CN111581360A - 一种辅助客服的方法、系统和设备 - Google Patents

一种辅助客服的方法、系统和设备 Download PDF

Info

Publication number
CN111581360A
CN111581360A CN202010318581.9A CN202010318581A CN111581360A CN 111581360 A CN111581360 A CN 111581360A CN 202010318581 A CN202010318581 A CN 202010318581A CN 111581360 A CN111581360 A CN 111581360A
Authority
CN
China
Prior art keywords
user
intention
customer service
content
product
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.)
Withdrawn
Application number
CN202010318581.9A
Other languages
English (en)
Inventor
张�杰
付骁弈
陈栋
李嘉琛
吴信东
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.)
Shanghai Minglue Artificial Intelligence Group Co Ltd
Original Assignee
Shanghai Minglue Artificial Intelligence Group 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 Shanghai Minglue Artificial Intelligence Group Co Ltd filed Critical Shanghai Minglue Artificial Intelligence Group Co Ltd
Priority to CN202010318581.9A priority Critical patent/CN111581360A/zh
Publication of CN111581360A publication Critical patent/CN111581360A/zh
Withdrawn legal-status Critical Current

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种辅助客服的方法、系统、设备和计算机可读存储介质，其中，所述方法包括：获取用户输入的内容，根据所述内容确定所述用户的意图；根据所述用户的意图、关键词节点和产品知识库确定相关的产品信息；基于预设的语言回复模型，根据所述用户输入的内容和产品信息生成一条或多条的自动回复候选文本。本申请实施例通过识别用户意图，生成自动回复候选文本，能有效地为客服人员提供参考意见，从而可以降低对客服人员的业务能力要求，减少客服人员手动操作，降低用户的等待时长，提升用户体验。

Description

一种辅助客服的方法、系统和设备
技术领域
本文涉及信息处理领域，尤指一种辅助客服的方法、系统、设备和计算机可读存储介质。
背景技术
在复杂度较高的行业中(如：保险、汽车)，在线客服系统面临如下两方面的挑战：一方面，行业复杂度高导致客服人员无法快速找到答案，导致客户等待时间长；另一方面，客服人员的流动性高，导致客服的平均专业水平和熟练程度较低。
相关技术中，可采用如下技术方案为客服人员提供服务：
1、基于FAQ(Frequently Asked Questions，经常问到的问题)的关键词检索系统：
将用户经常遇到的问题整理出答案，形成QA对儿(即，问题-答案对儿)，当客服人员输入关键词时，在FAQ的问题列表中检索最接近的问题，然后将其对应的答案返回给客服人员参考。
该方案适用于逻辑简单的产品，当产品逻辑较为复杂，需要多种查询条件时，该方法效率低下。
2、常用回复语列表：
将客服人员经常使用的回复语组织成列表，供其快速选择(如迎宾员、送宾语等)。但是该方案仅适用于常用语，无法适用于涉及产品逻辑的问题，如：35岁，男，未婚，滴滴司机，应该买什么样的补充医疗保险？
发明内容
本申请提供了一种辅助客服的方法、系统、设备和计算机可读存储介质，以通过自动化的手段快速有效的为客服人员提供参考意见。
本申请实施例提供了一种辅助客服的方法，包括：
获取用户输入的内容，根据所述内容确定所述用户的意图；
根据所述用户的意图、关键词节点和产品知识库确定相关的产品信息；
基于预设的语言回复模型，根据所述用户输入的内容和产品信息生成一条或多条的自动回复候选文本。
本申请实施例还提供一种辅助客服的系统，包括：
确定意图模块，用于获取用户输入的内容，根据所述内容确定所述用户的意图；
确定产品信息模块，用于根据所述用户的意图、关键词节点和产品知识库确定相关的产品信息；
生成回复模块，用于基于预设的语言回复模型，根据所述用户输入的内容和产品信息生成一条或多条的自动回复候选文本。
本申请实施例还提供一种辅助客服的设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述辅助客服的方法。
本申请实施例还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述辅助客服的方法。
与相关技术相比，本申请实施例包括：获取用户输入的内容，根据所述内容确定所述用户的意图；根据所述用户的意图、关键词节点和产品知识库确定相关的产品信息；基于预设的语言回复模型，根据所述用户输入的内容和产品信息生成一条或多条的自动回复候选文本。本申请实施例通过识别用户意图，生成自动回复候选文本，能有效地为客服人员提供参考意见，从而可以降低对客服人员的业务能力要求，减少客服人员手动操作，降低用户的等待时长，提升用户体验。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
图1为本申请实施例的辅助客服的方法的流程图；
图2为本申请实施例的步骤101的流程图；
图3为本申请实施例的确定关键词节点的流程图；
图4为本申请实施例的更新用户意图的流程图；
图5为本申请实施例的辅助客服的系统的组成示意图；
图6为本申请应用实例的辅助客服的方法的流程图。
具体实施方式
本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。
此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。
本申请实施例为客服人员提供一种辅助方法和系统，能够高效准确的确认用户意图，并结合后台知识库自动的生成回复内容供客服参考，从而达到减少客服人员输入操作、降低客户平均等待时长的效果。
如图1所示，本申请实施例提供一种辅助客服的方法，包括：
步骤101，获取用户输入的内容，根据所述内容确定所述用户的意图。
其中，所述用户输入的内容，形式上可以是来自官网、微信公众号或小程序的文本，也可以是来自呼叫中心的语音呼入等。
在一实施例中，步骤101之前，还包括：
为待咨询的产品构建产品知识库。
其中，所述产品知识库可包括但不限于以下元素：
产品名，产品维度，细分属性，属性值，产品定价策略，产品维保策略，常见故障判断与维修步骤。
如图2所示，在一实施例中，步骤101包括；
步骤201，将用户输入的内容转换为图谱。
可以对所述用户输入的内容经Text2KG(文本转换为知识图谱)、Speech2KG(语音转换为知识图谱)等处理，转换为图谱。
其中，通过所述用户输入的内容直接或间接(例如通过语音识别)得到文本信息，对所述文本信息进行知识抽取，例如，可以通过语义依存、句子成分分析、专家模板、外部语义知识库、序列标注深度学习等方法，进行实体识别、关联词识别、数值识别、关系识别等，得到结构化三元组列表，例如，<实体1，关系，实体2>或<实体，属性，属性值>形式，并将三元组统一表示为<节点，边，节点>形式，从而生成知识图谱。
另外，还可以在所述图谱中加入所述用户的相关信息，例如，用户的姓名、年龄、已购买产品的相关信息等。
步骤202，从所述图谱中获取用于表示用户意图的关键信息。
其中，可以通过KGSummarize(知识图谱概括)处理，从图谱中过滤出关键信息，用于表示用户意图。
所述KGSummarize可以基于词典模板的规则从所述图谱中过滤出所述关键信息，也可以基于分类模型进行意图识别，得到所述关键信息。其中，分类模型可以采用多种形式，例如决策树、SVM(Support Vector Machine,支持向量机)、神经网络等，本申请不做限定。
如图3所示，在一实施例中，步骤201之后，还包括：
步骤301，展示所述图谱。
其中，可以在客服页面上展示所述图谱，以供客服人员选择关键词节点，从而可省掉客服手工输入关键词的步骤。
步骤302，获取基于所述图谱的关键词选择信息，根据所述关键词选择信息确定所述关键词节点。
其中，客服人员可以在客服页面上的图谱点选关键词节点，系统获取到相应的关键词选择信息，确定对应的关键词节点。
在另一实施例中，可以根据图谱中每个节点的优先级，自动生成关键词节点。
其中，节点的优先级可以根据历史记录中采纳的次数确定，例如，某个节点对应的词作为关键词的频率最高，则将其作为关键词节点，
如图4所示，在一实施例中，所述方法还包括：
步骤401，展示用户意图的分类列表。
其中，可以根据类别在客服系统界面上输出用户意图的分类列表，例如，产品咨询、查询门店地址等，供客服人员手动确认用户意图，用于协助后台系统确认用户意图。
步骤402，接收基于所述分类列表的意图选择信息，根据所述意图选择信息更新所述用户的意图。
在客服人员在客服系统界面上手动确认用户意图后，可以根据相应的意图选择信息，更新所述用户的意图，以使用户的意图的表达更为准确。
步骤102，根据所述用户的意图、关键词节点和产品知识库确定相关的产品信息。
在一实施例中，将所述用户的意图和关键词节点与所述产品知识库进行匹配，确定相匹配的产品对应的产品信息。
其中，可以将所述用户的意图和关键词节点设置不同的权重，例如，优先在所述产品知识库搜索关键词节点对应的关键词，在搜索到的内容中，按照所述用户的意图中对应的关键词进行二次检索，找到一条或多条产品信息。
步骤103，基于预设的语言回复模型，根据所述用户输入的内容和产品信息生成一条或多条的自动回复候选文本。
其中，语言回复模型可以是NLP(Natural Language Generation，自然语言生成)模型。所述自然语言生成模型可包括词向量模型和NLP任务单元。
所述词向量模型将自然语言中的词(即待投放广告的内容要点)转化为稠密的向量，相似的词会有相似的向量表示，这样的转化方便挖掘文字中词语和句子之间的特征。
所述词向量模型可采用ELMo(Embedding from Language Models，嵌入式语言模型)、GPT(Generative Pre-Training，生成式预训练)、BERT(Bidirectional EncoderRepresentations from Transformers，来自Transformer的双向编码器表示)等。
NLP任务单元将所述词向量模型输出的词向量转换为自然语言的输出，其中，NLP任务模型单元可以采用神经网络或线性分类器实现，在词向量模型足够强大时，可以在词向量模型后面加上一层输出层作为NLP任务单元即可。
在一实施例中，步骤103之前，所述方法还包括：
根据用户与客服对话的历史数据，训练所述语言回复模型。
所述语言回复模型为预训练语言模型，可以通过收集客服系统中用户与客服对话的历史数据，在此基础得到该预训练语言模型。
所述步骤103中，可以将所述产品信息确定产品内容要点，将所述用户输入的内容和产品内容要点输入至所述语言回复模型，得到一条或多条的自动回复候选文本，以供客服选择并在其基础上做二次编辑。
本申请实施例通过识别用户意图，生成自动回复候选文本，能有效地为客服人员提供参考意见，从而可以降低对客服人员的业务能力要求，减少客服人员手动操作，降低用户的等待时长，提升用户体验。
如图5所示，本申请实施例还提供一种辅助客服的系统，包括：
确定意图模块51，用于获取用户输入的内容，根据所述内容确定所述用户的意图；
确定产品信息模块52，用于根据所述用户的意图、关键词节点和产品知识库确定相关的产品信息；
生成回复模块53，用于基于预设的语言回复模型，根据所述用户输入的内容和产品信息生成一条或多条的自动回复候选文本。
其中，所述用户输入的内容，形式上可以是来自官网、微信公众号或小程序的文本，也可以是来自呼叫中心的语音呼入等。
在一实施例中，所述系统还包括：
知识库模块，用于为待咨询的产品构建产品知识库。
其中，所述产品知识库可包括但不限于以下元素：
产品名，产品维度，细分属性，属性值，产品定价策略，产品维保策略，常见故障判断与维修步骤。
在一实施例中，所述确定意图模块51，用于：
将用户输入的内容转换为图谱；
从所述图谱中获取用于表示用户意图的关键信息。
所述确定意图模块51可以对所述用户产生的内容经Text2KG(文本转换为知识图谱)、Speech2KG(语音转换为知识图谱)等处理，转换为图谱。
其中，所述确定意图模块51通过所述用户输入的内容直接或间接(例如通过语音识别)得到文本信息，对所述文本信息进行知识抽取，例如，可以通过语义依存、句子成分分析、专家模板、外部语义知识库、序列标注深度学习等方法，进行实体识别、关联词识别、数值识别、关系识别等，得到结构化三元组列表，例如，<实体1，关系，实体2>或<实体，属性，属性值>形式，并将三元组统一表示为<节点，边，节点>形式，从而生成知识图谱。
另外，确定意图模块51还可以在所述图谱中加入所述用户的相关信息，例如，用户的姓名、年龄、已购买产品的相关信息等。
其中，所述确定意图模块51可以通过KGSummarize(知识图谱概括)处理，从图谱中过滤出关键信息，用于表示用户意图。
确定意图模块51可以基于词典模板的规则从所述图谱中过滤出所述关键信息，也可以基于分类模型进行意图识别，得到所述关键信息。其中，分类模型可以采用多种形式，例如决策树、SVM(Support Vector Machine,支持向量机)、神经网络等，本申请不做限定。
在一实施例中，所述确定意图模块51，还用于：
展示所述图谱；
获取基于所述图谱的关键词选择信息，根据所述关键词选择信息确定所述关键词节点。
其中，所述确定意图模块51可以通过在客服页面上展示所述图谱，以供客服人员选择关键词节点，从而可省掉客服手工输入关键词的步骤。
其中，客服人员可以在客服页面上的图谱点选关键词节点，所述确定意图模块51获取到相应的关键词选择信息，确定对应的关键词节点。
在另一实施例中，所述确定意图模块51可以根据图谱中每个节点的优先级，自动生成关键词节点。
其中，节点的优先级可以根据历史记录中采纳的次数确定，例如，某个节点对应的词作为关键词的频率最高，则将其作为关键词节点，
在一实施例中，所述确定意图模块51，还用于：
展示用户意图的分类列表；
接收基于所述分类列表的意图选择信息，根据所述意图选择信息更新所述用户的意图。
其中，所述确定意图模块51可以根据类别在客服系统界面上输出用户意图的分类列表，例如，产品咨询、查询门店地址等，供客服人员手动确认用户意图，用于协助后台系统确认用户意图。
在客服人员在客服系统界面上手动确认用户意图后，所述确定意图模块51可以根据相应的意图选择信息，更新所述用户的意图，以使用户的意图的表达更为准确。
在一实施例中，所述确定产品信息模块52，用于：
将所述用户的意图和关键词节点与所述产品知识库进行匹配，确定相匹配的产品对应的产品信息。
其中，所述确定产品信息模块52可以将所述用户的意图和关键词节点设置不同的权重，例如，优先在所述产品知识库搜索关键词节点对应的关键词，在搜索到的内容中，按照所述用户的意图中对应的关键词进行二次检索，找到一条或多条产品信息。
在一实施例中，所述系统还包括：
语言回复模型模块，用于根据用户与客服对话的历史数据，训练所述语言回复模型。
其中，语言回复模型可以是NLP(Natural Language Generation，自然语言生成)模型。所述自然语言生成模型可包括词向量模型和NLP任务单元。
所述词向量模型将自然语言中的词(即待投放广告的内容要点)转化为稠密的向量，相似的词会有相似的向量表示，这样的转化方便挖掘文字中词语和句子之间的特征。
所述词向量模型可采用ELMo(Embedding from Language Models，嵌入式语言模型)、GPT(Generative Pre-Training，生成式预训练)、BERT(Bidirectional EncoderRepresentations from Transformers，来自Transformer的双向编码器表示)等。
NLP任务单元将所述词向量模型输出的词向量转换为自然语言的输出，其中，NLP任务模型单元可以采用神经网络或线性分类器实现，在词向量模型足够强大时，可以在词向量模型后面加上一层输出层作为NLP任务单元即可。
所述语言回复模型为预训练语言模型，所述语言回复模型模块可以通过收集客服系统中用户与客服对话的历史数据，在此基础得到该预训练语言模型。
所述生成回复模块53可以将所述产品信息确定产品内容要点，将所述用户输入的内容和产品内容要点输入至所述语言回复模型，得到一条或多条的自动回复候选文本，以供客服选择并在其基础上做二次编辑。
本申请实施例通过识别用户意图，生成自动回复候选文本，能有效地为客服人员提供参考意见，从而可以降低对客服人员的业务能力要求，减少客服人员手动操作，降低用户的等待时长，提升用户体验。
下面以一个应用实例进行说明。
如图6所示，辅助客服的方法包括如下步骤：
步骤601，接收用户的输入。
所述用户输入可以是来自官网、微信公众号或小程序的文本，也可以是来自呼叫中心的语音呼入。
步骤602，判断会话是否结束，若是，则结束流程，若否，则执行步骤603。
其中，可以根据用户的输入的内容确定会话是否结束，例如，用户输入：“没有问题了”，则结束会话，也可以根据等待时长确定会话是否结束，例如，在等待1分钟后，若没有接收到用户输入，则确定会话结束。
步骤603，将用户的输入的文本或语音转换为图谱。
还可以将用户信息也转换为图谱，例如，在一个汽车4S店的客户系统中，将用户输入的文本：交强险的费用，以及用户相关信息均转换为图谱形式，表示出该用户的姓名、名下有什么车、开了几年、保险费用等通过知识图谱表示出来。
根据图谱可以确定用户意图，例如，“凯迪拉克”“交强险”“费用”等。
步骤604，接收客服选择的关键词节点。
本步骤在客服页面上展示上述图谱，供客服人员选择关键节点，从而可省掉客服手工输入关键词的步骤。例如，客服人员直接选“交强险”。
步骤605，接收客服确认用户意图分类。
其中，还可以在客服系统界面上输出用户意图的分类列表，供客服人员手动确认客户意图，用于协助后台系统确认客户意图。例如，例如，在一个汽车4S店的客户系统中，可以包括查询门店地址、咨询产品、咨询保险等类型。
其中，步骤603和605可以并行执行。
步骤606，执行知识库检索。
本步骤将所述用户的意图和关键词节点与所述产品知识库进行匹配，确定相匹配的产品对应的产品信息。
步骤607，生成回复语句候选列表。
根据用户输入的问题和步骤606确定的产品内容要点，由预训练语言模型，生成多条可能的自动回复文本，以供客服选择并在其基础上做二次编辑。
步骤608，判断是否需要人工修改，若否，执行步骤610，若是，执行步骤609。
步骤609，接收客服输入。
客服可以在多条自动回复文本的基础上，选择其中一条进行编辑。
步骤610，回复用户，返回执行步骤601。
通过上述操作，可以减少客服人员输入操作、降低用户平均等待时长，提升了用户体验。
本申请实施例还提供一种辅助客服的设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述辅助客服的方法。
本申请实施例还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述辅助客服的方法。
在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

Claims (10)

1.一种辅助客服的方法，包括：
获取用户输入的内容，根据所述内容确定所述用户的意图；
根据所述用户的意图、关键词节点和产品知识库确定相关的产品信息；
基于预设的语言回复模型，根据所述用户输入的内容和产品信息生成一条或多条的自动回复候选文本。
2.根据权利要求1所述的方法，其特征在于，所述获取用户输入的内容，根据所述内容确定所述用户的意图之前，所述方法还包括：
为待咨询的产品构建产品知识库。
3.根据权利要求1所述的方法，其特征在于，所述获取用户输入的内容，根据所述内容确定所述用户的意图，包括：
将用户输入的内容转换为图谱；
从所述图谱中获取用于表示用户意图的关键信息。
4.根据权利要求3所述的方法，其特征在于，所述将用户输入的内容转换为图谱之后，还包括：
展示所述图谱；
获取基于所述图谱的关键词选择信息，根据所述关键词选择信息确定所述关键词节点。
5.根据权利要求1所述的方法，其特征在于，还包括：
展示用户意图的分类列表；
接收基于所述分类列表的意图选择信息，根据所述意图选择信息更新所述用户的意图。
6.根据权利要求1所述的方法，其特征在于，所述根据所述用户的意图、关键词节点和产品知识库确定相关的产品信息，包括：
将所述用户的意图和关键词节点与所述产品知识库进行匹配，确定相匹配的产品对应的产品信息。
7.根据权利要求1所述的方法，其特征在于，所述基于预设的语言回复模型，根据所述用户输入的内容和产品信息生成一条或多条的自动回复候选文本之前，还包括：
根据用户与客服对话的历史数据，训练所述语言回复模型。
8.一种辅助客服的系统，其特征在于，包括：
确定意图模块，用于获取用户输入的内容，根据所述内容确定所述用户的意图；
确定产品信息模块，用于根据所述用户的意图、关键词节点和产品知识库确定相关的产品信息；
生成回复模块，用于基于预设的语言回复模型，根据所述用户输入的内容和产品信息生成一条或多条的自动回复候选文本。
9.一种辅助客服的设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～7中任意一项所述的方法。
10.一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1～7中任意一项所述的方法。
CN202010318581.9A 2020-04-21 2020-04-21 一种辅助客服的方法、系统和设备 Withdrawn CN111581360A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010318581.9A CN111581360A (zh) 2020-04-21 2020-04-21 一种辅助客服的方法、系统和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010318581.9A CN111581360A (zh) 2020-04-21 2020-04-21 一种辅助客服的方法、系统和设备

Publications (1)

Publication Number Publication Date
CN111581360A true CN111581360A (zh) 2020-08-25

Family

ID=72119893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010318581.9A Withdrawn CN111581360A (zh) 2020-04-21 2020-04-21 一种辅助客服的方法、系统和设备

Country Status (1)

Country Link
CN (1) CN111581360A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112256846A (zh) * 2020-09-28 2021-01-22 南方电网深圳数字电网研究院有限公司 一种人机对话交互方法及系统
CN113421143A (zh) * 2020-10-10 2021-09-21 阿里巴巴集团控股有限公司 辅助直播的处理方法、装置及电子设备
CN113609275A (zh) * 2021-08-24 2021-11-05 腾讯科技（深圳）有限公司 信息处理方法、装置、设备及存储介质
CN113672719A (zh) * 2021-09-08 2021-11-19 中国平安人寿保险股份有限公司 对话辅助信息推送方法、装置、计算机设备及存储介质
CN116881398A (zh) * 2023-07-04 2023-10-13 华院计算技术(上海)股份有限公司 提升大模型生成信息质量的方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112256846A (zh) * 2020-09-28 2021-01-22 南方电网深圳数字电网研究院有限公司 一种人机对话交互方法及系统
CN113421143A (zh) * 2020-10-10 2021-09-21 阿里巴巴集团控股有限公司 辅助直播的处理方法、装置及电子设备
CN113609275A (zh) * 2021-08-24 2021-11-05 腾讯科技（深圳）有限公司 信息处理方法、装置、设备及存储介质
CN113609275B (zh) * 2021-08-24 2024-03-26 腾讯科技（深圳）有限公司 信息处理方法、装置、设备及存储介质
CN113672719A (zh) * 2021-09-08 2021-11-19 中国平安人寿保险股份有限公司 对话辅助信息推送方法、装置、计算机设备及存储介质
CN116881398A (zh) * 2023-07-04 2023-10-13 华院计算技术(上海)股份有限公司 提升大模型生成信息质量的方法及装置

Similar Documents

Publication Publication Date Title
CN111581360A (zh) 一种辅助客服的方法、系统和设备
CN105095195A (zh) 基于知识图谱的人机问答方法和系统
JP2019159309A (ja) 音声対話の満足度の確定方法及び装置
CN110209790B (zh) 问答匹配方法和装置
CN111708869A (zh) 人机对话的处理方法及装置
CN111062220B (zh) 一种基于记忆遗忘装置的端到端意图识别系统和方法
CN110008308B (zh) 针对用户问句补充信息的方法和装置
CN111339284A (zh) 产品智能匹配方法、装置、设备及可读存储介质
CN116303949B (zh) 一种对话处理方法、系统、存储介质及终端
CN111723178A (zh) 一种实时提供销售建议的方法、系统、服务器和设备
CN111291152A (zh) 案例文书的推荐方法、装置、设备及存储介质
CN114911929A (zh) 分类模型训练方法、文本挖掘方法、设备及存储介质
CN110750626B (zh) 一种基于场景的任务驱动的多轮对话方法及系统
CN113297365B (zh) 一种用户意向判定方法、装置、设备及存储介质
CN113934834A (zh) 一种问句匹配的方法、装置、设备和存储介质
CN110377803B (zh) 信息处理方法以及装置
CN116739004A (zh) 一种意图识别方法、装置、设备及可读存储介质
KR102488886B1 (ko) 하이브리드 지능형 고객 상담장치 및 방법
CN114528851B (zh) 回复语句确定方法、装置、电子设备和存储介质
CN116049370A (zh) 信息查询方法和信息生成模型的训练方法、装置
CN115509485A (zh) 一种业务表单的填写方法、装置、电子设备和存储介质
CN113836296A (zh) 一种佛学问答摘要的生成方法、装置、设备及存储介质
CN113946668A (zh) 基于边缘节点的语义处理方法、系统、装置及存储介质
CN113468306A (zh) 语音对话方法、装置、电子设备及存储介质
CN113393848A (zh) 用于训练说话人识别模型的方法、装置、电子设备和可读存储介质

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200825

WW01 Invention patent application withdrawn after publication