CN111008373A - 智能问答的处理方法、装置、计算机可读介质及电子设备 - Google Patents
智能问答的处理方法、装置、计算机可读介质及电子设备 Download PDFInfo
- Publication number
- CN111008373A CN111008373A CN201911155387.7A CN201911155387A CN111008373A CN 111008373 A CN111008373 A CN 111008373A CN 201911155387 A CN201911155387 A CN 201911155387A CN 111008373 A CN111008373 A CN 111008373A
- Authority
- CN
- China
- Prior art keywords
- account
- question
- information
- user
- response
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 230000004044 response Effects 0.000 claims abstract description 154
- 238000012795 verification Methods 0.000 claims abstract description 119
- 238000012545 processing Methods 0.000 claims description 57
- 238000000034 method Methods 0.000 claims description 47
- 108091027981 Response element Proteins 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 5
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 54
- 238000010586 diagram Methods 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000013475 authorization Methods 0.000 description 6
- 238000003058 natural language processing Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/45—Structures or tools for the administration of authentication
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请的实施例提供了一种智能问答的处理方法、装置、计算机可读介质及电子设备。该智能问答的处理方法包括:获取待校验的帐号信息;识别所述帐号信息对应的帐号特征;根据所述帐号特征,调取与所述帐号特征相对应的帐号校验问题,以基于所述帐号校验问题向用户发起提问;若获取到针对所发起的提问的应答信息,则识别所述应答信息的准确性,基于所述应答信息的准确性确定所述帐号信息是否校验通过。本申请实施例的技术方案可以提高帐号信息校验的灵活性及校验效率。
Description
技术领域
本申请涉及计算机及通信技术领域,具体而言,涉及一种智能问答的处理方法、装置、计算机可读介质及电子设备。
背景技术
目前,互联网行业主要是通过自助电子流的方式帮助用户找回帐号密码,具体地,用户需要填写刚性资料,包括帐号历史绑定的手机号码、邮件以及身份证等信息,然后提交至后台进行人工审核验证。这种方式比较刚性的依赖用户提供的固定资料举证,灵活性较差,并且效率较低。
发明内容
本申请的实施例提供了一种智能问答的处理方法、装置、计算机可读介质及电子设备,进而至少在一定程度上可以提高帐号信息校验的灵活性及校验效率。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种智能问答的处理方法,包括:获取待校验的帐号信息;识别所述帐号信息对应的帐号特征;根据所述帐号特征,调取与所述帐号特征相对应的帐号校验问题,以基于所述帐号校验问题向用户发起提问;若获取到针对所发起的提问的应答信息,则识别所述应答信息的准确性,基于所述应答信息的准确性确定所述帐号信息是否校验通过。
根据本申请实施例的一个方面,提供了一种智能问答的处理装置,包括:获取单元,用于获取待校验的帐号信息;识别单元,用于识别所述帐号信息对应的帐号特征;第一处理单元,用于根据所述帐号特征,调取与所述帐号特征相对应的帐号校验问题,以基于所述帐号校验问题向用户发起提问;第二处理单元,用于在获取到针对所发起的提问的应答信息时,识别所述应答信息的准确性,基于所述应答信息的准确性确定所述帐号信息是否校验通过。
在本申请的一些实施例中,基于前述方案,所述第一处理单元还用于,在识别到所述应答信息存在可疑点时,调取用于对所述帐号信息进行进一步校验的帐号校验问题,以基于对所述帐号信息进行进一步校验的帐号校验问题向所述用户发起提问。
在本申请的一些实施例中,基于前述方案,应答信息存在可疑点的帐号信息所对应的帐号校验问题的数量多于应答信息不存在可疑点的帐号信息所对应的帐号校验问题数量。
在本申请的一些实施例中,基于前述方案,所述帐号校验问题包括至少一个知识点;所述第二处理单元包括:第一确定单元,用于根据针对各个知识点的应答信息的准确性,确定所述用户针对所述各个知识点的应答得分;统计单元,用于根据所述用户针对所述各个知识点的应答得分,统计在与所述用户进行智能问答的过程中,所述用户的应答总得分;第二确定单元,用于根据所述用户的应答总得分,确定所述帐号信息是否校验通过。
在本申请的一些实施例中,基于前述方案,各个知识点对应有至少两个得分值;所述第一确定单元配置为:根据针对所述各个知识点的应答信息的准确性,从所述至少两个得分值中选择与所述准确性相对应的一个得分值作为所述用户针对所述各个知识点的应答得分。
