CN109559144A - 一种个性化证券行业客服系统及方法 - Google Patents

Abstract

本发明提供了一种个性化证券行业客服系统及方法，属于人工智能领域。该系统包括：存储层、工作层和界面层；其中，所述存储层用于存储数据和知识；所述工作层利用存储层存储的数据和知识，针对客户的问题提供个性化的回答，其包括：智能客服代理模块、客户画像智能代理模块和大数据分析模块，三者分别与存储层连接；所述智能客服代理模块还分别与界面层、客户画像智能代理模块连接；所述客户画像智能代理模块还与大数据分析模块连接；所述大数据分析模块还与大数据源连接；所述界面层用于对自然语言进行处理及语义理解。利用本发明能够根据券商客户不同情况提供个性化的服务，能够将券商信息系统、投资顾问、客户经理、客服等资源整合起来。

Description

一种个性化证券行业客服系统及方法

技术领域

本发明属于人工智能领域，具体涉及一种个性化证券行业客服系统及方法，利用知识图谱技术及大数据智能技术支持的客户画像以及智能代理支持的个性化服务实现证券行业的个性化客服。

背景技术

目前市面上的智能客服机器人系统还处于发展的初级阶段，例如：中国专利公开文献CN105577529A公开了一种机器人客服及其客服方法、智能客服系统，其公开的智能客服机器人根据客户的提问，在建好的知识库中搜索并且选取合适的答案回复给客户。这些智能客服机器人仅仅实现了帮助人工客服回答客户常规性的、重复性的问题，其实质就是一种简单的自动问答系统。市场上的这些智能客服系统并不能满足证券行业建设强专业性、高智能性的客服服务系统的要求。例如目前的智能客服系统很难解决类似“现在可以买易方达消费指数基金吗？”的问题，因为回答这类问题考必须考虑其它重要因素,包括提问时的大环境(如指数的变化,最近出台的法规等)和客户的个性特点(如资产,收入,金融背景等),来给出针对性的回答。

发明内容

本发明的目的在于解决上述现有技术中存在的难题，提供一种个性化证券行业客服系统及方法，使用知识图谱技术描述券商的客户画像，并根据客户画像从证券行业的知识库中找到与其匹配的答案或服务，能够根据券商客户不同情况，例如：客户的风险承担能力，客户的投资资金配置计划，客户的投资经验等等提供个性化的服务，还可以将券商信息系统、投资顾问、客户经理、客服等资源整合起来通过客服渠道为券商的客户提供多层次、多角度的服务，使得客服系统从传统的成本部门升级为新的利润产生部门。

本发明是通过以下技术方案实现的：

一种个性化证券行业客服系统，包括：存储层、工作层和界面层；

其中，所述存储层用于存储数据和知识；

所述工作层利用存储层存储的数据和知识，针对客户的问题提供个性化的回答，其包括：智能客服代理模块、客户画像智能代理模块和大数据分析模块，三者分别与存储层连接；所述智能客服代理模块还分别与界面层、客户画像智能代理模块连接；所述客户画像智能代理模块还与大数据分析模块连接；所述大数据分析模块还与大数据源连接；

所述界面层用于对自然语言进行处理及语义理解。

所述存储层包括公开数据库和内部数据库；所述公开数据库中存储的是能够直接向客户公开的数据,所述内部数据库中存储的是不能直接向客户公开的数据；

所述公开数据库包括：金融数据库和金融知识库；所述金融数据库用于存储各种金融产品的历史及实时数据；所述金融知识库用于存储各种金融知识；

所述内部数据库包括：系统数据库和系统知识库；所述系统数据库用于存储证券公司的内部数据；所述系统知识库用于存储证券公司的内部运行状态数据。

所述智能客服代理模块分别与所述金融数据库、金融知识库连接；

所述客户画像智能代理模块分别与所述金融数据库、金融知识库、系统数据库、系统知识库连接；

所述大数据分析模块分别与所述金融知识库、系统知识库连接。

所述智能客服代理模块、客户画像智能代理模块均采用智能代理，所述智能代理包括：

知识库：所述智能客服代理模块的知识库存储的是金融知识以及金融知识所适合的客户的特征标签；所述客户画像智能代理模块的知识库存储的是每个客户的个性化特征标签，即客户画像；所述知识库包括事实知识层和元知识层；所述事实知识层包括：领域知识库和常识知识库，所述元知识层包括系统知识库和推理知识库；

运行设施：与知识库连接，其包括推理机和协同设施，所述推理机用于对知识进行解释；所述协同设施用于与外界的其它智能代理进行交互；

学习设施：分别与运行设施、知识库连接，用于为知识工程师提供维护知识库的工具，并能够根据运行设施运行产生的数据不断改善知识库；

内外交互设施：与运行设施连接，是智能代理与外界进行交互的接口模块。

所述客户画像智能代理模块利用知识图谱生成客户画像。

所述大数据分析模块包括：

数据收集层：用于从大数据源采集数据，并对数据进行预处理，其包括数据采集模块、文本预处理模块和多媒体预处理模块；所述数据采集模块利用网络爬虫完成数据的收集；所述文本预处理模块用于对原始文本数据进行预处理；所述多媒体预处理模块用于对原始多媒体数据进行预处理；经过文本预处理模块、多媒体预处理模块得到的预处理后的数据被发送到数据分析层；

数据分析层：用于对预处理后的数据进行数据挖掘、文本挖掘、和统计分析，并将得到的数据发送给设计层；其包括数据挖掘模块、文本挖掘模块、统计分析模块和MapReduce模块；

设计层：利用所述金融知识库和所述系统知识库中的知识对所述数据分析层发送来的数据进行分类和推理，其包括分类模块和推理模块，所述分类模块根据不同证券领域服务的目标，对所述数据分析层发送来的数据进行分类处理；所述推理模块根据金融知识库和系统知识库中的规则推理产生新的数据或结论，并将新的数据或者结论发送给客户画像智能代理模块。

所述界面层采用自然语言交互模块。

利用上述系统实现的个性化证券行业客服方法，包括：

(1)客户向所述自然语言交互模块提出问题，所述自然语言交互模块对客户的问题进行处理及语义理解获得客户的需求，然后将所述客户的需求发送给智能客服代理模块；

(2)所述智能客服代理模块接收到客户的需求后，判断客户的需求是否是简单的查询，如果是，则转入步骤(8)；如果否，则所述智能客服代理模块分析客户的需求,并制定个性化的回答计划,然后将所述个性化的回答计划发送给所述客户画像智能代理模块；

(3)客户画像智能代理模块接收到所述个性化的回答计划后，根据所述个性化的回答计划从所述系统数据库中搜索到该客户的数据,从所述系统知识库提取该客户的客户画像,根据该客户的数据、客户画像和个性化的回答计划确定大数据分析任务，然后将所述大数据分析任务发送给大数据分析模块；

(4)所述大数据分析模块根据所述大数据分析任务从相关的大数据源搜索并采集数据，并对数据进行分析、分类和推理得到大数据分析结果，然后将所述大数据分析结果发送给客户画像智能代理模块；

(5)所述客户画像智能代理模块接收到所述大数据分析结果后,制定当前的客户画像，并将客户画像发送给智能客服代理模块；

(6)所述智能客服代理模块接收到所述客户画像后，从金融数据库或者金融知识库中找到与该客户画像相匹配的数据，将所述与该客户画像相匹配的数据发送给自然语言交互模块；

(7)所述自然语言交互模块将接收到的所述与该客户画像相匹配的数据以自然语言的形式传达给客户，然后转入步骤(9)；

(8)所述智能客服代理模块直接从金融知识库或者金融数据库获取与该客户的需求相匹配的数据，并将与该客户的需求相匹配的数据发送给自然语言交互模块，自然语言交互模块将接收到的与该客户的需求相匹配的数据以自然语言的形式传达给客户；

(9)结束。

所述步骤(1)中的将所述客户的需求发送给智能客服代理模块的操作包括：

将所述客户的需求包裹到一个SOAP对象中，将该SOAP对象发送给智能客服代理模块；

所述步骤(2)中的将所述个性化的回答计划发送给所述客户画像智能代理模块的操作包括：

将所述个性化的回答计划包裹到一个SOAP对象中，将该SOAP对象发送给客户画像智能代理模块。

所述步骤(2)中的判断客户的需求是否是简单的查询的操作包括：

判断针对不同的客户，对应所述客户的需求的回答是否是相同的，如果是，则判定所述客户的需求是简单的查询，如果否，则判定所述客户的需求不是简单的查询。

与现有技术相比，本发明的有益效果是：

利用本发明能够根据券商客户不同情况提供个性化的服务，能够将券商信息系统、投资顾问、客户经理、客服等资源整合起来通过客服渠道为券商的客户提供多层次、多角度的服务，使客服系统从传统的成本部门升级为新的利润产生部门。

附图说明

图1本发明系统的架构示意图

图2本发明系统中的智能代理的结构示意图

图3本发明系统中的大数据分析模块的结构示意图

图4本发明方法的步骤框图。

具体实施方式

下面结合附图对本发明作进一步详细描述：

随着人工智能技术的不断发展，运用人工智能技术来实现智能个性化服务已经变得可能了。本发明基于人工智能的知识图谱技术和大数据智能技术，通过客户画像,知识推理及多智能代理来实现证券行业智能个性化的客户服务。

知识图谱是描述客观世界的概念、实体、事件及其之间的关系；客户画像是客户的知识图谱的描述；知识推理是根据已有的知识来推断新的、未知的知识；大数据智能是应用数据搜索、数据挖掘、机器学习和深度推理等技术，来形成从大数据到知识、从知识到决策的能力；智能代理是指一个可以观察周遭环境并做出行动以达到目标的自主实体。它通常是指一个软件程序。智能代理具有下面一些特点：解决问题的能力；自主能力；推理能力；反应能力；预见能力；学习能力等。多智能代理系统是指在一个计算机系统里面，有多个智能代理协作来完成系统的目标。

本发明的系统架构如图1所示，包括三个层次：存储层、工作层和界面层。其中，存储层是数据和知识的存储，中间的工作层包括运行功能模块以及两类智能代理：智能客服代理和客户画像智能代理。具体如下：

1，存储层是支持系统运行的基础,它分为公开数据库和内部数据库两个部分，公开数据库存储的是可以直接发给客户的公开数据,而内部数据库存储的是不可以直接发给客户的内部数据。金融知识库存放的是各种金融知识，包括政策法规及各种不同的金融市场的解释，也包括各种金融产品的分类及解释等。金融数据库存放的是各种金融产品的历史及实时数据。系统数据库是证券公司的内部数据系统，包括所有客户的证券交易数据等。系统知识库包括公司运行目标、当前状态、运行计划及优化方法等。

2，工作层是由智能客服代理模块和客户画像智能代理模块这两个智能代理模块以及一个大数据分析模块组成的。它们互相协助,共同完成个性化的回答。智能代理的基本特点是在接收代理的外部信息以后,能够根据该代理的目标,自主进行分析及推理,来得到某一种输出或者行动。

智能代理的结构如图2所示，智能代理结构中的事实知识层中的领域知识库和常识知识库是智能代理进行知识管理的根本。为了能够让智能代理有效地应用这些知识，智能代理还应该建立一个元知识层。元知识层包括系统知识库和推理知识库，其中：系统知识库包括运行目标、智能代理的当前状态，运行计划的制定及优化等；推理知识库用来存储及管理由推理获得的知识。运行设施是能够让智能代理有效地运行推理机存储多个推理方法，如正向推理方法，逆向推理方法，综合推理方法等。协同设施负责和其它智能代理的合作。内外交互设施是智能代理与该智能代理以外的外部模块进行交流的接口模块。这里的交流包括通讯协议的处理，会话管理等内容；所谓外界可以是其它代理，也可以是客户，或系统的其它部分。

工作层中的几个部分分别说明如下：

所述智能客服代理模块、客户画像智能代理都是图2所示的智能代理的一种具体应用，均采用图2所示的结构，包括：

知识库中的底层的是事实知识层。其中的常识知识库存放的是生活常识知识，领域知识库是存放和客户有关的个性化业务知识的，如投资偏好、业务经验等。在元知识层，系统知识库是指这个智能代理运行所必要的知识，如什么条件下开始工作、什么条件下结束工作等。推理知识库存放的是推理规则。例如：如果一个人不太富，这个人一般比较小心谨慎。客户画像智能代理的知识库和智能客服代理模块的知识库的结构是相同的，均包括元知识层、事实知识层，元知识层、事实知识层中的知识库也是相同的，但是两者存储的数据是不同的，其中，客户画像智能代理模块的知识库内存储的是每个客户的个性化特征标签，即客户画像，而智能客服代理模块的知识库内存储的是金融知识，以及金融知识所适合的那些客户的特征标签。

推理机：是对知识进行解释的程序。它根据知识的语义，对按一定策略找到的知识进行解释执行，推理结果就是这个智能代理的输出。

内外交互设施：内外交互设施是所属的智能代理和外部模块协作交流的接口模块。

学习设施：首先包括为知识工程师提供维护知识库的工具；其次能够根据系统运行产生的数据，不断持续改善知识库。这些数据包括领域知识、常识知识、系统知识和推理知识；

协同设施：协同设施是该智能代理与其他智能代理进行协作的模块，具有分析其他智能代理的功能，以及确定把任务交给哪个外部的智能代理来完成等功能。协同设施也是通过内外交互设施与其它智能代理进行交互。

(3)大数据分析模块:

该模块的结构如图3所示，由三个层次组成。数据收集层中的数据采集是由多个网络爬虫来完成的，数据的文本预处理和多媒体预处理也是在这个层次完成的。这里的文本预处理包括原始文本数据的获取、去重、中文编码和筛除不相干信息等处理；多媒体预处理包括多媒体数据的获取、去重、多媒体的文字摘要信息处理等。经过预处理的数据被送到数据分析层,进行数据挖掘、文本挖掘、以及进一步分析(数据挖掘、文本挖掘、统计分析均利用现有的工具来实现)。设计层是在金融知识库和系统知识库的支持下进行数据分类及推理。分类是根据不同证券领域服务的目标，大数据分析模块对所获取的数据进行的分类处理，明确这些数据应该属于那种类型，并根据金融知识库和系统知识库中的规则推理产生新的数据或结论。例如一个严格控制房价的新闻，大数据分析模块可以推理哪些企业受到影响，以及影响是正面还是负面，从而产生投资建议。

图1中，大数据分析模块分别与金融知识库、系统知识库、大数据源、客户画像智能代理连接，而与金融数据库、系统数据库、智能客服代理模块不连接，其原因如下：金融数据库存放的是各种金融产品的历史及实时数据，系统数据库是证券公司的内部数据系统，存放的是所有客户的证券交易等数据，而大数据分析模块根据客户画像智能代理送来的任务,搜索有关的大数据源，在进行数据分析之后,根据任务目的完成分类和推理的。客户画像部分已经在客户画像智能代理模块完成了，因此不需要连接金融数据库和系统数据库。

3，界面层是一个自然语言交互模块.它具有自然语言处理及语义理解功能，可以采用现有的界面层，例如可以采用中国专利公开文献CN201510535595.5公开的一种实现开放式语义交互服务的方法及系统中提到的系统即可。

本发明采用先进的面向服务(SOA)的计算机系统架构(Service-OrientedArchitecture)。每一个智能代理提供一种或者多种Web服务(Web Services)。这样，本发明系统是由两个层次组成：Web服务器层次以及Web服务智能代理层次。Web服务智能代理是在Web服务器的支持下工作的。服务器层面的设计采用经典的配置，包括Apache Web服务器，Jakarta Tomcat，以及MySQL数据库。

系统采用Java程序设计语言作为主要的开发工具。智能代理的开发是采用JavaWeb服务开发包JWSDP(Java Web-services Development Package)。在JWSDP的支持下，本发明的智能代理能够和多个Java API以及各种Web服务的XML标准，例如SOAP(SimpleObject Access Protocol)，WSDL(Web-services Description Language)，以及UDDI(Universal Description,Discovery and Integration)连接在一起。

智能代理的推理机是采用JESS(Java Expert System Shell)作为开发工具。这样，智能代理在必要的时候能够运用JESS对智能代理的事实来进行推理，得到新的知识。

多智能代理的协同设施是采用JADE(Agent Development Framework)作为开发工具。一般来说，智能代理之间交流是通过ACL(Agent Communication Language)。因为本发明是Web服务智能代理的应用。也就是说，它们之间交流是应该通过SOAP对象来实现。为了同时达到这两个目的，本发明把ACL包裹在SOAP中间。也就是说，ACL是SOAP对象的一个特性。

本发明采用GRAKN作为知识图谱(本发明图1中的客户画像智能代理利用知识图谱生成客户画像)的研发工具。它是一种开源软件,能够非常有效地表达知识及推理。该软件具有以下四个特点：(1)以本体为基础的知识表达；(2)实时推理OLTP(Onl inetransaction processing)；(3)分布式数据分析MapReduce；(4)高级查询OLAP(Onlineanalytical processing)。下面是采用GRAKN定义客户的一部分:

define

客户sub entity

has客户号；

has姓名；

has性别；

has年龄；

has收入；

has存款；

relates基金帐；

relates股票帐；

relates风险能力；

relates消费模式；

relates投资模式；

客户号sub attribute datatype long；

姓名sub attribute datatype string；

年龄sub attribute datatype long；

性别sub attribute datatype string；

收入sub attribute datatype long；

存款sub attribute datatype long；

基金帐sub role；

股票帐sub role；

风险能力sub role；

消费模式sub role；

投资模式sub role；

……

利用上述系统实现的个性化的客户回答过程是在多个智能代理的支持下全自动完成的，其流程如图4所示，包括：

1.首先，客户通过自然语言交互模块和本系统进行交流，告诉具体要求。自然语言交互模块进行自然语言的处理及语意理解，最后，把客户需求包裹到一个SOAP对象里面，送给智能客服代理模块；

2.智能客服代理模块收到这个需求SOAP对象以后，把客户的需求进行分类，如果是简单的查询,该代理直接从金融知识库或者金融数据库获取数据发送给自然语言交互模块，自然语言交互模块将数据以自然语言的形式传达给客户，完成答复；如果不是简单的查询，该代理仔细分析客户的需求,制定个性化的回答计划,包裹到一个SOAP对象，发送给客户画像智能代理。这里“简单”是指答案不会因为客户的背景知识、专业经验、投资喜好等个性化客户画像而针对性的需要指定个性化的回答计划，即针对不同的客户提出的同一个问题，其答案是完全相同的。

3.客户画像智能代理模块收到个性化的回答计划以后，根据计划搜索企业的系统数据库获得有关客户的数据,根据系统知识库提取客户画像,将这些信息和个性化回答计划结合确定大数据分析的任务后，再发送给大数据分析模块处理；

4.大数据分析模块根据客户画像智能代理送来的任务,搜索有关的大数据源，在进行数据分析之后,进行分类和推理的分析结果，最后把分析结果送到客户画像智能代理；

5.客户画像智能代理模块收到大数据分析结果以后,制定当前的客户知识画像(即图4中的“完成客户画像”)并发送给智能客服代理模块；

6.智能客服代理模块收到从客户画像智能代理送来的客户画像以后，从金融数据库或者金融知识库中找到与该客户画像匹配的数据，再将与该客户画像匹配的数据发送给自然语言交互模块。例如：如果客户画像中有一个个性化特征标签是“一个谨慎的用户”，智能客服代理模块就会从金融数据库或者金融知识库找到保本型或低风险的理财产品，并将保本型或低风险的理财产品发送给自然语言交互模块，对于客户画像中每个个性化特征标签均找到与其匹配的数据，将该匹配的数据发送给自然语言交互模块；

7.所述自然语言交互模块将匹配的数据以自然语言的形式传达给客户。

上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。

Claims (10)

1.一种个性化证券行业客服系统，其特征在于：所述个性化证券行业客服系统包括：存储层、工作层和界面层；

其中，所述存储层用于存储数据和知识；

所述工作层利用存储层存储的数据和知识，针对客户的问题提供个性化的回答，其包括：智能客服代理模块、客户画像智能代理模块和大数据分析模块，三者分别与存储层连接；所述智能客服代理模块还分别与界面层、客户画像智能代理模块连接；所述客户画像智能代理模块还与大数据分析模块连接；所述大数据分析模块还与大数据源连接；

所述界面层用于对自然语言进行处理及语义理解。

2.根据权利要求1所述的个性化证券行业客服系统，其特征在于：所述存储层包括公开数据库和内部数据库；所述公开数据库中存储的是能够直接向客户公开的数据,所述内部数据库中存储的是不能直接向客户公开的数据；

所述公开数据库包括：金融数据库和金融知识库；所述金融数据库用于存储各种金融产品的历史及实时数据；所述金融知识库用于存储各种金融知识；

所述内部数据库包括：系统数据库和系统知识库；所述系统数据库用于存储证券公司的内部数据；所述系统知识库用于存储证券公司的内部运行状态数据。

3.根据权利要求2所述的个性化证券行业客服系统，其特征在于：所述智能客服代理模块分别与所述金融数据库、金融知识库连接；

所述客户画像智能代理模块分别与所述金融数据库、金融知识库、系统数据库、系统知识库连接；

所述大数据分析模块分别与所述金融知识库、系统知识库连接。

4.根据权利要求3所述的个性化证券行业客服系统，其特征在于：所述智能客服代理模块、客户画像智能代理模块均采用智能代理，所述智能代理包括：

知识库：所述智能客服代理模块的知识库存储的是金融知识以及金融知识所适合的客户的特征标签；所述客户画像智能代理模块的知识库存储的是每个客户的个性化特征标签，即客户画像；所述知识库包括事实知识层和元知识层；所述事实知识层包括：领域知识库和常识知识库，所述元知识层包括系统知识库和推理知识库；

运行设施：与知识库连接，其包括推理机和协同设施，所述推理机用于对知识进行解释；所述协同设施用于与外界的其它智能代理进行交互；

学习设施：分别与运行设施、知识库连接，用于为知识工程师提供维护知识库的工具，并能够根据运行设施运行产生的数据不断改善知识库；

内外交互设施：与运行设施连接，是智能代理与外界进行交互的接口模块。

5.根据权利要求4所述的个性化证券行业客服系统，其特征在于：所述客户画像智能代理模块利用知识图谱生成客户画像。

6.根据权利要求5所述的个性化证券行业客服系统，其特征在于：所述大数据分析模块包括：

数据收集层：用于从大数据源采集数据，并对数据进行预处理，其包括数据采集模块、文本预处理模块和多媒体预处理模块；所述数据采集模块利用网络爬虫完成数据的收集；所述文本预处理模块用于对原始文本数据进行预处理；所述多媒体预处理模块用于对原始多媒体数据进行预处理；经过文本预处理模块、多媒体预处理模块得到的预处理后的数据被发送到数据分析层；

数据分析层：用于对预处理后的数据进行数据挖掘、文本挖掘、和统计分析，并将得到的数据发送给设计层；其包括数据挖掘模块、文本挖掘模块、统计分析模块和MapReduce模块；

设计层：利用所述金融知识库和所述系统知识库中的知识对所述数据分析层发送来的数据进行分类和推理，其包括分类模块和推理模块，所述分类模块根据不同证券领域服务的目标，对所述数据分析层发送来的数据进行分类处理；所述推理模块根据金融知识库和系统知识库中的规则推理产生新的数据或结论，并将新的数据或者结论发送给客户画像智能代理模块。

7.根据权利要求1所述的个性化证券行业客服系统，其特征在于：所述界面层采用自然语言交互模块。

8.利用权利要求1-7任一所述的个性化证券行业客服系统实现的个性化证券行业客服方法，其特征在于：所述方法包括：

(1)客户向所述自然语言交互模块提出问题，所述自然语言交互模块对客户的问题进行处理及语义理解获得客户的需求，然后将所述客户的需求发送给智能客服代理模块；

(2)所述智能客服代理模块接收到客户的需求后，判断客户的需求是否是简单的查询，如果是，则转入步骤(8)；如果否，则所述智能客服代理模块分析客户的需求,并制定个性化的回答计划,然后将所述个性化的回答计划发送给所述客户画像智能代理模块；

(3)客户画像智能代理模块接收到所述个性化的回答计划后，根据所述个性化的回答计划从所述系统数据库中搜索到该客户的数据,从所述系统知识库提取该客户的客户画像,根据该客户的数据、客户画像和个性化的回答计划确定大数据分析任务，然后将所述大数据分析任务发送给大数据分析模块；

(4)所述大数据分析模块根据所述大数据分析任务从相关的大数据源搜索并采集数据，并对数据进行分析、分类和推理得到大数据分析结果，然后将所述大数据分析结果发送给客户画像智能代理模块；

(5)所述客户画像智能代理模块接收到所述大数据分析结果后,制定当前的客户画像，并将客户画像发送给智能客服代理模块；

(6)所述智能客服代理模块接收到所述客户画像后，从金融数据库或者金融知识库中找到与该客户画像相匹配的数据，将所述与该客户画像相匹配的数据发送给自然语言交互模块；

(7)所述自然语言交互模块将接收到的所述与该客户画像相匹配的数据以自然语言的形式传达给客户，然后转入步骤(9)；

(8)所述智能客服代理模块直接从金融知识库或者金融数据库获取与该客户的需求相匹配的数据，并将与该客户的需求相匹配的数据发送给自然语言交互模块，自然语言交互模块将接收到的与该客户的需求相匹配的数据以自然语言的形式传达给客户；

(9)结束。

9.根据权利要求8所述的个性化证券行业客服方法，其特征在于：所述步骤(1)中的将所述客户的需求发送给智能客服代理模块的操作包括：

将所述客户的需求包裹到一个SOAP对象中，将该SOAP对象发送给智能客服代理模块；

所述步骤(2)中的将所述个性化的回答计划发送给所述客户画像智能代理模块的操作包括：

将所述个性化的回答计划包裹到一个SOAP对象中，将该SOAP对象发送给客户画像智能代理模块。

10.根据权利要求8所述的个性化证券行业客服方法，其特征在于：所述步骤(2)中的判断客户的需求是否是简单的查询的操作包括：

判断针对不同的客户，对应所述客户的需求的回答是否是相同的，如果是，则判定所述客户的需求是简单的查询，如果否，则判定所述客户的需求不是简单的查询。