CN110377712B - 一种智能会话切换方法、装置、设备及存储介质 - Google Patents
一种智能会话切换方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110377712B CN110377712B CN201910629181.7A CN201910629181A CN110377712B CN 110377712 B CN110377712 B CN 110377712B CN 201910629181 A CN201910629181 A CN 201910629181A CN 110377712 B CN110377712 B CN 110377712B
- Authority
- CN
- China
- Prior art keywords
- session
- consultation
- index
- service
- 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.)
- Active
Links
Images
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
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- 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)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Telephonic Communication Services (AREA)
- Computer And Data Communications (AREA)
Abstract
本申请公开了一种智能会话切换方法、装置、设备及存储介质,所述方法包括:接收咨询网络节点发送的会话咨询请求,会话咨询请求包括会话咨询内容;将会话咨询内容与会话知识库中的会话咨询索引进行匹配;当会话知识库中存在与所述会话咨询内容相匹配的会话咨询索引时,将所述相匹配的会话咨询索引对应的会话回复数据发送给所述咨询网络节点;当所述会话知识库中不存在与所述会话咨询内容相匹配的会话咨询索引时,确定所述会话咨询内容的服务类型;将所述会话咨询请求发送给与所述服务类型相匹配的人工客服对应的客服网络节点。利用本申请实施例提供的技术方案可以实现机器回复和人工回复的灵活切换,且有效提高咨询回复的准确率和处理效率。
Description
技术领域
本申请涉及自然语言处理技术领域,尤其涉及一种智能会话切换方法、装置、设备及存储介质。
背景技术
智能客服以自然语言接口或者语音人机交互方式,回复特定领域问题。相较于传统的人工客服方式,智能客服可以实现昼夜和节假日的全天候服务,分流人工客服负担,从而有效降低企业客服领域的运营成本。
目前,智能客服的主要有如下形式:用户通过语音、文字等方式进行业务咨询。智能客服基于其中的关键词为用户提供相应的服务。当遇到不能理解的问题时,允许用户按键转人工服务。但目前针对一些大型的咨询客服平台,例如一些企业咨询平台,往往涉及大量不同类型的咨询服务,导致即使在机器无法回复时,转由人工客服回复,长也常常出现因客服人员对某些服务领域不熟悉,而需要很长时间给出回复或无法给出准确的回复,导致平台的咨询错误率高、会处理效率低,用户体验差。因此,需要提供更可靠或更有效的方案。
发明内容
本申请提供了一种智能会话切换方法、装置、设备及存储介质,可以实现机器回复和人工回复的灵活切换,且有效提高咨询回复的准确率和处理效率。
一方面,本申请提供了一种智能会话切换方法,所述方法包括:
接收咨询网络节点发送的会话咨询请求,所述会话咨询请求包括会话咨询内容;
将所述会话咨询内容与会话知识库中的会话咨询索引进行匹配;
当所述会话知识库中存在与所述会话咨询内容相匹配的会话咨询索引时,将所述相匹配的会话咨询索引对应的会话回复数据发送给所述咨询网络节点;
当所述会话知识库中不存在与所述会话咨询内容相匹配的会话咨询索引时,确定所述会话咨询内容的服务类型;
将所述会话咨询请求发送给所述与所述服务类型相匹配的人工客服对应的客服网络节点。
另一方面提供了一种智能会话切换装置,所述装置包括:
会话咨询请求接收模块,用于接收咨询网络节点发送的会话咨询请求,所述会话咨询请求包括会话咨询内容;
匹配模块,用于将所述会话咨询内容与会话知识库中的会话咨询索引进行匹配;
会话回复模块,用于当所述会话知识库中存在与所述会话咨询内容相匹配的会话咨询索引时,将所述相匹配的会话咨询索引对应的会话回复数据发送给所述咨询网络节点;
服务类型确定模块,用于当所述会话知识库中不存在与所述会话咨询内容相匹配的会话咨询索引时,确定所述会话咨询内容的服务类型;
第一会话切换模块,用于将所述会话咨询请求发送给所述与所述服务类型相匹配的人工客服对应的客服网络节点。在一些实施例中,所述装置还包括:
会话回复数据获取模块,用于获取所述人工客服对应的客服网络节点的会话回复数据;
会话咨询索引确定模块,用于将所述会话咨询内容作为所述会话回复数据的会话咨询索引;
映射关系建立模块,用于建立所述会话回复数据和所述会话咨询索引的映射关系;
数据存储模块,用于将所述映射关系、所述会话回复数据和所述会话咨询索引存储到所述会话知识库。
在一些实施例中,所述匹配模块包括:
字段分析单元,用于对会话知识库中会话咨询索引进行字段分析,得到会话咨询索引的字段关键字,所述会话知识库包括具有映射关系的会话咨询索引和会话回复数据;
匹配度计算单元,用于计算所述会话咨询索引的字段关键字与所述会话咨询内容的匹配度;
相应的,当匹配度大于等于预设阈值时,确定与所述会话咨询内容的匹配度大于等于预设阈值的字段关键字对应的会话咨询索引与所述会话咨询内容相匹配。
在一些实施例中,所述服务类型确定模块具体用于基于服务类型识别模型对所述会话咨询内容进行服务类型识别处理,得到所述会话咨询内容的服务类型;
其中,所述服务类型识别模型包括基于标注有服务类型的会话咨询内容对第一深度学习模型训练得到的识别模型。
在一些实施例中,所述服务类型至少包括下述之一:
人事服务类型、行政服务类型、网管服务类型、企业业务类型。
在一些实施例中,所述装置还包括:
业务领域确定模块,用于当所述服务类型包括企业业务类型时,确定所述会话咨询内容的业务领域;
第二会话切换模块,用于将所述会话咨询请求发送给企业业务类型中所述业务领域的人工客服对应的客服网络节点。
在一些实施例中,所述业务领域确定模块具体用于基于业务领域识别模型对所述会话咨询内容进行业务领域识别处理,得到所述会话咨询内容的业务领域;
其中,所述业务领域识别模型包括基于标注有业务领域的会话咨询内容对第二深度学习模型训练得到的识别模型。
另一方面提供了一种智能会话切换设备,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述的智能会话切换方法。
另一方面提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述的智能会话切换方法。
本申请提供的智能会话切换方法、装置、设备及存储介质,具有如下技术效果:
本申请在接收到会话咨询请求时,先通过会话知识库进行会话咨询的匹配,以便直接机器回复;在机器回复对应的会话知识库无法满足会话咨询请求时,通过对会话咨询内容进行服务类型的识别,并将会话咨询请求发送给该服务类型相匹配的人工客服对应的客服网络节点,可以有效提高人工客服回复的准确率和处理效率,且实现机器回复和人工回复的灵活切换。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本申请实施例提供的一种应用环境的示意图;
图2是本申请实施例提供的一种识别客服账号和普通账号的流程示意图;
图3是本申请实施例提供的一种智能会话切换方法的流程示意图;
图4是本申请实施例提供的一种将所述会话咨询内容与会话知识库中的会话咨询索引进行匹配的流程示意图;
图5是本申请实施例提供的一种机器回复界面的示意图;
图6是本申请实施例提供的一种服务类型识别模型的应用场景示意图;
图7是本申请实施例提供的一种人工回复界面的示意图;
图8是本申请实施例提供的另一种智能会话切换方法的流程示意图;
图9是本申请实施例提供的一种业务领域识别模型的应用场景示意图;
图10是本申请实施例提供的一种智能会话切换装置的结构示意图;
图11是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例提供的智能会话切换方法、装置、设备及存储介质涉及自然语言处理(Nature Language processing,NLP)技术领域。具体的,自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。
请参阅图1,图1是本申请实施例提供的一种应用环境的示意图,如图1所示,该应用环境至少包括咨询网络节点01、客服网络节点02和服务器03。
具体的,咨询网络节点01、和客服网络节点02可以包括智能手机、台式电脑、平板电脑、笔记本电脑、数字助理、智能可穿戴设备等类型的实体设备,也可以包括运行于实体设备中的软体,例如一些服务商提供给用户的网页页面,也可以为该些服务商提供给用户的应用。本申请实施例中网络节点上运行的操作系统可以包括但不限于安卓系统、IOS系统、linux、windows等。
具体的,服务器03可以包括一个独立运行的服务器,或者分布式服务器,或者由多个服务器组成的服务器集群。服务器03可以包括有网络通信单元、处理器和存储器等等。
在实际应用中,服务器03可以为企业即时通信应用的后台,咨询网络节点01可以为业务方(例如某企业)的普通员工对应的企业即时通信应用客户端,客服网络节点03可以为业务方可以提供会话咨询服务的员工对应的企业即时通信应用客户端。
此外,需要说明的是,在实际应用中,在企业即时通信应用中,咨询网络节点01可以包括一个或多个(一般为多个);客服网络节点02可以包括一个或多个(一般为多个)。
在实际应用中,咨询网络节点01和客服网络节点02都对应着员工在企业即时通信应用中的账号;当员工在企业即时通信应用客户端登录该员工的帐号时,可以对帐号的类型进行判断,具体的,可以设置Account type(账号类型)字段,以识别是客服帐号还是普通帐号。具体的,如图2所示:
S201:业务方员工登陆企业即时通讯应用;
S203:企业即时通讯应用后台对登陆账号的类型进行判断。
具体的,若是客服帐号,则该客服账号对应的网络节点为客服网络节点;相应的,若是普通帐号,则该普通账号对应的网络节点为咨询网络节点,该咨询网络节点发起会话咨询请求时,企业即时通信应用的后台服务可以向客服账号对应的客服网络节点发送会话咨询请求。
进一步的,当判断出当前登录的账号是客服帐号时,企业即时通信应用的后台服务可以提供会话知识库的创建功能。在实际应用中,业务方可以设置有相应的客服后台,客服后台存储有包括具有映射关系的会话咨询索引和会话回复数据的会话知识库,客服后台可以将该会话知识库中的具有映射关系的会话咨询索引和会话回复数据同步到企业即时通信应用的后台服务,进而创建企业即时通信应用平台的会话知识库。另外,若业务方不提供会话知识库,在企业即时通信应用平台可以不创建该业务方的会话知识库,相应的,后续可以只提供人工客服的服务。
以下介绍本申请一种智能会话切换方法,图3是本申请实施例提供的一种智能会话切换方法的流程示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图3所示,所述方法可以包括:
S301:接收咨询网络节点发送的会话咨询请求。
本说明书实施例中,所述会话咨询请求包括会话咨询内容。在实际应用中,用户可以在咨询网络节点提供的会话咨询发起界面,输入会话咨询内容,并发起会话咨询请求。
S303:将所述会话咨询内容与会话知识库中的会话咨询索引进行匹配。
本说明书实施例中,会话知识库可以包括具有映射关系的会话咨询索引和会话回复数据。具体的,可以预先建立大量会话回复数据与会话咨询索引的映射关系,并基于映射关系、会话回复数据和会话咨询索引建立会话知识库。
具体的,本说明书实施例中会话回复数据可以对应一个或多个会话咨询索引,且同一会话回复数据对应的多个会话咨询索引为具有相同语义的不同表述方式会话咨询索引。例如,绩效表的模板在哪里、哪里可以下载绩效表模板。
具体的,会话咨询索引可以为会话回复数据的关键词信息,也可以为基于会话回复数据的关键词信息生成的提问数据。
在实际应用中,可以基于企业及时通讯平台提供的sdk(Software DevelopmentKit,软件开发工具包)接口将具有映射关系的会话咨询索引和会话回复数据的会话知识库通道到企业及时通讯平台
本说明书实施例中,当咨询网络节点发起会话咨询请求,可以将所述会话咨询内容与会话知识库中的会话咨询索引进行匹配,具体的,如图4所示,可以包括:
S3031:对会话知识库中会话咨询索引进行字段分析,得到会话咨询索引的字段关键字。
S3033:计算所述会话咨询索引的字段关键字与所述会话咨询内容的匹配度。
本说明书实施例中,会话咨询索引的字段关键字与所述会话咨询内容的匹配度可以看作一维空间上的“距离”,将大量会话咨询索引的字段关键字和会话咨询内容看作一个“群落”上的各个点,会话咨询内容看作“群落”的中心,大量会话咨询索引的字段关键字作为“群落”上的其他的点;如果“群落”中某一点离“群落”中心越近,代表当前“群落”上的该点对应的所述会话咨询索引的字段关键字与会话咨询内容的差异越小,也即代表当前“群落”上的该点对应的会话咨询索引的字段关键字与会话咨询内容的匹配度越高。
在一个具体的实施例中,可以将会话咨询索引的字段关键字与所述会话咨询内容中相同字的比例作为会话咨询索引的字段关键字与所述会话咨询内容匹配度。
在另一个具体的实施例中,可以基于Word2vector等词向量模型分别计算出会话咨询索引的字段关键字中每个关键词的词向量,以及会话咨询内容中每个词语的词向量;然后,分别进行加权平均处理;将加权平均后的词向量间的距离作为会话咨询索引的字段关键字与会话咨询内容匹配度。
具体的,本说明书实施例中,词向量间的距离可以包括但不限于欧氏距离、曼哈顿距离、余弦距离等。
具体的,当匹配度大于等于预设阈值时,可以确定与所述会话咨询内容的匹配度大于等于预设阈值的字段关键字对应的会话咨询索引与所述会话咨询内容相匹配;反之,当匹配度小于预设阈值时,可以确定与所述会话咨询内容的匹配度小于预设阈值的字段关键字对应的会话咨询索引与所述会话咨询内容不匹配。
S305:当所述会话知识库中存在与所述会话咨询内容相匹配的会话咨询索引时,将所述相匹配的会话咨询索引对应的会话回复数据发送给所述咨询网络节点。
本说明书实施例中,当所述会话知识库中存在与所述会话咨询内容相匹配的会话咨询索引时,可以将所述相匹配的会话咨询索引对应的会话回复数据发送给所述咨询网络节点,以实现自动的机器智能回复。
具体的,当相匹配的会话咨询索引为多个时,可以向咨询网络节点返回多个相匹配的会话咨询索引的会话回复数据。
在一个具体的实施例中,如图5所示,图5是本申请实施例提供的一种机器回复界面的示意图。具体的,从图中可见,在机器回复的界面中,可以展示有多个相匹配的会话咨询索引的会话回复数据,以供用户选择;另外,还提供人工客服的接入链接,以便回复的会话回复数据并非索要咨询对的数据时,可以切换到人工客服。
S307:当所述会话知识库中不存在与所述会话咨询内容相匹配的会话咨询索引时,确定所述会话咨询内容的服务类型。
本说明书实施例中,当所述会话知识库中不存在与所述会话咨询内容相匹配的会话咨询索引时,可以确定所述会话咨询内容的服务类型。本说明书实施例中,所述服务类型可以至少包括下述之一:人事服务类型、行政服务类型、网管服务类型、企业业务类型。
具体的,在实际应用中,不同的企业提供的人事服务、行政服务和企业业务的具体服务内容可以不同。
具体的,所述确定所述会话咨询内容的服务类型包括:
基于服务类型识别模型对所述会话咨询内容进行服务类型识别处理,得到所述会话咨询内容的服务类型;
其中,所述服务类型识别模型包括基于标注有服务类型的会话咨询内容对第一深度学习模型训练得到的识别模型。
本说明书实施例中,第一深度学习模型可以包括但不限于采用卷积神经网络、循环神经网络或递归神经网络等深度学习模型。
在一个具体的实施例中,以卷积神经网络为例,可以获取大量会话咨询内容,对会话咨询内容进行服务类型的标注,然后,基于会话咨询内容对卷积神经网络进行服务类型识别训练,在服务类型识别训练中调整该卷积神经网络的参数至所述卷积神经网络输出的服务类型与输入的会话咨询内容的服务类型相匹配,得到服务类型识别模型。
如图6所示,图6是本申请实施例提供的一种服务类型识别模型的应用场景示意图。图6中训练数据为标注有服务类型的会话咨询内容,相应的,后续训练出来的服务类型识别模型可以识别出会话咨询内容的服务类型。
S309:将所述会话咨询请求发送给所述与所述服务类型相匹配的人工客服对应的客服网络节点。
在实际应用中,不同的客服网络节点往往是由不同的人员进行维护,以提供咨询服务。本说明书实施例中,可以对人工客服对应的客服网络节点进行按照服务类型进行分类,不同的服务类型对应的不同的服务内容。相应的,在实际应用中,某一服务类型对应的客服网络节点可以配置具有提供与该服务类型对应的服务内容的客服人员。相应的,本说明书实施例中,可以建立客服网络节点对应的客服账号与服务类型的映射关系,以便基于该客服账号与服务类型的映射关系,确定会话咨询内容的服务类型相匹配的客服网络节点。
本说明书实施例中,在机器回复对应的会话知识库无法满足会话咨询请求时,通过对会话咨询内容进行服务类型的识别,并将会话咨询请求发送给该服务类型相匹配的人工客服对应的客服网络节点,可以有效提供人工客服回复的准确率和处理效率。
在一个具体的实施例中,如图7所示,图7是本申请实施例提供的一种人工回复界面的示意图。具体的,从图7可见,用户需要咨询的内容为:手机连不上公司WiFi,会话知识库中没有与之匹配的会话索引数据,相应的,直接进行服务类型识别,且确定出“手机连不上公司WiFi”对应的服务类型为网管服务类型,相应的,可以向用户发送已成功接入人工网管客服的提示信息“您已成功接入人工网管客服”;另外,若遇到当前咨询人数较多,可以向用户发送需要等待的提示信息“您已进入人工客服队列,当前有4人在等候,请稍等”。
在一些实施例中,如图8所示,所述方法还包括:
S311:获取所述人工客服对应的客服网络节点的会话回复数据。
S313:将所述会话咨询内容作为所述会话回复数据的会话咨询索引。
S315:建立所述会话回复数据和所述会话咨询索引的映射关系。
S317:将所述映射关系、所述会话回复数据和所述会话咨询索引存储到所述会话知识库。
本说明书实施例中,在将机器客服无法回复,由人工客服回复后,可以将会话咨询内容作为会话咨询索引,并建立人工客服回复的会话回复数据和会话咨询索引的映射关系,并更新会话知识库中具有映射关系的会话回复数据和会话咨询索引,以实现自动的会话知识库扩容更新。
在一些实施例中,所述方法还包括:
1)当所述服务类型包括企业业务类型时,确定所述会话咨询内容的业务领域;
2)将所述会话咨询请求发送给企业业务类型中所述业务领域的人工客服对应的客服网络节点。
在实际应用中,一些企业的业务较多,涉及多个业务领域,本说明书实施例中,当所述服务类型包括企业业务类型时,可以将企业业务类型对于的人工客服的客服网络节点按照业务领域进行分类,以便后续可以有具有相应业务领域的人工客服进行会话咨询回复,进而保证回复的内容可以更好的满足咨询的需求。
在一个具体的实施例中,所述确定所述会话咨询内容的业务领域可以包括:
基于业务领域识别模型对所述会话咨询内容进行业务领域识别处理,得到所述会话咨询内容的业务领域;
其中,所述业务领域识别模型包括基于标注有业务领域的会话咨询内容对第二深度学习模型训练得到的识别模型。
在一个而具体的实施例中,所述业务领域可以至少包括下述之一:人工智能类、通讯协议类、图形处理类。
本说明书实施例中,第一深度学习模型可以包括但不限于采用卷积神经网络、循环神经网络或递归神经网络等深度学习模型。
本说明书实施例中,业务领域识别模型的训练过程可以参见上述服务类型识别模型的相关描述,在此不再赘述。
具体的,如图9所示,图9是本申请实施例提供的一种业务领域识别模型的应用场景示意图。图9中训练数据为标注有业务领域的会话咨询内容,相应的,后续训练出来的业务领域识别模型可以识别出会话咨询内容的业务领域。
由以上本说明书实施例提供的技术方案可见,本说明书实施例中在接收到会话咨询请求时,先通过会话知识库进行会话咨询的匹配,以便直接机器回复;在机器回复对应的会话知识库无法满足会话咨询请求时,通过对会话咨询内容进行服务类型的识别,并将会话咨询请求发送给该服务类型相匹配的人工客服对应的客服网络节点,可以有效提高人工客服回复的准确率和处理效率;且还针对企业业务类型的服务,在进行业务领域的划分,更好的保证客服回复的准确率和处理效率,且实现机器回复和人工回复的灵活切换。
本申请实施例还提供了一种智能会话切换装置,如图10所示,所述装置包括:
会话咨询请求接收模块1010,可以用于接收咨询网络节点发送的会话咨询请求,所述会话咨询请求包括会话咨询内容;
匹配模块1020,可以用于将所述会话咨询内容与会话知识库中的会话咨询索引进行匹配;
会话回复模块1030,可以用于当所述会话知识库中存在与所述会话咨询内容相匹配的会话咨询索引时,将所述相匹配的会话咨询索引对应的会话回复数据发送给所述咨询网络节点;
服务类型确定模块1040,可以用于当所述会话知识库中不存在与所述会话咨询内容相匹配的会话咨询索引时,确定所述会话咨询内容的服务类型;
第一会话切换模块1050,可以用于将所述会话咨询请求发送给所述与所述服务类型相匹配的人工客服对应的客服网络节点。
在一些实施例中,所述装置还包括:
会话回复数据获取模块,用于获取所述人工客服对应的客服网络节点的会话回复数据;
会话咨询索引确定模块,用于将所述会话咨询内容作为所述会话回复数据的会话咨询索引;
映射关系建立模块,用于建立所述会话回复数据和所述会话咨询索引的映射关系;
数据存储模块,用于将所述映射关系、所述会话回复数据和所述会话咨询索引存储到所述会话知识库。
在一些实施例中,所述匹配模块包括:
字段分析单元,用于对会话知识库中会话咨询索引进行字段分析,得到会话咨询索引的字段关键字,所述会话知识库包括具有映射关系的会话咨询索引和会话回复数据;
匹配度计算单元,用于计算所述会话咨询索引的字段关键字与所述会话咨询内容的匹配度;
相应的,当匹配度大于等于预设阈值时,确定与所述会话咨询内容的匹配度大于等于预设阈值的字段关键字对应的会话咨询索引与所述会话咨询内容相匹配。
在一些实施例中,所述服务类型确定模块具体用于基于服务类型识别模型对所述会话咨询内容进行服务类型识别处理,得到所述会话咨询内容的服务类型;
其中,所述服务类型识别模型包括基于标注有服务类型的会话咨询内容对第一深度学习模型训练得到的识别模型。
在一些实施例中,所述服务类型至少包括下述之一:
人事服务类型、行政服务类型、网管服务类型、企业业务类型。
在一些实施例中,所述装置还包括:
业务领域确定模块,用于当所述服务类型包括企业业务类型时,确定所述会话咨询内容的业务领域;
第二会话切换模块,用于将所述会话咨询请求发送给企业业务类型中所述业务领域的人工客服对应的客服网络节点。
在一些实施例中,所述业务领域确定模块具体用于基于业务领域识别模型对所述会话咨询内容进行业务领域识别处理,得到所述会话咨询内容的业务领域;
其中,所述业务领域识别模型包括基于标注有业务领域的会话咨询内容对第二深度学习模型训练得到的识别模型。
所述的装置实施例中的装置与方法实施例基于同样地申请构思。
本申请实施例提供了一种智能会话切换设备,该智能会话切换设备包括处理器和存储器,该存储器中存储有至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现如上述方法实施例所提供的智能会话切换方法。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、功能所需的应用程序等;存储数据区可存储根据所述设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器还可以包括存储器控制器,以提供处理器对存储器的访问。
本申请实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图11是本申请实施例提供的一种智能会话切换方法的服务器的硬件结构框图。如图11所示,该服务器1100可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(Central Processing Units,CPU)1110(处理器1110可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器1130,一个或一个以上存储应用程序1123或数据1122的存储介质1120(例如一个或一个以上海量存储设备)。其中,存储器1130和存储介质1120可以是短暂存储或持久存储。存储在存储介质1120的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1110可以设置为与存储介质1120通信,在服务器1100上执行存储介质1120中的一系列指令操作。服务器1100还可以包括一个或一个以上电源1160,一个或一个以上有线或无线网络接口1150,一个或一个以上输入输出接口1140,和/或,一个或一个以上操作系统1121,例如Windows ServerTM,MacOS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
输入输出接口1140可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器1100的通信供应商提供的无线网络。在一个实例中,输入输出接口1140包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,输入输出接口1140可以为射频(RadioFrequency,RF)模块,其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解,图11所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器1100还可包括比图11中所示更多或者更少的组件,或者具有与图11所示不同的配置。
本申请的实施例还提供了一种存储介质,所述存储介质可设置于服务器之中以保存用于实现方法实施例中一种智能会话切换方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的智能会话切换方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本申请提供的智能会话切换方法、装置、设备、服务器或存储介质的实施例可见,本申请中在接收到会话咨询请求时,先通过会话知识库进行会话咨询的匹配,以便直接机器回复;在机器回复对应的会话知识库无法满足会话咨询请求时,通过对会话咨询内容进行服务类型的识别,并将会话咨询请求发送给该服务类型相匹配的人工客服对应的客服网络节点,可以有效提高人工客服回复的准确率和处理效率;且还针对企业业务类型的服务,在进行业务领域的划分,更好的保证客服回复的准确率和处理效率,且实现机器回复和人工回复的灵活切换。
需要说明的是:上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、服务器或存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种智能会话切换方法,其特征在于,所述方法包括:
接收咨询网络节点发送的会话咨询请求,所述会话咨询请求包括会话咨询内容;
对会话知识库中会话咨询索引进行字段分析,得到所述会话咨询索引的字段关键字,所述会话知识库包括具有映射关系的会话咨询索引和会话回复数据;
计算所述会话咨询索引的字段关键字与所述会话咨询内容的匹配度;
当所述会话知识库中存在与所述会话咨询内容相匹配的会话咨询索引时,将所述相匹配的会话咨询索引对应的会话回复数据发送给所述咨询网络节点;所述相匹配的会话咨询索引为所述会话知识库中与所述会话咨询内容的匹配度大于等于预设阈值的字段关键字对应的会话咨询索引;
当所述会话知识库中不存在与所述会话咨询内容相匹配的会话咨询索引时,确定所述会话咨询内容的服务类型;
将所述会话咨询请求发送给与所述服务类型相匹配的人工客服对应的客服网络节点。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述人工客服对应的客服网络节点的会话回复数据;
将所述会话咨询内容作为所述会话回复数据的会话咨询索引;
建立所述会话回复数据和所述会话咨询索引的映射关系;
将所述映射关系、所述会话回复数据和所述会话咨询索引存储到所述会话知识库。
3.根据权利要求1所述的方法,其特征在于,所述确定所述会话咨询内容的服务类型包括:
基于服务类型识别模型对所述会话咨询内容进行服务类型识别处理,得到所述会话咨询内容的服务类型;
其中,所述服务类型识别模型包括基于标注有服务类型的会话咨询内容对第一深度学习模型训练得到的识别模型。
4.根据权利要求1所述的方法,其特征在于,所述服务类型至少包括下述之一:
人事服务类型、行政服务类型、网管服务类型、企业业务类型。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述服务类型包括企业业务类型时,确定所述会话咨询内容的业务领域;
将所述会话咨询请求发送给企业业务类型中所述业务领域的人工客服对应的客服网络节点。
6.根据权利要求5所述的方法,其特征在于,所述确定所述会话咨询内容的业务领域包括:
基于业务领域识别模型对所述会话咨询内容进行业务领域识别处理,得到所述会话咨询内容的业务领域;
其中,所述业务领域识别模型包括基于标注有业务领域的会话咨询内容对第二深度学习模型训练得到的识别模型。
7.一种智能会话切换装置,其特征在于,所述装置包括:
会话咨询请求接收模块,用于接收咨询网络节点发送的会话咨询请求,所述会话咨询请求包括会话咨询内容;
匹配模块,用于对会话知识库中会话咨询索引进行字段分析,得到所述会话咨询索引的字段关键字,所述会话知识库包括具有映射关系的会话咨询索引和会话回复数据;以及用于计算所述会话咨询索引的字段关键字与所述会话咨询内容的匹配度;
会话回复模块,用于当所述会话知识库中存在与所述会话咨询内容相匹配的会话咨询索引时,将所述相匹配的会话咨询索引对应的会话回复数据发送给所述咨询网络节点;所述相匹配的会话咨询索引为所述会话知识库中与所述会话咨询内容的匹配度大于等于预设阈值的字段关键字对应的会话咨询索引;
服务类型确定模块,用于当所述会话知识库中不存在与所述会话咨询内容相匹配的会话咨询索引时,确定所述会话咨询内容的服务类型;
第一会话切换模块,用于将所述会话咨询请求发送给与所述服务类型相匹配的人工客服对应的客服网络节点。
8.一种智能会话切换设备,其特征在于,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至6任一所述的智能会话切换方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至6任一所述的智能会话切换方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910629181.7A CN110377712B (zh) | 2019-07-12 | 2019-07-12 | 一种智能会话切换方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910629181.7A CN110377712B (zh) | 2019-07-12 | 2019-07-12 | 一种智能会话切换方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110377712A CN110377712A (zh) | 2019-10-25 |
CN110377712B true CN110377712B (zh) | 2023-05-16 |
Family
ID=68253035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910629181.7A Active CN110377712B (zh) | 2019-07-12 | 2019-07-12 | 一种智能会话切换方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110377712B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105071A (zh) * | 2019-11-20 | 2020-05-05 | 青岛聚好联科技有限公司 | 一种用于设备报障平台的信息配置优化方法与装置 |
CN111400474B (zh) * | 2020-03-20 | 2023-02-03 | 腾讯云计算(北京)有限责任公司 | 一种政务服务的智能客服问答方法及装置 |
CN113783766B (zh) * | 2020-05-29 | 2023-08-08 | 北京沃东天骏信息技术有限公司 | 一种数据处理的方法、装置和存储介质 |
CN112543185B (zh) * | 2020-11-23 | 2022-09-06 | 建信金融科技有限责任公司 | 一种客户服务方法、装置和系统 |
CN112732886B (zh) * | 2021-01-08 | 2024-08-16 | 京东科技控股股份有限公司 | 一种会话管理方法、装置、系统及介质 |
CN113079263B (zh) * | 2021-03-16 | 2023-05-02 | 京东科技控股股份有限公司 | 智能客服转接的方法、装置、系统及介质 |
CN113256173A (zh) * | 2021-06-30 | 2021-08-13 | 中信建投证券股份有限公司 | 一种路由选择方法、装置、电子设备及存储介质 |
CN113747185B (zh) * | 2021-08-16 | 2023-07-07 | 北京达佳互联信息技术有限公司 | 一种信息交互方法、装置、系统、设备及存储介质 |
CN114066484A (zh) * | 2021-11-16 | 2022-02-18 | 北京明略昭辉科技有限公司 | 用于推送需求的方法及装置、电子设备、存储介质 |
CN116228249A (zh) * | 2023-05-08 | 2023-06-06 | 陕西拓方信息技术有限公司 | 一种基于信息技术的客户服务系统 |
CN118396637B (zh) * | 2024-06-27 | 2024-09-13 | 江西科技学院 | 一种在线咨询方法与系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105975530A (zh) * | 2016-04-29 | 2016-09-28 | 华南师范大学 | 基于聊天大数据知识库的机器人对话控制方法和系统 |
CN106294341A (zh) * | 2015-05-12 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种智能问答系统及其主题判别方法和装置 |
CN108256123A (zh) * | 2018-02-24 | 2018-07-06 | 成都小多科技有限公司 | 服务咨询自学习方法及装置 |
WO2018157804A1 (zh) * | 2017-02-28 | 2018-09-07 | 华为技术有限公司 | 一种问题的应答方法及装置 |
CN108829757A (zh) * | 2018-05-28 | 2018-11-16 | 广州麦优网络科技有限公司 | 一种聊天机器人的智能服务方法、服务器及存储介质 |
CN109308321A (zh) * | 2018-11-27 | 2019-02-05 | 烟台中科网络技术研究所 | 一种知识问答方法、知识问答系统及计算机可读存储介质 |
CN109787934A (zh) * | 2017-11-10 | 2019-05-21 | 深圳市六度人和科技有限公司 | 在线客服的实现方法及终端 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105592237B (zh) * | 2014-10-24 | 2019-02-05 | 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 |
CN105072173A (zh) * | 2015-08-03 | 2015-11-18 | 谌志群 | 自动客服和人工客服自动切换的客服方法及系统 |
CN107180029A (zh) * | 2016-03-09 | 2017-09-19 | 阿里巴巴集团控股有限公司 | 一种基于咨询业务的信息处理方法及装置 |
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 |
CN107992539A (zh) * | 2017-11-24 | 2018-05-04 | 合肥博焱智能科技有限公司 | 基于人工智能的景区导游咨询系统 |
CN108173826A (zh) * | 2017-12-21 | 2018-06-15 | 安徽百得思维信息科技有限公司 | 人工智能在线咨询答疑服务系统 |
CN109446305A (zh) * | 2018-10-10 | 2019-03-08 | 长沙师范学院 | 智能旅游客服系统的构建方法以及系统 |
CN109544183A (zh) * | 2018-11-27 | 2019-03-29 | 网宿科技股份有限公司 | 一种业务咨询方法及装置 |
-
2019
- 2019-07-12 CN CN201910629181.7A patent/CN110377712B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294341A (zh) * | 2015-05-12 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种智能问答系统及其主题判别方法和装置 |
CN105975530A (zh) * | 2016-04-29 | 2016-09-28 | 华南师范大学 | 基于聊天大数据知识库的机器人对话控制方法和系统 |
WO2018157804A1 (zh) * | 2017-02-28 | 2018-09-07 | 华为技术有限公司 | 一种问题的应答方法及装置 |
CN109787934A (zh) * | 2017-11-10 | 2019-05-21 | 深圳市六度人和科技有限公司 | 在线客服的实现方法及终端 |
CN108256123A (zh) * | 2018-02-24 | 2018-07-06 | 成都小多科技有限公司 | 服务咨询自学习方法及装置 |
CN108829757A (zh) * | 2018-05-28 | 2018-11-16 | 广州麦优网络科技有限公司 | 一种聊天机器人的智能服务方法、服务器及存储介质 |
CN109308321A (zh) * | 2018-11-27 | 2019-02-05 | 烟台中科网络技术研究所 | 一种知识问答方法、知识问答系统及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
网络学习环境中智能化答疑系统的分析研究;林勇等;重庆文理学院学报(自然科学版)(第02期);68-76 * |
Also Published As
Publication number | Publication date |
---|---|
CN110377712A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377712B (zh) | 一种智能会话切换方法、装置、设备及存储介质 | |
US11159457B2 (en) | Chatbot orchestration | |
US11551007B2 (en) | Determining intent from a historical vector of a to-be-analyzed statement | |
US10599644B2 (en) | System and method for managing artificial conversational entities enhanced by social knowledge | |
US9990923B2 (en) | Automated software execution using intelligent speech recognition | |
CN109344395B (zh) | 一种数据处理方法、装置、服务器及存储介质 | |
US11223723B2 (en) | Call center system having reduced communication latency | |
US20220164683A1 (en) | Generating a domain-specific knowledge graph from unstructured computer text | |
EP3617896A1 (en) | Method and apparatus for intelligent response | |
CN110866093A (zh) | 机器问答方法及装置 | |
US11157533B2 (en) | Designing conversational systems driven by a semantic network with a library of templated query operators | |
CN114840671A (zh) | 对话生成方法、模型的训练方法、装置、设备及介质 | |
CN113901837A (zh) | 一种意图理解方法、装置、设备及存储介质 | |
CN108306813A (zh) | 会话消息的处理方法、服务器及客户端 | |
CN111078855A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
US11227224B2 (en) | Information and data collaboration among multiple artificial intelligence (AI) systems | |
CN113704185A (zh) | 基于rpa及ai的消息回复方法、装置、设备及介质 | |
CN113590840A (zh) | 知识库共享方法、装置、计算机设备及存储介质 | |
CN112148847A (zh) | 一种语音信息的处理方法及装置 | |
CN114205417B (zh) | 一种信息处理方法、装置、电子设备及存储介质 | |
US20220336053A1 (en) | Inherited machine learning model | |
CN117633540B (zh) | 样本数据构建方法及装置 | |
CN112466307B (zh) | 语音的回复方法和装置、存储介质、电子装置 | |
CN114328854A (zh) | 答案确定方法、装置及存储介质 | |
CN118428480A (zh) | 基于大模型的数据处理方法、设备、存储介质及程序产品 |
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 |