在本申请的一些实施例中,基于前述方案,各个所述得分值对应有问题要素;所述第一处理单元配置为:在向所述用户提问任一知识点之后,获取所述用户针对该知识点的应答得分;根据所述用户针对该知识点的应答得分,确定与所述用户针对该知识点的应答得分所对应的目标问题要素;基于所述目标问题要素,继续向所述用户发起提问。
在本申请的一些实施例中,基于前述方案,所述第二确定单元配置为:若所述应答总得分大于或等于第一阈值,则确定所述帐号信息校验通过;若所述应答总得分小于或等于第二阈值,则确定所述帐号信息校验未通过;若所述应答总得分大于所述第二阈值且小于所述第一阈值,则确定所述帐号信息需要进一步校验。
在本申请的一些实施例中,基于前述方案,所述第一处理单元配置为:根据所述帐号特征,获取所述帐号信息对应的身份信息;根据所述身份信息,调取用于对所述身份信息进行提问的帐号校验问题。
在本申请的一些实施例中,基于前述方案,所述第一处理单元配置为:根据所述帐号特征,获取所述帐号信息对应的帐号状态信息;根据所述帐号状态信息,调取用于对所述帐号状态信息进行提问的帐号校验问题。
在本申请的一些实施例中,基于前述方案,所述第二处理单元配置为:在获取到针对所发起的提问的应答信息之后,根据所述提问的类型,识别所述应答信息中包含的答复要素;根据所述提问对应的答案与所述答复要素,确定所述应答信息的准确性。
在本申请的一些实施例中,基于前述方案,所述第二处理单元配置为:若所述提问的类型是账户信息校验的类型,则通过实体提取模型提取所述应答信息中包含的实体词,并将提取出的实体词作为所述答复要素;若所述提问的类型是行为操作校验的类型,则通过语义识别模型识别所述应答信息的意图,并将识别出的意图作为所述答复要素。
在本申请的一些实施例中,基于前述方案,所述第一处理单元配置为:根据所述帐号特征,生成针对智能客服系统的控制指令;将所述控制指令发送给所述智能客服系统,以使所述智能客服系统根据所述控制指令调取与所述帐号特征相对应的帐号校验问题,并基于所述帐号校验问题向用户发起提问。
根据本申请实施例的一个方面,提供了一种智能问答的处理方法,包括:显示智能问答的用户界面;获取用户在所述用户界面上输入的待校验的帐号信息;在所述用户界面上向用户发起提问,所述提问是基于与所述帐号特征相对应的帐号校验问题所发起的;获取用户在所述用户界面上针对所发起的提问的应答信息;在所述用户界面上显示针对所述帐号信息的校验结果,所述校验结果是基于识别到的所述应答信息的准确性所确定的。
根据本申请实施例的一个方面,提供了一种计算机可读介质,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如上述实施例中所述的智能问答的处理方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的智能问答的处理方法。
在本申请的一些实施例所提供的技术方案中,通过识别帐号信息对应得帐号特征,根据帐号特征调取相对应的帐号校验问题,使得能够针对不同的帐号特征调取与之相对应的帐号校验问题,进而能够实现有针对性的提问,提高了灵活性及处理效率。同时,通过在获取到针对所发起的提问的应答信息时,识别应答信息的准确性,基于应答信息的准确性确定帐号信息是否校验通过,使得能够基于用户的应答信息自动识别出应答信息的准确性,从而能够更高效地实现对帐号信息的校验。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。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他的附图。在附图中:
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图;
图2示出了可以应用本申请实施例的技术方案的另一种示例性系统架构的示意图;
图3示出了根据本申请的一个实施例的智能问答的处理方法的流程图;
图4示出了图3中所示的步骤S340的一种实现过程示意图;
图5至图8示出了根据本申请实施例的智能问答的交互界面示意图;
图9示出了根据本申请的一个实施例的用户与智能客服系统、智能分析引擎及数据库之间的交互过程图;
图10示出了根据本申请的一个实施例的智能分析引擎的具体处理过程图;
图11示出了根据本申请的一个实施例的智能问答的处理装置的框图;
图12示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理(Nature Language processing,NLP)技术以及机器学习/深度学习等几大方向。
本申请的实施例涉及自然语言处理技术,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。
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
如图1所示,系统架构100可以包括终端设备101(终端设备101可以是图1中所示智能手机,当然也可以是平板电脑、便携式计算机、台式计算机等等)、网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线通信链路、无线通信链路等等。
应该理解,图1中的终端设备101和服务器103的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备101和服务器103。比如服务器103可以是多个服务器组成的服务器集群等。
在本申请的一个实施例中,用户可以通过终端设备101提交需要校验的帐号信息,该需要校验的帐号信息可以是需要找回密码的帐号信息、存在安全风险的帐号信息等。服务器103在获取到终端设备101提交的需要校验的帐号信息之后,可以识别出该帐号信息对应的帐号特征,然后根据帐号特征调取与帐号特征相对应的帐号校验问题,并基于该帐号校验问题向终端设备101推送提问的问题,以便于用户进行应答。当用户在终端设备101进行应答之后,终端设备101可以将用户的应答信息通过网络102传输至服务器103,以使服务器103识别该应答信息的准确性,并基于该应答信息的准确性确定帐号信息是否校验通过,进而由服务器103将是否校验通过的结果信息通过网络102反馈给终端设备101。
