CN110991178A - 智能客服与人工客服的切换方法、装置及计算机设备 - Google Patents
智能客服与人工客服的切换方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN110991178A CN110991178A CN201911087914.5A CN201911087914A CN110991178A CN 110991178 A CN110991178 A CN 110991178A CN 201911087914 A CN201911087914 A CN 201911087914A CN 110991178 A CN110991178 A CN 110991178A
- Authority
- CN
- China
- Prior art keywords
- response information
- input information
- information
- current
- tested
- 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 57
- 230000004044 response Effects 0.000 claims abstract description 218
- 230000008451 emotion Effects 0.000 claims abstract description 88
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 239000013598 vector Substances 0.000 claims description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 9
- 238000000513 principal component analysis Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 12
- 238000012706 support-vector machine Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 2
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种智能客服与人工客服的切换方法。该方法包括:接收当前会话中第一终端提交的第一输入信息;提取所述第一输入信息中的关键词;对所述关键词利用预先训练的预测模型进行语义分析,得到所述第一输入信息对应的第一情绪值;当所述第一情绪值低于预设阈值时,将所述当前会话的服务通道切换至人工服务通道;当所述第一情绪值不低于预设阈值时,从预设的第一数据库中获取与所述第一输入信息匹配的目标应答信息反馈至所述第一终端。本申请可以识别用户的情绪值,基于用户的情绪值执行客服通道的切换,使得客服通道的切换更加灵活,提高客服服务效率。
Description
技术领域
本申请涉及计算机应用技术领域,特别是涉及一种智能客服与人工客服的切换方法、装置及计算机设备。
背景技术
客服是现代商业重要组成部分,是客户与商家沟通的桥梁。最初的客服是人工客服,人工客服优点是人与人沟通更亲切,人工客服能读懂对方的情绪,可以安抚客户情绪,提升客户满意度。然而,人工客服人力投入巨大,为了节省人力,智能客服应运而生。智能客服用计算机替代人工,为客户提供服务,可以节省大量人力成本。但是智能客服答案机器化,不能及时调整答案,容易影响客户的满意度。因此,目前大多数客服系统采用智能客服与人工客服结合的方法。在智能客服无法解决客户问题时,转到人工客服。
在现有的智能客服与人工客服结合的技术中,当智能客服与用户的会话轮次超过预定阈值时,转接人工客服。这种方式在大多数情况下捕捉不到合适的由机器人客服到人工客服的转接点,例如机器人客服正在与用户进行多轮次的有效交互,虽然达到了预定的阈值,但并没有遇到需要人工介入的服务障碍,此时突然转人工服务,影响了当前的交互进度,且增加了人工客服不必要的额外工作;另外,当用户想尽快得到答复时,因达到预定阈值而被打断,容易影响交互效率。因此,现有技术中,在进行智能客服切换至人工客服时,切换机制不够灵活,影响客服的服务效率。
发明内容
基于此,有必要针对上述技术问题,提供一种能够识别用户的情绪值,基于用户的情绪值执行客服通道的切换,使得客服通道的切换更加灵活,提高客服服务效率的智能客服与人工客服的切换方法、装置、计算机设备和存储介质。
一种智能客服与人工客服的切换方法,所述方法包括:
接收当前会话中第一终端提交的第一输入信息;
提取所述第一输入信息中的关键词;
对所述关键词利用预先训练的预测模型进行语义分析,得到所述第一输入信息对应的第一情绪值;
当所述第一情绪值低于预设阈值时,将所述当前会话的服务通道切换至人工服务通道;
当所述第一情绪值不低于预设阈值时,从预设的第一数据库中获取与所述第一输入信息匹配的目标应答信息反馈至所述第一终端。
在其中一个实施例中,提取所述第一输入信息中的关键词,包括:
将所述第一输入信息转换成文本信息;
对所述文本信息进行结巴分词得到多个词组;
从所述多个词组中选取所述关键词。
在其中一个实施例中,所述对所述关键词利用预先训练的预测模型进行语义分析,得到所述第一输入信息对应的第一情绪值,包括:
对各个关键词组利用预设的词向量生成算法转换成对应的第一词向量;
对各个第一词向量利用预设的主成分分析算法进行降维处理,得到多个第二词向量;
将多个第二词向量输入所述预测模型进行语义分析,得到各个关键词对应的第二情绪值;
根据各个第二情绪值确定所述第一情绪值。
在其中一个实施例中,所述第一数据库中包括问题组与应答信息组的映射关系,所述问题组中包括一个标准问题及多个相关问题,所述应答信息组中包括多个第一应答信息以及各个第一应答信息的评分信息,所述从预设的第一数据库中获取与所述第一输入信息对应的目标应答信息反馈至所述第一终端,包括:
根据所述关键词从所述第一数据库中获取与所述关键词匹配的问题类别;
若所述问题类别中存在与所述关键词匹配的所述标准问题,则获取该标准问题对应的全部第一应答信息;
选取所述评分信息最高的第一应答信息作为所述第一输入信息对应的目标应答信息;
若所述问题类别中不存在与所述关键词匹配的所述标准问题,则获取与所述关键词匹配的相关问题;
获取所述相关问题对应的全部第一应答信息;
选取所述评分信息最高的第一应答信息作为所述第一输入信息对应的目标应答信息。
在其中一个实施例中,所述方法还包括:
获取预先构建的第二数据库中的当前待测试问题,获取所述当前待测试问题对应的第二应答信息组中的当前第二应答信息,所述第二数据库中包括待测试问题与第二应答信息组的映射关系,所述第二应答信息组包括多个第二应答信息;
在接收到与所述当前待测试问题匹配的第一输入信息时,将所述当前第二应答信息作为所述第一输入信息对应的目标应答信息反馈至所述第一终端;
获取指定时间段内,不同用户标识对应的待测试会话记录,所述待测试会话记录中包含所述当前待测试问题以及所述当前第二应答信息;
提取不同用户标识对应的待测试会话记录中的第一输入信息,分别获取各个用户标识对应的第一输入信息的第一情绪值;
计算各个第一情绪值的平均值,以该平均值作为该当前第二应答信息对应的满意分值;
判断该满意分值是否高于预设阈值,若是,则将所述当前待测试问题以及当前第二应答信息更新至所述第一数据库中;
否则,从所述当前待测试问题对应的第二应答信息组中获取新的第二应答信息;
以该新的第二应答信息作为所述当前第二应答信息,返回至在接收到与所述当前待测试问题匹配的第一输入信息时,将所述当前第二应答信息作为所述第一输入信息对应的目标应答信息反馈至所述第一终端的步骤。
在其中一个实施例中,所述方法还包括:
获取所述人工服务通道中第二终端发送的用于应答所述第一输入信息的第二输入信息;
将所述第一输入信息作为所述待测试问题,将所述第二输入信息作为所述待测试问题对应的第二应答信息更新至所述第二数据库中。
在其中一个实施例中,所述当所述第一情绪值低于预设阈值时,将所述当前会话的服务通道切换至人工服务通道,包括:
当所述第一情绪值低于预设阈值时,在用户界面中显示人工服务通道的接入选项;
当接收到所述人工服务通道的接入选项的选取指令时,将所述当前会话切换至人工服务的通道,以进行人工应答处理。
一种机器人客服与人工客服的切换装置,所述装置包括:
接收模块,用于接收当前会话中第一终端提交的第一输入信息;
提取模块,用于提取所述第一输入信息中的关键词;
分析模块,用于对所述关键词利用预先训练的预测模型进行语义分析,得到所述第一输入信息对应的第一情绪值;
切换模块,用于当所述第一情绪值低于预设阈值时,将所述当前会话的服务通道切换至人工服务通道;
反馈模块,用于从预设的第一数据库中获取与所述第一输入信息匹配的目标应答信息反馈至所述第一终端。
一种计算机设备,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计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例方法的步骤。
上述的智能客服与人工客服的切换方法、装置及计算机设备,所述方法通过接收当前会话中第一终端提交的第一输入信息;提取所述第一输入信息中的关键词;对所述关键词利用预先训练的预测模型进行语义分析,得到所述第一输入信息对应的第一情绪值;当所述第一情绪值低于预设阈值时,将所述当前会话的服务通道切换至人工服务通道;否则,从预设的第一数据库中获取与所述第一输入信息匹配的目标应答信息反馈至所述第一终端。本申请可以识别用户的情绪值,基于用户的情绪值执行客服通道的切换,使得客服通道的切换更加灵活,提高客服服务效率。
附图说明
图1为本申请一示例性实施例中智能客服与人工客服的切换方法的应用环境图;
图2为本申请一示例性实施例中提供的智能客服与人工客服的切换方法的流程示意图;
图3为本申请一示例性实施例中提供的对关键词利用预先训练的预测模型进行语义分析,得到第一输入信息对应的第一情绪值的流程示意图;
图4为本申请一示例性实施例中提供的从预设的第一数据库中获取与第一输入信息对应的目标应答信息反馈至第一终端的流程示意图;
图5为本申请一示例性实施例中提供的更新第一数据库的流程示意图;
图6为本申请一示例性实施例中提供的机器人客服与人工客服的切换装置的结构框图;
图7为本申请一示例性实施例中提供的计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
请参考图1,图1为本申请一示例性实施例提供的一种智能客服与人工客服的切换方法的应用环境示意图。如图1所示,该智能客服与人工客服的切换系统包括服务器100、第一终端101以及第二终端102。服务器100、第一终端101以及第二终端102通过网络103进行通信。
服务器100用于接收第一终端101提交的第一输入信息,对第一输入信息进行处理得到对应的第一情绪值,依据该第一情绪值执行当前会话的服务通道的切换。当第一情绪值不低于预设阈值时,服务器100从预设的第一数据库中获取与第一输入信息匹配的目标应答信息反馈至第一终端101。服务器100可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
第一终端101用于向服务器100提交第一输入信息,并接收服务器100反馈的第一输入信息对应的目标应答信息。第一终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和台式计算机等。
第二终端102用于向服务器100提交第二输入信息,以便服务器100将第二输入信息更新至预设的第一数据库中。第二终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和台式计算机等。
网络103用于实现服务器100、第一终端101以及第二终端102之间的网络连接。具体的,网络103可以包括多种类型的有线或无线网络。
在一个实施例中,如图2所示,提供了一种智能客服与人工客服的切换方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S11、接收当前会话中第一终端提交的第一输入信息。
本申请中,第一输入信息为用户通过第一终端输入的信息。第一终端将第一输入信息提交至服务器,服务器对第一输入信息进行处理,并进一步依据处理结果执行当前会话的服务通道的切换。
S12、提取第一输入信息中的关键词。
本申请接收第一输入信息后,对第一输入信息进行语句分割得到多个词组,进一步对分割后得到的多个词组中提取关键词。
S13、对关键词利用预先训练的预测模型进行语义分析,得到第一输入信息对应的第一情绪值。
本申请中,预先训练预测模型。预测模型用于对关键词进行语义分析,以得到第一输入信息对应的第一情绪值。
一种可能的设计中,本申请对预测模型进行训练的方案如下:
给定一个训练样本,将该训练样本利用PCA(Principal Component Analysis,主成分分析算法)算法进行降维处理;
将降维处理后的训练样本映射到高斯特征空间;
将映射到高斯特征空间之后的样本作为训练样例进行有监督的机器学习。假设训练样例为:(x(i),y(i)),其中,x(i)为训练样本,y(i)为样本对应的标记,也即本申请中的第一情绪值。
将训练样例(x(i),y(i))转化为SVM(Support Vector Machine,支持向量机)算法所能识别的数据格式;
利用5折交叉验证法获取最优参数组合(c,γ),其中,参数组合(c,γ)为SVM算法中的预设参数。具体的,将训练样例分为5份,每次取其中一个样例做测试,剩下的样例用来进行训练,共需进行5次训练,5次训练完成之后为一轮训练。在执行训练时,将样本的x(i)输入SVM算法,得到对应的Y,将Y与样本的y(i)进行比对得到情绪值的理论值与实际值的误差,依据该误差值确定的评估结果。每执行一次训练,得到该次训练对应的评估结果。一般而言,情绪值的理论值与实际值的误差越小,则评估结果越好。取五次训练的评估结果的平均值,得到该训练样例对应的训练评分,由于每轮训练会选取一个参数组合对应的SVM算法进行训练,因此,针对每一组参数组合可以得到一个训练评分。
通过循环遍历的方式,把每一种候选的参数组合(c,γ),全部调试一遍,最后评分最高的参数组合即为最优参数组合。
使用最优参数组合,通过训练样例进行训练模型,保存训练好的模型。
S14、当第一情绪值低于预设阈值时,将当前会话的服务通道切换至人工服务通道。
本申请中,预先设有人工服务通道以及智能服务通道。本申请可以依据第一情绪值且切换服务通道。
S15、当第一情绪值不低于预设阈值时,从预设的第一数据库中获取与第一输入信息匹配的目标应答信息反馈至第一终端。
本申请中,第一数据中包括问题组与应答信息组的映射关系。通过第一输入信息中的关键词与问题组中的问题进行匹配,获取匹配成功的问题对应的应答信息为目标应答信息反馈至第一终端。
在其中一个实施例中,上述的提取第一输入信息中的关键词,可以包括:将第一输入信息转换成文本信息;对文本信息进行结巴分词得到多个词组;从多个词组中选取键词。
利用结巴分词,将第一输入信息拆分为词组的集合,遍历所有语料库中的所有词语,依据语料库获取词组的集合中的停用词以及近义词,删除其中的停用词,并对其中的近义词进行去重处理。例如,第一输入信息为:“你们银行的开卡业务办理一般需要准备哪些材料?”则输出的关键词为:“开卡”、“业务”、“办理”、“需要”、“准备”、“哪些”以及“材料”。
请参考图3,图3为一种实施例中,对关键词利用预先训练的预测模型进行语义分析,得到第一输入信息对应的第一情绪值的流程示意图。在其中一个实施例中,上述的对关键词利用预先训练的预测模型进行语义分析,得到第一输入信息对应的第一情绪值,可以包括:
S131、对各个关键词组利用预设的词向量生成算法转换成对应的第一词向量。
S132、对各个第一词向量利用预设的主成分分析算法进行降维处理,得到多个第二词向量。
S133、将多个第二词向量输入预测模型进行语义分析,得到各个关键词对应的第二情绪值。
S134、根据各个第二情绪值确定第一情绪值。
本申请中,利用预设的词向量的生成算法,如word2vec算法,将每个词组转化为词向量。例如,第一输入信息为:“你们营业厅几点营业?”,获取关键词为:“营业厅”、“几点”以及“营业”,以维度为3为例,利用word2vec算法计算得到各个词组的词向量,结果如下:
“营业厅”的词向量为:[0.1,0.4,0.5]
“几点”的词向量为:[0.2,0.3,0.5]
“营业”的词向量为:[0.3,0.3,0.4]
其中,词向量的维度可以自己设定,一般维度可以设置为100-200,维度越高,则精度越高,计算量也越大。
进一步的,假设n维样本集为:D=(x(1),x(2),...x(m)),本申请利用预设的主成分分析算法对该样本集进行降维处理的步骤如下:
对样本集中的所有样本的维度进行中心化,其中公式如下:
其中,i对应样本的维度为n,j对应样本容量为m。
计算样本的协方差矩阵XXT;
对矩阵XXT进行特征值分解;
取出最大的k个特征值对应的特征向量(w1w2…wk),将所有的特征向量标准化后,组成特征向量矩阵W;
对样本集中的每一个样本x(i)转化为新的样本z(i)=WTx(i);
得到输出维度为K的样本集D′=(z(1),z(2),...z(m))。
本申请得到各个词组的第二情绪值之后,计算各个第二情绪值的平均值得到该第一输入信息对应的第一情绪值。
进一步的,本申请中,将多个第二词向量输入预测模型进行语义分析,得到各个关键词对应的第二情绪值,具体包括:
将各个第二词向量映射到高斯特征空间;
将映射到高斯特征空间后的各个词向量输入预先训练好的SVM模型中的判决函数;
计算各个词向量与判决函数所构成的判决面上的各个点的欧式距离;
依据欧式距离确定各个词向量的第二情绪值。
进一步的,本申请根据各个第二情绪值确定第一情绪值,具体包括:
计算各个第二情绪值的和;
判断各个第二情绪值的和是否大于等于0;
若是,则确定第一情绪值为+1;
否则,确定第一情绪值为-1。
本申请中,第一情绪值的取值包括+1,0以及-1。其中,+1代表正面情绪,0代表中性情绪,-1代表负面情绪。
请参考图4,图4为一种实施例中,从预设的第一数据库中获取与第一输入信息对应的目标应答信息反馈至第一终端的流程示意图。在其中一个实施例中,上述的第一数据库中包括问题组与应答信息组的映射关系,问题组中包括一个标准问题及多个相关问题,应答信息组中包括多个第一应答信息以及各个第一应答信息的评分信息,上述的从预设的第一数据库中获取与第一输入信息对应的目标应答信息反馈至第一终端,可以包括:
S151、根据关键词从第一数据库中获取与关键词匹配的问题类别。
S152、若问题类别中存在与关键词匹配的标准问题,则获取该标准问题对应的全部第一应答信息。
S153、选取评分信息最高的第一应答信息作为第一输入信息对应的目标应答信息。
S154、若问题类别中不存在与关键词匹配的标准问题,则获取与关键词匹配的相关问题。
