距离算法计算iphon和iPhone之间的编辑距离可以按照以下步骤进行：

初始化一个矩阵d，大小为m行n列，其中m和n分别为两个字符串的长度；

将矩阵的第一行和第一列从0到m和0到n进行初始；

从左到右，从上到下遍历矩阵的每个元素，对于当前遍历到的元素d(i,j)，根据字符串的不同情况进行以下计算：

如果word1[i]等于word2[j]，则不需要进行修改操作，仅进行复制操作，即计算：d(i,j)=d(i-1,j-1)；

否则，需要进行***、删除、替换中的一种操作，分别计算以下三个值，取最小值作为当前元素的值：

***操作：将word1[i]***到word2[j]前面，即：d(i,j)=d(i,j-1)+1；

删除操作：将word1[i]删除，即：d(i,j)=d(i-1,j)+1；

替换操作：将word1[i]替换为word2[j]，即：d(i,j)=d(i-1,j-1)+1；

最后矩阵的最后一个元素d(m,n)即为iphon和iPhone之间的编辑距离；

根据以上步骤，若word1="iphon"，word2="iPhone"，则计算编辑距离的过程如下所示：

i p h o n

0 1 2 3 4 5

I 1 1 2 3 4

P 2 2 2 3 4

H 3 3 2 3 4

O 4 4 3 2 3

N 5 5 4 3 2

因此，iphon与iPhone之间的编辑距离为2；

根据编辑距离的计算结果，我们可以找到最接近目标词语的可能正确的拼写，即“iPhone”；

将拼写错误的词语“iphon”替换成正确的词语“iPhone”，以纠正错误。

因此，通过以上步骤，我们可以使用编辑距离算法将该留言中的错误单词“iphon”修正为“iPhone”，从而达到纠错的效果。

关键词提取模块1112用于提取客户咨询信息中的关键词。

其中，采用TF-IDF算法进行关键词提取，具体步骤为：

对客户咨询信息进行分词，去除停用词、标点符号等无意义的内容，统计每个单词在所有文档中的出现次数，计算每个文档中每个词的TF-IDF值，公式为：

其中代表“词频-逆文档频率，/>表示该词在文档中出现的次数除以文档总次数，/>表示该词在所有文档中出现的文档数的倒数的对数；

根据每个文档中的关键词数量或者TF-IDF值进行排序，选取排名靠前的几个词作为关键词。

例如，一位客户留言：“请问最新的iPhone有哪些颜色可选？”，对该留言进行关键词提取的步骤如下：

对留言进行中文分词，得到“请问 最新 的 iPhone 有 哪些 颜色 可选”；

我们可以计算每个词的TF-IDF值，假设我们的文档集包含100个文档，其中包含单词最新的文档数为50个，则词语“最新”的IDF为log(100/50)=0.301。

对于上述中的单词“最新”，其出现次数为1，总词数为7，其TF=1/7=0.143，则该单词的TF-IDF值为TFIDF=0.1430.301=0.043，同样地，我们可以计算出上述中其他单词的TF-IDF值；

经过计算，统计每个单词在所有文档中的出现次数，我们可以发现，“最新”、“iPhone”等单词拥有较高的TF-IDF值，也可以作为关键词进行提取。

问题检索模块112用于根据语义理解模块111传输的关键词在问答库中检索与客户咨询信息匹配的答复文本；

具体的，使用百度搜索引擎将提取到的关键词作为搜索条件，在问答库中进行搜索，将搜索到的文本进行筛选和排序，找到最匹配的答复文本；

例如，对于以下客户咨询信息：请问最新的iPhone有哪些颜色可选？

假设在问答库中有以下文本：

“最新的iPhone共有5种颜色可选，分别是黑色、白色、红色、黄色和蓝色；”

“iPhone最新款型号售价在官方网站上可查询，您可以到官方网站上进行查找；”

我们可以对客户咨询信息进行分词和提取关键词的操作，得到关键词“最新”、“iPhone”和“颜色”；

然后，我们将这些关键词作为搜索条件，在问答库中进行搜索，通过搜索，我们将找到第一条文本中提到的包含关键词“最新”、“iPhone”和“颜色”等的文本信息；

最后，我们可以将匹配的文本作为回答，并发送给客户，例如：

答：最新的iPhone共有5种颜色可选，分别是黑色、白色、红色、黄色和蓝色。

情感识别模块113用于根据客户咨询时的语音语调以及咨询信息中含有的负面情绪识别客户当前的情绪状态。

情感识别模块113采用支持向量机模型对客户情绪进行判定，步骤如下：

准备标注好情感极性的文本数据集，常用的情感极性分类有正向、负向和中性分类，将文本数据集中的文本标注为对应的极性类别；

将文本数据集中的文本进行分词、去除停用词、词干提取等文本预处理操作，以获得更好的情感分类结果；

通过上述阐述的词频-逆文档频率TF-IDF方法，将文本表示为向量，方便后续的情感分类模型建立和训练；

将处理好的文本数据集分为训练集和测试集，训练集用于训练情感分类模型，测试集用于验证模型的准确性和泛化能力，一般来说，训练集占数据集的80%，测试集占数据集的20%；

使用训练集的文本信息和标注的情感极性作为训练数据，建立支持向量机情感分类模型；

使用已训练好的支持向量机模型对新的文本信息进行情感分类预测，以确定文本的情感极性和情感强度。

例如，假设客户咨询信息为：“我最近购买了一件你们公司的衣服，但是有点失望，质量不是很好”，我们需要根据这句话来判定客户的情绪是积极的还是消极的；

首先我们可以收集一些已经标注好情绪极性的文本数据，如“非常好看的一件半价裙子！”“买的鞋子太赞了”，“这件衣服的颜色很好，但是质量很差，实在失望”等，需要去除停用素词，得到标点符号干净的文本数据，对于新的未知数据，将其转换为向量表示，通过训练好的模型进行情感判定，因此对于客户咨询信息“我最近购买了一件你们公司的衣服，但是有点失望，质量不是很好”，将其通过训练好的支持向量机分类器进行情感判定，得到该咨询信息为消极情绪。

根据上述的判定结果了解客户当前的情绪状态，从而可以在答复客户时考虑到客户的情绪进行答复，安抚客户的情绪，提高客户的满意度。

进一步的，当客户问题采集模块11采集到客户咨询的问题后，首先通过语义理解模块111对客户咨询的信息进行语句理解，再利用问题检索模块112根据客户咨询的问题在问答库中进行检索，当检索出相匹配的答复文本时，可将客户咨询的问题接入电子客服模块13，通过电子客服模块13与客户进行交流，若在问答库中未检索出相应的答复文本时，可将客户接入人工客服模块12，使人工客服与客户进行交流，并且在交流过程中结合情感识别模块113对客户当前情绪的预测，提高服务的质量。

人工客服模块12用于接收客户问题采集模块11采集的咨询信息，通过识别人工客服的空闲度，将待处理的客户接入到可最快进行回复的人工客服内；

人工客服模块12包括第一文本接收模块121、文本分配模块122；

第一文本接收模块121用于接收客户咨询的信息；

文本分配模块122用于检索当前空闲的人工客服，并将第一文本接收模块121接收到的客户咨询信息传输给匹配到的人工客服。

其中，文本分配模块122包括空闲检索模块1221和最少客户识别模块1222；

空闲检索模块1221用于检索当前无待处理客户的人工客服；

具体的，可采用Zendesk数据监测软件来监测客服人员当前的会话状态，例如会检测客服人员是否在线，并且是否有可用的状态，例如“在线”、“离开”、“忙碌”等，***还会检测客服人员的“敲门”状态，如果客服人员使用的是Zendesk Support Suite应用程序，当新客户请求已到达时，他们的应用程序会发出声音或显示通知，如果客服人员切换到其他应用程序，***会检测这些通知是否被忽略，是否进行了积极的响应，当检测到目前无待处理客户的客服时，可优先将待处理客户分配给无待处理客户的客服进行处理；

并且Zendesk数据监测软件会检测客服人员的会话窗口状态，以确定他们是否在与客户进行有效的对话，如果客服人员选择了“结束会话”或窗口长时间处于非活动状态，则***会认为会话已结束。

最少客户识别模块1222用于检索当前待处理客户数量最少的人工客服。

考虑到若每个人工客服都有待处理客户时，可通过最少客户识别模块1222识别出人工客服待处理队列里具有最少待处理客户的人工客服，可将待处理客户优先分配给能够尽快对其进行处理的人工客服；

具体的，通过API调用获取消息队列的状态，比如消息队列工具RabbitMQ提供了API来获取消息队列的状态和统计信息，可以使用这些API轻松地获取每个人工客服待处理队列中待处理客户的数量，因此可将当前需要处理的客户分配给待处理队列中待处理客户数量最少的人工客服，保证客户可以得到最快的答复。

电子客服模块13用于接收客户问题采集模块11传输的咨询信息，并输出与客户咨询的信息相匹配的答复文本；

电子客服模块13包括第二文本接收模块131和文本输出模块132；

第二文本接收模块131用于接收客户咨询的信息；

文本输出模块132用于根据第二文本接收模块131接收的咨询信息输出匹配的答复文本。

具体的，当客户咨询的信息通过问题检索模块112采用的百度引擎在问答库中检索到与之相匹配的答复文本时，在无特殊的情况下这类客户会被接入电子客服模块13，百度搜索API可让聊天机器人通过发送HTTP请求获取搜索的结果，再通过聊天机器人将通常并将获得的答复文本显示在聊天对话框中。

问答库更新模块14用于更新问答模板，根据客户咨询信息和历史服务数据的反馈，对问答库内的内容进行更新和优化。

问答库更新模块14包括客户意见反馈模块141；

客户意见反馈模块141用于收集客户提出的意见信息，并将客户意见信息反馈至问答库中。

当对客户咨询的信息进行处理后，可向客户发送电子邮件或短信，包含针对客服答复客户时客户的满意度调查、客户意见、意见反馈链接等，客户可以通过链接访问反馈界面，提交意见反馈，再通过API接口使用获得的API密钥和调查表或问题的ID，获取客户意见数据；

将客户获取到的客户意见信息反馈至问答库中时，需要对收集到的客户意见数据进行筛选、分类和归类等操作，根据受众、主题等相关条件，对客户意见数据进行分类和整理，将类似主题的意见或建议归为同一类别，并进行归类、整合、汇总、去重等操作，目标是产生一个有组织的数据集合，再对客户意见数据进行处理和分析，提取关键信息，如客户提出的问题、疑虑、需求、建议等，这些内容可以作为问答库中问题和答案的来源，并且将收集到的客户意见信息整理成可用于问答库的格式，在问答库中创建或更新相应的问题和答案，这需要将意见或建议包含的关键词、描述、相关背景信息等进行处置和抽象，转换为通用的问答类型，确保它们易于搜索和理解，其次按照一定的时间间隔或在每次新增数据时，更新知识库的内容，以保持问答库始终是最新的、最精简的资源。

本发明的目的之二在于，提供了基于大数据分析的智能客服***的方法，包括以下步骤：

S1、采集客户咨询的信息，通过对客户咨询信息的关键词提取与问答库中的信息进行匹配，同时对客户当前的情感进行分析，匹配出适合客户的问答形式；

S2、识别人工客服的空闲度，将待处理的客户接入到可最快进行回复的人工客服内；

S3、将客户咨询的信息传输给电子客服，电子客服输出与客户咨询的信息相匹配的答复文本；

S4、根据客户咨询信息和历史服务数据的反馈，对问答库内的内容进行更新和优化。

实施例2：根据上述实施1中所示，当客户问题采集模块11采集到客户咨询的问题后，利用问题检索模块112根据客户咨询的问题在问答库中进行检索，当检索出相匹配的答复文本时，可将客户咨询的问题接入电子客服模块13，若在问答库中未检索出相应的答复文本时，将客户接入人工客服模块12，但是在通过情感识别模块113识别出客户目前的情绪状态为生气、不满时，及时电子客服模块13可以处理客户的问题，但是不便于给客户提供人性化服务，不便于安抚客户的情绪，会导致客户更加不满，因此，在实施例1的基础上进行完善，如图2所示：

客户问题采集模块11内还包括优先级分配模块；

优先级分配模块用于接收情感识别模块113输出的客户当前情绪，根据客户当前情绪使用优先级分配策略匹配出符合客户的答复形式。

根据上述阐述，当情感识别模块113识别出客户当前情绪为消极情绪时，可优先将此类客户接入人工客服模块12，通过人工客服对客户的情绪进行安抚，提高客户的满意度。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.一种基于大数据分析的智能客服***，包括智能客服单元（10），其特征在于：所述智能客服单元（10），包括客户问题采集模块（11）、人工客服模块（12）、电子客服模块（13）和问答库更新模块（14）；

所述客户问题采集模块（11）用于采集客户咨询的信息，通过对客户咨询信息的关键词提取与问答库中的信息进行匹配，同时对客户当前的情感进行分析，匹配出适合客户的问答形式；所述客户问题采集模块（11）包括语义理解模块（111）、问题检索模块（112）和情感识别模块（113）；所述语义理解模块（111）用于识别客户咨询信息中出现的错别字，根据语义将错别字替换，并将提取到的语句中的关键词传输给问题检索模块（112）；所述问题检索模块（112）用于根据语义理解模块（111）传输的关键词在问答库中检索与客户咨询信息匹配的答复文本；所述情感识别模块（113）用于根据客户咨询时的语音语调以及咨询信息中含有的负面情绪识别客户当前的情绪状态；

所述人工客服模块（12）用于客户接收问题采集模块（11）采集的咨询信息，通过识别人工客服的空闲度，将待处理的客户接入到可最快进行回复的人工客服内；所述人工客服模块（12）包括第一文本接收模块（121）、文本分配模块（122）；所述第一文本接收模块（121）用于接收客户咨询的信息；所述文本分配模块（122）用于检索当前空闲的人工客服，并将第一文本接收模块（121）接收到的客户咨询信息传输给匹配到的人工客服；

所述电子客服模块（13）用于接收客户问题采集模块（11）传输的咨询信息，并输出与客户咨询的信息相匹配的答复文本；所述电子客服模块（13）包括第二文本接收模块（131）和文本输出模块（132）；所述第二文本接收模块（131）用于接收客户咨询的信息；所述文本输出模块（132）用于根据第二文本接收模块（131）接收的咨询信息输出匹配的答复文本；

所述问答库更新模块（14）用于更新问答模板，根据客户咨询信息和历史服务数据的反馈，对问答库内的内容进行更新和优化。

2.根据权利要求1所述的基于大数据分析的智能客服***，其特征在于：所述问题采集模块（11）内还包括优先级分配模块；

所述优先级分配模块用于接收情感识别模块（13）输出的客户当前情绪，根据客户当前情绪使用优先级分配策略匹配出符合客户的答复形式。

3.根据权利要求1所述的基于大数据分析的智能客服***，其特征在于：所述语义理解模块（111）包括错别字替换模块（111）和关键词提取模块（112）；

所述错别字替换模块（111）用于根据客户咨询信息的语义对咨询信息中出现的错别字进行替换；

所述关键词提取模块（112）用于提取客户咨询信息中的关键词。

4.根据权利要求1所述的基于大数据分析的智能客服***，其特征在于：所述文本分配模块（122）包括空闲检索模块（1221）和最少客户识别模块（1222）；

所述空闲检索模块（1221）用于检索当前无待处理客户的人工客服；

所述最少客户识别模块（1222）用于检索当前待处理客户数量最少的人工客服。

5.根据权利要求4所述的基于大数据分析的智能客服***，其特征在于：所述问答库更新模块（14）包括客户意见反馈模块（141）；

所述客户意见反馈模块（141）用于收集客户提出的意见信息，并将客户意见信息反馈至问答库中。

6.应用于包括权利要求1-5中任意一项所述的基于大数据分析的智能客服***的方法，其特征在于：包括以下步骤：

S1、采集客户咨询的信息，通过对客户咨询信息的关键词提取与问答库中的信息进行匹配，同时对客户当前的情感进行分析，匹配出适合客户的问答形式；

S2、识别人工客服的空闲度，将待处理的客户接入到可最快进行回复的人工客服内；

S3、将客户咨询的信息传输给电子客服，电子客服输出与客户咨询的信息相匹配的答复文本；

S4、根据客户咨询信息和历史服务数据的反馈，对问答库内的内容进行更新和优化。