CN111753075A - 客服机器人问答数据的创建方法、装置和计算机设备 - Google Patents
客服机器人问答数据的创建方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN111753075A CN111753075A CN202010805615.7A CN202010805615A CN111753075A CN 111753075 A CN111753075 A CN 111753075A CN 202010805615 A CN202010805615 A CN 202010805615A CN 111753075 A CN111753075 A CN 111753075A
- Authority
- CN
- China
- Prior art keywords
- question
- data
- target
- answer
- robot
- 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/383—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种客服机器人问答数据的创建方法、装置、计算机设备和存储介质。所述方法包括:接收客户端发起的客服机器人的创建请求,根据创建请求,推送行业模板选择界面至客户端;接收选定的目标行业模板标识,目标行业模板标识由客户端基于行业模板选择界面,进行交互处理得到;基于目标行业模板标识,获取目标行业模板标识对应的目标行业模板数据;根据目标行业模板数据,得到创建请求对应的目标客服机器人的问答数据。将目标行业模板数据作为拟创建的客服机器人的冷启动数据,由此生成创建请求对应的客服机器人的问答数据,可以有效降低客服机器人问答数据创建过程的人工作业工作量,从而提高客服机器人的服务效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种客服机器人问答数据的创建方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术的发展和应用,人工智能得到了广泛的推广和应用,智能客服机器人在各个场景中的应用越来越普遍,自动问答的方式给人们的生活带来了便利。用户可以通过文字或语音的方式提问,客服机器人根据用户的提问进行自动回复。
在启用智能客服机器人之前,一般会提前将客服机器人需要的数据存储于知识库中,在智能客服机器人工作时,读取知识库中预先存储的知识,因此,知识库在客服机器人创建中至关重要。而传统的客服机器人的创建,主要依赖人工维护知识库,存在客服机器人服务效率不高的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高服务效率的客服机器人问答数据的创建方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种客服机器人问答数据的创建方法,所述方法包括:
接收客户端发起的客服机器人的创建请求;
根据所述创建请求,推送行业模板选择界面至所述客户端;
接收选定的目标行业模板标识,所述目标行业模板标识由所述客户端基于所述行业模板选择界面,进行交互处理得到;
基于所述目标行业模板标识,获取所述目标行业模板标识对应的目标行业模板数据;
根据所述目标行业模板数据,得到所述创建请求对应的目标客服机器人的问答数据。
第二方面,本申请提供了一种客服机器人问答数据的创建装置,所述装置包括:
创建请求接收模块,用于接收客户端发起的客服机器人的创建请求;
创建请求处理模块,用于根据所述创建请求,推送行业模板选择界面至所述客户端;
行业模板选择模块,用于接收选定的目标行业模板标识,所述目标行业模板标识由所述客户端基于所述行业模板选择界面,进行交互处理得到;
模板数据获取模块,用于基于所述目标行业模板标识,获取所述目标行业模板标识对应的目标行业模板数据;
问答数据确定模块,用于根据所述目标行业模板数据,得到所述创建请求对应的目标客服机器人的问答数据。
第三方面,本申请提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
接收客户端发起的客服机器人的创建请求;
根据所述创建请求,推送行业模板选择界面至所述客户端;
接收选定的目标行业模板标识,所述目标行业模板标识由所述客户端基于所述行业模板选择界面,进行交互处理得到;
基于所述目标行业模板标识,获取所述目标行业模板标识对应的目标行业模板数据;
根据所述目标行业模板数据,得到所述创建请求对应的目标客服机器人的问答数据。
第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
接收客户端发起的客服机器人的创建请求;
根据所述创建请求,推送行业模板选择界面至所述客户端;
接收选定的目标行业模板标识,所述目标行业模板标识由所述客户端基于所述行业模板选择界面,进行交互处理得到;
基于所述目标行业模板标识,获取所述目标行业模板标识对应的目标行业模板数据;
根据所述目标行业模板数据,得到所述创建请求对应的目标客服机器人的问答数据。
上述客服机器人问答数据的创建方法、装置、计算机设备和存储介质,通过接收客户端发起的客服机器人的创建请求,根据创建请求,推送行业模板选择界面至客户端;接收选定的目标行业模板标识,目标行业模板标识由客户端基于行业模板选择界面,进行交互处理得到;基于目标行业模板标识,获取目标行业模板标识对应的目标行业模板数据;根据目标行业模板数据,得到创建请求对应的目标客服机器人的问答数据,基于上述技术方案,通过与发起创建请求的客户端交互的方式获得目标行业模板数据,将目标行业模板数据作为拟创建的客服机器人的冷启动数据,由此生成创建请求对应的客服机器人的问答数据,可以有效降低客服机器人问答数据创建过程的人工作业工作量,从而提高客服机器人的服务效率。
附图说明
图1为一个实施例中客服机器人问答数据的创建方法的应用环境图;
图2为一个实施例中客服机器人问答数据的创建方法的流程示意图;
图3为一个实施例中创建法律问答机器人的界面示意图;
图4为一个实施例中目标客服机器人问答数据的生成步骤的流程示意图;
图5为一个实施例中法律问答机器人的问题推荐示意图;
图6为一个实施例中客服机器人的应用系统框图;
图7为一个实施例中客服机器人的生成时序图;
图8为一个实施例中问询请求处理的时序图;
图9为一个实施例中客服机器人问答数据的创建装置的结构框图;
图10为一个实施例中计算机设备的结构框图。
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。
为了便于本领域技术人员更好地理解本申请实施例中提供的客服机器人的创建方法,先对自然语言处理的相关内容予以说明。
自然语言处理(Nature Language processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。
本申请提供的客服机器人问答数据的创建方法,属于自然语言处理中的机器人问答范畴,可以应用于如图1所示的应用环境中。该应用场景包括客户端102和服务器104,客户端102通过网络与服务器104连接。用户可以通过客户端102发起客服机器人的创建请求,服务器104接收客户端发起的客服机器人的创建请求,根据创建请求,推送行业模板选择界面至客户端;接收选定的目标行业模板标识,目标行业模板标识由客户端基于行业模板选择界面,进行交互处理得到;基于目标行业模板标识,获取目标行业模板标识对应的目标行业模板数据;根据目标行业模板数据,得到创建请求对应的目标客服机器人的问答数据。服务器104可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。客户端102可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。客户端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。上述应用场景以客服机器人的创建方法应用于包括客户端和服务器的系统进行举例说明,并通过客户端和服务器的交互实现,可以理解的是,该客服机器人的创建方法也可以应用于客户端,还可以应用于服务器。
在一个实施例中,如图2所示,提供了一种客服机器人问答数据的创建方法。本实施例以该方法应用于图1中的服务器为例进行说明,参照图2,该方法具体包括以下步骤:
步骤202,接收客户端发起的客服机器人的创建请求。
创建请求是指由客户端发起的、用于创建客服机器人的请求,客户端根据用户的操作数据生成创建请求。具体地,用户可以通过客户端进入机器人配置页面,在该页面上点击机器人创建控件,在页面对话框内基于预设规则输入机器人创建指令或其它方式,触发客服机器人的创建请求。
步骤204,根据创建请求,推送行业模板选择界面至客户端。
在接收到用户通过客户端发起的客服机器人的创建请求后,响应该创建请求,推送行业模板选择界面至客户端。行业模板选择界面用于提供不同的行业模板信息,以供用户选择所要创建的客服机器人所属的行业,即所要创建的机器人的应用场合。其中,行业模板选择界面包括法律问答机器人、理财问答机器人、文娱问答机器人等实现不同功能的问答机器人。具体地,可以用不同的数字区分不同行业机器人,比如,01表示法律问答机器人,02表示理财问答机器人,03表示文娱问答机器人。
步骤206,接收选定的目标行业模板标识,目标行业模板标识由客户端基于行业模板选择界面,进行交互处理得到。
行业模板标识用于区分不同的行业模板,承上所述,01表示法律问答机器人,02表示理财问答机器人,03表示文娱问答机器人。用户通过客户端的行业模板选择界面,选择所要创建的客服机器人所属的行业,比如用户选择了01,即表征用户所要创建的客服机器人为法律问答机器人。
步骤208,基于目标行业模板标识,获取目标行业模板标识对应的目标行业模板数据。
行业模板数据是指不同类型机器人的问答数据,比如法律问答机器人对应的问答数据,理财问答机器人对应的问答数据,该问答数据基于不同行业的历史数据,通过大数据知识处理技术得到。在确定用户所要创建的客服机器人所属的行业之后,根据目标行业模板标识以及预设的行业模板与行业模板数据之间的对应关系,获取目标行业模板标识对应的目标行业模板数据。
步骤210,根据目标行业模板数据,得到创建请求对应的目标客服机器人的问答数据。
可以基于机器人知识库配置界面,为所要创建的客服机器人配置相应的机器人问答数据。基于该行业的历史问答数据,机器人知识库配置界面显示该行业的已有分类信息,每个分类信息下显示有不同的问题及其对应的回复,用户可以自行选择复制对应的数据,还可以自行编辑问题、相似问题或对应的回复。此外,知识库配置界面还设置有添加分类控件和添加问答控件,其中,添加分类控件用于用户添加自定义的行业分类,添加问答控件用于在各个分类信息下,用户添加自定义的问题及回复。图3为一个实施例中创建法律问答机器人的界面示意图,用户可以基于该界面选择需要的分类数据,也可以添加自定义数据。
上述客服机器人问答数据的创建方法,通过接收客户端发起的客服机器人的创建请求,根据创建请求,推送行业模板选择界面至客户端;接收选定的目标行业模板标识,目标行业模板标识由客户端基于行业模板选择界面,进行交互处理得到;基于目标行业模板标识,获取目标行业模板标识对应的目标行业模板数据;根据目标行业模板数据,得到创建请求对应的目标客服机器人的问答数据,基于上述技术方案,通过与发起创建请求的客户端交互的方式获得目标行业模板数据,将目标行业模板数据作为拟创建的客服机器人的冷启动数据,由此生成创建请求对应的客服机器人的问答数据,可以有效降低客服机器人问答数据创建过程的人工作业工作量,从而提高客服机器人的服务效率。
在一个实施例中,如图4所示,根据目标行业模板数据,得到创建请求对应的目标客服机器人的问答数据,包括:步骤402,基于目标行业模板数据,生成机器人知识库配置界面,并推送机器人知识库配置界面至客户端;步骤404,接收客户端反馈的目标机器人数据,目标机器人数据由客户端基于机器人知识库配置界面得到;步骤406,根据目标机器人数据,得到创建请求对应的目标客服机器人的问答数据。机器人知识库配置界面基于目标行业模板数据,显示该行业的已有分类信息,每个分类信息下显示有不同的问题及其对应的回复。用户基于机器人知识库配置界面进行交互,可以自行选择复制所需的数据,也可以自行编辑问题、相似问题或对应的回复,还可以添加自定义的行业分类或添加自定义的问题及回复,由此得到目标机器人数据,用于生成创建请求对应的目标客服机器人。其中,根据目标机器人数据,得到创建请求对应的目标客服机器人的问答数据,包括:根据目标机器人数据进行知识处理,获得客服机器人知识数据;基于客服机器人知识数据,获得各个问题的问题属性信息、问题分组信息、问题相似信息以及问题启用状态;根据各个问题的问题属性信息、问题分组信息、问题相似信息以及问题启用状态,生成创建请求对应的目标客服机器人的问答数据。问题属性信息包括问题唯一标识(ID)、标准问题、问题答案等,问题分组信息包括问题所属分组标识、问题所属分组名等,问题相似信息包括相似问题、相似问法等,问题启用状态是指某个问题是否启用,比如可以有效位的设置来区分不同的问题启用状态,某个问题对应的有效位为1表示该问题被启用,某个问题对应的有效位为0表示该问题未被启用。具体可以通过知识表的形式存储行业模板数据,知识表中存储的部分信息如表1所示:
表1知识表
序号 | 参数名称 | 类型 | 描述 |
1 | question_id | String | 问题唯一ID |
2 | group_id | String | 问题所属分组ID |
3 | group_name | String | 问题所属分组名 |
4 | question | String | 标准问题 |
5 | answer | String | 问题答案 |
6 | similar_questions | Array of Object | 相似问题 |
7 | similar_questions.question | String | 相似问法 |
8 | status | Int | 问题是否启用 |
在一个实施例中,根据目标机器人数据进行知识处理,获得客服机器人知识数据,包括:对目标机器人数据中的自定义数据进行知识标准化处理,获得标准化外部数据;基于标准化外部数据以及目标行业模板数据,进行知识去重处理,获得客服机器人知识数据。自定义数据是指用户基于机器人知识库配置界面,自行编辑问题、相似问题或对应的回复,或者自行添加行业分类、问题及回复,对自定义数据进行标准化处理,使自定义数据与行业模板数据一致,再对标准化处理后的自定义数据以及行业模板数据进行知识去重处理,以避免数据重复。
在一个实施例中,根据目标行业模板数据,得到创建请求对应的目标客服机器人的问答数据之后,还包括:确定目标客服机器人的目标标识以及对应的目标知识分组信息;根据目标标识以及目标知识分组信息,更新预设的机器人标识与知识分组信息之间的对应关系。机器人标识用于区分不同的机器人,知识分组信息包括不同类型的知识信息的标识,不同类型的知识信息包括金融知识信息、法律知识信息等。预设的机器人标识与知识分组信息之间的对应关系具体可以是机器人数据关联表的形式,通过机器人数据关联表可以表征机器人使用的行业数据,机器人数据关联表中的部分信息如表2:
表2机器人数据关联表
序号 | 参数名称 | 类型 | 描述 |
1 | bot_id | String | 机器人唯一ID |
2 | group_id | String | 关联知识组ID |
3 | status | Int | 分组是否启用 |
在一个实施例中,客服机器人问答数据的创建方法还包括:接收问询终端发起的问答请求;解析问答请求确定用户问答意图,并基于用户问答意图确定答复机器人标识;根据答复机器人标识,在更新后的机器人标识与知识分组信息之间的对应关系中查询,获得对应的关联知识分组信息;根据用户问答意图以及关联知识分组信息,获得用户问答意图对应的回复结果。在客服机器人上线后,咨询者可以通过问询终端发起问答请求,可以通过已训练的自然语言理解模型对问答请求进行意图识别,获得用户问答意图,已训练的自然语言理解模型可以通过对历史问答请求以及对应的历史问答意图进行训练得到。在确定用户问答意图之后,根据不同类型的机器人所实现的功能,确定用户问答意图对应的答复机器人标识。比如,确定用户问答意图属于法律类问答,此时,对应的答复机器人即为法律机器人标识对应的法律机器人。然后获取法律机器人关联的知识分组信息,根据用户问答意图以及关联知识分组信息,获得用户问答意图对应的回复结果。具体地,根据用户问答意图以及关联知识分组信息,获得用户问答意图对应的回复结果,包括:当用户问答意图与关联知识分组信息中的意图匹配时,将匹配的意图对应的结果数据作为用户问答意图对应的回复结果;当用户问答意图与关联知识分组信息中的意图无法匹配时,根据用户问答意图在关联知识分组信息中确定相似意图,将相似意图作为用户问答意图对应的回复结果。在生成客服机器人后,当接收到问答请求时,客服机器人从配置的知识库中匹配用户咨询的问题,如果无法匹配用户咨询的问题,客服机器人会进行问题推荐。图5为一个实施例中的法律问答机器人的问题推荐示意图,用户输入的问题为“诉讼程序”,由于法律问答机器人无法完全匹配该问题,因此,回复的是问题推荐结果,用户可以根据问题推荐结果再次提问,并获得对应的回复。
本申请还提供一种应用场景,该应用场景应用上述的客服机器人问答数据的创建方法。具体地,该客服机器人问答数据的创建方法在该应用场景中的应用如下:客服机器人的应用系统框图如图6所示,包括问答知识库生成系统、问答知识库配置平台和问答系统,其中,问答知识库生成系统以及问答知识库配置平台用于对问答系统中的知识库进行配置,问答知识库生成系统对应机器学习配置方式,问答知识库配置平台对应人工配置方式。客服机器人的生成时序图如图7所示,开发者基于问答知识库配置平台发起新建客服机器人的请求,问答知识库配置平台响应该请求,初始化客服机器人。然后,开发者通过问答知识库配置平台选择拟创建的客服机器人对应的行业模板,问答知识库配置平台从知识库中获取开发者选定的行业模板对应的行业模板数据。开发者导入自定义数据至问答知识库配置平台,根据获取到的行业模板数据以及导入的自定义数据,得到机器人数据,将机器人数据导入至搜索引擎,导入成功即表征创建机器人成功。
图8为一个实施例中问询请求处理的时序图,用户发起问询请求,比如用户输入问题“民事诉讼程序”,问答系统的NLP(Natural Language Processing,自然语言处理)模型处理用户输入的问题,识别得到用户的问答意图,问答系统的问答服务根据识别出的问答意图通过搜索引擎检索,获得匹配结果,匹配结果包括自定义结果和模板结果,对自定义结果和模板结果排序,获得问答回复并反馈问答回复,比如反馈“民事诉讼程序说明”至用户。
问答系统中的知识库主要基于两张基础数据表,分别为知识表和机器人数据关联表。其中,知识表中按行业分组存放不同行业的模板数据,当创建一个机器人时,复制相应的行业模板数据作为冷启动数据,同时开发者可以自定义分组添加自有数据,而机器人数据关联表用于表征机器人使用的行业数据。可以通过线上问题及人工坐席数据的学习,快速增加知识库的数据。在创建机器人时,根据开发者的选择在知识表中复制对应的行业分组数据,开发者可以自行编辑问题、相似问题或答案。此外,开发者可以在问答知识库配置平台添加分组数据,方便开发者自定义数据,让机器人更智能。然后关联创建的机器人与对应的分组数据,当用户使用机器人时,问答服务从搜索引擎中查询该机器人关联的分组数据,匹配最相关数据并返回。
本申请中客服机器人的创建方案,通过问答知识库生成系统生成行业问答知识库,通过问答知识库配置平台进行模板数据选择和人工知识录入,在客服机器人冷启动时可以根据需求快速生成对应领域的问答知识库。通过引入问答知识库生成系统和问答知识库配置管理平台的方式,生成多个行业领域的问答知识库,作为新创建的智能客服机器人的冷启动数据,可以有效降低智能客服机器人冷启动的运营人力成本,提高智能客服机器人冷启动的问题回答准确率和问答数据更新的灵活性。即本申请中客服机器人的创建方案,在搭建智能客服机器人时,可以自行选择基础行业模板数据,支持智能客服机器人在面对未知问题数据时,实现快速更新维护,还支持对自动生成数据的人工维护。通过引入本申请的客服问答冷启动知识库,可以大大减少开发者的数据运营工作,几分钟即可创建一个包含一定行业基础知识库的问答机器人,且试验证明机器人的正确回复率可以达到80%。
应该理解的是,虽然图2、4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、4中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于与上述方法相同的思想,图9示出了一个实施例的客服机器人问答数据的创建装置的结构示意图,该实施例是以设置在服务器104为例进行说明。
如图9所示,该实施例中的客服机器人问答数据的创建装置包括:创建请求接收模块902、创建请求处理模块904、行业模板选择模块906、模板数据获取模块908以及问答数据确定模块910。创建请求接收模块902,用于接收客户端发起的客服机器人的创建请求。创建请求处理模块904,用于根据创建请求,推送行业模板选择界面至客户端。行业模板选择模块906,用于接收选定的目标行业模板标识,目标行业模板标识由客户端基于行业模板选择界面,进行交互处理得到。模板数据获取模块908,用于基于目标行业模板标识,获取目标行业模板标识对应的目标行业模板数据。问答数据确定模块910,用于根据目标行业模板数据,得到创建请求对应的目标客服机器人的问答数据。
在一个实施例中,问答数据确定模块还用于基于目标行业模板数据,生成机器人知识库配置界面,并推送机器人知识库配置界面至客户端;接收客户端反馈的目标机器人数据,目标机器人数据由客户端基于机器人知识库配置界面得到;根据目标机器人数据,得到创建请求对应的目标客服机器人的问答数据。
在一个实施例中,问答数据确定模块还用于根据目标机器人数据进行知识处理,获得客服机器人知识数据;基于客服机器人知识数据,获得各个问题的问题属性信息、问题分组信息、问题相似信息以及问题启用状态;根据各个问题的问题属性信息、问题分组信息、问题相似信息以及问题启用状态,生成创建请求对应的目标客服机器人的问答数据。
在一个实施例中,问答数据确定模块还用于对目标机器人数据中的自定义数据进行知识标准化处理,获得标准化外部数据;基于标准化外部数据以及目标行业模板数据,进行知识去重处理,获得客服机器人知识数据。
在一个实施例中,客服机器人问答数据的创建装置还包括机器人信息存储模块,用于确定目标客服机器人的目标标识以及对应的目标知识分组信息;根据目标标识以及目标知识分组信息,更新预设的机器人标识与知识分组信息之间的对应关系。
在一个实施例中,客服机器人问答数据的创建装置还包括问询处理模块,用于接收问询终端发起的问答请求;解析问答请求确定用户问答意图,并基于用户问答意图确定答复机器人标识;根据答复机器人标识,在更新后的机器人标识与知识分组信息之间的对应关系中查询,获得对应的关联知识分组信息;根据用户问答意图以及关联知识分组信息,获得用户问答意图对应的回复结果。
在一个实施例中,问询处理模块还用于当用户问答意图与关联知识分组信息中的意图匹配时,将匹配的意图对应的结果数据作为用户问答意图对应的回复结果;当用户问答意图与关联知识分组信息中的意图无法匹配时,根据用户问答意图在关联知识分组信息中确定相似意图,将相似意图作为用户问答意图对应的回复结果。
关于客服机器人问答数据的创建装置的具体限定可以参见上文中对于客服机器人问答数据的创建方法的限定,在此不再赘述。上述客服机器人问答数据的创建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终端,其内部结构图可以如图10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、通信接口、显示屏和输入装置。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和计算机程序。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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种客服机器人问答数据的创建方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10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。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各方法实施例中的步骤。
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,所述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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)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。
以上所述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)
1.一种客服机器人问答数据的创建方法,其特征在于,所述方法包括:
接收客户端发起的客服机器人的创建请求;
根据所述创建请求,推送行业模板选择界面至所述客户端;
接收选定的目标行业模板标识,所述目标行业模板标识由所述客户端基于所述行业模板选择界面,进行交互处理得到;
基于所述目标行业模板标识,获取所述目标行业模板标识对应的目标行业模板数据;
根据所述目标行业模板数据,得到所述创建请求对应的目标客服机器人的问答数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标行业模板数据,得到所述创建请求对应的目标客服机器人的问答数据,包括:
基于所述目标行业模板数据,生成机器人知识库配置界面,并推送所述机器人知识库配置界面至所述客户端;
接收所述客户端反馈的目标机器人数据,所述目标机器人数据由所述客户端基于所述机器人知识库配置界面得到;
根据所述目标机器人数据,得到所述创建请求对应的目标客服机器人的问答数据。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标机器人数据,得到所述创建请求对应的目标客服机器人的问答数据,包括:
根据所述目标机器人数据进行知识处理,获得客服机器人知识数据;
基于所述客服机器人知识数据,获得各个问题的问题属性信息、问题分组信息、问题相似信息以及问题启用状态;
根据所述各个问题的问题属性信息、问题分组信息、问题相似信息以及问题启用状态,生成所述创建请求对应的目标客服机器人的问答数据。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标机器人数据进行知识处理,获得客服机器人知识数据,包括:
对所述目标机器人数据中的自定义数据进行知识标准化处理,获得标准化外部数据;
基于所述标准化外部数据以及所述目标行业模板数据,进行知识去重处理,获得客服机器人知识数据。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标行业模板数据,得到所述创建请求对应的目标客服机器人的问答数据之后,还包括:
确定所述目标客服机器人的目标标识以及对应的目标知识分组信息;
根据所述目标标识以及所述目标知识分组信息,更新预设的机器人标识与知识分组信息之间的对应关系。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
接收问询终端发起的问答请求;
解析所述问答请求确定用户问答意图,并基于所述用户问答意图确定答复机器人标识;
根据所述答复机器人标识,在更新后的机器人标识与知识分组信息之间的对应关系中查询,获得对应的关联知识分组信息;
根据所述用户问答意图以及所述关联知识分组信息,获得所述用户问答意图对应的回复结果。
7.根据权利要求6所述的方法,其特征在于,所述根据所述用户问答意图以及所述关联知识分组信息,获得所述用户问答意图对应的回复结果,包括:
当所述用户问答意图与所述关联知识分组信息中的意图匹配时,将匹配的意图对应的结果数据作为所述用户问答意图对应的回复结果;
当所述用户问答意图与所述关联知识分组信息中的意图无法匹配时,根据所述用户问答意图在所述关联知识分组信息中确定相似意图,将所述相似意图作为所述用户问答意图对应的回复结果。
8.一种客服机器人问答数据的创建装置,其特征在于,所述装置包括:
创建请求接收模块,用于接收客户端发起的客服机器人的创建请求;
创建请求处理模块,用于根据所述创建请求,推送行业模板选择界面至所述客户端;
行业模板选择模块,用于接收选定的目标行业模板标识,所述目标行业模板标识由所述客户端基于所述行业模板选择界面,进行交互处理得到;
模板数据获取模块,用于基于所述目标行业模板标识,获取所述目标行业模板标识对应的目标行业模板数据;
问答数据确定模块,用于根据所述目标行业模板数据,得到所述创建请求对应的目标客服机器人的问答数据。
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,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 |
---|---|---|---|
CN202010805615.7A CN111753075A (zh) | 2020-08-12 | 2020-08-12 | 客服机器人问答数据的创建方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010805615.7A CN111753075A (zh) | 2020-08-12 | 2020-08-12 | 客服机器人问答数据的创建方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111753075A true CN111753075A (zh) | 2020-10-09 |
Family
ID=72713304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010805615.7A Pending CN111753075A (zh) | 2020-08-12 | 2020-08-12 | 客服机器人问答数据的创建方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753075A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182190A (zh) * | 2020-10-13 | 2021-01-05 | 深圳壹账通智能科技有限公司 | 智能问答方法、装置、电子设备及存储介质 |
CN112506967A (zh) * | 2020-12-07 | 2021-03-16 | 中国平安人寿保险股份有限公司 | Ai面试的数据流量分析方法、装置和计算机设备 |
CN112837678A (zh) * | 2020-12-31 | 2021-05-25 | 思必驰科技股份有限公司 | 私有云识别训练方法和装置 |
CN112988704A (zh) * | 2021-03-05 | 2021-06-18 | 无锡星凝互动科技有限公司 | 一种基于ai咨询数据库集群搭建方法和系统 |
CN113282734A (zh) * | 2021-06-28 | 2021-08-20 | 中国平安人寿保险股份有限公司 | 基于结构化数据的问答处理方法、装置、设备及介质 |
CN114114983A (zh) * | 2021-10-18 | 2022-03-01 | 上海马帮科技有限公司 | 电商运营控制方法、系统、终端设备及存储介质 |
CN117408708A (zh) * | 2023-11-09 | 2024-01-16 | 南方电网储能股份有限公司信息通信分公司 | 一种基于大数据的客服中心调度系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107247726A (zh) * | 2017-04-28 | 2017-10-13 | 北京神州泰岳软件股份有限公司 | 适用于多业务场景的智能机器人的实现方法及装置 |
CN109213910A (zh) * | 2018-09-12 | 2019-01-15 | 杭州数梦工场科技有限公司 | 一种政务智能客服服务方法、系统、电子设备和存储介质 |
CN110413748A (zh) * | 2019-07-03 | 2019-11-05 | 北京智齿博创科技有限公司 | 基于大数据机器人客服知识库词条推荐系统 |
US20190354598A1 (en) * | 2018-05-18 | 2019-11-21 | Open Text Corporation | Data Processing System for Automatic Presetting of Controls in an Evaluation Operator Interface |
CN111400465A (zh) * | 2020-02-25 | 2020-07-10 | 支付宝(杭州)信息技术有限公司 | 客服机器人的生成方法、装置、电子设备及介质 |
-
2020
- 2020-08-12 CN CN202010805615.7A patent/CN111753075A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107247726A (zh) * | 2017-04-28 | 2017-10-13 | 北京神州泰岳软件股份有限公司 | 适用于多业务场景的智能机器人的实现方法及装置 |
US20190354598A1 (en) * | 2018-05-18 | 2019-11-21 | Open Text Corporation | Data Processing System for Automatic Presetting of Controls in an Evaluation Operator Interface |
CN109213910A (zh) * | 2018-09-12 | 2019-01-15 | 杭州数梦工场科技有限公司 | 一种政务智能客服服务方法、系统、电子设备和存储介质 |
CN110413748A (zh) * | 2019-07-03 | 2019-11-05 | 北京智齿博创科技有限公司 | 基于大数据机器人客服知识库词条推荐系统 |
CN111400465A (zh) * | 2020-02-25 | 2020-07-10 | 支付宝(杭州)信息技术有限公司 | 客服机器人的生成方法、装置、电子设备及介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182190A (zh) * | 2020-10-13 | 2021-01-05 | 深圳壹账通智能科技有限公司 | 智能问答方法、装置、电子设备及存储介质 |
CN112506967A (zh) * | 2020-12-07 | 2021-03-16 | 中国平安人寿保险股份有限公司 | Ai面试的数据流量分析方法、装置和计算机设备 |
CN112506967B (zh) * | 2020-12-07 | 2024-05-03 | 中国平安人寿保险股份有限公司 | Ai面试的数据流量分析方法、装置和计算机设备 |
CN112837678A (zh) * | 2020-12-31 | 2021-05-25 | 思必驰科技股份有限公司 | 私有云识别训练方法和装置 |
CN112988704A (zh) * | 2021-03-05 | 2021-06-18 | 无锡星凝互动科技有限公司 | 一种基于ai咨询数据库集群搭建方法和系统 |
CN113282734A (zh) * | 2021-06-28 | 2021-08-20 | 中国平安人寿保险股份有限公司 | 基于结构化数据的问答处理方法、装置、设备及介质 |
CN114114983A (zh) * | 2021-10-18 | 2022-03-01 | 上海马帮科技有限公司 | 电商运营控制方法、系统、终端设备及存储介质 |
CN117408708A (zh) * | 2023-11-09 | 2024-01-16 | 南方电网储能股份有限公司信息通信分公司 | 一种基于大数据的客服中心调度系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111753075A (zh) | 客服机器人问答数据的创建方法、装置和计算机设备 | |
CN110457431A (zh) | 基于知识图谱的问答方法、装置、计算机设备和存储介质 | |
CN109408821B (zh) | 一种语料生成方法、装置、计算设备及存储介质 | |
CN108664582B (zh) | 企业关系的查询方法、装置、计算机设备及存储介质 | |
US11397565B2 (en) | Automated generation of software applications using analysis of submitted content items | |
JP2020071869A (ja) | 動画基盤求人求職マッチングサーバーおよび方法 | |
TW201917601A (zh) | 使用者意圖識別方法及裝置 | |
CN110442697B (zh) | 一种人机交互方法、系统、计算机设备和存储介质 | |
JP2009509271A (ja) | 抽出、変換、及び読み込みタスクの構成に基づくデータプロファイルのための装置及び方法 | |
WO2020224220A1 (zh) | 基于知识图谱的问答方法、电子装置、设备及存储介质 | |
CN113157863A (zh) | 问答数据处理方法、装置、计算机设备及存储介质 | |
CN111522966A (zh) | 基于知识图谱的数据处理方法、装置、电子设备及介质 | |
US11550884B2 (en) | Systems and methods for providing user validation | |
CN112527924A (zh) | 动态更新的知识图谱扩展方法及装置 | |
US20210141865A1 (en) | Machine learning based tenant-specific chatbots for performing actions in a multi-tenant system | |
TW201833730A (zh) | 資訊交互的方法及裝置 | |
CN110727777A (zh) | 知识图谱的管理方法、装置、计算机设备和存储介质 | |
CN114511085A (zh) | 实体属性值的识别方法、装置、设备、介质及程序产品 | |
CN114253990A (zh) | 数据库查询方法、装置、计算机设备和存储介质 | |
CN113626571A (zh) | 答句生成方法、装置、计算机设备和存储介质 | |
CN110096658B (zh) | 一种数据埋点方法及装置 | |
WO2023173550A1 (zh) | 一种跨领域数据推荐方法、装置、计算机设备及介质 | |
CN116126291A (zh) | 基于信息管理的快速开发方法、装置、设备及存储介质 | |
CN116155597A (zh) | 访问请求的处理方法、装置及计算机设备 | |
JP6676083B2 (ja) | 検索装置、検索方法、およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40030668 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |