CN110888971B - 机器人客服与用户的多轮交互方法和装置 - Google Patents
机器人客服与用户的多轮交互方法和装置 Download PDFInfo
- Publication number
- CN110888971B CN110888971B CN201911206268.XA CN201911206268A CN110888971B CN 110888971 B CN110888971 B CN 110888971B CN 201911206268 A CN201911206268 A CN 201911206268A CN 110888971 B CN110888971 B CN 110888971B
- Authority
- CN
- China
- Prior art keywords
- customer service
- question
- interactive
- determining
- sentence
- 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
- G06F16/33—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
- G06F16/35—Clustering; Classification
Abstract
本说明书实施例提供一种机器人客服与用户的多轮交互方法和装置,方法包括:根据目标用户的当前会话的初始用户问句,利用预先训练的第一分类模型,确定第一标准问句;针对第一标准问句向目标用户提问,并接收目标用户针对第一标准问句的第一交互语句;当第一交互语句包含否定描述时,根据初始用户问句和第一交互语句,利用预先训练的第二分类模型,确定第一人工客服技能组;针对第一人工客服技能组向目标用户提问,并接收目标用户针对第一人工客服技能组的第二交互语句;根据初始用户问句、第一交互语句和第二交互语句,利用第一分类模型,确定第二标准问句。能够提高交互中获得的信息量,进而提高对用户问句分类的准确性。
Description
技术领域
本说明书一个或多个实施例涉及计算机领域,尤其涉及机器人客服与用户的多轮交互方法和装置。
背景技术
在机器人客服回答用户问题时,常常会涉及到针对用户问句的分类。例如,确定用户问句对应的标准问句,以便由机器人客服提供该标准问句对应的答案。其中,标准问句也称为标准问题,是根据业务整理的一些用户可能问的问题。每个问题有一个问题标识。
由于用户问句大多比较简略,或者口语化,因此通常需要机器人客服与用户之间进行多轮交互后,才能够明确用户述求。现有技术中,机器人客服与用户的多轮交互中,机器人客服提问后,获得的用户的回复中对分类有用的信息量低,相应地,根据用户的回复对用户问句分类的准确性低。
因此,希望能有改进的方案,能够提高机器人客服与用户的多轮交互中获得的信息量,进而提高对用户问句分类的准确性。
发明内容
本说明书一个或多个实施例描述了一种机器人客服与用户的多轮交互方法和装置,提高机器人客服与用户的多轮交互中获得的信息量,进而提高对用户问句分类的准确性。
第一方面,提供了一种机器人客服与用户的多轮交互方法,方法包括:
根据目标用户的当前会话的初始用户问句,利用预先训练的第一分类模型,确定所述当前会话对应的第一标准问句;
针对所述第一标准问句向所述目标用户提问,并接收所述目标用户针对所述第一标准问句的第一交互语句;
当所述第一交互语句包含否定描述时,根据所述初始用户问句和所述第一交互语句,利用预先训练的第二分类模型,确定所述当前会话对应的第一人工客服技能组;
针对所述第一人工客服技能组向所述目标用户提问,并接收所述目标用户针对所述第一人工客服技能组的第二交互语句;
根据所述初始用户问句、所述第一交互语句和所述第二交互语句,利用所述第一分类模型,确定所述当前会话对应的第二标准问句。
在一种可能的实施方式中,所述根据所述初始用户问句、所述第一交互语句和所述第二交互语句,利用所述第一分类模型,确定所述当前会话对应的第二标准问句,包括:
根据所述第二交互语句,确定所述当前会话的人工客服技能组标签;
根据所述初始用户问句、所述第一交互语句和所述人工客服技能组标签,利用所述第一分类模型,确定所述当前会话对应的第二标准问句。
进一步地,所述根据所述第二交互语句,确定所述当前会话的人工客服技能组标签,包括:
当所述第二交互语句包含肯定描述时,确定所述当前会话的人工客服技能组标签为所述第一人工客服技能组。
进一步地,所述确定所述当前会话对应的第二标准问句之后,所述方法还包括:
针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第三交互语句;
当所述第三交互语句包含否定描述时,将所述当前会话分派给所述第一人工客服技能组由人工客服提供服务。
进一步地,所述根据所述第二交互语句,确定所述当前会话的人工客服技能组标签,包括:
当所述第二交互语句包含否定描述时,根据所述初始用户问句、所述第一交互语句和所述第二交互语句,利用所述第二分类模型,确定所述当前会话对应的第二人工客服技能组;
将所述第二人工客服技能组确定为所述当前会话的人工客服技能组标签。
进一步地,所述确定所述当前会话对应的第二标准问句之后,所述方法还包括:
针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第四交互语句;
