随着互联网的发展,电子商务正在逐步取代传统的零售业,在线购物已成为大众生活的一部分,商家的服务中心开始由商品转向客户。如何利用有限的时间,与客户有效沟通,了解客户需求,尽量激发客户的购物意愿,是商家提高竞争力的重要手段。在大多数网络购物场景中,客户往往希望对商品的咨询得到及时的解答,否则很可能转向其他商家。因此,在海量客服会话数据中,实时挖掘出具有潜在购物意愿的客户(潜在购物客户),以对其提供重点服务,对于提升客服效率和企业效益非常重要。目前,基于客户历史行为(历史购买记录、浏览记录等)预测客户购物意愿的研究较多,而基于客服会话实现在线预测的研究很少。相对于后者,基于客户历史行为的预测模型存在以下主要不足:(1)实时性差;(2)难以对新客户的购物意愿做出准确判断;(3)老客户的每次客服咨询不一定都具有购物意愿;(4)客户对于具体商品的购物意愿经常会转移;(5)基于客服会话实时预测客户的购物意愿,是智能客服的关键功能之一。为此,本文基于电子商务平台的实时客服会话数据,研究如何构建客户购物意愿在线预测模型,实现潜在购物客户的实时挖掘,其主要工作包括:(1)基于某省电信公司微信营业厅在线预测客户购物意愿的需求,针对性地开展相关概念、方法、算法、技术的研究分析。(2)基于真实的电商平台客服会话数据,详细分析其特征,研究相关的预处理和标注方法。(3)基于深度学习技术,给出了一个基于Word2Vec、BiLSTM、Transformer、Attention、CRF的购物意愿预测模型并予以测试验证。(4)结合实际应用场景,针对客服会话数据流,研究应用先进的并行计算架构和技术,设计了一个可伸缩的缓存算法,实现并行化处理客服会话数据,有效提高处理效率。(5)为验证本文研究成果并实用化,给出了一个基于客服会话的在线客户购物意愿预测系统的设计方案,并予以实现和测试。