S155、获取相关问题对应的全部第一应答信息。
S156、选取评分信息最高的第一应答信息作为第一输入信息对应的目标应答信息。
本申请中,预先构建第一数据库,第一数据库中包括问题组与应答信息组的映射关系,问题组中包括一个标准问题及多个相关问题,应答信息组中包括多个第一应答信息以及各个第一应答信息的评分信息。优选的,通过人工客服输入的评分信息为各个第一应答信息预先设定评分信息。具体的,本申请设定评分信息的方案如下:
在人工服务的过程中,监测人工服务通道的流程是否结束;
当监测到人工服务通道的流程结束之后,在用户界面中显示评分窗口;
接收人工服务通道中第二终端通过评分窗口提交的评分信息,评分信息为当前会话中应答信息的评分信息;
依据评分信息为第一数据库中对应的第一应答信息设定评分信息,若第一应答信息已经存在评分信息,则将当前人工客服提交的评分信息替换原来的评分信息,以将新的评分信息更新至第一数据库中。
一种实施例中,第一数据库的数据结构如下表1:
表1一种实施例中的第一数据库数据结构表
如上表1,该实施例中的第一数据库中包括问题组与第一应答信息组的映射关系。该映射关系中包括两组问题组以及对应的第一应答信息组。其中,第一组问题组中包括一个id号为id1的标准问题以及三个id号分别为:id2、id3以及id4的相关问题。该组问题对应的第一应答信息组中包括两个id号分别为id9以及id10的第一应答信息,该两个第一应答信息对应的评分信息分别为:M1以及M2。第二组问题组中包括:一个id号为id5的标准问题id5以及三个id号分别为:id6、id6以及id8的相关问题。该组问题对应的第一应答信息组中包括3个id号分别为id11、id12以及id13的第一应答信息,该三个第一应答信息对应的评分信息分别为M3,M4以及M5。
请参考图5,图5为一种实施例中,更新第一数据库的流程示意图。在其中一个实施例中,上述的方法还包括:
S161、获取预先构建的第二数据库中的当前待测试问题,获取当前待测试问题对应的第二应答信息组中的当前第二应答信息,第二数据库中包括待测试问题与第二应答信息组的映射关系,第二应答信息组包括多个第二应答信息。
S162、在接收到与当前待测试问题匹配的第一输入信息时,将当前第二应答信息作为第一输入信息对应的目标应答信息反馈至第一终端。
S163、获取指定时间段内,不同用户标识对应的待测试会话记录,待测试会话记录中包含当前待测试问题以及当前第二应答信息。
S164、提取不同用户标识对应的待测试会话记录中的第一输入信息,分别获取各个用户标识对应的第一输入信息的第一情绪值。
S165、计算各个第一情绪值的平均值,以该平均值作为该当前第二应答信息对应的满意分值。
S166、判断该满意分值是否高于预设阈值。
S169、若是,则将当前待测试问题以及当前第二应答信息更新至第一数据库中。
S170、流程结束。
S167、否则,从当前待测试问题对应的第二应答信息组中获取新的第二应答信息。
S168、以该新的第二应答信息作为当前第二应答信息,返回至在接收到与当前待测试问题匹配的第一输入信息时,将当前第二应答信息作为第一输入信息对应的目标应答信息反馈至第一终端的步骤。
本申请中,第二数据库为案例库,该案例库中包括待测试问题与对应的第二应答信息组的映射关系。本申请中,通过人工客服对应的第二终端导入的历史数据构建第二数据库。
具体的,一种可能的设计中,本申请构建第二数据库的具体步骤如下:
获取历史的会话记录中人工客服对应的第二终端发送的各个历史第二输入信息,历史第二输入信息用于应答对应的历史第一输入信息;
获取各个历史第二输入信息对应的历史第一输入信息;
将各个历史第一输入信息作为待测试问题,将对应的第二输入信息分别作为各个待测试问题对应的第二应答信息;
依据各个待测试问题以及对应的第二应答信息构建第二数据库。
本申请中,第一数据与第二数据库可以为同一数据库。在另一种实施例中,第一数据与第二数据库也可以为不同的数据库,具体数据库的创建方式可以根据实际需求设定,在此不做具体限定。
进一步的,本申请中的第二数据库中一个待测试问题对应一个第二应答信息组,第二应答信息组中包括多个第二应答信息。在进行测试时,先获取第二应答信息组中的一个第二应答信息作为当前第二应答信息,同时获取对应的待测试问题作为当前待测试问题进行测试,具体的测试过程即上述的步骤S161-S170。
本申请中,可以基于上述的测试结果确定是否将第二数据库中的待测试问题以及对于的第二应答信息存入第一数据库中,以便后续智能客服调用。优选的,本申请依据所述满意分值为各个第二应答信息进行排序,同时,依据所述满意分值为加入所述第一数据库中的第一应答信息进行排序,并设定各个第一应答信息的优先级。当接收到所述第一输入信息时,依据所述优先级获取与所述第一输入信息匹配的,且优先级高的第一应答信息作为所述目标应答信息反馈至所述第一终端。
具体的,本申请可以选取一段指定时间作为测试时间。在该指定时间内,当接收到不同第一终端发送的与当前待测试问题匹配的第一输入信息时,将当前第二应答信息作为第一输入信息对应的目标应答信息反馈至各个第一终端。并且,获取各个第一终端针对该第二应答信息而反馈的第一输入信息。对接收的各个第一输入信息的第一情绪值进行统计,并计算各个第一情绪值的平均值作为第二应答信息的满意分值。若该满意分值超过预设阈值,则将该第二应答信息以及对应的待测试问题更新至第一数据库中,此时流程结束,否则,继续统计其他的第二应答信息的满意分值,直至其满意分值高于预设阈值。
本申请中,各个第二应答信息与对应的待测试我也构成一个问答对,满意分值是对各个问答对的准确度进行量化评分,表示用户对该问答对的满意度,满意分值越高表示用户对该问答对的满意度越高,满意分值越低表示用户对该问答对的满意度越低。本申请通过该方法实时更新第一数据库中的数据,不断提高第一数据库的准确度。
在其中一个实施例中,上述方法还包括:获取人工服务通道中第二终端发送的用于应答第一输入信息的第二输入信息;将第一输入信息作为待测试问题,将第二输入信息作为待测试问题对应的第二应答信息更新至第二数据库中。
本申请中,当第一情绪值低于预设阈值时,将当前会话的服务通道切换至人工服务通道。在人工服务通道中,获取人工客服的第二终端输入的第二输入信息,将该第二输入信息作为第二应答信息,将该第二输入信息对应的第一输入信息作为待测试问题更新至第二数据库中,以便后续对该第二应答信息的满意分值进行计算,并依据计算结果确定是否将该第二应答信息以及对应的待测试问题更新至第一数据库中。
在其中一个实施例中,上述的当第一情绪值低于预设阈值时,将当前会话的服务通道切换至人工服务通道,包括:
当第一情绪值低于预设阈值时,在用户界面中显示人工服务通道的接入选项;
当接收到人工服务通道的接入选项的选取指令时,将当前会话切换至人工服务的通道,以进行人工应答处理。
本申请中,当第一情绪值低于预设阈值时,在用户界面中显示人工服务通道的接入选项,若用户需要接入人工客服,则选择该接入选项,此时触发进入人工服务通道。若用户不需要接入人工客服,则不选择人工服务通道的接入选项或者选择不接入的选项,此时继续留在智能服务通道。
在一个实施例中,如图6所示,提供了一种机器人客服与人工客服的切换装置,包括:
接收模块11,用于接收当前会话中第一终端提交的第一输入信息;
提取模块12,用于提取第一输入信息中的关键词;
分析模块13,用于对关键词利用预先训练的预测模型进行语义分析,得到第一输入信息对应的第一情绪值;
切换模块14,用于当第一情绪值低于预设阈值时,将当前会话的服务通道切换至人工服务通道;
反馈模块15,用于从预设的第一数据库中获取与第一输入信息匹配的目标应答信息反馈至第一终端。
在其中一个实施例中,上述的提取模块12,包括:
提取单元,用于将第一输入信息转换成文本信息;
对文本信息进行结巴分词得到多个词组;
从多个词组中选取键词。
在其中一个实施例中,上述的分析模块13,包括:
对各个关键词组利用预设的词向量生成算法转换成对应的第一词向量;
对各个第一词向量利用预设的主成分分析算法进行降维处理,得到多个第二词向量;
将多个第二词向量输入预测模型进行语义分析,得到各个关键词对应的第二情绪值;
根据各个第二情绪值确定第一情绪值。
在其中一个实施例中,上述的第一数据库中包括问题组与应答信息组的映射关系,问题组中包括一个标准问题及多个相关问题,应答信息组中包括多个第一应答信息以及各个第一应答信息的评分信息,上述的反馈模块15,包括:
根据关键词从第一数据库中获取与关键词匹配的问题类别;
若问题类别中存在与关键词匹配的标准问题,则获取该标准问题对应的全部第一应答信息;
选取评分信息最高的第一应答信息作为第一输入信息对应的目标应答信息;
若问题类别中不存在与关键词匹配的标准问题,则获取与关键词匹配的相关问题;
获取相关问题对应的全部第一应答信息;
选取评分信息最高的第一应答信息作为第一输入信息对应的目标应答信息。
在其中一个实施例中,上述的反馈模块15,还包括:
第一更新单元,用于获取预先构建的第二数据库中的当前待测试问题,获取当前待测试问题对应的第二应答信息组中的当前第二应答信息,第二数据库中包括待测试问题与第二应答信息组的映射关系,第二应答信息组包括多个第二应答信息;
在接收到与当前待测试问题匹配的第一输入信息时,将当前第二应答信息作为第一输入信息对应的目标应答信息反馈至第一终端;
获取指定时间段内,不同用户标识对应的待测试会话记录,待测试会话记录中包含当前待测试问题以及当前第二应答信息;
提取不同用户标识对应的待测试会话记录中的第一输入信息,分别获取各个用户标识对应的第一输入信息的第一情绪值;
计算各个第一情绪值的平均值,以该平均值作为该当前第二应答信息对应的满意分值;
判断该满意分值是否高于预设阈值,若是,则将当前待测试问题以及当前第二应答信息更新至第一数据库中;
否则,从当前待测试问题对应的第二应答信息组中获取新的第二应答信息;
以该新的第二应答信息作为当前第二应答信息,返回至在接收到与当前待测试问题匹配的第一输入信息时,将当前第二应答信息作为第一输入信息对应的目标应答信息反馈至第一终端的步骤。
在其中一个实施例中,上述的反馈模块15,还包括:
第二更新单元,用于获取人工服务通道中第二终端发送的用于应答第一输入信息的第二输入信息;
将第一输入信息作为待测试问题,将第二输入信息作为待测试问题对应的第二应答信息更新至第二数据库中。
在其中一个实施例中,上述的切换模块14,包括:
切换单元,用于当第一情绪值低于预设阈值时,在用户界面中显示人工服务通道的接入选项;
当接收到人工服务通道的接入选项的选取指令时,将当前会话切换至人工服务的通道,以进行人工应答处理。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是业务处理服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供确定和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的第一终端通过网络连接通信。该计算机程序被处理器执行时以实现一种智能客服与人工客服的切换方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,提供了一种计算机设备,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计算机程序,处理器执行计算机程序时实现以下步骤:
接收当前会话中第一终端提交的第一输入信息;
提取第一输入信息中的关键词;
对关键词利用预先训练的预测模型进行语义分析,得到第一输入信息对应的第一情绪值;
当第一情绪值低于预设阈值时,将当前会话的服务通道切换至人工服务通道;
当第一情绪值不低于预设阈值时,从预设的第一数据库中获取与第一输入信息匹配的目标应答信息反馈至第一终端。
在一个实施例中,处理器执行计算机程序实现上述的提取第一输入信息中的关键词步骤时,具体实现以下步骤:
将第一输入信息转换成文本信息;
对文本信息进行结巴分词得到多个词组;
从多个词组中选取键词。
在一个实施例中,处理器执行计算机程序实现上述的对关键词利用预先训练的预测模型进行语义分析,得到第一输入信息对应的第一情绪值步骤时,具体实现以下步骤:
对各个关键词组利用预设的词向量生成算法转换成对应的第一词向量;
对各个第一词向量利用预设的主成分分析算法进行降维处理,得到多个第二词向量;
将多个第二词向量输入预测模型进行语义分析,得到各个关键词对应的第二情绪值;
根据各个第二情绪值确定第一情绪值。
在一个实施例中,上述的第一数据库中包括问题组与应答信息组的映射关系,问题组中包括一个标准问题及多个相关问题,应答信息组中包括多个第一应答信息以及各个第一应答信息的评分信息,处理器执行计算机程序实现上述的从预设的第一数据库中获取与第一输入信息对应的目标应答信息反馈至第一终端步骤时,具体实现以下步骤:
根据关键词从第一数据库中获取与关键词匹配的问题类别;
若问题类别中存在与关键词匹配的标准问题,则获取该标准问题对应的全部第一应答信息;
选取评分信息最高的第一应答信息作为第一输入信息对应的目标应答信息;
若问题类别中不存在与关键词匹配的标准问题,则获取与关键词匹配的相关问题;
获取相关问题对应的全部第一应答信息;
选取评分信息最高的第一应答信息作为第一输入信息对应的目标应答信息。
在一个实施例中,处理器执行计算机程序时,具体还实现以下步骤:
获取预先构建的第二数据库中的当前待测试问题,获取当前待测试问题对应的第二应答信息组中的当前第二应答信息,第二数据库中包括待测试问题与第二应答信息组的映射关系,第二应答信息组包括多个第二应答信息;
在接收到与当前待测试问题匹配的第一输入信息时,将当前第二应答信息作为第一输入信息对应的目标应答信息反馈至第一终端;
获取指定时间段内,不同用户标识对应的待测试会话记录,待测试会话记录中包含当前待测试问题以及当前第二应答信息;
提取不同用户标识对应的待测试会话记录中的第一输入信息,分别获取各个用户标识对应的第一输入信息的第一情绪值;
计算各个第一情绪值的平均值,以该平均值作为该当前第二应答信息对应的满意分值;
判断该满意分值是否高于预设阈值,若是,则将当前待测试问题以及当前第二应答信息更新至第一数据库中;
否则,从当前待测试问题对应的第二应答信息组中获取新的第二应答信息;
以该新的第二应答信息作为当前第二应答信息,返回至在接收到与当前待测试问题匹配的第一输入信息时,将当前第二应答信息作为第一输入信息对应的目标应答信息反馈至第一终端的步骤。
在一个实施例中,处理器执行计算机程序时具体还实现以下步骤:
获取人工服务通道中第二终端发送的用于应答第一输入信息的第二输入信息;
将第一输入信息作为待测试问题,将第二输入信息作为待测试问题对应的第二应答信息更新至第二数据库中。
在一个实施例中,处理器执行计算机程序实现上述的当第一情绪值低于预设阈值时,将当前会话的服务通道切换至人工服务通道的步骤时,具体实现以下步骤:
当第一情绪值低于预设阈值时,在用户界面中显示人工服务通道的接入选项;
当接收到人工服务通道的接入选项的选取指令时,将当前会话切换至人工服务的通道,以进行人工应答处理。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种智能客服与人工客服的切换方法,所述方法包括:
接收当前会话中第一终端提交的第一输入信息;
提取所述第一输入信息中的关键词;
对所述关键词利用预先训练的预测模型进行语义分析,得到所述第一输入信息对应的第一情绪值;
当所述第一情绪值低于预设阈值时,将所述当前会话的服务通道切换至人工服务通道;
当所述第一情绪值不低于预设阈值时,从预设的第一数据库中获取与所述第一输入信息匹配的目标应答信息反馈至所述第一终端。
2.根据权利要求1所述的方法,其特征在于,提取所述第一输入信息中的关键词,包括:
将所述第一输入信息转换成文本信息;
对所述文本信息进行结巴分词得到多个词组;
从所述多个词组中选取所述关键词。
3.根据权利要求1所述的方法,其特征在于,所述对所述关键词利用预先训练的预测模型进行语义分析,得到所述第一输入信息对应的第一情绪值,包括:
对各个关键词组利用预设的词向量生成算法转换成对应的第一词向量;
对各个第一词向量利用预设的主成分分析算法进行降维处理,得到多个第二词向量;
将多个第二词向量输入所述预测模型进行语义分析,得到各个关键词对应的第二情绪值;
根据各个第二情绪值确定所述第一情绪值。
4.根据权利要求1所述的方法,其特征在于,所述第一数据库中包括问题组与应答信息组的映射关系,所述问题组中包括一个标准问题及多个相关问题,所述应答信息组中包括多个第一应答信息以及各个第一应答信息的评分信息,所述从预设的第一数据库中获取与所述第一输入信息对应的目标应答信息反馈至所述第一终端,包括:
根据所述关键词从所述第一数据库中获取与所述关键词匹配的问题类别;
若所述问题类别中存在与所述关键词匹配的所述标准问题,则获取该标准问题对应的全部第一应答信息;
选取所述评分信息最高的第一应答信息作为所述第一输入信息对应的目标应答信息;
若所述问题类别中不存在与所述关键词匹配的所述标准问题,则获取与所述关键词匹配的相关问题;
获取所述相关问题对应的全部第一应答信息;
选取所述评分信息最高的第一应答信息作为所述第一输入信息对应的目标应答信息。
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:
获取预先构建的第二数据库中的当前待测试问题,获取所述当前待测试问题对应的第二应答信息组中的当前第二应答信息,所述第二数据库中包括待测试问题与第二应答信息组的映射关系,所述第二应答信息组包括多个第二应答信息;
在接收到与所述当前待测试问题匹配的第一输入信息时,将所述当前第二应答信息作为所述第一输入信息对应的目标应答信息反馈至所述第一终端;
获取指定时间段内,不同用户标识对应的待测试会话记录,所述待测试会话记录中包含所述当前待测试问题以及所述当前第二应答信息;
提取不同用户标识对应的待测试会话记录中的第一输入信息,分别获取各个用户标识对应的第一输入信息的第一情绪值;
计算各个第一情绪值的平均值,以该平均值作为该当前第二应答信息对应的满意分值;
判断该满意分值是否高于预设阈值,若是,则将所述当前待测试问题以及当前第二应答信息更新至所述第一数据库中;
否则,从所述当前待测试问题对应的第二应答信息组中获取新的第二应答信息;
以该新的第二应答信息作为所述当前第二应答信息,返回至在接收到与所述当前待测试问题匹配的第一输入信息时,将所述当前第二应答信息作为所述第一输入信息对应的目标应答信息反馈至所述第一终端的步骤。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取所述人工服务通道中第二终端发送的用于应答所述第一输入信息的第二输入信息;
将所述第一输入信息作为所述待测试问题,将所述第二输入信息作为所述待测试问题对应的第二应答信息更新至所述第二数据库中。
7.根据权利要求1所述的方法,其特征在于,所述当所述第一情绪值低于预设阈值时,将所述当前会话的服务通道切换至人工服务通道,包括:
当所述第一情绪值低于预设阈值时,在用户界面中显示人工服务通道的接入选项;
当接收到所述人工服务通道的接入选项的选取指令时,将所述当前会话切换至人工服务的通道,以进行人工应答处理。
8.一种机器人客服与人工客服的切换装置,所述装置包括:
接收模块,用于接收当前会话中第一终端提交的第一输入信息;
提取模块,用于提取所述第一输入信息中的关键词;
分析模块,用于对所述关键词利用预先训练的预测模型进行语义分析,得到所述第一输入信息对应的第一情绪值;
切换模块,用于当所述第一情绪值低于预设阈值时,将所述当前会话的服务通道切换至人工服务通道;
反馈模块,用于从预设的第一数据库中获取与所述第一输入信息匹配的目标应答信息反馈至所述第一终端。
9.一种计算机设备,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计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的智能客服与人工客服的切换方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,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7中任一项所述的智能客服与人工客服的切换方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911087914.5A CN110991178B (zh) | 2019-11-08 | 智能客服与人工客服的切换方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911087914.5A CN110991178B (zh) | 2019-11-08 | 智能客服与人工客服的切换方法、装置及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110991178A true CN110991178A (zh) | 2020-04-10 |
CN110991178B CN110991178B (zh) | 2024-06-28 |
Family
ID=
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111540358A (zh) * | 2020-04-26 | 2020-08-14 | 云知声智能科技股份有限公司 | 人机交互方法、装置、设备和存储介质 |
CN111583023A (zh) * | 2020-05-07 | 2020-08-25 | 中国工商银行股份有限公司 | 业务处理方法、装置和计算机系统 |
CN111901487A (zh) * | 2020-08-13 | 2020-11-06 | 周铭 | 基于大数据处理的用户语音呼叫系统及方法 |
CN112185385A (zh) * | 2020-09-30 | 2021-01-05 | 深圳供电局有限公司 | 一种用于供电领域的智能客户处理方法及系统 |
CN113079263A (zh) * | 2021-03-16 | 2021-07-06 | 京东数字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 |
CN113157371A (zh) * | 2021-04-26 | 2021-07-23 | 平安科技(深圳)有限公司 | 人工客服切换方法、装置、存储介质和计算机设备 |
CN113282737A (zh) * | 2021-07-21 | 2021-08-20 | 中信建投证券股份有限公司 | 人机协作的智能客服对话方法及装置 |
CN114328846A (zh) * | 2022-03-15 | 2022-04-12 | 南京九洲会计咨询有限公司 | 一种用于高校政策咨询的智能客服应答系统及方法 |
CN115460323A (zh) * | 2022-09-06 | 2022-12-09 | 上海浦东发展银行股份有限公司 | 一种智能外呼转人工的方法、装置、设备和存储介质 |
CN117151727A (zh) * | 2023-10-30 | 2023-12-01 | 南通贝瑞斯曼信息科技有限公司 | 基于用户行为分析的客服智能切换方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170212647A1 (en) * | 2014-10-09 | 2017-07-27 | Tencent Technology (Shenzhen) Company Limited | Method for Interactive Response and Apparatus Thereof |
CN107463874A (zh) * | 2017-07-03 | 2017-12-12 | 华南师范大学 | 情绪识别方法及系统、及应用该方法的智能看护系统 |
CN109684455A (zh) * | 2018-12-27 | 2019-04-26 | 深圳前海微众银行股份有限公司 | 智能客服系统的实现方法及装置、设备、可读存储介质 |
CN110033281A (zh) * | 2018-01-11 | 2019-07-19 | 中兴通讯股份有限公司 | 一种智能客服至人工客服转换的方法及装置 |
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170212647A1 (en) * | 2014-10-09 | 2017-07-27 | Tencent Technology (Shenzhen) Company Limited | Method for Interactive Response and Apparatus Thereof |
CN107463874A (zh) * | 2017-07-03 | 2017-12-12 | 华南师范大学 | 情绪识别方法及系统、及应用该方法的智能看护系统 |
CN110033281A (zh) * | 2018-01-11 | 2019-07-19 | 中兴通讯股份有限公司 | 一种智能客服至人工客服转换的方法及装置 |
CN109684455A (zh) * | 2018-12-27 | 2019-04-26 | 深圳前海微众银行股份有限公司 | 智能客服系统的实现方法及装置、设备、可读存储介质 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111540358A (zh) * | 2020-04-26 | 2020-08-14 | 云知声智能科技股份有限公司 | 人机交互方法、装置、设备和存储介质 |
CN111583023A (zh) * | 2020-05-07 | 2020-08-25 | 中国工商银行股份有限公司 | 业务处理方法、装置和计算机系统 |
CN111901487A (zh) * | 2020-08-13 | 2020-11-06 | 周铭 | 基于大数据处理的用户语音呼叫系统及方法 |
CN111901487B (zh) * | 2020-08-13 | 2021-05-21 | 山东泰盈科技有限公司 | 基于大数据处理的用户语音呼叫系统及方法 |
CN113037935A (zh) * | 2020-08-13 | 2021-06-25 | 周铭 | 基于大数据处理的用户语音呼叫系统 |
CN112185385A (zh) * | 2020-09-30 | 2021-01-05 | 深圳供电局有限公司 | 一种用于供电领域的智能客户处理方法及系统 |
CN113079263A (zh) * | 2021-03-16 | 2021-07-06 | 京东数字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 |
CN113157371A (zh) * | 2021-04-26 | 2021-07-23 | 平安科技(深圳)有限公司 | 人工客服切换方法、装置、存储介质和计算机设备 |
CN113282737A (zh) * | 2021-07-21 | 2021-08-20 | 中信建投证券股份有限公司 | 人机协作的智能客服对话方法及装置 |
CN113282737B (zh) * | 2021-07-21 | 2021-11-12 | 中信建投证券股份有限公司 | 人机协作的智能客服对话方法及装置 |
CN114328846A (zh) * | 2022-03-15 | 2022-04-12 | 南京九洲会计咨询有限公司 | 一种用于高校政策咨询的智能客服应答系统及方法 |
CN115460323A (zh) * | 2022-09-06 | 2022-12-09 | 上海浦东发展银行股份有限公司 | 一种智能外呼转人工的方法、装置、设备和存储介质 |
CN117151727A (zh) * | 2023-10-30 | 2023-12-01 | 南通贝瑞斯曼信息科技有限公司 | 基于用户行为分析的客服智能切换方法 |
CN117151727B (zh) * | 2023-10-30 | 2024-02-02 | 南通贝瑞斯曼信息科技有限公司 | 基于用户行为分析的客服智能切换方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10922628B2 (en) | Method and apparatus for machine learning | |
CN112632385B (zh) | 课程推荐方法、装置、计算机设备及介质 | |
US11714861B2 (en) | Query selection method and system | |
CN108986908B (zh) | 问诊数据处理方法、装置、计算机设备和存储介质 | |
CN110993081B (zh) | 一种医生在线推荐方法及系统 | |
CN110021439B (zh) | 基于机器学习的医疗数据分类方法、装置和计算机设备 | |
CN108427707B (zh) | 人机问答方法、装置、计算机设备和存储介质 | |
WO2020237869A1 (zh) | 一种问题意图识别方法、装置、计算机设备及存储介质 | |
EP3567498A1 (en) | Method and device for question response | |
KR102285142B1 (ko) | 챗봇을 위한 학습 데이터 추천 장치 및 방법 | |
CN112016295A (zh) | 症状数据处理方法、装置、计算机设备及存储介质 | |
CN114116998A (zh) | 答复语句生成方法、装置、计算机设备和存储介质 | |
US10984781B2 (en) | Identifying representative conversations using a state model | |
CN112397197A (zh) | 基于人工智能的问诊数据处理方法及装置 | |
CN112528022A (zh) | 主题类别对应的特征词提取和文本主题类别识别方法 | |
TWI816078B (zh) | 樣本分群探勘方法 | |
CN112597292B (zh) | 问题回复推荐方法、装置、计算机设备和存储介质 | |
US11922126B1 (en) | Use of semantic confidence metrics for uncertainty estimation in large language models | |
CN110991178B (zh) | 智能客服与人工客服的切换方法、装置及计算机设备 | |
CN110991178A (zh) | 智能客服与人工客服的切换方法、装置及计算机设备 | |
Fan et al. | A medical pre-diagnosis system for histopathological image of breast cancer | |
CN114068028A (zh) | 医疗问诊数据处理方法及装置、可读存储介质及电子设备 | |
CN110427624B (zh) | 实体关系抽取方法及装置 | |
CN114036267A (zh) | 对话方法及系统 | |
CN111881694A (zh) | 篇章要点检测方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant |