CN109857850A - 咨询请求处理方法、装置、计算机设备及存储介质 - Google Patents
咨询请求处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109857850A CN109857850A CN201910048904.4A CN201910048904A CN109857850A CN 109857850 A CN109857850 A CN 109857850A CN 201910048904 A CN201910048904 A CN 201910048904A CN 109857850 A CN109857850 A CN 109857850A
- Authority
- CN
- China
- Prior art keywords
- answer
- history
- question
- asked questions
- content
- 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
Landscapes
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及智能决策领域，公开了一种咨询请求处理方法、装置、计算机设备及存储介质，减少运营人员与用户的问答互动，减少人为参与带来的效率低的情况，有效地提高了咨询反馈效率。方法部分包括：获取用户通过应用程序触发的咨询请求，咨询请求包含待解答咨询文本信息；通过预设文本分类模型确定待解答咨询文本信息是否为提问文本信息；若确定出待解答文本信息为提问文本信息，则从待解答文本信息中提取出待解答问题；根据预设相似度模型确定出待解答问题与历史提问问题之间的相似度；根据待解答问题与历史提问问题之间的相似度确定目标解答内容；对咨询请求对应的解答进行咨询反馈。
Description
技术领域
本发明涉及智能决策领域，尤其涉及一种咨询请求处理方法、装置、计算机设备及存储介质。
背景技术
目前，随着互联网技术的发展，各类各样的应用程序(APP)层出不穷，应用程序的复杂度也不同，由于用户对应用程序不熟悉或应用程序自身的缺陷等原因，用户在使用应用程序的过程中通常会遇到各种各样的问题。
用户在使用应用程序过程中，若遇到使用上的问题，用户可以通过打电话或者通过应用程序上报问题应用程序对应的运营服务器，由运营人员通过后台查看以往类似的处理问题查询相同的解答内容反馈给用户。然而，由于后台记录的数据过大，从后台记录的数据查询并获取类型的解答内容的效率比较低，导致获取到问题对应的解答再给予用户咨询反馈的效率比较低。
发明内容
本发明提供了一种咨询请求处理方法、装置、计算机设备及存储介质，可以减少运营人员与用户的问答互动，减少人为参与所带来的效率低的情况，从而有效地提高对用户进行咨询反馈的效率。
一种咨询请求处理方法，包括：
获取用户通过应用程序触发的咨询请求，所述咨询请求包含待解答咨询文本信息；
通过预设文本分类模型确定所述待解答咨询文本信息是否为提问文本信息，所述预设文本分类模型为通过大数据平台根据预先收集的学习语料标注出问题文本特征并进行训练得到；
若确定出所述待解答文本信息为所述提问文本信息，则从所述待解答文本信息中提取出待解答问题；
根据预设相似度模型确定出所述待解答问题与历史提问问题之间的相似度；
根据所述待解答问题与历史提问问题之间的相似度确定目标解答内容；
将所述目标解答内容作为所述咨询请求对应的解答进行咨询反馈。
一种咨询请求处理装置，包括：
获取模块，用于获取用户通过应用程序触发的咨询请求，所述咨询请求包含待解答咨询文本信息；
第一确定模块，用于通过预设文本分类模型确定所述获取模块获取的所述待解答咨询文本信息是否为提问文本信息，所述预设文本分类模型为通过大数据平台根据预先收集的学习语料标注出问题文本特征并进行训练得到；
提取模块，用于若所述第一确定模块确定所述待解答文本信息为所述提问文本信息，则从所述待解答文本信息中提取出待解答问题；
第二确定模块，用于根据预设相似度模型确定出所述提取模块提取的所述待解答问题与历史提问问题之间的相似度；
第三确定模块，用于根据所述第二确定模块确定的所述待解答问题与历史提问问题之间的相似度确定目标解答内容；
第四确定模块，用于将所述第三确定模块确定的所述目标解答内容作为所述咨询请求对应的解答进行咨询反馈。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述咨询请求处理方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述咨询请求处理方法的步骤。
上述咨询请求处理方法、装置、计算机设备及存储介质所实现的方案中，首先根据大数据平台训练得到的预设文本分类模型对用户提供的待解答咨询文本信息进行分析以确定出待解答文本信息为所述提问文本信息，并提取出待解答文本信息中提取出待解答问题，最后再依据大数据平台训练得到的预设相似度模型以确定出所述待解答问题，以及最终确定出目标解答内容，由于上述模型都是大数据平台训练得到的模型，不会对服务器造成过大的计算负担，另外，本发明可以减少运营人员与用户的问答互动，减少人为参与所带来的效率低的情况，从而有效地提高了将对应的解答给予用户咨询反馈的效率。
附图说明
为了更清楚地说明本发明的技术方案，下面将对本发明的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明中咨询请求处理方法的一系统架构示意图；
图2是本发明一实施例中咨询请求处理方法的一流程示意图；
图3是本发明一实施例中咨询请求处理方法的一流程示意图；
图4是本发明一实施例中咨询请求处理方法的一流程示意图；
图5是本发明一实施例中咨询请求处理方法的一流程示意图；
图6是本发明一实施例中咨询请求处理装置的一结构示意图；
图7是本发明一实施例中计算机设备的一结构示意图。
具体实施方式
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，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供的咨询请求处理方法，可应用在如图1的系统框架示意图中，包括终端设备、大数据平台、服务器，其中，终端设备可以通过与服务器进行通信，服务器可以与大数据平台进行通信，终端设备包括但不局限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本发明提供的咨询请求处理方法由服务器执行，包括如下步骤：获取用户通过应用程序触发的咨询请求，所述咨询请求包含待解答咨询文本信息；通过预设文本分类模型确定所述待解答咨询文本信息是否为提问文本信息，所述预设文本分类模型为通过大数据平台根据预先收集的学习语料标注出问题文本特征并进行训练得到；若确定所述待解答文本信息为所述提问文本信息，则从所述待解答文本信息中提取出待解答问题；根据预设相似度模型确定出所述待解答问题与历史提问问题之间的相似度；根据所述待解答问题与历史提问问题之间的相似度确定目标解答内容；将所述目标解答内容作为所述咨询请求对应的解答进行咨询反馈。可见，本发明所提供的方案中，首先根据大数据平台训练得到的预设文本分类模型对用户提供的待解答咨询文本信息进行分析以确定出待解答文本信息为所述提问文本信息，并提取出待解答文本信息中提取出待解答问题，最后再依据大数据平台训练得到的预设相似度模型以确定出所述待解答问题，以及最终确定出目标解答内容，由于上述模型都是大数据平台训练得到的模型，不会对服务器造成过大的计算负担，另外，本发明可以减少运营人员与用户的问答互动，减少人为参与所带来的效率低的情况，从而有效地提高了对用户进行咨询反馈的效率。下面对本发明的实施例进行详细的描述：
在一实施例中，如图2所示，提供一种咨询请求处理方法，包括如下步骤：
S10：获取用户通过应用程序触发的咨询请求，咨询请求包含待解答咨询文本信息。
本发明实施例中，终端设备可以安装各种各样的应用程序，其中，用户通过终端设备使用应用程序时，通常会遇到各种各样的问题，示例性的，以使用金融产品相关的应用程序，上述遇到的问题可以是：应用程序登录错误、用户的金融账号有资产，但在通过应用程序购买理财产品中却提示资产不足、银行限制转入转出金额、基金赎回错误、转账错误等问题。用户在遇到上述问题后，可以通过应用程序触发包含有待解答咨询文本信息的咨询请求。对应的，服务器可以接收到上述用户通过应用程序触发的咨询请求。示例性的，上述咨询请求的咨询文本信息具体可以是“基金赎回发生错误”，“无法登录”等。
S20：通过预设文本分类模型对待解答咨询文本信息进行分析，以确定出待解答文本信息是否为提问文本信息，预设文本分类模型为通过大数据平台根据预先收集的学习语料标注出问题文本特征并进行训练得到。
可以理解，大数据平台是一种基于获取的大量数据，并对数据进行分析处理的数据处理平台。在本发明实施例中，可以通过大数据平台训练出上述预设文本分类模型，进一步地，大数据平台训练预设文本分类模型的数据可来自于用户通过服务器从终端设备上获取的各种各样的学习语料。
其中，预设文本分类模型为通过大数据平台根据预先收集的学习语料标注出问题文本特征并进行训练得到，示例性的，问题文本特征通常所涉及的问题文本特征为常用的疑问词，比如“为什么”、“怎样”、“好不好”、“求教”、“谁知道”、“什么时间”等。还包括对于提问的标点符号，一般为表达发帖者强烈情感或者希望引起注意的一些标点符号的组合，比如感叹号“！”以及问号“？”的组合：“！？”、“？！”、“！！！！”、“？？？”等。在根据预先收集的学习语料标注出问题文本特征后，对上述经过标注后的学习语料进行训练可得到用于确定出文本是否为提问文本的预设文本分类模型，具体训练过程这里不阐述。
可以理解，用户通过应用程序触发的咨询请求的待解答咨询文本信息中，有可能不是提问文本信息，因此，本发明实施例中，需通过预设文本分类模型对待解答咨询文本信息进行分析，以确定出待解答文本信息是否为提问文本信息。
S30：若确定所述待解答文本信息为所述提问文本信息，则从所述待解答文本信息中提取出待解答问题。
在本发明实施例中，若通过预设文本分类模型对待解答咨询文本信息后确定出待解答文本信息为提问文本信息，则从待解答咨询文本信息中提取出待解答问题。示例性的，当用户A的待解答咨询文本信息为“您好，在进行资金转账时，无法转账”，则可以从待解答咨询文本中提取出待解答问题“用户A无法转账”。需要说明的是，上述例子在这里只是举例说明，并不对本发明实施例构成限定。
若通过预设文本分类模型对待解答咨询文本信息后确定出待解答文本信息为为提问文本信息，则通过客户端向用户反馈提示信息，以提示用户重新触发咨询请求，并反馈待解答咨询文本。
S40：根据预设相似度模型确定出所述待解答问题与历史提问问题之间的相似度。
其中，预设相似度模型为大数据平台根据预先收集的历史提问问题作为问题语料，并将该问题语料作为训练样本进行训练得到，具体的，客户端使用应用程序过程中遇到的历史提问问题作为事件数据，并将所述事件数据形成log数据实时传送至日志收集服务器，其中，该日志收集服务器与大数据平台连接，示例性的，在具体应用中，上述大数据平台具体可以是指海杜普(hadoop)等大数据平台，具体不做限定。大数据平台可以从日志收集服务器中收集到上述事件数据，并基于上述事件数据，利用预先收集的历史提问问题进行预设相似度模型的训练，以训练出可以确定出所述待解答问题与历史提问问题之间相似度的预设问答模型，待解答问题与历史提问问题之间的相似度指的是，待解答问题与历史提问问题的问题相似程度。其中，上述历史提问问题还可以是从网络上述所搜集的问题语料，这里不做限定。
因此，基于上述预设相似度模型，可以确定出待解答问题与历史提问问题之间的相似度。
S50：根据所述待解答问题与历史提问问题之间的相似度确定目标解答内容。
如图3所示，在一实施例中，步骤S50，也即所述根据所述待解答问题与历史提问问题之间的相似度确定目标解答内容，包括如下步骤：
S51：按照从大到小的排序顺序对所述待解答问题与所述历史提问问题之间的相似度进行排序以得到相似度排序结果。
可以理解，在依据上述预设相似度模型可以确定出待解答问题与历史提问问题之间的相似度后，可以得到待解答问题与每一个历史提问问题之间的相似度，并按照从大到小的排序顺序对所述待解答问题与所述历史提问问题之间的相似度进行排序以得到相似度排序结果。
S52：从所述相似度排序结果中相似度排在预设前N位的历史提问问题，其中，N为正整数。
相似度排序结果为待解答问题与所述历史提问问题之间的相似度按照从大到小的排序顺序得到的结果，因此，可以依据该相似度排序结果，从中得到相似度排在预设前N位的历史提问问题。其中，上述预设前N位具体可以进行配置，例如具体可以为前3位，前4位，前2位等，具体这里不做限定。
S53：确定所述预设前N位的历史提问问题对应的历史解答内容。
在从所述相似度排序结果中相似度排在预设前N位的历史提问问题后，确定所述预设前N位的历史提问问题对应的历史解答内容。可以理解，如前述，大数据平台除了可以获取历史提问问题后，还获取有历史提问问题对应的历史解答内容。因此，在确定了所述预设前N位的历史提问问题后，可以确定所述预设前N位的历史提问问题对应的历史解答内容。
S54：从所述预设前N位的历史提问问题对应的历史解答内容中确定出所述目标解答内容。
在确定所述预设前N位的历史提问问题对应的历史解答内容后，从上述历史解答内容中确定出所述目标解答内容。
如图4，在一实施例中，步骤S54中，也即所述从所述预设前N位的历史提问问题对应的历史解答内容中确定出所述目标解答内容，具体包括如下步骤：
S541：确定所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度。
S542：选择所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度最高对应的历史解答内容作为所述目标解答内容。
对于步骤S541-S542，指的是将所述预设前N位的历史提问问题对应的历史解答内容作为所述目标解答内容，具体可以先计算出确定所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度，其中，相关度指的是提问问题与解答内容之间的相关联或匹配程度，也就是说，相关度指的是历史解答内容与所述待解答问题的之间的关联或匹配程度，并选择所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度最高对应的历史解答内容作为所述目标解答内容。
其中，确定所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度，具体是根据预设问答模型确定所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度，其中，所述预设问答模型由所述大数据平台根据所述历史提问问题与所述历史提问问题对应标注的历史解答内容作为训练数据所训练得到。该预设问答模型用于计算待解答问题与历史解答内容之间的相关度，因此，在得到上述训练后的预设问答模型后，将待解答问题输入上述预设问答模型后，可以得到该解答问题与历史解答内容之间的相关度。在一些实施例中，在训练上述预设问答模型时，还可以增加用户年龄维度，也即，将上述用户年龄以及该用户对应的历史提问问题，以及针对该用户的历史提问问题的历史解答内容作为训练数据，从而训练出上述预设问答模型。那么预设问答模型可以获取到针对某个用户的待解答问题的更相关的目标解答内容。可以看出，本申请实施例提出了一种确定目标解答内容的实施方式，选择所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度最高，也即与待解答问题匹配程度最高的历史解答内容作为所述目标解答内容，提高了对咨询问题的解答准确性。
另外，预设问答模型为大数据平台根据预先收集的历史提问问题，以及历史提问问题对应标注的历史解答内容训练得到，具体的，客户端使用应用程序过程中遇到的历史提问问题和历史解答内容作为训练数据，并将所述训练数据形成log数据实时传送至日志收集服务器，其中，该日志收集服务器与大数据平台连接，示例性的，在具体应用中，上述大数据平台具体可以是指hadoop等大数据平台，具体不做限定。大数据平台可以从日志收集服务器中收集到上述训练数据。其中，上述历史提问问题和历史解答内容包含后台运营人员进行解答后记录至日志服务器的问答记录，其中，在一些实施例中，所述预设问答模型为基于kera框架训练得到。可以理解，kera是基于theano的一个深度学习框架，是一个高度模块化的神经网络库，使用kera可以快速训练出所需要的模型，具体模型训练过程这里不做详细介绍。
在一些实施例中，所述从所述预设前N位的历史提问问题对应的历史解答内容确定出所述目标解答内容，具体是指，从所述将所述预设前N位的历史提问问题对应的历史解答内容中，随机选择其中一个历史解答内容作为所述目标解答内容。可以看出，对于本发明实施例，是提出了另外一种确定目标解答内容的实施方式，提高了方案的可实施性。
S60：将目标解答内容作为咨询请求对应的解答进行咨询反馈。
对于步骤S50-S60，在根据预设相似度模型确定出所述待解答问题与历史提问问题之间的相似度之后，根据所述待解答问题与历史提问问题之间的相似度确定目标解答内容，并将将目标解答内容作为咨询请求对应的解答进行咨询反馈。
本发明实施例提供的咨询请求处理方法，首先根据大数据平台训练得到的预设文本分类模型对用户提供的待解答咨询文本信息进行分析以确定出待解答文本信息为所述提问文本信息，并从待解答文本信息中提取出待解答问题，最后再依据大数据平台训练得到的预设相似度模型以确定出所述待解答问题，以及最终确定出目标解答内容，由于上述模型都是大数据平台训练得到的模型，不会对服务器造成过大的计算负担，另外本发明实施例可以减少运营人员与用户的问答互动，减少人为参与所带来的效率低的情况，从而有效地提高了将对应的解答给予用户咨询反馈的效率。
在一实施例中，如图5所示，步骤S60，也即所述将所述目标解答内容作为所述咨询请求对应的解答进行咨询反馈，具体包括如下步骤：
S61：将所述待解答问题和所述目标解答内容关联发送至运营终端。
其中，运营终端是指运营人员所管理的终端，上述运营人员为应用程序提供解答内容的服务平台上专门处理用户的问题的人员。这里，提供一种机制，运营终端可以随时接收服务器发送的待解答问题和所述目标解答内容关联发送至运营终端，以再次确定针对待解答问题的目标解答内容是否合适，例如需要补充解答，或是否有误。
S62：接收所述运营终端反馈的补充意见，所述补充意见为运营人员通过所述运营终端针对所述待解答问题和所述目标解答内容进行补充的解答意见。
运营人员在通过运营终端接收到服务器关联发送的待解答问题和所述目标解答内容，通过上述运营终端，可以查阅到上述待解答问题和所述目标解答内容。并向服务器发送补充意见，对应的，服务器可以接收到所述运营终端反馈的补充意见，其中，所述补充意见为运营人员通过所述运营终端针对所述待解答问题和所述目标解答内容进行补充的解答意见。
S63：将所述补充意见和所述目标解答内容作为所述咨询请求对应的解答进行咨询反馈。
最后，在接收所述运营终端反馈的补充意见后，将所述补充意见和所述目标解答内容作为所述咨询请求对应的解答进行咨询反馈。可见，通过本发明实施例可以提高运营人员的参与度，使得后续的解答流程更为顺利，提高用户的体验。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种咨询请求处理装置，该咨询请求处理装置与上述实施例中咨询请求处理方法一一对应。如图6所示，该咨询请求处理装置10包括获取模块101、第一确定模块102、提取模块103、第二确定模块104、第三确定模块105以及第四确定模块106。各功能模块详细说明如下：
获取模块101，用于获取用户通过应用程序触发的咨询请求，所述咨询请求包含待解答咨询文本信息；
第一确定模块102，用于通过预设文本分类模型确定所述获取模块101获取的所述待解答咨询文本信息是否为提问文本信息，所述预设文本分类模型为通过大数据平台根据预先收集的学习语料标注出问题文本特征并进行训练得到；
提取模块103，用于若所述第一确定模块102确定出所述待解答文本信息为所述提问文本信息，则从所述待解答文本信息中提取出待解答问题；
第二确定模块104，用于根据预设相似度模型确定出所述提取模块103提取的所述待解答问题与历史提问问题之间的相似度；
第三确定模块105，用于根据所述第二确定模块104确定的所述待解答问题与历史提问问题之间的相似度确定目标解答内容；
第四确定模块106，用于将所述第三确定模块105确定的所述目标解答内容作为所述咨询请求对应的解答进行咨询反馈。
在一实施例中，所述第三确定105模块具体用于：
按照从大到小的排序顺序对所述第二确定模块确定的所述待解答问题与所述历史提问问题之间的相似度进行排序以得到相似度排序结果；
从所述相似度排序结果中相似度排在预设前N位的历史提问问题，其中，N为正整数；
确定所述预设前N位的历史提问问题对应的历史解答内容；
从所述预设前N位的历史提问问题对应的历史解答内容确定出所述目标解答内容。
在一实施例中，所述第三确定105模块用于从所述预设前N位的历史提问问题对应的历史解答内容确定出所述目标解答内容，包括：
所述第三确定105模块用于：
确定所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度；
选择所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度最高对应的历史解答内容作为所述目标解答内容。
在一实施例中，所述第三确定105模块用于确定所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度，包括：
所述第三确定105模块用于：
根据预设问答模型确定所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度，其中，所述预设问答模型由所述大数据平台根据所述历史提问问题与所述历史提问问题对应标注的历史解答内容作为训练数据所训练得到。
在一实施例中，所述第三确定105模块用于从所述预设前N位的历史提问问题对应的历史解答内容确定出所述目标解答内容，包括：
所述第三确定105模块用于：从所述将所述预设前N位的历史提问问题对应的历史解答内容中，随机选择其中一个历史解答内容作为所述目标解答内容。
本发明实施例提供了一种咨询请求处理装置，首先根据大数据平台训练得到的预设文本分类模型对用户提供的待解答咨询文本信息进行分析以确定出待解答文本信息为所述提问文本信息，并提取出待解答文本信息中提取出待解答问题，最后再依据大数据平台训练得到的预设相似度模型以确定出所述待解答问题，以及最终确定出目标解答内容，由于上述模型都是大数据平台训练得到的模型，不会对服务器造成过大的计算负担，另外，本发明实施例可以减少运营人员与用户的问答互动，减少人为参与所带来的效率低的情况，从而有效地提高了对用户进行咨询反馈的效率。
关于咨询请求处理装置的具体限定可以参见上文中对于咨询请求处理方法的限定，在此不再赘述。上述咨询请求处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储确定出的目标解答内容、补充意见等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种咨询请求处理方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取用户通过应用程序触发的咨询请求，所述咨询请求包含待解答咨询文本信息；
通过预设文本分类模型确定所述待解答咨询文本信息是否为提问文本信息，所述预设文本分类模型为通过大数据平台根据预先收集的学习语料标注出问题文本特征并进行训练得到；
若确定出所述待解答文本信息为所述提问文本信息，则从所述待解答文本信息中提取出待解答问题；
根据预设相似度模型确定出所述待解答问题与历史提问问题之间的相似度；
根据所述待解答问题与历史提问问题之间的相似度确定目标解答内容；
将所述目标解答内容作为所述咨询请求对应的解答进行咨询反馈。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取用户通过应用程序触发的咨询请求，所述咨询请求包含待解答咨询文本信息；
通过预设文本分类模型确定所述待解答咨询文本信息是否为提问文本信息，所述预设文本分类模型为通过大数据平台根据预先收集的学习语料标注出问题文本特征并进行训练得到；
若确定出所述待解答文本信息为所述提问文本信息，则从所述待解答文本信息中提取出待解答问题；
根据预设相似度模型确定出所述待解答问题与历史提问问题之间的相似度；
根据所述待解答问题与历史提问问题之间的相似度确定目标解答内容；
将所述目标解答内容作为所述咨询请求对应的解答进行咨询反馈。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种咨询请求处理方法，其特征在于，包括：
获取用户通过应用程序触发的咨询请求，所述咨询请求包含待解答咨询文本信息；
通过预设文本分类模型确定所述待解答咨询文本信息是否为提问文本信息，所述预设文本分类模型为通过大数据平台根据预先收集的学习语料标注出问题文本特征并进行训练得到；
若确定所述待解答文本信息为所述提问文本信息，则从所述待解答文本信息中提取出待解答问题；
根据预设相似度模型确定出所述待解答问题与历史提问问题之间的相似度；
根据所述待解答问题与所述历史提问问题之间的相似度确定目标解答内容；
将所述目标解答内容作为所述咨询请求对应的解答进行咨询反馈。
2.如权利要求1所述的咨询请求处理方法，其特征在于，所述根据所述待解答问题与历史提问问题之间的相似度确定目标解答内容，包括：
按照从大到小的排序顺序对所述待解答问题与所述历史提问问题之间的相似度进行排序以得到相似度排序结果；
从所述相似度排序结果中相似度排在预设前N位的历史提问问题，其中，N为正整数；
确定所述预设前N位的历史提问问题对应的历史解答内容；
从所述预设前N位的历史提问问题对应的历史解答内容中确定出所述目标解答内容。
3.如权利要求2所述的咨询请求处理方法，其特征在于，所述从所述预设前N位的历史提问问题对应的历史解答内容中确定出所述目标解答内容，包括：
确定所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度；
选择所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度最高对应的历史解答内容作为所述目标解答内容。
4.如权利要求3所述的咨询请求处理方法，其特征在于，所述确定所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度，包括：
根据预设问答模型确定所述预设前N位的历史提问问题对应的历史解答内容与所述待解答问题的相关度，其中，所述预设问答模型由所述大数据平台根据所述历史提问问题与所述历史提问问题对应标注的历史解答内容作为训练数据所训练得到。
5.如权利要求2所述的咨询请求处理方法，其特征在于，所述从所述预设前N位的历史提问问题对应的历史解答内容中确定出所述目标解答内容，包括：
从所述将所述预设前N位的历史提问问题对应的历史解答内容中，随机选择其中一个历史解答内容作为所述目标解答内容。
6.如权利要求1-5任一项所述的咨询请求处理方法，其特征在于，所述将所述目标解答内容作为所述咨询请求对应的解答进行咨询反馈，包括：
将所述待解答问题和所述目标解答内容关联发送至运营终端；
接收所述运营终端反馈的补充意见，所述补充意见为运营人员通过所述运营终端针对所述待解答问题和所述目标解答内容进行补充的解答意见；
将所述补充意见和所述目标解答内容作为所述咨询请求对应的解答进行咨询反馈。
7.一种咨询请求处理装置，其特征在于，包括：
获取模块，用于获取用户通过应用程序触发的咨询请求，所述咨询请求包含待解答咨询文本信息；
第一确定模块，用于通过预设文本分类模型确定所述获取模块获取的所述待解答咨询文本信息是否为提问文本信息，所述预设文本分类模型为通过大数据平台根据预先收集的学习语料标注出问题文本特征并进行训练得到；
提取模块，用于若所述第一确定模块确定出所述待解答文本信息为所述提问文本信息，则从所述待解答文本信息中提取出待解答问题；
第二确定模块，用于根据预设相似度模型确定出所述提取模块提取的所述待解答问题与历史提问问题之间的相似度；
第三确定模块，用于根据所述第二确定模块确定的所述待解答问题与历史提问问题之间的相似度确定目标解答内容；
第四确定模块，用于将所述第三确定模块确定的所述目标解答内容作为所述咨询请求对应的解答进行咨询反馈。
8.如权利要求7所述的咨询请求处理装置，其特征在于，所述第三确定模块具体用于：
按照从大到小的排序顺序对所述第二确定模块确定的所述待解答问题与所述历史提问问题之间的相似度进行排序以得到相似度排序结果；
从所述相似度排序结果中相似度排在预设前N位的历史提问问题，其中，N为正整数；
确定所述预设前N位的历史提问问题对应的历史解答内容；
从所述预设前N位的历史提问问题对应的历史解答内容中确定出所述目标解答内容。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的咨询请求处理方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的咨询请求处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910048904.4A CN109857850A (zh) | 2019-01-18 | 2019-01-18 | 咨询请求处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910048904.4A CN109857850A (zh) | 2019-01-18 | 2019-01-18 | 咨询请求处理方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109857850A true CN109857850A (zh) | 2019-06-07 |
Family
ID=66895236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910048904.4A Pending CN109857850A (zh) | 2019-01-18 | 2019-01-18 | 咨询请求处理方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109857850A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110223783A (zh) * | 2019-06-13 | 2019-09-10 | 上海明品医学数据科技有限公司 | 一种用于在多个终端交互医学数据的控制方法 |
| CN110502625A (zh) * | 2019-08-27 | 2019-11-26 | 北京百度网讯科技有限公司 | 医疗问题解答方法、装置、设备及计算机可读存储介质 |
| CN110597624A (zh) * | 2019-08-13 | 2019-12-20 | 深圳壹账通智能科技有限公司 | 通信建立方法和系统 |
| CN110674261A (zh) * | 2019-10-14 | 2020-01-10 | 出门问问信息科技有限公司 | 一种信息处理方法、装置以及计算机可读存储介质 |
| CN111159355A (zh) * | 2019-12-31 | 2020-05-15 | 中国银行股份有限公司 | 客户投诉单处理方法及装置 |
| CN111274490A (zh) * | 2020-03-26 | 2020-06-12 | 北京百度网讯科技有限公司 | 咨询信息的处理方法和装置 |
| CN111767382A (zh) * | 2020-06-30 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 生成反馈信息的方法、装置及终端设备 |
| CN111858890A (zh) * | 2020-07-23 | 2020-10-30 | 平安证券股份有限公司 | 基于机器人的咨询方法、咨询机器人、计算机设备及介质 |
| WO2021000400A1 (zh) * | 2019-07-02 | 2021-01-07 | 平安科技（深圳）有限公司 | 导诊相似问题对生成方法、系统及计算机设备 |
| CN112434140A (zh) * | 2020-11-10 | 2021-03-02 | 杭州博联智能科技股份有限公司 | 一种答复信息处理方法及系统 |
| CN112766985A (zh) * | 2021-01-26 | 2021-05-07 | 北京小米移动软件有限公司 | 信息处理方法、装置以及存储介质 |
| CN113033912A (zh) * | 2021-04-16 | 2021-06-25 | 中国建设银行股份有限公司 | 问题解决人推荐方法及装置 |
| CN114500425A (zh) * | 2022-01-25 | 2022-05-13 | 上海禹璨信息技术有限公司 | 信息处理方法、装置、设备及存储介质 |
| CN115297078A (zh) * | 2022-07-06 | 2022-11-04 | 北京北信源软件股份有限公司 | 咨询响应方法、装置、计算机设备和存储介质 |
| CN115860749A (zh) * | 2023-02-09 | 2023-03-28 | 支付宝(杭州)信息技术有限公司 | 一种数据处理方法、装置及设备 |
| US11663248B2 (en) | 2020-03-26 | 2023-05-30 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing consultation information |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107305578A (zh) * | 2016-04-25 | 2017-10-31 | 北京京东尚科信息技术有限公司 | 人机智能问答方法和装置 |
| CN108345672A (zh) * | 2018-02-09 | 2018-07-31 | 平安科技（深圳）有限公司 | 智能应答方法、电子装置及存储介质 |
| CN109146726A (zh) * | 2018-07-20 | 2019-01-04 | 吴怡 | 一种人工智能法律咨询平台及商业模式 |
-
2019
- 2019-01-18 CN CN201910048904.4A patent/CN109857850A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107305578A (zh) * | 2016-04-25 | 2017-10-31 | 北京京东尚科信息技术有限公司 | 人机智能问答方法和装置 |
| CN108345672A (zh) * | 2018-02-09 | 2018-07-31 | 平安科技（深圳）有限公司 | 智能应答方法、电子装置及存储介质 |
| CN109146726A (zh) * | 2018-07-20 | 2019-01-04 | 吴怡 | 一种人工智能法律咨询平台及商业模式 |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110223783A (zh) * | 2019-06-13 | 2019-09-10 | 上海明品医学数据科技有限公司 | 一种用于在多个终端交互医学数据的控制方法 |
| CN110223783B (zh) * | 2019-06-13 | 2023-08-18 | 上海明品医学数据科技有限公司 | 一种用于在多个终端交互医学数据的控制方法 |
| WO2021000400A1 (zh) * | 2019-07-02 | 2021-01-07 | 平安科技（深圳）有限公司 | 导诊相似问题对生成方法、系统及计算机设备 |
| CN110597624A (zh) * | 2019-08-13 | 2019-12-20 | 深圳壹账通智能科技有限公司 | 通信建立方法和系统 |
| CN110502625A (zh) * | 2019-08-27 | 2019-11-26 | 北京百度网讯科技有限公司 | 医疗问题解答方法、装置、设备及计算机可读存储介质 |
| CN110674261A (zh) * | 2019-10-14 | 2020-01-10 | 出门问问信息科技有限公司 | 一种信息处理方法、装置以及计算机可读存储介质 |
| CN111159355A (zh) * | 2019-12-31 | 2020-05-15 | 中国银行股份有限公司 | 客户投诉单处理方法及装置 |
| CN111274490A (zh) * | 2020-03-26 | 2020-06-12 | 北京百度网讯科技有限公司 | 咨询信息的处理方法和装置 |
| US11663248B2 (en) | 2020-03-26 | 2023-05-30 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing consultation information |
| CN111274490B (zh) * | 2020-03-26 | 2024-01-19 | 北京百度网讯科技有限公司 | 咨询信息的处理方法和装置 |
| CN111767382A (zh) * | 2020-06-30 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 生成反馈信息的方法、装置及终端设备 |
| CN111858890A (zh) * | 2020-07-23 | 2020-10-30 | 平安证券股份有限公司 | 基于机器人的咨询方法、咨询机器人、计算机设备及介质 |
| CN111858890B (zh) * | 2020-07-23 | 2023-07-21 | 平安证券股份有限公司 | 基于机器人的咨询方法、咨询机器人、计算机设备及介质 |
| CN112434140A (zh) * | 2020-11-10 | 2021-03-02 | 杭州博联智能科技股份有限公司 | 一种答复信息处理方法及系统 |
| CN112766985A (zh) * | 2021-01-26 | 2021-05-07 | 北京小米移动软件有限公司 | 信息处理方法、装置以及存储介质 |
| CN113033912A (zh) * | 2021-04-16 | 2021-06-25 | 中国建设银行股份有限公司 | 问题解决人推荐方法及装置 |
| CN114500425B (zh) * | 2022-01-25 | 2023-05-02 | 上海禹璨信息技术有限公司 | 信息处理方法、装置、设备及存储介质 |
| CN114500425A (zh) * | 2022-01-25 | 2022-05-13 | 上海禹璨信息技术有限公司 | 信息处理方法、装置、设备及存储介质 |
| CN115297078A (zh) * | 2022-07-06 | 2022-11-04 | 北京北信源软件股份有限公司 | 咨询响应方法、装置、计算机设备和存储介质 |
| CN115297078B (zh) * | 2022-07-06 | 2023-09-01 | 北京北信源软件股份有限公司 | 咨询响应方法、装置、计算机设备和存储介质 |
| CN115860749A (zh) * | 2023-02-09 | 2023-03-28 | 支付宝(杭州)信息技术有限公司 | 一种数据处理方法、装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109857850A (zh) | 咨询请求处理方法、装置、计算机设备及存储介质 | |
| Lewandowski et al. | Commonsense computing (episode 3) concurrency and concert tickets | |
| Solomonson | Trust and the client–consultant relationship | |
| Troncoso et al. | Look the part? the role of profile pictures in online labor markets | |
| US20150056578A1 (en) | Methods and systems for gamified productivity enhancing systems | |
| de Castro et al. | The impact of learner engagement on performance outcomes: a longitudinal study in accounting education | |
| Schulz | Experimental research method in a management accounting context | |
| McCallum et al. | Regulatory sandbox for FinTech regulation: Do the conditions for effective adoption exist in South Africa? | |
| Wehrs | Using an expert system to support academic advising | |
| CN114625782A (zh) | 护理智能趣味操作考核系统 | |
| Zori | To adopt or not to adopt? The transnational adoption of international financial reporting standards (IFRS) in Africa | |
| Lusthaus et al. | Organizational self-evaluation: An emerging frontier for organizational improvement | |
| CN111612659B (zh) | 一种在线财会考试自动评分系统及评分方法 | |
| WO2018029511A1 (en) | Psychophysiologically enhanced financial market trading systems and securities exchanges | |
| Lasecki | Real-time conversational crowd assistants | |
| Egas et al. | Integrated Strategic Management System | |
| Querelle et al. | Active participation in preventionist professional practices: a specific ergonomics training course | |
| Aldinger et al. | Participatory simulation of a Stock exchange | |
| Bandiera et al. | Women’s Empowerment in Action | |
| CH706920B1 (de) | Verfahren für ein internetbasiertes Quiz. | |
| Kapfudzaruwa | Internationalization of Higher Education and Emerging National Rationales: Comparative Analysis of the Global North and South | |
| Milana et al. | Report on the use of PIAAC in informing policy in selected countries | |
| Shen et al. | Cybersecurity Training in Organization as Human Capital Investment: A Qualitative Grounded Theory Analysis | |
| Kedziora et al. | ‘Leanbotics’ Case–Exploring Inclusive Synergies Between Robotic Process Automation (RPA) and Process Improvement | |
| Waspodo et al. | Formulating Digital Strategy Using Design Thinking Approach at Eguards |
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 |