图2示出了可以应用本申请实施例的技术方案的另一种示例性系统架构的示意图。如图2所示,系统架构200与图1中所示的系统架构100的区别在于:将图1中所示的服务器103替换为智能分析服务器1032和智能客服系统服务器1031。
基于图2所示的系统架构,用户可以通过终端设备101提交需要校验的帐号信息,该需要校验的帐号信息可以是需要找回密码的帐号信息、存在安全风险的帐号信息等。智能客服系统服务器1031在获取到终端设备101提交的需要校验的帐号信息之后,可以将帐号信息发送给智能分析服务器1032,然后由智能分析服务器1032识别出该帐号信息对应的帐号特征,然后向智能客服服务器1031发送控制指令,以使智能客服服务器1031调取与帐号特征相对应的帐号校验问题,并基于该帐号校验问题向终端设备101推送提问的问题,以便于用户进行应答。当用户在终端设备101进行应答之后,终端设备101可以将用户的应答信息通过网络102传输至智能客服系统服务器1031,然后由智能客服系统服务器1031发送给智能分析服务器1032,以使智能分析服务器1032识别该应答信息的准确性,并基于该应答信息的准确性确定帐号信息是否校验通过,进而由智能分析服务器1032向智能客服系统服务器1031发送指令,以使智能客服系统服务器1031将是否校验通过的结果信息通过网络102反馈给终端设备101。
本申请实施例的技术方案使得能够针对不同的帐号特征调取与之相对应的帐号校验问题,进而能够实现有针对性的提问,提高了灵活性及处理效率。同时,通过在获取到针对所发起的提问的应答信息时,识别应答信息的准确性,基于应答信息的准确性确定帐号信息是否校验通过,使得能够基于用户的应答信息自动识别出应答信息的准确性,从而能够更高效地实现对帐号信息的校验。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图3示出了根据本申请的一个实施例的智能问答的处理方法的流程图,该智能问答的处理方法可以由服务器来执行,该服务器可以是图1中所示的服务器103,或者也可以是图2中所示的智能分析服务器1032。参照图3所示,该智能问答的处理方法至少包括步骤S310至步骤S340,详细介绍如下:
在步骤S310中,获取待校验的帐号信息。
在本申请的一个实施例中,可以显示智能问答的用户界面,然后在该用户界面上获取用户输入的待校验的帐号信息。其中,待校验的帐号信息比如可以是需要找回密码的帐号信息、存在安全风险的帐号信息等。
在步骤S320中,识别帐号信息对应的帐号特征。
在本申请的一个实施例中,帐号特征可以是帐号信息是否存在安全风险,如果有安全风险,那么风险等级是多大。比如,如果一个帐号短时间内在多个不同的地区登录,那么可以确定该帐号存在安全风险,对于存在安全风险的帐号信息,在调取相对应的帐号校验问题时,可以有倾向性的调取较多数量的帐号校验问题,或者调取与地区相关的帐号校验问题。
在本申请的一个实施例中,帐号特征还可以是帐号的用途,比如帐号是用于聊天还是玩游戏,如果是用于聊天,就调取与聊天相关的校验问题;如果是用于玩游戏,就调取与游戏相关的帐号校验问题。
在本申请的一个实施例中,帐号特征还可以是帐号所对应的用户信息,比如用户的年龄段、职业等信息。进而可以调取与用户信息相关联的帐号校验问题。
继续参照图3所示,在步骤S330中,根据帐号特征,调取与帐号特征相对应的帐号校验问题,以基于帐号校验问题向用户发起提问。
在本申请的一个实施例中,可以获取帐号信息对应的身份信息,然后根据身份信息调取用于对身份信息进行提问的帐号校验问题。该身份信息可以包括姓名、证件号、年龄等。
在本申请的一个实施例中,可以获取帐号信息对应的帐号状态信息,然后根据帐号状态信息,调取用于对帐号状态信息进行提问的帐号校验问题。该帐号状态信息比如可以包括注册地、注册时间、使用用途等。
在本申请的一个实施例中,如果是由智能客服系统向用户发起提问,那么可以根据帐号特征生成针对智能客服系统的控制指令,然后将该控制指令发送给智能客服系统,以使智能客服系统根据该控制指令调取与帐号特征相对应的帐号校验问题,并基于该帐号校验问题向用户发起提问。
继续参照图3所示,在步骤S340中,若获取到针对所发起的提问的应答信息,则识别应答信息的准确性,基于应答信息的准确性确定帐号信息是否校验通过。
在本申请的一个实施例中,可以在获取到针对所发起的提问的应答信息之后,根据提问的类型识别应答信息中包含的答复要素,然后根据该提问对应的答案与该答复要素,确定应答信息的准确性。具体而言,如果提问的类型是账户信息校验的类型,则可以通过实体提取模型提取应答信息中包含的实体词,并将提取出的实体词作为答复要素,如提取出“姓名”、“登录地址”等实体词作为答复要素。如果提问的类型是行为操作校验的类型,则可以通过语义识别模型识别应答信息的意图,并将识别出的意图作为答复要素,如提问的问题是“帐号平时用来做什么”,那么可以通过语义识别模型从应答信息中识别出“玩游戏”、“聊天”等意图,进而将识别出的意图作为答复要素。
在本申请的一个实施例中,在对用户的应答信息进行识别的过程中,若识别到用户的应答信息存在可疑点,则可以调取用于对帐号信息进行进一步校验的帐号校验问题,以基于对帐号信息进行进一步校验的帐号校验问题向用户发起提问。可选地,应答信息存在可疑点的帐号信息所对应的帐号校验问题的数量多于应答信息不存在可疑点的帐号信息所对应的帐号校验问题数量,这样可以针对应答信息存在可疑点的帐号信息进行多个问题的校验,以保证安全性。
在本申请的一个实施例中,应答信息存在可疑点可以是应答信息与该提问的真实答案存在差异(如不相同)。
在本申请的一个实施例中,在帐号校验问题包括至少一个知识点的情况下,步骤S340中基于应答信息的准确性确定帐号信息是否校验通过的过程具体可以如图4所示,包括如下步骤:
步骤S410,根据针对各个知识点的应答信息的准确性,确定用户针对各个知识点的应答得分。
在本申请的一个实施例中,各个知识点对应有至少两个得分值,那么可以根据针对各个知识点的应答信息的准确性,从这至少两个得分值中选择与应答信息的准确性相对应的一个得分值作为用户针对各个知识点的应答得分。比如,某个知识点对应有两个得分值,一个正值和一个负值,如果针对该知识点的应答信息是准确的,那么可以将该知识点对应的正值作为用户针对该知识点的应答得分;如果针对该知识点的应答信息是不准确的,那么可以将该知识点对应的负值作为用户针对该知识点的应答得分。
在本申请的一个实施例中,各个得分值对应有问题要素,那么在向用户提问任一知识点之后,可以获取用户针对该知识点的应答得分,然后根据用户针对该知识点的应答得分,确定与用户针对该知识点的应答得分所对应的目标问题要素,进而基于该目标问题要素,继续向用户发起提问。
在本申请的一个实施例中,问题要素可以是需要提问的问题的主要内容,比如问题要素可以是注册地址,那么基于该问题要素向用户发起提问时可以是询问帐号的注册地信息。
步骤S420,根据用户针对各个知识点的应答得分,统计在与用户进行智能问答的过程中,用户的应答总得分。
在本申请的一个实施例中,可以将用户在智能问答过程中针对各个知识点的应答得分进行累加,以得到用户的应答总得分。
步骤S430,根据用户的应答总得分,确定帐号信息是否校验通过。
在本申请的一个实施例中,可以根据用户的应答总得分所处的区间,确定帐号信息是否校验通过。比如,若应答总得分大于或等于第一阈值,则确定该帐号信息校验通过;若应答总得分小于或等于第二阈值,则确定帐号信息校验未通过;若应答总得分大于第二阈值且小于第一阈值,则确定帐号信息需要进一步校验,比如可以将帐号信息推送给人工客户进行进一步校验。
以下结合图5至图10,以找回帐号密码进行智能问答的场景为例,对本申请实施例的技术方案进行详细阐述:
在本申请的一个实施例中,如图5所示,当用户进入智能客服系统询问找回帐户密码、帐号被盗相关问题时,智能客服系统会引导用户提供帐号信息。当用户提供帐号信息之后,如图5中501所示,为了确保用户个人信息安全的合法权益,智能客服系统会询问用户是否同意授权,如果用户选择同意授权才会进行下一步处理,比如询问用户的手机号码等信息。
在本申请的一个实施例中,当智能客服系统获取到用户的基本帐号信息后,可以将帐号信息传输给智能分析引擎,然后智能分析引擎会进行帐号数据校验,识别用户类型,然后根据不同的用户类型来决定智能客服系统第一句开始发问的话术。其中,该用户类型用于表示帐号信息的属性信息或者帐号状态,比如若用户类型表示帐号的用途是用于聊天的,那么可以提问与聊天相关的问题;若用户类型表示帐号的用途是用于玩游戏的,那么可以提问与玩游戏相关的问题。
在本申请的一个实施例中,智能分析引擎也可以识别用户帐号的特征和属性,譬如可以准确判断帐号注册的实名、注册地点以及帐号是否有借给他人使用,然后可以根据用户帐号的特征与属性,如图6所示,调用智能客服系统以多轮交互的方式主动反问用户并收集用户回答的内容,并智能分析用户回答内容的可信度。
在本申请的一个实施例中,若智能分析引擎识别到用户回答的内容存在可疑点,会进行针对性的提问。具体地,如图6中所示,智能客服系统发起的一个提问是“请问该xx号码有没有其他的人使用过?”,用户回答的内容是“没有的”。在这种情况下,若智能分析引擎识别到用户回答的内容存在可疑点,则可以如图7中701所示,调用智能客服系统进行针对性的提问“嗯,但是我们核实该xx号码历史有其他人使用的痕迹,您确认没有他人使用过吗?”。
在本申请的一个实施例中,智能分析引擎可以结合帐号信息的状态,分析识别用户回答内容的真伪,然后再根据用户回答的内容,继续向用户发起提问。在这种情况下,若用户回答的内容存在可疑点,那么在继续发起提问的过程中,用户回答的内容露出的破绽就越多,在演绎逻辑的推理下,用户的破绽越多就能越容易越准确地锁定为不可信用户。具体地,如图7中702所示,智能客服系统发起的一个提问是“该xx是否有绑定yy呢?”,用户回答的内容是“有绑定的”;然后可以继续发起提问“该xx是否有绑定银行卡呢?”,用户回答的内容是“有绑定银行卡”,当智能分析引擎确定用户的回答是正确的,那么继续发起提问“麻烦您提供下银行卡的后四位”。
在本申请的一个实施例中,智能分析引擎也可以识别到用户帐号的常登录地址,进而可以如图8所示,通过反问用户的居住城市,以进一步确认用户信息的可信度。
在本申请的一个实施例中,如图8中801所示,当提问完成之后,可以向用户反馈通知信息。在该实施例中,可以模拟客服先收集用户反馈问题,再滞后答复用户处理结果的方式,这样的方式使得用户能够像感知到人工客服一样,将其问题提交至后台处理。同时,可以确保用户的利益最大化,防止出现风控风险事件,保障解决用户的找密问题不会出现纰漏。
在本申请的一个实施例中,如图9所示,用户与前述的智能客服系统、智能分析引擎及数据库之间的交互过程,可以包括如下步骤:
步骤901,用户向智能客服系统发起找回帐号密码的请求。
步骤902,智能客服系统询问用户提供帐号信息。
步骤903,用户向智能客服系统提供帐号信息。
步骤904,智能客服系统询问用户来获取授权信息。
在本申请的一个实施例中,当智能客服系统获取到用户的语料数据(包括用户发起的请求等)之后,可以调起智能客服系统的语料库,通过分词的方法解析用户的语料数据,以获取到用户的真实意图,从而调动智能客服系统的问题库,问题库能够根据用户当前回复内容,进行一轮自动反问用户,以此来获取用户回答的内容信息。
步骤905,用户确认授权。
在本申请的一个实施例中,用户可以在公众号、小程序页面或者其它页面中通过点击按钮来确认授权,进而可以通过配置的应用程序编程接口(Application ProgrammingInterface,简称API)调起智能分析引擎,以激活智能分析引擎。
在本申请的一个实施例中,也可以不需要用户确认授权,而是在用户提供帐号信息之后,就可以激活智能分析引擎。
步骤906,智能分析引擎从数据库中调取用户身份信息。
步骤907,智能分析引擎从数据库中获取到数据库提供的用户身份信息。当智能分析引擎获取到用户身份信息之后,可以暂时保存数据库提供的用户身份信息。
步骤908,智能分析引擎下达指令给智能客服系统。
步骤909,智能客服系统向用户提问身份信息。
在本申请的一个实施例中,智能客服系统的问题库中配置了获取智能分析引擎数据的接口,通过该接口可以获取到智能分析引擎下达的指令,然后可以调起问题库中设置有层次1的反问用户问题的知识点(这些知识点的结构可以是知识树模型),然后将这些知识点传输给智能客服系统的前端,由智能客服系统的前端转换成反问用户身份信息的内容呈现给用户的交互界面。
步骤910,用户提供身份信息。该身份信息通过智能客服系统传输给智能分析引擎。智能分析引擎在获取到用户提供的身份信息后,会识别用户提供的身份信息的真伪,然后将分析结果进行保存。
步骤911,智能分析引擎从数据库中调取用户帐号状态信息。该用户帐号状态信息包括帐号的注册地、注册时间、使用途径等信息。
步骤912,智能分析引擎从数据库中获取到数据库提供的用户帐号状态信息。当智能分析引擎获取到用户帐号状态信息之后,可以暂时保存数据库提供的用户帐号状态信息。
步骤913,智能分析引擎下达指令给智能客服系统。
步骤914,智能客服系统向用户提问用户帐号状态信息。其中,智能客服系统在接收到智能分析引擎下达的指令后,可以调起问题库中设置有层次2的反问用户问题的知识点(这些知识点的结构可以是知识树模型),然后将这些知识点传输给智能客服系统的前端,由智能客服系统的前端转换成反问用户帐号状态信息的内容呈现给用户的交互界面。
步骤915,用户提供帐号状态信息。该帐号状态信息通过智能客服系统传输给智能分析引擎。
步骤916,智能分析引擎分析用户答复信息的真伪。具体地,智能分析引擎在获取到用户提供的帐号状态信息后,会与从数据库中获取到的用户帐号状态信息进行比对,继续识别用户答复信息的真伪,然后将分析结果进行保存。
步骤917,智能分析引擎在分析完用户答复信息之后,向智能客服系统发送指令,以使智能客服系统告知用户等待处理结果。
步骤918,智能客服系统告知用户等待处理结果。
在本申请的一个实施例中,如图10所示,智能分析引擎的具体处理过程可以包括如下步骤:
步骤S1001,智能分析引擎在获取到智能客服系统发送的用户应答信息之后进行分析。
具体而言,智能分析引擎可以通过API接口获取到数据库中存储的用户身份信息及用户帐号状态数据,然后将用户答复的信息与从数据库获取到的进行比对,并根据比对结果下达指令给问题库进行下一步的处理。可选地,智能分析引擎可以在智能客服系统获取到用户答复的信息之后再激活进行工作。
在本申请的一个实施例中,智能分析引擎可以根据每个提问的问题中的问题要素识别用户答复内容中的信息。比如,对于帐户信息校验的问题,如“姓名”、“登录地址”等,可以通过BiLSTM模型+crf(Conditional Random Fields,条件随机场)模型进行实体抽取,以获取用户答复中的姓名/地址。对于行为操作校验的问题,如“平时帐号用来做什么”,可以通过语义匹配模型,匹配到用户答复中的“玩游戏”、“聊天”等信息。当智能分析引擎在抽取得到用户答复中的实体或意图之后,可以结合从数据库中获取到的数据进行解析对比,判断用户答复内容的真伪。
步骤S1002,智能分析引擎确定针对提问的各个知识点的得分。
在本申请的一个实施例中,智能客服系统的问题库中可以搭建知识树模型,知识树模型由多个知识点构造而成,每个知识点可以设置两个值,分别为正向值和负向值,每个值设置有问题要素,且配置有用于接收智能分析引擎下达的指令的API接口。
譬如,智能分析引擎解析用户答复的信息是正确的,为正向值,然后可以赋予A值下达指令给问题库,问题库会调取正向值为A值的问题要素,下发给智能客服系统的前端,由智能客服系统的前端继续反问用户问题。反之,若用户答复的信息是错误的,为负向值,那么智能分析引擎会赋予-B值下达指令给问题库,问题库会调取负向值为-B值的问题要素,下发给智能客服的前端继续反问用户。
步骤S1003,智能分析引擎进行统计分析,确定处理结果。
在本申请的一个实施例中,当向用户提问完成之后,智能分析引擎会统计用户针对各个知识点的得分,然后下达指令给智能客服系统。比如,若总得分≥X值,则由智能客服系统的前端通知用户通过了找回密码的请求;若总得分≤-Y值,则由智能客服系统的前端通知用户驳回找回密码请求;若-Y值<总得分<X值,则由智能客服系统将该帐号信息分流至人工客服进行处理。
在本申请的一个实施例中,也可以在向用户提问完成之后,就将用户答复的内容提交至人工客服进行同步处理。
本申请上述实施例的技术方案通过模拟人工交互服务的方式,可以对用户信息及帐号的异常情况进行识别并进行多轮的追问,既能保证用户的交互习惯,也能更加人性化、智能化、高效化的解决用户的问题。同时,可以通过用户的帐号数据与交互数据的收集,结合智能分析引擎的分析能力,帮助更多用户尽快找回密码,经过实验,本申请实施例的技术方案的决策率能达到80%,减轻了人工服务压力,并且可以提高找密的灵活性及效率。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的智能问答的处理方法。对于本申请装置实施例中未披露的细节,请参照本申请上述的智能问答的处理方法的实施例。
图11示出了根据本申请的一个实施例的智能问答的处理装置的框图。
参照图11所示,根据本申请的一个实施例的智能问答的处理装置1100,包括:获取单元1102、识别单元1104、第一处理单元1106和第二处理单元1108。
其中,获取单元1102用于获取待校验的帐号信息;识别单元1104用于识别所述帐号信息对应的帐号特征;第一处理单元1106用于根据所述帐号特征,调取与所述帐号特征相对应的帐号校验问题,以基于所述帐号校验问题向用户发起提问;第二处理单元1108用于在获取到针对所发起的提问的应答信息时,识别所述应答信息的准确性,基于所述应答信息的准确性确定所述帐号信息是否校验通过。
在本申请的一些实施例中,基于前述方案,第一处理单元1106还用于,在识别到所述应答信息存在可疑点时,调取用于对所述帐号信息进行进一步校验的帐号校验问题,以基于对所述帐号信息进行进一步校验的帐号校验问题向所述用户发起提问。
在本申请的一些实施例中,基于前述方案,应答信息存在可疑点的帐号信息所对应的帐号校验问题的数量多于应答信息不存在可疑点的帐号信息所对应的帐号校验问题数量。
在本申请的一些实施例中,基于前述方案,所述帐号校验问题包括至少一个知识点;第二处理单元1108包括:第一确定单元,用于根据针对各个知识点的应答信息的准确性,确定所述用户针对所述各个知识点的应答得分;统计单元,用于根据所述用户针对所述各个知识点的应答得分,统计在与所述用户进行智能问答的过程中,所述用户的应答总得分;第二确定单元,用于根据所述用户的应答总得分,确定所述帐号信息是否校验通过。
在本申请的一些实施例中,基于前述方案,各个知识点对应有至少两个得分值;所述第一确定单元配置为:根据针对所述各个知识点的应答信息的准确性,从所述至少两个得分值中选择与所述准确性相对应的一个得分值作为所述用户针对所述各个知识点的应答得分。
在本申请的一些实施例中,基于前述方案,各个所述得分值对应有问题要素;第一处理单元1106配置为:在向所述用户提问任一知识点之后,获取所述用户针对该知识点的应答得分;根据所述用户针对该知识点的应答得分,确定与所述用户针对该知识点的应答得分所对应的目标问题要素;基于所述目标问题要素,继续向所述用户发起提问。
在本申请的一些实施例中,基于前述方案,第二处理单元1108配置为:若所述应答总得分大于或等于第一阈值,则确定所述帐号信息校验通过;若所述应答总得分小于或等于第二阈值,则确定所述帐号信息校验未通过;若所述应答总得分大于所述第二阈值且小于所述第一阈值,则确定所述帐号信息需要进一步校验。
在本申请的一些实施例中,基于前述方案,第一处理单元1106配置为:根据所述帐号特征,获取所述帐号信息对应的身份信息;根据所述身份信息,调取用于对所述身份信息进行提问的帐号校验问题。
在本申请的一些实施例中,基于前述方案,第一处理单元1106配置为:根据所述帐号特征,获取所述帐号信息对应的帐号状态信息;根据所述帐号状态信息,调取用于对所述帐号状态信息进行提问的帐号校验问题。
在本申请的一些实施例中,基于前述方案,第二处理单元1108配置为:在获取到针对所发起的提问的应答信息之后,根据所述提问的类型,识别所述应答信息中包含的答复要素;根据所述提问对应的答案与所述答复要素,确定所述应答信息的准确性。
在本申请的一些实施例中,基于前述方案,第二处理单元1108配置为:若所述提问的类型是账户信息校验的类型,则通过实体提取模型提取所述应答信息中包含的实体词,并将提取出的实体词作为所述答复要素;若所述提问的类型是行为操作校验的类型,则通过语义识别模型识别所述应答信息的意图,并将识别出的意图作为所述答复要素。
在本申请的一些实施例中,基于前述方案,第一处理单元1106配置为:根据所述帐号特征,生成针对智能客服系统的控制指令;将所述控制指令发送给所述智能客服系统,以使所述智能客服系统根据所述控制指令调取与所述帐号特征相对应的帐号校验问题,并基于所述帐号校验问题向用户发起提问。
图12示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图12示出的电子设备的计算机系统1200仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图12所示,计算机系统1200包括中央处理单元(Central Processing Unit,CPU)1201,其可以根据存储在只读存储器(Read-Only Memory,ROM)1202中的程序或者从存储部分1208加载到随机访问存储器(Random Access Memory,RAM)1203中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 1203中,还存储有系统操作所需的各种程序和数据。CPU 1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(Input/Output,I/O)接口1205也连接至总线1204。
以下部件连接至I/O接口1205:包括键盘、鼠标等的输入部分1206;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1207;包括硬盘等的存储部分1208;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1209。通信部分1209经由诸如因特网的网络执行通信处理。驱动器1210也根据需要连接至I/O接口1205。可拆卸介质1211,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1210上,以便于从其上读出的计算机程序根据需要被安装入存储部分1208。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分1209从网络上被下载和安装,和/或从可拆卸介质1211被安装。在该计算机程序被中央处理单元(CPU)1201执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (15)
1.一种智能问答的处理方法,其特征在于,包括:
获取待校验的帐号信息;
识别所述帐号信息对应的帐号特征;
根据所述帐号特征,调取与所述帐号特征相对应的帐号校验问题,以基于所述帐号校验问题向用户发起提问;
若获取到针对所发起的提问的应答信息,则识别所述应答信息的准确性,基于所述应答信息的准确性确定所述帐号信息是否校验通过。
2.根据权利要求1所述的智能问答的处理方法,其特征在于,在基于所述应答信息的准确性确定所述帐号信息是否校验通过之前,所述处理方法还包括:
若识别到所述应答信息存在可疑点,则调取用于对所述帐号信息进行进一步校验的帐号校验问题,以基于对所述帐号信息进行进一步校验的帐号校验问题向所述用户发起提问。
3.根据权利要求2所述的智能问答的处理方法,其特征在于,应答信息存在可疑点的帐号信息所对应的帐号校验问题的数量多于应答信息不存在可疑点的帐号信息所对应的帐号校验问题数量。
4.根据权利要求1所述的智能问答的处理方法,其特征在于,所述帐号校验问题包括至少一个知识点;
基于所述应答信息的准确性确定所述帐号信息是否校验通过,包括:
根据针对各个知识点的应答信息的准确性,确定所述用户针对所述各个知识点的应答得分;
根据所述用户针对所述各个知识点的应答得分,统计在与所述用户进行智能问答的过程中,所述用户的应答总得分;
根据所述用户的应答总得分,确定所述帐号信息是否校验通过。
5.根据权利要求4所述的智能问答的处理方法,其特征在于,各个知识点对应有至少两个得分值;
根据针对各个知识点的应答信息的准确性,确定所述用户针对所述各个知识点的应答得分,包括:
根据针对所述各个知识点的应答信息的准确性,从所述至少两个得分值中选择与所述准确性相对应的一个得分值作为所述用户针对所述各个知识点的应答得分。
6.根据权利要求5所述的智能问答的处理方法,其特征在于,各个所述得分值对应有问题要素;
基于所述帐号校验问题向用户发起提问,包括:
在向所述用户提问任一知识点之后,获取所述用户针对该知识点的应答得分;
根据所述用户针对该知识点的应答得分,确定与所述用户针对该知识点的应答得分所对应的目标问题要素;
基于所述目标问题要素,继续向所述用户发起提问。
7.根据权利要求4所述的智能问答的处理方法,其特征在于,根据所述用户的应答总得分,确定所述帐号信息是否校验通过,包括:
若所述应答总得分大于或等于第一阈值,则确定所述帐号信息校验通过;
若所述应答总得分小于或等于第二阈值,则确定所述帐号信息校验未通过;
若所述应答总得分大于所述第二阈值且小于所述第一阈值,则确定所述帐号信息需要进一步校验。
8.根据权利要求1所述的智能问答的处理方法,其特征在于,根据所述帐号特征,调取与所述帐号特征相对应的帐号校验问题,包括:
获取所述帐号信息对应的身份信息,根据所述身份信息调取用于对所述身份信息进行提问的帐号校验问题;和/或
获取所述帐号信息对应的帐号状态信息,根据所述帐号状态信息,调取用于对所述帐号状态信息进行提问的帐号校验问题。
9.根据权利要求1所述的智能问答的处理方法,其特征在于,识别所述应答信息的准确性,包括:
在获取到针对所发起的提问的应答信息之后,根据所述提问的类型,识别所述应答信息中包含的答复要素;
根据所述提问对应的答案与所述答复要素,确定所述应答信息的准确性。
10.根据权利要求9所述的智能问答的处理方法,其特征在于,根据所述提问的类型,识别所述应答信息中包含的答复要素,包括:
若所述提问的类型是账户信息校验的类型,则通过实体提取模型提取所述应答信息中包含的实体词,并将提取出的实体词作为所述答复要素;
若所述提问的类型是行为操作校验的类型,则通过语义识别模型识别所述应答信息的意图,并将识别出的意图作为所述答复要素。
11.根据权利要求1至10中任一项所述的智能问答的处理方法,其特征在于,根据所述帐号特征,调取与所述帐号特征相对应的帐号校验问题,以基于所述帐号校验问题向用户发起提问,包括:
根据所述帐号特征,生成针对智能客服系统的控制指令;
将所述控制指令发送给所述智能客服系统,以使所述智能客服系统根据所述控制指令调取与所述帐号特征相对应的帐号校验问题,并基于所述帐号校验问题向用户发起提问。
12.一种智能问答的处理方法,其特征在于,包括:
显示智能问答的用户界面;
获取用户在所述用户界面上输入的待校验的帐号信息;
在所述用户界面上向用户发起提问,所述提问是基于与所述帐号特征相对应的帐号校验问题所发起的;
获取用户在所述用户界面上针对所发起的提问的应答信息;
在所述用户界面上显示针对所述帐号信息的校验结果,所述校验结果是基于识别到的所述应答信息的准确性所确定的。
13.一种智能问答的处理装置,其特征在于,包括:
获取单元,用于获取待校验的帐号信息;
识别单元,用于识别所述帐号信息对应的帐号特征;
第一处理单元,用于根据所述帐号特征,调取与所述帐号特征相对应的帐号校验问题,以基于所述帐号校验问题向用户发起提问;
第二处理单元,用于在获取到针对所发起的提问的应答信息时,识别所述应答信息的准确性,基于所述应答信息的准确性确定所述帐号信息是否校验通过。
14.一种计算机可读介质,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如权利要求1至12中任一项所述的智能问答的处理方法。
15.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至12中任一项所述的智能问答的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911155387.7A CN111008373B (zh) | 2019-11-22 | 2019-11-22 | 智能问答的处理方法、装置、计算机可读介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911155387.7A CN111008373B (zh) | 2019-11-22 | 2019-11-22 | 智能问答的处理方法、装置、计算机可读介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111008373A true CN111008373A (zh) | 2020-04-14 |
CN111008373B CN111008373B (zh) | 2024-05-28 |
Family
ID=70113729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911155387.7A Active CN111008373B (zh) | 2019-11-22 | 2019-11-22 | 智能问答的处理方法、装置、计算机可读介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111008373B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116308212A (zh) * | 2023-05-11 | 2023-06-23 | 广州佰锐网络科技有限公司 | 一种基于数字人视频的业务办理方法、存储介质及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104348822A (zh) * | 2013-08-09 | 2015-02-11 | 深圳市腾讯计算机系统有限公司 | 一种互联网账号身份验证的方法、装置及服务器 |
CN107393541A (zh) * | 2017-08-29 | 2017-11-24 | 百度在线网络技术(北京)有限公司 | 信息验证方法和装置 |
CN110008667A (zh) * | 2019-03-06 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 一种基于主观偏好数据进行身份验证的方法及装置 |
CN110223783A (zh) * | 2019-06-13 | 2019-09-10 | 上海明品医学数据科技有限公司 | 一种用于在多个终端交互医学数据的控制方法 |
-
2019
- 2019-11-22 CN CN201911155387.7A patent/CN111008373B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104348822A (zh) * | 2013-08-09 | 2015-02-11 | 深圳市腾讯计算机系统有限公司 | 一种互联网账号身份验证的方法、装置及服务器 |
CN107393541A (zh) * | 2017-08-29 | 2017-11-24 | 百度在线网络技术(北京)有限公司 | 信息验证方法和装置 |
CN110008667A (zh) * | 2019-03-06 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 一种基于主观偏好数据进行身份验证的方法及装置 |
CN110223783A (zh) * | 2019-06-13 | 2019-09-10 | 上海明品医学数据科技有限公司 | 一种用于在多个终端交互医学数据的控制方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116308212A (zh) * | 2023-05-11 | 2023-06-23 | 广州佰锐网络科技有限公司 | 一种基于数字人视频的业务办理方法、存储介质及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111008373B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3451328B1 (en) | Method and apparatus for verifying information | |
CN109514586B (zh) | 实现智能客服机器人的方法及系统 | |
CN111861768B (zh) | 基于人工智能的业务处理方法、装置、计算机设备及介质 | |
CN111917878B (zh) | 消息处理方法、装置、设备及存储介质 | |
CN107193974B (zh) | 基于人工智能的地域性信息确定方法和装置 | |
CN111241517A (zh) | 一种生物特征验证问答库的构建方法和装置 | |
CN112509690B (zh) | 用于控制质量的方法、装置、设备和存储介质 | |
AU2017415315A1 (en) | Integrating virtual and human agents in a multi-channel support system for complex software applications | |
CN111581623B (zh) | 智能数据交互方法、装置、电子设备及存储介质 | |
CN111143813B (zh) | 一种验证问题的生成方法、验证方法及装置 | |
CN110399473B (zh) | 为用户问题确定答案的方法和装置 | |
CN112559865A (zh) | 信息处理系统、计算机可读存储介质及电子设备 | |
CN114387061A (zh) | 产品推送方法、装置、电子设备及可读存储介质 | |
CN110837549B (zh) | 一种信息处理方法、装置及存储介质 | |
CN111475628A (zh) | 会话数据处理方法、装置、计算机设备和存储介质 | |
CN112288584B (zh) | 保险报案处理方法、装置、计算机可读介质及电子设备 | |
CN111008373B (zh) | 智能问答的处理方法、装置、计算机可读介质及电子设备 | |
CN110929519B (zh) | 实体属性抽取方法及装置 | |
CN111933133A (zh) | 智能客服应答的方法及装置、电子设备、存储介质 | |
CN109450646B (zh) | 验证请求处理方法和系统 | |
CN112328871B (zh) | 一种基于rpa模块的回复生成方法、装置、设备及存储介质 | |
CN115630147A (zh) | 应答方法、装置、电子设备及存储介质 | |
CN113010664B (zh) | 一种数据处理方法、装置及计算机设备 | |
CN114218378A (zh) | 一种基于知识图谱的内容推送方法、装置、设备及介质 | |
CN113868401A (zh) | 数字人的交互方法、装置、电子设备及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40022555 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |