CN111492383A - 使用意图分类器的自动化通信 - Google Patents

使用意图分类器的自动化通信 Download PDF

Info

Publication number
CN111492383A
CN111492383A CN201880078946.6A CN201880078946A CN111492383A CN 111492383 A CN111492383 A CN 111492383A CN 201880078946 A CN201880078946 A CN 201880078946A CN 111492383 A CN111492383 A CN 111492383A
Authority
CN
China
Prior art keywords
user
customer
server
text
automated process
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
Application number
CN201880078946.6A
Other languages
English (en)
Other versions
CN111492383B (zh
Inventor
J.谢夫
V.塞拉瓦特
R.克纳斯特
汪尚纬
G.萨波斯尼克
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.)
ASAPP Inc
Original Assignee
ASAPP Inc
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
Priority claimed from US15/836110 external-priority
Priority claimed from US15/836,110 external-priority patent/US20190182383A1/en
Application filed by ASAPP Inc filed Critical ASAPP Inc
Publication of CN111492383A publication Critical patent/CN111492383A/zh
Application granted granted Critical
Publication of CN111492383B publication Critical patent/CN111492383B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q30/01—Customer relationship services
    • G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
    • G06Q30/016—After-sales
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/55—Rule-based translation
    • G06F40/56—Natural language generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/214—Monitoring or handling of messages using selective forwarding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/14—Session management
    • H04L67/148—Migration or transfer of sessions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/42—Systems providing special services or facilities to subscribers
    • H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
    • H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/42—Systems providing special services or facilities to subscribers
    • H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
    • H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
    • H04M3/5166—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing in combination with interactive voice response systems or voice portals, e.g. as front-ends
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/42—Systems providing special services or facilities to subscribers
    • H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
    • H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
    • H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
    • H04M3/5232—Call distribution algorithms

Abstract

意图分类器可以被用于提高通信系统的效率。公司可以使用自动化处理或由第二用户手动响应第一用户来向第一用户提供协助。为了降低成本，公司可能更喜欢使用自动化处理（在它是可用的情况下）来协助。当第二用户正在协助用户时，来自第一用户的消息可以用意图分类器来处理以确定自动化支持可用于协助第一用户，并且可以向第二用户呈现将第一用户转移到自动化处理的建议（诸如通过向第二用户呈现用于将第一用户转移到自动化处理的按钮）。第二用户然后可以将第一用户转移到自动化处理并协助其他用户。

Description

使用意图分类器的自动化通信
相关申请的交叉引用
本申请（ASAP-0008-WO）要求2017年12月8日提交的并且题为“TRANSFER OF CUSTOMERSUPPORT TO AUTOMATED PROCESSING”（ASAP-0008-U01）的美国专利申请No. 15/836,110的优先权，并且是该申请的继续部分。
本申请还要求2018年11月13日提交的并且题为“AUTOMATING COMMUNICATIONSUSING AN INTENT CLASSIFIER”（ASAP-0016-U01）的美国专利申请No. 16/189,536的优先权，并且是该申请的继续。
所有的上述申请通过引用被整体地合并于此。
技术领域
本发明涉及通过使用意图分类器来确定自动化处理何时是可用的来提高通信的效率。
背景技术
公司需要与用户高效地交互以向它们的用户提供服务。例如，用户可能需要获得关于公司的服务的信息，可能对计费有疑问，或者可能需要来自公司的技术支持。公司以多种不同的方式与用户交互。公司可能有web站点，并且用户可以导航该web站点以执行各种动作。公司可能有在用户设备（诸如智能电话或平板计算机）上运行的应用（“app”），其提供与web站点类似的服务。公司可能有用户可以呼叫以经由交互式语音响应获得信息或与客户服务代表交谈（speak）的电话号码。公司还可以使用各种社交媒体服务（诸如Facebook或Twitter）来响应用户。
用于允许用户与公司交互的一些现有的技术对用户而言可能是讨厌的东西（nuisance）。在web站点或app上导航到合适页面，或在电话呼叫上导航语音菜单可能是耗时的。用于允许用户与公司交互的一些现有的技术对于公司实现而言可能是昂贵的。雇用客户服务代表来手动响应请求并接听电话呼叫可能是巨大费用。
附图说明
通过参考以下附图可以理解本发明及其某些实施例的以下详细描述：
图1A-1C是第三方公司可以通过其向公司提供客户支持服务的示例系统。
图2是示例客户支持会话，其中由客户服务代表和自动化处理提供支持。
图3是用于客户服务代表向客户提供支持的示例用户接口。
图4A和4B图示了在由客户服务代表提供支持和由自动化处理提供支持之间转换客户。
图5是允许在客户服务代表和自动化处理之间转换对客户的客户支持的示例系统。
图6是提供自动化客户支持的示例实现的流程图。
图7是在由客户服务代表提供支持和由自动化处理提供支持之间转换客户的示例实现的流程图。
图8是可以被用于在由客户服务代表提供支持和由自动化处理提供支持之间转换客户的示例性计算设备。
具体实施方式
本文中描述了用于通过将客户从接收来自人类客户服务代表（CSR）的支持转移到自动化处理来提高客户支持过程的效率的技术，其中自动化处理技术可用于解决客户的客户支持问题。公司可能已经针对一些支持问题实现了自动化处理，但未针对其他支持问题实现自动化处理。例如，对于更常见和/或更简单的支持需求，诸如更新地址或用信用卡进行支付，公司可能已经实现了自动化处理技术以执行这些任务，因此不需要CSR来执行任务。对于其他较不常见和/或更复杂的支持需求，诸如改变向客户提供的服务或升级装备，公司可能没有自动化处理来执行这些任务，并且客户可能需要与CSR交互以完成任务。如本文中所使用的，CSR将表示诸如经由消息收发或电话呼叫向客户提供支持的人。
客户可以使用多种通信技术从公司寻求支持，并且本文中描述的技术不限于任何特定的通信技术。例如，客户可以通过输入文本消息或交谈来通信，并且客户可以使用任何适当的设备来发送通信，所述设备诸如计算机、智能电话、平板计算机、可穿戴设备或物联网设备。客户可以使用任何适当的技术来传输通信，例如使用在客户设备上运行的app（例如，公司的app或为处理客户请求而创建的第三方app）、web页面、文本消息收发客户端或发送电子邮件来传输通信。如本文中所使用的，文本消息包括作为文本发送的任何消息，包括但不限于使用SMS（短消息服务）或专用应用（例如，Facebook messenger、Apple iMessage、Google Hangouts或WhatsApp）发送的消息。
客户通信包括客户与系统之间的任何交互，以向客户提供协助。客户通信包括例如：文本消息、话音、对字段数据（例如，基于web的表单字段）的输入或用户接口元素的选择。为了描述的清楚性，客户通信在本文中可以被编号（例如，第一客户通信），但是可以不由客户以由客户支持系统描述或考虑的次序来提供。当客户通信从系统中的一个设备被传输到系统中的另一设备时，可以在被传输之前或之后处理客户通信（例如，话音到文本转换）。传输或处理的客户通信可以被认为是相同的通信或另一通信。
寻求客户支持的客户可能在单个客户支持会话中有多个支持问题。例如，客户可能首先想要改变由客户接收的服务（例如，添加付费有线频道），并且然后想要更新他的地址。对于客户的每个问题，可以确定该问题可以通过自动化处理来处置还是需要由CSR来处置，并且可以根据需要连接客户与自动化处理或CSR。
可以通过自动化处理或CSR来执行客户的问题可以通过自动化处理来处置还是需要由CSR来处置的确定。例如，对于从客户接收的第一消息，可以通过自动化处理来处理该消息，以确定该问题应该通过自动化处理还是CSR来处置。替代地，可以将第一消息传输到CSR，CSR确定该问题应该通过自动化处理还是CSR来处置。
当已经解决客户的第一问题（无论是通过自动化处理还是CSR）并且客户提出了第二问题时，然后需要确定该第二问题应该通过自动化处理还是由CSR来处置。在自动处理解决了第一问题的情况下，则可以执行附加的自动化处理来确定第二问题应该通过自动化处理还是由CSR处置。
在第一问题由CSR解决的情况下，则CSR可以接收关于客户的第二问题的信息，并确定CSR应该他自己解决问题还是将客户转移到自动化处理。在一些实现中，在CSR决定将客户转移到自动化处理的情况下，CSR可以导航可用的自动化处理任务的列表或菜单。然而，在自动化处理任务的数量是大的情况下，找到合适的自动化处理任务来解决客户的第二问题对CSR而言可能是耗时的。
在一些实现中，自动化处理可以被用于协助CSR将客户转移到自动化处理任务。例如，来自客户的与第二任务相关的消息可以被自动处理以理解客户的问题，并且自动化处理然后可以向CSR呈现关于可以被用于解决第二问题的可用的自动化处理任务的一个或多个建议。例如，可以向CSR呈现按钮以将客户转移到自动化处理以用于更新地址。然后，CSR可以结束第一问题（例如，说“谢谢”），通知客户自动化处理将被用于第二问题，并选择按钮以将客户转移到针对第二问题的自动化处理。在一些实现中，多个按钮可以被呈现给CSR，并且CSR可以选择最相关的自动化处理任务来解决客户的第二问题。替代地，CSR可以决定不使用该建议，并且代之以他自己解决第二问题（例如，如果没有建议是适当的，或者使CSR解决第二问题对客户而言将是更好的体验）。
在与客户的自动化通信中，确定从客户接收到的消息的意图可能是期望的。实现自动化通信系统的公司可以将其预期从客户接收的消息分类为固定数量的定义的意图。通过将消息分类为意图，提供自动化响应对公司而言可能是更容易的。例如，“是”意图可以包括传达同意的多种方式（例如，“是”、“好”、“那很好”等）。为了提供响应，知道消息的意图可能是足够的，并且以其来表达意图的具体方式可能是不重要的。
为了确定消息的意图，公司用数学模型（诸如意图分类器）来处理接收到的消息。数学模型可以提供输出，该输出指示来自可能意图的列表的消息的意图，或者指示该消息不匹配意图的列表的任何意图。
如本文中所使用的，意图是具有相似含义的消息的集合。公司可以定义意图的集合（诸如数百、数千或更多意图），并且可以使用任何适当的技术来定义意图。例如，意图可以通过处理消息以确定消息的意图的数学模型来定义，或者通过被用于创建数学模型的训练数据的语料库（corpus）来定义。因为可以使用各种各样的语言来表达概念，所以意图可能对应于大量的消息。
意图可以被分配标签，以使得理解与该意图相对应的消息的类型对于人类而言更容易。例如，“是”意图可以包括表达同意的消息，“否”意图可以包括表达不同意的消息，并且“支付账单（PAY_BILL）”意图可以包括表达期望支付账单的消息。
在一些实现中，意图可以具有槽（slot）以允许更大的灵活性。例如，在公司销售大量的产品的情况下，具有与购买产品中的每种产品相关的意图可能是不可行的。代之以，意图可以具有槽（例如，参数或变量），以允许单个购买意图覆盖任何产品的购买。例如，购买意图可以具有针对产品的槽，并且当确定消息对应于购买意图时，消息也可以被处理以确定槽的值（例如，客户想要购买订书机）。
本文中描述的用于向客户提供客户支持和确定从客户接收的消息的意图的技术可以使用美国专利No. 9,715,496或美国专利No. 10,083,451中描述的技术中的任何技术，出于所有目的，所述专利中的每个通过引用被整体地合并于此。
向其客户提供客户支持的公司可能期望使用第三方公司的服务来改善客户支持体验并降低总体客户支持成本。例如，公司可能发现使用第三方公司的客户支持服务比实现其自己的客户支持服务更具成本效益（cost effective）。例如，第三方公司可以提供与确定客户支持问题应该自动地处置还是由CSR处置相关的服务，并且然后根据需要将客户连接到自动化处理或CSR。图1A-C图示了可以由公司使用以在向其客户提供客户支持时从第三方公司获得协助的三种不同架构。
图1A图示了允许第三方公司110向多个公司提供客户支持服务的系统101，其中第三方公司110是客户和公司之间的中介，用于客户和公司之间的所有通信。在图1A中，第三方公司110正在向公司A 130、公司B 131和公司C 132提供客户支持服务。第三方公司110可以向任何数量的公司提供客户支持服务。
每个公司的客户可以经由第三方公司110从公司寻求客户支持，并且对于客户来说，他们正在直接从公司还是经由第三方公司110寻求客户支持可能是或可能不是明显的。例如，客户A 120可能正在从公司A 130寻求支持，客户B 121可能正在从公司B 131寻求支持，并且客户C 122可能正在从公司C 132寻求支持。
第三方公司110可以协助公司以多种方式提供客户支持。在一些实现中，第三方公司110可以通过使用客户请求的文本的语义处理来自动响应客户的请求。在一些实现中，第三方公司110可以协助连接客户与代表该公司工作的客户服务代表（CSR）。例如，第三方公司110可以选择CSR，可以向客户提供用户接口以使得请求支持对于客户而言更容易，并且可以向CSR提供用户接口以协助CSR响应客户的请求。
在图1A中，第三方公司110已经连接客户A 120与CSR A 140，已经连接客户B 121与CSR B 141，并且已经连接客户C 122与CSR C 142。每个CSR可以与它正在代表其提供客户支持的公司具有任何适当的关系。例如，CSR可能是公司的雇员或承包商，并仅向该公司的客户提供客户支持，或者CSR可能正在向多个公司提供服务，并同时向多个公司的客户提供支持。
在一些实现中，第三方公司110还可以在向公司提供支持服务时使用第四方公司150的服务。例如，第三方公司110可以在向公司C 132提供支持服务时使用第四方公司150。第四方公司150可以提供与向客户提供客户支持相关的任何服务。例如，第四方公司150可以提供支付服务或提供要提供给客户或CSR的信息，诸如与天气或股票价格相关联的信息。
图1B图示了允许第三方公司110向多个公司提供客户支持服务的系统102，其中第三方公司110与所述公司通信但不直接与客户通信。在图1B中，客户与对应的公司有网络连接，但不直接与第三方公司110有网络连接。
为了使用第三方公司110的客户支持服务，公司可以向第三方公司110的服务器发出请求。在一些实现中，第三方公司110可以经由其服务器提供API（例如，REST API）以允许公司使用客户支持服务。例如，公司A 130可能接收来自客户A 120的请求，并期望使用第三方公司110的服务。公司A 130可以使其服务器向第三方公司110的服务器发出请求，以确定自动响应，以连接客户A 120与CSR A 140，或向客户A 120或CSR A 140提供用户接口。在一些实现中，从公司A 130到第三方公司110的请求可以包括第三方公司110提供其服务所需的所有信息，诸如请求的文本、客户A 120与公司A 130之间的先前消息，或来自客户A 120的客户简档（profile）的信息。在一些实现中，第三方公司110的服务器可以在提供客户支持服务时从公司A 130的服务器请求信息。
图1C图示了允许第三方公司110向多个公司提供客户支持服务的系统103，其中客户可以直接与对应的公司和/或第三方公司110通信。在图1C中，第三方公司110可以使用上面描述的技术的任何组合来向公司提供客户支持服务。在图1C中，客户与对应公司和第三方公司110两者有网络连接。
在客户被连接到公司和第三方公司110两者的情况下，两个连接中的每个可以被用于不同种类的请求。例如，在客户以不需要第三方公司110的服务的方式正在与公司交互（例如，导航公司的web站点）的情况下，客户可以使用与公司的网络连接。在客户以使用第三方公司110的服务的方式正在与公司交互的情况下，可以使用与第三方的连接。对于客户而言，客户正在使用与公司的网络连接还是与第三方公司110的网络连接可能是不明显的。
图2是与客户的客户支持会话的示例，其中会话的部分由自动化处理来处置，并且会话的部分由CSR处置。图2的消息可以被呈现在客户设备的显示器上，并且消息中的一些或所有也可以被显示在CSR设备的显示器上。
会话的第一部分210由自动化处理来处置。为了开始会话，客户可以采取任何适当的动作，诸如打开聊天窗口。第一消息211被呈现给客户，并且第一消息可以被自动生成。例如，第一消息对于所有客户可以是相同的，或者基于关于客户的信息针对客户自动生成。作为响应，客户发送请求帮助升级其电话的消息212。该消息被自动处理以确定该消息的含义或意图，如下面更详细地描述的那样。自动化处理的结果是连接客户与CSR以解决问题。例如，可能不存在用于帮助客户升级电话的自动化处理。然后客户与CSR连接。
会话的第二部分220由CSR处置。消息212可以被呈现给CSR，并且CSR可以以消息221来响应。然后，客户和CSR可以彼此发送附加消息（未示出），以最终解决客户的问题。解决问题后，CSR可以发送消息222以查看客户是否需要任何附加协助，并且客户以指示他想要改变他的地址的消息223来响应。因为自动化处理可用于协助客户进行地址改变，所以CSR将客户转移回到自动化处理以改变客户的地址。例如，CSR用户接口可以呈现一个或多个按钮以将客户转移到不同的自动化处理任务，并且CSR可以选择按钮以将客户转移到自动化处理任务以用于更新地址。
会话的第三部分230由自动化处理来处置。自动化处理可以发送消息231以开始地址改变，并且客户可以以消息232来响应以提供新地址。然后，自动化处理可以以消息233来询问客户他是否需要任何进一步的协助。客户以消息234响应，不需要进一步的协助，并且自动化处理以消息235结束会话。
自动化处理和来自CSR的协助的以上组合允许公司向客户提供协助，但也通过使用自动化技术（在可用的情况下）来减少客户支持的费用。在图2的客户支持会话中，客户可能知道或可能不知道会话的哪些部分正在由自动化处理处置以及哪些部分正在由CSR处置。与自动化处理和CSR的交互可以在单个流程中呈现，如同对话是与单个个体进行的一样。
CSR可以同时协助多个客户。例如，CSR可以响应第一客户，并且在等待来自第一客户的回复时，CSR可以响应第二客户。可以将用户接口（UI）呈现给CSR，以使得对CSR而言响应客户并同时响应多个客户更容易。
可以使用任何适当的技术将UI呈现给CSR。在一些实现中，CSR可以使用由第三方公司提供的web站点。例如，CSR可以用用户名和密码登录到web站点中。在一些实现中，CSR可以使用专用应用，诸如在台式计算机、膝上型计算机、平板计算机、智能电话或其他设备上运行的应用。CSR可以使用任何适当的技术通过UI与客户通信，诸如键入消息、使用话音识别说出被转录（transcribe）成文本的消息，或者通过音频连接（诸如VOIP连接）与客户交谈。为了呈现的清楚性，下面的描述将使用文本通信作为示例，但是当通过话音通信时，也可以使用相同的技术。
图3是由CSR在与客户进行通信时可以使用的示例用户接口。图3包括客户列表部分310，该客户列表部分310可以包括CSR当前正在与之通信的客户的列表。图3还包括对话部分320，该对话部分320允许CSR查看由客户键入的消息，键入消息给客户并查看对话历史。图3还包括信息部分330，该信息部分330提供用于协助CSR的附加信息，诸如客户简档、计费信息或公司服务的状态。
在客户与CSR之间的对话期间，客户和CSR中的每个都可以借助来自客户和CSR两者的消息来查看对话的整个历史。例如，由客户传输的每个消息可以出现在客户设备的显示器上以及CSR UI的对话部分320中。由CSR传输的每个消息也可以出现在客户设备的显示器上以及CSR UI的对话部分320中。客户还可能查看由相同或其他CSR或通过自动化处理处置的先前支持请求的对话的历史。在一些实现中，CSR可能还能够查看与客户或与自动化处理的先前支持会话。
信息部分330还可以允许CSR将客户转移到不同的自动化处理任务。在一些实现中，信息部分330可以给予CSR对所有可用的自动化处理任务的列表或目录的访问，并且CSR可以复查可用的自动化处理任务或搜索相关的自动化处理任务（例如，使用关键字搜索）。自动化处理任务中的每个可以与诸如按钮之类的控件相关联，该控件使得客户被转移到自动化处理任务。
在一些实现中，信息部分330可以自动向CSR建议相关的自动化处理任务。可以处理客户与CSR之间的一个或多个消息以确定消息的意图，并且可以基于所确定的意图来建议一个或多个自动化处理任务。例如，在图3中，CSR刚刚已经通知客户退款已经被处理，以及客户的账户上的当前余额。通过处理该消息的文本，可以确定该消息的意图与支付和/或计费相关。因此，可以基于这些确定的意图向CSR建议自动化处理任务。在图3中，信息部分330示出了两个建议的自动化处理任务，一个用于进行支付，并且另一个用于请求账单的副本。CSR可以选择与自动化处理任务相对应的按钮，以将客户转移到自动化处理任务。
在从CSR接收支持与从自动化处理接收支持之间转移客户时，可能期望的是转移是快速且无缝的，以为客户提供更好的体验。图4A和图4B图示了用于在从CSR接收支持与从自动化处理接收支持之间转移客户的示例架构。
在图4A中，客户设备410处的客户正在从CSR接收支持。为了接收支持，客户设备410可以具有与API服务器420的网络连接。在客户设备410上运行的软件可以使用任何适当的网络协议（诸如HTTP或TCP）从API服务器420发送和接收通信。API服务器420可以提供任何适当的功能，诸如决定用自动化处理还是CSR来协助客户，选择CSR，将客户连接到所选择的CSR以及将客户连接到自动化处理。
类似地，CSR可以使用CSR设备460提供支持，CSR设备460可以具有与API服务器450的网络连接。在CSR设备460上运行的软件可以使用任何适当的网络协议（诸如HTTP或TCP）从API服务器450发送和接收通信。API服务器450可以提供任何适当的功能，诸如连接CSR与已经被分配给CSR的客户。
当客户正在从CSR接收支持时，可以使用连接服务器440将客户连接到CSR。尽管图4A图示了一个客户和一个CSR，但是在实践中，客户支持系统可能有大量的客户（每个客户连接到API服务器）同时由大量的CSR（每个CSR连接到API服务器）协助，并且连接服务器440可以协助将从客户接收到的通信路由到分配的CSR，并将从CSR接收到的通信路由回到适当的客户。
在一些实现中，可以使用发布-订阅模式（pub-sub）来实现连接服务器440。当与客户开始客户支持会话时，可以针对客户或针对客户支持会话创建pub-sub频道。当分配CSR以协助客户时，API服务器450可以针对客户被订阅pub-sub频道。类似地，API服务器420也可以针对客户被订阅pub-sub频道。当API服务器420接收到来自客户的通信时，API服务器420然后可以通过将通信传输到连接服务器440来在客户的pub-sub频道上发布通信。然后，频道的每个订户将接收通信。类似地，当API服务器450针对客户接收到来自CSR的通信时，API服务器450然后可以通过将通信传输到连接服务器440来在客户的pub-sub频道上发布通信。在一些实现中，可能存在pub-sub频道的附加订户，诸如用于存储客户支持会话历史的服务器、正在监督CSR的管理（admin）、可能同时协助客户的多个CSR或可能在多个设备上同时或在单个设备上多次（例如，浏览器的多个标签）被连接到支持会话的客户。
在一些实现中，可以创建和使用附加的频道，诸如用于每个CSR的单独的频道和/或用于执行管理功能的管理频道。例如，API服务器420可以订阅针对CSR设备460的频道。当API服务器420接收到来自客户的通信时，API服务器420然后可以在多于一个频道上发布该通信，诸如在客户频道、CSR频道和/或管理频道上发布该通信。API服务器450然后可以接收客户消息并将其呈现给CSR。
因此，图4A图示了当CSR正在向客户提供支持时可以如何在客户和CSR之间传输通信。当客户代之以正在从自动化处理接收支持时，诸如当CSR将客户转移到自动化处理任务时，客户可以从自动化处理组件430接收支持，如图4B中所示。
在自动化支持期间，API服务器420可以接收来自客户的通信，诸如键入的消息或与HTML表单相对应的任何输入。API服务器420然后可以将客户通信传输到自动化处理组件430，并且自动化处理组件430可以将要传输到客户设备410的通信（诸如一个或多个用户接口元素）返回到API服务器420。用户接口元素可以对应于可以被呈现给客户的任何信息，诸如文本消息、图像或允许客户输入进一步的信息的用户接口。因此，在向客户提供自动化支持时，可以在客户设备410和自动化处理组件430之间传输多个通信。
在客户已经从自动化处理组件430接收到支持之后，可以结束客户服务会话，或者可以将客户转移回到CSR（与之前相同的CSR或不同的CSR）以获得进一步的协助。
在一些实现中，当在来自CSR的支持与使用自动化处理的支持之间进行转换时，客户设备410与API服务器420之间的网络连接可以适于提供更好的总体体验。客户设备410和API服务器420之间的网络连接可以是持久的网络连接，在延长的时间段内或甚至贯穿整个客户支持会话维持该网络连接。例如，当客户正在从CSR接收支持时，可以在客户设备410和API服务器420之间的持久网络连接上传输客户和CSR之间的消息。在将客户转移到自动化处理之后，可以在自动化处理期间使用相同的持久网络连接来在客户和自动化处理之间传输通信。
持久连接是使用单个TCP（传输控制协议）连接以在客户设备410和API服务器420之间发送多个通信的任何连接。对于持久连接，在传输通信之后维持该连接。相比之下，对于不是持久的连接，可以在信息的传输之后关闭该连接。在两台计算机之间创建连接可能需要来回若干次通信来创建连接，并且因此创建连接可能增加通信延迟，并且还消耗建立连接的计算机的更多资源（例如，存储器或CPU）。通过将客户设备与410和API服务器420之间的持久连接用于来自CSR的支持和自动化支持两者，可以减少通信的延迟并且可以减少所需的计算资源。
可以使用任何适当的技术来创建持久网络连接。例如，可以使用套接字（诸如websocket连接）或长轮询（long polling）来创建持久连接。
在一些实现中，当客户正在接收自动化支持时，API服务器420可以与连接服务器440通信。例如，API服务器420可以将来自客户的通信传输到自动化处理组件430，并且还在一个或多个pub-sub频道上发布该通信。
在一些实现中，可以存储客户正在接收自动化支持还是来自CSR的支持的指示，以促进路由客户通信。例如，对应于客户或支持会话的数据库条目可以指示客户正在接收自动化支持还是来自CSR的支持，并且当提供支持的方法变化时，可以更新该条目。客户正在接收自动化支持还是来自CSR的支持的指示也可以被传输到客户设备。
在一些实现中，图4A和图4B的框470内的组件可以由第三方公司（诸如上面描述的第三方公司）提供，该第三方公司正在向其他公司提供客户支持服务。
图5是用于向多个客户提供客户支持的系统501的示例，其中客户可以在接收来自CSR的支持和使用自动化处理的支持之间转换。在一些实现中，公司可以实现类似于图5的系统，以用于向其自己的客户提供客户支持，并且在一些实现中，第三方公司可以实现图5的部分，以用于向多个公司提供客户支持服务。为了呈现中的清楚性，将在描述图5时使用向三个公司（A、B和C）提供客户支持服务的第三方公司的示例。
在图5中，三个客户，即客户A 120、客户B 121和客户C 122正在接收分别与公司A、公司B和公司C相关的产品和服务的客户支持。在每个客户支持会话期间，客户可以接收来自CSR的支持和/或使用自动化处理的支持。例如，在客户支持会话期间的某个时刻，客户A120可能接收来自CSR A 140的支持，客户B 121可能接收来自CSR B 141的支持，并且客户C122可能接收来自CSR C 142的支持。
每个客户可以附加地经由自动化处理接收支持。在一些实现中，第三方公司可以提供针对各个公司定制的自动化处理（例如，以处置特定于公司的产品和服务的请求）。第三方公司可以具有专用的服务器计算机来针对每个公司实现自动化处理，诸如自动化处理服务器A 530、自动化处理服务器B 531和自动化处理服务器C 532。替代地，第三方可以具有不同的配置或不同的软件，该软件在被用于多个公司的共享服务器上运行自动化处理。
当客户开始客户支持会话时，客户的设备可以连接到第三方公司的服务器，诸如图5的API服务器。第三方公司可能具有多个或一队API服务器来协助大量的客户。多个客户可以同时被连接到API服务器，如图5中所示。例如，客户A 120被连接到API服务器510，客户B 121和客户C 122两者都被连接到API服务器511，并且没有客户被连接到API服务器512。
当CSR提供客户支持时，CSR的设备将连接到第三方公司的服务器，诸如图5的API服务器。相同的API服务器可以被用于客户和CSR两者，或者可以针对每个提供单独的API服务器的组。在图5的示例中，CSR A 140和CSR B 141两者都被连接到API服务器521，CSR C142被连接到API服务器522，并且没有CSR被连接到API服务器520。
连接服务器440可以提供上面描述的功能以在客户和CSR之间路由消息，诸如针对每个客户实现频道。例如，API服务器510和API服务器521中的每个可以订阅以从连接服务器440接收与客户A相关的消息，并且API服务器510和API服务器521中的每个可以将消息发布到连接服务器440以由订户接收。
自动化处理可以由自动化处理服务器A 530、自动化处理服务器B 531和自动化处理服务器C 532执行。由这些服务器执行的自动化处理可以包括本文中描述的自动化处理中的任何自动化处理，诸如确定来自客户或CSR的消息的意图，确定客户支持请求应该由CSR还是自动化处理来处置，向CSR提供可以用于客户的自动化处理任务的建议，以及通过处理从客户接收的通信经由自动化处理来提供支持，生成要被转移到客户的通信，以及代表客户执行动作（例如，更新数据库中的客户的地址）。
图5的服务器计算机中的任何服务器计算机都可以在向客户提供支持时访问一个或多个数据存储设备。示例数据存储设备包括会话数据存储设备540，该会话数据存储设备540可以包括关于客户支持会话的信息，诸如传输去往或来自客户的通信、客户正在从CSR还是自动化处理接收支持，以及在会话期间代表客户执行的任何动作；客户数据存储设备541，其可以包括关于客户的信息，诸如客户的简档或由客户接收的产品或服务；CSR数据存储设备542，其可以包括关于CSR的信息，诸如CSR为其提供支持的公司、CSR当前正在服务的客户以及CSR针对其提供支持的主题（topic）（例如，技术支持与计费）；和公司数据存储设备543，其可以包括关于公司的信息，诸如由公司提供的服务的状态。
图6是图示提供自动化客户支持的示例实现的流程图。在图6中，步骤的排序是示例性的，并且其他次序是可能的，并非所有步骤都是需要的，并且在一些实现中，可以省略一些步骤或可以添加其他步骤。附加地或替代地，图6中描述的操作可以全部或部分地细分、组合和/或省略。流程图的处理可以例如通过本文中描述的计算机或系统中的任何计算机或系统来实现。
在步骤610处，从寻求客户支持的客户接收通信。该通信可以是文本、话音或对用户接口控件（例如，按钮或表单）的选择，并且可以使用任何通信协议从任何种类的设备传输该通信，诸如本文中描述的示例中的任何示例。
在步骤620处，使用意图分类器（诸如神经网络）来确定来自客户的通信的意图。可以使用任何适当的技术来确定与意图分类器的通信的意图，所述技术诸如美国专利No. 9,715,496或美国专利No. 10,083,451中描述的技术中的任何技术。在一些实现中，意图分类器可以针对每个可能的意图计算分数，并且具有最高分数的意图可以被选择作为通信的意图。例如，可能的意图可能涉及改变客户的地址、进行支付、改变PIN（个人标识号码）、请求账单的副本或改变接收的服务。意图的确定可以使用任何相关信息，诸如关于客户的信息（例如，客户的位置或由客户接收的服务）和公司的信息（例如，公司的服务的状态，诸如任何当前服务中断（outage））。
在一些实现中，意图分类器可以针对消息的每个词处理词嵌入（wordembedding）。词嵌入是N维矢量空间中的矢量，它代表该词，但是以保留（preserve）关于该词的含义的有用信息的方式来这样做。例如，词的词嵌入可以被构造成使得具有相似含义或类别的词在N维矢量空间中彼此接近。例如，针对“猫”和“（多只）猫”的词嵌入可能彼此接近，因为它们具有相似的含义，并且词“猫”和“狗”可能彼此接近，因为它们两者都与宠物相关。可以使用训练语料库预先（in advance）训练词嵌入，并且之后可以通过执行查找来获得针对通信的每个词的词嵌入来获得词嵌入。
可以使用任何适当的技术来从训练语料库中计算词嵌入。例如，训练语料库的词可以被转换成独热矢量（one-hot vector），其中独热矢量是词汇表的长度，并且在对应于该词的元素中矢量是1，并且对于其他元素是0。然后可以使用任何适当的技术来处理独热矢量，所述技术诸如在Word2Vec或GloVe软件中实现的技术。可以相应地针对词汇表中的每个词创建词嵌入。
词嵌入可以由任何适当的神经网络来处理，所述神经网络诸如逻辑回归分类器、深度平均网络、卷积神经网络、循环神经网络（recurrent neural network）、具有长短期存储器单元的循环神经网络、或递归神经网络（recursive neural network）。例如，神经网络可以输出针对指示通信和意图之间匹配的每个可能意图的分数，并且具有最高分数的意图可以被选择作为通信的意图。
在一些实现中，可以使用有向图来选择意图，其中该图的节点可以与一个或多个意图相关联。例如，该图可以是分层地组织可能意图的树。在遍历树时，节点可能变得更加具体。例如，节点可以涉及技术支持，并且节点的子节点可以涉及针对电话服务的技术支持、针对电视服务的技术支持和针对因特网服务的技术支持。对于另一个示例，节点可以涉及计费，并且该节点的子节点可以涉及获得最近的账单、过期账单和退款。
在步骤630处，确定使用自动化处理向客户提供支持。可以使用任何适当的技术来确定是否使用自动化处理向客户提供支持，所述技术诸如美国专利No. 9,715,496或美国专利No. 10,083,451中描述的技术中的任何技术。在一些实现中，分类器可以处理所选择的意图和其他可用信息（例如，关于客户或公司的信息）以输出分类决定。在一些实现中，一些意图可能允许自动处理，而其他意图可能不允许自动处理。
在步骤640处，从一组可用的自动化处理任务中选择自动化处理任务。在一些实现中，对于允许自动处理的每个意图，一个自动化处理任务可能是可用的。例如，用于更新客户的地址的自动化任务可以是对应于与更新客户的地址相关的意图的唯一自动化处理任务。在一些实现中，可以使用分类器来选择自动化处理任务。
在一些实现中，步骤620、630和640的方面可以被组合。例如，步骤620、630和640可以被组合成单个步骤，在该单个步骤中，用分类器处理客户的通信，并且分类器输出对应于每个可用的自动化处理任务的分数（以及或许针对不进行任何自动化处理的另一分数）。可以使用分数来选择自动化处理任务，诸如选择具有最高分数的自动化处理任务。
在步骤650处，实现自动化处理任务，并且实现自动化处理任务的服务器可以生成要发送给客户的通信，诸如消息或表单字段。任何适当的技术可以被用于实现自动化处理任务，所述技术诸如美国专利No. 9,715,496或美国专利No. 10,083,451中描述的技术中的任何技术。然后将该通信发送给客户。
在步骤660处，接收来自客户的通信（例如，文本消息），并且处理该通信。可以使用上面针对步骤620、630和640描述的技术中的任何技术来处理来自客户的通信。例如，一个或多个分类器可以处理通信以确定通信的意图、要发送给客户的后续通信或要代表客户执行的动作（例如，改变客户的地址）中的一个或多个。
在步骤670处，确定客户的支持问题是否已经被解决。如果它尚未被解决，则处理可以进行到步骤650，在步骤650中，向客户发送后续通信。如果它已经被解决，则处理可以进行到步骤680，在步骤680中，可以标识客户的另一个问题，或者客户支持会话可以结束。
图7是图示了借助接收来自CSR的支持和接收自动化支持的组合来协助客户的示例实现的流程图。在图7中，步骤的排序是示例性的，并且其他次序是可能的，并非所有步骤都是需要的，并且在一些实现中，可以省略一些步骤或可以添加其他步骤。附加地或替代地，图7中描述的操作可以全部或部分地细分、组合和/或省略。流程图的处理可以例如通过本文中描述的计算机或系统中的任何计算机或系统来实现。
在步骤710处，与客户设备建立网络连接，并从寻求客户支持的客户接收通信。该通信（以及客户的其他通信）可以是文本、表示客户的话音的音频信号、对用户接口控件（例如按钮或表单）的选择、图像、文档或任何其他形式的通信。可以使用任何通信协议从任何种类的设备传输通信，诸如本文中描述的示例中的任何示例。
在步骤720处，确定应该使用CSR还是使用自动化处理来向客户提供支持。步骤720可以由CSR或通过自动化处理来执行，如上面描述的那样。然后可以更新与客户或会话相对应的数据库条目，以指示客户正在接收来自CSR的支持（以及哪个CSR正在提供支持）还是接收自动支持。
在确定使用自动化处理来协助客户的情况下，则在步骤730处，客户与自动化处理服务器连接。在步骤740处，自动化处理将协助客户进行他的客户支持请求。在协助客户时，可以在客户和自动化处理服务器之间传输多种通信或消息。例如，自动化处理服务器可以通过接收新地址并用新地址更新客户的客户简档来协助客户更新他的地址。
在步骤740处完成客户支持请求之后，客户可以在步骤745处请求针对第二问题的客户支持。例如，客户可以请求取消或添加一些服务。
在步骤750处，确定应该由CSR还是通过自动化处理（诸如通过使用上面描述的技术中的任何技术）来提供针对第二问题的客户支持。在确定针对客户的第二问题使用自动化处理的情况下，则在步骤755处，处理可以进行到步骤740，在步骤740中，使用自动化处理来解决客户的第二问题。在确定使用CSR来协助客户的情况下，则可以更新针对该客户或会话的数据库条目，以指示该客户现在正在从CSR接收支持，并且在步骤755处，处理可以进行到步骤760，以连接客户与CSR以便解决第二问题。
返回到步骤720，在步骤720中，确定使用自动化处理还是CSR来解决客户的第一问题。在确定使用CSR来解决客户的第一问题的情况下，则在步骤730处，处理可以进行到步骤760，在步骤760中，CSR协助客户解决第一问题。客户和CSR可以交换通信或消息来解决第一问题。
在步骤765处，可以从寻求关于第二问题的协助的客户接收通信。在步骤770处，可以自动处理来自客户的通信，以确定是否向CSR建议使用自动化处理来解决第二问题，并且如果是，则建议可以可用于协助客户解决第二问题的一个或多个具体自动化处理任务。
图6中描述的处理中的任何处理都可以被用于决定是否建议自动化处理以解决第二问题以及建议一个或多个具体自动化处理任务。例如，在步骤765处，可以处理来自客户的通信以确定通信的意图，并且可以用分类器处理通信的意图以确定是否建议自动化处理任务以及要向CSR建议的一个或多个自动化处理任务。
在步骤770处，向CSR呈现一个或多个建议，以使用自动化处理任务来解决客户的第二问题。例如，可以在用户接口上呈现一个或多个按钮，其允许CSR将客户转移到自动化处理任务，诸如图3的按钮。
CSR可能决定不将客户转移到自动化处理任务，并且代之以他自己解决客户的第二问题（或将客户转移到另一个CSR）。替代地，CSR可以决定将客户转移到自动化处理任务。例如，CSR可以通知客户针对他的第二问题他将被转移到自动化处理，并且然后选择按钮以使客户与自动化处理连接。
在步骤775处，在CSR决定不将客户转移到自动化处理任务的情况下，则处理可以进行到步骤760，在步骤760中，CSR（或另一个CSR）协助客户解决第二问题。在步骤775处，在客户决定将客户转移到自动化处理任务的情况下，则CSR选择对应的按钮。选择该按钮可能导致通信被传输到服务器计算机以转移客户。例如，可以更新针对客户或会话的数据库条目，以指示该客户现在正在接收自动化支持，并且然后处理进行到步骤740，在步骤740中，用自动化处理来解决客户的第二问题。
可以根据需要重复图7的步骤，直到已经解决客户的问题中的所有问题。一旦已经解决客户的最后的问题，就可以通过自动化处理或由CSR结束支持会话。
在一些实现中，在图7的处理期间，可以由服务器（例如，公司或第三方公司的服务器）和客户的设备来维持持久网络连接。当客户在自动化处理和CSR之间被转移时，客户通信的内部路由可能被路由到不同的位置，但是客户设备与服务器之间的通信可以使用单个持久连接来执行，该单个持久连接在整个客户支持会话期间都被维持。
在一些实现中，在接收来自CSR的客户支持与接收自动化支持之间转移可以以其他方式发生。例如，在步骤730处确定不使用自动化支持之后，可以连接客户与CSR，并且可以将来自步骤710的客户通信呈现给CSR。CSR可以从客户通信（或在附加通信之后）确定自动化支持可用于协助客户，并将客户转移到自动化支持而不解决客户的问题。
在向客户提供自动化支持的同时，自动化处理可以确定将客户转移到CSR而不解决客户的问题。例如，自动化处理可以确定自动化处理决定的置信度水平是低的，或者可以确定已经发生了错误或不一致。然后可以将客户转移到CSR，并且可以将自动化支持的历史的一些或全部呈现给CSR。
图8图示了用于实现上面描述的技术中的任何技术的计算设备800的一个实现的组件。在图8中，组件被示出为在单个计算设备上，但是组件可以被分布在诸如计算设备的系统的多个计算设备中，所述计算设备包括例如最终用户计算设备（例如，智能电话或平板计算机）和/或服务器计算设备（例如，云计算）。
计算设备800可以包括计算设备的任何典型组件，诸如易失性或非易失性存储器810、一个或多个处理器811以及一个或多个网络接口812。计算设备800还可以包括任何输入和输出组件，诸如显示器、键盘和触摸屏。计算设备800还可以包括提供具体功能的多种组件或模块，并且这些组件或模块可以以软件、硬件或其组合来实现。下面，针对一个示例实现描述了组件的若干个示例，并且其他实现可以包括附加组件或者排除下面描述的组件中的一些。
计算设备800可以具有客户接口组件820，该客户接口组件820可以从客户设备接收数据，向客户设备传输数据，并且执行其他动作，诸如上面描述的API服务器的动作中的任何动作。计算设备800可以具有客户支持组件821，该客户支持组件821可以促进与客户的客户支持会话，诸如与CSR或与自动化客户支持的客户支持会话。计算设备800可以具有CSR接口组件822，该CSR接口组件822可以从CSR设备接收数据，向CSR设备传输数据，并且执行其他动作，诸如上面描述的API服务器的动作中的任何动作。在某些实施例中，CSR接口组件822将CSR接口传输到CSR或CSR设备，例如作为CSR接口通信。示例CSR设备响应CSR接口通信或来自CSR接口组件822的其他指令，以向CSR提供配置的用户接口和/或用户接口元素。计算设备800可以具有支持分类器组件823，该支持分类器组件823可以决定用CSR还是用自动化支持来提供客户支持。计算设备800可以具有自动化任务选择组件824，该自动化任务选择组件824可以在提供自动化支持或用于向CSR建议自动化支持任务时选择自动化任务。计算设备800可以具有语义处理组件825，该语义处理组件825可以执行任何相关的自然语言处理或理解任务，诸如确定客户消息的意图。计算设备800可以具有自动化支持组件826，该自动化支持组件826通过处理从客户接收的通信、生成要传送到客户的通信以及代表客户执行动作来提供自动化支持。
计算设备800可以包括或具有对各种数据存储设备的访问，所述数据存储设备诸如数据存储设备830、831、832和833。数据存储设备可以使用任何已知的存储技术，诸如文件或关系或非关系数据库。例如，计算设备800可以具有客户数据存储设备830以存储关于客户的任何相关信息。计算设备800可以具有CSR数据存储设备831，该CSR数据存储设备831可以存储关于CSR的任何相关信息。计算设备800可以具有公司数据存储设备832，该公司数据存储设备832可以存储关于第三方公司正在向其提供服务的公司的任何相关信息。计算设备800可以具有会话数据存储设备833，该会话数据存储设备833可以存储关于与客户的客户支持会话的任何相关信息。
可以看出，相对于先前已知的系统，贯穿本公开描述的某些系统、方法和设备提供了客户交互的改进的分类和/或路由，所述客户交互包括客户协助请求、技术协助请求、服务或服务改变请求和/或购买请求。在某些实施例中，贯穿本公开描述的系统、方法和设备减少和/或消除了客户导航web页面和/或菜单以访问适当信息来解决请求的需要。在某些实施例中，贯穿本公开描述的系统、方法和设备通过提供被配置成解决客户请求的自动化响应、通过通知客户服务代表自动化响应可用于客户请求和/或通过提供允许客户服务代表更高效和可靠地解决客户请求的客户请求的改进的意图确定来改善客户体验。在某些实施例中，贯穿本公开描述的系统、方法和设备通过确保客户支持代表提供适当响应客户请求的支持来改善客户体验。在某些实施例中，贯穿本公开描述的系统、方法和设备通过确保对客户请求的响应被适当地解决，例如通过利用来自客户请求的文本的自动化处理，来改善客户体验，从而消除手动输入错误和/或客户到客户服务代表的错误通信。
本文中描述的方法和系统可以部分或全部通过在处理器上执行计算机软件、程序代码和/或指令的机器来部署。如本文中使用的“处理器”旨在包括至少一个处理器，并且除非上下文另外清楚地指示，否则复数和单数应该被理解为是可互换的。本发明可以被实现为机器上的方法、实现为作为机器的部分或与机器相关的系统或装置、或者实现为在机器中的一个或多个上执行的计算机可读介质中实现的计算机程序产品。处理器可以是服务器、客户端、网络基础设施、移动计算平台、固定计算平台或其他计算平台的部分。处理器可以是能够执行程序指令、代码、二进制指令以及诸如此类的任何种类的计算或处理设备。处理器可以是或包括信号处理器、数字处理器、嵌入式处理器、微处理器或任何变体，诸如协处理器（数学协处理器、图形协处理器、通信协处理器以及诸如此类）以及诸如此类，其可以直接或间接促进存储在其上的程序代码或程序指令的执行。此外，处理器可以使能多个程序、线程和代码的执行。线程可以被同时执行，以增强处理器的性能并促进应用的同时操作。作为实现，本文中描述的方法、程序代码、程序指令以及诸如此类可以在一个或多个线程中实现。该线程可以产生（spawn）可能已经分配了与它们相关联的优先级的其他线程；处理器可以基于优先级或基于程序代码中提供的指令的任何其他次序来执行这些线程。处理器可以包括存储如本文中和其他地方描述的方法、代码、指令和程序的存储器。处理器可以通过接口访问存储介质，该存储介质可以存储如本文中和其他地方描述的方法、代码和指令。与处理器相关联的用于存储方法、程序、代码、程序指令或能够由计算或处理设备执行的其他类型的指令的存储介质可以包括但可以不限于CD-ROM、DVD、存储器、硬盘、闪存驱动器、RAM、ROM、高速缓存以及诸如此类中的一个或多个。
处理器可以包括可以增强多处理器的速度和性能的一个或多个核。在实施例中，该处理可以是双核处理器、四核处理器、其他芯片级多处理器以及诸如此类，其组合了两个或更多个独立的核（称为管芯）。
本文中描述的方法和系统可以部分或全部通过在服务器、客户端、防火墙、网关、集线器、路由器或其他这样的计算机和/或联网硬件上执行计算机软件的机器来部署。软件程序可以与服务器相关联，该服务器可以包括文件服务器、打印服务器、域服务器、互联网服务器、内联网服务器和其他变体，诸如辅助服务器、主机服务器、分布式服务器以及诸如此类。服务器可以包括存储器、处理器、计算机可读介质、存储介质、端口（物理和虚拟）、通信设备和能够通过有线或无线介质访问其他服务器、客户端、机器和设备的接口以及诸如此类中的一个或多个。如本文中和其他地方描述的方法、程序或代码可以由服务器执行。此外，执行如本申请中描述的方法所需的其他设备可以被视为与服务器相关联的基础设施的一部分。
服务器可以提供到其他设备的接口，所述其他设备包括但不限于客户端、其他服务器、打印机、数据库服务器、打印服务器、文件服务器、通信服务器、分布式服务器以及诸如此类。此外，该耦合和/或连接可以促进跨网络的程序的远程执行。这些设备中的一些或全部的联网可以促进在一个或多个位置处对程序或方法的并行处理，而不脱离本发明的范围。此外，通过接口附接到服务器的设备中的任何设备可以包括能够存储方法、程序、代码和/或指令的至少一个存储介质。中央存储库可以提供要在不同设备上执行的程序指令。在该实现中，远程存储库可以充当用于程序代码、指令和程序的存储介质。
软件程序可以与客户端相关联，该客户端可以包括文件客户端、打印客户端、域客户端、互联网客户端、内联网客户端以及诸如辅助客户端、主机客户端、分布式客户端以及诸如此类的其他变体。客户端可以包括存储器、处理器、计算机可读介质、存储介质、端口（物理和虚拟）、通信设备和能够通过有线或无线介质访问其他客户端、服务器、机器和设备的接口以及诸如此类中的一个或多个。如本文中和其他地方描述的方法、程序或代码可以由客户端执行。此外，执行如本申请中描述的方法所需的其他设备可以被视为与客户端相关联的基础设施的一部分。
客户端可以提供到其他设备的接口，所述其他设备包括但不限于服务器、其他客户端、打印机、数据库服务器、打印服务器、文件服务器、通信服务器、分布式服务器以及诸如此类。此外，该耦合和/或连接可以促进跨网络的程序的远程执行。这些设备中的一些或全部的联网可以促进在一个或多个位置处对程序或方法的并行处理，而不脱离本发明的范围。此外，通过接口附接到客户端的设备中的任何设备可以包括能够存储方法、程序、应用、代码和/或指令的至少一个存储介质。中央存储库可以提供要在不同设备上执行的程序指令。在该实现中，远程存储库可以充当用于程序代码、指令和程序的存储介质。
本文中描述的方法和系统可以部分或全部通过网络基础设施来部署。网络基础设施可以包括诸如计算设备、服务器、路由器、集线器、防火墙、客户端、个人计算机、通信设备、路由设备和如本领域中已知的其他有源和无源设备、模块和/或组件的元素。除了其他组件之外，与网络基础设施相关联的（一个或多个）计算和/或非计算设备还可以包括诸如闪存、缓冲器、堆栈、RAM、ROM以及诸如此类的存储介质。本文中和其他地方描述的过程、方法、程序代码、指令可以由网络基础设施元素中的一个或多个执行。
本文中和其他地方描述的方法、程序代码和指令可以在具有多个小区的蜂窝网络上实现。蜂窝网络可以是频分多址（FDMA）网络或码分多址（CDMA）网络。蜂窝网络可以包括移动设备、小区站点、基站、中继器（repeater）、天线、塔以及诸如此类。蜂窝网络可以是GSM、GPRS、3G、EVDO、网状网络（mesh）或其他网络类型。
本文中和其他地方描述的方法、程序代码和指令可以在移动设备上或通过移动设备来实现。移动设备可以包括导航设备、蜂窝电话、移动电话、移动个人数字助理、膝上型计算机、掌上型计算机、上网本、寻呼机、电子书阅读器、音乐播放器以及诸如此类。除了其他组件之外，这些设备还可以包括存储介质，诸如闪存、缓冲器、RAM、ROM和一个或多个计算设备。可以使得与移动设备相关联的计算设备能够执行存储在其上的程序代码、方法和指令。替代地，移动设备可以被配置成与其他设备协作地执行指令。移动设备可以与基站通信，该基站与服务器对接（interface）并被配置成执行程序代码。移动设备可以在对等网络、网状网络或其他通信网络上通信。程序代码可以被存储在与服务器相关联的存储介质上，并由嵌入在服务器内的计算设备执行。基站可以包括计算设备和存储介质。存储设备可以存储由与基站相关联的计算设备执行的程序代码和指令。
可以在机器可读介质上存储和/或访问计算机软件、程序代码和/或指令，机器可读介质可以包括：计算机组件、设备和记录介质，其将用于计算的数字数据保留达一定的时间的间隔；被称为随机存取存储器（RAM）的半导体存储设备；通常用于更永久的存储的大容量存储设备，诸如光盘、磁存储设备的形式，比如硬盘、带、鼓、卡和其他类型；处理器寄存器、高速缓存存储器、易失性存储器、非易失性存储器；光学存储设备，诸如CD、DVD；可移动介质，诸如闪存（例如，USB棒或钥匙（key））、软盘、磁带、纸带、穿孔卡（punch cards）、独立RAM盘、Zip驱动器、可移动大容量存储设备、离线以及诸如此类；其他计算机存储器，诸如动态存储器、静态存储器、读/写存储设备、可变（mutable）存储设备、只读存储设备、随机存取存储设备、顺序存取存储设备、位置可寻址存储设备、文件可寻址存储设备、内容可寻址存储设备、网络附接存储设备、存储区域网络、条形码、磁性墨水以及诸如此类。
本文中描述的方法和系统可以将物理和/或或无形物品（item）从一种状态转换为另一种状态。本文中描述的方法和系统还可以将表示物理和/或无形物品的数据从一种状态转换为另一种状态。
包括贯穿附图的流程图和框图中的本文中描述和描绘的元素暗示了元素之间的逻辑边界。然而，根据软件或硬件工程实践，所描绘的元素及其功能可以通过计算机可执行介质在机器上实现，该计算机可执行介质具有能够执行存储在其上的程序指令的处理器，作为单片软件结构、作为独立软件模块、或者作为采用外部例程、代码、服务等等的模块、或者这些的任何组合，并且所有这样的实现都可以在本公开的范围内。这样的机器的示例可以包括但可以不限于个人数字助理、膝上型计算机、个人计算机、移动电话、其他手持式计算设备、医疗装备、有线或无线通信设备、换能器、芯片、计算器、卫星、平板PC、电子书、小工具（gadgets）、电子设备、具有人工智能的设备、计算设备、联网装备、服务器、路由器以及诸如此类。此外，流程图和框图中描绘的元素或任何其他逻辑组件可以在能够执行程序指令的机器上实现。因此，尽管前述附图和描述阐述了公开的系统的功能方面，但是除非明确陈述或者另外从上下文中清楚，否则不应从这些描述中推断用于实现这些功能方面的软件的特定布置。类似地，将理解，上面标识和描述的各种步骤可以变化，并且步骤的次序可以适于本文中公开的技术的特定应用。所有这样的变化和修改都旨在落入本公开的范围内。因此，各种步骤的次序的描绘和/或描述不应被理解为要求那些步骤的特定的执行的次序，除非由特定应用要求，或者明确陈述或者另外从上下文中清楚。
上面描述的方法和/或过程及其步骤可以以适用于特定应用的硬件、软件或硬件和软件的任何组合来实现。硬件可以包括通用计算机和/或专用计算设备或具体计算设备或具体计算设备的特定方面或组件。所述过程可以在一个或多个微处理器、微控制器、嵌入式微控制器、可编程数字信号处理器或其他可编程设备以及内部和/或外部存储器中实现。所述过程也可以或者代之以在专用集成电路、可编程门阵列、可编程阵列逻辑或者可以被配置成处理电子信号的任何其他设备或者设备的组合中实现。将进一步理解，过程中的一个或多个可以被实现为能够在机器可读介质上执行的计算机可执行代码。
计算机可执行代码可以使用诸如C的结构化编程语言、诸如C++的面向对象的编程语言或任何其他高级或低级编程语言（包括汇编语言、硬件描述语言和数据库编程语言和技术）来创建，其可以被存储、编译或解释为在上述设备之一以及处理器的异构组合、处理器架构、或不同硬件和软件的组合、或能够执行程序指令的任何其他机器上运行。
因此，在一个方面中，上面描述的每种方法及其组合可以在计算机可执行代码中实现，当在一个或多个计算设备上执行时，所述计算机可执行代码执行其步骤。在另一方面中，所述方法可以在执行其步骤的系统中实现，并且可以以多种方式跨设备分布，或者功能中的所有功能可以被集成到专用的独立设备或其他硬件中。在另一方面中，用于执行与上面描述的过程相关联的步骤的装置可以包括上面描述的硬件和/或软件中的任何硬件和/或软件。所有这样的排列和组合旨在落入本公开的范围内。
尽管已经结合详细示出和描述的优选实施例公开了本发明，但是对其的各种修改和改进对本领域技术人员来说将变得容易明显的。因此，本发明的精神和范围将不受前述示例的限制，而是在法律允许的最广泛的意义上理解。
本文中引用的所有文档都通过引用被合并于此。

Claims (20)

1.一种用于使用意图分类器用于自动化通信的计算机实现的方法，所述方法包括：
建立与第一用户的通信会话，其中，通信会话包括第一用户的第一设备与第一服务器之间的第一网络连接；
经由第一网络连接在第一服务器处接收来自请求协助的第一用户的第一文本；
由第一服务器将第一文本传输到第二用户的第二设备，其中第二用户正在协助第一用户，并且其中第一文本经由第二服务器与第二用户的第二设备之间的第二网络连接来传输；
用意图分类器处理第一文本，以计算针对多个可能的意图中的每个意图的分数；
使用分数从多个可能的意图中选择第一意图，其中，第一意图与由第一用户请求的协助相关；
使用第一意图确定自动化处理可用于协助第一用户进行由第一用户请求的协助；
向第二用户传输建议以将第一用户转移到针对由第一用户请求的协助的自动化处理；
接收来自第二用户的通信以将第一用户转移到自动化处理；
用自动化处理协助第一用户，其中，自动化处理包括：
经由第一网络连接在第一服务器处接收来自第一用户的第一设备的通信，
使用自动化处理服务器确定对来自第一设备的通信的响应，以及
由第一服务器经由第一网络连接向第一用户的第一设备传输响应。
2.根据权利要求1所述的计算机实现的方法，其中，
向第二用户传输建议以将第一用户转移到自动化处理包括使用户接口元素被呈现给第二用户；以及
来自第二用户的将第一用户转移到自动化处理的通信对应于用户接口元素的选择。
3.根据权利要求1所述的计算机实现的方法，其中，由第一用户请求的协助对应于更新第一用户的地址、处理支付、改变第一用户的PIN或改变由第一用户接收的服务。
4.根据权利要求1所述的计算机实现的方法，其中，第一网络连接是持久连接，并且其中，所述持久连接被用于接收第一文本并且使用自动化处理来协助第一用户。
5.根据权利要求4所述的计算机实现的方法，其中，所述持久连接包括websocket或长轮询。
6.根据权利要求1所述的计算机实现的方法，其中：
将第一文本传输到第二用户包括经由连接服务器传输第一文本；
连接服务器允许其他服务器发布到频道和订阅频道；
第一服务器将第一文本发布到连接服务器的频道；以及
第一服务器订阅连接服务器的频道。
7.根据权利要求1所述的计算机实现的方法，其中，用意图分类器处理第一文本包括获得针对第一文本的词的词嵌入。
8.根据权利要求1所述的计算机实现的方法，其中，选择第一意图包括使用关于由第一用户接收的服务、第一用户的位置或由公司提供的服务的状态的信息。
9.一种用于提供客户支持的系统，所述系统包括：
至少一个服务器，其包括至少一个处理器和至少一个存储器，所述至少一个服务器被配置成：
建立与第一用户的通信会话，其中，通信会话包括第一用户的第一设备与第一服务器之间的第一网络连接；
经由第一网络连接在第一服务器处接收来自请求协助的第一用户的第一文本；
由第一服务器将第一文本传输到第二用户的第二设备，其中第二用户正在协助第一用户，并且其中第一文本经由第二服务器与第二用户的第二设备之间的第二网络连接来传输；
用意图分类器处理第一文本，以计算针对多个可能的意图中的每个意图的分数；
使用分数从多个可能的意图中选择第一意图，其中，第一意图与由第一用户请求的协助相关；
使用第一意图确定自动化处理可用于协助第一用户进行由第一用户请求的协助；
向第二用户传输建议以将第一用户转移到针对由第一用户请求的协助的自动化处理；
接收来自第二用户的通信以将第一用户转移到自动化处理；
使用第一网络连接用自动化处理协助第一用户。
10.根据权利要求9所述的系统，其中，所述至少一个服务器被进一步配置成：
在第一服务器处接收来自请求第二协助的第一用户的第二文本；
将第二文本传输到第二用户；
用意图分类器处理第二文本，以计算针对多个可能的意图中的每个意图的第二分数；
使用分数从多个可能的意图中选择第二意图，其中，第二意图与由第一用户请求的第二协助相关；
使用第二意图确定自动化处理不可用于协助第一用户进行由第一用户请求的第二协助。
11.根据权利要求9所述的系统，其中，第一网络连接是持久连接，并且其中，所述持久连接被用于接收第一文本并且使用自动化处理来协助第一用户。
12.根据权利要求9所述的系统，其中，自动化处理包括将API请求传输到向第一用户提供服务的公司的服务器。
13.根据权利要求9所述的系统，其中，所述至少一个服务器被进一步配置成：
更新数据库条目以指示第一用户正在接收来自第二用户的支持；以及
在接收到来自第二用户的使用自动化处理协助第一用户的通信之后，更新数据库条目以指示第一用户正在接收使用自动化处理的支持。
14.根据权利要求9所述的系统，其中，所述至少一个服务器被配置成：
通过经由连接服务器传输第一文本，将第一文本传输到第二用户；
连接服务器允许其他服务器发布到频道和订阅频道；
第一服务器将第一文本发布到连接服务器的频道；以及
第一服务器订阅连接服务器的频道。
15.根据权利要求9所述的系统，其中，所述至少一个服务器由向公司提供服务的第三方公司来操作，并且第一用户是公司的客户。
16.一种或多种非暂时性计算机可读介质，其包括计算机可执行指令，所述计算机可执行指令在被执行时使至少一个处理器执行动作，所述动作包括：
建立与第一用户的通信会话，其中，通信会话包括第一用户的第一设备与第一服务器之间的第一网络连接；
经由第一网络连接在第一服务器处接收来自请求协助的第一用户的第一文本；
由第一服务器将第一文本传输到第二用户的第二设备，其中第二用户正在协助第一用户，并且其中第一文本经由第二服务器与第二用户的第二设备之间的第二网络连接来传输；
用意图分类器处理第一文本，以计算针对多个可能的意图中的每个意图的分数；
使用分数从多个可能的意图中选择第一意图，其中，第一意图与由第一用户请求的协助相关；
使用第一意图确定自动化处理可用于协助第一用户进行由第一用户请求的协助；
向第二用户传输建议以将第一用户转移到针对由第一用户请求的协助的自动化处理；
接收来自第二用户的通信以将第一用户转移到自动化处理；
使用第一网络连接用自动化处理协助第一用户。
17.根据权利要求16所述的一种或多种非暂时性计算机可读介质，其中，选择第一意图包括使用关于由第一用户接收的服务、第一用户的位置或由公司提供的服务的状态的信息。
18.根据权利要求16所述的一种或多种非暂时性计算机可读介质，其中，从第一服务器到第一设备的第一网络连接是持久连接，并且其中，所述持久连接被用于接收第一文本并且使用自动化处理来协助第一用户。
19.根据权利要求16所述的一种或多种非暂时性计算机可读介质，其中，意图分类器包括神经网络。
20.根据权利要求16所述的一种或多种非暂时性计算机可读介质，其中，使用自动化处理来协助第一用户包括向第一用户传输文本消息或向第一用户呈现表单字段。
CN201880078946.6A 2017-12-08 2018-12-07 使用意图分类器的自动化通信 Active CN111492383B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US15/836,110 US20190182383A1 (en) 2017-12-08 2017-12-08 Transfer of customer support to automated processing
US15/836110 2017-12-08
US16/189,536 US10497004B2 (en) 2017-12-08 2018-11-13 Automating communications using an intent classifier
US16/189536 2018-11-13
PCT/US2018/064404 WO2019113409A1 (en) 2017-12-08 2018-12-07 Automating communications using an intent classifier

Publications (2)

Publication Number Publication Date
CN111492383A true CN111492383A (zh) 2020-08-04
CN111492383B CN111492383B (zh) 2023-09-12

Family

ID=66696270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880078946.6A Active CN111492383B (zh) 2017-12-08 2018-12-07 使用意图分类器的自动化通信

Country Status (4)

Country Link
US (2) US10497004B2 (zh)
EP (1) EP3673421A4 (zh)
CN (1) CN111492383B (zh)
WO (1) WO2019113409A1 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9715496B1 (en) 2016-07-08 2017-07-25 Asapp, Inc. Automatically responding to a request of a user
US10109275B2 (en) 2016-12-19 2018-10-23 Asapp, Inc. Word hash language model
US10917483B2 (en) * 2017-06-22 2021-02-09 Numberai, Inc. Automated communication-based intelligence engine
US10489792B2 (en) 2018-01-05 2019-11-26 Asapp, Inc. Maintaining quality of customer support messages
US10169315B1 (en) 2018-04-27 2019-01-01 Asapp, Inc. Removing personal information from text using a neural network
US11216510B2 (en) 2018-08-03 2022-01-04 Asapp, Inc. Processing an incomplete message with a neural network to generate suggested messages
DE102018218098A1 (de) * 2018-10-23 2020-04-23 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Abstrahieren eines Datensatzes
US11551004B2 (en) 2018-11-13 2023-01-10 Asapp, Inc. Intent discovery with a prototype classifier
US10747957B2 (en) 2018-11-13 2020-08-18 Asapp, Inc. Processing communications using a prototype classifier
US11416689B2 (en) * 2019-03-28 2022-08-16 Siemens Aktiengesellschaft System and method for natural language processing with a multinominal topic model
US11373044B2 (en) 2019-04-12 2022-06-28 Asapp, Inc. Maintaining machine language model state across communications channels
JP7265652B2 (ja) * 2019-05-31 2023-04-26 ナイキ イノベイト シーブイ 動的応答目標を備えるマルチチャネル通信プラットフォーム
US11425064B2 (en) 2019-10-25 2022-08-23 Asapp, Inc. Customized message suggestion with user embedding vectors
US11316980B2 (en) * 2019-11-26 2022-04-26 International Business Machines Corporation Agent to bot transfer
US20210350263A1 (en) * 2020-05-06 2021-11-11 Kore.Ai, Inc. Methods for orchestrating an automated conversation in one or more networks and devices thereof
US11455340B2 (en) 2020-06-25 2022-09-27 Optum Services (Ireland) Limited Predictive prompt generation by an automated prompt system
US10997369B1 (en) * 2020-09-15 2021-05-04 Cognism Limited Systems and methods to generate sequential communication action templates by modelling communication chains and optimizing for a quantified objective

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101583939A (zh) * 2007-01-03 2009-11-18 微软公司 用于松耦合设备的同步协议
US20140297268A1 (en) * 2011-09-19 2014-10-02 Personetics Technologies Ltd. Advanced System and Method for Automated-Context-Aware-Dialog with Human Users
CN104937612A (zh) * 2013-01-17 2015-09-23 微软技术许可有限责任公司 通过用户生成的知识进行协同学习
US20160078456A1 (en) * 2014-09-17 2016-03-17 24/7 Customer, Inc. Method and apparatus for predicting customer intentions
CA2923942A1 (en) * 2015-03-20 2016-09-20 Comcast Cable Communications, Llc Data publication and distribution
US20170013073A1 (en) * 2012-07-19 2017-01-12 Glance Networks, Inc. Presence Enhanced Co-Browsing Customer Support
US20170041388A1 (en) * 2015-08-05 2017-02-09 Facebook, Inc. Controlling a Device Cloud
CN107112013A (zh) * 2014-09-14 2017-08-29 谷歌公司 用于创建可定制对话系统引擎的平台

Family Cites Families (140)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01314373A (en) 1988-06-15 1989-12-19 Hitachi Ltd Translated word selecting system in machine translating system
US5077669A (en) 1989-12-27 1991-12-31 International Business Machines Corporation Method for quasi-key search within a national language support (nls) data processing system
US5369575A (en) 1992-05-15 1994-11-29 International Business Machines Corporation Constrained natural language interface for a computer system
US6381645B1 (en) 1997-12-08 2002-04-30 Siemens Information And Communication Networks, Inc. Method of implementing push techniques in conventional web browsers
US6173279B1 (en) 1998-04-09 2001-01-09 At&T Corp. Method of using a natural language interface to retrieve information from one or more data resources
US6327363B1 (en) 1998-04-17 2001-12-04 Mci Worldcom, Inc. Method and system for automated customer services
US6915254B1 (en) 1998-07-30 2005-07-05 A-Life Medical, Inc. Automatically assigning medical codes using natural language processing
US6177932B1 (en) 1998-08-21 2001-01-23 Kana Communications, Inc. Method and apparatus for network based customer service
US6453292B2 (en) 1998-10-28 2002-09-17 International Business Machines Corporation Command boundary identifier for conversational natural language
US6981040B1 (en) 1999-12-28 2005-12-27 Utopy, Inc. Automatic, personalized online information and product services
US7644057B2 (en) 2001-01-03 2010-01-05 International Business Machines Corporation System and method for electronic communication management
US6892193B2 (en) 2001-05-10 2005-05-10 International Business Machines Corporation Method and apparatus for inducing classifiers for multimedia based on unified representation of features reflecting disparate modalities
US6820075B2 (en) 2001-08-13 2004-11-16 Xerox Corporation Document-centric system with auto-completion
US6959081B2 (en) 2001-12-03 2005-10-25 International Business Machines Corporation Expert hold queue management
US7409054B2 (en) * 2002-02-25 2008-08-05 Genesys Telecommunications Laboratories, Inc System and method for integrated resource scheduling, task allocation and agent work management
US8046832B2 (en) 2002-06-26 2011-10-25 Microsoft Corporation Spam detector with challenges
US7606714B2 (en) 2003-02-11 2009-10-20 Microsoft Corporation Natural language classification within an automated response system
US7257564B2 (en) 2003-10-03 2007-08-14 Tumbleweed Communications Corp. Dynamic message filtering
US20050228790A1 (en) 2004-04-12 2005-10-13 Christopher Ronnewinkel Coherent categorization scheme
US20060112127A1 (en) 2004-11-23 2006-05-25 Microsoft Corporation Method for efficiently mapping error messages to unique identifiers
US20060173776A1 (en) 2005-01-28 2006-08-03 Barry Shalley A Method of Authentication
US8054951B1 (en) * 2005-04-29 2011-11-08 Ignite Media Solutions, Llc Method for order taking using interactive virtual human agents
US7512580B2 (en) 2005-08-04 2009-03-31 Sap Ag Confidence indicators for automated suggestions
US8024196B1 (en) 2005-09-19 2011-09-20 Sap Ag Techniques for creating and translating voice applications
KR100755677B1 (ko) 2005-11-02 2007-09-05 삼성전자주식회사 주제 영역 검출을 이용한 대화체 음성 인식 장치 및 방법
US8271403B2 (en) 2005-12-09 2012-09-18 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Method and apparatus for automatic comparison of data sequences using local and global relationships
US7668922B2 (en) 2006-01-19 2010-02-23 International Business Machines Corporation Identifying and displaying relevant shared entities in an instant messaging system
US7603330B2 (en) 2006-02-01 2009-10-13 Honda Motor Co., Ltd. Meta learning for question classification
US8494152B1 (en) * 2006-02-28 2013-07-23 Allstate Insurance Company Systems and methods for automated call-handling and processing
US9043197B1 (en) 2006-07-14 2015-05-26 Google Inc. Extracting information from unstructured text using generalized extraction patterns
US20080091423A1 (en) 2006-10-13 2008-04-17 Shourya Roy Generation of domain models from noisy transcriptions
US7890326B2 (en) 2006-10-13 2011-02-15 Google Inc. Business listing search
US8000530B2 (en) 2006-10-26 2011-08-16 Hubin Jiang Computer-implemented expert system-based method and system for document recognition and content understanding
US9015301B2 (en) 2007-01-05 2015-04-21 Digital Doors, Inc. Information infrastructure management tools with extractor, secure storage, content analysis and classification and method therefor
US7707162B2 (en) 2007-01-08 2010-04-27 International Business Machines Corporation Method and apparatus for classifying multimedia artifacts using ontology selection and semantic classification
US8635243B2 (en) 2007-03-07 2014-01-21 Research In Motion Limited Sending a communications header with voice recording to send metadata for use in speech recognition, formatting, and search mobile search application
US8156138B2 (en) 2007-06-26 2012-04-10 Richrelevance, Inc. System and method for providing targeted content
EP2154641A1 (en) 2008-08-14 2010-02-17 Crossgate AG Method and device for converting messages between different data formats
CN102317904B (zh) 2009-01-29 2015-03-11 堡垒应用有限公司 带有验证完整性的加密系统和方法
WO2010093750A2 (en) 2009-02-12 2010-08-19 President And Fellows Of Harvard College Adaptive event-guided system and method for avoiding voltage emergencies
US9443216B2 (en) * 2009-06-19 2016-09-13 Verizon Patent And Licensing Inc. System and method for providing managed instant communication (or chat)-based helpdesk services
EP2271036B1 (en) 2009-06-22 2013-01-09 Semiocast Method, system and architecture for delivering messages in a network to automatically increase a signal-to-noise ratio of user interests
US9633399B2 (en) 2009-08-19 2017-04-25 Oracle International Corporation Method and system for implementing a cloud-based social media marketing method and system
US8543532B2 (en) 2009-10-05 2013-09-24 Nokia Corporation Method and apparatus for providing a co-creation platform
EP2488963A1 (en) 2009-10-15 2012-08-22 Rogers Communications Inc. System and method for phrase identification
US20110270771A1 (en) 2010-05-03 2011-11-03 Xerox Corporation System and method for a flexible management of the escalation of support for devices
US8612432B2 (en) 2010-06-16 2013-12-17 Microsoft Corporation Determining query intent
JP5695199B2 (ja) 2010-08-30 2015-04-01 本田技研工業株式会社 対話システムにおける思考追跡および行動選択
US9015093B1 (en) 2010-10-26 2015-04-21 Michael Lamport Commons Intelligent control with hierarchical stacked neural networks
US8533857B2 (en) * 2011-04-12 2013-09-10 Teletech Holdings, Inc. Methods for providing cross-vendor support services
US11068954B2 (en) 2015-11-20 2021-07-20 Voicemonk Inc System for virtual agents to help customers and businesses
US8812021B2 (en) 2011-12-02 2014-08-19 Yellowpages.Com, Llc System and method for coordinating meetings between users of a mobile communication network
WO2013108073A2 (en) 2011-12-06 2013-07-25 Perception Partners, Inc. Text mining analysis and output system
US8788443B2 (en) 2011-12-23 2014-07-22 Sap Ag Automated observational decision tree classifier
US9665643B2 (en) 2011-12-30 2017-05-30 Microsoft Technology Licensing, Llc Knowledge-based entity detection and disambiguation
US10108701B2 (en) 2012-02-22 2018-10-23 Nokia Technologies Oy System and method for determining context
US20130317808A1 (en) 2012-05-24 2013-11-28 About, Inc. System for and method of analyzing and responding to user generated content
US9424233B2 (en) 2012-07-20 2016-08-23 Veveo, Inc. Method of and system for inferring user intent in search input in a conversational interaction system
US9461876B2 (en) 2012-08-29 2016-10-04 Loci System and method for fuzzy concept mapping, voting ontology crowd sourcing, and technology prediction
US9727925B2 (en) 2012-09-09 2017-08-08 Oracle International Corporation Method and system for implementing semantic analysis of internal social network content
US9105268B2 (en) * 2012-09-19 2015-08-11 24/7 Customer, Inc. Method and apparatus for predicting intent in IVR using natural language queries
US9372674B2 (en) 2013-03-12 2016-06-21 Microsoft Technology Licensing, Llc Dynamic generation of user interface placeholder templates
US9336269B1 (en) 2013-03-14 2016-05-10 Google Inc. Determining question and answer alternatives
US20170006161A9 (en) * 2013-03-15 2017-01-05 Genesys Telecommunications Laboratories, Inc. Intelligent automated agent for a contact center
US9558743B2 (en) 2013-03-15 2017-01-31 Google Inc. Integration of semantic context information
JP6221301B2 (ja) 2013-03-28 2017-11-01 富士通株式会社 音声処理装置、音声処理システムおよび音声処理方法
US9177318B2 (en) 2013-04-22 2015-11-03 Palo Alto Research Center Incorporated Method and apparatus for customizing conversation agents based on user characteristics using a relevance score for automatic statements, and a response prediction function
US9110889B2 (en) 2013-04-23 2015-08-18 Facebook, Inc. Methods and systems for generation of flexible sentences in a social networking system
US9367880B2 (en) 2013-05-03 2016-06-14 Facebook, Inc. Search intent for queries on online social networks
US10055742B2 (en) * 2013-05-15 2018-08-21 Verizon Patent And Licensing Inc. Call transfers for web-delivered calls
US10176167B2 (en) * 2013-06-09 2019-01-08 Apple Inc. System and method for inferring user intent from speech inputs
US10599765B2 (en) 2013-06-27 2020-03-24 Avaya Inc. Semantic translation model training
US10162884B2 (en) 2013-07-23 2018-12-25 Conduent Business Services, Llc System and method for auto-suggesting responses based on social conversational contents in customer care services
US9672556B2 (en) 2013-08-15 2017-06-06 Nook Digital, Llc Systems and methods for programatically classifying text using topic classification
US9886950B2 (en) 2013-09-08 2018-02-06 Intel Corporation Automatic generation of domain models for virtual personal assistants
CN104598445B (zh) 2013-11-01 2019-05-10 腾讯科技（深圳）有限公司 自动问答系统和方法
US9189742B2 (en) 2013-11-20 2015-11-17 Justin London Adaptive virtual intelligent agent
WO2015075975A1 (ja) 2013-11-25 2015-05-28 三菱電機株式会社 対話制御装置及び対話制御方法
US10079013B2 (en) 2013-11-27 2018-09-18 Sri International Sharing intents to provide virtual assistance in a multi-person dialog
US9742916B1 (en) 2013-12-19 2017-08-22 Amazon Technologies, Inc. Customer service agent to customer connection
US9986242B2 (en) 2014-01-28 2018-05-29 Vmware, Inc. Enhanced image encoding in a virtual desktop infrastructure environment
JP6588449B2 (ja) 2014-01-31 2019-10-09 グーグル エルエルシー 文書のベクトル表現の生成
US20150220995A1 (en) 2014-01-31 2015-08-06 Semiocast Method, system and architecture for increasing social network user interests in messages and delivering precisely targeted advertising messages
US9837075B2 (en) 2014-02-10 2017-12-05 Mitsubishi Electric Research Laboratories, Inc. Statistical voice dialog system and method
US9591136B1 (en) * 2014-03-28 2017-03-07 United Services Automobile Association (Usaa) Methods and systems for customizing interactive voice response calls
US20150310377A1 (en) 2014-04-24 2015-10-29 Videodesk Sa Methods, devices and systems for providing online customer service
US9484022B2 (en) 2014-05-23 2016-11-01 Google Inc. Training multiple neural networks with different accuracy
US9633004B2 (en) 2014-05-30 2017-04-25 Apple Inc. Better resolution when referencing to concepts
US9761222B1 (en) 2014-06-11 2017-09-12 Albert Scarasso Intelligent conversational messaging
US10108608B2 (en) 2014-06-12 2018-10-23 Microsoft Technology Licensing, Llc Dialog state tracking using web-style ranking and multiple language understanding engines
US11038864B2 (en) 2014-06-12 2021-06-15 Mastercard International Incorporated Systems and methods for customer service access to a consumer interface system
US20160019816A1 (en) 2014-07-16 2016-01-21 Nimble Knowledge, LLC Language Learning Tool
US10607232B2 (en) 2014-08-26 2020-03-31 Accenture Global Services Limited Automatic assistance for resource reuse based on context extracted from a user workspace
US9658854B2 (en) 2014-09-26 2017-05-23 Intel Corporation Instructions and logic to provide SIMD SM3 cryptographic hashing functionality
US20170308523A1 (en) 2014-11-24 2017-10-26 Agency For Science, Technology And Research A method and system for sentiment classification and emotion classification
US9466297B2 (en) 2014-12-09 2016-10-11 Microsoft Technology Licensing, Llc Communication system
WO2016100717A1 (en) 2014-12-17 2016-06-23 Google Inc. Generating numeric embeddings of images
US9508340B2 (en) 2014-12-22 2016-11-29 Google Inc. User specified keyword spotting using long short term memory neural network feature extractor
US9860334B2 (en) 2014-12-22 2018-01-02 Zenedge, Inc. Dynamic content caching system
JP6434538B2 (ja) * 2015-01-16 2018-12-05 日立オートモティブシステムズ株式会社 パワーステアリング装置
US20160239846A1 (en) 2015-02-12 2016-08-18 Mastercard International Incorporated Payment Networks and Methods for Processing Support Messages Associated With Features of Payment Networks
US10264081B2 (en) 2015-04-28 2019-04-16 Microsoft Technology Licensing, Llc Contextual people recommendations
US9672814B2 (en) 2015-05-08 2017-06-06 International Business Machines Corporation Semi-supervised learning of word embeddings
US10185803B2 (en) 2015-06-15 2019-01-22 Deep Genomics Incorporated Systems and methods for classifying, prioritizing and interpreting genetic variants and therapies using a deep neural network
US10635949B2 (en) 2015-07-07 2020-04-28 Xerox Corporation Latent embeddings for word images and their semantics
US11514096B2 (en) 2015-09-01 2022-11-29 Panjiva, Inc. Natural language processing for entity resolution
EP3145127B1 (en) 2015-09-21 2019-07-10 Sap Se Short text messaging in digital mobile telecommunication networks
US10489701B2 (en) 2015-10-13 2019-11-26 Facebook, Inc. Generating responses using memory networks
US10664744B2 (en) 2015-10-13 2020-05-26 Facebook, Inc. End-to-end memory networks
US9723151B2 (en) 2015-10-19 2017-08-01 Genesys Telecommunications Laboratories, Inc. Optimized routing of interactions to contact center agents based on forecast agent availability and customer patience
KR102189855B1 (ko) 2015-10-21 2020-12-11 구글 엘엘씨 다이얼로그 시스템들에서의 파라미터 수집 및 자동 다이얼로그 생성
US9720901B2 (en) 2015-11-19 2017-08-01 King Abdulaziz City For Science And Technology Automated text-evaluation of user generated text
US20170213138A1 (en) 2016-01-27 2017-07-27 Machine Zone, Inc. Determining user sentiment in chat data
US9818067B2 (en) 2016-03-24 2017-11-14 Accenture Global Solutions Limited Self-learning log classification system
US10504039B2 (en) 2016-05-05 2019-12-10 Hulu, Llc. Short message classification for video delivery service and normalization
US10049663B2 (en) 2016-06-08 2018-08-14 Apple, Inc. Intelligent automated assistant for media exploration
US10067938B2 (en) 2016-06-10 2018-09-04 Apple Inc. Multilingual word prediction
DK179415B1 (en) 2016-06-11 2018-06-14 Apple Inc Intelligent device arbitration and control
GB201611380D0 (en) 2016-06-30 2016-08-17 Microsoft Technology Licensing Llc Artificial neural network with side input for language modelling and prediction
US10083451B2 (en) 2016-07-08 2018-09-25 Asapp, Inc. Using semantic processing for customer support
US9715496B1 (en) 2016-07-08 2017-07-25 Asapp, Inc. Automatically responding to a request of a user
US20180018562A1 (en) 2016-07-14 2018-01-18 Cside Japan Inc. Platform for providing task based on deep learning
US10754978B2 (en) * 2016-07-29 2020-08-25 Intellisist Inc. Computer-implemented system and method for storing and retrieving sensitive information
US20180052664A1 (en) 2016-08-16 2018-02-22 Rulai, Inc. Method and system for developing, training, and deploying effective intelligent virtual agent
US9762733B1 (en) 2016-09-21 2017-09-12 Genesys Telecommunications Laboratories, Inc. System and method for recommending communication mediums based on predictive analytics
US11128579B2 (en) 2016-09-29 2021-09-21 Admithub Pbc Systems and processes for operating and training a text-based chatbot
AU2017348370A1 (en) 2016-10-28 2019-06-13 Axon Enterprise, Inc. Systems and methods for supplementing captured data
US10127908B1 (en) * 2016-11-11 2018-11-13 Amazon Technologies, Inc. Connected accessory for a voice-controlled device
GB201619724D0 (en) 2016-11-22 2017-01-04 Microsoft Technology Licensing Llc Trained data input system
US10650311B2 (en) 2016-12-19 2020-05-12 Asaap, Inc. Suggesting resources using context hashing
US10109275B2 (en) 2016-12-19 2018-10-23 Asapp, Inc. Word hash language model
US10417492B2 (en) 2016-12-22 2019-09-17 Microsoft Technology Licensing, Llc Conversion of static images into interactive maps
US10049103B2 (en) 2017-01-17 2018-08-14 Xerox Corporation Author personality trait recognition from short texts with a deep compositional learning approach
US20180232434A1 (en) 2017-02-16 2018-08-16 Microsoft Technology Licensing, Llc Proactive and retrospective joint weight attribution in a streaming environment
US10628506B2 (en) 2017-02-17 2020-04-21 Microsoft Technology Licensing, Llc Using log data to train for automated sourcing
CN107168952B (zh) 2017-05-15 2021-06-04 北京百度网讯科技有限公司 基于人工智能的信息生成方法和装置
US10694038B2 (en) * 2017-06-23 2020-06-23 Replicant Solutions, Inc. System and method for managing calls of an automated call management system
US9892414B1 (en) 2017-08-16 2018-02-13 Asapp, Inc. Method, medium, and system for responding to customer requests with state tracking
US10210244B1 (en) 2018-02-12 2019-02-19 Asapp, Inc. Updating natural language interfaces by processing usage data
US10169315B1 (en) 2018-04-27 2019-01-01 Asapp, Inc. Removing personal information from text using a neural network

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101583939A (zh) * 2007-01-03 2009-11-18 微软公司 用于松耦合设备的同步协议
US20140297268A1 (en) * 2011-09-19 2014-10-02 Personetics Technologies Ltd. Advanced System and Method for Automated-Context-Aware-Dialog with Human Users
US20170013073A1 (en) * 2012-07-19 2017-01-12 Glance Networks, Inc. Presence Enhanced Co-Browsing Customer Support
CN104937612A (zh) * 2013-01-17 2015-09-23 微软技术许可有限责任公司 通过用户生成的知识进行协同学习
CN107112013A (zh) * 2014-09-14 2017-08-29 谷歌公司 用于创建可定制对话系统引擎的平台
US20160078456A1 (en) * 2014-09-17 2016-03-17 24/7 Customer, Inc. Method and apparatus for predicting customer intentions
CA2923942A1 (en) * 2015-03-20 2016-09-20 Comcast Cable Communications, Llc Data publication and distribution
US20170041388A1 (en) * 2015-08-05 2017-02-09 Facebook, Inc. Controlling a Device Cloud

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
S. BUCHANAN: "《The information audit: An integrated strategic approach》", 《INTERNATIONAL JOURNAL OF INFORMATION MANAGEMENT》, pages 29 *
章思宇: "《基于DNS的隐蔽通道流量检测》", 《通信学报》, no. 5, pages 143 *

Also Published As

Publication number Publication date
EP3673421A1 (en) 2020-07-01
US10497004B2 (en) 2019-12-03
CN111492383B (zh) 2023-09-12
WO2019113409A1 (en) 2019-06-13
US20190180288A1 (en) 2019-06-13
US20200043015A1 (en) 2020-02-06
WO2019113409A8 (en) 2019-07-11
EP3673421A4 (en) 2021-04-28

Similar Documents

Publication Publication Date Title
CN111492383B (zh) 使用意图分类器的自动化通信
US20190182383A1 (en) Transfer of customer support to automated processing
US11588760B2 (en) Initialization of automated workflows
US11416777B2 (en) Utterance quality estimation
CN109661675B (zh) 使用用于客户支持的语义处理
US10535071B2 (en) Using semantic processing for customer support
US10599644B2 (en) System and method for managing artificial conversational entities enhanced by social knowledge
US9892414B1 (en) Method, medium, and system for responding to customer requests with state tracking
US20180174037A1 (en) Suggesting resources using context hashing
US20180253734A1 (en) Automated upsells in customer conversations
US20220172021A1 (en) Method and system for over-prediction in neural networks
CN115485690A (zh) 用于处置聊天机器人的不平衡训练数据的分批技术
US20230100508A1 (en) Fusion of word embeddings and word scores for text classification
US20200193447A1 (en) Intelligent channel steering based on dynamically determined intents during channel interactions
JP2021099862A (ja) 電子チャットインタフェースとの対話の改善
US20220318234A1 (en) System and method for providing natural language processing
US20230134149A1 (en) Rule-based techniques for extraction of question and answer pairs from data
US20220329545A1 (en) Intelligent Assistant Content Generation
US20220366427A1 (en) Systems and methods relating to artificial intelligence long-tail growth through gig customer service leverage
US20230136965A1 (en) Prohibiting inconsistent named entity recognition tag sequences
WO2023076754A1 (en) Deep learning techniques for extraction of embedded data from documents

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