首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >从客服日志挖高频问题——知识库冷启动的 Python 实现

从客服日志挖高频问题——知识库冷启动的 Python 实现

原创
作者头像
三合卓学
发布于 2026-11-16 10:32:59
发布于 2026-11-16 10:32:59
150
举报

整理知识库,起点不是把现有资料搬进去,而是从最近一个月的真实对话里找出最高频的问题。这篇给出一个纯 Python 的日志分析脚本:读入导出的对话文本,统计高频问法,输出一张 Top 20 清单,作为知识库的冷启动输入。

从日志统计高频问题

代码语言:javascript
复制
import csv
import re
from collections import Counter

# 预定义意图与关键词映射:用规则而不是拍脑袋归类,口径可复核
INTENT_MAP = {
    "order_query":  ["到哪", "物流", "快递", "发货了吗"],
    "shipping":     ["几天到", "什么时候发", "包邮"],
    "refund":       ["退款", "退货", "退钱"],
    "invoice":      ["发票", "开票"],
    "product_spec": ["尺寸", "型号", "颜色", "规格"],
}

def classify(text: str) -> str:
    for intent, keys in INTENT_MAP.items():
        if any(k in text for k in keys):
            return intent
    return "other"

def top_questions(log_path: str, top_n: int = 20):
    """log_path: 导出的对话 CSV,至少含一列 user_text"""
    intent_counter, question_counter = Counter(), Counter()
    with open(log_path, encoding="utf-8") as f:
        for row in csv.DictReader(f):
            text = re.sub(r"\s+", "", row["user_text"])
            if not text:
                continue
            intent = classify(text)
            intent_counter[intent] += 1
            if intent != "other":
                question_counter[(intent, text)] += 1
    print("== 意图分布 ==")
    for intent, n in intent_counter.most_common():
        print(f"{intent:14s} {n}")
    print(f"\n== Top {top_n} 高频问法(知识库候选条目)==")
    for (intent, q), n in question_counter.most_common(top_n):
        print(f"[{intent}] {q}  x{n}")

跑完得到的清单直接决定先写哪 20 条答案——覆盖掉高频问题,比铺满全量资料有用得多。

入库前的三点筛选:每条候选答案入库前过一遍——答案是否唯一(唯一才交给机器)、是否涉及金额或责任(涉及就留人工)、是否与当前活动口径一致(不一致就先改口径再入库)。每条答案附三个字段:生效日期、责任人、失效触发条件,任一命中就下架重写。

让修正回流:人工改写日志

代码语言:javascript
复制
CREATE TABLE kb_feedback (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    session_id TEXT NOT NULL,
    bot_answer TEXT NOT NULL,       -- 机器人原答复
    human_answer TEXT NOT NULL,     -- 人工改写后的答复
    reason TEXT,                    -- 坐席顺手标的改写原因
    created_at TEXT NOT NULL DEFAULT (datetime('now','localtime'))
);

每周聚合一次:重复提问率最高的条目说明答案写得含糊,转人工率最高的意图说明分流划错,人工改写次数最多的条目说明口径已经脱节——三类问题各修各的,修完回写知识库,这就是闭环。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档