CN111046151A - 一种消息处理方法及装置 - Google Patents

Abstract

本发明提供一种消息处理方法，包括：确定接收到的消息来源所属的用户类别；基于所确定的所述用户类别，选取对应所述用户类别的知识库；所述知识库以客服为构建维度，不同客服之间的所述知识库相互独立，或者不同类客服之间的所述知识库相互独立，所述知识库基于所述客服在提供消息问答服务过程中的消息记录所构建；根据适配所述客服的消息记录集大小的检索方式，以及接收到的所述消息，在所述知识库中检索用于回复所述消息的内容。本发明还同时公开了一种消息处理装置。

Description

一种消息处理方法及装置

技术领域

本发明涉及互联网通信技术，尤其涉及一种消息处理方法及装置。

背景技术

随着互联网及电子商务的普及，对在线客服的服务及效率要求越来越高，利用智能客服机器人承接用户的咨询任务已成为一种趋势，然而，相关技术中，客服机器人通常基于所有客服机器人共用的知识库实现对用户问题的回复，往往与用户的问题匹配程度不高，且语句刻板，用户的接收程度不高。

发明内容

本发明实施例提供一种消息处理方法及装置，能够提高机器人客服处理用户消息的准确度及效率。

本发明实施例的技术方案是这样实现的：

第一方面，本发明实施例提供一种消息处理方法，包括：

确定接收到的消息来源所属的用户类别；

基于所确定的所述用户类别，选取对应所述用户类别的知识库；所述知识库以客服为构建维度，不同客服之间的所述知识库相互独立，或者不同类客服之间的所述知识库相互独立，所述知识库基于所述客服在提供消息问答服务过程中的消息记录所构建；

根据适配所述客服的消息记录集大小的检索方式，以及接收到的所述消息，在所述知识库中检索用于回复所述消息的内容。

第二方面，本发明实施例提供一种消息处理装置，所述装置包括：

确定单元，用于确定接收到的消息来源所属的用户类别；

选择单元，用于基于所确定的所述用户类别，选取对应所述用户类别的知识库；所述知识库以客服为构建维度，不同客服之间的所述知识库相互独立，或者不同类客服之间的所述知识库相互独立，所述知识库基于所述客服在提供消息问答服务过程中的消息记录所构建；

检索单元，用于根据适配所述客服的消息记录集大小的检索方式，以及接收到的所述消息，在所述知识库中检索用于回复所述消息的内容。

本发明实施例具有以下有益效果：

本发明实施例中，基于所确定的用户类别，选取对应用户类别的知识库，而知识库的构建以客服为构建维度，知识库的构建所依据的是客服在提供消息问答服务过程中的消息记录，这使得回复消息的内容具备客服个性化的特点，用户体验到客服个性化的服务。

附图说明

图1为本发明实施例提供的消息处理方法的应用场景示意图一；

图2为本发明实施例提供的消息处理方法的应用场景示意图二；

图3为本发明实施例提供的消息处理方法的应用场景示意图三；

图4为本发明实施例提供的消息处理装置的组成结构示意图一；

图5为本发明实施例提供的消息处理方法的流程示意图一；

图6为本发明实施例提供的单一客服个性化知识库的结构示意图；

图7为本发明实施例提供的消息处理方法的流程示意图二；

图8为本发明实施例提供的服务器获得用于回复消息的内容的方法流程示意图；

图9为本发明实施例提供的消息自动回复的应用场景示意图；

图10为本发明实施例提供的消息处理方法的流程示意图三；

图11为本发明实施例提供的客服独有知识库的构建流程示意图；

图12为本发明实施例提供的消息处理装置的组成结构示意图二。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

对本发明实施例进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。

1)知识库，按照特定的知识结构对特定领域或类别的信息资源进行整理，得到的用于存储所述特定领域或类别的信息资源的关键信息的知识系统。

2)客服，即客户服务，体现了以客户为导向的价值观，通过与客户(用户)进行文字/音频形式的交流，为用户提供(售前、售中、售后)消息问答服务；分为人工客服及智能机器人客服两种；其中，客户即客服所服务的对象。

3)问答对，由问题信息及答案信息组成的问句-答句形式的信息对。

4)知识图谱，从各种结构化/半结构化/非结构化数据中，抽取实体/实体属性/实体之间的关系，形成的以信息三元组格式进行数据存储的、涵盖各个学科的知识体系的基础的知识库

5)信息三元组，由实体、实体关系作为元素构成的三元素集合。

6)分类机器学习模型，通过机器学习的方式获得的用于分类的模型；本文中分类机器学习模型可以采用支持向量机(SVM，Support Vector Machines)的二分类器模型、基于神经网络和深度学习的分类机器学习模型等。

7)响应于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。

发明人在研究过程中发现，在一些实施例中，企业端可以通过用户手动建立关键字词库，当接收到客户发送的消息时，对客户输入的语句进行关键字匹配，并调用对应的知识库，检索到答案，回复给客户；然而，该消息回复方式所采用的知识库需要手工更新，没有自学习能力；直接对客户输入的语句进行关键字匹配，没有自然语言处理功能，不能理解语义，更大概率出现答非所问；采用关键字匹配的方式性能较差。