当所述第四交互语句包含否定描述时,将所述当前会话分派给所述第二人工客服技能组由人工客服提供服务。
进一步地,所述第一分类模型包括第一特征提取子模型、第二特征提取子模型和第三特征提取子模型;
所述根据所述初始用户问句、所述第一交互语句和所述人工客服技能组标签,利用所述第一分类模型,确定所述当前会话对应的第二标准问句,包括:
将所述初始用户问句、所述第一交互语句和所述人工客服技能组标签输入所述第一特征提取子模型,通过所述第一特征提取子模型输出第一特征向量;
将所述目标用户的预设历史行为的行为特征输入所述第二特征提取子模型,通过所述第二特征提取子模型输出第二特征向量;
将用于指示所述目标用户的行为轨迹的序列数据输入所述第三特征提取子模型,通过所述第三特征提取子模型输出第三特征向量;
至少根据所述第一特征向量、所述第二特征向量和所述第三特征向量,确定所述当前会话对应的第二标准问句。
在一种可能的实施方式中,所述根据所述初始用户问句、所述第一交互语句和所述第二交互语句,利用所述第一分类模型,确定所述当前会话对应的第二标准问句之后,所述方法还包括:
针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第五交互语句;
当所述第五交互语句包含否定描述时,根据所述初始用户问句、所述第一交互语句、所述第二交互语句和所述第五交互语句,利用所述第二分类模型,确定所述当前会话对应的第三人工客服技能组;
将所述当前会话分派给所述第三人工客服技能组由人工客服提供服务。
第二方面,提供了一种机器人客服与用户的多轮交互装置,装置包括:
第一确定单元,用于根据目标用户的当前会话的初始用户问句,利用预先训练的第一分类模型,确定所述当前会话对应的第一标准问句;
第一交互单元,用于针对所述第一确定单元确定的第一标准问句向所述目标用户提问,并接收所述目标用户针对所述第一标准问句的第一交互语句;
第二确定单元,用于当所述第一交互单元接收的第一交互语句包含否定描述时,根据所述初始用户问句和所述第一交互语句,利用预先训练的第二分类模型,确定所述当前会话对应的第一人工客服技能组;
第二交互单元,用于针对所述第二确定单元确定的第一人工客服技能组向所述目标用户提问,并接收所述目标用户针对所述第一人工客服技能组的第二交互语句;
第三确定单元,用于根据所述初始用户问句、所述第一交互单元接收的第一交互语句和所述第二交互单元接收的第二交互语句,利用所述第一分类模型,确定所述当前会话对应的第二标准问句。
第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行第一方面的方法。
第四方面,提供了一种计算设备,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现第一方面的方法。
通过本说明书实施例提供的方法和装置,在机器人客服与用户的多轮交互过程中,不仅有针对标准问句的提问,还增加了针对人工客服技能组的提问,由于人工客服技能组对应多个标准问句,对人工客服技能组的识别粒度比对标准问句的识别粒度粗,对于粗粒度的识别,模型准确率高,针对用户的提问就会更精准,用户对于该提问的回复信息量高,一方面,可以过滤掉很多无关的标准问句,提升了确定标准问句的准确率;另一方面,提升了确定人工客服技能组的准确率。由上可见,本说明书实施例,能够提高机器人客服与用户的多轮交互中获得的信息量,进而提高对用户问句分类的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其它的附图。
图1为本说明书披露的一个实施例的实施场景示意图;
图2示出根据一个实施例的针对用户问句的处理方法流程图;
图3示出根据一个实施例的机器人客服与用户的多轮交互方法流程图;
图4示出根据一个实施例的机器人客服与用户的多轮交互装置的示意性框图。
具体实施方式
下面结合附图,对本说明书提供的方案进行描述。
图1为本说明书披露的一个实施例的实施场景示意图。该实施场景涉及针对用户问句的分类,也就是说,确定用户问句归属的类别,上述类别可以但不限于包括用户问句对应的标准问句,或者,用户问句对应的人工客服技能组。参照图1,第一阶段,进行的是用户跟机器对话,也就是说,由机器人客服回答用户问题。第二阶段,进行的是用户跟小二对话,可以理解的是,小二即人工客服,也就是说,由人工客服回答用户问题。在第一阶段,机器无法回答用户问题时,会进入第二阶段,由人工客服回答用户问题。
图2示出根据一个实施例的针对用户问句的处理方法流程图,该方法涵盖了图1所示的第一阶段和第二阶段的处理过程。在第一阶段,引导用户说出需求,机器跟用户对话,详细分析用户需求,进行问题识别,也就是识别用户问句对应的标准问句。当问题识别不成功时,进入第二阶段,智能派单,小二跟用户对话并且标注用户问题,其中,智能派单即确定用户问句对应的人工客服技能组,标注用户问题即标注用户问句对应的标准问句。
在一个示例中,机器在接收到用户问句后,针对用户问句,确定该用户问句对应的标准问句,并将确定的标准问句展示给用户,由用户确认该标准问句是否满足其述求,如果用户确认该标准问句不满足其述求,则由用户补充部分描述,机器会针对该用户问句,进行针对人工客服技能组的提问,并接收用户对该提问的回复,然后根据该回复再次确定该用户问句对应的标准问句。当确定标准问句的次数达到预定次数,并且仍然不满足用户述求时,确定用户问句对应的人工客服技能组,由人工客服跟用户对话并且标注用户问句对应的标准问句。
图3示出根据一个实施例的机器人客服与用户的多轮交互方法流程图,该方法可以基于图1所示的应用场景。如图3所示,该实施例中机器人客服与用户的多轮交互方法包括以下步骤:步骤31,根据目标用户的当前会话的初始用户问句,利用预先训练的第一分类模型,确定所述当前会话对应的第一标准问句;步骤32,针对所述第一标准问句向所述目标用户提问,并接收所述目标用户针对所述第一标准问句的第一交互语句;步骤33,当所述第一交互语句包含否定描述时,根据所述初始用户问句和所述第一交互语句,利用预先训练的第二分类模型,确定所述当前会话对应的第一人工客服技能组;步骤34,针对所述第一人工客服技能组向所述目标用户提问,并接收所述目标用户针对所述第一人工客服技能组的第二交互语句;步骤35,根据所述初始用户问句、所述第一交互语句和所述第二交互语句,利用所述第一分类模型,确定所述当前会话对应的第二标准问句。下面描述以上各个步骤的具体执行方式。
首先在步骤31,根据目标用户的当前会话的初始用户问句,利用预先训练的第一分类模型,确定所述当前会话对应的第一标准问句。可以理解的是,上述当前会话可以为机器人客服与用户之间的语音会话,也可以为机器人客服与用户之间的文本输入会话。
本说明书实施例,上述初始用户问句可以包括当前会话中前N轮对话中的用户问句,N可以但不限定为1。通常地,预先会设置机器人客服与用户的多轮对话的轮数阈值,例如,设定该轮数阈值为3轮,也就是说,当已经进行3轮对话且未识别出用户表示肯定的标准问句,则转换为人工客服提供服务,在该轮数阈值为3轮的情况下,可以将用户在首轮对话中输入的用户问句作为初始用户问句。又例如,设定该轮数阈值为4轮,也就是说,当已经进行4轮对话且未识别出用户表示肯定的标准问句,则转换为人工客服提供服务,在该轮数阈值为4轮的情况下,可以将用户在前2轮对话中输入的用户问句作为初始用户问句。
可以理解的是,第一分类模型可以包括各种结构的神经网络,例如,长短期记忆网络(long short term memory,LSTM)、深度神经网络(deep neural network,DNN)或卷积神经网络(convolutional neural networks,CNN)等。
然后在步骤32,针对所述第一标准问句向所述目标用户提问,并接收所述目标用户针对所述第一标准问句的第一交互语句。可以理解的是,第一交互语句可以包含肯定描述,例如,目标用户回答“是”,表明所述第一标准问句就是该目标用户想要问的问题,则可以从知识库中召回所述第一标准问句对应的答案提供给该目标用户。或者,第一交互语句可以包含否定描述,例如,目标用户回答“否”,并且补充了部分描述,表明所述第一标准问句不是该目标用户想要问的问题,则需要继续当前会话,以便明确用户述求。
接着在步骤33,当所述第一交互语句包含否定描述时,根据所述初始用户问句和所述第一交互语句,利用预先训练的第二分类模型,确定所述当前会话对应的第一人工客服技能组。可以理解的是,人工客服技能组的识别粒度比标准问句的识别粒度粗,因此更容易识别出来。
本说明书实施例,第二分类模型可以与第一分类模型为同一模型,或者不同的模型,当第二分类模型可以与第一分类模型为不同的模型时,二者可以采用相同的网络结构或者不同的网络结构。
再在步骤34,针对所述第一人工客服技能组向所述目标用户提问,并接收所述目标用户针对所述第一人工客服技能组的第二交互语句。可以理解的是,第二交互语句可以包含肯定描述,例如,目标用户回答“是”,表明所述第一人工客服技能组就是该目标用户想要问的问题对应的人工客服技能组。或者,第二交互语句可以包含否定描述,例如,目标用户回答“否”,并且补充了部分描述,表明所述第一人工客服技能组不是该目标用户想要问的问题对应的人工客服技能组。
本说明书实施例,人工客服技能组的识别粒度比标准问句的识别粒度粗,针对人工客服技能组提问,用户回答包含肯定描述的可能性大,信息量高,可以提高后续对当前会话分类的准确性。
最后在步骤35,根据所述初始用户问句、所述第一交互语句和所述第二交互语句,利用所述第一分类模型,确定所述当前会话对应的第二标准问句。可以理解的是,第二交互语句为目标用户针对人工客服技能组的回复,由于一个人工客服技能组对应多个标准问句,因此第二交互语句有利于过滤掉很多无关的标准问句,提升识别标准问句的准确率。
在一个示例中,先根据所述第二交互语句,确定所述当前会话的人工客服技能组标签;再根据所述初始用户问句、所述第一交互语句和所述人工客服技能组标签,利用所述第一分类模型,确定所述当前会话对应的第二标准问句。
进一步地,当所述第二交互语句包含肯定描述时,确定所述当前会话的人工客服技能组标签为所述第一人工客服技能组。
进一步地,步骤35之后,所述方法还包括:针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第三交互语句;当所述第三交互语句包含否定描述时,将所述当前会话分派给所述第一人工客服技能组由人工客服提供服务。
可以理解的是,当所述第三交互语句包含肯定描述时,表明所述第二标准问句就是该目标用户想要问的问题,则可以从知识库中召回所述第二标准问句对应的答案提供给该目标用户。
进一步地,当所述第二交互语句包含否定描述时,根据所述初始用户问句、所述第一交互语句和所述第二交互语句,利用所述第二分类模型,确定所述当前会话对应的第二人工客服技能组;将所述第二人工客服技能组确定为所述当前会话的人工客服技能组标签。
进一步地,步骤35之后,所述方法还包括:针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第四交互语句;当所述第四交互语句包含否定描述时,将所述当前会话分派给所述第二人工客服技能组由人工客服提供服务。
在一个示例中,所述第一分类模型包括第一特征提取子模型、第二特征提取子模型和第三特征提取子模型;步骤35,包括:
将所述初始用户问句、所述第一交互语句和所述人工客服技能组标签输入所述第一特征提取子模型,通过所述第一特征提取子模型输出第一特征向量;
将所述目标用户的预设历史行为的行为特征输入所述第二特征提取子模型,通过所述第二特征提取子模型输出第二特征向量;
将用于指示所述目标用户的行为轨迹的序列数据输入所述第三特征提取子模型,通过所述第三特征提取子模型输出第三特征向量;
至少根据所述第一特征向量、所述第二特征向量和所述第三特征向量,确定所述当前会话对应的第二标准问句。
此外,可以理解的是,在步骤35中,可以不包括确定人工客服技能组标签的子步骤,直接将所述初始用户问句、所述第一交互语句和所述第二交互语句输入所述第一分类模型,通过所述第一分类模型输出所述当前会话对应的第二标准问句。然后,针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第五交互语句;当所述第五交互语句包含否定描述时,根据所述初始用户问句、所述第一交互语句、所述第二交互语句和所述第五交互语句,利用所述第二分类模型,确定所述当前会话对应的第三人工客服技能组;将所述当前会话分派给所述第三人工客服技能组由人工客服提供服务。也就是说,可以在机器人客服与用户之间的对话轮数达到预先设定的轮数阈值时,再确定当前会话对应的人工客服技能组,由该人工客服技能组的人工客服提供服务。
通过本说明书实施例提供的方法,在机器人客服与用户的多轮交互过程中,不仅有针对标准问句的提问,还增加了针对人工客服技能组的提问,由于人工客服技能组对应多个标准问句,对人工客服技能组的识别粒度比对标准问句的识别粒度粗,对于粗粒度的识别,模型准确率高,针对用户的提问就会更精准,用户对于该提问的回复信息量高,一方面,可以过滤掉很多无关的标准问句,提升了确定标准问句的准确率;另一方面,提升了确定人工客服技能组的准确率。由上可见,本说明书实施例,能够提高机器人客服与用户的多轮交互中获得的信息量,进而提高对用户问句分类的准确性。
根据另一方面的实施例,还提供一种机器人客服与用户的多轮交互装置,该装置用于执行本说明书实施例提供的机器人客服与用户的多轮交互方法。图4示出根据一个实施例的机器人客服与用户的多轮交互装置的示意性框图。如图4所示,该装置400包括:
第一确定单元41,用于根据目标用户的当前会话的初始用户问句,利用预先训练的第一分类模型,确定所述当前会话对应的第一标准问句;
第一交互单元42,用于针对所述第一确定单元41确定的第一标准问句向所述目标用户提问,并接收所述目标用户针对所述第一标准问句的第一交互语句;
第二确定单元43,用于当所述第一交互单元42接收的第一交互语句包含否定描述时,根据所述初始用户问句和所述第一交互语句,利用预先训练的第二分类模型,确定所述当前会话对应的第一人工客服技能组;
第二交互单元44,用于针对所述第二确定单元43确定的第一人工客服技能组向所述目标用户提问,并接收所述目标用户针对所述第一人工客服技能组的第二交互语句;
第三确定单元45,用于根据所述初始用户问句、所述第一交互单元42接收的第一交互语句和所述第二交互单元44接收的第二交互语句,利用所述第一分类模型,确定所述当前会话对应的第二标准问句。
可选地,作为一个实施例,所述第三确定单元45,包括:
第一确定子单元,用于根据所述第二交互语句,确定所述当前会话的人工客服技能组标签;
第二确定子单元,根据所述初始用户问句、所述第一交互语句和所述第一确定子单元确定的人工客服技能组标签,利用所述第一分类模型,确定所述当前会话对应的第二标准问句。
进一步地,所述第一确定子单元,具体用于当所述第二交互语句包含肯定描述时,确定所述当前会话的人工客服技能组标签为所述第一人工客服技能组。
进一步地,所述装置还包括:
第三交互单元,用于在所述第三确定单元45确定所述当前会话对应的第二标准问句之后,针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第三交互语句;
第一派单单元,用于当所述第三交互单元接收的第三交互语句包含否定描述时,将所述当前会话分派给所述第一人工客服技能组由人工客服提供服务。
进一步地,所述第一确定子单元,具体用于:
当所述第二交互语句包含否定描述时,根据所述初始用户问句、所述第一交互语句和所述第二交互语句,利用所述第二分类模型,确定所述当前会话对应的第二人工客服技能组;
将所述第二人工客服技能组确定为所述当前会话的人工客服技能组标签。
进一步地,所述装置还包括:
第四交互单元,用于在所述第三确定单元45确定所述当前会话对应的第二标准问句之后,针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第四交互语句;
第二派单单元,用于当所述第四交互单元接收的第四交互语句包含否定描述时,将所述当前会话分派给所述第二人工客服技能组由人工客服提供服务。
进一步地,所述第一分类模型包括第一特征提取子模型、第二特征提取子模型和第三特征提取子模型;
所述第二确定子单元,具体用于:
将所述初始用户问句、所述第一交互语句和所述人工客服技能组标签输入所述第一特征提取子模型,通过所述第一特征提取子模型输出第一特征向量;
将所述目标用户的预设历史行为的行为特征输入所述第二特征提取子模型,通过所述第二特征提取子模型输出第二特征向量;
将用于指示所述目标用户的行为轨迹的序列数据输入所述第三特征提取子模型,通过所述第三特征提取子模型输出第三特征向量;
至少根据所述第一特征向量、所述第二特征向量和所述第三特征向量,确定所述当前会话对应的第二标准问句。
可选地,作为一个实施例,所述装置还包括:
第五交互单元,用于在所述第三确定单元45确定所述当前会话对应的第二标准问句之后,针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第五交互语句;
第四确定单元,用于当所述第五交互单元接收的第五交互语句包含否定描述时,根据所述初始用户问句、所述第一交互语句、所述第二交互语句和所述第五交互语句,利用所述第二分类模型,确定所述当前会话对应的第三人工客服技能组;
第三派单单元,用于将所述当前会话分派给所述第四确定单元确定的第三人工客服技能组由人工客服提供服务。
根据另一方面的实施例,还提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行结合图3所描述的方法。
根据再一方面的实施例,还提供一种计算设备,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现结合图3所描述的方法。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (18)
1.一种机器人客服与用户的多轮交互方法,所述方法包括:
根据目标用户的当前会话的初始用户问句,利用预先训练的第一分类模型,确定所述当前会话对应的第一标准问句;
针对所述第一标准问句向所述目标用户提问,并接收所述目标用户针对所述第一标准问句的第一交互语句;
当所述第一交互语句包含否定描述时,根据所述初始用户问句和所述第一交互语句,利用预先训练的第二分类模型,确定所述当前会话对应的第一人工客服技能组;一个人工客服技能组对应多个标准问句;
针对所述第一人工客服技能组向所述目标用户提问,并接收所述目标用户针对所述第一人工客服技能组的第二交互语句;
根据所述初始用户问句、所述第一交互语句和所述第二交互语句,利用所述第一分类模型,确定所述当前会话对应的第二标准问句。
2.如权利要求1所述的方法,其中,所述根据所述初始用户问句、所述第一交互语句和所述第二交互语句,利用所述第一分类模型,确定所述当前会话对应的第二标准问句,包括:
根据所述第二交互语句,确定所述当前会话的人工客服技能组标签;
根据所述初始用户问句、所述第一交互语句和所述人工客服技能组标签,利用所述第一分类模型,确定所述当前会话对应的第二标准问句。
3.如权利要求2所述的方法,其中,所述根据所述第二交互语句,确定所述当前会话的人工客服技能组标签,包括:
当所述第二交互语句包含肯定描述时,确定所述当前会话的人工客服技能组标签为所述第一人工客服技能组。
4.如权利要求3所述的方法,其中,所述确定所述当前会话对应的第二标准问句之后,所述方法还包括:
针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第三交互语句;
当所述第三交互语句包含否定描述时,将所述当前会话分派给所述第一人工客服技能组由人工客服提供服务。
5.如权利要求2所述的方法,其中,所述根据所述第二交互语句,确定所述当前会话的人工客服技能组标签,包括:
当所述第二交互语句包含否定描述时,根据所述初始用户问句、所述第一交互语句和所述第二交互语句,利用所述第二分类模型,确定所述当前会话对应的第二人工客服技能组;
将所述第二人工客服技能组确定为所述当前会话的人工客服技能组标签。
6.如权利要求5所述的方法,其中,所述确定所述当前会话对应的第二标准问句之后,所述方法还包括:
针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第四交互语句;
当所述第四交互语句包含否定描述时,将所述当前会话分派给所述第二人工客服技能组由人工客服提供服务。
7.如权利要求2所述的方法,其中,所述第一分类模型包括第一特征提取子模型、第二特征提取子模型和第三特征提取子模型;
所述根据所述初始用户问句、所述第一交互语句和所述人工客服技能组标签,利用所述第一分类模型,确定所述当前会话对应的第二标准问句,包括:
将所述初始用户问句、所述第一交互语句和所述人工客服技能组标签输入所述第一特征提取子模型,通过所述第一特征提取子模型输出第一特征向量;
将所述目标用户的预设历史行为的行为特征输入所述第二特征提取子模型,通过所述第二特征提取子模型输出第二特征向量;
将用于指示所述目标用户的行为轨迹的序列数据输入所述第三特征提取子模型,通过所述第三特征提取子模型输出第三特征向量;
至少根据所述第一特征向量、所述第二特征向量和所述第三特征向量,确定所述当前会话对应的第二标准问句。
8.如权利要求1所述的方法,其中,所述根据所述初始用户问句、所述第一交互语句和所述第二交互语句,利用所述第一分类模型,确定所述当前会话对应的第二标准问句之后,所述方法还包括:
针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第五交互语句;
当所述第五交互语句包含否定描述时,根据所述初始用户问句、所述第一交互语句、所述第二交互语句和所述第五交互语句,利用所述第二分类模型,确定所述当前会话对应的第三人工客服技能组;
将所述当前会话分派给所述第三人工客服技能组由人工客服提供服务。
9.一种机器人客服与用户的多轮交互装置,所述装置包括:
第一确定单元,用于根据目标用户的当前会话的初始用户问句,利用预先训练的第一分类模型,确定所述当前会话对应的第一标准问句;
第一交互单元,用于针对所述第一确定单元确定的第一标准问句向所述目标用户提问,并接收所述目标用户针对所述第一标准问句的第一交互语句;
第二确定单元,用于当所述第一交互单元接收的第一交互语句包含否定描述时,根据所述初始用户问句和所述第一交互语句,利用预先训练的第二分类模型,确定所述当前会话对应的第一人工客服技能组;一个人工客服技能组对应多个标准问句;
第二交互单元,用于针对所述第二确定单元确定的第一人工客服技能组向所述目标用户提问,并接收所述目标用户针对所述第一人工客服技能组的第二交互语句;
第三确定单元,用于根据所述初始用户问句、所述第一交互单元接收的第一交互语句和所述第二交互单元接收的第二交互语句,利用所述第一分类模型,确定所述当前会话对应的第二标准问句。
10.如权利要求9所述的装置,其中,所述第三确定单元,包括:
第一确定子单元,用于根据所述第二交互语句,确定所述当前会话的人工客服技能组标签;
第二确定子单元,根据所述初始用户问句、所述第一交互语句和所述第一确定子单元确定的人工客服技能组标签,利用所述第一分类模型,确定所述当前会话对应的第二标准问句。
11.如权利要求10所述的装置,其中,所述第一确定子单元,具体用于当所述第二交互语句包含肯定描述时,确定所述当前会话的人工客服技能组标签为所述第一人工客服技能组。
12.如权利要求11所述的装置,其中,所述装置还包括:
第三交互单元,用于在所述第三确定单元确定所述当前会话对应的第二标准问句之后,针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第三交互语句;
第一派单单元,用于当所述第三交互单元接收的第三交互语句包含否定描述时,将所述当前会话分派给所述第一人工客服技能组由人工客服提供服务。
13.如权利要求10所述的装置,其中,所述第一确定子单元,具体用于:
当所述第二交互语句包含否定描述时,根据所述初始用户问句、所述第一交互语句和所述第二交互语句,利用所述第二分类模型,确定所述当前会话对应的第二人工客服技能组;
将所述第二人工客服技能组确定为所述当前会话的人工客服技能组标签。
14.如权利要求13所述的装置,其中,所述装置还包括:
第四交互单元,用于在所述第三确定单元确定所述当前会话对应的第二标准问句之后,针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第四交互语句;
第二派单单元,用于当所述第四交互单元接收的第四交互语句包含否定描述时,将所述当前会话分派给所述第二人工客服技能组由人工客服提供服务。
15.如权利要求10所述的装置,其中,所述第一分类模型包括第一特征提取子模型、第二特征提取子模型和第三特征提取子模型;
所述第二确定子单元,具体用于:
将所述初始用户问句、所述第一交互语句和所述人工客服技能组标签输入所述第一特征提取子模型,通过所述第一特征提取子模型输出第一特征向量;
将所述目标用户的预设历史行为的行为特征输入所述第二特征提取子模型,通过所述第二特征提取子模型输出第二特征向量;
将用于指示所述目标用户的行为轨迹的序列数据输入所述第三特征提取子模型,通过所述第三特征提取子模型输出第三特征向量;
至少根据所述第一特征向量、所述第二特征向量和所述第三特征向量,确定所述当前会话对应的第二标准问句。
16.如权利要求9所述的装置,其中,所述装置还包括:
第五交互单元,用于在所述第三确定单元确定所述当前会话对应的第二标准问句之后,针对所述第二标准问句向所述目标用户提问,并接收所述目标用户针对所述第二标准问句的第五交互语句;
第四确定单元,用于当所述第五交互单元接收的第五交互语句包含否定描述时,根据所述初始用户问句、所述第一交互语句、所述第二交互语句和所述第五交互语句,利用所述第二分类模型,确定所述当前会话对应的第三人工客服技能组;
第三派单单元,用于将所述当前会话分派给所述第四确定单元确定的第三人工客服技能组由人工客服提供服务。
17.一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-8中任一项的所述的方法。
18.一种计算设备,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现权利要求1-8中任一项的所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911206268.XA CN110888971B (zh) | 2019-11-29 | 2019-11-29 | 机器人客服与用户的多轮交互方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911206268.XA CN110888971B (zh) | 2019-11-29 | 2019-11-29 | 机器人客服与用户的多轮交互方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110888971A CN110888971A (zh) | 2020-03-17 |
CN110888971B true CN110888971B (zh) | 2022-05-24 |
Family
ID=69749723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911206268.XA Active CN110888971B (zh) | 2019-11-29 | 2019-11-29 | 机器人客服与用户的多轮交互方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110888971B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114124415B (zh) * | 2020-08-13 | 2023-05-12 | 腾讯科技(深圳)有限公司 | 目标交互应用中的信息交互方法和装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8379830B1 (en) * | 2006-05-22 | 2013-02-19 | Convergys Customer Management Delaware Llc | System and method for automated customer service with contingent live interaction |
EP2722800A1 (en) * | 2012-10-19 | 2014-04-23 | Disney Enterprises, Inc. | Multi layer chat detection and classification |
CN104885080A (zh) * | 2012-11-02 | 2015-09-02 | 谷歌公司 | 分类搜索结果 |
CN107491435A (zh) * | 2017-08-14 | 2017-12-19 | 深圳狗尾草智能科技有限公司 | 基于计算机自动识别用户情感的方法及装置 |
CN107562816A (zh) * | 2017-08-16 | 2018-01-09 | 深圳狗尾草智能科技有限公司 | 用户意图自动识别方法及装置 |
CN107885719A (zh) * | 2017-09-20 | 2018-04-06 | 北京百度网讯科技有限公司 | 基于人工智能的词汇类别挖掘方法、装置及存储介质 |
CN109740154A (zh) * | 2018-12-26 | 2019-05-10 | 西安电子科技大学 | 一种基于多任务学习的在线评论细粒度情感分析方法 |
CN109800293A (zh) * | 2018-12-20 | 2019-05-24 | 出门问问信息科技有限公司 | 一种基于问题分类获取答案的方法、装置及电子设备 |
CN110032631A (zh) * | 2019-03-26 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 一种信息反馈方法、装置和存储介质 |
CN110187760A (zh) * | 2019-05-14 | 2019-08-30 | 北京百度网讯科技有限公司 | 智能交互方法和装置 |
CN110362668A (zh) * | 2019-07-16 | 2019-10-22 | 阿里巴巴集团控股有限公司 | 针对用户问句的分类方法和装置 |
CN110399492A (zh) * | 2019-07-22 | 2019-11-01 | 阿里巴巴集团控股有限公司 | 针对用户问句的问题分类模型的训练方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160098480A1 (en) * | 2014-10-01 | 2016-04-07 | Xerox Corporation | Author moderated sentiment classification method and system |
-
2019
- 2019-11-29 CN CN201911206268.XA patent/CN110888971B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8379830B1 (en) * | 2006-05-22 | 2013-02-19 | Convergys Customer Management Delaware Llc | System and method for automated customer service with contingent live interaction |
EP2722800A1 (en) * | 2012-10-19 | 2014-04-23 | Disney Enterprises, Inc. | Multi layer chat detection and classification |
CN104885080A (zh) * | 2012-11-02 | 2015-09-02 | 谷歌公司 | 分类搜索结果 |
CN107491435A (zh) * | 2017-08-14 | 2017-12-19 | 深圳狗尾草智能科技有限公司 | 基于计算机自动识别用户情感的方法及装置 |
CN107562816A (zh) * | 2017-08-16 | 2018-01-09 | 深圳狗尾草智能科技有限公司 | 用户意图自动识别方法及装置 |
CN107885719A (zh) * | 2017-09-20 | 2018-04-06 | 北京百度网讯科技有限公司 | 基于人工智能的词汇类别挖掘方法、装置及存储介质 |
CN109800293A (zh) * | 2018-12-20 | 2019-05-24 | 出门问问信息科技有限公司 | 一种基于问题分类获取答案的方法、装置及电子设备 |
CN109740154A (zh) * | 2018-12-26 | 2019-05-10 | 西安电子科技大学 | 一种基于多任务学习的在线评论细粒度情感分析方法 |
CN110032631A (zh) * | 2019-03-26 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 一种信息反馈方法、装置和存储介质 |
CN110187760A (zh) * | 2019-05-14 | 2019-08-30 | 北京百度网讯科技有限公司 | 智能交互方法和装置 |
CN110362668A (zh) * | 2019-07-16 | 2019-10-22 | 阿里巴巴集团控股有限公司 | 针对用户问句的分类方法和装置 |
CN110399492A (zh) * | 2019-07-22 | 2019-11-01 | 阿里巴巴集团控股有限公司 | 针对用户问句的问题分类模型的训练方法和装置 |
Non-Patent Citations (2)
Title |
---|
基于多阶段和分层方法的言语行为分类研究;李嘉等;《信息系统学报》;20130630(第02期);第110-123页 * |
面向问答社区的中文问题分类;董才正等;《计算机应用》;20160410(第04期);第184-189页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110888971A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106503236B (zh) | 基于人工智能的问题分类方法以及装置 | |
CN111291166B (zh) | 基于Bert的语言模型的训练方法及装置 | |
CN109522564B (zh) | 语音翻译方法和装置 | |
CN110704590B (zh) | 扩充训练样本的方法和装置 | |
CN106997342B (zh) | 基于多轮交互的意图识别方法和装置 | |
CN111739519A (zh) | 基于语音识别的对话管理处理方法、装置、设备及介质 | |
CN110569344B (zh) | 确定对话文本对应的标准问句的方法和装置 | |
CN112199486A (zh) | 一种办公场景的任务型多轮对话方法及系统 | |
CN104331148A (zh) | 一种语音用户界面信息交互方法 | |
CN112084317A (zh) | 预训练语言模型的方法和装置 | |
CN111611358A (zh) | 信息交互方法、装置、电子设备及存储介质 | |
CN110888971B (zh) | 机器人客服与用户的多轮交互方法和装置 | |
CN111402864A (zh) | 语音处理方法及电子设备 | |
CN117573834B (zh) | 一种用于面向软件即服务平台的多机器人对话方法及系统 | |
CN113591463A (zh) | 意图识别方法、装置、电子设备及存储介质 | |
CN110704599A (zh) | 为预测模型生成样本、预测模型训练的方法及装置 | |
CN113901837A (zh) | 一种意图理解方法、装置、设备及存储介质 | |
CN110400560B (zh) | 数据处理方法及装置、存储介质、电子装置 | |
CN110047473B (zh) | 一种人机协作交互方法及系统 | |
CN111680148B (zh) | 针对用户问句进行智能应答的方法和装置 | |
CN111737442B (zh) | 智能客服多轮会话管理的方法和装置 | |
CN113407699A (zh) | 对话方法、装置、设备和存储介质 | |
CN110222161B (zh) | 对话机器人智能应答方法及装置 | |
CN113012687A (zh) | 一种信息交互方法、装置及电子设备 | |
CN112164394A (zh) | 一种信息交互方法、装置、存储介质及电子设备 |
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 |