CN111552785A - 人机交互系统数据库更新方法、装置、计算机设备和介质 - Google Patents
人机交互系统数据库更新方法、装置、计算机设备和介质 Download PDFInfo
- Publication number
- CN111552785A CN111552785A CN202010274201.6A CN202010274201A CN111552785A CN 111552785 A CN111552785 A CN 111552785A CN 202010274201 A CN202010274201 A CN 202010274201A CN 111552785 A CN111552785 A CN 111552785A
- Authority
- CN
- China
- Prior art keywords
- historical
- answer
- questions
- service data
- answers
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- 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
- 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
- G06F16/35—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及计算机技术领域,特别涉及一种人机交互系统数据库更新方法、装置、计算机设备和存储介质。方法包括:获取人机交互系统对应的历史业务数据,历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系;根据业务场景标识对历史业务数据进行分组;并行提取每一分组中的历史业务数据中的无效答复以及无效答复对应的历史问题;并行获取每一分组中提取到的各历史问题的出现频次;并行提取每一分组中出现频次大于预设阈值的历史问题,并获取提取到的历史问题对应的有效答复;并行建立历史问题与有效答复之间的映射关系,根据映射关系对人机交互系统数据库进行更新。采用本方法能够提高人机交互系统数据库的更新效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种人机交互系统数据库更新方法、装置、计算机设备和介质。
背景技术
人机交互系统可以为企业与海量用户之间建立沟通,因此越来越多的企业使用人机交互系统来替代人工客服为用户提供服务。
但人机交互系统一般是由开发者预先设置的服务系统,并且人机交互系统数据库中的问题需要业务人员对用户经常问到的问题进行归类总结,从而形成人机交互系统数据库,并且对人机交互系统数据库的更新需要计算机获取大量的历史业务数据,并消耗大量的计算机资源对获取到的历史业务数据进行处理,大大降低了对人机交互系统数据库的更新效率。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高人机交互系统数据库更新效率的方法、装置、计算机设备和存储介质。
一种人机交互系统数据库更新方法,包括:
获取人机交互系统对应的历史业务数据,历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系;
根据业务场景标识对历史业务数据进行分组;
并行对每一分组中的所述历史业务数据进行自然语言分析,根据所述自然语言分析结果提取每一分组中的历史业务数据中的无效答复以及无效答复对应的历史问题;
并行获取每一分组中提取到的各历史问题的出现频次;
并行提取每一分组中出现频次大于预设阈值的历史问题,对提取出的所述历史问题进行自然语言分析,根据所述自然语言分析结果从所述业务标识对应的说明文本中提取历史问题对应的有效答复;
并行建立历史问题与有效答复之间的映射关系,根据映射关系对人机交互系统数据库进行更新。
在其中一个实施例中,并行提取每一分组中的历史业务数据中的无效答复以及无效答复对应的历史问题,包括:
当所述历史答复对应的自然语言分析结果为预先设置的默认答复时,将所述历史答复提取为第一历史答复,将第一历史答复对应的历史问题提取为第一历史问题;
当所述自然语言分析的结果为负面情绪对应的情绪语句时,将所述历史答复提取为第二历史答复,将所述第二历史答复对应的历史问题提取为第二历史问题;
根据第一历史答复和第二历史答复得到无效答复,根据第一历史问题和第二历史问题得到无效答复对应的历史问题。
在其中一个实施例中,获取人机交互系统对应的历史业务数据,历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系,包括:
对获取的历史业务数据进行数据清洗,以删除与答复历史问题无关的闲聊数据;
提取历史业务数据中携带的业务场景标识以及用户标识;
从数据清洗后的历史业务数据中提取与业务场景标识以及用户标识对应的历史问题以及历史答复;
以业务场景标识为根节点,以用户标识、历史问题以及历史答复为子节点生成文档对象树格式的历史业务数据。
在其中一个实施例中,并行建立历史问题与有效答复之间的映射关系之后,还包括:
并行获取每一分组中提取到的各历史问题的第一历史回答率;
根据业务场景标识对有效答复进行评估,生成与有效答复对应的第一评估回答率;
当第一评估回答率大于第一历史回答率时,执行根据映射关系对人机交互系统数据库进行更新。
在其中一个实施例中,根据业务场景标识对有效答复进行评估,生成与有效答复对应的第一评估回答率之后,还包括:
当第一评估回答率不大于第一历史回答率时,判断评估不通过,从文档对象树格式的历史业务数据中提取关联逻辑;
根据关联逻辑确定历史问题所在的子节点;
计算子节点的历史问题对应的第二历史答复率和第二评估回答率;
当第二评估答复率大于第二历史回答率时,则执行根据映射关系对人机交互系统数据库进行更新。
在其中一个实施例中,计算子节点的历史问题对应的第二历史答复率和第二评估回答率之后,还包括:
当第二评估答复率不大于第二历史回答率时,执行并行提取每一分组中出现频次大于预设阈值的历史问题,并获取提取到的历史问题对应的有效答复。
在其中一个实施例中,并行获取每一分组中的历史业务数据中历史问题的第一历史回答率,包括:
获取历史问题对应的用户标识;
根据用户标识从历史业务数据中提取历史问题的关联问题;
根据关联问题和历史问题计算第一历史回答率。
一种人机交互系统数据库更新装置,其特征在于,装置包括:
数据获取模块,用于获取人机交互系统对应的历史业务数据,历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系;
分组模块,用于根据业务场景标识对历史业务数据进行分组;
历史问题获取模块,用于并行提取每一分组中的历史业务数据中的无效答复以及无效答复对应的历史问题;
频次获取模块,用于并行获取每一分组中提取到的各历史问题的出现频次;
有效答复获取模块,用于并行提取每一分组中出现频次大于预设阈值的历史问题,并获取提取到的历史问题对应的有效答复;
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法的步骤。
上述人机交互系统数据库更新方法、装置、计算机设备和存储介质,获取人机交互系统对应的历史业务数据,历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系;根据业务场景标识对历史业务数据进行分组;通过对历史业务数据进行分组处理,然后并行对每一分组中的所述历史业务数据进行自然语言分析,根据所述自然语言分析结果提取每一分组中的历史业务数据中的无效答复以及无效答复对应的历史问题;并行获取每一分组中提取到的各历史问题的出现频次;并行提取每一分组中出现频次大于预设阈值的历史问题,通过分组处理可以对历史业务数据进行针对性处理,并行对提取出的历史问题进行自然语言分析,根据自然语言分析结果从业务标识对应的说明文本中提取历史问题对应的有效答复;并行建立历史问题与有效答复之间的映射关系,根据映射关系对人机交互系统数据库进行更新。通过分组处理提高了对历史业务数据的更新效率。
附图说明
图1为一个实施例中人机交互系统数据库更新方法的应用场景图;
图2为一个实施例中人机交互系统数据库更新方法的流程示意图;
图3为一个实施例中提供的一种提取无效答复以及对应的历史问题的流程示意图;
图4为一个实施例中人机交互系统数据库更新装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的人机交互系统数据库更新方法,可以应用于如图1所示的应用环境中。其中,用户终端102通过网络与服务器104进行通信。服务器104获取人机交互系统对应的历史业务数据,历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系;根据业务场景标识对历史业务数据进行分组;并行对每一分组中的所述历史业务数据进行自然语言分析,根据所述自然语言分析结果提取每一分组中的历史业务数据中的无效答复以及无效答复对应的历史问题;并行获取每一分组中提取到的各历史问题的出现频次;并行提取每一分组中出现频次大于预设阈值的历史问题,对提取出的所述历史问题进行自然语言分析,根据所述自然语言分析结果从所述业务标识对应的说明文本中提取历史问题对应的有效答复;并行建立历史问题与有效答复之间的映射关系,根据映射关系对人机交互系统数据库进行更新,以使得当服务器104接收用户终端102发送的历史问题时,可以从更新后的人机交互系统数据库中获取对应的答复,还可将答复推送至用户终端102。
用户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在其中一个实施例中,如图2所示,提供了一种人机交互系统数据库更新方法,以该方法应用于图1中的服务器104为例进行说明,在其他实施例中,该方法也可以应用于终端,方法包括以下步骤:
步骤210,获取人机交互系统对应的历史业务数据,历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系。
人机交互系统可以为企业与企业之间、企业与用户之间或者用户与用户之间建立沟通。在利用人机交互系统进行沟通时,由于用户的输入是不可知的,故而在沟通的过程中会产生各种各样的业务数据,可以将用户与人机交互系统之间的沟通记录进行存储生成历史业务数据。如在前端H5页面或APP应用里进行埋点,记录生产环境上用户的所有问答过程,根据问答过程生成历史客服记录对应的历史业务数据。
进一步地,历史业务数据可以存储有在预设业务场景下人机交互系统和用户在沟通过程中产生的所有对话记录,并且各历史业务数据中存储了历史问题与历史答复的对应关系。
步骤220,根据业务场景标识对历史业务数据进行分组。
服务器获取人机交互系统与用户沟通产生的历史业务数据,历史业务数据中携带有业务场景标识,并且,不同业务场景下人机交互系统和用户在沟通过程中产生的历史问题可能完全不同。
为了更好地区别历史业务数据,可以根据业务场景标识将历史业务数据进行分组,生成以业务场景标识为分组依据的各分组历史业务数据。
步骤230,并行对每一分组中的历史业务数据进行自然语言分析,根据自然语言分析结果提取每一分组中的历史业务数据中的无效答复以及无效答复对应的历史问题。
无效答复是人机交互系统未能解决用户提出的历史问题对应的答复。如可以为默认答复或者用户不满意的答复等。并且,服务器是以业务场景标识为分组依据对各分组的历史业务数据并行进行处理的,并行处理能够提高服务器对历史业务数据的处理效率。
自然语言处理(Natural Language Processing,简称NLP)是通过计算机处理、理解以及运用人类语言的技术。自然语言处理包括语法分析、语义分析、篇章理解等,进而利用自然语言处理技术能够对历史业务数据中的历史问题以及历史答复的语义进行识别,进而可以提取其中的无效答复。进一步地,自然语言处理包括语法分析、语义分析、篇章理解等,在此不做限定。
步骤240,并行获取每一分组中提取到的各历史问题的出现频次。
服务器获取各分组历史业务数据,并行统计各分组历史业务数据中历史问题的出现频次。
步骤250,并行提取每一分组中出现频次大于预设阈值的历史问题,对提取出的历史问题进行自然语言分析,根据所述自然语言分析结果从业务标识对应的说明文本中提取历史问题对应的有效答复。
服务器获取出现频次大于预设阈值的历史问题对应的有效答复,其中,有效答复可以由业务人员事先录入的,也可以由服务器根据自然语言分析的分析结果从与业务场景标识对应的说明文本中搜索并录入的。
通过对历史业务数据自动进行分析,服务器可以根据统计的出现频次调整数据库中存储的数据,如话术场景和词库,将频次使用高的话术补充进业务场景标识对应的数据库中,如可以添加问答流程、添加词库、修改话术的用户输入情况等。根据历史问题的出现频次确定加入数据库中的历史问题,无需用户对建议问题单独反馈,进一步提高了对数据库更新的效率。
步骤260,并行建立历史问题与有效答复之间的映射关系,根据映射关系对人机交互系统数据库进行更新。
服务器基于业务场景标识,并行建立历史问题和有效答复的映射关系,根据映射关系对人机交互系统数据库进行更新。以使得在更新后的人机交互系统数据库中,以有效答复替换原先的无效答复,进而提高人机交互系统的答复效率与答复准确率。
在本实施例中,根据业务场景标识对获取的历史业务数据进行分组,然后基于不同的分组并行对历史业务数据进行分析,并行提取各历史业务数据中历史问题大于预设频次的无效答复,然后利用有效答复对无效答复进行替换,并将历史问题与获取的有效答复进行关联存储,通过增加未存储在数据库中的问题,以丰富问题库,在人机交互系统数据库中配置合适的场景话术和词库,进而适应更多业务场景,实现对人机交互系统数据库的快速有效的更新,极大地提高了对人机交互系统数据库的更新效率。
如图3所述,提供了一种提取无效答复以及对应的历史问题的流程示意图。在其中一个实施例中,并行提取每一分组中的历史业务数据中的无效答复以及无效答复对应的历史问题,包括:
步骤310,当所述历史答复对应的自然语言分析结果为预先设置的默认答复时,将所述历史答复提取为第一历史答复,将第一历史答复对应的历史问题提取为第一历史问题。
服务器根据自然语言分析的结果从历史业务系统中提取默认答复为无效答复。具体地,无效答复可以是当人机交互系统数据库中不存在与历史问题相关的答复时,系统回复的默认答复,如默认答复可以为“不能识别该问题”、“该问题暂时无法答复”以及“请咨询人工客服”等未能解决历史问题的答复。服务器提取默认答复为第一历史答复,与第一历史答复对应问题提取为第一历史问题。
步骤320,当自然语言分析的结果为负面情绪对应的情绪语句时,将历史答复提取为第二历史答复,将第二历史答复对应的历史问题提取为第二历史问题。
具体地,无效答复还可以是用户不满意的答复,如虽然人机交互系统给出了关于该历史问题的答复,但是该历史答复并不是用户期望的答复结果,如可以表现在用户对于该历史答复的反馈并不是正面反馈的结果,例如,无效答复对应的用户的反馈可以是负面情绪语句,具体地,服务器对用户反馈的语句进行文本分析,识别出历史业务数据中用户反馈的是历史问题还是负面情绪语句。
服务器对历史业务数据进行话术分析,提取历史客服记录中的无效答复以及与无效答复对应的历史问题。服务器可以先从历史业务数据中提取出系统回复的默认答复,然后通过话术分析,得到用户对历史答复的反馈内容是否存在禁语或负面情绪词,当存在禁语或负面情绪词,服务器判定该用户回复内容为无效答复。
其中,禁语的判断可通过禁语词库来实现,禁语词库可以为收录了被标记为禁语的词语,如可包括不文明用语、不符合国家法律法规的词语等任何不恰当而应被禁用的词语。服务器基于禁语词库,检索问答交互日志的历史业务数据中的历史答复对应的坐席答案中是否存在被标记为禁语的词语,若存在,则判断未通过话术分析,为无效答复,服务器获取的与情绪语句对应的历史问题为第二历史问题,对应的历史答复为第二历史答复。
除了禁语判断之外,话术分析还可以判断历史答复对应的坐席答案是否存在负面情感,以此判断人机交互系统的服务态度。具体地,情感分析一般从两个方面来衡量,情感倾向方向和情感倾向度。情感倾向方向也称为情感极性,可以理解为用户对某客体表达自身观点所持的态度是支持、反对、中立,即通常所指的正面情感、负面情感、中性情感。情感倾向度是指主体对客体表达正面情感或负面情感时的强弱程度,不同的情感程度往往是通过不同的情感词或情感语气等来体现。
步骤330,然后服务器根据第一历史答复和第二历史答复得到无效答复,根据第一历史问题和第二历史问题得到无效答复对应的历史问题。
在本实施例中,通过对历史业务数据进行话术分析,识别其中的无效答复,进而获取到无效答复以及无效答复对应的历史问题,实现了对历史业务数据的自动分析,并且话术分析的过程中考虑到了默认答复以及情绪答复,考虑了多种情况下的用户不满答复,提高了对无效答复识别的准确率。
在其中一个实施例中,获取人机交互系统对应的历史业务数据,历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系,包括:对获取的历史业务数据进行数据清洗,以删除与答复历史问题无关的闲聊数据。
具体地,每隔一段时间,服务器对用户的输入以及人机交互系统的输出数据进行导出并分析整理,如可以将用户的输入和人机交互系统的答复数据保存到服务器的xml文档中。然后,还可以在人机交互系统对应的平台提供页面入口,使得用户可以查看历史业务数据,也提供下载xml文件的历史业务数据,并对历史业务数据进行分析整理。其中分析整理之前还可以包括对历史业务数据进行数据清洗,如过滤掉一些重复问题和无效问题,或者去掉与业务无关的闲聊文本。其中,闲聊文本是指历史业务数据中存储的与业务无关的闲聊等无用内容,比如,你好、谢谢、请问之类的词语。服务器对历史业务数据中识别出的闲聊文本进行删除。
分析整理还可以为统计同一用户问了什么问题或者对于同一产品用户问了什么问题,然后服务器将整理后的数据保存为xml的文档对象树(dom树)结构。同时,分析整理还可以包含服务器提供数据统计的功能,如用于统计哪些话术的使用频次高、哪些人机交互系统没有回答出来历史问题,使用的是默认答复,以及对于哪些历史问题以及哪些用户有抱怨类语句等。
服务器提取历史业务数据中携带的业务场景标识以及用户标识;从数据清洗后的历史业务数据中提取与业务场景标识以及用户标识对应的历史问题以及历史答复;以业务场景标识为根节点,以用户标识、历史问题以及历史答复为子节点生成文档对象树格式的历史业务数据。
历史业务数据中可以包括业务场景标识、用户标识、历史问题和历史答复。服务器根据业务场景标识从清洗后的历史业务数据中提取历史用户标识、历史问题和历史回复。服务器根据历史业务数据生成与用户标识和历史问题对应的文档对象树(dom树)。服务器以业务场景标识为根节点,依次以用户标识、历史问题和历史答复为子节点生成文档对象树。文档对象树用于表示与用户标识对应的各历史问题之间的关联逻辑。
在本实施例中,通过对获取的历史业务数据进行预处理,并且对预处理后的数据进行文档对象树格式的存储,实现了根据业务场景标识以及用户标识对历史业务数据进行分类存储,不仅可以通过标识快速定位到对应的历史业务数据,并且也可以进而可以根据不同的场景以及不同的用户对历史业务数据进行自适应地处理,使得数据处理更具有针对性,并且服务器还可以对不同组别的数据并行处理,进一步地提高了数据的处理效率。
在其中一个实施例中,并行建立历史问题与有效答复之间的映射关系之后,还包括:并行获取每一分组中提取到的各历史问题的第一历史回答率。
第一历史回答率可以是与用户标识对应的历史问题的回答率,人机交互系统与用户的每一轮对话都是人机交互系统与用户之间的一次交流。在一次完整的对话记录中,人机交互系统能否在一轮对话中就解决用户所咨询的问题,很大程度反映了人机交互系统的服务水准是否达标。例如,服务器计算在用户反馈的两个独立的历史问题之间人机交互系统与用户的对话轮数,根据对话轮数获取与历史问题对应的回答率。进一步地,服务器计算在用户反馈的两个独立的历史问题之间人机交互系统与用户的对话轮数,根据对话轮数获取与历史问题对应的回答率。
第一历史回答率是根据无效答复在关联问题和历史问题中的出现概率得到的。具体地,服务器根据用户标识和历史问题从历史业务数据中提取出与历史问题关联的关联问题,其中,关联问题是指问题的提出时间与用户提出历史问题的时间差不大于预设时间段的问题。服务器根据关联问题和历史问题计算第一历史回答率。例如,同一用户在A时间提出历史问题,该历史问题对应的答复为无效答复,且在A时间对应的预设时间段内,服务器提取出两个关联问题,该两个关联问题的答复均为有效答复,服务器计算第一历史回答率为1-1/(1+2)=66.7%;或者,在A时间对应的预设时间段内,服务器提取出两个关联问题,该两个关联问题的答复均为无效答复,服务器计算第一历史回答率为1-(3/(1+2))=0%。进一步地,当历史问题出现多次时,服务器可以计算对应的回答率的平均值,并将该平均值作为第一历史回答率。
在其中一个实施例中,并行获取每一分组中的历史业务数据中历史问题的第一历史回答率,包括:获取历史问题对应的用户标识;根据用户标识从历史业务数据中提取历史问题的关联问题;根据关联问题和历史问题计算第一历史回答率。
根据业务场景标识对有效答复进行评估,生成与有效答复对应的第一评估回答率。
为了确保调整后人机交互系统数据库中的词库和话术场景能进一步满足用户问答,需要对调整后的话术场景和词库进行进一步的验证。具体地,服务器基于业务场景标识建立历史问题和有效答复的映射关系,并根据业务场景标识对有效答复进行评估,生成与有效答复对应的第一评估回答率,其中,第一评估回答率的计算方式与第一历史回答率的计算方式一样。
具体地,服务器接收用户终端输入的问询问题,从更新后的人机交互系统数据库中提取出与问询问题对应的问询关联问题,根据问询关联问题以及问询问题计算问询问题对应的问询答复的答复率,答复率也为第一历史回答率。
当第一评估回答率大于第一历史回答率时,执行根据映射关系对人机交互系统数据库进行更新。
服务器判断第一评估回答率大于第一历史回答率的关系,当第一评估回答率大于第一历史回答率时,服务器根据第一评估回答率大于第一历史回答率的评定结果,将业务场景标识和映射关系进行对应存储。
在本实施例中,服务器不仅可以根据历史问题的出现频次以及无效答复的识别对人机交互系统数据库自动更新,还可以根据自动更新后的人机交互系统数据库进行运营分析,多角度地评估更新后的人机交互系统数据库是否满足要求,提高人机交互系统数据库的更新准确率。通过对待加入数据库的历史问题和有效答复进行评估,当评估准确率优于历史准确率时,服务器才会对数据库中的数据进行添加。
在其中一个实施例中,根据业务场景标识对有效答复进行评估,生成与有效答复对应的第一评估回答率之后,还包括:当第一评估回答率不大于第一历史回答率时,判断评估不通过,从文档对象树格式的历史业务数据中提取关联逻辑。
具体地,文档对象树用于表示与用户标识对应的各历史问题之间的关联逻辑,当服务器判断第一评估回答率不大于第一历史回答率时,说明与提取出的历史问题绑定的有效答复不能实现对历史问题的准确答复,不是期望的有效答复,判断评估不通过,服务器从文档对象树格式的历史业务数据中提取关联逻辑。
服务器根据所关联逻辑确定历史问题在的子节点,服务器从定位到的子节点中获取对应的历史问题,计算子节点的历史问题对应的第二历史答复率和第二评估回答率。
具体地,第一评估回答率需要根据历史问题和多个关联问题生成,且关联问题的回复为无效回复时,会降低第一评估回答率。故而,当服务器判断第一评估回答率不大于第一历史回答率时,服务器确定历史问题所在的子节点,并判断子节点对应的历史问题的第二评估回答率是否大于第二历史回答率。其中,第二评估回答率仅仅是根据历史问题得到的回答率,不包括关联问题。
当服务器判断第二评估答复率大于第二历史回答率时,服务器判定历史问题与有效答复对应,服务器将业务场景标识和映射关系进行对应存储,执行根据映射关系对人机交互系统数据库进行更新。
在本实施例中,根据业务场景标识对有效答复进行评估,并根据业务场景标识对有效答复进行评估,生成与有效答复对应的第二评估回答率。服务器根据第二评估回答率大于第二历史回答率的评定结果,将业务场景标识和映射关系进行对应存储。服务器不仅可以根据评定结果对人机交互系统进行自动更新;还可以根据评定结果对更新后的人机交互系统进行运营分析,多角度地评估并提高人机交互系统的效率。解决业务难以配置场景的痛点,提供参考结果给业务更好的辅助业务和运营人员进行话术和词库的配置,提高用户体验和用户使用率
在一个实施例中,计算子节点的历史问题对应的第二历史答复率和第二评估回答率之后,还包括:当第二评估答复率不大于第二历史回答率时,执行并行提取每一分组中出现频次大于预设阈值的历史问题,并获取提取到的历史问题对应的有效答复。
具体地,当服务器判定结果为第二评估答复率不大于第二历史回答率时,服务器判定历史问题与有效答复不对应,服务器执行获取出现频次大于预设阈值的历史问题的有效答复,并重新建立历史问题和有效答复的映射关系的步骤。
进一步地,服务器递归查询每一个节点对应的历史问题,将这些历史问题作为入参调用人机交互系统的接口,并查看接口返回的历史答复。验证对于原先没有答复的历史问题验证根据更新后的人机交互系统数据库是否能够得到有效的答复,并且该答复对应的答复率,然后根据答复率的提高值判断是否还需要进一步调整话术和词库,以便更精准的匹配用户输入,提高人机交互系统答复的精确度。
举例:一、用户问:“拍拍贷怎么样?”;人机交互系统答复:“请查看拍拍贷详情(这里有超链接,点击可以跳转详情页面)”;二、用户问:“利息如何?”;人机交互系统答复:“年利息6%”;三、用户问:“贷10万可以分几期还?”;人机交互系统答复:“请问您是否要咨询贷款呢,可以试着输入贷款产品名称即可查询!”。
以上第三个问题人机交互系统没有回答出来,那么就会被提取出来作为无效答复对应的历史问题,提供给业务人员,业务人员在人机交互系统数据库中添加该场景的历史问题对应的有效答复后,再次验证人机交互系统的答复,如对于第三个问题的答复为:用户可以选择的分期有3期、6期、12期。进而评估通过验证。通过这样一个完整的方案可以帮助业务进行精准的场景话术配置,扩充词库,从而提高人机交互系统回答的准确度。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在其中一个实施例中,如图4所示,提供了一种人机交互系统数据库更新方法装置,包括:
数据获取模块410,用于获取人机交互系统对应的历史业务数据,历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系。
分组模块420,用于根据业务场景标识对历史业务数据进行分组。
历史问题获取模块430,用于并行对每一分组中的历史业务数据进行自然语言分析,根据自然语言分析结果提取每一分组中的历史业务数据中的无效答复以及无效答复对应的历史问题。
频次获取模块440,用于并行获取每一分组中提取到的各历史问题的出现频次。
第一有效答复获取模块450,用于并行提取每一分组中出现频次大于预设阈值的历史问题,对提取出的历史问题进行自然语言分析,根据自然语言分析结果从业务标识对应的说明文本中提取历史问题对应的有效答复。
更新模块460,用于并行建立所述历史问题与所述有效答复之间的映射关系,根据所述映射关系对所述人机交互系统数据库进行更新。
在其中一个实施例中,历史问题获取模块630,包括:
第一历史问题提取单元,用于当历史答复对应的自然语言分析结果为预先设置的默认答复时,将历史答复提取为第一历史答复,将第一历史答复对应的历史问题提取为第一历史问题;
第一历史问题提取单元,用于当自然语言分析的结果为负面情绪对应的情绪语句时,将历史答复提取为第二历史答复,将第二历史答复对应的历史问题提取为第二历史问题;
历史问题确定单元,用于根据第一历史答复和第二历史答复得到无效答复,根据第一历史问题和第二历史问题得到无效答复对应的历史问题。
在其中一个实施例中,数据获取模块610,包括:
清洗单元,用于对获取的历史业务数据进行数据清洗,以删除与答复历史问题无关的闲聊数据;
标识提取单元,用于提取历史业务数据中携带的业务场景标识以及用户标识;
历史数据提取单元,用于从数据清洗后的历史业务数据中提取与业务场景标识以及用户标识对应的历史问题以及历史答复;
数据生成单元,用于以业务场景标识为根节点,以用户标识、历史问题以及历史答复为子节点生成文档对象树格式的历史业务数据。
在其中一个实施例中,装置还包括:
第一历史回答率提取模块,用于并行获取每一分组中提取到的各历史问题的第一历史回答率;
第一评估回答率生成模块,用于根据业务场景标识对有效答复进行评估,生成与有效答复对应的第一评估回答率;
第一更新模块,用于当第一评估回答率大于第一历史回答率时,执行根据映射关系对人机交互系统数据库进行更新。
在其中一个实施例中,装置还包括:
关联逻辑获取模块,用于当第一评估回答率不大于第一历史回答率时,判断评估不通过,从文档对象树格式的历史业务数据中提取关联逻辑;
子节点确定模块,用于根据关联逻辑确定历史问题所在的子节点;
第二回答率计算模块,用于计算子节点的历史问题对应的第二历史答复率和第二评估回答率;
第二更新模块,用于当第二评估答复率大于第二历史回答率时,则执行根据映射关系对人机交互系统数据库进行更新。
在其中一个实施例中,装置还包括:
第二有效答复获取模块,用于当第二评估答复率不大于第二历史回答率时,执行并行提取每一分组中出现频次大于预设阈值的历史问题,并获取提取到的历史问题对应的有效答复。
在其中一个实施例中,第一历史回答率提取模块,包括:
用户标识获取单元,用于获取历史问题对应的用户标识;
关联问题提取模块,用于根据用户标识从历史业务数据中提取历史问题的关联问题;
第一历史回答率计算单元,用于根据关联问题和历史问题计算第一历史回答率。
关于人机交互系统数据库更新装置的具体限定可以参见上文中对于人机交互系统数据库更新方法的限定,在此不再赘述。上述人机交互系统数据库更新装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在其中一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存人机交互系统对应的历史业务相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人机交互系统数据库更新方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在其中一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取人机交互系统对应的历史业务数据,历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系;根据业务场景标识对历史业务数据进行分组;并行对每一分组中的历史业务数据进行自然语言分析,根据自然语言分析结果提取每一分组中的历史业务数据中的无效答复以及无效答复对应的历史问题;并行获取每一分组中提取到的各历史问题的出现频次;并行提取每一分组中出现频次大于预设阈值的历史问题,对提取出的所述历史问题进行自然语言分析,根据自然语言分析结果从业务标识对应的说明文本中提取历史问题对应的有效答复;并行建立历史问题与有效答复之间的映射关系,根据映射关系对人机交互系统数据库进行更新。
在其中一个实施例中,处理器执行计算机程序时实现并行提取每一分组中的历史业务数据中的无效答复以及无效答复对应的历史问题的步骤时还用于:当历史答复对应的自然语言分析结果为预先设置的默认答复时,将历史答复提取为第一历史答复,将第一历史答复对应的历史问题提取为第一历史问题;当自然语言分析的结果为负面情绪对应的情绪语句时,将历史答复提取为第二历史答复,将第二历史答复对应的历史问题提取为第二历史问题;根据第一历史答复和第二历史答复得到无效答复,根据第一历史问题和第二历史问题得到无效答复对应的历史问题。
在其中一个实施例中,处理器执行计算机程序时实现获取人机交互系统对应的历史业务数据,历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系的步骤时还用于:对获取的历史业务数据进行数据清洗,以删除与答复历史问题无关的闲聊数据;提取历史业务数据中携带的业务场景标识以及用户标识;从数据清洗后的历史业务数据中提取与业务场景标识以及用户标识对应的历史问题以及历史答复;以业务场景标识为根节点,以用户标识、历史问题以及历史答复为子节点生成文档对象树格式的历史业务数据。
在其中一个实施例中,处理器执行计算机程序时实现并行建立历史问题与有效答复之间的映射关系之后的步骤还用于:并行获取每一分组中提取到的各历史问题的第一历史回答率;根据业务场景标识对有效答复进行评估,生成与有效答复对应的第一评估回答率;当第一评估回答率大于第一历史回答率时,执行根据映射关系对人机交互系统数据库进行更新。
在其中一个实施例中,处理器执行计算机程序时实现根据业务场景标识对有效答复进行评估,生成与有效答复对应的第一评估回答率之后额步骤时还用于:当第一评估回答率不大于第一历史回答率时,判断评估不通过,从文档对象树格式的历史业务数据中提取关联逻辑;根据关联逻辑确定历史问题所在的子节点;计算子节点的历史问题对应的第二历史答复率和第二评估回答率;当第二评估答复率大于第二历史回答率时,则执行根据映射关系对人机交互系统数据库进行更新。
在其中一个实施例中,处理器执行计算机程序时实现计算子节点的历史问题对应的第二历史答复率和第二评估回答率之后的步骤时还用于:当第二评估答复率不大于第二历史回答率时,执行并行提取每一分组中出现频次大于预设阈值的历史问题,并获取提取到的历史问题对应的有效答复。
在其中一个实施例中,处理器执行计算机程序时实现并行获取每一分组中的历史业务数据中历史问题的第一历史回答率的步骤时还用于:获取历史问题对应的用户标识;根据用户标识从历史业务数据中提取历史问题的关联问题;根据关联问题和历史问题计算第一历史回答率。
在其中一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取人机交互系统对应的历史业务数据,历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系;根据业务场景标识对历史业务数据进行分组;并行对每一分组中的历史业务数据进行自然语言分析,根据自然语言分析结果提取每一分组中的历史业务数据中的无效答复以及无效答复对应的历史问题;并行获取每一分组中提取到的各历史问题的出现频次;并行提取每一分组中出现频次大于预设阈值的历史问题,对提取出的所述历史问题进行自然语言分析,根据自然语言分析结果从业务标识对应的说明文本中提取历史问题对应的有效答复;并行建立历史问题与有效答复之间的映射关系,根据映射关系对人机交互系统数据库进行更新。
在其中一个实施例中,处理器执行计算机程序时实现并行提取每一分组中的历史业务数据中的无效答复以及无效答复对应的历史问题的步骤时还用于:当历史答复对应的自然语言分析结果为预先设置的默认答复时,将历史答复提取为第一历史答复,将第一历史答复对应的历史问题提取为第一历史问题;当自然语言分析的结果为负面情绪对应的情绪语句时,将历史答复提取为第二历史答复,将第二历史答复对应的历史问题提取为第二历史问题;根据第一历史答复和第二历史答复得到无效答复,根据第一历史问题和第二历史问题得到无效答复对应的历史问题。
第一历史答复第一历史答复第一历史答复在其中一个实施例中,计算机程序被处理器执行时实现获取人机交互系统对应的历史业务数据,历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系的步骤时还用于:对获取的历史业务数据进行数据清洗,以删除与答复历史问题无关的闲聊数据;提取历史业务数据中携带的业务场景标识以及用户标识;从数据清洗后的历史业务数据中提取与业务场景标识以及用户标识对应的历史问题以及历史答复;以业务场景标识为根节点,以用户标识、历史问题以及历史答复为子节点生成文档对象树格式的历史业务数据。
在其中一个实施例中,计算机程序被处理器执行时实现并行建立历史问题与有效答复之间的映射关系之后的步骤还用于:并行获取每一分组中提取到的各历史问题的第一历史回答率;根据业务场景标识对有效答复进行评估,生成与有效答复对应的第一评估回答率;当第一评估回答率大于第一历史回答率时,执行根据映射关系对人机交互系统数据库进行更新。
在其中一个实施例中,计算机程序被处理器执行时实现根据业务场景标识对有效答复进行评估,生成与有效答复对应的第一评估回答率之后额步骤时还用于:当第一评估回答率不大于第一历史回答率时,判断评估不通过,从文档对象树格式的历史业务数据中提取关联逻辑;根据关联逻辑确定历史问题所在的子节点;计算子节点的历史问题对应的第二历史答复率和第二评估回答率;当第二评估答复率大于第二历史回答率时,则执行根据映射关系对人机交互系统数据库进行更新。
在其中一个实施例中,计算机程序被处理器执行时实现计算子节点的历史问题对应的第二历史答复率和第二评估回答率之后的步骤时还用于:当第二评估答复率不大于第二历史回答率时,执行并行提取每一分组中出现频次大于预设阈值的历史问题,并获取提取到的历史问题对应的有效答复。
在其中一个实施例中,计算机程序被处理器执行时实现并行获取每一分组中的历史业务数据中历史问题的第一历史回答率的步骤时还用于:获取历史问题对应的用户标识;根据用户标识从历史业务数据中提取历史问题的关联问题;根据关联问题和历史问题计算第一历史回答率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种人机交互系统数据库更新方法,所述方法包括:
获取人机交互系统对应的历史业务数据,所述历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系;
根据所述业务场景标识对所述历史业务数据进行分组;
并行对每一分组中的所述历史业务数据进行自然语言分析,根据所述自然语言分析结果提取每一分组中的所述历史业务数据中的无效答复以及所述无效答复对应的历史问题;
并行获取每一分组中提取到的各所述历史问题的出现频次;
并行提取每一分组中出现频次大于预设阈值的所述历史问题,对提取出的所述历史问题进行自然语言分析,根据所述自然语言分析结果从所述业务标识对应的说明文本中提取所述历史问题对应的有效答复;
并行建立所述历史问题与所述有效答复之间的映射关系,根据所述映射关系对所述人机交互系统数据库进行更新。
2.根据权利要求1所述的方法,其特征在于,所述并行提取每一分组中的所述历史业务数据中的无效答复以及所述无效答复对应的历史问题,包括:
当所述历史答复对应的自然语言分析结果为预先设置的默认答复时,将所述历史答复提取为第一历史答复,将所述第一历史答复对应的历史问题提取为第一历史问题;
当所述历史答复对应的自然语言分析结果为负面情绪对应的情绪语句时,将所述历史答复提取为第二历史答复,将所述第二历史答复对应的历史问题提取为第二历史问题;
根据所述第一历史答复和所述第二历史答复得到无效答复,根据所述第一历史问题和所述第二历史问题得到无效答复对应的历史问题。
3.根据权利要求1所述的方法,其特征在于,所述获取人机交互系统对应的历史业务数据,所述历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系,包括:
对获取的历史业务数据进行数据清洗,以删除与答复所述历史问题无关的闲聊数据;
提取所述历史业务数据中携带的业务场景标识以及用户标识;
从数据清洗后的所述历史业务数据中提取与所述业务场景标识以及所述用户标识对应的历史问题以及历史答复;
以所述业务场景标识为根节点,以所述用户标识、所述历史问题以及所述历史答复为子节点生成文档对象树格式的历史业务数据。
4.根据权利要求3所述的方法,其特征在于,所述并行建立所述历史问题与所述有效答复之间的映射关系之后,还包括:
并行获取每一分组中提取到的各所述历史问题的第一历史回答率;
根据所述业务场景标识对所述有效答复进行评估,生成与所述有效答复对应的第一评估回答率;
当所述第一评估回答率大于所述第一历史回答率时,执行根据所述映射关系对所述人机交互系统数据库进行更新。
5.根据权利要求4所述的方法,其特征在于,所述根据业务场景标识对所述有效答复进行评估,生成与所述有效答复对应的第一评估回答率之后,还包括:
当所述第一评估回答率不大于所述第一历史回答率时,判断评估不通过,从所述文档对象树格式的历史业务数据中提取关联逻辑;
根据所述关联逻辑确定所述历史问题所在的子节点;
计算所述子节点的所述历史问题对应的第二历史答复率和第二评估回答率;
当所述第二评估答复率大于所述第二历史回答率时,则执行根据所述映射关系对所述人机交互系统数据库进行更新。
6.根据权利要求5所述的方法,其特征在于,所述计算所述子节点的所述历史问题对应的第二历史答复率和第二评估回答率之后,还包括:
当所述第二评估答复率不大于所述第二历史回答率时,执行并行提取每一分组中出现频次大于预设阈值的所述历史问题,并获取提取到的所述历史问题对应的有效答复。
7.根据权利要求4或5所述的方法,其特征在于,所述并行获取每一分组中的所述历史业务数据中所述历史问题的第一历史回答率,包括:
获取所述历史问题对应的用户标识;
根据所述用户标识从所述历史业务数据中提取所述历史问题的关联问题;
根据所述关联问题和所述历史问题计算第一历史回答率。
8.一种人机交互系统数据库更新装置,其特征在于,所述装置包括:
数据获取模块,用于获取人机交互系统对应的历史业务数据,所述历史业务数据携带有业务场景标识,且包括历史问题与历史答复的对应的关系;
分组模块,用于根据所述业务场景标识对所述历史业务数据进行分组;
历史问题获取模块,用于并行对每一分组中的所述历史业务数据进行自然语言分析,根据所述自然语言分析结果提取每一分组中的所述历史业务数据中的无效答复以及所述无效答复对应的历史问题;
频次获取模块,用于并行获取每一分组中提取到的各所述历史问题的出现频次;
有效答复获取模块,用于并行提取每一分组中出现频次大于预设阈值的所述历史问题,对提取出的所述历史问题进行自然语言分析,根据所述自然语言分析结果从所述业务标识对应的说明文本中提取所述历史问题对应的有效答复;
更新模块,用于并行建立所述历史问题与所述有效答复之间的映射关系,根据所述映射关系对所述人机交互系统数据库进行更新。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010274201.6A CN111552785A (zh) | 2020-04-09 | 2020-04-09 | 人机交互系统数据库更新方法、装置、计算机设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010274201.6A CN111552785A (zh) | 2020-04-09 | 2020-04-09 | 人机交互系统数据库更新方法、装置、计算机设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111552785A true CN111552785A (zh) | 2020-08-18 |
Family
ID=72002969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010274201.6A Pending CN111552785A (zh) | 2020-04-09 | 2020-04-09 | 人机交互系统数据库更新方法、装置、计算机设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111552785A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699228A (zh) * | 2020-12-31 | 2021-04-23 | 青岛海尔科技有限公司 | 业务访问方法、装置、电子设备及存储介质 |
-
2020
- 2020-04-09 CN CN202010274201.6A patent/CN111552785A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699228A (zh) * | 2020-12-31 | 2021-04-23 | 青岛海尔科技有限公司 | 业务访问方法、装置、电子设备及存储介质 |
CN112699228B (zh) * | 2020-12-31 | 2023-07-14 | 青岛海尔科技有限公司 | 业务访问方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110765244B (zh) | 获取应答话术的方法、装置、计算机设备及存储介质 | |
WO2021042503A1 (zh) | 信息分类抽取方法、装置、计算机设备和存储介质 | |
CN112492111B (zh) | 一种智能语音外呼方法、装置、计算机设备和存储介质 | |
CN108897723B (zh) | 场景对话文本识别方法、装置以及终端 | |
CN108536681A (zh) | 基于情感分析的智能问答方法、装置、设备及存储介质 | |
CN111859960A (zh) | 基于知识蒸馏的语义匹配方法、装置、计算机设备和介质 | |
CN112037799B (zh) | 语音中断处理方法、装置、计算机设备和存储介质 | |
CN109087205B (zh) | 舆情指数的预测方法及装置、计算机设备和可读存储介质 | |
CN110765235A (zh) | 训练数据的生成方法、装置、终端及可读介质 | |
CN115238799A (zh) | 基于ai随机森林恶意流量检测方法和系统 | |
CN111599382B (zh) | 语音分析方法、装置、计算机设备和存储介质 | |
CN111552785A (zh) | 人机交互系统数据库更新方法、装置、计算机设备和介质 | |
CN113254620A (zh) | 基于图神经网络的应答方法、装置、设备及存储介质 | |
CN110931002B (zh) | 人机交互方法、装置、计算机设备和存储介质 | |
CN113434631A (zh) | 基于事件的情感分析方法、装置、计算机设备及存储介质 | |
CN110377706B (zh) | 基于深度学习的搜索语句挖掘方法及设备 | |
CN112667792A (zh) | 人机对话数据处理方法、装置、计算机设备和存储介质 | |
CN112087473A (zh) | 文档下载方法、装置、计算机可读存储介质和计算机设备 | |
CN113095073B (zh) | 语料标签生成方法、装置、计算机设备和存储介质 | |
CN113111157B (zh) | 问答处理方法、装置、计算机设备和存储介质 | |
CN114254088A (zh) | 自动应答模型的构建方法和自动应答方法 | |
CN111859148A (zh) | 主题的提取方法、装置、设备及计算机可读存储介质 | |
CN111291186A (zh) | 一种基于聚类算法的上下文挖掘方法、装置和电子设备 | |
CN117271778B (zh) | 基于生成式大模型的保险外呼会话信息输出方法及装置 | |
CN114942980B (zh) | 一种确定文本匹配方法及装置 |
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 |