CN108280521A - 智能机器人服务系统 - Google Patents
智能机器人服务系统 Download PDFInfo
- Publication number
- CN108280521A CN108280521A CN201710012109.0A CN201710012109A CN108280521A CN 108280521 A CN108280521 A CN 108280521A CN 201710012109 A CN201710012109 A CN 201710012109A CN 108280521 A CN108280521 A CN 108280521A
- Authority
- CN
- China
- Prior art keywords
- layer
- intelligent robot
- service system
- customer service
- answer
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000003993 interaction Effects 0.000 claims abstract description 10
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 230000007246 mechanism Effects 0.000 claims abstract description 5
- 238000007789 sealing Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 210000005036 nerve Anatomy 0.000 claims description 2
- 210000002569 neuron Anatomy 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 description 28
- 238000013528 artificial neural network Methods 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 8
- 210000004556 brain Anatomy 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000001537 neural effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- RPNUMPOLZDHAAY-UHFFFAOYSA-N Diethylenetriamine Chemical compound NCCNCCN RPNUMPOLZDHAAY-UHFFFAOYSA-N 0.000 description 1
- 241000233805 Phoenix Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- ZRHANBBTXQZFSP-UHFFFAOYSA-M potassium;4-amino-3,5,6-trichloropyridine-2-carboxylate Chemical compound [K+].NC1=C(Cl)C(Cl)=NC(C([O-])=O)=C1Cl ZRHANBBTXQZFSP-UHFFFAOYSA-M 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/0005—Manipulators having means for high-level communication with users, e.g. speech generator, face recognition means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种智能机器人服务系统,其特征在于,包括四层结构:底层是关键字识别层,具有基础数据库,存储常见的客服问答;第二层是流程化SOP层,根据行业常规标准化客服流程及话术,建立初步的流程服务模块,并在每一个流程节点中连接动态数据库;第三层是网状架构层,是将底层和第二层,封层,并整合形成网状交叉重叠的架构,进行用户的任意节点跳转;第四层是人机交互层,搭载人机交互和人机双混系统,以行业专业客服本身作为神经元,建立机器学习机制。本发明的智能机器人服务系统解决提高客服的工作效率,节省了人工成本。
Description
技术领域
本发明涉及一种智能机器人服务系统,属于智能客服领域。
背景技术
许多研究表明,为了能够学习表示高阶抽象概念的复杂函数,解决目标识别、语音感知和语言理解等人工智能相关的任务,需要引入深度学习(deeplearning)。深度学习架构由多层非线性运算单元组成,每个较低层的输出作为更高层的输入,可以从大量输入数据中学习有效的特征表示,学习到的高阶表示中包含输入数据的许多结构信息,是一种从数据中提取表示的好方法,能够用于分类、回归和信息检索等特定问题中。
深度学习的概念起源于人工神经网络的研究,有多个隐层的多层感知器是深度学习模型的一个很好的范例。对神经网络而言,深度指的是网络学习得到的函数中非线性运算组合水平的数量。当前神经网络的学习算法是针对较低水平的网络结构,将这种网络称为浅结构神经网络,如一个输入层、一个隐层和一个输出层的神经网络;与此相反,将非线性运算组合水平较高的网络称为深度结构神经网络,如一个输入层、三个隐层和一个输出层的神经网络。
深度学习比浅学习具有更强的表示能力,而由于深度的增加使得非凸目标函数产生的局部最优解是造成学习困难的主要因素。反向传播基于局部梯度下降,从一些随机初始点开始运行,通常陷入局部极值,并随着网络深度的增加而恶化,不能很好地求解深度结构神经网络问题。2006年,Hinton等人提出的用于深度信任网络(deepb eliefnetwork,DBN)的无监督学习算法,解决了深度学习模型优化困难的问题。求解DBN方法的核心是贪婪逐层预训练算法,在与网络大小和深度呈线性的时间复杂度上优化DBN的权值,将求解的问题分解成为若干更简单的子问题进行求解。从具有开创性的文献发表之后,Bengio、Hinton、Jarrett、Lar ochelle、Lee、Ranza、Salakhut dino v、Taylor和Vincent等大量研究人员对深度学习进行了广泛的研究以提高和应用深度学习技术。Bengio和Ranzat o等人提出用无监督学习初始化每一层神经网络的想法;Erhan等人尝试理解无监督学习对深度学习过程起帮助作用的原因;Gloro t等人研究深度结构神经网络的原始训练过程失败的原因。许多研讨会都致力于深度学习及其在信号处理领域的应用。文献对深度学习进行了较为全面的综述,基于无监督学习技术提出贪婪逐层预训练学习过程用于初始化深度学习模型的参数,从底层开始训练每层神经网络形成输入的表示,在无监督初始化之后,堆栈各层神经网络转换为深度监督前馈神经网络,用梯度下降进行微调。用于深度学习的学习方法主要集中在学习数据的有用表示,在神经网络较高层中使学习到的特征不随变化的因素而变化,对实际数据中的突发变化具有更强的鲁棒性。文献给出了训练深度学习模型的相关技巧,尤其是受限玻尔兹曼机(restri ctedBoltzmannmachine,RBM),许多来自神经网络训练的想法也可以用于深度结构神经网络学习。Bengio在文献中给出了用于不同种类深度结构神经网络的训练方法的指导意见。深度学习方法已经被成功用于文本数据学习任务和视觉识别任务上。鉴于深度学习的理论意义和实际应用价值,国内对深度结构的研究尚处于起步阶段,这方面已经发表的文献相对较少而且多是侧重于应用领域。为进一步深入研究深度学习理论和拓展其应用领域奠定了一定的基础。
并行分布式深度学习平台:
1.由于海量的高维数据需要规模极大的模型与之匹配,因此模型和数据只能分布式地存储在大量点上。
2.尽管有海量的数据,但是由于数据的稀疏性,过拟合仍然是需要时刻警惕的问题。
3.并行分布式深度学习平台对同时需要稠密矩阵运算和稀疏矩阵运算的场景进行了优化。
近年来在人工智能领域最受关注的,非深度学习莫属。自2006年吉奥夫雷·辛顿(Geoffery Hinton)等在《科学》(Science)杂志发表那篇著名的论文开始,深度学习的热潮从学术界席卷到了工业界。2012年6月,《纽约时报》披露“谷歌大脑(Google Brain)”项目,由著名的斯坦福大学机器学习教授吴恩达(Andrew Ng)和大规模计算机系统世界顶级专家杰夫·迪恩(JeffDean)共同主导,用1.6万个CPU核的并行计算平台训练深度神经网络(Deep Neural Networks,DNN)的机器学习模型,在语音和图像识别等领域获得巨大成功。
国内方面,2013年1月,百度成立深度学习研究院,公司CEO李彦宏担任院长。短短两年时间,深度学习技术被应用到百度的凤巢广告系统、网页搜索、语音搜索、图像识别等领域,涵盖几十项产品。今天,用户在百度平台上的几乎每个服务请求,都被深度学习系统所处理。
人工智能的特征之一是学习的能力,即系统的性能是否会随着经验数据的积累而不断提升。所以,大数据时代的到来给人工智能的发展提供前所未有的机遇。在这个时代背景下,深度学习在包括图像识别等方面所取得的突破性进展并非偶然。
1)从统计和计算的角度看,深度学习特别适合处理大数据。
2)深度学习不是一个黑箱系统。它像概率模型一样,提供一套丰富的、基于联接主义的建模语言(建模框架)
3)深度学习几乎是唯一的端到端机器学习系统。
大数据技术:
随着云时代的来临,大数据(Big data)技术通常用来形容一个公司创造的大量非结构化数据和半结构化数据,这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起,因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。大数据需要特殊的技术,以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术,包括大规模并行处理(MPP)数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
BP人脑逻辑神经:
BP(Back Propagation)神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层(input)、隐层(hidden layer)和输出层(output layer)。
现有的人工客服,存在着成本高,管理难,流失率大,以及工作时间不足的问题,大大提高客服的工作效率。
现有的虚拟客服系统,存在着以下问题:
1.需要不断设置关键字,客户工作量巨大繁重
2.需要客户团队配合系统工作甚至高技术JAVA工程师支持
3.部署慢,非智能化系统,靠传统代码式完成,更改流程复杂,上线6-8个月,配置系统重。
4.无法标准化,成本高,无法为中小企业提供服务只能进行简单一问一答的FAQ搜索式回答,无法进行逻辑化流程设计,无上下文联系,生硬的体验,无法正真解决用户需求。
5.无法实现统一平台,每个渠道需要建立单个独立机器人及独立数据库。
发明内容
本发明的目的在于提供一种智能机器人服务系统,以解决上述问题。
本发明采用了如下技术方案:
一种智能机器人服务系统,其特征在于,包括四层结构:底层是关键字识别层,具有基础数据库,存储常见的客服问答;
第二层是流程化SOP层,根据行业常规标准化客服流程及话术,建立初步的流程服务模块,并在每一个流程节点中连接动态数据库;
第三层是网状架构层,是将底层和第二层,封层,并整合形成网状交叉重叠的架构,进行用户的任意节点跳转;
第四层是人机交互层,搭载人机交互和人机双混系统,以行业专业客服本身作为神经元,建立机器学习机制。
进一步,本发明的智能机器人服务系统,还可以具有这样的特征:关键字识别模块中,具有输入层、隐含层和输出层三层,输入层的每个特征值分别进入隐含层的各级进行运算,并从输出层输出结果,在输入层到隐含层和隐含层到输出层之间通过训练调节连接的权值。
进一步,本发明的智能机器人服务系统,还可以具有这样的特征:当流程化服务模块遇到现有流程无法处理的问题时,系统接入人工客服,此时将人工客服与顾客的问答以文字形式保存,供机器学习。
进一步,本发明的智能机器人服务系统,还可以具有这样的特征:当需要引入新的业务时,将新的问答引入基础数据库中,关键字模块对新的问答进行切词,并进行训练。
进一步,本发明的智能机器人服务系统,还可以具有这样的特征:其中,流程化服务模块中具有导向排布模块,将新业务关键字的优先级提高,使其在整个系统的问答过程中出现的频率提高。
进一步,本发明的智能机器人服务系统,还可以具有这样的特征:其中,在流程化服务模块中,还具有问候模块,在系统开始接入对话、结束本次对话,以及在对话过程中,主动向顾客播放问候用语。
进一步,本发明的智能机器人服务系统,还可以具有这样的特征:其中,流程化服务模块中的问答节点与动态数据库连接。
发明的有益效果
本发明的智能机器人服务系统解决现有人工客服,成本高,管理难,流失率大,以及工作时间不足的问题,大大提高客服的工作效率,通过人性化引导式的沟通流程设置真正意义上解决客服从咨询到办理业务到解决客户投诉等一系列原本需要大量人工去解决的工作,并实现7*24H*365无间断无缝链接式VIP服务为企业节省巨大的客服方面的支出以及显著地提高工作效率,服务更多的客户以提高企业的营收。
附图说明
图1是本发明的智能机器人服务系统的结构框图;
图2是本发明的智能机器人服务系统的问答关系流程图;
图3是本发明的智能机器人服务系统添加新问答和优化问答的流程图;
图4是深度学习的流程示意图。
具体实施方式
以下结合附图来说明本发明的具体实施方式。
本发明的智能机器人服务系统拥有独特DANUBE网状架构实现情绪化逻辑识别,客户上下文等语境识别,并能实现流畅的人机沟通模式让客户基本感觉不出是在与机器人沟通。
如图1所示,智能机器人服务系统具有四层架构:
底层是关键字识别层,有一个基础数据库,其中是客户的大量FAQ,通过关键字识别的方法,颗粒化切词,以及模糊匹配给出单节点一问一答建议性匹配答案。
第二层,是一个流程化SOP层,根据行业常规标准化客服流程及话术,建立初步的流程服务模块,并在每一个流程节点中连接动态数据库,实现引导式沟通场景。
第三层,网状架构层是将以上底层关键字和二层SOP,封层,并整合形成网状交叉重叠的架构,可实现用户的任意节点跳转。
第四层,人机交互层是搭载一个人机交互,人机双混的系统,以行业专业客服本身作为神经元,建立机器学习机制。
原理是,以专业客服回答话术作为神经元学习,通过一段时间神经网络的训练,内核以深度学习以及BP神经算法等进行机器学习,(由高级管理员进行审批全自动或半自动机制)将专业客服对用户问题的理解以及逻辑判断规则学习进智能机器人服务系统,智能机器人服务系统并同时叠加大数据分析,行为分析,喜好分析等建立个人账户,实现VIP客户服务的感觉。如图4所示,深度学习分为输入层21、隐含层22和输出层23,输入层21的每个特征值分别进入隐含层22的各级进行运算,并从输出层23输出结果,在输入层21到隐含层22和隐含层22到输出层23之间通过训练调节连接权值。深度学习可同时应用于关键字识别层和流程化SOP层中。
人机交互模式,机器人可回答部分机器人回答,人工后台审批,当出现不能回答的问题,跳转人工,由人工回答,机器深度学习,长此以往机器逐渐建立拟人脑逻辑思维神经模块,并能像人工一样服务与终端用户。
利用Danube技术核心效果,实现拟关怀情绪识别效果。根据不同客户数据或知识库选择流程满足了企业重体验的应用目标。
自然语言智能交互模拟人类大脑的语言网状图数据库,达到现如今普遍难以满足的高科技逻辑推理,大大提高了语言信息交互的的功能效率。
流程服务模块中具有导向排布模块,将新业务关键字的优先级提高,使其在整个系统的问答过程中出现的频率提高。
问候模块存储常用的问候语,在系统开始接入对话、结束本次对话,以及在对话过程中,主动向顾客播放问候用语。
如图2所示,举例说明使用本智能机器人服务系统与顾客的对话:
步骤S1,接入顾客,比如通过网络论坛,或者其它聊天工具接入,均可。根据客户的问题,进入相应的步骤,例如若客户要求:我想申请微信机器人。则进入步骤S2。
若客户要求:我相了解一下微信机器人,则进入步骤S4。
步骤S2,智能机器人服务系统分析得到客户的要求:客户想申请微信机器人,客服回应:您现在已经开了微信公众账号了么?
如客户回答:是的,已经开通好了微信账号了。则进入步骤S3
步骤S3,客服回应,好的,那请您先登录您的微信公众账号的客户端。
步骤S4,客服回应:微信机器人在很多行业都能有应用,包括售前,售后等,请问您的公司是在什么行业的?
步骤S5,若客户要求:想知道怎么让机器人学习。则进入步骤S6。
步骤S6,客服回应:学习最好是使用客户端程序,不过也可以通过直接与微信机器人对话来教他回答问题。
步骤S7,若客户无法回答,则进入步骤S4,简要介绍微信机器人并提出诱导性问题。客服回应:微信机器人在很多行业都能有应用,包括售前,售后等,请问您的公司是在什么行业的?
在步骤S1、步骤S4和步骤S7之后,若客户在任何一步要求申请微信,则进入步骤S2。
本发明的客服系统具有不断的自我优化体系和柔性改进体系:如图3所示,
顾客通过三种形式接入机器人客户平台一种是通过web论坛等,一种是通过微信,一种是通过自有APP。
顾客接入系统后进行智能客服的步骤S201。
若在步骤S201中出现现有流程无法处理的问题,则进入步骤S203,人工使用PC客户端进行客服;或者步骤S204,人工使用微信或APP等移动客户端进行客服。
步骤S205,当人工客服结束后,进行步骤S205,机器学习,使用人工客服的问答,对智能机器人服务系统进行训练。
当发生步骤S206或者S207,提出新的营销策划或者业务变动时,进行步骤S208,进入客服总监的操作流程,进行步骤S209。
步骤S209,客服总监进行业务流程改进的设计,然后输入到智能机器人服务系统中,对其进行训练。
步骤S210,智能机器人服务系统分析现有流程的客户行为和反馈,将结果传回给客服总监。
以上仅是一例简单示例。
表1:本发明与其他系统的功能区别和优势:
本发明优势:
1.无需设置关键字,一键导入FAQ即能回答。
2.企业客户使用无需IT专业人员支持
3.部署快,成熟化智能化系统,3-4个月上线,系统轻,配置要求简单
4.可做成小成本标准化系统,能以saas模式为中小企业提供服务
5.只需简单客户设置,即可完成各种复杂的客服流程,逻辑性,体验感佳,真正解决用户需求。
6.可实现统一平台多渠道管理,并同步数据库。
7.使用本发明的系统十年成本与传统人工成本计算后表明,本发明节省成本70%以上。
Claims (7)
1.一种智能机器人服务系统,其特征在于,包括四层结构:
底层是关键字识别层,具有基础数据库,存储常见的客服问答;
第二层是流程化SOP层,根据行业常规标准化客服流程及话术,建立初步的流程服务模块,并在每一个流程节点中连接动态数据库;
第三层是网状架构层,是将所述底层和第二层,封层,并整合形成网状交叉重叠的架构,进行用户的任意节点跳转;
第四层是人机交互层,搭载人机交互和人机双混系统,以行业专业客服本身作为神经元,建立机器学习机制。
2.如权利要求1所述的智能机器人服务系统,其特征在于:
所述关键字识别层中,具有输入层、隐含层和输出层三层,输入层的每个特征值分别进入隐含层的各级进行运算,并从输出层输出结果,在输入层到隐含层和隐含层到输出层之间通过训练调节连接的权值。
3.如权利要求1所述的智能机器人服务系统,其特征在于:
当流程服务模块遇到现有流程无法处理的问题时,系统接入人工客服,此时将人工客服与顾客的问答以文字形式保存,供机器学习。
4.如权利要求1所述的智能机器人服务系统,其特征在于:
当需要引入新的业务时,将新的问答引入基础数据库中,关键字模块对新的问答进行切词,并进行训练。
5.如权利要求4所述的智能机器人服务系统,其特征在于:
其中,所述流程服务模块中具有导向排布模块,将新业务关键字的优先级提高,使其在整个系统的问答过程中出现的频率提高。
6.如权利要求5所述的智能机器人服务系统,其特征在于:
其中,在流程服务模块中,还具有问候模块,在系统开始接入对话、结束本次对话,以及在对话过程中,主动向顾客播放问候用语。
7.如权利要求1所述的智能机器人服务系统,其特征在于:
其中,所述流程化服务模块中的问答节点与动态数据库连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710012109.0A CN108280521A (zh) | 2017-01-06 | 2017-01-06 | 智能机器人服务系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710012109.0A CN108280521A (zh) | 2017-01-06 | 2017-01-06 | 智能机器人服务系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108280521A true CN108280521A (zh) | 2018-07-13 |
Family
ID=62800980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710012109.0A Pending CN108280521A (zh) | 2017-01-06 | 2017-01-06 | 智能机器人服务系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108280521A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109348077A (zh) * | 2018-11-23 | 2019-02-15 | 杭州简丽信息技术有限公司 | 一种人工与机器人切换的电话系统及使用方法 |
CN109514586A (zh) * | 2019-01-30 | 2019-03-26 | 第四范式(北京)技术有限公司 | 实现智能客服机器人的方法及系统 |
CN109685673A (zh) * | 2018-12-19 | 2019-04-26 | 前海企保科技(深圳)有限公司 | 一种基于人工智能的保险人机耦合客服系统及方法 |
CN110049198A (zh) * | 2019-04-22 | 2019-07-23 | 杭州数金在线云科技有限公司 | 一种基于互联网的语音业务交互方法和系统 |
CN110315552A (zh) * | 2019-06-21 | 2019-10-11 | 广州大学 | 一种基于深度信念网络的机器人磨抛预测控制方法 |
CN110834337A (zh) * | 2019-10-29 | 2020-02-25 | 上海大学 | 可移动智能服务机器人系统及其安全高效服务工作方法 |
CN115865777A (zh) * | 2023-02-15 | 2023-03-28 | 无锡一技信息科技有限公司 | 一种基于rpa技术的招聘订单智能分发路由方法 |
CN117114387A (zh) * | 2023-10-25 | 2023-11-24 | 联通在线信息科技有限公司 | 交互式客服模型搭建方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105577529A (zh) * | 2015-12-30 | 2016-05-11 | 上海智臻智能网络科技股份有限公司 | 机器人客服及其客服方法、智能客服系统 |
CN105591882A (zh) * | 2015-12-10 | 2016-05-18 | 北京中科汇联科技股份有限公司 | 一种智能机器人与人混合客服的方法及系统 |
CN106202159A (zh) * | 2016-06-23 | 2016-12-07 | 深圳追科技有限公司 | 一种客服系统的人机交互方法 |
-
2017
- 2017-01-06 CN CN201710012109.0A patent/CN108280521A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105591882A (zh) * | 2015-12-10 | 2016-05-18 | 北京中科汇联科技股份有限公司 | 一种智能机器人与人混合客服的方法及系统 |
CN105577529A (zh) * | 2015-12-30 | 2016-05-11 | 上海智臻智能网络科技股份有限公司 | 机器人客服及其客服方法、智能客服系统 |
CN106202159A (zh) * | 2016-06-23 | 2016-12-07 | 深圳追科技有限公司 | 一种客服系统的人机交互方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109348077A (zh) * | 2018-11-23 | 2019-02-15 | 杭州简丽信息技术有限公司 | 一种人工与机器人切换的电话系统及使用方法 |
CN109685673A (zh) * | 2018-12-19 | 2019-04-26 | 前海企保科技(深圳)有限公司 | 一种基于人工智能的保险人机耦合客服系统及方法 |
CN109514586A (zh) * | 2019-01-30 | 2019-03-26 | 第四范式(北京)技术有限公司 | 实现智能客服机器人的方法及系统 |
CN110049198A (zh) * | 2019-04-22 | 2019-07-23 | 杭州数金在线云科技有限公司 | 一种基于互联网的语音业务交互方法和系统 |
CN110315552A (zh) * | 2019-06-21 | 2019-10-11 | 广州大学 | 一种基于深度信念网络的机器人磨抛预测控制方法 |
CN110834337A (zh) * | 2019-10-29 | 2020-02-25 | 上海大学 | 可移动智能服务机器人系统及其安全高效服务工作方法 |
CN115865777A (zh) * | 2023-02-15 | 2023-03-28 | 无锡一技信息科技有限公司 | 一种基于rpa技术的招聘订单智能分发路由方法 |
CN117114387A (zh) * | 2023-10-25 | 2023-11-24 | 联通在线信息科技有限公司 | 交互式客服模型搭建方法、装置、电子设备及存储介质 |
CN117114387B (zh) * | 2023-10-25 | 2024-02-27 | 联通在线信息科技有限公司 | 交互式客服模型搭建方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280521A (zh) | 智能机器人服务系统 | |
Press | Top 10 hot artificial intelligence (AI) technologies | |
CN108536681A (zh) | 基于情感分析的智能问答方法、装置、设备及存储介质 | |
CN108009285A (zh) | 基于自然语言处理的林业生态环境人机交互方法 | |
CN107679225B (zh) | 一种基于关键词的回复生成方法 | |
Rawat et al. | Recent deep learning based nlp techniques for chatbot development: An exhaustive survey | |
CN109325040A (zh) | 一种faq问答库泛化方法、装置及设备 | |
Cabada et al. | Mining of educational opinions with deep learning | |
Parab et al. | An Intelligent Career Counselling Bot A System For Counselling | |
Dolhopolov et al. | Use of artificial intelligence systems for determining the career guidance of future university student | |
CN108280095A (zh) | 智能虚拟客服系统 | |
Mohammed et al. | Chatbot system architecture | |
Vedavathi et al. | Deep flamingo search and reinforcement learning based recommendation system for e-learning platform using social media | |
Sirbu et al. | ReaderBench: building comprehensive sociograms of online communities | |
Kesarwani et al. | Student Chatbot System: A Review on Educational Chatbot | |
Kapoor et al. | MU-SYNC-A Music Recommendation Bot | |
Enayet et al. | Analyzing team performance with embeddings from multiparty dialogues | |
Stepanov et al. | Estimation of contact center performance measures in case of overload and chatbot implementation | |
CN114429121A (zh) | 一种面向试题语料情感与原因句子对的抽取方法 | |
CN109635942B (zh) | 一种仿脑兴奋态和抑制态工作状态神经网络电路结构及方法 | |
CN112052320A (zh) | 一种信息处理方法、装置及计算机可读存储介质 | |
Bird | Improving customer service chatbots with attention-based transfer learning | |
Wang et al. | Complex Continuous Action Iterated Dilemma With Incremental Dynamic Model | |
Scurtu et al. | Using Cognitive Services within CPS/SCADA Systems Federations-Concepts, Research Areas and Challenges | |
Olyanitch et al. | Artificial Intelligence: Semiolinguistic and Communicative Competencies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200928 Address after: Room 2087, No. 100, Lane 130, Taopu Road, Putuo District, Shanghai Applicant after: Jingpu (Shanghai) Artificial Intelligence Technology Co.,Ltd. Address before: 226000 Jiangsu city of Nantong province No. 2 Building 1 room 110494 Hyde Applicant before: NANTONG SHIAI INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180713 |
|
WD01 | Invention patent application deemed withdrawn after publication |