1.一种基于深度学习的AI数字员工训练方法，其特征在于：所述方法包括如下步骤：确定AI数字员工的目标应用场景和与所述目标应用场景关联的关联应用场景，调取与所述目标应用场景对应的第一员工工作历史数据和与所述关联应用场景对应的第二员工工作历史数据；

对所述第一员工工作历史数据、所述第二员工工作历史数据分别进行特征提取，以获得第一问答特征集、第二问答特征集；

使用深度学习模型对所述第一问答特征集、所述第二问答特征集中的元素进行配准，获得若干组问答特征对，各所述问答特征对中包含第一问答特征和对应的第二问答特征，将各所述问答特征对组建为训练数据集；其中，所述第一问答特征与所述第一问答特征集关联，所述第二问答特征与所述第二问答特征集关联；

使用所述训练数据集对所述AI数字员工进行训练，以使所述AI数字员工具备适用于所述目标应用场景的应对能力；

确定与所述目标应用场景关联的关联应用场景，包括：

调取与所述目标应用场景对应的各应对失败记录数据并对其进行语义理解，获得与各所述应对失败记录数据对应的所属场景；

计算各所述所属场景与所述目标应用场景的匹配度，获得匹配度低于匹配阈值的若干目标所属场景，并依据所述匹配度对各所述目标所属场景按从大到小进行排序；

确定所述目标应用场景的应对繁忙度，根据所述应对繁忙度筛选排序靠前的指定数量的所述目标所属场景，将被筛选的所述目标所属场景确定为关联应用场景；其中，所述应对繁忙度基于目标应用场景中客户单位时间的咨询数量的平均值来实现，该平均值越大，则对应的应对繁忙度越高，反之则越低。

2.根据权利要求1所述的一种基于深度学习的AI数字员工训练方法，其特征在于：所述对所述第一员工工作历史数据、所述第二员工工作历史数据分别进行特征提取，以获得第一问答特征集、第二问答特征集，包括：对所述第一员工工作历史数据进行特征提取，获得所述第一问答特征集；

对所述第二员工工作历史数据进行特征提取，获得若干初始问答特征，将各所述初始问答特征转化为自然语言，得到初始问答对话；

使用BERT模型对各所述初始问答对话进行语义理解，获得各中间问答对话，使用聚类算法将各所述中间问答特征聚类为若干目标问答对话，对各所述目标问答对话进行特征提取，获得若干目标问答特征，各目标问答特征构成所述第二问答特征集。

3.根据权利要求2所述的一种基于深度学习的AI数字员工训练方法，其特征在于：所述使用深度学习模型对所述第一问答特征集、所述第二问答特征集中的元素进行配准，获得若干组问答特征对，包括：深度学习模型根据问答类型将所述第一问答特征集中的各所述第一问答特征、所述第二问答特征集中的各所述第二问答特征分别进行分组，获得若干第一分组和若干第二分组；

获取各所述应对失败记录数据对应的若干历史问答记录，计算全部所述应对失败记录数据对应的所述历史问答记录的记录数量的平均记录数量，将所述平均记录数量确定为配准数量；其中，所述历史问答记录在时间上早于所述应对失败记录数据，且属于同一客户的单次问答；

随机选择若干所述配准数量的所述第二分组与某一所述第一分组进行关联，获得若干组问答特征对。

4.根据权利要求3所述的一种基于深度学习的AI数字员工训练方法，其特征在于：所述深度学习模型根据问答类型将所述第一问答特征集中的各所述第一问答特征、所述第二问答特征集中的各所述第二问答特征分别进行分组，包括：所述深度学习模型调取与所述目标应用场景对应操作规范文件，根据所述操作规范文件确定得出若干所述问答类型；

根据所述问答类型将所述第一问答特征集中的各所述第一问答特征、所述第二问答特征集中的各所述第二问答特征分别进行分组。

5.根据权利要求4所述的一种基于深度学习的AI数字员工训练方法，其特征在于：所述根据所述操作规范文件确定得出若干所述问答类型，包括：所述深度学习模型对所述操作规范文件中的目录部分进行解析，确定各主级板块对应的次级板块的配置数量，计算各所述配置数量的平均配置数量；

若所述平均配置数量超出阈值，则设置所述深度学习模型根据所述操作规范文件确定得出若干所述问答类型；

否则，设置所述深度学习模型不根据所述操作规范文件确定得出若干所述问答类型。

6.一种基于深度学习的AI数字员工训练系统，所述系统基于权利要求1‑5任一项所述的方法，所述系统包括调取模块、特征提取模块、训练集组建模块、训练模块；其特征在于：所述调取模块，用于确定AI数字员工的目标应用场景和与所述目标应用场景关联的关联应用场景，调取与所述目标应用场景对应的第一员工工作历史数据和与所述关联应用场景对应的第二员工工作历史数据；

所述特征提取模块，用于对所述第一员工工作历史数据、所述第二员工工作历史数据分别进行特征提取，以获得第一问答特征集、第二问答特征集；

所述训练集组建模块，用于使用深度学习模型对所述第一问答特征集、所述第二问答特征集中的元素进行配准，获得若干组问答特征对，各所述特征对中包含第一问答特征和对应的第二问答特征，将各所述问答特征对组建为训练数据集；其中，所述第一问答特征与所述第一问答特征集关联，所述第二问答特征与所述第二问答特征集关联；

所述训练模块，用于使用所述训练数据集对所述AI数字员工进行训练，以使所述AI数字员工具备适用于所述目标应用场景的应对能力。

7.一种电子设备，其特征在于：该电子设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1‑5任一项所述的方法。

8.一种计算机存储介质，其特征在于：该计算机存储介质存储有可被处理器执行以实现如权利要求1‑5任一项所述方法的计算机程序。

9.一种计算机程序产品，其特征在于：该计算机程序产品包含可被处理器执行以实现如权利要求1‑5任一项所述方法的计算机程序。