在一些实施例中，可以通过自然语言处理技术(NLP，Natural Language Processing)，建立知识库，当接收到客户发送的消息时，进行知识库检索，匹配最接近的回答，采用一问一答的形式回复给客户，并采用深度学习技术来更新知识库；然而，上述知识库的建立需手动创建或者按照指定的格式生成的exce l创建，构建成本高；一问一答的标准问答方式，语句刻板。

在一些实施例中，可以以情感语料为基础，构建具有情感效果的大数据通用的知识库，当接收到客户发送的消息时，侦测消息对应的感情语料，跟踪并判断感情变化，与知识库匹配从而实现类似的情感对话；然而，由于采用的是大数据通用的知识库，缺乏特定应用场景(如企业场景)下，客服的专业化，对客户的回答匹配程度低。

在一些实施例中，可以采用NLP技术，建立百科型知识库结构，构建本体知识模型与问答对，在回复过程中提高知识命中的准确率，针对不同的用户群体，创造不同领域的机器人实例，满足不同服务群体的需求；由于所有的客服均基于百科型知识库进行客户的消息回复，回复缺乏个性化。

在一些实施例中，预先对用户(客户)进行分类，确定接收到的消息来源所属的用户类别；基于所确定的所述用户类别，选取对应所述用户类别的知识库；所述知识库以客服为构建维度，基于所述客服在提供消息问答服务过程中的消息记录所构建；根据适配所述客服的消息记录集大小的检索方式，以及接收到的所述消息，在所述知识库中检索用于回复所述消息的内容。如此，使得检索得到的内容的准确度更高，检索效率高，且由于知识库的构建以客服为构建维度，使得回复消息的内容具备客服个性化的特点，用户体验到客服个性化的服务。下面对该实施例进行详细说明。

首先对本发明实施例提供的消息处理方法的应用场景进行介绍。本发明实施例提供的消息处理方法既可以由终端实施，也可以由终端、服务器协同实施。

图1为本发明实施例提供的消息处理方法的应用场景示意图，参见图1，客服终端10-1(内置智能客服机器人)、客户终端10-2通过网络20连接服务器30，网络20可以是广域网或者局域网，又或者是二者的组合，使用无线链路实现数据传输。

客户终端10-2通过图形界面110-1接收客户输入的消息，将消息通过网络发送给客服终端10-1；客服终端10-1接收到的客户发送的消息，通过与服务器30的通信从服务器30处获取用于回复该消息的内容，并将从服务器30处获取的回复该消息的内容发送给客户终端10-2，实现了对客户消息的自动回复。

其中，服务器30基于客服终端10-1接收到的消息，确定消息来源所属的用户类别；基于所确定的所述用户类别，选取对应该用户类别的知识库，并根据适配客服的消息记录集大小的检索方式，以及接收到的所述消息，在知识库中检索用于回复消息的内容；其中，所述知识库以客服为构建维度，基于所述客服在提供消息问答服务过程中的消息记录所构建。

图2为本发明实施例提供的消息处理方法的应用场景示意图，参见图2，客服终端10-1、客户终端10-2通过网络20连接服务器30，网络20可以是广域网或者局域网，又或者是二者的组合，使用无线链路实现数据传输。

客户终端10-2通过图形界面110-1接收客户输入的消息，将消息通过网络发送给客服终端10-1，客服终端10-1接收到的客户发送的消息，通过与服务器30的通信从服务器30处获取服务器推荐的用于回复客户消息的内容，并展示在客服终端10-1的图形界面110-2上，供客服人员进行选择并进行客户消息回复，以减少客服人员在工作过程中的输入量。

其中，服务器30基于客服终端10-1接收到的消息，确定消息来源所属的用户类别；基于所确定的所述用户类别，选取对应该用户类别的知识库，并根据适配客服的消息记录集大小的检索方式，以及接收到的所述消息，在知识库中检索用于回复消息的内容；其中，所述知识库以客服为构建维度，基于所述客服在提供消息问答服务过程中的消息记录所构建。

图3为本发明实施例提供的消息处理方法的应用场景示意图，参见图3，客服终端10-1、客户终端10-2通过网络20进行通信，网络20可以是广域网或者局域网，又或者是二者的组合，使用无线链路实现数据传输。

客户终端10-2通过图形界面110-1接收客户输入的消息，将消息通过网络20发送给客服终端10-1，客服终端10-1接收到的客户发送的消息，确定消息来源所属的用户类别；基于所确定的所述用户类别，选取对应该用户类别的知识库，并根据适配客服的消息记录集大小的检索方式，以及接收到的所述消息，在知识库中检索用于回复消息的内容，并基于检索到的内容进行消息回复；其中，所述知识库以客服为构建维度，基于所述客服在提供消息问答服务过程中的消息记录所构建。

接下来对本发明实施例提供的消息处理装置进行说明。本发明实施例提供的消息处理装置可以实施为硬件、软件或者软硬件结合的方式，下面说明本发明实施例提供的消息处理装置的各种示例性实施。

接下来对本发明实施例的消息处理装置的硬件结构做详细说明，图4为本发明实施例提供的消息处理装置的组成结构示意图，可以理解，图4仅仅示出了消息处理装置的示例性结构而非全部结构，根据需要可以实施图4示出的部分结构或全部结构。本发明实施例提供的消息处理装置包括：至少一个处理器210、存储器240、至少一个网络接口220和用户接口230。消息处理装置中的各个组件通过总线系统250耦合在一起。可理解，总线系统250用于实现这些组件之间的连接通信。总线系统250除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图4中将各种总线都标为总线系统250。

用户接口230可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。

存储器240可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、闪存(Flash Memory)等。易失性存储器可以是随机存取存储器(RAM，Random Access Memory)，其用作外部高速缓存。

处理器210可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其中，通用处理器可以是微处理器或者任何常规的处理器等。

存储器240能够存储可执行指令2401以支持消息处理装置的操作，这些可执行指令的示例包括：用于在消息处理装置上操作的程序、插件和脚本等各种形式的软件模块，程序例如可以包括操作系统和应用程序，其中，操作系统包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。

下面将结合前述的实现本发明实施例消息处理方法的应用场景以及消息处理装置的示例性应用，说明实现本发明实施例的消息处理方法。图5为本发明实施例提供的消息处理方法的流程示意图，涉及步骤301至步骤303，以下分别进行说明。

步骤301：确定接收到的消息来源所属的用户类别。

在实际实施时，本发明实施例的执行主体可以为终端或服务器，或终端与服务器协同实施。

这里，接收到的消息为客服接收到的客户(用户)发送的消息，如进行售前咨询的消息。

在一实施例中，以客服为分类维度，对客服所服务的用户进行分类，在实际实施时，可以针对每一个客服所服务的用户进行分类，或者针对每一类客服(如负责售前服务或售后服务的客服)所服务的用户进行分类，而具体的分类标准可以依据实际需要进行设定，例如，以用户是否在客服所在的企业进行商品购买为分类标准进行分类，购买过商品的用户为A类，未购买过商品的用户为B类。

在一实施例中，对用户的分类可以通过如下方式实现：

获取所述客服所服务的用户的用户信息；

将所获取的所述用户信息输入分类机器学习模型，得到所述客服所服务的用户所对应的用户类别。

在一实施例中，可以基于接收到的消息对应的用户名(或用户账号)确定消息来源所属的用户类别，或者，基于消息所对应的标识确定消息来源所属的用户类别；其中，消息所对应的标识与用户账号相对应。

步骤302：基于所确定的用户类别，选取对应用户类别的知识库；所述知识库以客服为构建维度，基于所述客服在提供消息问答服务过程中的消息记录所构建。

在实际实施时，在执行本步骤之前，需要进行知识库构建，在一实施例中，可通过如下方式实现知识库的构建：

根据所述客服的消息记录的内容所适配的对象，对所述客服的消息记录进行拆分；所述拆分后的消息记录包括适配所述用户类别的消息记录；根据拆分后得到的适配所述用户类别的消息记录，采用知识提取的方式构建对应所述用户类别的专有知识库。其中，所适配的对象可理解为所适配的客户。

示例性地，客服所服务的用户被划分为A类及B类，将消息记录的内容所适配的用户，将客服的消息记录划分为仅适配A类客户与仅适配B类客户的两部分，分别对两部分消息记录进行知识提取，得到分别对应A类客户与仅适配B类客户的专有知识库。

在一实施例中，知识库可以采用知识图谱的形式存在，通过知识提取，实现实体与实体间关系的抽取。例如，从客服的仅适配A类客户的消息记录中抽取不同类型的信息，如表征概念、实体、属性和关系的信息，然后依据预设的构建策略对抽取的信息进行结构化处理，形成以实体(关键词)与实体之间通过关系相连接的知识图谱。在一些实施方式中，知识图谱可以为以信息三元组格式进行数据存储的知识图谱。

这里对信息三元组进行说明，信息三元组包括：第一实体信息、第二实体信息、实体关系信息；采用关系式表示可以为TRIPLE＝<A，P，B>，相应的，知识图谱则可表示为KB＝<TRIPLE>；其中，A表示第一实体、B表示第二实体，P表示第一实体和第二实体间的实体关系，即A与B的关系；例如：三元组(广州，市花，木棉花)，即A＝“广州”，B＝“木棉花”，P＝“市花”，可知“市花”建立了“广州”和“木棉花”间的关系；再如：三元组(中国，首都，北京)，即A＝“中国”，B＝“北京”，P＝“首都”，可知“首都”建立了“中国”和“北京”间的关系。

在一实施例中，知识库还可以采用包括多个问答对的形式存在。例如，通过对客服的仅适配A类客户的消息记录进行至少提取，得到包括多个问答对的针对A类客户的专有知识库。

在一实施例中，在对客服的消息记录进行拆分时，还包括适配于所有其所服务的客户的消息记录，即对客服的消息记录针对内容所适配的对象进行拆分后，存在一类内容适配于所有类别的消息记录，例如，用于进行寒暄的消息记录；对拆分得到的适配于所有类别的消息记录进行知识提取，构建适配所有用户类别的共用知识库。

在实际应用中，以客服为构建维度所构建的上述对应用户类别的知识库，可以为以每个客服为构建维度进行的知识库构建，即每个客服之间的知识库相互独立；也可以为以每一类客服为构建维度进行的知识库构建，即每一类客服之间的知识库相互独立。

在一实施例中，预先建立的知识库还包括用于不同客服共用的公用知识库，该公用知识库至少结合客服所服务的业务领域及相应的业务知识所构建。公用知识库可以包括一个或多个子知识库，例如可以包括存储了行业的专用词汇的行业词汇知识库、存储了企业业务专有知识的企业业务专有知识库、存储了客服所服务的领域的通用知识的领域通用知识库。

在实际实施时，在接收到用户发送的消息后，还可以对接收到的消息进行存储，以用于后续对专有知识库、共用知识库及公用知识库的更新，具体地，可以将接收到的所述消息加入消息列表；当所述消息列表中的消息数量达到设定的阈值(具体可依据实际需要进行设定)时，对所述消息列表中的消息进行知识提取；采用进行所述知识提取后得到的信息更新所述知识库。

基于以上对知识库的说明可知，在一实施例中，对于一个客服来说，其可选用的知识库包括两大部分，分别为客服独有知识库及客服公用知识库，图6为本发明实施例提供的单一客服个性化知识库的结构示意图，参见图6，客服的独有知识库包括：A类客户知识库(即对应A类客户的专有知识库)、B类客户知识库(即对应B类客户的专有知识库)、以及客服个性化通用知识库(即A类客户与B类客户均适用的共用知识库)；客服的客服公用知识库包括：行业词汇知识库、企业业务专有知识库、领域通用知识库。

接下来对进行对应用户类别的知识库的选取进行说明。

在一实施例中，可以基于确定的用户类别，选取对应所述用户类别的专有知识库；或者，选取对应所述用户类别的专有知识库，以及对应所有用户类别的所述共用知识库。如此，由于选用的知识库既包括了针对该类用户的专有知识库，又包括了对应该客服的适配所有用户类别的共用知识库，使得基于知识库进行检索得到的用于回复消息的内容与客户所发送的所述消息的匹配程度更高，提高了对消息的准确度，同时，由于共用知识库所存储的内容基于该单一客服的消息记录生成，使得共用知识库所存储的内容具备该客服的个性化特点，进而客户能够体验到客服个性化的服务。

在一实施例中，可以基于确定的用户类别，选取对应所述用户类别的专有知识库、对应所有用户类别的所述共用知识库、以及不同客服共用的公用知识库。如此，由于所选用的知识库还包括不同客服共用的公用知识库，而该公用知识库至少结合客服所服务的业务领域及相应的业务知识所构建，使得基于该知识库检索到的内容更专业化。

步骤303：根据适配所述客服的消息记录集大小的检索方式，以及接收到的所述消息，在所述知识库中检索用于回复所述消息的内容。

这里，在实际实施时，在基于知识库进行检索时，根据客服的消息记录集的大小的不同采用不同的检索方式。

在一实施例中，当客服的消息记录集大小达到设定的阈值时，如消息记录集中消息的条数达到N条时，采用学习模型映射的方式进行知识库检索，具体地，将所述消息输入训练得到的学习模型，输出与所述消息的内容相似度满足要求的对话信息；获取所述知识库中关联所述对话信息的内容，所获取的所述内容用于回复接收到的所述消息。

这里，在实际应用中，将消息输入训练得到的学习模型之前，可以对消息进行预处理，具体地，可以对消息进行自然语言处理，得到用于表征所述消息的语义特征的内容向量，通过分词、解析语义等，实现对用户消息的情感分析，进而使得基于自然语言处理后的内容检索到的回复更为人性化。

当知识库中存储的是实体与实体关系的知识图谱时，经学习模型输出的对话信息可以为多个关键词，获取知识库中存储的与每个关键词相关联的多个关键词，基于所获取的多个关键词生成用于回复所述消息的语句，具体的，可以将所获取的多个关键词补入预设的语句模板，生成用于回复所述消息的一个或多个语句。

在实际应用中，当知识库中存储的是多个问答对时，经学习模型输出的对话信息还可以为一个或多个与所述消息的内容相似度满足要求的语句，获取知识库中与每个输出的所述语句相关联的语句。

当所获取的用于回复接收到的所述消息的所述内容为多个语句时，依据每个语句所关联的语句或关键词与所述消息的相似度进行排序，得到用于回复接收到的所述消息的语句列表。

当客服的消息记录集大小未达到设定的阈值时，如消息记录集中消息的条数未达到N条时，采用关键词匹配或距离计算的方式，获取所述知识库中与所述消息的内容相似度满足要求的对话信息；获取所述知识库中关联所述对话信息的内容，所获取的所述内容用于回复接收到的所述消息。

这里，在一些实施方式中，知识库中存储的是多个问答对，可分别计算接收到的所述消息与知识库中每个问题语句的欧氏距离，以获取与所述消息接近的问题，选取距离满足要求的一个或多个问题，获取知识库中与选取的问题相关联的答案，形成用于回复接收到的所述消息的回复列表。

在一些实施方式中，知识库中存储的是实体与实体关系的知识图谱，相应的，在进行关键词匹配之前，可以对接收到的消息采用自然语言处理的方式进行关键词提取，然后将得到的关键词分别与知识图谱中的关键词(实体)进行匹配，得到与之相匹配的关键词。

在一实施例中，对客服的不同知识库设置优先级，优先选取对应所述用户类别的专有知识库以及对应所有用户类别的共用知识库，当基于专有知识库及共用知识库检索到的内容为空，即没有检索到用于回复所述消息的内容时，再去选用不同客服公用的公用知识库进行检索，而当基于专有知识库及共用知识库检索到的内容不为空时，便不再采用公用知识库进行检索。

在一实施例中，对客服的不同知识库设置权重，例如，对客服的独有知识库设置权重为0.8，对客服的公用知识库设置权重为0.2；则在对不同知识库得到的检索结果基于相似度或距离进行排序时，首先对相似度或距离进行加权，然后再进行排序。

在一实施例中，得到的用于回复所述消息的内容可以用作对客服的回复推荐，相应的，在知识库中检索到用于回复消息的内容之后，可以在用户界面(U I，UserInterface)上呈现所述用于回复所述消息的内容。

在一实施例中，客服终端可以基于得到的用于回复所述消息的内容实现对用户的消息的自动回复。

图7为本发明实施例提供的消息处理方法的流程示意图，参见图7，本发明实施例提供的消息处理方法由客服终端及服务器协同实施，当客服终端接收到客户发送的消息时，由服务器确定用于回复所述消息的内容，客服终端基于服务器所确定的内容实现消息的自动回复。具体包括：

步骤401：客服终端接收到客户终端发送的消息。

步骤402：客服终端发送回复内容请求给服务器。

这里，当客服终端接收到客户发送的消息后，发送用于请求回复该消息内容的请求给服务器，以使服务器确定用于回复该消息的内容。在一实施例中，回复内容请求携带客户发送的消息的内容、客户标识及客服标识；其中，客户标识用于服务器确定消息来源所属的用户类别，客服标识用于服务器确定对应该客服标识的客服的独有知识库。

步骤403：服务器基于回复内容请求，确定所述消息来源所属的用户类别。

在实际应用中，服务器中存储有依据客服标识划分的不同客服的独有知识库，以及不同客服公用的公用知识库；对每个客服的独有知识库来说，包括依据用户类别划分的专有知识库，以及各个用户类别共用的共用知识库。

服务器在确定消息来源所属的用户类别之前，首先基于客服标识确定该客服所服务的客户的分类，然后基于客户标识进行索引找到该客户所属的用户类别。

步骤404：服务器基于所确定的用户类别，选取对应用户类别的知识库。

在实际实施时，服务器基于确定的用户类别，在该客服的独有知识库中确定对应该用户类别的专有知识库，以及所有用户类别共用的共用知识库。

步骤405：服务器基于所选取的知识库及所述消息，获得用于回复消息的内容。

在一实例中，服务器基于所选取的知识库及消息，获得用于回复消息的内容的具体方式参见图8，图8为本发明实施例提供的服务器获得用于回复消息的内容的方法流程示意图，包括：

步骤501：服务器对消息进行自然语言处理，生成用于表征消息的语义特征的内容向量。

这里，通过对消息进行自然语言处理，实现对消息的语义分析，情感特征分析等，具体可以通过训练得到的神经网络模型实现对消息的语义分析，将消息内容输入神经网络模型，输出对应的表征消息的语义特征的多个关键词向量或句子向量。

步骤502：判断客服的消息记录集大小是否达到预设阈值，如果达到预设阈值，执行步骤503；如果未达到预设阈值，执行步骤504。

这里，服务器可以通过如下方式判断客服的消息记录集大小是否达到预设阈值：判断消息记录集中消息的数量是否达到预设的数量阈值；在实际应用中，数量阈值的设定可以基于实际需要进行设定。

步骤503：将得到的内容向量输入训练得到的学习模型，输出与内容向量相似度满足要求的多个关键词或语句向量，然后执行步骤505。

这里，在实际实施时，预先进行学习模型训练，以对消息进行自然语言处理得到的内容向量作为输入样本，以对应用户类别的知识库中存储的与输入样本的相似度满足要求(要求的大小可以基于实际需要进行设定)的关键词或语句为输出样本构建训练样本集合，训练学习模型能够根据对消息进行自然语言处理得到的内容向量，预测与之相似度满足要求的关键词或语句向量的性能。这里，在学习模型进行关键词或语句向量输出的同时，还可输出该关键词或语句向量与输入的内容向量的相似度。

步骤504：采用距离计算的方式，与内容向量相似度满足要求的多个关键词或语句向量。

步骤505：在所选取的对应用户类别的知识库中，检索与所述多个关键词或语句向量相关联的关键词或语句。

步骤506：基于检索得到的关键词或语句生成用于回复消息的回复列表。

在实际应库中，当基于知识库检索得到的是多个关键词时，根据关键词及关键词之间的关联关系生成一个或多个用于进行消息回复的语句。

回复列表中存储有多个用于进行消息回复的语句，其排序依据其对应的关键词或语句向量与输入的内容向量的相似度大小。

在实际实施时，当客服的消息记录集大小达到预设阈值，基于训练得到的学习模型输出为空，或者，当客服的消息记录集大小未达到预设阈值，采用距离计算的方式，未得到与内容向量相似度满足要求的关键词或向量，表征客服的独有知识库中不存在与接收到的消息相匹配的回复内容，进而选取不同客服公用的公用知识库进行回复内容的检索及确定，当得到的内容向量为多个关键词向量时，检索方式可采用关键词匹配的方式，当得到的内容向量为多个语句向量时，检索方式可采用语句距离计算的方式。

步骤507：选取所述回复列表中与所述消息的匹配程度最高的语句作为回复消息的内容。

这里，由于回复列表中的语句为依据其对应的关键词或语句向量与输入的内容向量的相似度大小进行排序，因此，回复列表中与所述消息的匹配程度最高的语句，即为回复列表中的对应所述相似度最高的语句。

步骤406：服务器将所获取的用于回复消息的内容发送给客服终端。

步骤407：客服终端基于服务器发送的内容进行消息回复。

这里，参见图9，图9为本发明实施例提供的消息自动回复的应用场景示意图，在图9中，客服终端基于客户发送的消息“你好”，确定对应的回复为“好久不见”，相较于相关技术中直接回复“你好”，该回复显然给用户以亲切感，拉近了与客户之间的距离，回复更为人性化。

图10为本发明实施例提供的消息处理方法的流程示意图，参见图10，本发明实施例提供的消息处理方法由客服终端单独实施，在一个应用场景中，客服终端可以为企点终端，当客服终端接收到客户发送的消息时，客服终端确定用于回复所述消息的内容，显示在客服终端的UI界面上进行客服回复的推荐，供客服终端对应的客服人员进行选择，并进行客户消息回复，以减少客服人员在工作过程中的输入量。

在基于图10对本发明实施例的消息处理方法进行说明之前，首先对客服终端确定用于回复消息的内容的过程中所用到的知识库进行说明。图11为本发明实施例提供的客服独有知识库的构建流程示意图；参见图11，包括：

步骤1，客服终端将对应的客服的所有的聊天记录进行拆分，拆分的标准依据客服的回复所适配的对象，包括适配某一类客户(即依据客户分类进行拆分)与适配所有客户(即回复的内容与客户类别/身份无关)。

步骤2，分别基于拆分得到的聊天记录，构造对应的知识库。

参见图11，客服的聊天记录被拆分成三部分，分别为：对应A类客户的聊天记录、对应B类客户的聊天记录、通用聊天记录(适配所有客户的聊天记录)；对于每一部分，分别采用知识提取的方式构造知识库，得到A类客户知识库、B类客户知识库、以及本客服通用知识库。

在实际实施时，客服可选的知识库还包括不同客服公用的企业客服公用知识库，企业客服公用知识库包括：用于存储行业的专用词汇的行业词汇知识库、用于存储企业业务专有知识的企业业务专有知识库、用于存储客服所服务的领域的通用知识的领域通用知识库。

基于上述对客服对应的知识库的说明，接下来基于图10对本发明实施例的消息处理方法进行详细介绍。

步骤601：客服终端接收到A类客户发送的消息。

步骤602：基于接收到的消息选取对应的知识库集合。

这里，对于客服所服务的客户进行了分类，当收到客户发送的消息后，可依据消息所对应的用户名/账号确定对应的用户类别，然后基于确定的用户类别选取对应的知识库集合，该知识库集合包括A类客户对应的A类客户知识库、本客服通用知识库、以及企业客服公用知识库(行业词汇知识库、企业业务专有知识库及领域通用知识库)。

步骤603：对接收到的消息进行自然语言处理，得到能够表征消息的语义特征的关键词组或语句。

这里，通过对接收到的消息进行自然语言处理，分词，实现语义解析、情感分析等。

步骤604：基于得到的关键词组或语句进行知识库检索。

在实际实施时，依据客服的消息记录集大小的不同可采用不同的检索方式，具体的包括如下：

步骤604a：当客服的消息记录集较大时，采用学习模型映射的方式找到所选用的知识库中与所述关键词组或语句最接近的所有回复。

对于消息记录比较多的场景下，例如，当消息记录集中的消息数量超过预设阈值时，使用机器学习训练出的学习模型找到知识库中接近该问题的所有回复。

这里，在实际应用中，对于客服的独有知识库可训练一个学习模型，对于不同客服公用的公用知识库可训练一个学习模型。该学习模型具备根据输入的客户的消息输出与之匹配程度满足要求的回复的性能。

在进行知识库检索时，在一实施例中，可优先采用客服的独有知识库对应的学习模型，当将得到的关键词组或语句输入独有知识库对应的学习模型，输出的内容为空，即在客服独有的知识库中未检索到用于回复的内容时，再采用公用知识库对应的学习模型进行映射，找到公用知识库中用于回复消息的内容。

在进行知识库检索时，在一实施例中，可同时采用客服的独有知识库对应的学习模型，以及公用知识库对应的学习模型进行模型映射，得到用于回复消息的内容。

步骤604b：当客服的消息记录集较小时，采用关键词或语句的距离计算的方式，基于选用的知识库得到用于进行消息回复的多个语句。

这里，知识库可以采用知识图谱的方式存储多个关键词及其关联关系，此时，基于关键词的距离计算可得到多个距离(相似度)满足要求的关键词，基于得到的关键词及语句模板生成多个语句；知识库还可以以问答对的形式进行信息存储，此时，采用语句的距离计算的方式得到多个距离(相似度)满足要求的语句。

步骤605a：依据不同知识库的权重，生成消息回复列表。

这里，本步骤对应步骤604a，在实际实施时，赋予客服的不同的知识库不同的权重，例如赋予客服的独有知识库的权重为0.8，公用知识库的权重为0.2，当采用模型映射的方式基于客服的独有知识库得到多个回复语句，基于公用知识库同样得到多个回复语句时，基于不同知识库的权重进行用于进行消息回复的语句，生成回复列表。

步骤605b：结合语句相似度，生成回复列表。

这里，本步骤对应步骤604b，在实际实施时，依据距离(相似度)进行语句排序，生成回复列表。

步骤606：将生成的回复列表展示在客户终端设备的UI界面上。

这里，生成的回复列表作为对客服人员的回复推荐展示在客户终端设备的UI界面上，供客服人员进行选择并进行客户消息回复，以减少客服人员在工作过程中的输入量。

接下来继续对消息处理装置进行说明，图12为本发明实施例提供的消息处理装置的组成结构示意图，参见图12，本发明实施例提供的消息处理装置包括：

确定单元121，用于确定接收到的消息来源所属的用户类别；

选择单元122，用于基于所确定的所述用户类别，选取对应所述用户类别的知识库；所述知识库以客服为构建维度，基于所述客服在提供消息问答服务过程中的消息记录所构建；

检索单元123，用于根据适配所述客服的消息记录集大小的检索方式，以及接收到的所述消息，在所述知识库中检索用于回复所述消息的内容。

在一实施例中，所述装置还包括：

构建单元，用于根据所述客服的消息记录的内容所适配的对象，对所述客服的消息记录进行拆分；所述拆分后的消息记录包括适配所述用户类别的消息记录；

以及，用于根据拆分后得到的适配所述用户类别的消息记录，采用知识提取的方式构建对应所述用户类别的专有知识库。

在一实施例中，所述构建单元，还用于在所述拆分后的消息记录还包括适配所述客服所服务的所有用户类别的消息记录时，根据拆分后得到的所述适配所有用户类别的消息记录，采用知识提取的方式构建对应所有用户类别的共用知识库。

在一实施例中，所述选择单元，还用于选取对应所述用户类别的所述专有知识库；

或者，选取对应所述用户类别的所述专有知识库，以及对应所有用户类别的所述共用知识库。

在一实施例中，所述检索单元，还用于当所述客服的消息记录集大小达到设定的阈值时，将所述消息输入训练得到的学习模型，输出与所述消息的内容相似度满足要求的对话信息；

获取所述知识库中关联所述对话信息的内容，所获取的所述内容用于回复接收到的所述消息。

在一实施例中，所述检索单元，还用于当所述客服的消息记录集大小未达到设定的阈值时，采用距离计算的方式，获取所述知识库中与所述消息的内容相似度满足要求的对话信息；

获取所述知识库中关联所述对话信息的内容，所获取的所述内容用于回复接收到的所述消息。

在一实施例中，所述检索单元，还用于当在所述知识库中检索用于回复所述消息的内容的检索结果为空时，

获取用于不同客服共用的公用知识库；所述公用知识库至少结合所述客服所服务的业务领域及相应的业务知识所构建；

基于接收到的所述消息，在所述公用知识库中检索用于回复所述消息的内容。

在一实施例中，所述检索单元，还用于当在所述知识库中检索到用于回复所述消息的内容为第一内容时，

获取用于不同客服共用的公用知识库；所述公用知识库至少结合所述客服所服务的业务领域及相应的业务知识所构建；

基于接收到的所述消息，在所述公用知识库中检索用于回复所述消息的内容，得到第二内容；

基于所述第一内容及所述第二内容所占的不同权重，形成用于回复所述消息的内容列表。

在一实施例中，所述装置还包括：

更新单元，用于将接收到的所述消息加入消息列表；

当所述消息列表中的消息数量达到设定的阈值时，对所述消息列表中的消息进行知识提取；

采用进行所述知识提取后得到的信息更新所述知识库。

在一实施例中，所述装置还包括：

分类单元，用于获取所述客服所服务的用户的用户信息；

将所获取的所述用户信息输入分类机器学习模型，得到所述客服所服务的用户所对应的用户类别。

在一实施例中，所述装置还包括：

预处理单元，用于对接收到的所述消息进行自然语言处理，生成用于表征所述消息的语义特征的内容向量。

在一实施例中，所述装置还包括：

呈现单元，用于在用户界面UI上呈现所述用于回复所述消息的内容。

在一实施例中，不同客服之间的所述知识库相互独立；或者不同类客服之间的所述知识库相互独立。

本发明实施例还提供了一种消息处理装置，包括：

第一接收单元，用于接收到用户设备发送的消息；

第一获取单元，用于获取用于回复所述消息的内容；所述内容根据适配客服的消息记录集大小的检索方式，以及接收到的所述消息，在知识库中检索得到，所述知识库与所述消息来源所属的用户类别相对应，以客服为构建维度，基于所述客服在提供消息问答服务过程中的消息记录所构建；

回复单元，用于回复所获取的所述内容给所述用户设备。

本发明实施例还提供了一种消息处理装置，所述装置包括：

第二接收单元，用于接收到用户设备发送的消息；

第二获取单元，用于获取用于回复所述消息的内容；所述内容根据适配客服的消息记录集大小的检索方式，以及接收到的所述消息，在知识库中检索得到，所述知识库与所述消息来源所属的用户类别相对应，以客服为构建维度，基于所述客服在提供消息问答服务过程中的消息记录所构建；

呈现单元，用于在用户界面UI上呈现所述用于回复所述消息的内容。

这里需要指出的是：以上涉及消息处理装置的描述，与上述消息处理方法描述是类似的，同方法的有益效果描述，不做赘述。对于本发明所述消息处理装置实施例中未披露的技术细节，请参照本发明方法实施例的描述。

本发明实施例还提供了一种存储介质，存储有可执行程序，所述可执行程序被处理器执行时，实现本发明实施例上述的消息处理方法。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种消息处理方法，其特征在于，所述方法包括：

确定接收到的消息来源所属的用户类别；

基于所确定的所述用户类别，选取对应所述用户类别的知识库；所述知识库以客服为构建维度，不同客服之间的所述知识库相互独立，或者不同类客服之间的所述知识库相互独立，所述知识库基于所述客服在提供消息问答服务过程中的消息记录所构建；

根据适配所述客服的消息记录集大小的检索方式，以及接收到的所述消息，在所述知识库中检索用于回复所述消息的内容。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述客服的消息记录的内容所适配的对象，对所述客服的消息记录进行拆分；所述拆分后的消息记录包括适配所述用户类别的消息记录，以及适配所述客服所服务的所有用户类别的消息记录；

根据拆分后得到的适配所述用户类别的消息记录，采用知识提取的方式构建对应所述用户类别的专有知识库；

根据拆分后得到的所述适配所有用户类别的消息记录，采用知识提取的方式构建对应所有用户类别的共用知识库。

3.如权利要求1所述的方法，其特征在于，所述根据适配所述客服的消息记录集大小的检索方式，以及接收到的所述消息，在所述知识库中检索用于回复所述消息的内容，包括：

当所述客服的消息记录集大小达到设定的阈值时，将所述消息输入训练得到的学习模型，输出与所述消息的内容相似度满足要求的对话信息；

获取所述知识库中关联所述对话信息的内容，所获取的所述内容用于回复接收到的所述消息；

当所述客服的消息记录集大小未达到设定的阈值时，采用距离计算的方式，获取所述知识库中与所述消息的内容相似度满足要求的对话信息；

获取所述知识库中关联所述对话信息的内容，所获取的所述内容用于回复接收到的所述消息。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：

当在所述知识库中检索到用于回复所述消息的内容为第一内容时，

获取用于不同客服共用的公用知识库；所述公用知识库至少结合所述客服所服务的业务领域及相应的业务知识所构建；

基于接收到的所述消息，在所述公用知识库中检索用于回复所述消息的内容，得到第二内容；

基于所述第一内容及所述第二内容所占的不同权重，形成用于回复所述消息的内容列表。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

对接收到的所述消息进行自然语言处理NLP，生成用于表征所述消息的语义特征的内容向量。

6.如权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：

在用户界面UI上呈现所述用于回复所述消息的内容。

7.一种消息处理装置，其特征在于，所述装置包括：

确定单元，用于确定接收到的消息来源所属的用户类别；

选择单元，用于基于所确定的所述用户类别，选取对应所述用户类别的知识库；所述知识库以客服为构建维度，不同客服之间的所述知识库相互独立，或者不同类客服之间的所述知识库相互独立，所述知识库基于所述客服在提供消息问答服务过程中的消息记录所构建；

检索单元，用于根据适配所述客服的消息记录集大小的检索方式，以及接收到的所述消息，在所述知识库中检索用于回复所述消息的内容。

8.如权利要求7所述的装置，其特征在于，所述装置还包括：

构建单元，用于根据所述客服的消息记录的内容所适配的对象，对所述客服的消息记录进行拆分；所述拆分后的消息记录包括适配所述用户类别的消息记录，以及适配所述客服所服务的所有用户类别的消息记录；

以及，用于根据拆分后得到的适配所述用户类别的消息记录，采用知识提取的方式构建对应所述用户类别的专有知识库；

根据拆分后得到的所述适配所有用户类别的消息记录，采用知识提取的方式构建对应所有用户类别的共用知识库。

9.如权利要求7所述的装置，其特征在于，

所述检索单元，还用于当所述客服的消息记录集大小未达到设定的阈值时，采用距离计算的方式，获取所述知识库中与所述消息的内容相似度满足要求的对话信息；

获取所述知识库中关联所述对话信息的内容，所获取的所述内容用于回复接收到的所述消息；

当在所述知识库中检索用于回复所述消息的内容的检索结果为空时，

获取用于不同客服共用的公用知识库；所述公用知识库至少结合所述客服所服务的业务领域及相应的业务知识所构建；

基于接收到的所述消息，在所述公用知识库中检索用于回复所述消息的内容。

10.如权利要求7所述的装置，其特征在于，

所述检索单元，还用于当在所述知识库中检索到用于回复所述消息的内容为第一内容时，

获取用于不同客服共用的公用知识库；所述公用知识库至少结合所述客服所服务的业务领域及相应的业务知识所构建；

基于接收到的所述消息，在所述公用知识库中检索用于回复所述消息的内容，得到第二内容；

基于所述第一内容及所述第二内容所占的不同权重，形成用于回复所述消息的内容列表。

11.如权利要求7所述的装置，其特征在于，所述装置还包括：

预处理单元，用于对接收到的所述消息进行自然语言处理NLP，生成用于表征所述消息的语义特征的内容向量。

12.如权利要求7至11任一项所述的装置，其特征在于，所述装置还包括：呈现单元，用于在用户界面UI上呈现所述用于回复所述消息的内容。

Images