CN109446304A - 智能客服会话方法及系统 - Google Patents

Abstract

本发明公开了一种智能客服会话方法及系统，结合了用户的地理位置信息，利用该信息选择相应的词向量模型，合理地利用了用户的地理位置信息，并引入用户身份信息以及类型化分析，从而对回复的答案信息进行优化；由所述智能应答引擎识自动通过交互终端向用户推荐信息，可以在用户提问之前就解决问题；本发明又创造，以排除虚假提问和剔除无效提问的功能。本发明利用上述技术方案提升了会话的准确性和效率。

Description

智能客服会话方法及系统

技术领域

本发明属于互联网智能会话技术领域，尤其涉及一种智能客服会话方法及系统。

背景技术

交易和沟通效率的提升可以减少交易和沟通的边际成本，互联网平台或企业的海量交易量需要大量的客服与客户进行会话，以解决交易和沟通中的问题。但实践中，大量的咨询和沟通都是重复的问题，这些问题实际上存在标准化的答案，人工会话不仅降低了效率，还增加了人工成本。

随着移动互联网的快速发展，服务行业也开始通过互联网模式为特定和不特定人群提供高附加值、高层次、知识型的生产服务和生活服务，适应现代人和现代城市发展的需求。

然而，智能会话的准确性仍然是行业中亟待解决的问题，若无法及时有效地向请求者提供准确信息，请求者只能再次转向人工求助，反而降低了沟通效率。基于此，现有技术的智能会话的准确性还有待提升。

发明内容

有鉴于此，本发明所要解决的技术问题是，提供一种准确度高的智能客服会话方法及系统，以提高工作效率。

本发明提供一种以下的智能客服会话方法，具体步骤如下：

S1、接受用户提交的会话信息，获取用户的地理位置信息，结合用户的的地理位置信息，选择相应的词向量模型，并根据所述词向量模型提取出相应的关键词；

S2、将提取的所述关键词，通过领域本体规则进行不同类别的分类，并在本体领域知识库中查询对应的特征信息；

S3、将所述特征信息基于朴素贝叶斯分类算法输出问题类型信息；

S4、根据所述问题类型信息，从业务知识库中选择多个可能的答案，作为智能回复给用户的信息，并根据答案的匹配性显降序排列。

进一步的，采用极限学习机来训练用户提交的会话信息与给出的智能回复信息的匹配性。

进一步的，根据用户的反馈，重新提取关键词，并重复步骤S2、S3和S4，并调整所述答案的排序。

进一步的，所述词向量模型采用CBOW-Gram模型，所述CBOW-Gram模型是一个包括输入层、隐藏层以及输出层的三层神经网络，所述CBOW-Gram模型的训练输入是某一个特征词的上下文相关的词对应的词向量，而输出就是这特定的一个词的词向量。

本发明还提供一种智能客服会话系统，包括交互终端、智能服务模块以及本体知识库；

所述交互终端用于接受用户上行的问题，并将问题信息发送给所述智能服务模块；

所述智能服务模块通过所述交互终端获取用户地理位置权限，以获取用户的地理位置信息，基于所述地理位置信息和问题，选择相应的词向量模型，根据所述词向量模型进行关键词提取，并按照朴素贝叶斯分类算法输出为问题类型信息；

根据所述问题类型信息，从本体知识库中的业务知识库中选择多个可能的答案，作为智能回复给用户的信息，并根据答案的匹配性显降序排列；

采用极限学习机来训练用户提交的会话信息与给出的智能回复信息的匹配性。

进一步的，所述智能服务模块包括用于自然语言处理的智能应答引擎、按照领域本体构建的本体知识单元以及用于自学习的智能机器人单元，所述智能应答引擎包括语义分析单元、智能纠错单元、意图分析单元、语言分析单元、问题导航单元、场景交互单元以及后台计算单元，所述语义分析单元、智能纠错单元、意图分析单元和语言分析单元对用户的问题进行语义、意图和语言分析，并对明显的语法、错别字进行纠错。

进一步的，所述本体知识库包括领域知识库、用户知识库、业务知识库以及通用语言知识库，所述领域知识库存储有多个已经归类的不同领域的知识，对问题类型进行导航，所述用户知识库存储有用户的身份信息、用户的提问记录、用户对会话的满意度信息，所述业务知识库存储有已经类型问题的标准答案，供会话时调用，所述通用语言知识库存储有通用语言知识，供语言、语义分析时调用。

进一步的，所述智能应答引擎识别用户知识库中提问用户的身份信息，并结合用户的提问记录和收到的回答记录，对回复的答案信息进行优化；且对该用户的提问与其他用户的提问进行匹配，并将用户类型化，在用户发起提问时输入所述提问题之前，由所述智能应答引擎识自动通过交互终端向用户推荐信息。

进一步的，所述本体知识库还包括命题判断知识库，所述命题判断知识库存储有标准的命题结构和相应的命题逻辑，基于所述命题判断知识库识别用户提问之问题的命题结构，并判断命题的逻辑，从而排除虚假提问和剔除无效提问的功能。

进一步的，所述智能应答引擎还包括业务平台接口、日常会话接口、自学习接口以及数据接口，所述日常会话接口用于与所述交互终端连接，所述业务平台接口用于与所述本体知识库连接，所述自学习接口用于与所述智能机器人连接，所述数据接口用于与所述用户管理后台连接。

本发明的智能客服会话方法及系统，结合了用户的地理位置信息，利用该信息选择相应的词向量模型，合理地利用了用户的地理位置信息，并引入用户身份信息以及类型化分析，从而对回复的答案信息进行优化；由所述智能应答引擎识自动通过交互终端向用户推荐信息，可以在用户提问之前就解决问题；本发明又创造，以排除虚假提问和剔除无效提问的功能。本发明利用上述技术方案提升了会话的准确性和效率。

附图说明

图1为智能客服会话方法流程图；

图2为智能客服会话系统的结构示意图。

具体实施方式

以下将结合附图和具体实施例对本发明做进一步详细说明：

实施例1：如图1，一种智能客服会话方法，包括以下步骤：

S1、接受用户提交的会话信息，获取用户的地理位置信息，结合用户的的地理位置信息，选择相应的词向量模型，并根据所述词向量模型提取出相应的关键词；

S2、将提取的所述关键词，通过领域本体规则进行不同类别的分类，并在本体领域知识库中查询对应的特征信息；

S3、将所述特征信息基于朴素贝叶斯分类算法输出问题类型信息；

S4、根据所述问题类型信息，从业务知识库中选择多个可能的答案，作为智能回复给用户的信息，并根据答案的匹配性显降序排列。

采用极限学习机来训练用户提交的会话信息与给出的智能回复信息的匹配性。采用极限学习机先采用训练进行训练，并形成多个分类器，通过分类器筛选出匹配性高的回复信息。

根据用户的反馈，重新提取关键词，并重复步骤S2、S3和S4，并调整所述答案的排序。

所述词向量模型采用CBOW-Gram模型。所述CBOW-Gram模型是一个包括输入层、隐藏层以及输出层的三层神经网络，所述CBOW-Gram模型的训练输入是某一个特征词的上下文相关的词对应的词向量，而输出就是这特定的一个词的词向量即关键词。

所述朴素贝叶斯分类算法采用条件概率公式计算。

如图2，示意了智能客服会话系统的结构原理，包括交互终端、智能服务模块以及本体知识库；

所述交互终端用于接受用户上行的问题，并将问题信息发送给所述智能服务模块；

所述智能服务模块通过所述交互终端获取用户地理位置权限，以获取用户的地理位置信息，基于所述地理位置信息和问题，选择相应的词向量模型，根据所述词向量模型进行关键词提取，并按照朴素贝叶斯分类算法输出为问题类型信息；

根据所述问题类型信息，从本体知识库中的业务知识库中选择多个可能的答案，作为智能回复给用户的信息，并根据答案的匹配性显降序排列；

采用极限学习机来训练用户提交的会话信息与给出的智能回复信息的匹配性。

所述智能服务模块包括用于自然语言处理的智能应答引擎、按照领域本体构建的本体知识单元以及用于自学习的智能机器人单元，所述智能应答引擎包括语义分析单元、智能纠错单元、意图分析单元、语言分析单元、问题导航单元、场景交互单元以及后台计算单元，所述语义分析单元、智能纠错单元、意图分析单元和语言分析单元对用户的问题进行语义、意图和语言分析，并对明显的语法、错别字进行纠错。

所述本体知识库包括领域知识库、用户知识库、业务知识库以及通用语言知识库，所述领域知识库存储有多个已经归类的不同领域的知识，对问题类型进行导航，所述用户知识库存储有用户的身份信息、用户的提问记录、用户对会话的满意度信息，所述业务知识库存储有已经类型问题的标准答案，供会话时调用，所述通用语言知识库存储有通用语言知识，供语言、语义分析时调用。

所述智能应答引擎识别用户知识库中提问用户的身份信息，并结合用户的提问记录和收到的回答记录，对回复的答案信息进行优化；且对该用户的提问与其他用户的提问进行匹配，并将用户类型化，在用户发起提问时输入所述提问题之前，由所述智能应答引擎识自动通过交互终端向用户推荐信息。

所述本体知识库还包括命题判断知识库，所述命题判断知识库存储有标准的命题结构和相应的命题逻辑，基于所述命题判断知识库识别用户提问之问题的命题结构，并判断命题的逻辑，从而排除虚假提问和剔除无效提问的功能。

所述智能纠错单元用于所述交互终端提交的问题的错别字或者模糊字等纠错，尽可能消除用户手误或疏忽带来的输入错误。

所述意图分析单元用于对根据所述语义分析单元解析的上下文语义或语境进行意图分析，并划分相对应的类别，精确定位用户意图，包括分析问题类型、提问对象和问题焦点等。

所述语言分析单元用于分辨问题的语言种类，比如中文、英语、法语以及德语等不同种类的语言。

所述问题回复模块包括问题导航单元、场景交互单元以及后台计算单元。

所述问题导航单元用于判断问题类型、业务问题还是日常会话。

所述场景交互单元基于交互场景计算用户隐含意图，得到问题的完整表述。

所述后台计算单元用于与所述交互终端进行交互和查询所述本体知识库，按照朴素贝叶斯分类算法输出为问题类型信息。所述朴素贝叶斯分类算法采用贝叶斯公式进行计算。

所述贝叶斯公式为：

所述本体知识库包括领域知识库、用户知识库、业务知识库以及通用语言知识库。本体概念包括概念集、属性、属性值、约束规则和标签集等五个部分，将采集的行业知识按照本体概念转换成相对应的格式进行存储，从而形成所述本体知识库，采集行业内的业务数据以形成业务知识库，根据用户所提问题构建用户知识库。

所述智能机器人单元是智能客服会话方法以及系统重要组件，可识别所述本体知识单元能回答的问题以及有指导的发现和扩充不能回答的问题。为了保证学习的质量与效率，学习的数据源来自于三个方面，所述智能客服会话方法以及系统的历史记录与实时日志、由内容编辑人员根据所述智能应答引擎设定的规则或模板添加的数据信息以及按预设定的某种规则对指定的知识开放平台进行自动抓取，从而不断扩充用户知识库的客服数据。

所述智能应答引擎还包括业务平台接口、日常会话接口、自学习接口以及数据接口，所述日常会话接口用于与所述交互终端连接，所述业务平台接口用于与所述本体知识库连接，所述自学习接口用于与所述智能机器人连接，所述数据接口用于与所述用户管理后台连接所述数据管理模块用于知识的采集、编辑、审核、更新、备份和统计。

所述的交互终端为网页客户端、移动手机以及即时通信软件。

所述智能客服会话系统还包括拓展功能模块，用于给所述智能客服系统进行功能拓展。所述拓展功能模块包括用于进行人工回复的人工客服接口、用于进行系统报表查询的报表查询单元以及其他增值服务接口。所述人工客服接口与所述智能机器人单元连接，所述报表查询单元与所述系统报表维护单元连接，所述其他增值服务接口与所述交互终端连接。

当用户与所述智能机器人单元进行交互时，由所述智能机器人控制需要转人工客服的条件并发起。所述智能机器人将自动调用所述人工客服接口，在最终用户和人工客服界面之间建立一个临时的连接，所述智能机器人负责信息的转发，当人工客服结束后，所述智能机器人重新接管与最终用户之间的连接和通讯，直到关闭机器人为止。

所述报表查询单元包括查询操作员日志、客服日志明细、客户访问IP以及时段访问统计等。

本发明的智能客服会话方法以及系统，通过智能客服中交互式问句语义解析和基于本体领域的知识库，提高了智能客服对客户问话理解的准确度，确保了智能客服与客户会话的连贯性，提高了智能客服的工作效率。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种智能客服会话方法，包括以下步骤：

S1、接受用户提交的会话信息，获取用户的地理位置信息，结合用户的的地理位置信息，选择相应的词向量模型，并根据所述词向量模型提取出相应的关键词；

S2、将提取的所述关键词，通过领域本体规则进行不同类别的分类，并在本体领域知识库中查询对应的特征信息；

S3、将所述特征信息基于朴素贝叶斯分类算法输出问题类型信息；

S4、根据所述问题类型信息，从业务知识库中选择多个可能的答案，作为智能回复给用户的信息，并根据答案的匹配性显降序排列。

2.根据权利要求1所述的智能客服会话方法，其特征在于，采用极限学习机来训练用户提交的会话信息与给出的智能回复信息的匹配性。

3.根据权利要求2所述的智能客服会话方法，其特征在于，根据用户的反馈，重新提取关键词，并重复步骤S2、S3和S4，并调整所述答案的排序。

4.根据权利要求1所述的智能客服会话方法，其特征在于，所述词向量模型采用CBOW-Gram模型，所述CBOW-Gram模型是一个包括输入层、隐藏层以及输出层的三层神经网络，所述CBOW-Gram模型的训练输入是某一个特征词的上下文相关的词对应的词向量，而输出就是这特定的一个词的词向量。

5.一种智能客服会话系统，包括交互终端、智能服务模块以及本体知识库；

所述交互终端用于接受用户上行的问题，并将问题信息发送给所述智能服务模块；

所述智能服务模块通过所述交互终端获取用户地理位置权限，以获取用户的地理位置信息，基于所述地理位置信息和问题，选择相应的词向量模型，根据所述词向量模型进行关键词提取，并按照朴素贝叶斯分类算法输出为问题类型信息；

根据所述问题类型信息，从本体知识库中的业务知识库中选择多个可能的答案，作为智能回复给用户的信息，并根据答案的匹配性显降序排列；

采用极限学习机来训练用户提交的会话信息与给出的智能回复信息的匹配性。

6.根据权利要求5所述的智能客服会话系统，其特征在于，所述智能服务模块包括用于自然语言处理的智能应答引擎、按照领域本体构建的本体知识单元以及用于自学习的智能机器人单元，所述智能应答引擎包括语义分析单元、智能纠错单元、意图分析单元、语言分析单元、问题导航单元、场景交互单元以及后台计算单元，所述语义分析单元、智能纠错单元、意图分析单元和语言分析单元对用户的问题进行语义、意图和语言分析，并对明显的语法、错别字进行纠错。

7.根据权利要求5所述的智能客服会话系统，其特征在于，所述本体知识库包括领域知识库、用户知识库、业务知识库以及通用语言知识库，所述领域知识库存储有多个已经归类的不同领域的知识，对问题类型进行导航，所述用户知识库存储有用户的身份信息、用户的提问记录、用户对会话的满意度信息，所述业务知识库存储有已经类型问题的标准答案，供会话时调用，所述通用语言知识库存储有通用语言知识，供语言、语义分析时调用。

8.根据权利要求6所述的智能客服会话系统，其特征在于，所述智能应答引擎识别用户知识库中提问用户的身份信息，并结合用户的提问记录和收到的回答记录，对回复的答案信息进行优化；且对该用户的提问与其他用户的提问进行匹配，并将用户类型化，在用户发起提问时输入所述提问题之前，由所述智能应答引擎识自动通过交互终端向用户推荐信息。

9.根据权利要求7所述的智能客服会话系统，其特征在于，所述本体知识库还包括命题判断知识库，所述命题判断知识库存储有标准的命题结构和相应的命题逻辑，基于所述命题判断知识库识别用户提问之问题的命题结构，并判断命题的逻辑，从而排除虚假提问和剔除无效提问的功能。

10.根据权利要求8所述的智能客服会话系统，其特征在于，所述智能应答引擎还包括业务平台接口、日常会话接口、自学习接口以及数据接口，所述日常会话接口用于与所述交互终端连接，所述业务平台接口用于与所述本体知识库连接，所述自学习接口用于与所述智能机器人连接，所述数据接口用于与所述用户管理后台连接。