CN111180088A - 一种基于对话流的主动问诊及套电的方法及系统 - Google Patents

一种基于对话流的主动问诊及套电的方法及系统 Download PDF

Info

Publication number
CN111180088A
CN111180088A CN201911300799.5A CN201911300799A CN111180088A CN 111180088 A CN111180088 A CN 111180088A CN 201911300799 A CN201911300799 A CN 201911300799A CN 111180088 A CN111180088 A CN 111180088A
Authority
CN
China
Prior art keywords
inquiry
dialogs
optimal
power
data
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.)
Pending
Application number
CN201911300799.5A
Other languages
English (en)
Inventor
邹辉
肖龙源
蔡振华
李稀敏
刘晓葳
谭玉坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Kuaishangtong Technology Co Ltd
Original Assignee
Xiamen Kuaishangtong Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Kuaishangtong Technology Co Ltd filed Critical Xiamen Kuaishangtong Technology Co Ltd
Priority to CN201911300799.5A priority Critical patent/CN111180088A/zh
Publication of CN111180088A publication Critical patent/CN111180088A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • 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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明公开了一种基于对话流的主动问诊及套电的方法，包括以下步骤：S1：获取至少两家医院对话数据，抽取对话数据中的客服回复话术，包括问诊话术和非问诊话术；S2：抽取问诊话术进行分析，并将问诊话术分成多种问诊类别；所述问诊话术包括套电话术，所述套电话术依据问诊套电轮次内容进行设置；S3：分析对话数据在不同问诊类别的频率以及套电频率，得到主题项目的最佳问诊逻辑、最佳问诊话术以及最佳问诊套电轮次。

Description

一种基于对话流的主动问诊及套电的方法及系统
技术领域
本发明涉及医疗整形领域，尤其是一种基于对话流的主动问诊及套电的方法及系统。
背景技术
现有对话机器人主要都是由访客来主导对话，机器人是被动的。但是在医疗整形行业，要求机器人能够主动对话、引导访客。传统方案是根据访客发送关键词来触发问诊或者通过写通用的问诊引导流程来主导对话。这种形式对话内容会比较生硬，且不能理解客户语义。
发明内容
为解决现有技术中存在的问题，本发明是基于主题场景的机器人问诊机制，理解访客语义，主导对话流程，帮助机器人获得更多访客信息以进行更精准的症状分析，从而提出了一种基于对话流的主动问诊及套电的方法及系统。具体如下：
一种基于对话流的主动问诊及套电的方法，包括以下步骤：
S1：获取至少两家医院对话数据，抽取对话数据中的客服回复话术，包括问诊话术和非问诊话术；
S2：抽取问诊话术进行分析，并将问诊话术分成多种问诊类别；所述问诊话术包括套电话术，所述套电话术依据问诊套电轮次内容进行设置；
S3：分析对话数据在不同问诊类别的频率以及套电频率，得到主题项目的最佳问诊逻辑、最佳问诊话术以及最佳问诊套电轮次。
优选的，步骤S2进一步包括：
S2-1：通过爬虫爬取步骤S1中每家医院官网的整形项目信息，并统计常见项目；
S2-2：将对话数据按照所述的常见项目进行分类，形成项目数据；
S2-3：依据每类项目数据，抽取步骤S1的客服回复话术中的问诊话术；
S2-4：通过在套电问诊流程设置有多个问诊套电轮次，每轮问诊以套电话术作为结束。
优选的，步骤S3进一步包括：
S3-1：抽取对话数据中的优质对话，分析该对话在不同问诊类别的频率，选择出现频率最高的排列组合作为主题项目的问诊逻辑，并使用最佳套电频率穿插在套电问诊流程中；
S3-2：针对每种问诊类别，选择使用频率最高的问诊话术，得到问诊类别的最佳问诊逻辑、最佳问诊话术以及最佳问诊套电轮次。
优选的，步骤S2采用BERT语言模型以及二分类模型。
优选的，所述的问诊话术依据统计学和/或机器学习的结果获得。
优选的，优质对话包括对话超过三轮且用户无负面情绪的对话。
根据本发明的另一个方面，提供一种自动构造医美问诊引导逻辑的系统，包括：数据模块、类别模块以及分析模块；其中，
所述数据模块，用于获取至少两家医院对话数据，抽取对话数据中的客服回复话术，包括问诊话术和非问诊话术；
所述类别模块，用于抽取问诊话术进行分析，并将问诊话术分成多种问诊类别；所述问诊话术包括套电话术，所述套电话术依据问诊套电轮次内容进行设置；
所述分析模块，用于分析对话数据在不同问诊类别的频率以及套电频率，得到主题项目的最佳问诊逻辑、最佳问诊话术以及最佳问诊套电轮次。
与现有技术相比较，本发明具有以下优点：
1.可以根据项目主动问诊引导；
2.根据统计学及机器学习的结果自动生成问诊逻辑及话术，节省人力物力，相比与关键词触发该方案不会显得那么生硬；
3.根据项目信息(项目实体抽取)问诊，可以在一定程度上理解用户语义。
附图说明
图1是本发明一实施例提供的基于对话流的主动问诊及套电的方法的流程图；
图2是本发明一实施例提供的基于对话流的主动问诊及套电的系统的结构示意图。
具体实施方式
如图1所示为本发明一实施例提供的基于对话流的主动问诊及套电的方法的流程图，本发明是一种基于主题场景的机器人问诊机制，理解访客语义，主导对话流程，帮助机器人获得更多访客信息以进行更精准的症状分析。一种基于对话流的主动问诊及套电的方法，包括以下步骤：
S1：获取至少两家医院对话数据，抽取对话数据中的客服回复话术，包括问诊话术和非问诊话术；
S2：抽取问诊话术进行分析，并将问诊话术分成多种问诊类别；所述问诊话术包括套电话术，所述套电话术依据问诊套电轮次内容进行设置；
S3：分析对话数据在不同问诊类别的频率以及套电频率，得到主题项目的最佳问诊逻辑、最佳问诊话术以及最佳问诊套电轮次。具体包括：
1)从不同城市抽取1-2家医院对话数据；
2)抽取客服回答话术；
3)通过爬虫爬取1)中医院官网的整形项目信息，统计常见项目；
4)将对话按照项目进行分类；其中，一个对话中包含多个项目的对话数据去掉，因为对话量大，除去一些对话数据没什么影响；
5)针对每类项目数据，从客服回答话术中抽取问诊引导话术，这是一个分类问题，将客户回答话术分为两个类别，问诊话术、非问诊话术，其采用的技术路线为bert以及一个二分类模型；
6)分析问诊数据，将问诊话术分成多种问诊类别；一个问诊套电流程有多个问诊套电的轮次，每轮问诊以套电话术作为结束，可以理解为每次套电前的问诊是为了成功套电，该套电话术可以根据当前轮次问诊内容进行设计，使得套电话术来的毫无违和感、至少不生硬；
7)将优质对话抽取出来，其中，优质对话包括对话超过三轮、用户无负面情绪的对话；
8)统计分析步骤7)不同问诊类别顺序的频率及套电频率，选择问诊类别顺序在真实对话中出现频率最高的排列组合作为项目的问诊逻辑，使用最佳套电频率穿插在问诊流程中；
9)对于每种问诊类别，选择使用频率最高的问诊话术；
10)得到问诊类别的最佳排序(问诊逻辑)、最佳问诊话术、最合理问诊套电轮次。
本发明还提供一种基于对话流的主动问诊及套电的系统，从而实现基于主题项目的机器人问诊流程，理解访客语义、获得更多访客信息进一步对访客更精准的症状分析、解答。
如图2所示，图2是本发明一实施例提供的基于对话流的主动问诊及套电的系统的结构示意图。本实施例中，该系统包括：
数据模块、类别模块以及分析模块；其中，
所述数据模块，用于获取至少两家医院对话数据，抽取对话数据中的客服回复话术，包括问诊话术和非问诊话术；
所述类别模块，用于抽取问诊话术进行分析，并将问诊话术分成多种问诊类别；所述问诊话术包括套电话术，所述套电话术依据问诊套电轮次内容进行设置；
所述分析模块，用于分析对话数据在不同问诊类别的频率以及套电频率，得到主题项目的最佳问诊逻辑、最佳问诊话术以及最佳问诊套电轮次。
优选的，所述类别模块进一步用于：
(1)通过爬虫爬取每家医院官网的整形项目信息，并统计常见项目；
(2)将对话数据按照所述的常见项目进行分类，形成项目数据；
(3)依据每类项目数据，抽取客服回复话术中的问诊话术；
(4)通过在套电问诊流程设置有多个问诊套电轮次，每轮问诊以套电话术作为结束。
优选的，所述分析模块进一步用于：
(1)抽取对话数据中的优质对话，分析该对话在不同问诊类别的频率，选择出现频率最高的排列组合作为主题项目的问诊逻辑，并使用最佳套电频率穿插在套电问诊流程中；
(2)针对每种问诊类别，选择使用频率最高的问诊话术，得到问诊类别的最佳问诊逻辑和最佳问诊话术以及最佳问诊套电轮次。
优选的，所述项目模块包括BERT语言模型以及二分类模型。
优选的，所述的问诊话术依据统计学和/或机器学习的结果获得。
优选的，所述优质对话包括对话超过三轮且用户无负面情绪的对话。
上述实施例中的实施方案可以进一步组合或者替换，且实施例仅仅是对本发明的优选实施例进行描述，并非对本发明的构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域中专业技术人员对本发明的技术方案作出的各种变化和改进，均属于本发明的保护范围。

Claims (7)

1.一种基于对话流的主动问诊及套电的方法，其特征在于，包括以下步骤：
S1：获取至少两家医院对话数据，抽取对话数据中的客服回复话术，包括问诊话术和非问诊话术；
S2：抽取问诊话术进行分析，并将问诊话术分成多种问诊类别；所述问诊话术包括套电话术，所述套电话术依据问诊套电轮次内容进行设置；
S3：分析对话数据在不同问诊类别的频率以及套电频率，得到主题项目的最佳问诊逻辑、最佳问诊话术以及最佳问诊套电轮次。
2.根据权利要求1所述的一种基于对话流的主动问诊及套电的方法，其特征在于，步骤S2进一步包括：
S2-1：通过爬虫爬取步骤S1中每家医院官网的整形项目信息，并统计常见项目；
S2-2：将对话数据按照所述的常见项目进行分类，形成项目数据；
S2-3：依据每类项目数据，抽取步骤S1的客服回复话术中的问诊话术；
S2-4：通过在套电问诊流程设置有多个问诊套电轮次，每轮问诊以套电话术作为结束。
3.根据权利要求2所述的一种基于对话流的主动问诊及套电的方法，其特征在于，步骤S3进一步包括：
S3-1：抽取对话数据中的优质对话，分析该对话在不同问诊类别的频率，选择出现频率最高的排列组合作为主题项目的问诊逻辑，并使用最佳套电频率穿插在套电问诊流程中；
S3-2：针对每种问诊类别，选择使用频率最高的问诊话术，得到问诊类别的最佳问诊逻辑、最佳问诊话术以及最佳问诊套电轮次。
4.根据权利要求1所述的一种基于对话流的主动问诊及套电的方法，其特征在于，步骤S2采用BERT语言模型以及二分类模型。
5.根据权利要求1至4任一所述的一种基于对话流的主动问诊及套电的方法，其特征在于，所述的问诊话术依据统计学和/或机器学习的结果获得。
6.根据权利要求3述的一种基于对话流的主动问诊及套电的方法，其特征在于，所述优质对话包括对话超过三轮且用户无负面情绪的对话。
7.一种基于对话流的主动问诊及套电的系统，其特征在于，包括：数据模块、类别模块以及分析模块；其中，
所述数据模块，用于获取至少两家医院对话数据，抽取对话数据中的客服回复话术，包括问诊话术和非问诊话术；
所述类别模块，用于抽取问诊话术进行分析，并将问诊话术分成多种问诊类别；
所述问诊话术包括套电话术，所述套电话术依据问诊套电轮次内容进行设置；
所述分析模块，用于分析对话数据在不同问诊类别的频率以及套电频率，得到主题项目的最佳问诊逻辑、最佳问诊话术以及最佳问诊套电轮次。
CN201911300799.5A 2019-12-17 2019-12-17 一种基于对话流的主动问诊及套电的方法及系统 Pending CN111180088A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911300799.5A CN111180088A (zh) 2019-12-17 2019-12-17 一种基于对话流的主动问诊及套电的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911300799.5A CN111180088A (zh) 2019-12-17 2019-12-17 一种基于对话流的主动问诊及套电的方法及系统

Publications (1)

Publication Number Publication Date
CN111180088A true CN111180088A (zh) 2020-05-19

Family

ID=70621478

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911300799.5A Pending CN111180088A (zh) 2019-12-17 2019-12-17 一种基于对话流的主动问诊及套电的方法及系统

Country Status (1)

Country Link
CN (1) CN111180088A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115168564A (zh) * 2022-09-07 2022-10-11 平安银行股份有限公司 一种对话挖掘方法、装置、电子设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160078355A1 (en) * 2014-09-17 2016-03-17 International Business Machines Corporation Using cohorts in a question answering system
CN105912846A (zh) * 2016-04-07 2016-08-31 南京小网科技有限责任公司 基于云计算和医学知识库技术的智能医疗辅助决策系统
CN110543552A (zh) * 2019-09-06 2019-12-06 网易（杭州）网络有限公司 对话交互方法、装置及电子设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160078355A1 (en) * 2014-09-17 2016-03-17 International Business Machines Corporation Using cohorts in a question answering system
CN105912846A (zh) * 2016-04-07 2016-08-31 南京小网科技有限责任公司 基于云计算和医学知识库技术的智能医疗辅助决策系统
CN110543552A (zh) * 2019-09-06 2019-12-06 网易（杭州）网络有限公司 对话交互方法、装置及电子设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115168564A (zh) * 2022-09-07 2022-10-11 平安银行股份有限公司 一种对话挖掘方法、装置、电子设备及介质

Similar Documents

Publication Publication Date Title
Tarantino et al. Self-Attention for Speech Emotion Recognition.
Akhtar et al. The potential of chatbots: analysis of chatbot conversations
CN106201424B (zh) 一种信息交互方法、装置及电子设备
CN106790004B (zh) 基于人工智能的客服辅助实时提示系统
Reithinger et al. Utilizing statistical dialogue act processing in Verbmobil
Aleedy et al. Generating and analyzing chatbot responses using natural language processing
CN107153965A (zh) 一种多终端的智能客服解决方法
CN105027196A (zh) 自动语音识别系统中的快速词汇表外搜索
CN106407178A (zh) 一种会话摘要生成方法及装置
CN106294854A (zh) 一种用于智能机器人的人机交互方法及装置
CN104462600A (zh) 实现来电原因自动分类的方法及装置
Seng et al. Video analytics for customer emotion and satisfaction at contact centers
CN101287040A (zh) 基于发送方与接收方之间的交互历史和上下文的动作预测
CN107273406A (zh) 任务对话系统中的对话处理方法及装置
CN111028007B (zh) 用户画像信息提示方法、装置及系统
CN107784033A (zh) 一种基于会话进行推荐的方法和装置
CN110046230A (zh) 生成推荐话术集合的方法、推荐话术的方法和装置
CN108628908B (zh) 分类用户提问-回答界限的方法、装置和电子设备
CN101202792B (zh) 基于发送方与接收方之间的关系处理消息的方法和装置
CN107102744A (zh) 一种输入词汇的推荐方法和电子设备
Subramaniam et al. Business intelligence from voice of customer
JP5574842B2 (ja) Ｆａｑ候補抽出システムおよびｆａｑ候補抽出プログラム
CN111180088A (zh) 一种基于对话流的主动问诊及套电的方法及系统
CN114328867A (zh) 一种人机对话中智能打断的方法及装置
CN111177343A (zh) 一种自动构造医美问诊引导逻辑的方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200519