CN105408919A - 查询响应设备 - Google Patents

查询响应设备 Download PDF

Info

Publication number
CN105408919A
CN105408919A CN201480039999.9A CN201480039999A CN105408919A CN 105408919 A CN105408919 A CN 105408919A CN 201480039999 A CN201480039999 A CN 201480039999A CN 105408919 A CN105408919 A CN 105408919A
Authority
CN
China
Prior art keywords
user
engine
message
virtual assistant
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201480039999.9A
Other languages
English (en)
Other versions
CN105408919B (zh
Inventor
A·罗伊特曼
A·纳瑞西
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Accenture Global Services GmbH
Original Assignee
Accenture Global Services GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Accenture Global Services GmbH filed Critical Accenture Global Services GmbH
Priority to CN201811004974.1A priority Critical patent/CN109190763B/zh
Publication of CN105408919A publication Critical patent/CN105408919A/zh
Application granted granted Critical
Publication of CN105408919B publication Critical patent/CN105408919B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24564—Applying rules; Deductive queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/42—Systems providing special services or facilities to subscribers
    • H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
    • H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/42—Systems providing special services or facilities to subscribers
    • H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
    • H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
    • H04M3/5166—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing in combination with interactive voice response systems or voice portals, e.g. as front-ends
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/42—Systems providing special services or facilities to subscribers
    • H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
    • H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
    • H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
    • H04M3/5232—Call distribution algorithms
    • H04M3/5233—Operator skill based call distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M7/00—Arrangements for interconnection between switching centres

Abstract

本发明涉及一种查询响应设备，包括：适合于接收用户查询的输入；适合于存储一个或多个路由规则的存储器(106)；被配置为支持与一个或多个现场代理的交互的一个或多个现场代理引擎(116)；被配置为支持与由人工智能模块(103)实例化的一个或多个虚拟助手的交互的一个或多个虚拟助手引擎(120)；以及被耦合到所述现场代理引擎和所述虚拟助手引擎的路由模块(104)，路由模块(104)包括处理设备，该处理设备被配置为：基于来自与第一用户查询有关的第一用户的至少第一用户消息的内容并且基于所述一个或多个路由规则来选择所述现场代理引擎中的第一现场代理引擎或者所述虚拟助手引擎中的第一虚拟助手引擎；以及将与第一用户查询有关的一个或多个另外的用户消息路由至选择的引擎。

Description

查询响应设备
相关申请的交叉引用
本申请要求于2013年7月3日提交的欧洲专利申请第13305948号的优先权，其内容在法律允许的程度通过引用而被并入于此。
技术领域
本公开内容涉及查询响应系统，并且特别地涉及用于使用人工智能对用户查询做出响应的设备和方法。
背景技术
计算机解决方案(并且特别地是被称为人工智能的特定算法和过程)正被希望与客户端或顾客通信的公司越来越多地使用。主要益处是清楚的；实现人工智能解决方案的成本是雇佣人来执行相同角色的成本的一小部分。
然而，在基于人工智能实现这样的系统时存在技术困难。特别地，尽管系统对于简单查询可能相对高效，但是在更复杂查询或者之前从未被呈现给系统的查询的情况下，当前的解决方案是不够的，因为在使用现有人工智能技术来解决问题的尝试中(其经常将以失败告终)将浪费时间和处理资源。这除了导致不佳的用户满意率之外，还导致在所需存储器和处理资源方面对系统的沉重负担。另外，鉴于这种低效率，基于当前技术的人工智能解决方案通常必需被设计为应对大量的并发用户查询，从而导致复杂且昂贵的基础设施。
因而存在对克服以上缺点的查询响应解决方案的需要。
发明内容
本公开内容的实施例的目的在于至少部分地处理现有技术中的一个或多个需求。
根据一个方面，提供了一种查询响应设备，包括：适合于接收用户查询的输入；适合于存储一个或多个路由规则的存储器；被配置为支持与一个或多个现场代理的交互的一个或多个现场代理引擎；被配置为支持与由人工智能模块实例化的一个或多个虚拟助手的交互的一个或多个虚拟助手引擎；以及被耦合到所述现场代理引擎和所述虚拟助手引擎的路由模块，该路由模块包括处理设备，该处理设备被配置为：基于来自与第一用户查询有关的第一用户的至少第一用户消息的内容并且基于所述一个或多个路由规则来选择所述现场代理引擎中的第一现场代理引擎或者所述虚拟助手引擎中的第一虚拟助手引擎；以及将与第一用户查询有关的一个或多个另外的用户消息路由至选择的引擎，其中当选择的引擎是现场代理引擎中的第一现场代理引擎时，处理设备还被配置为：截获第一现场代理引擎与第一用户之间的一个或多个消息；以及将截获的一个或多个消息的内容供应给机器学习模块以便修改人工智能模块的能力。
根据一个实施例，机器学习模块适合于基于所述内容来创建将被人工智能模块遵循的至少一个新规则。
根据一个实施例，人工智能模块适合于将至少一个新规则应用于从第二用户接收的第二用户查询。
根据一个实施例，选择的引擎是第一虚拟助手引擎，并且处理设备还被配置为在第一用户与第一虚拟助手引擎之间的N个另外的消息之后邀请现场代理引擎中的一个现场代理引擎与第一用户通信，其中N是正整数。
根据一个实施例，处理设备还被配置为基于用户满意阈值水平来确定N的值。
根据一个实施例，机器学习模块被配置为基于第一用户与第一现场代理引擎之间的一个或多个消息来创建将被人工智能模块遵循的至少一个新规则。
根据一个实施例，路由模块的处理设备被配置为：针对所述第一用户消息选择所述第一虚拟助手引擎；以及针对与第二用户查询有关的第二用户消息选择所述第一现场代理引擎并且将所述第二用户查询路由至所述第一现场代理引擎。
根据一个实施例，所述路由规则基于关键字在至少第一用户消息中的存在，所述关键字在所述第一用户消息中的存在指示：与第一用户查询有关的一个或多个另外的用户消息应当被路由至所述第一虚拟助手引擎；或者与第一用户查询有关的一个或多个另外的用户消息应当被路由至所述第一现场代理引擎。
根据一个实施例，关键字中的每个关键字与确定现场代理引擎被路由模块选择的似然性的显著性水平相关联，其中机器学习模块适合于基于截获的一个或多个消息的内容来修改至少一个关键字的显著性水平。
根据一个实施例，路由模块的处理设备还被配置为将来自所述第一用户的一个或多个另外的消息路由至所述选择的引擎，并且基于所述一个或多个另外的消息的内容并基于所述路由规则来确定：如果所述选择的引擎是所述第一现场代理引擎，则来自所述第一用户的一个或多个后续消息应当被路由至所述虚拟助手引擎中的一个虚拟助手引擎；或者如果所述选择的引擎是所述第一虚拟助手引擎，则来自所述第一用户的一个或多个后续消息应当被路由至所述现场代理引擎中的一个虚拟助手引擎。
根据一个实施例，人工智能模块适合于基于标识符来标识所述第一用户，并且适合于查阅一个或多个信息源以获得关于所述第一用户的另外的信息。
根据一个实施例，路由模块的处理设备还被配置为对所述用户查询执行自然语言处理以便提取所述内容。
根据另一方面，提供了一种由查询响应设备处理用户查询的方法，该方法包括：在所述查询响应设备的输入处接收与来自第一用户的第一用户查询有关的第一用户消息；由路由模块的处理设备基于至少所述第一用户消息的内容并且基于在存储器中存储的一个或多个路由规则来选择：被配置为支持与一个或多个现场代理的交互的一个或多个现场代理引擎(116)中的第一现场代理引擎；或者被配置为支持与由人工智能模块实例化的一个或多个虚拟助手的交互的一个或多个虚拟助手引擎中的第一虚拟助手引擎；以及由所述路由模块将与所述第一用户查询有关的一个或多个另外的用户消息路由至选择的引擎，其中当选择的引擎是第一现场代理引擎时，该方法还包括：截获第一现场代理引擎与第一用户之间的一个或多个消息；以及将截获的一个或多个消息的内容供应给机器学习模块以便修改人工智能模块的能力。
根据一个实施例，该方法还包括由机器学习模块基于内容来创建将被人工智能模块遵循的至少一个新规则。
根据一个实施例，该方法还包括由人工智能模块将至少一个新规则应用于从第二用户接收的第二用户查询。
根据一个实施例，选择基于定义将被应用于用户查询的自动化的水平的系统设定。
根据一个实施例，选择的引擎是第一虚拟助手引擎，该方法还包括在第一用户与第一虚拟助手引擎之间的N个另外的消息之后邀请现场代理引擎中的一个现场代理引擎与第一用户通信，其中N是正整数。
根据一个实施例，该方法还包括基于另外消息中的一个或多个消息的内容并且基于用户满意阈值来确定N的值。
根据一个实施例，该方法还包括由机器学习模块基于第一用户与第一现场代理引擎之间的一个或多个消息来创建将被人工智能模块遵循的至少一个新规则。
根据一个实施例，该方法还包括：针对所述第一用户消息选择所述第一虚拟助手引擎；以及针对与第二用户查询有关的第二用户消息选择所述第一现场代理引擎并且将所述第二用户查询路由至所述第一现场代理引擎。
根据一个实施例，所述路由规则基于关键字在至少第一用户消息中的存在，所述关键字在所述第一用户消息中的存在指示：与第一用户查询有关的一个或多个另外的用户消息应当被路由至所述第一虚拟助手引擎；或者与第一用户查询有关的一个或多个另外的用户消息应当被路由至所述第一现场代理引擎。
根据一个实施例，关键字中的每个关键字与确定现场代理引擎被路由模块选择的似然性的显著性水平相关联，该方法还包括由机器学习模块基于截获的一个或多个消息的内容来修改至少一个关键字的显著性水平。
根据一个实施例，该方法还包括：将来自所述第一用户的一个或多个另外的消息路由至所述选择的引擎；以及基于所述一个或多个另外的消息的内容并基于所述路由规则来确定：如果所述选择的引擎是所述第一现场代理引擎，则来自所述第一用户的一个或多个后续消息应当被路由至所述虚拟助手引擎中的一个虚拟助手引擎；或者如果所述选择的引擎是所述第一虚拟助手引擎，则来自所述第一用户的一个或多个后续消息应当被路由至所述现场代理引擎中的一个现场代理引擎。
根据一个实施例，该方法还包括截获所述第一现场代理引擎与所述第一用户之间的一个或多个消息，以及将所述消息的内容供应给机器学习模块以便修改人工智能模块的能力。
根据一个实施例，所述人工智能模块适合于基于标识符来标识所述第一用户，并且适合于查阅一个或多个信息源以获得关于所述第一用户的另外的信息。
根据一个实施例，该方法还包括对所述用户查询执行自然语言处理以便提取所述内容。
根据另一方面，提供了一种存储计算机程序的计算机可读存储介质，该计算机程序当被处理设备执行时使得以上方法被实现。
本公开内容描述了一种组合人工智能、现场支持、知识管理、社交众包和自服务的机器—人类顾客交互系统。其具有以下组合的能力。
—其以性能/产出驱动的方式使人类驱动的交互和机器驱动的交互连在一起。
—其允许灵活地设置人类驱动交互模式与机器驱动交互模式之间的平衡，以通过中央系统监督所有交互并且在需要时通过现场移交来干预。
—其通过从所有交互(人类驱动的交互和机器驱动的交互)学习来逐渐地使底层人工智能丰富。
—其连接到内部数据源和外部数据源以使人工智能变得上下文感知和个性化，并且使用数据驱动型优化技术来提高交互性能。
虚拟助手解决方案一般可以按照变化的精度水平来自动处理跨多个渠道的顾客交互。它们通常依赖于人工引擎，该人工引擎接收顾客输入、使用自然语言处理技术来以其与定义的或者统计地生成的规则集合相匹配以便触发最合适的人工智能流程和对应的响应序列回到顾客。在某些情况下，响应序列包含与现场代理交互的邀请，从而有效地使交谈转向到另一渠道。
在这里描述的解决方案例如以所有数字渠道(例如，web聊天、语音、自服务搜索、社会护理、社区平台、店内)为目标并且引入路由模块的概念，该路由模块扮演智能交互经纪的角色，并且例如担当两个角色：
—截获并调度跨现场代理(人类)和虚拟助理(机器)引擎的交互。这例如允许针对目标精度水平和顾客满意度自动地取得在人类驱动的交互与机器驱动的交互之间的正确平衡，并且允许前摄地干预机器驱动的交互。
—监视所有交互并且通过不断地丰富人工智能引擎处理新交互的能力来向它们学习，从而逐渐地在复发任务上替代对现场代理的需要并且允许它们聚焦于更高价值(例如，追加销售)、更复杂(例如，复杂问题解决)或者新颖的交互。
机器学习功能例如不仅依赖于由智能交互经纪提供的数据，而且依赖于其他结构化数据源和非结构化数据源(诸如社交社区平台)以便丰富人工智能引擎并且更新用于自我护理或者由现场代理使用的现有知识库。系统因而超越了在人与机器之间调度顾客交互；其集成(并且增加)依赖于知识库的面对顾客能力的生态系统(例如，自我护理系统、Q&A搜索门户、众包平台)。
机器学习例如按照以下方式工作：
—每个交互(例如，输入和输出)被截获并且使用自然语言处理技术(例如，主题分类和特征提取)和事件检测而被过滤以注入交互序列的堆栈，这些交互序列是用于提供用来丰富现有人工智能规则的输入的良好候选。良好候选例如可以是在人工智能中尚未被考虑在内的问题解决方案，或者是解决常见问题的新方式(例如，80％的序列已被触发，但还没有成功的产出)。
—除了这一自动化过滤过程之外，现场代理和监督者例如可以出于人工智能丰富的考虑而前摄地标记交谈序列，例如，在现场代理web聊天应用中，如果代理相信给定交谈是良好的候选则他或她可以在该交谈的上下文中点击“针对机器学习来标记”按钮。系统可以通过自动地提高警告或者指示候选水平以诱使用户考虑当前交谈以用于标记来辅助用户。
—候选者序列然后例如被自动和手动地处理以丰富现有的人工智能流程和规则。
—在正在进行的基础上，受监督和未受监督的数据驱动型优化技术例如被用于细化这些流程和规则(例如，A/B测试和优化)。
人工智能经由集成主干实时地连接到外部和内部的系统以处理与顾客的上下文感知(例如，进入产品目录或者社交媒体兴趣图的能力)和个性化(例如，CRM集成)的交谈。
在任何时候，监督者或者操作者例如可以经由任何设备使用仪表盘来监视和分析人类驱动的交谈和机器驱动的交谈两者的表现。性能例如根据KPI(关键业绩指标)(诸如关闭的序列的数目、顾客满意度(当显式反馈被询问时，例如，“该答案是否有用”？)、触发的回退序列的数目(当系统无法找到答案时))被测量。监督者/操作者例如也可以查看异常或者有风险的交互并且决定将机器驱动的交谈移交给现场代理。最后，在一些示例中，监督者可以根据风险水平设置表现的阈值水平，该阈值水平将被智能交互经纪用来自动地促使机器驱动的交互相对于人类驱动的交互的最佳平衡。
附图说明
根据参考附图以例示而非限制方式给出的对实施例的以下详细描述，前述和其他的特征和优点将变得显而易见，在附图中：
图1示意性地图示了根据本公开内容的一个示例实施例的查询响应系统；
图2示意性地图示了根据本公开内容的一个示例实施例的图1的查询响应设备的硬件实现方式的一个示例；
图3更详细地示意性地图示了根据一个示例实施例的图1的系统；
图4是表示根据一个示例实施例的图1的系统的功能的框图；
图5是图示了根据本公开内容的一个示例实施例的路由用户查询的方法中的操作的流程图；
图6是图示了根据本公开内容的一个示例实施例的用于将用户移交给现场代理的方法中的操作的流程图；
图7是表示作为系统自动化的函数的顾客满意度的示图；以及
图8是图示了根据本公开内容的一个示例实施例的将用户移交给虚拟助理引擎的方法中的操作的流程图。
具体实施方式
图1示意性地图示了用户响应系统100。系统100包括用户响应设备102，用户响应设备102充当用户、现场代理和由人工智能模块103实例化的虚拟助手之间的接口。
用户响应设备102包括路由模块104，路由模块104应用路由规则106。路由模块104接收来自N个用户设备108的用户查询，其中与对应用户USER(用户)1、USER2和USERN相关联的三个在图1中的示例中被图示。用户设备108例如对应于在任何一个时间与用户响应设备102主动通信的那些用户设备，并且这样的设备的数目N(其可能实时变化)可以是一与数百或数千之间的任何。
用户设备108经由一个或多个由图1中的虚线框表示的一个或多个中间网络110而被耦合到用户查询设备102，中间网络110可以包括有线或无线网络或者LAN(局域网)、因特网和/或一个或多个移动通信网络，等等。
用户查询以及此后描述的用户与现场代理/虚拟助手之间的后续消息可以是键入的文本和/或语音的形式，并且例如被传输到路由模块104并被继续以数据分组形式传输到它们的目的地。每个数据分组例如包括指示查询所源自的用户设备108的标识符的头部。
路由模块104将用户查询路由至与现场代理相关联的现场代理引擎112，或者将其路由至与人工智能模块103相关联的虚拟助手引擎114。由人工智能模块实例化的虚拟助手例如与执行计算机程序并且能够与用户设备进行电子通信的处理设备对应，以便在一定程度上模仿人类助手的行为。
如将在下面更详细地描述的，这一路由例如至少基于用户查询的内容。附加地，其可以基于其他信息，诸如与做出查询的用户相关联的位置和/或客户端历史。路由例如通过简单切换而被实现，简单切换将包含用户查询的数据的分组和来自用户的后续交互引导至现场代理引擎112。附加地或者备选地，路由可以通过截获分组并且更新分组的头部数据和/或分组的内容而被执行，以便使分组寻址到选择的目的地。
现场代理引擎112例如构成查询响应设备112的一部分，并且包括通信引擎“L.A.ENGINE(引擎)1”至“L.A.ENGINEP”。这些引擎中的每个引擎提供通往对应现场代理设备118的接口，并且例如支持一个或多个用户与现场代理之间的交互。例如，这些引擎116对应于至少部分地提供与每个现场代理的通信接口的一个或多个软件应用。在备选实施例中，这些引擎可以在对应的代理设备118上被至少部分地实现。
这样的引擎的数目P例如定义了可以在任何给定时刻与用户通信的现场代理的最大数目，并且例如等于现场代理设备118的数目。可以存在任何数目的现场代理引擎，例如从1到数百或数千。
虚拟助手引擎114包括多个引擎120(在图1中被标记为“V.A.ENGINE1”至“V.A.ENGINEQ”，并且例如构成用户响应设备102的一部分。备选地，这些引擎可以在人工智能模块103(其可以与查询响应设备102集成或者远离查询响应设备102)内被至少部分地实现。可以存在任何数目Q个虚拟助手引擎，例如从1到数百或数千。
这些虚拟助手引擎120中的每个虚拟助手引擎被配置为特别地利用由人工智能模块103实例化的虚拟助手来支持一个或多个用户与人工智能模块103之间的交互。人工智能模块103例如应用用于处理用户查询的一组规则和/或算法，并且能够维持与用户的键入交谈或口述交谈直到用户查询已被解决的时刻。例如，人工智能模块103向用户查询应用自然语言处理以便提取这些查询的内容，并且以便能够解译为了解决用户查询需要什么响应。
在一些实施例中，路由规则106可以定义一个或多个关键字。如果这些关键字中的一个关键字在用户查询中存在，则路由规则例如定义该查询应当经由现场代理引擎112中的一个现场代理引擎由现场代理处理，或者经由虚拟助手引擎114中的一个拟助手引擎由虚拟助手处理。作为示例，如果诸如“病毒”、“无信号”等关键字在用户查询中存在，则这可以指明一种类型的技术查询，该类型的技术查询解决起来复杂并且最好由现场代理处理以便避免人工智能模块103的冗长且徒劳的使用。备选地，诸如“改变我的报价”或者“升级我的电话”之类的关键字可以被识别为与销售有关的查询，其可以由虚拟助手以高效方式处理。
对本领域技术人员将会显而易见的是，在系统中定义的特定路由规则106可以被选择以提供在人工智能模块103的高效使用同时使现场代理的使用最小化之间的均衡。特别地，在许多情形中，释放现场代理的时间以使得它们可以将它们的时间投资于更有利的活动(诸如监督角色)以便提高查询解决的质量将是有益的。
附加地，其他信息可以被如在路由规则106中定义的路由模块104使用，以决定每个用户查询应当被如何路由。例如，上下文数据(诸如用户所处的国家、用户所说的语言、与给定用户的过往交互等)可以确定何时查询由现场代理处理更好还是由虚拟助手处理更好。
在查询已被路由至现场代理引擎112或者虚拟助手引擎114之后，路由模块104可以继续截获用户与代理/虚拟助手之间的交互。这可以出于一个或两个目的服务。
首先，稍后在查询解决期间可以确定正被代理处理的用户可以被移交给虚拟助理，或者确定虚拟助理已经达到其能够解决查询的极限，并且用户应当被移交给现场代理。在任一情况下，这样的转移可以使用路由模块104以高效方式被实现。例如，路由模块104存储交互的历史(诸如每个用户与现场代理/虚拟助手之间的消息)，并且为了实现这样的转移，路由模块可以向将处理该用户的新引擎提供这一交互历史。
其次，在查询正被现场代理处理的情况下，路由模块104例如标识可被用于机器学习的某些交互，以便改进人工智能模块103的表现。
图2示意性地图示了根据一个示例实施例的实现图1的查询响应设备102的硬件的一个示例。
设备102例如包括在指令存储器204中存储的程序指令控制下的处理设备202，处理设备202包括一个或多个处理器。另外，处理方框202例如与存储器设备206通信，存储器设备206例如存储路由规则106，路由模块104基于路由规则106来路由用户查询。通信接口208例如提供用于接收来自用户的用户查询并且还用于与现场代理设备118和人工智能模块103通信的接口。
操作者接口210例如提供允许操作者控制路由模块104的操作的接口，诸如显示器(例如触摸屏)和/或输入键盘。例如，操作者可以修改在存储器206中存储的规则，和/或更新在指令存储器204中存储的软件。
将对本领域技术人员显而易见的是，图2仅仅是一个示例，并且在备选实施例中，许多其他实现方式将是可能的。
图3根据一个示例实施例更详细地示意性地图示了图1的查询响应系统100。图3中示出的某些元件与图1的系统中的元件相同，并且这些元件已被用相似的标号标记并且将不会被再次详细描述。
在图3中的左边，若干用户设备108被示出，其在这一示例中对应于现有顾客或者预期的顾客设备。这些设备中的一个设备被示出为经由全渠道(omni-channel)用户接口302向路由模块104提交用户查询，路由模块104在图3中被标记为智能交互经纪。全渠道用户接口302可以对应于在用户设备108上加载的软件应用、对应于网页，或是允许用户经由键入文本消息和/或语音与系统通信的另一类型的接口。
如在图3中示出的，智能交互经纪104被配置为截获在用户与现场代理之间的某些交互并且将它们提供给机器学习模块304。机器学习模块304例如根据在用户与现场代理之间的交互来自动检测某些规则，并且使用这些规则以例如通过创建供人工智能模块103遵循的新规则来丰富人工智能模块103。机器学习模块304还可以基于其他数据(诸如社交社区平台306，其可以使系统警惕已经在技术论坛上讨论的问题)来更新人工智能模块103的操作。如将对本领域技术人员显而易见的，机器学习模块304可以是完全自动化的，以使得人工智能模块103在没有手动干预的情况下学习。备选地，机器学习模块304可以至少部分地由操作者或编程者手动操作。例如，操作者/编程者可以标识可被用来定义一般规则的最佳查询响应。
另外，在一些实施例中，人工智能模块向在用户消息中检测到的关键字应用不同的显著性水平。例如，与高显著性水平相关联的相对低数目的关键字在用户消息中的存在触发对现场代理的干预，而如果这些关键字不存在，则在触发对现场代理的干预之前可能需要与低显著性水平相关联的相对高数目的关键字的存在。机器学习模块例如通过基于由现场代理提供的响应执行机器学习来适配关键字的显著性水平。例如，具有高显著性的关键字可能与人工智能模块初始无法解决的技术问题有关，但是一旦新规则已被机器学习模块创建，该关键字的显著性就可以被降低。反之，在与关键字相联系的人工智能模块初始无法解决的新类型的技术问题出现之前，该关键字可能具有低显著性。因此，机器学习模块在其已经了解了用于解决这样的问题的适当规则之前例如增加这一关键字的显著性。
例如按照在存储器中存储的数据库等的形式的知识库308也可以被人工智能模块103访问。知识库例如包括问题和答案数据库，其可以包括常见问题的列表以及它们的解决方案。人工智能模块103在构思对用户查询的响应时例如引用这一知识库。被机器学习模块304用来修改人工智能模块103的操作的数据也可以被用来修改知识库308。知识库308例如也被自我护理系统310修改，自我护理系统310可以是用户网站接口或是专家可以在其中对用户问题做出响应的论坛。
人工智能模块103例如还可以经由集成主干312访问提供另外的数据的内部系统314和/或外部系统316，该另外的数据可被用来生成对用户查询的响应。例如，内部系统314可以包括客户端数据库、与给定用户关联的社交简档、CRM(顾客关系管理者)数据，或者指示与给定用户的先前交互的其他数据等。外部系统316可以包括一个或多个社交网络，从而提供关于用户的另外的上下文信息，诸如年龄、偏好、口语等。
在图3中，查询响应系统的各种组件可以通过内部通道或外部通道直接相互通信，即使在直接连接各组件的箭头未被示出的地方。
图4是表示根据一个示例实施例的图1和图3的系统中的元件的功能的示图。
如在图4左边示出的，用来提交查询的用户设备可以对应于web聊天接口402、移动和语音NLP(自然语言处理)应用或者社交媒体平台406。
人工智能模块103例如包括具有以下功能的人工智能引擎：自然语言交互，允许从用户接收到的说的或写的自然语言被解译，并且允许自然语言响应被生成；与基于规则的、关于如何对用户查询做出响应做出决策的功能对应的动态决策模块；交互存储器，存储例如包括发送到用户和从用户发送的消息的、在用户与现场代理/虚拟助理之间的交互的历史；以及行为分析功能，其可以包括用于检测与用户的交互的某些方面(诸如表情，其可以指示顾客何时不满意)的算法。
路由模块104例如能够应用从虚拟助理到现场代理的自然移交，或者反之亦然，其可以由现场监视功能410触发。如在图4中示出的，这一监视可以由助理监督者执行。备选地，其可以由上面描述的路由模块104执行。
集成主干312例如可以访问包括以下各项的数据：问题和答案数据库412；产品目录和报价414；基于需求的剖析数据416，例如指示与某些顾客需求关联的推荐；多渠道顾客关系管理者数据418，其可以例如包括关于与用户的最近交互的信息；以及社交媒体剖析和众包数据420，例如指示社交媒体站点上的用户交互。
交谈驱动的流程优化功能422以及分析和报告功能424例如允许对一般引起对用户而言的最佳产出的交互的分析，以使得可以确定用于改进系统例如在解决查询所用平均时间方面的表现的规则。
图5是图示了根据一个示例实施例的用于处理用户查询的方法中的操作的流程图。
在第一操作502中，用户查询被接收到。例如，详述用户查询的一个或多个用户消息被接收到。
在后续操作504中，至少基于查询内容，并且可选地基于其他数据，查询被路由至现场代理或者虚拟助理。例如，路由基于一个或多个用户消息的内容。在一些实施例中，与新的用户查询有关的用户消息初始被路由至虚拟助理引擎中的一个虚拟助理引擎。在一定数目的消息之后，路由模块然后被适配以决定虚拟助理引擎是否应当继续处理用户查询，或者消息是否应当被路由至现场代理引擎中的一个现场代理引擎。在这样的情况下，现场代理例如被邀请加入交谈，换言之开始接收用户消息。消息例如继续被路由模块监视并且某些消息例如被截获并被提供给机器学习模块以便扩大由人工智能模块实例化的虚拟助理能够解决的用户查询的范围。图6是图示了在用户交互由虚拟助理处理的情况下例如通过邀请现场代理加入交谈来执行用户移交的方法中的操作的流程图。
在第一操作602中，交互(例如，在用户与虚拟助理之间来回发送的、以文本和/或语音形式的消息)被路由模块104截获，并且被监视。
在后续操作604中，确定移交事件是否已被检测到。例如，移交事件可以对应于在用户消息中存在的、表明虚拟助理将不再能够解决用户问题的某一关键字或查询。备选地，移交事件可以对应于用户所使用的某一类型的语言，例如从而指示不满意。
如果这样的事件未被检测到，则602中的操作被重复。然而，当移交事件被检测到时，下一操作是606，其中包括例如一个或多个过往消息的用户消息被路由至现场代理。在一些实施例中，这涉及邀请现场代理加入交谈，并且路由模块继续监视用户与现场代理之间的交互以便实现机器学习并且/或者标识可能能够恢复对用户查询解决的控制的时刻。
在一些实施例中，与第一用户查询有关的用户消息可以被路由至虚拟助理，并且随后如果确定该虚拟助理无法解决用户查询的至少一部分的则被路由至现场代理。由现场代理传达给用户的至少一个消息然后例如被路由模块截获并被供应给机器学习模块以便创建用于处理第一用户查询的至少一个新规则。来自第二用户的和与第一用户查询相同的问题有关的第二用户查询然后例如被虚拟助理基于创建的至少一个新规则而被处理。
在一些实施例中，现场代理在系统中的使用被路由模块基于用户满意阈值自动地调节。例如，用户满意阈值是在路由模块的存储器中存储的、并且可以例如由系统管理者设置的参数。用户查询可以被解决得越快，用户满意度很可能越高，并且一般而言现场代理能够比虚拟助理更快速地解决新类型的用户查询。因此，在现场代理被邀请接管查询解决之前用户与虚拟助理之间的消息的数目N例如依赖于由系统定义的用户满意阈值。
图7是通过曲线702表示作为由线704给出的系统中的自动化水平的函数的顾客满意度的一个示例的示图。的确，在一些实施例中，系统可以被配置或调节为在如由箭头706和708分别表示的“顾客体验”和/或“成本或资源分配优先”之间进行控制。换言之，系统管理者在顾客体验是重要因素的一种情况下可以调节系统以使得对于于大多数(如果不是全部的话)查询现场代理将被连接到用户。在另一情况下，管理者在成本或资源分配被认为是重要因素时可以调节系统。在这样的情况下，大多数(如果不是全部的话)查询将由虚拟助理处理，现场代理只有最小干预(如果有的话)。后者的设定与使现场代理更经常地涉及相比将很有可能更有成本效率。系统管理者当然可以如相对于“成本或资源分配优先”的“顾客体验”的适当水平所希望调节这一设定。这样的设定的一个示例在图7中被标记为712，并且例如对应于由图7中的虚线710表示的顾客满意度的阈值水平。这将导致系统中的自动化的对应水平714。
现场代理和/或虚拟助理何时可能需要介入(例如，基于如在上面段落中描述的设定)的阈值可能基于如在本申请中描述的各种因素，包括在交谈中检测到的关键字、用户与虚拟助理之间的消息的数目N、用户与系统之间的呼叫的持续时间、系统检测到的用户的任何表情(例如，挫折、愤怒、焦虑等)和/或可以帮助确定现场代理和/或虚拟助理何时可能适于介入讨论或询问的任何其他因素。
例如，用户满意度阈值越低，系统中的自动化水平就越高，并且因而在现场代理被邀请加入交谈之前消息的数目N就越大。用户满意度阈值越高，系统中的自动化水平就越低，并且因而在现场代理被邀请加入交谈之前消息的数目N就越小。
图8是图示了在用户交互由现场代理处理的情况下执行用户交互的方法中的操作的流程图
在第一操作802中，从现场代理接收到移交请求。特别地，现场代理可以发现将对用户解决的剩余查询可以被虚拟助理处理。备选地，路由模块104可以截获消息，并且检测到剩余用户查询可以由虚拟助理解决，并且向现场代理提议执行移交。
在后续操作804中，包括一个或多个过往消息的用户消息被路由至虚拟助理。
以下交互序列提供了根据本公开内容的一个实施例的查询的处理的一个示例。
用户约翰：嗨，当我在我的卧室中时我的wifi不时掉线。我如何能够解决该问题？
虚拟助理：嗨，约翰，这是说明如何放置你的路由器的视频。它有帮助吗？
用户约翰：没有，我已经看了。不成功。这真让人烦恼！！
虚拟助理：听到这个消息我很难过。请等我一会儿，我将邀请一名专家。
自然移交被自动触发，从而打开与可用人类助理的实时会话。
现场代理：嗨，约翰，你能告诉我在你的路由器与你的卧室之间有几座墙，以及大概的距离吗？
用户约翰：5座墙，大约20米如何能够解决该问题？
现场代理：好的，那么你通过安装WIFI中继器来扩大你的无线覆盖可能解决你的问题
人类助理将该交互标记为教导了人工智能。每个未来交互将是自动的。
用户约翰：它要花多少钱？
现场代理触发回到虚拟助理的移交以处理Wifi中继器查询。虚拟助理基于CRM数据(约翰是忠实顾客)和社交简档数据(约翰喜欢Facebook上的旅游相关页面)标识出追加销售机会
虚拟助理：WIFI中继器套件花费129€，但是如果你喜欢旅游，我可以给你一个提议。你愿意听吗？
用户约翰：为什么不
虚拟助理：在周五之前，如果你以10€/月订阅3G到处走方案，我们提供50％折扣的WIFI中继器套件。你可以在任何时候取消。有了3G到处走，你可以在路上得到即时因特网接入。
用户约翰：太好了，让我试一下。
完整订购页面被提出。
虚拟助理：很好。这是订购页面。请点击“现在购买”按钮。
在本说明书中描述的主题和操作的实施例可以在数字电子电路中、或在计算机软件、固件或硬件(包括在本说明书中公开的结构及其结构等效物)中或在它们的一个或多个的组合中被实现。在本说明书中描述的主题的实施例可以被实现为一个或多个计算机程序，即在计算机存储介质上编码、以便由数据处理装置执行或控制其操作的计算机程序指令的一个或多个模块。作备选地或者附加地，程序指令可以被编码在人工生成的传播信号(例如机器生成的电、光或电磁信号)上，其被生成为对信息进行编码以便向适当的接收设备传输以便由数据处理设备执行。计算机存储介质可以是计算机可读存储器件、计算机可读存储基板、随机或串行存取存储器阵列或器件或其中的一个或多个的组合，或被包括在其中。此外，虽然计算机存储介质不是传播信号，但计算机存储介质可以是在人工生成的传播信号中编码的计算机程序指令的源或目的地。计算机存储介质还可以是一个或多个单独物理组件或介质(例如，多个CD、盘或其他存储设备)或被包括在其中。
本说明书中描述的操作可以被实现为由数据处理设备对存储在一个或多个计算机可读存储器件上或从其他源接收到的数据执行的操作。
术语“数据处理装置”涵盖用于处理数据的各种各样的装置、设备以及机器，举例来说包括可编程处理器、计算机、片上系统或者前述中的多个或组合。该设备可以包括专用逻辑电路，例如，FPGA(现场可编程门阵列)或ASIC(专用集成电路)。除硬件之外，该设备还可以包括为正在讨论中的计算机程序创建执行环境的代码，例如，组成处理器固件、协议栈、数据库管理系统、操作系统、跨平台运行环境、虚拟机或其中的一个或多个的组合的代码。该设备和执行环境可以实现各种不同的计算模型基础设施，诸如web服务、分布式计算和网格计算基础设施。
可以按照包括编译或者解译语言的任何适当形式的编程语言编写计算机程序(也被称为程序、软件、软件应用、脚本或者代码)，并且可以按照任何适当形式部署它(包括被部署为单独程序或者被部署为适合用于在计算环境中使用的模块、部件、子例程或者其他单元)。计算机程序未必对应于文件系统中的文件。程序可以被存储于保持其他程序或者数据的文件(例如，存储于标记语言文档中的一个或者多个脚本)的一部分中、专用于讨论的程序的单个文件中或者多个协调的文件(例如，存储一个或者多个模块、子程序或者代码的部分的文件)中。计算机程序可以被部署为在一个计算机上或者在位于一个地点或者分布于多个地点并且由通信网络互连的多个计算机上执行。
在本说明书中描述的过程和逻辑流程可以由一个或者多个可编程处理器执行，该一个或者多个可编程处理器执行一个或者多个计算机程序以通过对输入数据进行操作并且生成输出来执行功能。过程和逻辑流程也可以由专用逻辑电路(例如，FPGA(现场可编程门阵列)或者ASIC(专用集成电路)执行)并且也可以将装置实施为该专用逻辑电路。
举例而言，适合用于计算机程序的执行的处理器包括通用和专用微处理器以及任何适当种类的数字计算机的任何一个或者多个处理器。一般而言，处理器将从只读存储器或者随机存取存储器或者二者接收指令和数据。计算机的基本单元是用于执行动作的处理器以及用于存储指令和数据的一个或者多个存储器设备。一般而言，计算机也将包括用于存储数据的一个或者多个海量存储设备(例如，磁盘、光磁盘或者光盘)或者被操作地耦合用于从该一个或者多个海量存储设备接收数据或者向该一个或者多个海量存储设备传送数据或者二者。然而，计算机无需具有这样的设备。另外，可以在另一设备(聊举数例，例如，移动电话、个人数字助理(PDA)、移动音频播放器、全球定位系统(GPS)接收器)中嵌入计算机。适合用于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、介质和存储器设备，举例而言包括半导体存储器设备(例如，EPROM、EEPROM和闪存设备)；磁盘(例如，内部硬盘或者可拆卸盘)；磁光盘；以及CD-ROM和DVD-ROM盘。处理器和存储器可以由专用逻辑电路装置补充或者并入于专用逻辑电路装置中。
为了提供与用户的交互，可以在计算机上提供实现方式，该计算机具有用于向用户显示信息的显示设备(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)以及用户可以用来向计算机提供输入的键盘和指点设备(例如，鼠标或者轨迹球)。其他种类的设备也可以用来提供与用户的交互；例如，向用户提供的反馈可以是任何适当形式的感官反馈，例如，视觉反馈、听觉反馈或者触觉反馈；并且可以按照包括声音、话音或者触觉输入的任何形式接收来自用户的输入。此外，计算机可以通过向用户所使用的设备发送文档和从其接收文档来与用户相交互；例如，通过响应于从web浏览器接收到的请求而在用户的客户端设备上将网页发送到web浏览器。
该计算系统包括后端部件(例如，作为数据服务器)或者包括中间件部件(例如，应用服务器)或者包括前端部件(例如，具有图形用户界面或者web浏览器(用户可以通过该图形用户界面或者web浏览器与实现方式交互)的客户端计算机)或者一个或者多个这样的后端、中间件或者前端部件的任何适当组合。系统的部件可以由任何适当数字数据通信形式或者介质(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)和广域网(“WAN”)、互联网(例如，因特网)以及点对点网络(例如，自组织点对点网络)。
一个或多个计算机的系统可以被配置为借助于使在操作中促使系统执行动作的软件、固件、硬件或其组合被安装于系统上来执行特定操作或动作。一个或多个计算机程序可以被配置为借助于包括当被数据处理设备执行时促使该设备执行动作的指令来执行特定操作或动作。
计算系统可以包括客户端和服务器。客户端和服务器一般相互远离且通常通过通信网络交互。客户端和服务器的关系借助于在相应计算机上运行且相互之间具有客户端-服务器关系的计算机程序而产生。在一些实施例中，服务器向客户端设备传输数据(例如，HTML页面)(例如，出于向与客户端设备相交互的用户显示数据并从该用户接收用户输入的目的)。可以在服务器处从客户端设备接收在客户端设备处生成的数据(例如，用户交互的结果)。
尽管本说明书包含许多细节，但是不应将这些解释为限制公开内容的或者可以要求保护的内容的范围，而是对特定实现方式所特有的特征的描述。也可以在单个实现方式中组合提供在本说明书中在分离实现方式的上下文中描述的某些特征。反言之，也可以在多个实现方式中分离地或者在任何适当子组合中提供在单个实现方式的上下文中描述的各种特征。另外，虽然以上可以将特征描述为在某些组合中动作并且甚至起初这样要求保护，但是来自要求保护的组合的一个或者多个特征可以在一些情况下从该组合被删除，并且要求保护的组合可以涉及子组合或者子组合的变化。
相似地，尽管在附图中按照特定顺序描绘操作，但是这不应理解为要求按照所示特定顺序或者按照依次顺序执行这样的操作或者执行所有所示操作以实现希望的结果。在某些境况中，多任务和并行处理可以是有利的。另外，在以上描述的实现方式中的各种系统部件的分离不应被理解为在所有实现方式中要求这样的分离，并且应当理解，描述的程序部件和系统一般可以一起被集成于单个软件产品中或者封装成多个软件产品。
因此，已描述了本主题的特定实施例。其他实施例在以下权利要求的范围内。在一些情况下，在权利要求中记载的动作可以按照不同的顺序而被执行且仍实现期望的结果。此外，在附图中描述的过程不一定要求所示的特定顺序或相继顺序才能实现期望的结果。在某些实施方式中，多任务和并行处理可能是有利的。

Claims (28)

1.一种查询响应设备，包括：
输入，所述输入适合于接收用户查询；
存储器(106)，所述存储器适合于存储一个或多个路由规则；
一个或多个现场代理引擎(116)，所述一个或多个现场代理引擎被配置为支持与一个或多个现场代理的交互；
一个或多个虚拟助手引擎(120)，所述一个或多个虚拟助手引擎被配置为支持与由人工智能模块(103)实例化的一个或多个虚拟助手的交互；以及
路由模块(104)，所述路由模块(104)被耦合到所述现场代理引擎和所述虚拟助手引擎，所述路由模块包括处理设备，所述处理设备被配置为：
基于来自与第一用户查询有关的第一用户的至少第一用户消息的内容并且基于所述一个或多个路由规则、来选择所述现场代理引擎中的第一现场代理引擎或者所述虚拟助手引擎中的第一虚拟助手引擎；以及
将与所述第一用户查询有关的一个或多个另外的用户消息路由至选择的引擎，其中当所述选择的引擎是所述现场代理引擎中的所述第一现场代理引擎时，所述处理设备还被配置为：
截获所述第一现场代理引擎与所述第一用户之间的一个或多个消息；以及
将截获的所述一个或多个消息的内容供应给机器学习模块(304)以便修改所述人工智能模块(112)的能力。
2.根据权利要求1所述的设备，其中所述机器学习模块(304)适合于基于所述内容来创建将被所述人工智能模块(103)遵循的至少一个新规则。
3.根据权利要求2所述的设备，其中所述人工智能模块(103)适合于将所述至少一个新规则应用于从第二用户接收的第二用户查询。
4.根据权利要求1至3中的任一权利要求所述的设备，其中所述选择基于定义将被应用于用户查询的自动化的水平的系统设定。
5.根据权利要求1至4中的任一权利要求所述的设备，其中所述选择的引擎是所述第一虚拟助手引擎，并且所述处理设备还被配置为在所述第一用户与所述第一虚拟助手引擎(120)之间的N个另外的消息之后邀请所述现场代理引擎(116)中的一个现场代理引擎与所述第一用户通信，其中N是正整数。
6.根据权利要求5所述的设备，其中所述处理设备还被配置为基于用户满意阈值水平来确定N的值。
7.根据权利要求5或6所述的设备，其中所述机器学习模块(304)被配置为基于所述第一用户与所述第一现场代理引擎(116)之间的一个或多个消息来创建将被所述人工智能模块(103)遵循的至少一个新规则。
8.根据权利要求1至7中的任一权利要求所述的设备，其中所述路由模块(104)的所述处理设备被配置为：
针对所述第一用户消息选择所述第一虚拟助手引擎；以及
针对与第二用户查询有关的第二用户消息选择所述第一现场代理引擎并且将所述第二用户查询路由至所述第一现场代理引擎。
9.根据权利要求1至8中的任一权利要求所述的设备，其中所述路由规则基于关键字在至少所述第一用户消息中的存在，所述关键字在所述第一用户消息中的所述存在指示：
与所述第一用户查询有关的所述一个或多个另外的用户消息应当被路由至所述第一虚拟助手引擎；或者
与所述第一用户查询有关的所述一个或多个另外的用户消息应当被路由至所述第一现场代理引擎。
10.根据权利要求9所述的设备，其中所述关键字中的每个关键字与确定现场代理引擎被所述路由模块选择的似然性的显著性水平相关联，其中所述机器学习模块适合于基于截获的所述一个或多个消息的内容来修改至少一个关键字的所述显著性水平。
11.根据权利要求1至10中的任一权利要求所述的设备，其中所述路由模块的所述处理设备还被配置为将来自所述第一用户的一个或多个另外的消息路由至所述选择的引擎，并且基于所述一个或多个另外的消息的所述内容并基于所述路由规则来确定：
如果所述选择的引擎是所述第一现场代理引擎，则来自所述第一用户的一个或多个后续消息应当被路由至所述虚拟助手引擎中的一个虚拟助手引擎；或者
如果所述选择的引擎是所述第一虚拟助手引擎，则来自所述第一用户的一个或多个后续消息应当被路由至所述现场代理引擎中的一个现场代理引擎。
12.根据权利要求1至11中的任一权利要求所述的设备，其中所述人工智能模块(103)适合于基于标识符来标识所述第一用户，并且适合于查阅一个或多个信息源以获得关于所述第一用户的另外的信息。
13.根据权利要求1至12中的任一权利要求所述的设备，其中所述路由模块(104)的所述处理设备还被配置为对所述用户查询执行自然语言处理以便提取所述内容。
14.一种由查询响应设备处理用户查询的方法，所述方法包括：
在所述查询响应设备的输入处接收与来自第一用户的第一用户查询有关的第一用户消息；
由路由模块(104)的处理设备基于至少所述第一用户消息的内容并且基于在存储器(106)中存储的一个或多个路由规则来选择：
被配置为支持与一个或多个现场代理的交互的一个或多个现场代理引擎(116)中的第一现场代理引擎；或者
被配置为支持与由人工智能模块(103)实例化的一个或多个虚拟助手的交互的一个或多个虚拟助手引擎(120)中的第一虚拟助手引擎；以及
由所述路由模块将与所述第一用户查询有关的一个或多个另外的用户消息路由至选择的引擎，其中当所述选择的引擎是第一现场代理引擎时，该方法还包括：
截获所述第一现场代理引擎与所述第一用户之间的一个或多个消息；以及
将截获的所述一个或多个消息的内容供应给机器学习模块(304)以便修改所述人工智能模块(112)的能力。
15.根据权利要求14所述的方法，还包括由机器学习模块(304)基于所述内容来创建将被所述人工智能模块(103)遵循的至少一个新规则。
16.根据权利要求14或15所述的方法，还包括由所述人工智能模块(103)将至少一个新规则应用于从第二用户接收的第二用户查询。
17.根据权利要求14至16中的任一权利要求所述的设备，其中所述选择基于定义将被应用于用户查询的自动化的水平的系统设定。
18.根据权利要求14至17中的任一权利要求所述的方法，其中所述选择的引擎是所述第一虚拟助手引擎，所述方法还包括在所述第一用户与所述第一虚拟助手引擎之间的N个另外的消息之后邀请所述现场代理引擎中的一个现场代理引擎与所述第一用户通信，其中N是正整数。
19.根据权利要求18所述的方法，还包括基于所述另外的消息中的一个或多个消息的所述内容并且基于用户满意阈值来确定N的值。
20.根据权利要求18或19所述的方法，还包括由所述机器学习模块(304)基于所述第一用户与所述第一现场代理引擎之间的一个或多个消息来创建将被所述人工智能模块(103)遵循的至少一个新规则。
21.根据权利要求14至20中的任一权利要求所述的方法，包括：
针对所述第一用户消息选择所述第一虚拟助手引擎；以及
针对与第二用户查询有关的第二用户消息选择所述第一现场代理引擎并且将所述第二用户查询路由至所述第一现场代理引擎。
22.根据权利要求14至21中的任一权利要求所述的方法，其中所述路由规则基于关键字在至少所述第一用户消息中的存在，所述关键字在所述第一用户消息中的所述存在指示：
与所述第一用户查询有关的所述一个或多个另外的用户消息应当被路由至所述第一虚拟助手引擎；或者
与所述第一用户查询有关的所述一个或多个另外的用户消息应当被路由至所述第一现场代理引擎。
23.根据权利要求22所述的方法，其中所述关键字中的每个关键字与确定现场代理引擎被所述路由模块选择的似然性的显著性水平相关联，所述方法还包括由所述机器学习模块基于截获的所述一个或多个消息的所述内容来修改至少一个关键字的显著性水平。
24.根据权利要求14至23中的任一权利要求所述的方法，还包括：
将来自所述第一用户的一个或多个另外的消息路由至所述选择的引擎；以及
基于所述一个或多个另外的消息的所述内容并基于所述路由规则来确定：
如果所述选择的引擎是所述第一现场代理引擎，则来自所述第一用户的一个或多个后续消息应当被路由至所述虚拟助手引擎中的一个虚拟助手引擎；或者
如果所述选择的引擎是所述第一虚拟助手引擎，则来自所述第一用户的一个或多个后续消息应当被路由至所述现场代理引擎中的一个现场代理引擎。
25.根据权利要求14至24中的任一权利要求所述的方法，还包括截获所述第一现场代理引擎与所述第一用户之间的一个或多个消息，以及将所述消息的内容供应给机器学习模块以便修改所述人工智能模块的能力。
26.根据权利要求14至25中的任一权利要求所述的方法，其中所述人工智能模块适合于基于标识符来标识所述第一用户，并且适合于查阅一个或多个信息源以获得关于所述第一用户的另外的信息。
27.根据权利要求14至26中的任一权利要求所述的方法，还包括对所述用户查询执行自然语言处理以便提取所述内容。
28.一种存储计算机程序的计算机可读存储介质，所述计算机程序当被处理设备执行时，使得根据权利要求14至27中的任一权利要求所述的方法被实现。
CN201480039999.9A 2013-07-03 2014-07-03 查询响应设备 Active CN105408919B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811004974.1A CN109190763B (zh) 2013-07-03 2014-07-03 查询响应设备、介质及方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP13305948.5A EP2821943A1 (en) 2013-07-03 2013-07-03 Query response device
EP13305948.5 2013-07-03
PCT/EP2014/064247 WO2015001048A1 (en) 2013-07-03 2014-07-03 Query response device

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201811004974.1A Division CN109190763B (zh) 2013-07-03 2014-07-03 查询响应设备、介质及方法

Publications (2)

Publication Number Publication Date
CN105408919A true CN105408919A (zh) 2016-03-16
CN105408919B CN105408919B (zh) 2018-09-28

Family

ID=48803488

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201480039999.9A Active CN105408919B (zh) 2013-07-03 2014-07-03 查询响应设备
CN201811004974.1A Active CN109190763B (zh) 2013-07-03 2014-07-03 查询响应设备、介质及方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201811004974.1A Active CN109190763B (zh) 2013-07-03 2014-07-03 查询响应设备、介质及方法

Country Status (6)

Country Link
US (3) US9471638B2 (zh)
EP (3) EP2821943A1 (zh)
CN (2) CN105408919B (zh)
AU (1) AU2014286166B2 (zh)
CA (1) CA2917089C (zh)
WO (1) WO2015001048A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107919123A (zh) * 2017-12-07 2018-04-17 北京小米移动软件有限公司 多语音助手控制方法、装置及计算机可读存储介质
CN108874460A (zh) * 2017-05-11 2018-11-23 塞舌尔商元鼎音讯股份有限公司 语音传输装置及其执行语音助理程序的方法
CN111133724A (zh) * 2017-09-25 2020-05-08 微软技术许可有限责任公司 会话调度助理计算系统中的自然语言处理和分析

Families Citing this family (96)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2821943A1 (en) 2013-07-03 2015-01-07 Accenture Global Services Limited Query response device
EP2881898A1 (en) 2013-12-09 2015-06-10 Accenture Global Services Limited Virtual assistant interactivity platform
US10264113B2 (en) 2014-01-10 2019-04-16 Onepin, Inc. Automated messaging
US10298740B2 (en) * 2014-01-10 2019-05-21 Onepin, Inc. Automated messaging
US9916298B2 (en) 2014-09-03 2018-03-13 International Business Machines Corporation Management of content tailoring by services
CA2988120A1 (en) * 2015-06-02 2016-12-08 Liveperson, Inc. Dynamic communication routing based on consistency weighting and routing rules
US10805244B2 (en) * 2015-07-16 2020-10-13 At&T Intellectual Property I, L.P. Service platform to support automated chat communications and methods for use therewith
US10686738B2 (en) 2015-07-24 2020-06-16 Facebook, Inc. Providing personal assistant service via messaging
EP3122001B1 (en) * 2015-07-24 2019-10-23 Facebook, Inc. Providing personal assistant service via messaging
US10547728B2 (en) * 2016-01-21 2020-01-28 Avaya Inc. Dynamic agent greeting based on prior call analysis
US20170277993A1 (en) * 2016-03-22 2017-09-28 Next It Corporation Virtual assistant escalation
US9785715B1 (en) 2016-04-29 2017-10-10 Conversable, Inc. Systems, media, and methods for automated response to queries made by interactive electronic chat
US11386105B2 (en) 2016-04-29 2022-07-12 Microsoft Technology Licensing, Llc Automatic identification and contextual reformulation of implicit device-related queries
US11062220B2 (en) 2016-05-31 2021-07-13 Accenture Global Solutions Limited Integrated virtual cognitive agents and message communication architecture
US20180053119A1 (en) * 2016-08-16 2018-02-22 Rulai, Inc. Method and system for semi-supervised learning in generating knowledge for intelligent virtual agents
US10437841B2 (en) * 2016-10-10 2019-10-08 Microsoft Technology Licensing, Llc Digital assistant extension automatic ranking and selection
US10685047B1 (en) 2016-12-08 2020-06-16 Townsend Street Labs, Inc. Request processing system
IT201700007293A1 (it) * 2017-01-24 2018-07-24 Meta Team Srl Metodo e sistema per realizzare assistenti virtuali remoti
KR102304701B1 (ko) * 2017-03-28 2021-09-24 삼성전자주식회사 사용자의 음성 입력에 대한 답변을 제공하는 방법 및 장치
US10474673B2 (en) * 2017-03-28 2019-11-12 Salesforce.Com, Inc. Methods and apparatus for performing machine learning to improve capabilities of an artificial intelligence (AI) entity used for online communications
US11151992B2 (en) 2017-04-06 2021-10-19 AIBrain Corporation Context aware interactive robot
US10810371B2 (en) * 2017-04-06 2020-10-20 AIBrain Corporation Adaptive, interactive, and cognitive reasoner of an autonomous robotic system
US10839017B2 (en) 2017-04-06 2020-11-17 AIBrain Corporation Adaptive, interactive, and cognitive reasoner of an autonomous robotic system utilizing an advanced memory graph structure
US10963493B1 (en) 2017-04-06 2021-03-30 AIBrain Corporation Interactive game with robot system
US10929759B2 (en) 2017-04-06 2021-02-23 AIBrain Corporation Intelligent robot software platform
US10748531B2 (en) * 2017-04-13 2020-08-18 Harman International Industries, Incorporated Management layer for multiple intelligent personal assistant services
CA3062326A1 (en) 2017-05-05 2018-11-08 Liveperson, Inc. Dynamic response prediction for improved bot task processing
JP6848693B2 (ja) * 2017-05-30 2021-03-24 沖電気工業株式会社 顧客応対システム、顧客応対方法、顧客応対装置、及びプログラム
US10956514B2 (en) 2017-05-31 2021-03-23 Microsoft Technology Licensing, Llc System and method for directed analysis of content using artifical intelligence for storage and recall
US10176808B1 (en) 2017-06-20 2019-01-08 Microsoft Technology Licensing, Llc Utilizing spoken cues to influence response rendering for virtual assistants
US10652183B2 (en) * 2017-06-30 2020-05-12 Intel Corporation Incoming communication filtering system
US20190013019A1 (en) * 2017-07-10 2019-01-10 Intel Corporation Speaker command and key phrase management for muli -virtual assistant systems
US20190019077A1 (en) * 2017-07-17 2019-01-17 Cisco Technology, Inc. Automatic configuration of cognitive assistant
US11620566B1 (en) 2017-08-04 2023-04-04 Grammarly, Inc. Artificial intelligence communication assistance for improving the effectiveness of communications using reaction data
US10904169B2 (en) 2017-08-08 2021-01-26 International Business Machines Corporation Passing chatbot sessions to the best suited agent
US11475488B2 (en) 2017-09-11 2022-10-18 Accenture Global Solutions Limited Dynamic scripts for tele-agents
US20190108566A1 (en) * 2017-10-05 2019-04-11 Novo Labs, Inc. Contextual Restaurant Ordering System
WO2019071599A1 (en) * 2017-10-13 2019-04-18 Microsoft Technology Licensing, Llc PROVIDING AN ANSWER IN A SESSION
US10887161B1 (en) 2017-10-16 2021-01-05 Wells Fargo Bank, N.A. Multi-device interface application
KR101999780B1 (ko) * 2017-12-11 2019-09-27 주식회사 카카오 가상 챗봇을 이용하여 인스턴트 메시징 서비스를 제공하는 서버, 단말 및 방법
US11836592B2 (en) 2017-12-15 2023-12-05 International Business Machines Corporation Communication model for cognitive systems
US11853930B2 (en) 2017-12-15 2023-12-26 Accenture Global Solutions Limited Dynamic lead generation
US10951761B1 (en) 2017-12-20 2021-03-16 Wells Fargo Bank, N.A. System and method for live and virtual support interaction
US10726843B2 (en) * 2017-12-20 2020-07-28 Facebook, Inc. Methods and systems for responding to inquiries based on social graph information
WO2019136178A1 (en) * 2018-01-03 2019-07-11 Fractal Industries, Inc. Collaborative algorithm development, deployment, and tuning platform
US11133010B1 (en) 2018-01-23 2021-09-28 United Services Automobile Association (Usaa) Intelligent agent for interactive service environments
US10817667B2 (en) 2018-02-07 2020-10-27 Rulai, Inc. Method and system for a chat box eco-system in a federated architecture
US10831797B2 (en) * 2018-03-23 2020-11-10 International Business Machines Corporation Query recognition resiliency determination in virtual agent systems
US11030412B2 (en) * 2018-04-10 2021-06-08 Verizon Patent And Licensing Inc. System and method for chatbot conversation construction and management
US10594635B2 (en) 2018-04-20 2020-03-17 Oracle International Corporation Managing customer relationship using multiple chat servers designed to interface with service applications
US10530465B2 (en) * 2018-05-30 2020-01-07 Motorola Solutions, Inc. Apparatus, system and method for generating a virtual assistant on a repeater
US10803865B2 (en) * 2018-06-05 2020-10-13 Voicify, LLC Voice application platform
US10235999B1 (en) 2018-06-05 2019-03-19 Voicify, LLC Voice application platform
US11437029B2 (en) 2018-06-05 2022-09-06 Voicify, LLC Voice application platform
US10636425B2 (en) 2018-06-05 2020-04-28 Voicify, LLC Voice application platform
US11132681B2 (en) 2018-07-06 2021-09-28 At&T Intellectual Property I, L.P. Services for entity trust conveyances
US11037557B2 (en) * 2018-08-24 2021-06-15 International Business Machines Corporation Cognitive contextual conversation side topics
US10867219B2 (en) * 2018-08-30 2020-12-15 Motorola Solutions, Inc. System and method for intelligent traffic stop classifier loading
US10802872B2 (en) 2018-09-12 2020-10-13 At&T Intellectual Property I, L.P. Task delegation and cooperation for automated assistants
US10992548B2 (en) * 2018-10-05 2021-04-27 Sandvine Corporation Method and system for remote quality of experience diagnostics based on a traffic signature determined from analyzing subscriber data and traffic flow performance statistics
US11468882B2 (en) * 2018-10-09 2022-10-11 Accenture Global Solutions Limited Semantic call notes
US10923114B2 (en) 2018-10-10 2021-02-16 N3, Llc Semantic jargon
US11481186B2 (en) 2018-10-25 2022-10-25 At&T Intellectual Property I, L.P. Automated assistant context and protocol
US20190074013A1 (en) * 2018-11-02 2019-03-07 Intel Corporation Method, device and system to facilitate communication between voice assistants
US11132695B2 (en) 2018-11-07 2021-09-28 N3, Llc Semantic CRM mobile communications sessions
US10742813B2 (en) * 2018-11-08 2020-08-11 N3, Llc Semantic artificial intelligence agent
US10972608B2 (en) 2018-11-08 2021-04-06 N3, Llc Asynchronous multi-dimensional platform for customer and tele-agent communications
US11902467B1 (en) * 2018-11-09 2024-02-13 Intrado Corporation System and method of directed flow interactive chat
US11803556B1 (en) 2018-12-10 2023-10-31 Townsend Street Labs, Inc. System for handling workplace queries using online learning to rank
WO2020178626A1 (en) * 2019-03-01 2020-09-10 Cuddle Artificial Intelligence Private Limited Systems and methods for adaptive question answering
US10997372B2 (en) 2019-03-25 2021-05-04 Fmr Llc Computer systems and methods for representatives to monitor and intervene in robot conversation
US11487737B2 (en) * 2019-03-26 2022-11-01 Sap Se Take over table opening for operators
CN111090791B (zh) * 2019-03-29 2023-12-22 广东小天才科技有限公司 一种基于双屏的内容查询方法及电子设备
US11074415B2 (en) * 2019-05-07 2021-07-27 International Business Machines Corporation Context-sensitive aggregation of chatbot conversations
US11164585B2 (en) * 2019-06-07 2021-11-02 Mitsubishi Electric Automotive America, Inc. Systems and methods for virtual assistant routing
EP4011042A1 (en) * 2019-08-07 2022-06-15 Liveperson, Inc. Systems and methods for transferring messaging to automation
US11782962B2 (en) 2019-08-12 2023-10-10 Nec Corporation Temporal context-aware representation learning for question routing
US10878008B1 (en) * 2019-09-13 2020-12-29 Intuit Inc. User support with integrated conversational user interfaces and social question answering
US11676589B2 (en) * 2019-09-17 2023-06-13 Global Strategies International LLC Systems and methods for voice search and response retrieval
US11531707B1 (en) 2019-09-26 2022-12-20 Okta, Inc. Personalized search based on account attributes
CN112787835B (zh) * 2019-11-07 2023-01-13 华为技术有限公司 网络设备及处理关于网络报文的数据的方法
US11783224B2 (en) * 2019-12-06 2023-10-10 International Business Machines Corporation Trait-modeled chatbots
US11443264B2 (en) 2020-01-29 2022-09-13 Accenture Global Solutions Limited Agnostic augmentation of a customer relationship management application
WO2021155904A1 (en) * 2020-02-03 2021-08-12 Sidel Participations System and method to support troubleshooting for a plant for processing containers for pourable products
US11392960B2 (en) 2020-04-24 2022-07-19 Accenture Global Solutions Limited Agnostic customer relationship management with agent hub and browser overlay
US11481785B2 (en) 2020-04-24 2022-10-25 Accenture Global Solutions Limited Agnostic customer relationship management with browser overlay and campaign management portal
US11494746B1 (en) 2020-07-21 2022-11-08 Amdocs Development Limited Machine learning system, method, and computer program for making payment related customer predictions using remotely sourced data
CN111885273B (zh) * 2020-07-24 2021-10-15 南京易米云通网络科技有限公司 人机协作可管控智能语音外呼方法及智能外呼机器人平台
US11882128B2 (en) * 2020-09-17 2024-01-23 Fortinet, Inc. Improving incident classification and enrichment by leveraging context from multiple security agents
US11507903B2 (en) 2020-10-01 2022-11-22 Accenture Global Solutions Limited Dynamic formation of inside sales team or expert support team
US20220188360A1 (en) * 2020-12-10 2022-06-16 International Business Machines Corporation Adversarial hardening of queries against automated responses
US11397629B1 (en) 2021-01-06 2022-07-26 Wells Fargo Bank, N.A. Automated resolution engine
US11797586B2 (en) 2021-01-19 2023-10-24 Accenture Global Solutions Limited Product presentation for customer relationship management
US11496421B2 (en) 2021-01-19 2022-11-08 Walmart Apollo, Llc Methods and apparatus for exchanging asynchronous messages
US11816677B2 (en) 2021-05-03 2023-11-14 Accenture Global Solutions Limited Call preparation engine for customer relationship management
US11862165B1 (en) * 2022-08-30 2024-01-02 Truist Bank Optimized virtual assistant for connecting a user to a live agent

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6070142A (en) * 1998-04-17 2000-05-30 Andersen Consulting Llp Virtual customer sales and service center and method
US20070043687A1 (en) * 2005-08-19 2007-02-22 Accenture Llp Virtual assistant
CN101282308A (zh) * 2006-08-31 2008-10-08 阿森图雷全球服务有限公司 语音邮件接口的系统和方法
CN101640814A (zh) * 2008-07-31 2010-02-03 埃森哲环球服务有限公司 触发中介系统
EP2154640A1 (en) * 2008-08-04 2010-02-17 ACCENTURE Global Services GmbH Cross-architecture flight tracking system
EP2582123A1 (en) * 2011-10-13 2013-04-17 Nuance Communications, Inc. Multi-modal customer care system

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6445911B1 (en) * 1998-12-30 2002-09-03 At&T Corp Method and apparatus for providing neighborhood cordless services
WO2002009399A2 (en) * 2000-07-20 2002-01-31 Telefonaktiebolaget Lm Ericsson (Publ) Customer support system and method providing virtual and live agent interaction over a data network
US20030235282A1 (en) * 2002-02-11 2003-12-25 Sichelman Ted M. Automated transportation call-taking system
US7292689B2 (en) * 2002-03-15 2007-11-06 Intellisist, Inc. System and method for providing a message-based communications infrastructure for automated call center operation
US7711670B2 (en) * 2002-11-13 2010-05-04 Sap Ag Agent engine
JP4265908B2 (ja) * 2002-12-12 2009-05-20 アルパイン株式会社 音声認識装置及び音声認識性能改善方法
US20040162724A1 (en) * 2003-02-11 2004-08-19 Jeffrey Hill Management of conversations
CN1973292A (zh) * 2004-03-26 2007-05-30 科洛奎斯公司 用于计算机向人工升级的方法和设备
DE112006004194A5 (de) * 2006-11-27 2009-10-29 Siemens Aktiengesellschaft Verfahren und Diagnosesystem zur Diagnose eines technischen Systems
CN101179620A (zh) * 2006-11-30 2008-05-14 腾讯科技（深圳）有限公司 一种实现服务器自动问答的方法及系统
CN100596122C (zh) * 2007-01-29 2010-03-24 中国联合网络通信集团有限公司 一种基于即时通信装置的自助服务系统及方法
JP2009043119A (ja) 2007-08-10 2009-02-26 Fujifilm Corp ウェブ・サーバ・システム
CN101159888B (zh) * 2007-11-09 2010-09-01 中国移动通信集团广东有限公司 实现自助服务的方法和自助服务平台
US9092733B2 (en) * 2007-12-28 2015-07-28 Genesys Telecommunications Laboratories, Inc. Recursive adaptive interaction management system
US20090245500A1 (en) * 2008-03-26 2009-10-01 Christopher Wampler Artificial intelligence assisted live agent chat system
US20110122111A1 (en) 2008-06-03 2011-05-26 Christopher Brown Display device
US20090307302A1 (en) * 2008-06-06 2009-12-10 Snap-On Incorporated System and Method for Providing Data from a Server to a Client
EP2406739A2 (en) 2009-03-13 2012-01-18 Invention Machine Corporation System and method for knowledge research
US8279779B2 (en) * 2009-12-10 2012-10-02 Verizon Patent And Licensing Inc. Method and system for virtual agent session monitoring and barge-in
US9973457B2 (en) * 2012-06-26 2018-05-15 Nuance Communications, Inc. Method and apparatus for live chat integration
US9008283B2 (en) * 2013-03-15 2015-04-14 Genesys Telecommunications Laboratories, Inc. Customer portal of an intelligent automated agent for a contact center
EP2821943A1 (en) 2013-07-03 2015-01-07 Accenture Global Services Limited Query response device
US10313522B2 (en) * 2016-06-29 2019-06-04 Paypal, Inc. Predictive cross-platform system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6070142A (en) * 1998-04-17 2000-05-30 Andersen Consulting Llp Virtual customer sales and service center and method
US20070043687A1 (en) * 2005-08-19 2007-02-22 Accenture Llp Virtual assistant
CN101282308A (zh) * 2006-08-31 2008-10-08 阿森图雷全球服务有限公司 语音邮件接口的系统和方法
CN101640814A (zh) * 2008-07-31 2010-02-03 埃森哲环球服务有限公司 触发中介系统
EP2154640A1 (en) * 2008-08-04 2010-02-17 ACCENTURE Global Services GmbH Cross-architecture flight tracking system
EP2582123A1 (en) * 2011-10-13 2013-04-17 Nuance Communications, Inc. Multi-modal customer care system

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108874460A (zh) * 2017-05-11 2018-11-23 塞舌尔商元鼎音讯股份有限公司 语音传输装置及其执行语音助理程序的方法
CN111133724A (zh) * 2017-09-25 2020-05-08 微软技术许可有限责任公司 会话调度助理计算系统中的自然语言处理和分析
US11663416B2 (en) 2017-09-25 2023-05-30 Microsoft Technology Licensing, Llc Signal analysis in a conversational scheduling assistant computing system
CN107919123A (zh) * 2017-12-07 2018-04-17 北京小米移动软件有限公司 多语音助手控制方法、装置及计算机可读存储介质
CN107919123B (zh) * 2017-12-07 2022-06-03 北京小米移动软件有限公司 多语音助手控制方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
US20160110422A1 (en) 2016-04-21
CN109190763A (zh) 2019-01-11
US11507581B2 (en) 2022-11-22
EP2946347A1 (en) 2015-11-25
AU2014286166A1 (en) 2016-01-28
EP2988255A1 (en) 2016-02-24
US9471638B2 (en) 2016-10-18
US20170017694A1 (en) 2017-01-19
CA2917089C (en) 2017-01-17
WO2015001048A1 (en) 2015-01-08
CN109190763B (zh) 2022-07-12
US20200265051A1 (en) 2020-08-20
CA2917089A1 (en) 2015-01-08
AU2014286166B2 (en) 2017-02-02
EP2988255B1 (en) 2019-09-25
CN105408919B (zh) 2018-09-28
EP2821943A1 (en) 2015-01-07
US10671614B2 (en) 2020-06-02
EP2946347B1 (en) 2019-08-21

Similar Documents

Publication Publication Date Title
CN105408919A (zh) 查询响应设备
CN108073600A (zh) 一种智能问答交互方法、装置以及电子设备
US11888941B2 (en) Function-as-a-service for two-way communication systems
US11763148B2 (en) Systems and methods for managing interaction invitations
US11870934B2 (en) Smart capacity for workload routing
US20220336053A1 (en) Inherited machine learning model

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant