CN110362667A - 智能客服方法、装置、设备及可读存储介质 - Google Patents
智能客服方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN110362667A CN110362667A CN201910633433.3A CN201910633433A CN110362667A CN 110362667 A CN110362667 A CN 110362667A CN 201910633433 A CN201910633433 A CN 201910633433A CN 110362667 A CN110362667 A CN 110362667A
- Authority
- CN
- China
- Prior art keywords
- customer service
- input information
- target data
- session
- intelligent customer
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012549 training Methods 0.000 claims description 44
- 238000013136 deep learning model Methods 0.000 claims description 23
- 238000004140 cleaning Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 13
- 238000005065 mining Methods 0.000 claims description 8
- 230000007423 decrease Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000013527 convolutional neural network Methods 0.000 description 26
- 239000008186 active pharmaceutical agent Substances 0.000 description 10
- 238000003058 natural language processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 238000012800 visualization Methods 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/169—Annotation, e.g. comment data or footnotes
-
- 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
- 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
- G06Q30/01—Customer relationship services
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)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Biomedical Technology (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Finance (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Accounting & Taxation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种智能客服方法、装置、设备及可读存储介质，涉及金融科技的云技术领域，该方法包括：在接收到客服请求时，获取基于所述客服请求输入的输入信息；根据所述输入信息确定待会话领域及待会话类型；根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据，并根据所述待会话类型选取待会话机器人；以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户。本发明提升了智能客服过程中智能性，解决了现有技术难以以用户需要的方式满足用户专业类知识获取需求的技术问题。
Description
技术领域
本发明涉及金融科技(Fintech)技术领域，尤其涉及一种智能客服方法、装置、设备及可读存储介质。
背景技术
随着金融科技(Fintech)，尤其是互联网科技金融的不断发展，越来越多的技术应用在金融领域。其中，金融领域中的智能客服涉及到众多技术应用，然而，在现有智能客服服务用户的过程中，通常存在无法以用户需要的方式满足用户专业类知识获取需求的现象。
发明内容
本发明的主要目的在于提供一种智能客服方法、装置、设备及可读存储介质，旨在解决现有技术难以以用户需要的方式满足用户专业类知识获取需求的技术问题。
为实现上述目的，本发明实施例提供一种智能客服方法，所述智能客服方法包括：
在接收到客服请求时，获取基于所述客服请求输入的输入信息；
根据所述输入信息确定待会话领域及待会话类型；
根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据，并根据所述待会话类型选取待会话机器人；
以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户。
可选地，所述根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据步骤包括：
根据所述待会话领域从预设各个知识库中选取目标知识库，并通过预设检索算法确定所述目标知识库中是否存在所述输入信息对应的目标数据；
当所述目标知识库中存在所述输入信息对应的目标数据时，则获取所述输入信息对应的目标数据；
所述通过预设检索算法确定所述目标知识库中是否存在所述输入信息对应的目标数据的步骤之后，所述方法还包括：
当所述目标知识库中未存在所述输入信息对应的目标数据时，通过预设垂直爬虫算法以及预设的第三方开放API接口从所述目标知识库外的其他引擎渠道获取所述输入信息对应的目标数据。
可选地，所述根据所述待会话领域从预设各个知识库中选取目标知识库，并通过预设检索算法确定所述目标知识库中是否存在所述输入信息对应的目标数据步骤之前包括：
获取所述预设各个知识库对应的基础数据库的CNN深度学习模型，并获取所述各个CNN深度学习模型分别对应的各个预设训练数据，其中，所述预设训练数据中存在分类标注；
基于所述存在分类标注的所述各个预设训练数据分别对对应各个CNN深度学习模型进行模型训练，以训练所述各个CNN深度学习模型中的分类参数以及分类规则，以得到所述各个基础数据库对应的分类模型，将对应具有分类模型的所述各个基础数据库分别设为所述各个知识库。
可选地，所述通过预设垂直爬虫算法以及预设的第三方开放API接口从所述目标知识库外的其他引擎渠道获取所述输入信息对应的目标数据步骤之后包括：
对所述目标数据进行预设协同过滤算法以及预设文本挖掘算法处理，得到清洗数据；
基于所述目标知识库对应的分类模型对所述清洗数据进行分类、标注以及初始权重分配处理，以更新所述目标知识库。
可选地，所述根据所述输入信息确定待会话领域及待会话类型步骤包括：
通过预设NLP算法对所述输入信息进行语义分析，以确定待会话领域；
从所述输入信息中提取待选取的待会话机器人的个数，以确定待会话类型，其中，待会话类型包括一对一、一对多以及多对多会话类型。
可选地，所述以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户步骤之后包括：
获取所述用户对所述目标数据的反馈评价信息，基于所述反馈评价信息与预设小批量梯度下降训练算法调整所述目标知识库中所述目标数据的权重占比。
可选地，所述根据所述待会话领域从预设各个知识库中选取目标知识库步骤包括：
根据所述待会话领域从预设各个知识库中选取目标知识库，其中，所述预设各个知识库包括垂直知识库、算法语料库以及对话语料库。
本发明还提供一种智能客服装置，所述智能客服装置包括：
接收模块，用于在接收到客服请求时，获取基于所述客服请求输入的输入信息；
确定模块，用于根据所述输入信息确定待会话领域及待会话类型；
选取模块，用于根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据，并根据所述待会话类型选取待会话机器人；
返回模块，用于以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户。
可选地，所选取模块包括：
第一选取单元，用于根据所述待会话领域从预设各个知识库中选取目标知识库，并通过预设检索算法确定所述目标知识库中是否存在所述输入信息对应的目标数据；
目标数据获取单元，用于当所述目标知识库中存在所述输入信息对应的目标数据时，则获取所述输入信息对应的目标数据；
所述所选取模块还包括：
第一获取单元，用于当所述目标知识库中未存在所述输入信息对应的目标数据时，通过预设垂直爬虫算法以及预设的第三方开放API接口从所述目标知识库外的其他引擎渠道获取所述输入信息对应的目标数据。
可选地，所述智能客服装置包括：
第一获取模块，用于获取所述预设各个知识库对应的基础数据库的CNN深度学习模型，并获取所述各个CNN深度学习模型分别对应的各个预设训练数据，其中，所述预设训练数据中存在分类标注；
设置模块，用于基于所述存在分类标注的所述各个预设训练数据分别对对应各个CNN深度学习模型进行模型训练，以训练所述各个CNN深度学习模型中的分类参数以及分类规则，以得到所述各个基础数据库对应的分类模型，将对应具有分类模型的所述各个基础数据库分别设为所述各个知识库。
可选地，所选取模块包括：
处理单元，用于对所述目标数据进行预设协同过滤算法以及预设文本挖掘算法处理，得到清洗数据；
更新单元，用于基于所述目标知识库对应的分类模型对所述清洗数据进行分类、标注以及初始权重分配处理，以更新所述目标知识库。
可选地，所述确定模块包括：
第一确定单元，用于通过预设NLP算法对所述输入信息进行语义分析，以确定待会话领域；
第二确定单元，用于从所述输入信息中提取待选取的待会话机器人的个数，以确定待会话类型，其中，待会话类型包括一对一、一对多以及多对多会话类型。
可选地，所述智能客服装置还包括：
第二获取模块，用于获取所述用户对所述目标数据的反馈评价信息，基于所述反馈评价信息与预设小批量梯度下降训练算法调整所述目标知识库中所述目标数据的权重占比。
可选地，所述选取模块包括：
第二选取单元，用于根据所述待会话领域从预设各个知识库中选取目标知识库，其中，所述预设各个知识库包括垂直知识库、算法语料库以及对话语料库。
本发明还提供一种可读存储介质，所述可读存储介质上存储有智能客服程序，所述智能客服程序被处理器执行时实现如上述的智能客服方法的步骤。
本发明在接收到客服请求时，获取基于所述客服请求输入的输入信息；根据所述输入信息确定待会话领域及待会话类型；根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据，并根据所述待会话类型选取待会话机器人；以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户。在本申请中，从客服请求中提取得到用户的输入信息，并对应确定待会话领域及待会话类型，以根据待会话领域从预设各个知识库中选取目标知识库，且在目标知识库获取对应数据后，能够以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户，也即，在本实施例中，通过各个知识库以及待会话机器人的预设会话风格配置实现以用户需要的方式满足用户专业类知识获取需求，提升了用户体验，解决了现有技术中难以以用户需要的方式满足用户专业类知识获取需求的技术问题。
附图说明
图1为本发明智能客服方法第一实施例的流程示意图；
图2为本发明智能客服方法第二实施例中根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据步骤的细化流程示意图；
图3是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种智能客服方法，在智能客服方法一实施例中，参照图1，所述智能客服方法包括：
步骤S10，在接收到客服请求时，获取基于所述客服请求输入的输入信息；
步骤S20，根据所述输入信息确定待会话领域及待会话类型；
步骤S30，根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据，并根据所述待会话类型选取待会话机器人；
步骤S40，以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户。
具体步骤如下：
步骤S10，在接收到客服请求时，获取基于所述客服请求输入的输入信息；
在本实施例中，智能客服方法应用于智能客服系统，该智能客服系统包括提供智能客服的会话机器人以及各种知识库，以供会话机器人将从各种知识库中提取得到的数据返回给用户，需要说明的是，该智能客服系统包括可视化界面，该可视化界面上提供会话机器人属性的选择或者配置界面，如会话机器人风格、会话频率、随机回答或有序回答等属性的选择或者配置，会话机器人属性的选择可选为用户的手动选择，会话机器人属性的配置指的是系统自动的配置。用户可以在可视化界面上通过输入文本或者语音方式触发用户的客服请求，客服请求中携带有用户的输入信息，该输入信息包括关键词信息，具体如领域关键词或者风格选取关键词等关键词，在接收到客服请求时，获取基于所述客服请求输入的输入信息，其中，当该客服请求为语音方式输入时，通过语义解析，获取用户的输入信息，此外，客服请求的发送方式还可选通过遥控设备或用户设备等进行发送，此处不做限定。
步骤S20，根据所述输入信息确定待会话领域及待会话类型；
具体地，输入信息中包含待会话领域及待会话类型信息，也即可以根据所述输入信息确定待会话领域及待会话类型，其中，根据所述输入信息中的领域关键词(可以是预设需要选取的)确定待会话领域，根据输入信息中待会话类型关键词(可以是预设需要选取的)确定待会话类型，其中，待会话领域指的是用户需求所在的知识领域，用以具体实施例进行说明，若输入信息中包括计算机知识关键词，则待会话领域为计算机领域，若输入信息中包括专利检索关键词，则待会话领域为专利技术领域，若输入信息中包括医学常识关键词，则待会话领域为医学技术领域。
在本实施例中，该待会话类型可以指的是该待会话类型指的是多人会话，还是单人会话等类型，另外，该待会话类型还可以指的是待会话风格类型，比如，待会话风格类型为幽默类型，待会话风格类型为古风类型，由于根据所述输入信息确定待会话领域及待会话类型，因而，可以进行为用户进行定制化的智能客服服务。
所述根据所述输入信息确定待会话领域及待会话类型步骤包括：
步骤S21，通过预设NLP算法对所述输入信息进行语义分析，以确定待会话领域；
在本实施例中，由于用户可以通过电话或者语音输入方式进行客服请求的确定，也即输入信息中可能包含语音信息，因而通过预设自然语言处理(Natural LanguageProcessing)NLP算法对所述输入信息进行语义分析，以确定待会话领域，如具体是计算机领域还是医学技术领域。
步骤S22，从所述输入信息中提取待选取的待会话机器人的个数，以确定待会话类型，其中，待会话类型包括一对一、一对多以及多对多会话类型。
在本实施例中，待会话类型包括一对一、一对多以及多对多会话等类型，具体地，通过待选取的待会话机器人的个数，以确定待会话类型，而为了实现一对一、一对多以及多对多会话类型，在本实施例中，是基于预先覆盖的不同在线聊天渠道，如微信、QQ等的API接口实现的，其中，不同的渠道，需要预埋帐号并保持在线登录，也即通过调用微信和QQ等聊天工具对外提供的API接口，通过API接口拉取保持在线登录的预埋的账号，实现一对一、一对多以及多对多会话类型，并基于API接口中的功能模块，实现待会话机器人的自动拉群、群分组、群分享、群回复等功能。
步骤S30，根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据，并根据所述待会话类型选取待会话机器人；
需要说明的是，在本实施例中，根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据，并根据所述待会话类型选取待会话机器人，也即，在智能客服系统中存在各个预设各个知识库，该各个预设各个知识库是已经训练好且具有足够精细分类的语料的知识库，且知识库可以根据垂直领域及其细分领域的拓展不断丰富和扩充，尤其是一些专业知识库，比如计算机知识、医学问答、专利检索等。
具体地，例如，预设各个知识库中包括算法知识库，算法知识库分为两类：一种是合成类型算法库，如藏头诗生成、古诗词生成等，这类知识库已有开源算法，可以直接引用封装使用，且可以根据用户需求不断扩展；另一种是常用已有的开放API库，如获取天气、日期、车次航班等，能够满足一些日常生活类问答需求的算法知识库。
另外，预设各个知识库中包括对话语料库，对话语料库可以是接入已有开放的语料库，如常用会话语料库，古代汉语语料库、搜文解字等。
根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据，并根据所述待会话类型选取待会话机器人，具体地，根据关键词匹配度的大小从预设各个知识库中获取排名前列或者权重在前列的数据作为目标数据，并根据所述待会话类型选取待会话机器人，
其中，参照图2，所述根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据步骤包括：
步骤S31，根据所述待会话领域从预设各个知识库中选取目标知识库，并通过预设检索算法确定所述目标知识库中是否存在所述输入信息对应的目标数据；
步骤S32，当所述目标知识库中存在所述输入信息对应的目标数据时，则获取所述输入信息对应的目标数据；
在本实施例中，根据所述待会话领域从预设各个知识库中选取目标知识库，并通过预设检索算法如关键词匹配度算法确定所述目标知识库中是否存在所述输入信息对应的目标数据，其中，当目标数据不为空时，确定存在所述输入信息对应的目标数据，当目标数据为空时，确定未存在所述输入信息对应的目标数据。
所述根据所述待会话领域从预设各个知识库中选取目标知识库步骤包括：
根据所述待会话领域从预设各个知识库中选取目标知识库，其中，所述预设各个知识库包括垂直知识库、算法语料库以及对话语料库。
在本实施例中，各个知识库中具体类型为垂直知识库、算法语料库以及对话语料库等。
所述通过预设检索算法确定所述目标知识库中是否存在所述输入信息对应的目标数据的步骤之后，所述方法还包括：
步骤S33，当所述目标知识库中未存在所述输入信息对应的目标数据时，通过预设垂直爬虫算法以及预设的第三方开放API接口从所述目标知识库外的其他引擎渠道获取所述输入信息对应的目标数据。
在本实施例中，当所述目标知识库中未存在所述输入信息对应的目标数据时，通过预设垂直爬虫算法以及预设的第三方开放API接口从所述目标知识库外的其他引擎渠道获取所述输入信息对应的目标数据，以确保最终满足用户的需求而不是将空的数据返回给用户。
步骤S40，以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户。
在本实施例中，为了提升用户体验，还获取待会话机器人的预设会话风格配置，如幽默风格或者古风风格等，以按照所述预设会话风格将所述目标数据返回给所述用户。
本发明在接收到客服请求时，获取基于所述客服请求输入的输入信息；根据所述输入信息确定待会话领域及待会话类型；根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据，并根据所述待会话类型选取待会话机器人；以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户。在本申请中，从用户的客服请求中提取得到用户的输入信息，并对应确定待会话领域及待会话类型，以根据待会话领域从预设各个知识库中选取目标知识库，且在目标知识库获取对应数据后，能够以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户，也即，在本实施例中，通过各个知识库以及待会话机器人的预设会话风格配置实现以用户需要的方式满足用户专业类知识获取需求，提升了用户体验，解决了现有技术中难以以用户需要的方式满足用户专业类知识获取需求的技术问题。
进一步地，本发明提供智能客服方法另一实施例，在该实施例中，所述根据所述待会话领域从预设各个知识库中选取目标知识库，并通过预设检索算法确定所述目标知识库中是否存在所述输入信息对应的目标数据步骤之前包括：
步骤A1，获取所述预设各个知识库对应的基础数据库的CNN深度学习模型，并获取所述各个CNN深度学习模型分别对应的各个预设训练数据，其中，所述预设训练数据中存在分类标注；
在本实施例中，在得到各个知识库之前，是对各个知识库中的知识或者语料进行了分类的，以便快速或者批量返回对应数据，而为了对各个知识库中的知识或者语料进行分类，首先获取所述预设各个知识库对应的基础数据库的卷积神经网络(ConvolutionalNeural Network)CNN深度学习模型，并获取所述各个CNN深度学习模型分别对应的各个预设训练数据，其中，所述预设训练数据中存在分类标注，如第一分类标注，第二分类标注等。
步骤A2，基于所述存在分类标注的所述各个预设训练数据分别对对应各个CNN深度学习模型进行模型训练，以训练所述各个CNN深度学习模型中的分类参数以及分类规则，以得到所述各个基础数据库对应的分类模型，将对应具有分类模型的所述各个基础数据库分别设为所述各个知识库。
基于所述存在分类标注的所述各个预设训练数据分别对对应各个CNN深度学习模型进行模型训练，以训练所述各个CNN深度学习模型中的分类参数(大小的调整)以及分类规则(进行范围的调整)，以得到所述各个基础数据库对应的分类模型，具体训练过程包括：首先获取存在期望结果的预设训练数据，基于预设基础模型中分类参数以及分类规则对各个预设训练数据处理得到实际结果，根据实际结果与期望结果的误差，不断进行分类参数以及分类规则的调整，将对应具有分类模型的所述各个基础数据库分别设为所述各个知识库，也即，调整后的CNN深度学习模型与对应的知识库是对应的。
在本实施例中，通过获取所述预设各个知识库对应的基础数据库的CNN深度学习模型，并获取所述各个CNN深度学习模型分别对应的各个预设训练数据，其中，所述预设训练数据中存在分类标注；基于所述存在分类标注的所述各个预设训练数据分别对对应各个CNN深度学习模型进行模型训练，以训练所述各个CNN深度学习模型中的分类参数以及分类规则，以得到所述各个基础数据库对应的分类模型，将对应具有分类模型的所述各个基础数据库分别设为所述各个知识库。由于准确得到各个知识库，因而为通过各个知识库以及待会话机器人的预设会话风格配置实现以用户需要的方式满足用户专业类知识获取需求奠定基础。
进一步地，在本发明提供智能客服方法另一实施例，在该实施例中，所述通过预设垂直爬虫算法以及预设的第三方开放API接口从所述目标知识库外的其他引擎渠道获取所述输入信息对应的目标数据步骤之后包括：
步骤B1，对所述目标数据进行预设协同过滤算法以及预设文本挖掘算法处理，得到清洗数据；
在本实施例中，若通过预设垂直爬虫算法以及预设的第三方开放API接口从所述目标知识库外的其他引擎渠道获取所述输入信息对应的目标数据，则将目标数据添加至知识库中，以供下次使用，具体地，在得到目标数据后，对所述目标数据进行预设协同过滤算法以及预设文本挖掘算法处理，其中，预设协同过滤算法对目标数据进行关键词等的初始过滤处理，得到初始过滤结果，在得到初始过滤结果后，预设文本挖掘算法对初始过滤结果进行预设文本挖掘处理，文本挖掘指的是对初始过滤结果进行相关度大小的排序，得到清洗数据，也即过滤掉重复的文本数据或者占比权重低的数据，得到清洗数据。
步骤B2，基于所述目标知识库对应的分类模型对所述清洗数据进行分类、标注以及初始权重分配处理，以更新所述目标知识库。
在本实施例中，基于所述目标知识库对应的分类模型对所述清洗数据进行分类、标注以及初始权重分配处理，以更新所述目标知识，也即，虽然将清洗数据添加至目标知识库中，但是不是杂乱的添加，而是基于所述目标知识库对应的分类模型对所述清洗数据进行分类、在分类后基于预设的程序段根据类型进行清洗数据的标注处理，在标注后，基于分类模型中清洗数据的关键词类型以及比重进行初始权重分配处理，以有序更新所述目标知识库，以在下次接收到请求清洗数据的请求指令时，有序返回清洗数据。
在本实施例中，通过对所述目标数据进行预设协同过滤算法以及预设文本挖掘算法处理，得到清洗数据；基于所述目标知识库对应的分类模型对所述清洗数据进行分类、标注以及初始权重分配处理，以更新所述目标知识库。在本实施例中实现有序丰富扩充目标知识库的内容。
进一步地，在本发明提供智能客服方法另一实施例，在该实施例中，所述以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户步骤之后包括：
步骤C1，获取所述用户对所述目标数据的反馈评价信息，基于所述反馈评价信息与预设小批量梯度下降训练算法调整所述目标知识库中所述目标数据的权重占比。
在本实施例中，在会话结束后，用户会对会话进行评分，也即用户会对会话进行评价，获取所述用户对所述目标数据的反馈评价信息，基于所述反馈评价信息与预设小批量梯度下降训练算法调整所述目标知识库中所述目标数据的权重占比。也即，确定用户是点击或者阅读目标数据中的何种类型的子数据，即可将该子数据的权重对应调高。根据用户的反馈评价信息，实现调用训练目标知识库。
在本实施例中，通过获取所述用户对所述目标数据的反馈评价信息，基于所述反馈评价信息与预设小批量梯度下降训练算法调整所述目标知识库中所述目标数据的权重占比，实现闭环训练目标知识库，提升目标知识库的专业匹配度。
参照图3，图3是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明实施例智能客服设备可以是PC，也可以是智能手机、平板电脑、便携计算机等终端设备。
如图3所示，该智能客服设备可以包括：处理器1001，例如CPU，存储器1005，通信总线1002。其中，通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
可选地，该智能客服设备还可以包括目标用户接口、网络接口、摄像头、RF(RadioFrequency，射频)电路，传感器、音频电路、WiFi模块等等。目标用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选目标用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解，图3中示出的智能客服设备结构并不构成对智能客服设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图3所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及智能客服程序。操作系统是管理和控制智能客服设备硬件和软件资源的程序，支持智能客服程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信，以及与智能客服设备中其它硬件和软件之间通信。
在图3所示的智能客服设备中，处理器1001用于执行存储器1005中存储的智能客服程序，实现上述任一项所述的智能客服方法的步骤。
本发明智能客服设备具体实施方式与上述智能客服方法各实施例基本相同，在此不再赘述。
此外，本发明实施例还提出一种智能客服装置，所述智能客服装置包括：
接收模块，用于在接收到客服请求时，获取基于所述客服请求输入的输入信息；
确定模块，用于根据所述输入信息确定待会话领域及待会话类型；
选取模块，用于根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据，并根据所述待会话类型选取待会话机器人；
返回模块，用于以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户。
可选地，所选取模块包括：
第一选取单元，用于根据所述待会话领域从预设各个知识库中选取目标知识库，并通过预设检索算法确定所述目标知识库中是否存在所述输入信息对应的目标数据；
第一获取单元，用于当所述目标知识库中未存在所述输入信息对应的目标数据时，通过预设垂直爬虫算法以及预设的第三方开放API接口从所述目标知识库外的其他引擎渠道获取所述输入信息对应的目标数据。
可选地，所述智能客服装置包括：
第一获取模块，用于获取所述预设各个知识库对应的基础数据库的CNN深度学习模型，并获取所述各个CNN深度学习模型分别对应的各个预设训练数据，其中，所述预设训练数据中存在分类标注；
设置模块，用于基于所述存在分类标注的所述各个预设训练数据分别对对应各个CNN深度学习模型进行模型训练，以训练所述各个CNN深度学习模型中的分类参数以及分类规则，以得到所述各个基础数据库对应的分类模型，将对应具有分类模型的所述各个基础数据库分别设为所述各个知识库。
可选地，所选取模块包括：
处理单元，用于对所述目标数据进行预设协同过滤算法以及预设文本挖掘算法处理，得到清洗数据；
更新单元，用于基于所述目标知识库对应的分类模型对所述清洗数据进行分类、标注以及初始权重分配处理，以更新所述目标知识库。
可选地，所述确定模块包括：
第一确定单元，用于通过预设NLP算法对所述输入信息进行语义分析，以确定待会话领域；
第二确定单元，用于从所述输入信息中提取待选取的待会话机器人的个数，以确定待会话类型，其中，待会话类型包括一对一、一对多以及多对多会话类型。
可选地，所述智能客服装置还包括：
第二获取模块，用于获取所述用户对所述目标数据的反馈评价信息，基于所述反馈评价信息与预设小批量梯度下降训练算法调整所述目标知识库中所述目标数据的权重占比。
可选地，所述选取模块包括：
第二选取单元，用于根据所述待会话领域从预设各个知识库中选取目标知识库，其中，所述预设各个知识库包括垂直知识库、算法语料库以及对话语料库。
所述智能客服装置具体实施方式与上述智能客服方法各实施例基本相同，在此不再赘述。
此外，本发明实施例还提出一种智能客服设备，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智能客服程序，智能客服程序被处理器执行时实现上述的智能客服方法各实施例的步骤。
此外，本发明还提供了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一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述智能客服方法各实施例的步骤。
本发明设备及可读存储介质(即计算机可读存储介质)的具体实施方式的拓展内容与上述智能客服方法各实施例基本相同，在此不做赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (10)
1.一种智能客服方法，其特征在于，所述智能客服方法包括：
在接收到客服请求时，获取基于所述客服请求输入的输入信息；
根据所述输入信息确定待会话领域及待会话类型；
根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据，并根据所述待会话类型选取待会话机器人；
以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户。
2.如权利要求1所述的智能客服方法，其特征在于，所述根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据步骤包括：
根据所述待会话领域从预设各个知识库中选取目标知识库，并通过预设检索算法确定所述目标知识库中是否存在所述输入信息对应的目标数据；
当所述目标知识库中存在所述输入信息对应的目标数据时，则获取所述输入信息对应的目标数据；
所述通过预设检索算法确定所述目标知识库中是否存在所述输入信息对应的目标数据的步骤之后，所述方法还包括：
当所述目标知识库中未存在所述输入信息对应的目标数据时，通过预设垂直爬虫算法以及预设的第三方开放API接口从所述目标知识库外的其他引擎渠道获取所述输入信息对应的目标数据。
3.如权利要求2所述的智能客服方法，其特征在于，所述根据所述待会话领域从预设各个知识库中选取目标知识库，并通过预设检索算法确定所述目标知识库中是否存在所述输入信息对应的目标数据步骤之前包括：
获取所述预设各个知识库对应的基础数据库的CNN深度学习模型，并获取所述各个CNN深度学习模型分别对应的各个预设训练数据，其中，所述预设训练数据中存在分类标注；
基于所述存在分类标注的所述各个预设训练数据分别对对应各个CNN深度学习模型进行模型训练，以训练所述各个CNN深度学习模型中的分类参数以及分类规则，以得到所述各个基础数据库对应的分类模型，将对应具有分类模型的所述各个基础数据库分别设为所述各个知识库。
4.如权利要求3所述的智能客服方法，其特征在于，所述通过预设垂直爬虫算法以及预设的第三方开放API接口从所述目标知识库外的其他引擎渠道获取所述输入信息对应的目标数据步骤之后包括：
对所述目标数据进行预设协同过滤算法以及预设文本挖掘算法处理，得到清洗数据；
基于所述目标知识库对应的分类模型对所述清洗数据进行分类、标注以及初始权重分配处理，以更新所述目标知识库。
5.如权利要求1所述的智能客服方法，其特征在于，所述根据所述输入信息确定待会话领域及待会话类型步骤包括：
通过预设NLP算法对所述输入信息进行语义分析，以确定待会话领域；
从所述输入信息中提取待选取的待会话机器人的个数，以确定待会话类型，其中，待会话类型包括一对一、一对多以及多对多会话类型。
6.如权利要求1所述的智能客服方法，其特征在于，所述以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户步骤之后包括：
获取所述用户对所述目标数据的反馈评价信息，基于所述反馈评价信息与预设小批量梯度下降训练算法调整所述目标知识库中所述目标数据的权重占比。
7.如权利要求1-6任一项所述的智能客服方法，其特征在于，所述根据所述待会话领域从预设各个知识库中选取目标知识库步骤包括：
根据所述待会话领域从预设各个知识库中选取目标知识库，其中，所述预设各个知识库包括垂直知识库、算法语料库以及对话语料库。
8.一种智能客服装置，其特征在于，所述智能客服装置包括：
接收模块，用于在接收到客服请求时，获取基于所述客服请求输入的输入信息；
确定模块，用于根据所述输入信息确定待会话领域及待会话类型；
选取模块，用于根据所述待会话领域从预设各个知识库中选取目标知识库，以得到所述输入信息对应的目标数据，并根据所述待会话类型选取待会话机器人；
返回模块，用于以所述待会话机器人的预设会话风格，将所述目标数据返回给所述用户。
9.一种智能客服设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能客服程序，所述智能客服程序被所述处理器执行时实现如权利要求1至7中任一项所述的智能客服方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有智能客服程序，所述智能客服程序被处理器执行时实现如权利要求1至7中任一项所述的智能客服方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910633433.3A CN110362667B (zh) | 2019-07-12 | 2019-07-12 | 智能客服方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910633433.3A CN110362667B (zh) | 2019-07-12 | 2019-07-12 | 智能客服方法、装置、设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110362667A true CN110362667A (zh) | 2019-10-22 |
| CN110362667B CN110362667B (zh) | 2024-06-14 |
Family
ID=68219085
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910633433.3A Active CN110362667B (zh) | 2019-07-12 | 2019-07-12 | 智能客服方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110362667B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111178489A (zh) * | 2019-12-30 | 2020-05-19 | 深圳集智数字科技有限公司 | 一种对话机器人引擎流量分配方法及装置 |
| CN111400465A (zh) * | 2020-02-25 | 2020-07-10 | 支付宝(杭州)信息技术有限公司 | 客服机器人的生成方法、装置、电子设备及介质 |
| CN111552785A (zh) * | 2020-04-09 | 2020-08-18 | 深圳壹账通智能科技有限公司 | 人机交互系统数据库更新方法、装置、计算机设备和介质 |
| CN111767384A (zh) * | 2020-07-08 | 2020-10-13 | 上海风秩科技有限公司 | 人机对话的处理方法、装置、设备及存储介质 |
| CN111861228A (zh) * | 2020-07-23 | 2020-10-30 | 深圳前海微众银行股份有限公司 | 基于用户行为的客服信息处理方法、装置、设备及介质 |
| CN111858851A (zh) * | 2020-06-30 | 2020-10-30 | 银盛支付服务股份有限公司 | 一种智能客服知识库多维度训练方法及装置 |
| CN111881270A (zh) * | 2020-07-01 | 2020-11-03 | 北京嘀嘀无限科技发展有限公司 | 一种智能对话方法和系统 |
| CN112182186A (zh) * | 2020-09-30 | 2021-01-05 | 完美世界(北京)软件科技发展有限公司 | 智能客服的运行方法、装置以及系统 |
| CN112835365A (zh) * | 2020-12-31 | 2021-05-25 | 深圳市普渡科技有限公司 | 机器人配送目标点的设置方法、装置、机器人和存储介质 |
| WO2021159668A1 (zh) * | 2020-02-14 | 2021-08-19 | 深圳壹账通智能科技有限公司 | 机器人对话方法、装置、计算机设备和存储介质 |
| CN113850083A (zh) * | 2021-08-17 | 2021-12-28 | 北京百度网讯科技有限公司 | 确定播报风格的方法、装置、设备和计算机存储介质 |
| CN113901189A (zh) * | 2021-10-18 | 2022-01-07 | 深圳追一科技有限公司 | 一种数字人交互方法、装置、电子设备及存储介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101741759A (zh) * | 2008-11-24 | 2010-06-16 | 中国电信股份有限公司 | 基于即时通信的智能交互系统及交互方法 |
| CN105592237A (zh) * | 2014-10-24 | 2016-05-18 | 中国移动通信集团公司 | 一种会话切换的方法、装置及智能客服机器人 |
| CN105677896A (zh) * | 2016-02-03 | 2016-06-15 | 北京光年无限科技有限公司 | 基于主动学习的交互方法及交互系统 |
| CN106777135A (zh) * | 2016-05-27 | 2017-05-31 | 中科鼎富（北京）科技发展有限公司 | 服务调度方法、装置及机器人服务系统 |
| CN106844686A (zh) * | 2017-01-26 | 2017-06-13 | 武汉奇米网络科技有限公司 | 基于solr的智能客服问答机器人及其实现方法 |
| CN107247726A (zh) * | 2017-04-28 | 2017-10-13 | 北京神州泰岳软件股份有限公司 | 适用于多业务场景的智能机器人的实现方法及装置 |
| CN107506372A (zh) * | 2017-07-11 | 2017-12-22 | 哈尔滨工业大学深圳研究生院 | 一种机器人客服在混合类型会话下的自动会话切换方法 |
| CN107562856A (zh) * | 2017-08-28 | 2018-01-09 | 深圳追科技有限公司 | 一种自助式客户服务系统及方法 |
| CN108090174A (zh) * | 2017-12-14 | 2018-05-29 | 北京邮电大学 | 一种基于系统功能语法的机器人应答方法及装置 |
| CN108491491A (zh) * | 2018-03-14 | 2018-09-04 | 广州杰赛科技股份有限公司 | 智能客服知识图谱的构建方法与系统 |
| EP3483748A1 (en) * | 2017-11-14 | 2019-05-15 | Atos Information Technology GmbH | Assistant bot for controlling a domain specific target system |
| CN109866230A (zh) * | 2019-01-17 | 2019-06-11 | 深圳壹账通智能科技有限公司 | 客服机器人控制方法、装置、计算机设备及存储介质 |
| WO2019133267A1 (en) * | 2017-12-29 | 2019-07-04 | Microsoft Technology Licensing, Llc | Characterized chatbot with personality |
-
2019
- 2019-07-12 CN CN201910633433.3A patent/CN110362667B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101741759A (zh) * | 2008-11-24 | 2010-06-16 | 中国电信股份有限公司 | 基于即时通信的智能交互系统及交互方法 |
| CN105592237A (zh) * | 2014-10-24 | 2016-05-18 | 中国移动通信集团公司 | 一种会话切换的方法、装置及智能客服机器人 |
| CN105677896A (zh) * | 2016-02-03 | 2016-06-15 | 北京光年无限科技有限公司 | 基于主动学习的交互方法及交互系统 |
| CN106777135A (zh) * | 2016-05-27 | 2017-05-31 | 中科鼎富（北京）科技发展有限公司 | 服务调度方法、装置及机器人服务系统 |
| CN106844686A (zh) * | 2017-01-26 | 2017-06-13 | 武汉奇米网络科技有限公司 | 基于solr的智能客服问答机器人及其实现方法 |
| CN107247726A (zh) * | 2017-04-28 | 2017-10-13 | 北京神州泰岳软件股份有限公司 | 适用于多业务场景的智能机器人的实现方法及装置 |
| CN107506372A (zh) * | 2017-07-11 | 2017-12-22 | 哈尔滨工业大学深圳研究生院 | 一种机器人客服在混合类型会话下的自动会话切换方法 |
| CN107562856A (zh) * | 2017-08-28 | 2018-01-09 | 深圳追科技有限公司 | 一种自助式客户服务系统及方法 |
| EP3483748A1 (en) * | 2017-11-14 | 2019-05-15 | Atos Information Technology GmbH | Assistant bot for controlling a domain specific target system |
| CN108090174A (zh) * | 2017-12-14 | 2018-05-29 | 北京邮电大学 | 一种基于系统功能语法的机器人应答方法及装置 |
| WO2019133267A1 (en) * | 2017-12-29 | 2019-07-04 | Microsoft Technology Licensing, Llc | Characterized chatbot with personality |
| CN108491491A (zh) * | 2018-03-14 | 2018-09-04 | 广州杰赛科技股份有限公司 | 智能客服知识图谱的构建方法与系统 |
| CN109866230A (zh) * | 2019-01-17 | 2019-06-11 | 深圳壹账通智能科技有限公司 | 客服机器人控制方法、装置、计算机设备及存储介质 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111178489B (zh) * | 2019-12-30 | 2021-02-19 | 深圳集智数字科技有限公司 | 一种对话机器人引擎流量分配方法及装置 |
| CN111178489A (zh) * | 2019-12-30 | 2020-05-19 | 深圳集智数字科技有限公司 | 一种对话机器人引擎流量分配方法及装置 |
| WO2021159668A1 (zh) * | 2020-02-14 | 2021-08-19 | 深圳壹账通智能科技有限公司 | 机器人对话方法、装置、计算机设备和存储介质 |
| CN111400465A (zh) * | 2020-02-25 | 2020-07-10 | 支付宝(杭州)信息技术有限公司 | 客服机器人的生成方法、装置、电子设备及介质 |
| CN111400465B (zh) * | 2020-02-25 | 2023-04-18 | 支付宝(杭州)信息技术有限公司 | 客服机器人的生成方法、装置、电子设备及介质 |
| CN111552785A (zh) * | 2020-04-09 | 2020-08-18 | 深圳壹账通智能科技有限公司 | 人机交互系统数据库更新方法、装置、计算机设备和介质 |
| CN111858851A (zh) * | 2020-06-30 | 2020-10-30 | 银盛支付服务股份有限公司 | 一种智能客服知识库多维度训练方法及装置 |
| CN111881270A (zh) * | 2020-07-01 | 2020-11-03 | 北京嘀嘀无限科技发展有限公司 | 一种智能对话方法和系统 |
| CN111767384A (zh) * | 2020-07-08 | 2020-10-13 | 上海风秩科技有限公司 | 人机对话的处理方法、装置、设备及存储介质 |
| CN111861228A (zh) * | 2020-07-23 | 2020-10-30 | 深圳前海微众银行股份有限公司 | 基于用户行为的客服信息处理方法、装置、设备及介质 |
| CN112182186A (zh) * | 2020-09-30 | 2021-01-05 | 完美世界(北京)软件科技发展有限公司 | 智能客服的运行方法、装置以及系统 |
| CN112835365A (zh) * | 2020-12-31 | 2021-05-25 | 深圳市普渡科技有限公司 | 机器人配送目标点的设置方法、装置、机器人和存储介质 |
| CN112835365B (zh) * | 2020-12-31 | 2024-04-12 | 深圳市普渡科技有限公司 | 机器人配送目标点的设置方法、装置、机器人和存储介质 |
| CN113850083A (zh) * | 2021-08-17 | 2021-12-28 | 北京百度网讯科技有限公司 | 确定播报风格的方法、装置、设备和计算机存储介质 |
| CN113901189A (zh) * | 2021-10-18 | 2022-01-07 | 深圳追一科技有限公司 | 一种数字人交互方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110362667B (zh) | 2024-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110362667A (zh) | 智能客服方法、装置、设备及可读存储介质 | |
| US11128582B2 (en) | Emoji recommendation method and apparatus | |
| KR101122817B1 (ko) | 사용자 커뮤니티의 선호도 인코딩을 고려하여애플리케이션 및 서비스의 개인화를 지원하는 통계 모델및 방법 | |
| CN108170739A (zh) | 问题匹配方法、终端和计算机可读存储介质 | |
| CN110134806B (zh) | 上下文用户简档照片选择的方法和系统 | |
| CN108351986A (zh) | 学习系统、学习装置、学习方法、学习程序、训练数据生成装置、训练数据生成方法、训练数据生成程序、终端装置以及阈值变更装置 | |
| CN113746874B (zh) | 一种语音包推荐方法、装置、设备及存储介质 | |
| CN105653673B (zh) | 信息搜索方法及装置 | |
| CN104615609B (zh) | 一种联系人管理方法及装置 | |
| DE112011103728T5 (de) | Selbsttätiger Profilwechsel auf einer mobilen Rechenvorrichtung | |
| CN104899315A (zh) | 推送用户信息的方法和装置 | |
| JP7488871B2 (ja) | 対話推薦方法、装置、電子機器、記憶媒体ならびにコンピュータプログラム | |
| CN107947977B (zh) | 一种交换机的配置方法、装置、电子设备及存储介质 | |
| CN107291337A (zh) | 一种提供业务访问的方法及装置 | |
| CN110309339A (zh) | 图片标签生成方法及装置、终端及存储介质 | |
| CN108768824A (zh) | 信息处理方法及装置 | |
| CN108140176A (zh) | 从对通信的本地搜索和远程搜索中并行地识别搜索结果 | |
| CN108401005A (zh) | 一种表情推荐方法和装置 | |
| US20170109411A1 (en) | Assisted creation of a search query | |
| US20190199594A1 (en) | Establishing communication between nodes on a connection network | |
| CN109829033A (zh) | 数据展示方法和终端设备 | |
| CN117194620A (zh) | 信息处理方法、装置、设备及存储介质 | |
| KR20040094236A (ko) | 대화형 인터페이스를 이용한 정보제공 시스템 및 방법 | |
| CN103077218B (zh) | 一种用于确定查询请求中查询序列的需求信息的方法与设备 | |
| KR20200021648A (ko) | 채팅 서비스를 제공하기 위한 사용자 단말기 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |