CN109189902A - 自动应答咨询的方法及装置 - Google Patents
自动应答咨询的方法及装置 Download PDFInfo
- Publication number
- CN109189902A CN109189902A CN201810904573.5A CN201810904573A CN109189902A CN 109189902 A CN109189902 A CN 109189902A CN 201810904573 A CN201810904573 A CN 201810904573A CN 109189902 A CN109189902 A CN 109189902A
- Authority
- CN
- China
- Prior art keywords
- questions
- information
- asked
- ask
- asking
- 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
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种自动应答咨询的方法及装置。其中,该方法包括:获取咨询问题信息,其中,咨询问题信息为对咨询问题进行特征提取操作获得的,特征提取操作包括空间变换和/或特征融合;将咨询问题信息输入分类模型,并由分类模型输出咨询问题信息所属的类型,分类模型为使用多组数据通过机器学习训练得出的,多组数据中的每组数据均包括:咨询问题信息和咨询问题信息对应的分类结果;根据咨询问题的分类结果,对咨询问题生成应答。本发明解决了在相关技术中由于对用户咨询问题采用人工分类,流程过于繁琐,失误较多的技术问题。
Description
技术领域
本发明涉及服务信息分类技术领域,具体而言,涉及一种自动应答咨询的方法及装置。
背景技术
随着互联网用户需求逐步增加,关于各类家用电器的服务咨询和问题投诉也逐步增多,尤其是在网上商店销售的商品,用户可以通过网上发出问题咨询或问题投诉,与卖家或售后客服人员直接交流。而在产品改进或升级时,用户提过的历史问题被用作参考时,常以人工统计、分类的形式进行,费时费力,而且会产生人为失误等,因而导致用户反馈的问题不能得到很好的利用。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种自动应答咨询的方法及装置,以至少解决在相关技术中由于对用户咨询问题采用人工分类,流程过于繁琐,失误较多的技术问题。
根据本发明实施例的一个方面,提供了一种自动应答咨询的方法,包括:获取咨询问题信息,其中,所述咨询问题信息为对咨询问题进行特征提取操作获得的,所述特征提取操作包括空间变换和/或特征融合;将所述咨询问题信息输入分类模型,并由所述分类模型输出所述咨询问题信息所属的类型,所述分类模型为使用多组数据通过机器学习训练得出的,所述多组数据中的每组数据均包括:咨询问题信息和所述咨询问题信息对应的分类结果;根据所述咨询问题的分类结果,对所述咨询问题生成应答。
可选的,获取咨询问题信息包括:对咨询问题进行空间变换,获得第一咨询问题特征;将所述第一咨询问题特征数据输入至卷积层和池化层,获得咨询问题融合特征;根据所述咨询问题融合特征确定所述咨询问题信息。
可选的,根据所述咨询问题融合特征确定所述咨询问题信息包括:将所述咨询问题融合特征输入至多层卷积神经网络中的全连接层,得到所述咨询问题信息。
可选的,所述咨询问题包括下列至少之一,咨询问题语音,咨询问题图像。
可选的,根据所述咨询问题的分类结果,对所述咨询问题生成应答之后包括:将所述分类结果和所述应答进行记录,并发送给用于技术人员进行研究和优化的技术终端。
根据本发明实施例的另一个方面,提供了一种自动应答咨询的装置,包括:获取模块,用于获取咨询问题信息,其中,所述咨询问题信息为对咨询问题进行特征提取操作获得的,所述特征提取操作包括空间变换和/或特征融合;分类模块,用于将所述咨询问题信息输入分类模型,并由所述分类模型输出所述咨询问题信息所属的类型,所述分类模型为使用多组数据通过机器学习训练得出的,所述多组数据中的每组数据均包括:咨询问题信息和所述咨询问题信息对应的分类结果;应答模块,用于根据所述咨询问题的分类结果,对所述咨询问题生成应答。
可选的,所述获取模块包括:第一获取单元,用于对咨询问题进行空间变换,获得第一咨询问题特征;第二获取单元,用于将所述第一咨询问题特征数据输入至卷积层和池化层,获得咨询问题融合特征;确定单元,用于根据所述咨询问题融合特征确定所述咨询问题信息。
可选的,所述确定单元包括:确定子单元,用于将所述咨询问题融合特征输入至多层卷积神经网络中的全连接层,得到所述特征信息。
可选的,所述装置还包括:记录模块,将所述分类结果和所述应答进行记录,并发送给用于技术人员进行研究和优化的技术终端。
根据本发明实施例的另一个方面,提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述中任意一项所述的方法。
在本发明实施例中,获取咨询问题信息,其中,所述咨询问题信息为对咨询问题进行特征提取操作获得的,所述特征提取操作包括空间变换和/或特征融合;将所述咨询问题信息输入分类模型,并由所述分类模型输出所述咨询问题信息所属的类型,所述分类模型为使用多组数据通过机器学习训练得出的,所述多组数据中的每组数据均包括:咨询问题信息和所述咨询问题信息对应的分类结果;根据所述咨询问题的分类结果,对所述咨询问题生成应答的方式,通过分类模型,达到了对用户咨询问题信息进行有效识别的目的,从而实现了对用户咨询问题信息进行精确分类的技术效果,进而解决了在相关技术中由于对用户咨询问题采用人工分类,流程过于繁琐,失误较多的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种自动应答咨询的方法的流程图;
图2是根据本发明实施例的一种自动应答咨询的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种自动应答咨询的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种自动应答咨询的方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取咨询问题信息,其中,咨询问题信息为对咨询问题进行特征提取操作获得的,特征提取操作包括空间变换和/或特征融合;
步骤S104,将咨询问题信息输入分类模型,并由分类模型输出咨询问题信息所属的类型,分类模型为使用多组数据通过机器学习训练得出的,多组数据中的每组数据均包括:咨询问题信息和咨询问题信息对应的分类结果;
步骤S106,根据咨询问题的分类结果,对咨询问题生成应答。
在本发明实施例中,采用获取咨询问题信息,其中,咨询问题信息为对咨询问题进行特征提取操作获得的,特征提取操作包括空间变换和/或特征融合;将咨询问题信息输入分类模型,并由分类模型输出咨询问题信息所属的类型,分类模型为使用多组数据通过机器学习训练得出的,多组数据中的每组数据均包括:咨询问题信息和咨询问题信息对应的分类结果;根据咨询问题的分类结果,对咨询问题生成应答的方式,通过分类模型,达到了对用户咨询问题信息进行有效识别的目的,从而实现了对用户咨询问题信息进行精确分类的技术效果,进而解决了在相关技术中由于对用户咨询问题采用人工分类,流程过于繁琐,失误较多的技术问题。
上述获取咨询问题信息是由采集到的咨询问题处理转化所得,其中咨询问题可以是多种形式,主要包括图像信息、语音信息、文本信息等,而获取咨询问题是由信息采集装置进行采集,上述采集装置可以是摄像头、录像机、录音器等。以网络用户咨询为例,用户通过网络向销售商或者客服人员反馈商品问题,可以通过语音聊天、发送图片或者文字等来说明自己遇到的问题,也可以通过除上述以外的方式反馈问题,例如,视频通话等。
在获取咨询问题后,可以对获取的咨询问题进行预处理。例如,图像信息、语音信息等在传输过程中可能受到传输介质或者软件设置等因素的影响,造成传输过来的信息质量较低等。可以通过预处理操作最大程度地降低获取的咨询问题信息质量受不利因素的影响。此外,在对咨询问题进行处理时,可以将图像信息的咨询问题和语音信息的咨询问题转化为文字信息的咨询问题,然后进行分析和处理。在将咨询问题中的图像信息或者语音信息转化为文本信息的过程中,通过语言模型对非法字符进行过滤,也可以通过字符识别软件等对转化过程中错误的文字进行纠正。
需要说明的是,在获取咨询问题信息时,首先对咨询问题进行空间变换,得到咨询问题信息对应的第一咨询问题特征;其次,将上述的第一咨询问题特征输入卷积神经网络中的卷积层和池化层,经过多次重复的卷积操作和池化操作,得到咨询问题融合特征,其中,卷积神经网络中的卷积层和池化层可以根据具体应用场景设置合适的层数。最后,根据咨询问题融合特征确定咨询问题信息。在将咨询问题信息输入到分类模型后,由于该分类模型是由大量的特征信息和特征信息对应的分类结果经过机器学习训练得到,因此,输入的咨询问题信息经过分类模型,就会得到与其对应的分类结果。换言之,分类模型可以根据咨询问题信息识别出对应的分类结果。以家用电器的问题咨询或投诉为例,用户在反馈咨询或投诉时,通常客服人员会询问用户遇到什么样的问题,如用户反映冰箱温度较高或者保存食物容易腐烂等,将该问题的文本信息进行特征提取获得该问题对应付的咨询问题信息,经该咨询问题信息输入到分类模型,就会得到该冰箱“制冷效果差”的应答消息。因此,经过该分类模型,可以对用户提出的问题,也即是咨询信息,进行自动且精准的分类。而且,系统定期向技术人员及时反馈用户咨询问题的范围及频率,使得技术人员可以根据反馈的问题,不断改进和优化产品,也可以根据问题进行有方向性的研究。
在根据咨询问题的分类结果,对咨询问题生成应答中,应答结果会针对咨询问题的分类结果进行回复,其中,应答包括下列至少之一:给予用户自行解决咨询问题的建议,通知技术人员上门服务。例如,以空调为例,当用户咨询室内空调噪音过大时,应答会给予用户自行解决咨询问题的建议:检查风机叶轮是否碰壳,轴承是否损坏,减震是否良好;调节各种阀门、风口,降低过高风速;风管系统消声设备不完善,需要增加消声弯头等设备。也可以根据用户情况,在用户不能解决咨询问题时,会通知技术人员上门服务。通过对咨询问题的应答,不仅能够有效解决用户的问题,而且通过有针对性的应答,提高了用户体验和产品的影响力。
优选的,根据咨询问题融合特征确定特征信息包括:将咨询问题融合特征输入至多层卷积神经网络中的全连接层,得到咨询问题信息。
在得到咨询问题融合特征后,将其输入多层卷积神经网络中的全连接层,得到用户咨询问题信息中对应的咨询问题信息。利用卷积神经网络的全连接层,得到更加精确的咨询问题信息,提高了分类模型的识别准确性,能够获取更好的分类效果。
优选的,咨询问题包括下列至少之一,咨询问题语音,咨询问题图像。
在获取咨询问题信息时,可以先接收咨询问题语音和/或咨询问题图像,再将上述咨询问题转化为文本信息的咨询问题信息。例如,用户发送语音信息咨询或者图像信息咨询,也可以是两者结合起来的方式进行咨询,通过软件提取语音或图像中的文本信息,也就是将语音或图像转化为文本信息。其中,语音信息包括通话语音,录音等,图像信息可以是静态图像,也可以是动态图像。采用不同的方式接受咨询问题,能够全面的收集问题,并针对提出的问题解决该问题,有效提升了用户的产品体验。
优选的,根据咨询问题的分类结果,对咨询问题生成应答之后包括:将分类结果和应答进行记录,并发送给用于技术人员进行研究和优化的技术终端。
在得到分类结果及其对应的应答后,可以将分类结果和应答进行记录,并发送给用于技术人员进行研究和优化的技术终端。该终端可以对用户咨询问题进行分类并统计,为后续客户服务提供借鉴参考。同时,根据分类模型及统计的结果,为技术人员对产品改进或升级提供参考性材料。因此,通过对问题精准分类,可以进一步为商品优化升级提供可用的参考依据。
针对各类家用电器的问题咨询和问题投诉,例如,通过网店销售的空调,用户在使用过程中如有问题常会通过网店客户进行反馈和保修。根据本实施例的分类模型,以冰箱为例,在该冰箱的产品维护系统中对用户提出的问题可以进行自动且精准的问题分类并统计,例如,类别可以为“制冷效果差”“易结霜”“耗电”等,系统定期向技术人员范围各类问题及出现频率,使技术人员在对产品不断的改进和优化中,可以根据问题有方向性的进行研究。既在统计过程中省时省力,又在维护研发过程中提供出可应用参考。
此外,本发明不仅适用于冰箱、空调等家用电器领域的应答咨询,也可应用于其他存在咨询和投诉问题领域,例如,品牌服装店、酒店、汽车出租、网上商城等。
图2是根据本发明实施例的一种自动应答咨询的装置的结构示意图;如图2所示,该自动应答咨询的装置20,包括:获取模块22,分类模块24和应答模块26。下面对该自动应答咨询的装置20进行详细说明。
获取模块22,用于获取咨询问题信息,其中,咨询问题信息为对咨询问题进行特征提取操作获得的,特征提取操作包括空间变换和/或特征融合;分类模块24,与上述获取模块22相连,用于将咨询问题信息输入分类模型,并由分类模型输出咨询问题信息所属的类型,分类模型为使用多组数据通过机器学习训练得出的,多组数据中的每组数据均包括:咨询问题信息和咨询问题信息对应的分类结果;应答模块26,与上述分类模块24相连,用于根据咨询问题的分类结果,对咨询问题生成应答。
优选的,获取模块22包括:第一获取单元,用于对咨询问题信息进行空间变换,获得第一咨询问题特征;第二获取单元,用于将第一咨询问题特征数据输入至卷积层和池化层,获得咨询问题融合特征;确定单元,用于根据咨询问题融合特征确定特征信息。
优选的,确定单元包括:确定子单元,用于将咨询问题融合特征输入至多层卷积神经网络中的全连接层,得到咨询问题信息。
优选的,自动应答咨询的装置20还包括:记录模块,将分类结果和应答进行记录,并发送给用于技术人员进行研究和优化的技术终端。
根据本发明实施例的另一方面,提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述中任意一项的方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种自动应答咨询的方法,其特征在于,包括:
获取咨询问题信息,其中,所述咨询问题信息为对咨询问题进行特征提取操作获得的,所述特征提取操作包括空间变换和/或特征融合;
将所述咨询问题信息输入分类模型,并由所述分类模型输出所述咨询问题信息所属的类型,所述分类模型为使用多组数据通过机器学习训练得出的,所述多组数据中的每组数据均包括:咨询问题信息和所述咨询问题信息对应的分类结果;
根据所述咨询问题的分类结果,对所述咨询问题生成应答。
2.根据权利要求1所述的方法,其特征在于,获取咨询问题信息包括:
对咨询问题进行空间变换,获得第一咨询问题特征;
将所述第一咨询问题特征数据输入至卷积层和池化层,获得咨询问题融合特征;
根据所述咨询问题融合特征确定所述咨询问题信息。
3.根据权利要求2所述的方法,其特征在于,根据所述咨询问题融合特征确定所述咨询问题信息包括:
将所述咨询问题融合特征输入至多层卷积神经网络中的全连接层,得到所述咨询问题信息。
4.根据权利要求2所述的方法,其特征在于,所述咨询问题包括下列至少之一,咨询问题语音,咨询问题图像。
5.根据权利要求1所述的方法,其特征在于,根据所述咨询问题的分类结果,对所述咨询问题生成应答之后包括:
将所述分类结果和所述应答进行记录,并发送给用于技术人员进行研究和优化的技术终端。
6.一种自动应答咨询的装置,其特征在于,包括:
获取模块,用于获取咨询问题信息,其中,所述咨询问题信息为对咨询问题进行特征提取操作获得的,所述特征提取操作包括空间变换和/或特征融合;
分类模块,用于将所述咨询问题信息输入分类模型,并由所述分类模型输出所述咨询问题信息所属的类型,所述分类模型为使用多组数据通过机器学习训练得出的,所述多组数据中的每组数据均包括:咨询问题信息和所述咨询问题信息对应的分类结果;
应答模块,用于根据所述咨询问题的分类结果,对所述咨询问题生成应答。
7.根据权利要求6所述的装置,其特征在于,所述获取模块包括:
第一获取单元,用于对咨询问题进行空间变换,获得第一咨询问题特征;
第二获取单元,用于将所述第一咨询问题特征数据输入至卷积层和池化层,获得咨询问题融合特征;
确定单元,用于根据所述咨询问题融合特征确定所述咨询问题信息。
8.根据权利要求7所述的装置,其特征在于,所述确定单元包括:
确定子单元,用于将所述咨询问题融合特征输入至多层卷积神经网络中的全连接层,得到所述特征信息。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
记录模块,将所述分类结果和所述应答进行记录,并发送给用于技术人员进行研究和优化的技术终端。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至5中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810904573.5A CN109189902B (zh) | 2018-08-09 | 2018-08-09 | 自动应答咨询的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810904573.5A CN109189902B (zh) | 2018-08-09 | 2018-08-09 | 自动应答咨询的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109189902A true CN109189902A (zh) | 2019-01-11 |
CN109189902B CN109189902B (zh) | 2020-10-16 |
Family
ID=64921431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810904573.5A Active CN109189902B (zh) | 2018-08-09 | 2018-08-09 | 自动应答咨询的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109189902B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110880077A (zh) * | 2019-11-25 | 2020-03-13 | 重庆五生信息技术有限公司 | 企业智能咨询云平台 |
CN111210231A (zh) * | 2019-12-31 | 2020-05-29 | 联想(北京)有限公司 | 信息处理方法和信息处理装置 |
CN111341312A (zh) * | 2020-02-24 | 2020-06-26 | 百度在线网络技术(北京)有限公司 | 基于智能语音设备的数据分析方法、设备及存储介质 |
CN113553417A (zh) * | 2021-07-19 | 2021-10-26 | 中国联合网络通信集团有限公司 | 用户终端使用反馈方法以及实现该方法的系统 |
CN113609275A (zh) * | 2021-08-24 | 2021-11-05 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104731895A (zh) * | 2015-03-18 | 2015-06-24 | 北京京东尚科信息技术有限公司 | 自动应答的方法和装置 |
US20160132773A1 (en) * | 2014-11-06 | 2016-05-12 | International Business Machines Corporation | Method for Automatic Near-Real-Time Prediction, Classification, and Notification of Events in Natural Language Systems |
CN107291822A (zh) * | 2017-05-24 | 2017-10-24 | 北京邮电大学 | 基于深度学习的问题分类模型训练方法、分类方法及装置 |
CN108335110A (zh) * | 2017-01-17 | 2018-07-27 | 阿里巴巴集团控股有限公司 | 聊天信息处理方法及装置 |
-
2018
- 2018-08-09 CN CN201810904573.5A patent/CN109189902B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160132773A1 (en) * | 2014-11-06 | 2016-05-12 | International Business Machines Corporation | Method for Automatic Near-Real-Time Prediction, Classification, and Notification of Events in Natural Language Systems |
CN104731895A (zh) * | 2015-03-18 | 2015-06-24 | 北京京东尚科信息技术有限公司 | 自动应答的方法和装置 |
CN108335110A (zh) * | 2017-01-17 | 2018-07-27 | 阿里巴巴集团控股有限公司 | 聊天信息处理方法及装置 |
CN107291822A (zh) * | 2017-05-24 | 2017-10-24 | 北京邮电大学 | 基于深度学习的问题分类模型训练方法、分类方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110880077A (zh) * | 2019-11-25 | 2020-03-13 | 重庆五生信息技术有限公司 | 企业智能咨询云平台 |
CN111210231A (zh) * | 2019-12-31 | 2020-05-29 | 联想(北京)有限公司 | 信息处理方法和信息处理装置 |
CN111341312A (zh) * | 2020-02-24 | 2020-06-26 | 百度在线网络技术(北京)有限公司 | 基于智能语音设备的数据分析方法、设备及存储介质 |
CN113553417A (zh) * | 2021-07-19 | 2021-10-26 | 中国联合网络通信集团有限公司 | 用户终端使用反馈方法以及实现该方法的系统 |
CN113553417B (zh) * | 2021-07-19 | 2023-06-23 | 中国联合网络通信集团有限公司 | 用户终端使用反馈方法以及实现该方法的系统 |
CN113609275A (zh) * | 2021-08-24 | 2021-11-05 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、设备及存储介质 |
CN113609275B (zh) * | 2021-08-24 | 2024-03-26 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109189902B (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189902A (zh) | 自动应答咨询的方法及装置 | |
CN107220353B (zh) | 一种智能客服机器人满意度自动评价方法及系统 | |
CN108052605A (zh) | 一种基于客户特征库的智能问答系统 | |
WO2021104385A1 (zh) | 一种在线数据采集的方法及系统 | |
CN108521525A (zh) | 基于用户标签体系的智能机器人客服营销方法和系统 | |
CN106600298A (zh) | 基于工单数据分析的电力信息系统客服知识库构建方法 | |
CN109189901A (zh) | 一种智能客服系统中自动发现新分类以及对应语料的方法 | |
CN109993543A (zh) | 一种投诉处理方法及系统 | |
CN111970400B (zh) | 骚扰电话识别方法及装置 | |
CN109285011A (zh) | 一种智能客户回访方法、装置及设备 | |
CN112866759B (zh) | 基于深度学习和云计算的电商直播平台及云通信服务器 | |
CN103294725A (zh) | 智能应答机器人软件 | |
WO2021129342A1 (zh) | 数据处理方法、装置、设备、存储介质及计算机程序 | |
CN109493186A (zh) | 确定推送信息的方法和装置 | |
CN109992781A (zh) | 文本特征的处理、装置、存储介质和处理器 | |
CN106846082A (zh) | 基于硬件信息的旅游冷启动用户产品推荐系统及方法 | |
CN109165274A (zh) | 一种在线自动客服方法、系统及电子设备 | |
CN112925888A (zh) | 一种问答响应及小样本文本匹配模型的训练方法和装置 | |
CN110458410A (zh) | 一种任务分配的方法和设备 | |
CN106910075A (zh) | 移动通信客户投诉的智能处理系统和方法 | |
CN106686267A (zh) | 一种实现个性化语音服务的方法及系统 | |
CN112785427A (zh) | 基于电力数据的企业信用分析系统 | |
CN111368131B (zh) | 用户关系识别方法、装置、电子设备及存储介质 | |
CN106682910A (zh) | 一种信息处理方法、系统及相关设备 | |
CN115062676B (zh) | 数据处理方法、装置及计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |