CN110222930A - 客服辅助方法、设备及客服系统和计算机可读存储介质 - Google Patents

Abstract

本发明涉及人计算机技术领域，提供了一种客服辅助方法，所述方法包含步骤：判断接收到的问句中是否包含主题词；若包含，则基于所述问句从问答对数据库中匹配出符合预设条件的n个问答对，所述n为整数；基于预设算法确定所述n个问答对的优选概率；输出所述n个问答对及对应的所述优选概率；其中，所述预设条件包括所述问答对中的问题语句与所述问句的文本相似度为所述数据库中的前n个，不仅可减轻客服人员的工作压力，还能提升客服质量，改善客户体验。此外本发明还提供了一种客服辅助设备、客服系统及计算机可读存储介质。

Description

客服辅助方法、设备及客服系统和计算机可读存储介质

技术领域

本发明涉及计算机信息技术领域，尤其涉及一种客服辅助方法、设备及客服系统和计算机可读存储介质。

背景技术

随着互联网的飞速发展，行业服务意识的提高，网络客服已经普及到各行各业，深入到日常商业服务的各个环节。

目前的客服系统，通常由机器客服和人工客服组成，其中机器客服一般是基于网页的即时通讯工具，具体可基于智能聊天机器人或FAQ系统来实现，由于机器客服技术发展的有限性，目前还无法完全替代人工客服，但在客户咨询量大的情况下，若完全依靠客服人员的处理，将会带来人员成本的提升，且无法保证每个客服人员的服务质量。

发明内容

针对上述问题，本发明的实施例提供了一种客服辅助方法，所述方法包含步骤：判断接收到的问句中是否包含主题词；若包含，则基于所述问句从问答对数据库中匹配出符合预设条件的n个问答对，所述n为整数；基于预设算法确定所述n个问答对的优选概率；输出所述n个问答对及对应的所述优选概率；其中，所述预设条件包括所述问答对中的问题语句与所述问句的文本相似度为所述数据库中的前n个。

在一实施例中，若所述问句中不包含主题词，则基于预设算法模型从历史聊天记录中获取主题词，并与所述问句进行拼接，得到包含主题词的问句。

在一实施例中，所述预设条件更包括所述问答对中的问题语句与所述问句的文本相似度大于预设阈值。

在一实施例中，所述基于预设算法确定所述n个问答对的优选概率包含：分别确定所述 n个问答对中每个问答对对应的影响因素，所述影响因素包含与所述问句的文本相似度、问答对更新时间、问答对使用频率以及问答对创建人信息；基于所述影响因素及其对应的权重值，分别计算所述n个问答对的优先概率。

在一实施例中，所述基于预设算法确定所述n个问答对的优选概率包含：基于预先构建的预测模型分别计算获得所述n个问答对的优选概率。

在一实施例中，所述输出所述n个问答对及对应的所述优选概率包含：基于所述n个问答对对应的所述优选概率，对所述n个问答对进行排序，并按顺序输出所述n个问答对及对应的所述优选概率。

通过本发明实施例提供的客服辅助方法，可针对客户提出的问题，快速提供参考选项，使得客服人员可快速获取合适的答案，或者获取类似的答案，并对应进行修改，以实现快速回复，也在一定程度上保证了客服质量。

本发明实施例还提供一种客服辅助设备所述设备包含接收模块、输出模块及数据处理模块，其中，所述数据处理模块分别与所述接收模块和所述输出模块通信连接；所述接收模块将接收到的问句发送至所述数据处理模块，所述数据处理模块基于上述客服辅助方法获得所述问句对应的所述n个问答对及优选概率，并将所述n个问答对及其优选概率发送至所述输出模块，所述输出模块显示输出所述n个问答对及其优选概率。

此外，本发明还提供一种客服系统，所述系统包含客户端交互设备、服务端交互设备及如权利要求7所述的客服辅助设备，其中所述服务端交互设备分别与所述客户端交互设备和所述客服辅助设备通信连接；所述客户端交互设备接收客户输入的信息，并传输给所述服务端交互设备；所述服务端交互设备接收所述客户端交互设备发送的客户输入的信息，并显示，当判断所述客户输入的信息为问句时，将所述问句发送给所述客服辅助设备；所述客服辅助设备接收所述服务端交互设备发送的所述问句，并提供辅助信息给所述服务端交互设备；所述服务端交互设备接收所述客服辅助设备反馈的所述辅助信息，并将所述辅助信息进行显示。

以及，一种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上述实施例中的客服辅助方法。

附图说明

一个或多个实施方式通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施方式的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1绘示本发明第一实施例所提供的客服辅助方法流程图；

图2绘示本发明实施例所提供的客服辅助设备结构示意图；

图3绘示本发明实施例所提供的客服系统结构示意图。

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。

为了减轻客服人员的工作压力，以及在一定程度上保证服务质量，本发明实施例提供了一种客服辅助方法，可针对客户提出的问题反馈辅助信息，其中辅助信息可包含针对问题所反馈的多个参考答案，而该些参考答案均是从数据库中筛选出的优选答案，客服人员可基于辅助信息选择合适的答案直接回复给客户，也可以对选中的答案进行调整再回复给客户，如此一来，可方便客服人员快速明确客户需求，并提供准确的回复给客户，从而避免因回复等待时间过长而导致的客户流失，以及因回复内容不准确而影响客户体验。

本发明第一实施例提供的客服辅助方法，具体请参照图1。

图1绘示本发明第一实施例所提供的客服辅助方法流程图。如图1所示，所述客服辅助方法具体包含步骤：

步骤101，判断接收到的问句中是否包含主题词，若包含，则执行步骤102；否则，执行步骤105。

具体而言，判断问句中是否包含主题词，可包含以下两种识别方式：

第一种方式，可基于目标主题词，查找问句中中是否存在至少一个预先设定的主题词，其中，目标主题词可以是预先根据应用场景设定并保存的。

举例而言，

问句1：“请问最近有优惠活动吗？”

问句2：“一台多少钱？”

目标主题词中包括：优惠

通过文本查找，可确定其中有包含目标主题词；而问句2中则不包含主题词。

第二中方式，可先获取聊天记录中，该问句的上文聊天数据，并基于预先训练好的LSTM 模型进行主题词识别，获取上文聊天数据中所涉及的主题词；然后，基于获取到的主题词，查找问句中是否存在该主题词。

其中，LSTM模型的训练方法可包含：

基于历史聊天数据，收集训练数据：问句上文的聊天数据；基于LSTM算法，计算得到输出层：主题词；并通过大量的训练，得到目标LSTM模型。

举例而言，

问句1：“请问最近有优惠活动吗？”，上文聊天记录为：“我想买一台空调”。

问句2：“一台空调多少钱？”，上文聊天记录为：“我想买一台空调”。

针对问句1的主题词获取方法，可从问句1所在的聊天记录中，获取上文聊天数据，并基于LSTM模型从上文聊天数据中获取主题词：空调；然后基于获取到的主题词，通过文本查找，可确定问句1中不包含主题词，而问句2中包含主题词。

由此可见，通过选取不同的识别方式，可能会得到不同的识别结果，在具体的实施中，可通过对预设目标主题词的完善，和LSTM模型的优化，来得到期望的识别结果，以上示例仅为方便理解，并非对本发明技术方案的限定。

步骤102，基于问句从问答对数据库中匹配出符合预设条件的n个问答对。

其中，问答对数据库中保存有预先收集的问答对数据，一条问答对数据可包含问题语句、答案语句及相关属性信息，可以是基于历史聊天数据收集并优化的问答语句。相关属性信息将在步骤103中进行详细说明。

在本实施例中，预设条件可包括问答对中的问题语句与问句的文本相似度为数据库中的前n个。

具体而言，可分别计算问句与数据库中的所有问答对中的问题语句的相似度，并进行排序，选择相似度最高的前n个问答对为目标问答对，一般而言，n需大于1。

较佳的，为了保证输出的问答对的可参考性，预设条件可更包括问答对中的问题语句与问句的文本相似度大于预设阈值，也就是说，在完成所有问答对中的问题语句与问句的相似度计算之后，先筛选出相似度大于预设阈值的数据，保证问题语句与问句有一定的相关性，以保证输出的问答对的参考价值，再进行排序选择。

可以理解的是，在限定了相似度阈值之后，无法确保可输出的问答对的数量，故最终输出的问答对数量可能小于n。

在本实施例中，n的数值可具体根据需求进行设定。

在执行完步骤102后，可进入步骤103。

步骤103，基于预设算法确定n个问答对的优选概率。

具体而言，基于预设算法确定n个问答对的优选概率的方法可包含：

首先，分别确定n个问答对中每个问答对对应的影响因素。其中，影响因素包含与问句的文本相似度、问答对更新时间、问答对使用频率以及问答对创建人信息。

文本相似度即为步骤102中计算得到的。

问答对更新时间、使用频率及创建人信息对应为上文中提及的问答对的属性信息，该些信息可在问答对发生相关动态更新时同步进行更新。

问答对更新时间记录的是该问答对被修改的时间，修改时间越接近当前时间，表示该问答对可用度越高。

问答对使用频率记录的是在一个固定周期内该问答对被使用的次数，一般而言，使用频率越高，该问答对被选用的可能性越高。

创建人信息记录的是创建或修改该问答对的客服身份等级，具体可分为优秀、中等、一般，一般而言，创建人越优秀，其提供的问答对会越准确，服务质量越高。

在实际应用场景中，可基于该些维度对问答对进行属性记录，并且可分别为该些影响因素设置对应的权值。

然后，基于影响因素及其对应的权重值，分别计算n个问答对的优先概率。

在一优选实施例中，可基于预先构建的预测模型分别计算获得n个问答对的优选概率。其中，预测模型的训练过程，说明如下：

收集现有问答对集合，

给每个答案打标签，标签分为三个维度：时间维度、使用次数、答案创建或修改的客服类型；

将三个维度的标签转换为特征：

时间特征x1：

x1＝1/(1+exp(-t))，

t＝(答案最近使用时间-初始创建时间)；

答案使用次数特征x2：

x2＝当前答案使用次数/所有答案使用次数之和；

答案创建或者修改的客服类型特征x3：

优秀客服对应的x3＝1、中等客服对应的x3＝0.7，新人对应的x3＝0.5；

问答对中的问题语句与问句的文本相似度：x4。

使用相似度最高的20个作为候选答案。

基于真实的数据，针对问句的回复，客服选择的答案标记为1、其他答案标记为0(用y 表示)；

基于softmax函数构建答案预测模型，并以20个候选答案对应的x1、x2、x3、x4为预测模型的输入层，得到预测值y’，y为真实值，通过大量训练，可使得模型预测效果的误差最小，模型的输出层可为各个答案对应的被选中的概率，即优选概率。

通过上述方法，得打预测模型之后，可基于预测模型得到n个问答对的优先概率。

步骤104，输出n个问答对及对应的优选概率。

更进一步的，为了使客服人员可快速对各个问答对的优选情况有直观的感受。可基于n 个问答对对应的优选概率，对n个问答对进行排序，并按顺序输出n个问答对及对应的优选概率，即可将优选概率最大的显示在最前面。

步骤105，基于预设算法模型从历史聊天记录中获取主题词，并与问句进行拼接，得到包含主题词的问句。

在经过步骤101的判断，确定问句中不包含主题词时，可基于预设算法模型从历史聊天记录中获取主题词，并与问句进行拼接，得到包含主题词的问句。

如上文所述，识别问句中是否包含主题词的方式有两种，若基于第一种方式进行识别，则需进一步获取问句的上文聊天数据，并基于上文所述的LSTM模型获取主题词，进而与问句进行拼接，得到包含主题词的问句；若是基于第二中方式进行识别，则可直接将获取到的主题词语问句进行拼接，得到包含主题词的问句。

在得到包含主题词的问句后，可跳转至步骤102。

通过上述客服辅助方法，可针对客户提出的问题，快速提供参考选项，使得客服人员可快速获取合适的答案，或者获取类似的答案，并对应进行修改，以实现快速回复，也在一定程度上保证了客服质量。

基于同样的发明构思，本发明的实施例还提供一种客服辅助设备，具体可参照图2，图2 绘示本发明实施例所提供的客服辅助设备结构示意图。

如图2所示，客服辅助设备200包含接收模块210、输出模块220及数据处理模块230，其中，数据处理模块230分别与接收模块210和输出模块220通信连接，以实现相互之间的数据传输。

接收模块210将接收到的问句发送至数据处理模块230，其中接收模块210可接收外部设备传入的问句。

数据处理模块230可基于上述方法实施例所提供的客服辅助方法获得问句对应的n个问答对及优选概率，并将所述n个问答对及其序列发送至输出模块220。

输出模块220显示输出n个问答对及其优选概率，以供客服人员参考。

本发明实施例所提供的客服辅助设备结构简单，可快速的针对接收到的问句提供具有参考价值的多个问答对，以辅助客服人员对客户的疑问进行解答，并可在一定程度上提升客服质量。

需要说明的是：上述实施例提供的客服辅助设备可基于计算机程序实现，以上述各功能模块的划分仅为举例说明，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模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

在本发明的又一实施例中提供了一种客服系统，具体可参照图3，图3绘示本发明实施例所提供的客服系统结构示意图。

如图3所示，客服系统300包含客户端交互设备310、服务端交互设备320及客服辅助设备330，其中服务端交互设备320分别与客户端交互设备310和客服辅助设备330通信连接。

在实际应用中，客户端交互设备310设置在客户端，为客户提供输入输出界面，以接收客户输入的信息，并传输给设置在客服端的服务端交互设备320。

服务端交互设备320接收客户端交互设备发送的客户输入的信息，并进行显示；当判断客户输入的信息为问句时，将问句发送给客服辅助设备330。

客服辅助设备330可以为图2所示实施例所提供的客服辅助设备，具体说明可参见图2 及图1对应的文字说明，在此不再赘述。客服辅助系统接收服务端交互设备320发送的问句，并在进行了相应的处理后，提供辅助信息给服务端交互设备320，其中辅助信息即为上述输出的问答对及对应的优选概率。

服务端交互设备320接收客服辅助设备330反馈的辅助信息，并将辅助信息进行显示，以供客服参考，客服人员可从辅助信息中选择可用的问答对，并将对应的答案直接回复给客户，也可基于选中的答案进行修改，再回复给客户。

本实施例提供的客服系统，通过为客服辅助设备为客服人员提供可参考的辅助信息，方便客服人员快速获知客户的需求，并为其提供准确的回复，不仅可提升客服人员的工作效率，还可在一定程度上保证客服服务质量。

本发明再一实施例涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时，实现上述客服辅助方法实施例。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种客服辅助方法，其特征在于，所述方法包含步骤：

判断接收到的问句中是否包含主题词；

若包含，则基于所述问句从问答对数据库中匹配出符合预设条件的n个问答对，所述n为整数；

基于预设算法确定所述n个问答对的优选概率；

输出所述n个问答对及对应的所述优选概率；

其中，所述预设条件包括所述问答对中的问题语句与所述问句的文本相似度为所述数据库中的前n个。

2.如权利要求1所述的客服辅助方法，其特征在于，若所述问句中不包含主题词，则基于预设算法模型从历史聊天记录中获取主题词，并与所述问句进行拼接，得到包含主题词的问句。

3.如权利要求1所述的客服辅助方法，其特征在于，所述预设条件更包括所述问答对中的问题语句与所述问句的文本相似度大于预设阈值。

4.如权利要求1所述的客服辅助方法，其特征在于，所述基于预设算法确定所述n个问答对的优选概率包含：

分别确定所述n个问答对中每个问答对对应的影响因素，所述影响因素包含与所述问句的文本相似度、问答对更新时间、问答对使用频率以及问答对创建人信息；

基于所述影响因素及其对应的权重值，分别计算所述n个问答对的优先概率。

5.如权利要求1所述的客服辅助方法，其特征在于，所述基于预设算法确定所述n个问答对的优选概率包含：

基于预先构建的预测模型分别计算获得所述n个问答对的优选概率。

6.如权利要求1所述的客服辅助方法，其特征在于，所述输出所述n个问答对及对应的所述优选概率包含：

基于所述n个问答对对应的所述优选概率，对所述n个问答对进行排序，并按顺序输出所述n个问答对及对应的所述优选概率。

7.一种客服辅助设备，特征在于，所述设备包含接收模块、输出模块及数据处理模块，其中，所述数据处理模块分别与所述接收模块和所述输出模块通信连接；

所述接收模块将接收到的问句发送至所述数据处理模块，所述数据处理模块基于权利要求1至6所述的客服辅助方法获得所述问句对应的所述n个问答对及优选概率，并将所述n个问答对及其优选概率发送至所述输出模块，所述输出模块显示输出所述n个问答对及其优选概率。

8.一种客服系统，其特征在于，所述系统包含客户端交互设备、服务端交互设备及如权利要求7所述的客服辅助设备，其中所述服务端交互设备分别与所述客户端交互设备和所述客服辅助设备通信连接；

所述客户端交互设备接收客户输入的信息，并传输给所述服务端交互设备；

所述服务端交互设备接收所述客户端交互设备发送的客户输入的信息，并显示，当判断所述客户输入的信息为问句时，将所述问句发送给所述客服辅助设备；

所述客服辅助设备接收所述服务端交互设备发送的所述问句，并提供辅助信息给所述服务端交互设备；

所述服务端交互设备接收所述客服辅助设备反馈的所述辅助信息，并将所述辅助信息进行显示。

9.一种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权利要求1至6中任一项所述的客服辅助方法。