本技术涉及自动回访，尤其涉及一种自动回访方法、设备及存储介质。
背景技术：
1、在互联网和电子商务迅猛发展的时代背景下，用户服务与售后支持的重要性日益凸显，已然成为企业商业成功的关键因素。然而，传统的人工客服回访方式存在诸多弊端，如耗时长、成本高，且难以保证每次回访的质量和用户满意度达到统一标准。同时，当需要处理大规模的用户数据时，人工回访的方式显得力不从心，既无法准确捕捉用户的详细反馈，也难以进行深度的数据分析。
2、为了克服上述问题，近年来，业界开始积极探索自动化解决方案，以期提升用户服务的效率与质量。其中，自然语言处理技术的引入，使得机器能够解析和理解人类语言，从而在自动回访系统中模拟人工客服的沟通功能。此技术的运用不仅显著降低了运营成本，还有效提高了用户服务的覆盖范围和响应速度。然而，现有的自动回访系统的针对性和个性化服务能力较差。
3、因此，如何提升自动回访系统的针对性和个性化服务能力是亟需解决的问题。
技术实现思路
1、本技术提供一种自动回访方法、设备及存储介质，用以解决自动回访系统的针对性和个性化服务能力较差的问题。
2、第一方面，本技术提供一种自动回访方法，包括：
3、获取用户的购物回访信息，所述购物回访信息中包括的回访内容，以及，所述用户的用户画像，所述用户画像与用户信息、用户消费偏好、以及历史回访数据相关，所述用户信息、用户消费偏好、以及历史回访数据来源于至少两个数据源；
4、通过情绪识别模型对所述回访内容进行情绪识别，获取所述购物回访信息对应的回访情绪；
5、根据所述购物回访信息、以及所述回访情绪，生成针对所述购物回访信息的反馈信息，所述反馈信息所采用的语气和/或语言风格与所述回访情绪相关；
6、输出所述反馈信息。
7、可选地，所述通过情绪识别模型对所述回访内容进行情绪识别，获取所述购物回访信息对应的回访情绪，包括：
8、利用自然语言处理模型对所述回访内容进行分词处理，获得与所述回访内容的关键词集合，所述关键词集合中包括情绪关键词；
9、根据所述关键词集合，构建关键词关联图谱，所述关联图谱用于根据关键词之间的关联关系确定与所述情绪关键词相关的关联关键词，所述关联关键词与所述情绪关键词的关联结果用于间接反映所述回访情绪；
10、根据所述情绪关键词、所述关联关键词在所述购物回访信息中的位置、频率、以及所述情绪关键词与所述关联关键词在关联图谱中的连接强度，确定所述情绪关键词的权重、所述关联关键词的权重；
11、利用训练好的深度学习模型，根据所述关键词集合、所述情绪关键词的权重、所述关联关键词的权重提取所述关键词集合中的情绪特征向量；
12、根据所述情绪特征向量，对所述回访内容进行情绪识别和情绪分类，以获取所述购物回访信息对应的回访情绪。
13、可选地，所述根据所述关键词集合、所述情绪关键词的权重、所述关联关键词的权重提取所述关键词集合中的情绪特征向量，包括：
14、根据所述关键词集合，获得所述关键词集合中每个关键词对应的特征向量；
15、根据所述情绪关键词的权重和所述关联关键词的权重，分别所述情绪关键词对应的特征向量和所述关联关键词对应的特征向量进行加权处理，生成所述情绪关键词的加权特征向量和所述关联关键词的加权特征向量；
16、通过所述训练好的深度学习模型的特征提取层处理所述情绪关键词的加权特征向量和所述关联关键词的加权特征向量，利用池化操作整合提取所述关键词集合的情绪特征向量。
17、可选地，所述根据所述购物回访信息、以及所述回访情绪，生成针对所述购物回访信息的反馈信息，包括：
18、提取所述购物回访信息中的回访内容的评价文本特征，所述评价文本特征用于对所述回访内容中涉及的问题进行分类；
19、运用文本分类算法处理所述评价文本特征，生成回访内容的问题分类结果；
20、根据所述问题分类结果，以及，问题分类结果与初始反馈信息的映射关系，获得所述初始反馈信息；
21、根据所述回访情绪，确定调整所述反馈信息的反馈策略；
22、通过所述反馈策略调整所述初始反馈信息的描述方式，生成所述反馈信息。
23、可选地，所述方法还包括：
24、从所述用户的用户信息、所述用户消费偏好、以及所述历史回访数据中提取所述用户的初始用户行为特征，所述初始用户行为特征包括所述用户的人口统计学特征、位置特征、消费频率特征、消费类型偏好特征、消费能力特征、满意度特征、反馈主题特征；
25、通过主成分分析对所述初始用户行为特征进行降维处理，生成目标用户行为特征，所述目标用户行为特征与所述用户的行为或需求的相关度高于预设相关度阈值；
26、对所述目标用户行为特征进行聚类分析，生成所述用户的用户画像标签；
27、根据所述用户画像标签，生成所述用户的用户画像。
28、可选地，所述方法还包括：
29、根据所述回访内容和所述回访内容的问题分类结果进行针对关联商品的相关性分析，获得与所述回访内容相关的目标关联商品信息；
30、从所述用户画像中提取所述用户的用户偏好特征，所述用户偏好特征包括商品偏好、反馈信息偏好、行为偏好；
31、通过随机森林模型对所述目标关联商品信息、所述用户偏好特征、以及所述回访情绪进行综合预测，获取反馈辅助信息，所述反馈辅助信息用于指示所述用户感兴趣的关联商品、反馈内容、未来行为或未来需求；
32、将所述反馈辅助信息融入所述反馈信息，生成针对所述购物回访信息的反馈信息。
33、其中，所述根据所述回访内容和所述回访内容的问题分类结果进行针对关联商品的相关性分析，获得与所述回访内容相关的目标关联商品信息，包括：
34、根据所述回访内容的问题分类结果确定反馈信息的反馈类别，所述反馈类别包括关联商品推荐类别；
35、若所述反馈类别为关联商品推荐类别，则通过自然语言处理技术从所述回访内容的中提取回访关键词，所述回访关键词与所述目标关联商品的类型和/或型号相关；
36、将所述回访关键词输入预先构建的第一知识图谱中，检索所述第一知识图谱中与所述回访关键词相关性大于或等于第一相关性阈值的候选关联商品，所述第一知识图谱中的节点为商品，边为所述商品之间的关系，所述关系包括互补关系、替代关系、价格关系中至少一项；
37、根据各所述候选关联商品与所述回访内容的相关性、各所述候选关联商品的历史销售数据、以及各所述候选关联商品的用户反馈，对所述各所述候选关联商品进行排序；
38、根据所述排序的结果，以及预设数量，将所述排序结果中前预设数量个候选关联商品作为所述目标关联商品信息；
39、其中，所述通过随机森林模型对所述目标关联商品信息、所述用户偏好特征、以及所述回访情绪进行综合预测，获取反馈辅助信息，包括：
40、根据所述目标关联商品信息、所述用户偏好特征、所述回访情绪，获取第一特征、第二特征、以及第三特征，所述第一特征包括所述目标关联商品的价格、品牌、类别，所述第二特征包括所述用户的购买偏好，所述第三特征包括所述用户反馈的情感倾向；
41、创建所述第一特征、所述第二特征、以及所述第三特征的交互项，所述交互项包括平方项、立方项、乘积项中的至少一项；
42、根据所述交互项，生成第四特征，所述第四特征为基于所述所述第一特征、所述第二特征、以及所述第三特征的扩展特征；
43、配置一个初始随机森林模型，所述初始随机森林模型用于接收所述第一特征、所述第二特征、所述第三特征、以及所述第四特征作为输入，并输出反馈辅助信息，所述初始随机森林模型中包括多层结构的多颗决策树，所述多层结构的多颗决策树用于对捕捉所述第一特征、所述第二特征、所述第三特征、以及所述第四特征之间的潜在关系，所述初始随机森林模型用于基于预先配置的训练数据集进行训练生成所述随机森林模型，通过训练的召回率优化所述随机森林模型的模型参数，其中，所述预先配置的训练数据集包含已知的目标关联商品信息、已知的用户偏好特征、以及已知的回访情绪；
44、将所述第一特征、所述第二特征、所述第三特征、以及所述第四特征通过杜热编码转换为二进制向量，并输入所述随机森林模型，生成与所述用户感兴趣的关联商品相关的反馈内容，所述反馈内容中包括通过与所述回访情绪相关的反馈方式生成的表征所述用户的未来行为或未来需求的关联商品推荐内容；
45、将所述关联商品推荐内容作为所述反馈辅助信息。
46、可选地，所述方法还包括：
47、获取所述用户针对所述反馈信息的用户评价；
48、通过所述情绪识别模型对所述用户评价进行情绪识别，获得所述用户评价对应的评价情绪；
49、通过预设的优化奖励函数对所述用户评价和所述用户评价对应的评价情绪进行分析，确定所述用户评价对应的奖励得分；
50、根据所述奖励得分，确定优化生成所述反馈信息的生成过程的优化方向，以优化生成所述反馈信息的生成过程。
51、第二方面，本技术提供一种电子设备，包括：处理器，通信接口以及存储器，所述处理器分别与所述通信接口和所述存储器通信连接；
52、所述存储器存储计算机执行指令；
53、所述通信接口与外部设备进行通信交互；
54、所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面中任一项所述的方法。
55、第三方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面中任一项所述的方法。
56、第四方面，本技术提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述的方法。
57、本技术提供的自动回访方法、设备及存储介质，通过获取用户的购物回访信息，通过情绪识别模型对所述回访内容进行情绪识别，获取所述购物回访信息对应的回访情绪，根据所述购物回访信息、以及所述回访情绪，生成针对所述购物回访信息的反馈信息，输出所述反馈信息，从而通过自动化地获取购物回访信息、情绪识别、用户画像，生成个性化的反馈信息，减少了人工处理的时间和成本，提升了自动回访的针对性和个性化服务能力。
1.一种自动回访方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过情绪识别模型对所述回访内容进行情绪识别，获取所述购物回访信息对应的回访情绪，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述关键词集合、所述情绪关键词的权重、所述关联关键词的权重提取所述关键词集合中的情绪特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述购物回访信息、以及所述回访情绪，生成针对所述购物回访信息的反馈信息，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：
8.一种电子设备，其特征在于，包括：处理器，通信接口以及存储器，所述处理器分别与所述通信接口和所述存储器通信连接；
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的方法。
10.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。
