CN110321414A - 一种基于深度学习的人工智能咨询服务方法及系统 - Google Patents

一种基于深度学习的人工智能咨询服务方法及系统 Download PDF

Info

Publication number
CN110321414A
CN110321414A CN201910319446.3A CN201910319446A CN110321414A CN 110321414 A CN110321414 A CN 110321414A CN 201910319446 A CN201910319446 A CN 201910319446A CN 110321414 A CN110321414 A CN 110321414A
Authority
CN
China
Prior art keywords
semantic feature
information
vocabulary
deep learning
neural network
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
Application number
CN201910319446.3A
Other languages
English (en)
Other versions
CN110321414B (zh
Inventor
涂小东
李凯
何跃
黄丽
陈伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Zhengzihui Technology Group Co ltd
Original Assignee
Sichuan Zhengzihui Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Zhengzihui Intelligent Technology Co Ltd filed Critical Sichuan Zhengzihui Intelligent Technology Co Ltd
Priority to CN201910319446.3A priority Critical patent/CN110321414B/zh
Publication of CN110321414A publication Critical patent/CN110321414A/zh
Application granted granted Critical
Publication of CN110321414B publication Critical patent/CN110321414B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种基于深度学习的人工智能咨询服务方法，包括以下步骤：S1、采集设定领域的基础数据，并对基础数据进行预处理后导入数据库存储；S2、将数据库中预处理后的基础数据整理为样本数据，采用深度学习训练方式对样本数据进行训练，建立咨询应答模型；S3、通过移动客户端接收咨询信息，对咨询信息进行自然语言处理得到语义特征对象序列，将语义特征对象序列导入到咨询应答模型中，咨询应答模型输出与语义特征对象序列对应的回复信息；S4、通过无线网络将与咨询信息对应的回复信息输至所述移动客户端。本发明通过咨询应答模型进行智能应答，方便客户随时随地进行咨询，可以为客户提供全面、有效、实时、快捷、专业的咨询服务。

Description

一种基于深度学习的人工智能咨询服务方法及系统
技术领域
本发明涉及咨询服务技术领域，具体涉及一种基于深度学习的人工智能咨询服务方法及系统。
背景技术
随着社会发展，知识的增长速度越来越快，目前已呈现出爆炸性增长的趋势。爆炸性增长的知识使得人们不可能在每个知识领域内都是专精的人才，当人们想要了解一些不熟悉的知识领域的专业知识时，如何尽快找到该知识领域的专家、得到该知识领域的专家的咨询服务成为关键。
网站咨询系统是随着互联网而迅速兴起的新的通讯手段，网页即时通讯相对于流行的即时通讯工具，如QQ、MSN等相比，则有无需客户端，与网站紧密集成，保密性好、并能各种分析结果等优点。网站客服能够和网站配合，让咨询人通过网站与世界联通。当网站使用网站咨询系统以后，网站就不仅仅是网络上一个站点，而变成了一个与客户沟通、交流的平台。咨询人将拥有一个属于自己或者属于企业的即时通讯的平台，与咨询人通讯的可以是企业的员工或企业的客户。
传统的网站咨询系统，由单一的人工服务或者是单一的智能系统提供服务，由于单一的人工服务或者智能系统不能解决咨询人的不同的需求，所以常常为咨询人提供了很多无效的或者错误的信息，既浪费了咨询人的时间，也没有提供有价值的信息；并且，人工服务的时候，也存在一定的人为误差，而这些误差也很容易引起咨询人的损失。
发明内容
本发明的目的就在于克服上述现有技术的缺点和不足，提供一种基于深度学习的人工智能咨询服务方法及系统，其应用时，可以为客户提供全面、有效、实时、快捷、专业的咨询服务；并且有效解决了传统网站咨询系统不能满足客户需求、向客户提供无效或错误信息的问题。
本发明解决上述问题所采用的技术方案是：
一种基于深度学习的人工智能咨询服务方法，包括以下步骤：
S1：采集设定领域的基础数据，并对基础数据进行预处理后导入数据库存储；
S2：将数据库中预处理后的基础数据整理为样本数据，采用深度学习训练方式对样本数据进行训练，建立咨询应答模型；
S3：通过移动客户端接收咨询信息，对咨询信息进行自然语言处理得到语义特征对象序列，将语义特征对象序列导入到咨询应答模型中，咨询应答模型输出与语义特征对象序列对应的回复信息；
S4：通过无线网络将与咨询信息对应的回复信息输至所述移动客户端。
进一步的，步骤S1中的基础数据包括设定领域的咨询问题和答复语句，对基础数据进行预处理的具体方法为：
S11：敏感词汇过滤：过滤掉基础数据中违反法律和社会公德的词汇部分；
S12：语义特征词汇提取：分别对敏感词汇过滤后的咨询问题和答复语句的语义特征词汇进行剥离提取；
S13：建立语义特征词汇的语序排列：分别根据咨询问题和答复语句中语义特征词汇的逻辑顺序进行关联排序；
S14：将答复语句中语义特征词汇与剥离提取后剩余的衔接词汇进行前后关联标记。
进一步的，步骤S2中训练的具体方法包括以下步骤：
S21：将样本数据分为问题集、答复集和衔接集，问题集包含基础数据所有咨询问题的语义特征词汇序列，答复集包含基础数据所有答复语句的语义特征词汇序列，衔接集包含所有与答复语句中语义特征词汇前后关联的衔接词汇；
S22：将问题集中所有语义特征词汇序列进行融合，使同样的语义特征词汇只出现一个，构建问题神经网络模型；将答复集中所有语义特征词汇序列进行融合，使同样的语义特征词汇只出现一个，构建答复神经网络模型，问题神经网络模型与答复神经网络模型中相对应的语义特征词汇序列相互关联；将衔接集中各衔接词汇与答复神经网络模型中相对应的语义特征词汇进行前后关联，建立衔接神经网络模型；
S23：将问题神经网络模型、答复神经网络模型和衔接神经网络模型关联组合成咨询应答模型。
进一步的，在步骤S3中，咨询信息的语义特征对象序列导入到咨询应答模型后，将咨询信息的语义特征对象序列与问题神经网络模型中的所有语义特征词汇序列进行对比匹配，匹配成功后，提取出答复神经网络模型相对应的语义特征词汇序列与衔接神经网络模型进行语句衔接组合，得到回复信息。
进一步的，在咨询应答模型的前后端分别设咨询信息接入端和回复信息输出端，在咨询信息接入端和回复信息输出端之间建立在线人工答复端，在步骤S3中，若咨询应答模型无法输出与咨询信息对应的回复信息时，就将咨询信息传输至在线人工答复端，进行人工在线答疑，人工答疑结果传至回复信息输出端输出；人工答疑结束后，将该咨询信息以及与该咨询信息对应的人工答疑结果按照步骤S1和S2的方法建入咨询应答模型中。
一种基于深度学习的人工智能咨询服务系统，包括移动客户端和云端服务器；所述云端服务器包括信息识别模块、信息处理模块、数据库和无线通信模块；所述信息处理模块与信息识别模块、数据库和无线通信模块连接，所述云端服务器通过所述无线通信模块与所述移动客户端网络连接；所述信息识别模块用于识别所述移动客户端传输来的咨询信息并进行自然语言处理；所述数据库用于存储预处理后的基础数据；所述信息处理模块设有咨询应答模型，用于接入经信息识别模块处理后的语义特征对象序列，然后输出对应的回复信息至无线通信模块，所述无线通信模块用于将回复信息传输至移动客户端，所述无线通信模块还用于将移动客户端的咨询信息传输至信息识别模块。
进一步的，所述信息识别模块包括文字识别单元、视频识别单元、音频识别单元和图片识别单元，可进行多种类型的咨询信息识别，满足用户端的多种咨询信息输入要求，避免出现混合咨询信息错漏的情况。
进一步的，所述云端服务器还包括人工答复模块，所述人工答复模块与信息处理模块连接，人工答复模块用于当所述信息处理模块无法输出对应的回复信息时进行人工在线答疑。
综上，本发明的有益效果是：
本发明通过深度学习训练方法建立咨询应答模型来自动完成客户的咨询答疑，可以为客户提供全面、有效、实时、快捷、专业的咨询服务；并且有效解决了传统网站咨询系统不能满足客户需求、向客户提供无效或错误信息的问题，同时，设立人工答复通道来不断补充完善咨询应答模型，使其更加全面、专业。
附图说明
图1是本发明的一个实施例的步骤流程示意图；
图2是本发明的一个实施例的系统结构示意图。
具体实施方式
为了解决现有技术中传统的网站咨询系统，由单一的人工服务或者是单一的智能系统提供服务，由于单一的人工服务或者智能系统不能解决咨询人的不同的需求，所以常常为咨询人提供了很多无效的或者错误的信息，既浪费了咨询人的时间，也没有提供有价值的信息；并且，人工服务的时候，也存在一定的人为误差，而这些误差也很容易引起咨询人的损失的情况；本发明采用智能在线咨询服务和专家组答疑服务的组合方式，方便客户随时随地进行咨询，可以为客户提供全面、有效、实时、快捷、专业的咨询服务；并且有效解决了传统网站咨询系统不能帮助客户需求的问题，还解决了向客户提供无效或错误信息的问题，还解决了由于单个人工服务时存在的认为误差。下面结合实施例及附图，对本发明作进一步地的详细说明，但本发明的实施方式不限于此，图中的只是本发明应用的一个示例，对本发明的原理没有本质性的约束。
实施例1：
如图1所示，种基于深度学习的人工智能咨询服务方法，包括以下步骤：
S1：采集设定领域的基础数据，并对基础数据进行预处理后导入数据库存储：社会进入物联网大数据时代，对于信息的搜索和管理是现阶段最为重要的任务之一，因此，通过物联网大数据来收集与在线咨询相关的各种历史信息，并对该历史信息进行预处理，是进行基于深度学习的人工智能咨询服务的前提，必须先将所有的综合性咨询信息整理完善；
S2：将数据库中预处理后的基础数据整理为样本数据，采用深度学习训练方式对样本数据进行训练，建立咨询应答模型：将经过预处理的历史信息作为样本数据，采用深度机器学习的方式对该样本数据进行训练，并得到相应的咨询应答模型，该咨询应答模型是由历史数据所得来的，当然存在一些弊端，比如，人们至今还没传递过的信息，所以才需要对该咨询服务模型进行实时的更新升级；
S3：通过移动客户端接收咨询信息，对咨询信息进行自然语言处理得到语义特征对象序列，将语义特征对象序列导入到咨询应答模型中，咨询应答模型输出与语义特征对象序列对应的回复信息；
S4：通过无线网络将与咨询信息对应的回复信息输至所述移动客户端。
在本实施例中进一步的，在步骤S3中，若将移动客户端的咨询信息识别并通过无线网络输入到咨询服务模型中，咨询服务模型无法输出与咨询信息对应的相关知识时；就将该咨询信息传输至咨询专家小组端，进行专家在线答疑；在答疑结束后，将该咨询信息以及与该咨询信息对应的相关知识纳入咨询服务模型中；从而完成对咨询服务模型的在线更新升级。
在本实施例中进一步的，在步骤S1中对历史信息进行预处理的具体方法为：步骤S1中的基础数据包括设定领域的咨询问题和答复语句，对基础数据进行预处理的具体方法为：
S11：敏感词汇过滤：过滤掉基础数据中违反法律和社会公德的词汇部分；
S12：语义特征词汇提取：分别对敏感词汇过滤后的咨询问题和答复语句的语义特征词汇进行剥离提取；
S13：建立语义特征词汇的语序排列：分别根据咨询问题和答复语句中语义特征词汇的逻辑顺序进行关联排序；
S14：将答复语句中语义特征词汇与剥离提取后剩余的衔接词汇进行前后关联标记。
在本实施例中进一步的，步骤S2中训练的具体方法包括以下步骤：
S21：将样本数据分为问题集、答复集和衔接集，问题集包含基础数据所有咨询问题的语义特征词汇序列，答复集包含基础数据所有答复语句的语义特征词汇序列，衔接集包含所有与答复语句中语义特征词汇前后关联的衔接词汇；
S22：将问题集中所有语义特征词汇序列进行融合，使同样的语义特征词汇只出现一个，构建问题神经网络模型；将答复集中所有语义特征词汇序列进行融合，使同样的语义特征词汇只出现一个，构建答复神经网络模型，问题神经网络模型与答复神经网络模型中相对应的语义特征词汇序列相互关联；将衔接集中各衔接词汇与答复神经网络模型中相对应的语义特征词汇进行前后关联，建立衔接神经网络模型；
S23：将问题神经网络模型、答复神经网络模型和衔接神经网络模型关联组合成咨询应答模型。
在本实施例中进一步的，在步骤S3中识别咨询信息的方式包括文字识别、视频识别、音频识别和图片识别，在识别过程中，需要利用编码器和解码器来对咨询信息分别进行编码和解码，从而咨询服务模型才能得到格式符合的可读信息。
实施例2：
如图2所示，一种基于深度学习的人工智能咨询服务系统，包括移动客户端和云端服务器；所述云端服务器包括信息识别模块、信息处理模块、数据库和无线通信模块；所述信息处理模块与信息识别模块、数据库和无线通信模块连接，所述云端服务器通过所述无线通信模块与所述移动客户端网络连接；所述信息识别模块用于识别所述移动客户端传输来的咨询信息并进行自然语言处理；所述数据库用于存储预处理后的基础数据；所述信息处理模块设有咨询应答模型，用于接入经信息识别模块处理后的语义特征对象序列，然后输出对应的回复信息至无线通信模块，所述无线通信模块用于将回复信息传输至移动客户端，所述无线通信模块还用于将移动客户端的咨询信息传输至信息识别模块。
信息识别模块包括文字识别单元、视频识别单元、音频识别单元和图片识别单元，可进行多种类型的咨询信息识别，满足用户端的多种咨询信息输入要求，避免出现混合咨询信息错漏的情况。
在本实施例中进一步的，所述云端服务器还包括人工答复模块，人工答复模块与所述信息处理模块连接；人工答复模块用于当所述处理模块无法识别咨询信息时启动，由专家组对该咨询信息进行在线答疑；专家组设审核人员，人工答复信息由审核人员审核通过再进行答复，这样可以避免人工服务时，由于人为失误而输出错误的相关知识。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (8)

1.一种基于深度学习的人工智能咨询服务方法，其特征在于，包括以下步骤，
S1：采集设定领域的基础数据，并对基础数据进行预处理后导入数据库存储；
S2：将数据库中预处理后的基础数据整理为样本数据，采用深度学习训练方式对样本数据进行训练，建立咨询应答模型；
S3：通过移动客户端接收咨询信息，对咨询信息进行自然语言处理得到语义特征对象序列，将语义特征对象序列导入到咨询应答模型中，咨询应答模型输出与语义特征对象序列对应的回复信息；
S4：通过无线网络将与咨询信息对应的回复信息输至所述移动客户端。
2.根据权利要求1所述的一种基于深度学习的人工智能咨询服务方法，其特征在于，步骤S1中的基础数据包括设定领域的咨询问题和答复语句，对基础数据进行预处理的具体方法为：
S11：敏感词汇过滤：过滤掉基础数据中违反法律和社会公德的词汇部分；
S12：语义特征词汇提取：分别对敏感词汇过滤后的咨询问题和答复语句的语义特征词汇进行剥离提取；
S13：建立语义特征词汇的语序排列：分别根据咨询问题和答复语句中语义特征词汇的逻辑顺序进行关联排序；
S14：将答复语句中语义特征词汇与剥离提取后剩余的衔接词汇进行前后关联标记。
3.根据权利要求2所述的一种基于深度学习的人工智能咨询服务方法，其特征在于，步骤S2中训练的具体方法包括以下步骤：
S21：将样本数据分为问题集、答复集和衔接集，问题集包含基础数据所有咨询问题的语义特征词汇序列，答复集包含基础数据所有答复语句的语义特征词汇序列，衔接集包含所有与答复语句中语义特征词汇前后关联的衔接词汇；
S22：将问题集中所有语义特征词汇序列进行融合，使同样的语义特征词汇只出现一个，构建问题神经网络模型；将答复集中所有语义特征词汇序列进行融合，使同样的语义特征词汇只出现一个，构建答复神经网络模型，问题神经网络模型与答复神经网络模型中相对应的语义特征词汇序列相互关联；将衔接集中各衔接词汇与答复神经网络模型中相对应的语义特征词汇进行前后关联，建立衔接神经网络模型；
S23：将问题神经网络模型、答复神经网络模型和衔接神经网络模型关联组合成咨询应答模型。
4.根据权利要求1所述的一种基于深度学习的人工智能咨询服务方法，其特征在于，在步骤S3中，咨询信息的语义特征对象序列导入到咨询应答模型后，将咨询信息的语义特征对象序列与问题神经网络模型中的所有语义特征词汇序列进行对比匹配，匹配成功后，提取出答复神经网络模型相对应的语义特征词汇序列与衔接神经网络模型进行语句衔接组合，得到回复信息。
5.根据权利要求1所述的一种基于深度学习的人工智能咨询服务方法，其特征在于，在咨询应答模型的前后端分别设咨询信息接入端和回复信息输出端，在咨询信息接入端和回复信息输出端之间建立在线人工答复端，在步骤S3中，若咨询应答模型无法输出与咨询信息对应的回复信息时，就将咨询信息传输至在线人工答复端，进行人工在线答疑，人工答疑结果传至回复信息输出端输出；人工答疑结束后，将该咨询信息以及与该咨询信息对应的人工答疑结果按照步骤S1和S2的方法建入咨询应答模型中。
6.根据权利要求1所述的一种基于深度学习的人工智能咨询服务方法，提供一种基于深度学习的人工智能咨询服务系统，其特征在于，包括移动客户端和云端服务器；所述云端服务器包括信息识别模块、信息处理模块、数据库和无线通信模块；所述信息处理模块与信息识别模块、数据库和无线通信模块连接，所述云端服务器通过所述无线通信模块与所述移动客户端网络连接；所述信息识别模块用于识别所述移动客户端传输来的咨询信息并进行自然语言处理；所述数据库用于存储预处理后的基础数据；所述信息处理模块设有咨询应答模型，用于接入经信息识别模块处理后的语义特征对象序列，然后输出对应的回复信息至无线通信模块。
7.根据权利要求6所述的一种基于深度学习的人工智能咨询服务系统，其特征在于，所述信息识别模块包括文字识别单元、视频识别单元、音频识别单元和图片识别单元。
8.根据权利要求6所述的一种基于深度学习的人工智能咨询服务系统，其特征在于，所述云端服务器还包括人工答复模块，所述人工答复模块与信息处理模块连接，人工答复模块用于当所述信息处理模块无法输出对应的回复信息时进行人工在线答疑。
CN201910319446.3A 2019-04-19 2019-04-19 一种基于深度学习的人工智能咨询服务方法及系统 Active CN110321414B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910319446.3A CN110321414B (zh) 2019-04-19 2019-04-19 一种基于深度学习的人工智能咨询服务方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910319446.3A CN110321414B (zh) 2019-04-19 2019-04-19 一种基于深度学习的人工智能咨询服务方法及系统

Publications (2)

Publication Number Publication Date
CN110321414A true CN110321414A (zh) 2019-10-11
CN110321414B CN110321414B (zh) 2023-04-28

Family

ID=68113077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910319446.3A Active CN110321414B (zh) 2019-04-19 2019-04-19 一种基于深度学习的人工智能咨询服务方法及系统

Country Status (1)

Country Link
CN (1) CN110321414B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112199484A (zh) * 2020-10-12 2021-01-08 上海伊巢网络科技有限公司 酒店民宿的人工智能客服回复系统
CN113779223A (zh) * 2021-09-15 2021-12-10 广州网律互联网科技有限公司 一种基于深度学习的人工智能服务方法、系统及设备
TWI750665B (zh) * 2020-05-19 2021-12-21 南一書局企業股份有限公司 標記電子書習題以進行提問的系統

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105446955A (zh) * 2015-11-27 2016-03-30 贺惠新 一种自适应的分词方法
US20160162806A1 (en) * 2014-12-03 2016-06-09 Educational Testing Service Computer-Implemented Systems and Methods for Generating a Supervised Model for Lexical Cohesion Detection
CN107301213A (zh) * 2017-06-09 2017-10-27 腾讯科技（深圳）有限公司 智能问答方法及装置
WO2018030672A1 (ko) * 2016-08-09 2018-02-15 주식회사 피노텍 머신러닝을 활용한 정해진 시나리오로 고객과 상담하는 로봇 자동 상담 방법 및 시스템
CN107862000A (zh) * 2017-10-22 2018-03-30 北京市农林科学院 一种农业技术咨询人机对话方法
CN109344240A (zh) * 2018-09-21 2019-02-15 联想(北京)有限公司 一种数据处理方法、服务器及电子设备
CN109460541A (zh) * 2018-09-27 2019-03-12 广州大学 词汇关系标注方法、装置、计算机设备和存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160162806A1 (en) * 2014-12-03 2016-06-09 Educational Testing Service Computer-Implemented Systems and Methods for Generating a Supervised Model for Lexical Cohesion Detection
CN105446955A (zh) * 2015-11-27 2016-03-30 贺惠新 一种自适应的分词方法
WO2018030672A1 (ko) * 2016-08-09 2018-02-15 주식회사 피노텍 머신러닝을 활용한 정해진 시나리오로 고객과 상담하는 로봇 자동 상담 방법 및 시스템
CN107301213A (zh) * 2017-06-09 2017-10-27 腾讯科技（深圳）有限公司 智能问答方法及装置
CN107862000A (zh) * 2017-10-22 2018-03-30 北京市农林科学院 一种农业技术咨询人机对话方法
CN109344240A (zh) * 2018-09-21 2019-02-15 联想(北京)有限公司 一种数据处理方法、服务器及电子设备
CN109460541A (zh) * 2018-09-27 2019-03-12 广州大学 词汇关系标注方法、装置、计算机设备和存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI750665B (zh) * 2020-05-19 2021-12-21 南一書局企業股份有限公司 標記電子書習題以進行提問的系統
CN112199484A (zh) * 2020-10-12 2021-01-08 上海伊巢网络科技有限公司 酒店民宿的人工智能客服回复系统
CN113779223A (zh) * 2021-09-15 2021-12-10 广州网律互联网科技有限公司 一种基于深度学习的人工智能服务方法、系统及设备

Also Published As

Publication number Publication date
CN110321414B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN109213910B (zh) 一种政务智能客服服务方法、系统、电子设备和存储介质
CN110162611B (zh) 一种智能客服应答方法及系统
CN110266899B (zh) 客户意图的识别方法和客服系统
CN107153965A (zh) 一种多终端的智能客服解决方法
CN108170835A (zh) 一种组合人工与ai的智能客服系统
CN105072173A (zh) 自动客服和人工客服自动切换的客服方法及系统
CN110472017A (zh) 一种话术分析和话题点识别匹配的方法及系统
CN110321414A (zh) 一种基于深度学习的人工智能咨询服务方法及系统
CN109460457A (zh) 文本语句相似度计算方法、智能政务辅助解答系统及其工作方法
CN113505586A (zh) 一种融合语义分类与知识图谱的坐席辅助问答方法与系统
CN106844344B (zh) 用于对话的贡献度计算方法及主题抽取方法和系统
CN110222145A (zh) 一种智能法律评估方法和系统
CN110516057B (zh) 一种信访问题答复方法及装置
CN110287305B (zh) 一种基于自然语言处理的智能问答管理系统
CN116010569A (zh) 在线答疑方法、系统、电子设备及存储介质
CN111429157A (zh) 投诉工单的评价处理方法、装置、设备及存储介质
CN109508367A (zh) 自动提取问答语料的方法、在线智能客服系统及电子设备
CN111798118A (zh) 企业经营风险监控方法及装置
CN1367446A (zh) 汉语个人简历信息处理系统和方法
CN106844732A (zh) 针对无法直接采集的会话场景标签进行自动获取的方法
KR20180057990A (ko) 직원 별 맞춤 학습 영상 데이터 제공 방법 및 이를 실행하는 시스템
CN114331226B (zh) 一种企业需求智能诊断方法、系统以及存储介质
CN115687581A (zh) 一种基于注意力机制的电力客服交互式问答方法及装置
CN112860873B (zh) 智能应答方法、装置及存储介质
CN114186048A (zh) 基于人工智能的问答回复方法、装置、计算机设备及介质

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Tu Xiaodong

Inventor after: Li Kai

Inventor after: He Yue

Inventor after: Huang Li

Inventor before: Tu Xiaodong

Inventor before: Li Kai

Inventor before: He Yue

Inventor before: Huang Li

Inventor before: Chen Wei

GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: Floor 5, unit 2, building 1, No.88 Shujin Road, Chengdu hi tech Zone, China (Sichuan) pilot Free Trade Zone, Chengdu, Sichuan 610041

Patentee after: Sichuan Zhengzihui Technology Group Co.,Ltd.

Address before: Room 704, 7 / F, building 1, No. 1800, middle Yizhou Avenue, high tech Zone, Chengdu, Sichuan 610000

Patentee before: SICHUAN ZHENGZIHUI INTELLIGENT TECHNOLOGY Co.,Ltd.