CN111813902A - 智能应答方法、系统及计算设备 - Google Patents
智能应答方法、系统及计算设备 Download PDFInfo
- Publication number
- CN111813902A CN111813902A CN202010435269.8A CN202010435269A CN111813902A CN 111813902 A CN111813902 A CN 111813902A CN 202010435269 A CN202010435269 A CN 202010435269A CN 111813902 A CN111813902 A CN 111813902A
- Authority
- CN
- China
- Prior art keywords
- score
- question
- questions
- hit
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000004044 response Effects 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 66
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims description 23
- 238000003860 storage Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 4
- 238000013500 data storage Methods 0.000 description 20
- 239000013598 vector Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种智能应答方法,包括:接收客户端通过即时通信系统发送的问题请求;将问题请求发送至处理设备,以便处理设备基于人工智能模型算法确定问题请求的一个或多个相关联词汇,并基于相关联词汇检索知识库、获取知识库中最终关联得分最高的一个或多个问题作为相关联问题,最终关联得分包括问题的相关性得分以及命中分数;接收处理设备获取的一个或多个相关联问题、以及相关联问题对应的答案;确定相关联问题的数量,并基于相关联问题的数量为相关联问题分配本次的命中分数;将相关联问题及相应的答案通过所述即时通信系统返回至客户端。本发明一并公开了智能应答系统和计算设备。根据本发明的技术方案,对用户的应答更符合用户需求。
Description
技术领域
本发明涉及网络通信技术领域,尤其涉及一种智能应答方法、智能应答系统及计算设备。
背景技术
随着金融、电信、互联网等各行各业客户服务量的高速增长,传统的客户服务模式已无法全面满足企业发展的业务需求以及日益增长的客户服务需求,而且人工服务成本大幅升高。正是在这样的背景下,以自然语言处理(NLP)技术为核心的智能客户服务应运而生。
人工智能技术、移动互联网、云服务产业的高速发展,为智能客户服务创造了良好的网络环境和技术基础。通过运用智能客服系统,企业不仅可以向员工提供客户服务,同时也能够通过互联网向无数客户提供多渠道的在线客户服务。智能客服产品与服务模式的诞生不仅帮助企业顺应了移动互联网的高速发展,创造了应用人工智能技术为客户提供客户服务的新模式,也在保证服务质量、提高服务效率的同时,大幅降低了企业客服成本。
但,现有技术中,如果要运用智能客服系统,需要企业单独搭建知识库,搭建知识库往往要投入大量人力,搭建和维护投入的成本较高。而且,搭建知识库需要具备专业的业务知识以及数据优化技术,对专业度要求很高,而大部分企业并没有专职的专业人才。另外,知识库涉及海量知识数据的汇总、合并,人力投入大且效率相对较低,每人每天只能处理几百条数据;并且传统的知识库构建和维护均需要人工手动填入,耗时耗力,操作复杂。
为此,需要一种智能应答方法,来解决上述技术方案中存在的问题。
发明内容
为此,本发明提供一种智能应答方法、系统及计算设备,以解决或至少缓解上面存在的问题。
根据本发明的一个方面,提供一种智能应答方法,在计算设备中执行,所述计算设备与处理设备连接,且计算设备通过即时通信系统与客户端通信连接,所述方法包括步骤:接收客户端通过即时通信系统发送的问题请求;将所述问题请求发送至处理设备,以便所述处理设备基于人工智能模型算法确定所述问题请求的一个或多个相关联词汇,并基于所述相关联词汇检索知识库、获取知识库中最终关联得分最高的一个或多个问题作为相关联问题,所述最终关联得分包括问题的相关性得分以及命中分数;接收所述处理设备获取的一个或多个相关联问题、以及所述相关联问题对应的答案;确定所述相关联问题的数量,并基于相关联问题的数量为所述相关联问题分配本次的命中分数;以及将所述一个或多个相关联问题及相应的答案通过所述即时通信系统返回至客户端。
可选地,在根据本发明的智能应答方法中,所述处理设备适于基于检索得到的一个或多个相关联问题及相应的答案生成相关联问题列表,将所述相关联问题列表发送至所述计算设备,以便计算设备将所述相关联问题列表返回至客户端。
可选地,在根据本发明的智能应答方法中,所述处理设备获取知识库中最终关联得分最高的一个或多个问题的步骤包括:基于所述一个或多个相关联词汇确定知识库中的每个问题的相关性得分;确定知识库中每个问题是否分配有命中分数,并确定每个问题分配的命中总分数;基于所述相关性得分、命中总分数来确定每个问题的最终关联得分;获取最终关联得分最高的预定数量的问题作为相关联问题。
可选地,在根据本发明的智能应答方法中,基于所述相关性得分、命中总分数来确定每个问题的最终关联得分的步骤包括:基于所述相关性得分确定相应的第一权重值,基于所述命中总分数确定相应的第二权重值,基于所述相关性得分与第一权重值、以及所述命中总分数与第二权重值来确定所述问题的最终关联得分。
可选地,在根据本发明的智能应答方法中,获取最终关联得分最高的预定数量的问题作为相关联问题的步骤包括:如果确定所述知识库中包括最终关联得分超过阈值的问题,则获取最终关联得分超过阈值的一个问题作为相关联问题。
可选地,在根据本发明的智能应答方法中,获取最终关联得分最高的预定数量的问题作为相关联问题的步骤包括:如果确定所述知识库中的每个问题的最终关联得分均不超过阈值,则获取最终关联得分最高的n个问题作为相关联问题,其中,3≤n≤7。
可选地,在根据本发明的智能应答方法中,在获取最终关联得分最高的预定数量的问题之前,包括步骤:基于最终关联得分的高低对知识库中的问题进行排序。
可选地,在根据本发明的智能应答方法中,基于相关联问题的数量为相关联问题分配本次的命中分数的步骤包括:在确定所述相关联问题的数量大于1时,为所述相关联问题分配第一命中分数;在确定所述相关联问题的数量为1时,为所述相关联问题分配第二命中分数,所述第二命中分数大于所述第一命中分数。
可选地,在根据本发明的智能应答方法中,所述客户端在接收到所述相关联问题列表后,适于根据所述列表的长度确定相应的问题展示样式,并基于所确定的问题展示样式来展示所述一个或多个相关联问题。
可选地,在根据本发明的智能应答方法中,如果相关联问题包括多个,则在将多个相关联问题及相应的答案返回至客户端之后,还包括步骤:接收客户端从多个相关联问题中确定的最终问题。
可选地,在根据本发明的智能应答方法中,为所述相关联问题分配本次的命中分数的步骤包括:在确定所述相关联问题的数量大于1时,在接收到客户端确定的最终问题之后,为所述最终问题分配第一命中分数;在确定所述相关联问题的数量为1时,为所述相关联问题分配第二命中分数,所述第二命中分数大于所述第一命中分数。
可选地,在根据本发明的智能应答方法中,所述计算设备与数据存储设备耦接,数据存储设备中包括命中分数列表,在为所述相关联问题分配本次命中分数之后,包括步骤:将该问题的本次命中分数记录在相应的命中分数列表中,以更新数据存储设备中的命中分数列表。
根据本发明的一个方面,提供一种智能应答系统,包括:服务器,适于执行如上所述的方法;客户端,通过即时通信系统与所述服务器通信连接,适于响应于用户输入的问题,将问题请求发送至服务器;以及处理设备,与所述服务器通信连接,适于接收服务器基于问题请求发送的检索请求,并适于基于人工智能模型算法确定所述问题请求的一个或多个相关联词汇,基于所述相关联词汇检索知识库、获取知识库中最终关联得分最高的一个或多个问题作为相关联问题,所述最终关联得分包括问题的相关性得分以及命中分数。
可选地,在根据本发明的智能应答系统中,所述处理设备适于基于检索得到的一个或多个相关联问题及相应的答案生成相关联问题列表,并将所述相关联问题列表发送至所述服务器,以便服务器将所述相关联问题列表返回至客户端。
可选地,在根据本发明的智能应答系统中,所述处理设备适于:基于所述一个或多个相关联词汇确定知识库中的每个问题的相关性得分;确定知识库中每个问题是否分配有命中分数,并确定每个问题分配的命中总分数;基于所述相关性得分、命中总分数来确定每个问题的最终关联得分;获取最终关联得分最高的预定数量的问题作为相关联问题。
可选地,在根据本发明的智能应答系统中,所述处理设备进一步适于:基于所述相关性得分确定相应的第一权重值,基于所述命中总分数确定相应的第二权重值,基于所述相关性得分与第一权重值、以及所述命中总分数与第二权重值来确定所述问题的最终关联得分。
可选地,在根据本发明的智能应答系统中,所述处理设备进一步适于:在确定所述知识库中包括最终关联得分超过阈值的问题时,获取最终关联得分超过阈值的一个问题作为相关联问题;在确定所述知识库中的每个问题的最终关联得分均不超过阈值时,获取最终关联得分最高的n个问题作为相关联问题,其中,3≤n≤7。
可选地,在根据本发明的智能应答系统中,还包括:数据存储设备,与所述服务器耦接,所述数据存储设备中存储有所述问题的命中分数列表。
根据本发明的一个方面,提供一种计算设备,包括:至少一个处理器;存储器,存储有程序指令,其中,程序指令被配置为适于由上述至少一个处理器执行,所述程序指令包括用于执行如上所述的智能应答方法的指令。
根据本发明的一个方面,提供一种存储有程序指令的可读存储介质,当该程序指令被计算设备读取并执行时,使得该计算设备执行如上所述的智能应答方法。
根据本发明的技术方案,服务器通过将用户的问题请求发送至处理设备,请求处理设备检索知识库获取一个或多个相关联问题及相应的答案。处理设备通过计算知识库中的每个问题的最终关联得分,选取最终关联得分最高的一个或多个问题作为相关联问题,并返回至服务器,由服务器将相关联问题以及相应的答案返回至客户端,从而实现对用户请求的问题的智能应答。这里,最终关联得分包括问题的相关性得分以及命中分数,相关性得分是基于知识库中问题与用户请求问题的相关度来确定的分数,命中分数是知识库中的问题被检索选中时会分配的命中分数,与问题的命中次数以及每次的命中分数相关。
可见,本发明在检索相关联问题时,综合考虑了知识库中的问题与用户问题的相关度、问题的命中几率,基于相关性得分、命中分数计算的综合得分来确定一个或多个相关联问题。问题的命中分数一定程度上能反应大部分用户对问题的需求概率。这样,通过综合相关性得分和命中得分来计算最终关联得分、获取最终关联得分最高的一个或多个问题作为相关联问题,能确保向用户反馈的应答问题更接近于用户请求的问题,提供尽可能满足用户需求的问题答案,更符合用户需求。
进一步地,本发明在确定相关联问题为精准命中的唯一问题时,为该问题分配一个相对更高的命中分数。在确定相关联问题的数量为多个时,为相应问题分配一个相对较低的命中分数。应当理解,精准命中问题与用户请求的问题高度匹配,说明该问题能够满足用户需求的概率较高,通过为精准命中问题分配一个较高的命中分数,以提高该问题在后续的命中率,这样,本发明可以综合多种因素来为用户提供最切合用户需求的问题应答。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了实现上述以及相关目的,本文结合下面的描述和附图来描述某些说明性方面,这些方面指示了可以实践本文所公开的原理的各种方式,并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述,本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开,相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的智能应答系统100的示意图;
图2示出了根据本发明一个实施例的计算设备200的示意图;以及
图3示出了根据本发明一个实施例的智能应答方法300的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的智能应答系统100的示意图。
如图1所示,智能应答系统100包括一个或多个客户端110、服务器200、以及处理设备150。其中,一个或多个客户端110与服务器200通信连接,具体地,客户端110可以通过即时通信系统120与服务器200通信连接,从而可以向服务器200发送即时消息,或者接收服务器200发送的即时消息。服务器200与处理设备150耦接。
客户端110即用户所使用的终端设备,其具体可以是桌面电脑、笔记本电脑等个人计算机,也可以是手机、平板电脑、多媒体设备、智能可穿戴设备等,但不限于此。
服务器200用于向客户端110提供服务,其可以实现为现有技术中的任何一种能够实现为客户端110提供问题应答服务的设备,本发明对设备的具体种类不作限制。例如,服务器200可以实现为桌面电脑、笔记本电脑、处理器芯片、手机、平板电脑等服务器,但不限于此,也可以是驻留在服务器上的应用程序。
在一个实施例中,客户端110中安装有一个或多个应用,其中包括适于与服务器200通信的应用112。客户端110的所有者通常会注册成为应用112的用户。应用112可以利用终端设备提供的移动通信功能而耦接到即时通信系统120,并经由即时通信系统120而与服务器200进行即时通信。这里,本发明对应用112的具体用途不做限制。
用户可以通过客户端110的应用112发送问题请求,该问题请求经由即时通信系统120发送至服务器200。
服务器200与处理设备150耦接。处理设备150适于基于用户的问题请求来检索知识库,从知识库中检索出与用户的问题请求相关联的问题。服务器200可以将用户的问题请求发送至处理设备150,请求处理设备150检索知识库获取一个或多个相关联问题及相应的答案。在处理设备150将检索的相关联问题返回至服务器200后,服务器200便将相关联问题以及相应的答案返回至客户端110,从而实现对用户请求的问题的智能应答。
在一个实施例中,处理设备150会基于人工智能模型算法对问题请求进行计算,以确定与问题请求相关联的一个或多个相关联词汇,处理设备150会通过相关联词汇检索知识库,并获取知识库中最终关联得分最高的一个或多个问题作为相关联问题,这里,最终关联得分包括问题的相关性得分以及命中分数。相关性得分是基于知识库中问题与用户请求问题的相关度(相似度)来确定的分数。命中分数是知识库中的问题被检索选中时会分配的命中分数,与问题的命中次数以及每次的命中分数相关。
也就是说,本发明的处理设备150在确定相关联问题时,综合考虑了知识库中的问题与用户问题的相关度、问题的命中几率,基于相关性得分、命中分数计算的综合得分来确定一个或多个相关联问题。问题的命中分数一定程度上能反应大部分用户对问题的需求概率。这样,通过综合相关性得分和命中得分来计算最终关联得分、获取最终关联得分最高的一个或多个问题作为相关联问题,能确保向用户反馈的应答问题更接近于用户请求的问题,提供尽可能满足用户需求的问题答案,更符合用户需求。
在一个实施例中,服务器200确定处理设备150检索得到的相关联问题的数量,并基于相关联问题的数量为相关联问题分配本次的命中分数。也就是说,在知识库中的一个或多个问题被检索选中、作为向客户端110返回的应答问题时,这一个或多个问题便是本次应答的命中问题,服务器200会为这些问题分配相应的本次命中分数。
在一个实施例中,处理设备150在计算每个问题的最终关联得分时,先基于一个或多个相关联词汇确定知识库中的每个问题的相关性得分。在一种实施方式中,处理设备150可以通过人工智能模型计算一个或多个相关联词汇的词向量,并计算知识库中每个问题的向量,通过比较知识库中每个问题的向量与相关联词汇的词向量之间的相似度,来确定知识库中的每个问题的相关性得分。进而,处理设备150确定知识库中每个问题是否分配有命中分数,并确定每个问题分配的命中总分数。基于相关性得分、命中总分数来确定每个问题的最终关联得分,以便获取最终关联得分最高的预定数量的问题作为相关联问题。
另外,本发明在基于相关性得分、命中总分数来计算问题的最终关联得分时,还分别为相关性得分、命中分数分配相应的权重值。
在一个实施例中,处理设备150在获取最终关联得分最高的预定数量的问题时,如果确定知识库中包括最终关联得分超过阈值的问题,则只获取最终关联得分超过阈值的一个问题作为相关联问题,该唯一的一个相关联问题即是精准命中问题。如果确定知识库中的每个问题的最终关联得分均不超过阈值,则获取最终关联得分最高的n个问题作为相关联问题,这里,本发明对n的具体数值不做限制。在一种实施方式中,n的取值范围可以是3≤n≤7。
在一个实施例中,在确定相关联问题的数量为1时,为相关联问题分配第二命中分数。在确定相关联问题的数量大于1时,为相关联问题分配第一命中分数。其中,第二命中分数大于第一命中分数。也就是说,在问题的最终关联得分高于阈值时,说明问题精准命中,通过为该问题分配一个较高的命中分数着重表示该问题精准命中用户问题的情况。
在一个实施例中,智能应答系统100还包括与服务器200耦接的数据存储设备140。服务器200会将每次为相应问题分配的命中分数记录实时在其耦接的数据存储设备140中。
具体地,数据存储设备140中包括对应每个问题的命中分数列表,服务器200在每次为相关联问题分配命中分数之后,会将该问题的本次命中分数记录在命中分数列表中,以更新数据存储设备140中的相应问题的命中分数列表。这样,处理设备150在计算知识库中的问题的最终关联得分时,会向服务器200请求获取数据存储设备140中存储的相应问题的命中分数列表,并基于命中分数列表中记录的每次命中分数来计算确定该问题当前的命中总分数。
在本发明的实施例中,服务器200适于执行智能应答方法。本发明的智能应答方法将在下文中详述。
在一个实施例中,本发明的服务器200可以实现为一种计算设备,使得本发明的智能应答方法可以在计算设备中执行。图2示出了根据本发明一个实施例的计算设备200的结构图。如图2所示,在基本的配置202中,计算设备200典型地包括系统存储器206和一个或者多个处理器204。存储器总线208可以用于在处理器204和系统存储器206之间的通信。
取决于期望的配置,处理器204可以是任何类型的处理,包括但不限于:微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器204可以包括诸如一级高速缓存210和二级高速缓存212之类的一个或者多个级别的高速缓存、处理器核心214和寄存器216。示例的处理器核心214可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器218可以与处理器204一起使用,或者在一些实现中,存储器控制器218可以是处理器204的一个内部部分。
取决于期望的配置,系统存储器206可以是任意类型的存储器,包括但不限于:易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统220、一个或者多个应用222以及程序数据224。应用222实际上是多条程序指令,其用于指示处理器204执行相应的操作。在一些实施方式中,应用222可以布置为在操作系统上使得处理器204利用程序数据224进行操作。
计算设备200还可以包括有助于从各种接口设备(例如,输出设备242、外设接口244和通信设备246)到基本配置202经由总线/接口控制器230的通信的接口总线240。示例的输出设备242包括图形处理单元248和音频处理单元250。它们可以被配置为有助于经由一个或者多个A/V端口252与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口244可以包括串行接口控制器254和并行接口控制器256,它们可以被配置为有助于经由一个或者多个I/O端口258和诸如输入设备(例如,键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备246可以包括网络控制器260,其可以被布置为便于经由一个或者多个通信端口264与一个或者多个其他计算设备262通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块,并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号,它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例,通信介质可以包括诸如有线网络或者专线网络之类的有线介质,以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
在根据本发明的计算设备200中,应用222包括执行智能应答方法300的多条程序指令,这些程序指令可以指示处理器204执行本发明的智能应答方法300,以便计算设备200通过执行本发明的智能应答方法300来对用户请求的问题进行智能应答。
图3示出了根据本发明一个实施例的智能应答方法300的流程图。方法300适于在计算设备(例如前述计算设备200)中执行。计算设备200通过即时通信系统120与一个或多个客户端110通信连接,且计算设备200与处理设备150耦接,处理设备150适于基于用户的问题请求来检索知识库,从知识库中检索出与用户的问题请求相关联的问题,以便计算设备200将知识库中的相关联问题以及相应的答案返回至客户端110,实现对用户请求的问题的智能应答。
如图3所示,方法300始于步骤S310。
在步骤S310中,接收客户端110通过即时通信系统120发送的问题请求。这里,用户在客户端110提交问题请求后,客户端110响应于用户的请求,将问题请求发送至即时通信系统120,以便经由即时通信系统120将问题请求发送至服务器200。
随后,在步骤S320中,将问题请求发送至处理设备150。处理设备150会基于人工智能模型算法对问题请求进行计算,以确定与问题请求相关联的一个或多个相关联词汇,处理设备150会通过相关联词汇检索知识库,并获取知识库中最终关联得分最高的一个或多个问题作为相关联问题,这里,最终关联得分包括问题的相关性得分以及命中分数。相关性得分是基于知识库中问题与用户请求问题的相关度(相似度)来确定的分数。命中分数是知识库中的问题被检索选中时会分配的命中分数,与问题的命中次数以及每次的命中分数相关。
也就是说,本发明的处理设备150在确定相关联问题时,综合考虑了知识库中的问题与用户问题的相关度、问题的命中几率,基于相关性得分、命中分数计算的综合得分来确定一个或多个相关联问题。问题的命中分数一定程度上能反应大部分用户对问题的需求概率。这样,通过综合相关性得分和命中得分来计算最终关联得分、获取最终关联得分最高的一个或多个问题作为相关联问题,能确保向用户反馈的应答问题更接近于用户请求的问题,尽可能满足用户需求的问题答案。
需要说明的是,知识库中预先录入了各种各样的问题以及相应的问题答案,并对这些问题及答案进行了结构化处理。相关联问题即是知识库中存储的问题中与客户端110的问题请求相关联的问题。
随后,在步骤S330中,处理设备150将检索获取的相关联问题返回给计算设备200。计算设备200接收处理设备150检索获取到的一个或多个相关联问题、以及每个相关联问题对应的答案。
随后,在步骤S340中,计算设备200确定处理设备150检索得到的相关联问题的数量,并基于相关联问题的数量为相关联问题分配本次的命中分数。也就是说,在知识库中的一个或多个问题被检索选中、作为向客户端110返回的应答问题时,这一个或多个问题便是本次应答的命中问题,计算设备200会为这些问题分配相应的本次命中分数,并将本次命中分数记录在与计算设备200耦接的数据存储设备140中。
需要说明的是,上述在计算最终关联得分时考虑的命中分数是指到目前为止问题每次命中时分配的命中总分数。
具体而言,在通过计算知识库中每个问题的最终关联得分来获取相关联问题时,先基于一个或多个相关联词汇确定知识库中的每个问题的相关性得分。在一种实施方式中,处理设备150可以通过人工智能模型计算一个或多个相关联词汇的词向量,并计算知识库中每个问题的向量,通过比较知识库中每个问题的向量与相关联词汇的词向量之间的相似度,来确定知识库中的每个问题的相关性得分。
进而,确定知识库中每个问题是否分配有命中分数,并确定每个问题分配的命中总分数。基于相关性得分、命中总分数来确定每个问题的最终关联得分,以便获取最终关联得分最高的预定数量的问题作为相关联问题。
根据一个实施例,本发明在基于相关性得分、命中总分数来计算问题的最终关联得分时,还分别为相关性得分、命中分数分配相应的权重值。具体地,处理设备150会基于相关性得分的数值来确定与该相关性得分相对应的第一权重值,并基于命中总分数的数值来确定与该命中总分数相对应的第二权重值。例如,通过为相关性得分设置多个分数区间,每个分数区间分别对应不同的第一权重值,从而根据相关性得分的数值所匹配的分数区间,来确定相关性得分对应的第一权重值。相应地,通过为命中总分数设置多个分数区间,每个分数区间分别对应不同的第二权重值,从而根据命中总分数的数值所匹配的分数区间,来确定命中总分数对应的第二权重值。
进而,基于相关性得分与第一权重值、以及命中总分数与第二权重值来确定问题的最终关联得分。即是,将计算相关性得分与第一权重值的乘积、命中总分数与第二权重值的乘积,将两种分数与权重值的乘积进行加和,得到问题的最终关联得分。
应当指出,本发明不仅综合相关性得分和命中得分来计算最终关联得分,而且,还基于分数值的大小(所属的分数区间)来分别为两种分数分配相应的权重值。这样,进一步确保向用户反馈的应答问题更接近于用户请求的问题,尽可能满足用户需求的问题答案。
最后,在步骤S350中,将一个或多个相关联问题及相应的答案通过即时通信系统返回至客户端110。
根据一个实施例,处理设备150基于检索得到的一个或多个相关联问题、及每个相关联问题对应的答案生成相关联问题列表,并将相关联问题列表返回至计算设备200,以便计算设备200将包括一个或多个相关联问题及相应答案的相关联问题列表返回至客户端110,供客户端用户参考问题及答案。
这里,客户端110在接收到计算设备200发送的相关联问题列表后,会根据列表的长度确定相应的问题展示样式,并基于所确定的问题展示样式来展示列表中的一个或多个相关联问题。
根据一个实施例,处理设备150在获取最终关联得分最高的预定数量的问题之前,先基于最终关联得分的高低对知识库中的问题进行排序,以便根据最终关联得分的高低顺序选取最终关联得分最高的一个或多个问题,作为相关联问题。
进一步地,处理设备150在获取最终关联得分最高的预定数量的问题时,如果确定知识库中包括最终关联得分超过阈值的问题,则只获取最终关联得分超过阈值的一个问题作为相关联问题,该唯一的一个相关联问题即是精准命中问题。如果确定知识库中的每个问题的最终关联得分均不超过阈值,则获取最终关联得分最高的n个问题作为相关联问题,这里,本发明对n的具体数值不做限制。在一种实施方式中,n的取值范围可以是3≤n≤7。
根据一个实施例,在确定相关联问题的数量为1时,为相关联问题分配第二命中分数。在确定相关联问题的数量大于1时,为相关联问题分配第一命中分数。其中,第二命中分数大于第一命中分数。也就是说,在问题的最终关联得分高于阈值时,表示该问题精准命中,与用户请求的问题高度匹配,也说明该问题能够满足用户需求的概率较高。通过为精准命中问题分配一个较高的命中分数,以提高该问题在后续的命中率,这样,本发明可以综合多种因素来为用户提供最切合用户需求的问题应答。
还应当指出,关于在确定相关联问题的数量大于1时,为相关联问题分配一个较低的第一命中分数,这里,本发明不限制具体的分配情况。例如,计算设备200可以是在接收到处理设备150返回的相关联问题列表时,就为相关联问题列表中的每个相关联问题均分配一个相同的第一命中分数,并将每个相关联问题的本次命中分数记录在数据存储设备140中。
另外,在又一个实施例中,客户端110在接收到计算设备200发送的相关联问题列表后,如果列表中的包括多个相关联问题(列表中的相关联问题的数量大于1),则客户端110会从多个相关联问题中选取一个最终问题,并将选取确定的最终问题返回至计算设备200。计算设备200在接收到客户端110所确定的最终问题之后,再为唯一被用户选中的最终问题分配第一命中分数,这里,其它未被用户选中的相关联问题,本次不分配命中分数。这样,可以更紧密地将第一命中分数与用户请求的问题紧密关联。
根据一个实施例,数据存储设备140中包括对应每个问题的命中分数列表,计算设备200在每次为相关联问题分配命中分数之后,会将该问题的本次命中分数记录在命中分数列表中,以更新数据存储设备140中的相应问题的命中分数列表。这样,处理设备150在计算知识库中的问题的最终关联得分时,会向计算设备200请求获取数据存储设备140中存储的相应问题的命中分数列表,并基于命中分数列表中记录的每次命中分数来计算确定该问题当前的命中总分数。
A5、如A3或A4所述的智能应答方法,其中,获取最终关联得分最高的预定数量的问题作为相关联问题的步骤包括:如果确定所述知识库中包括最终关联得分超过阈值的问题,则获取最终关联得分超过阈值的一个问题作为相关联问题。
A6、如A3-A5任一项所述的智能应答方法,其中,获取最终关联得分最高的预定数量的问题作为相关联问题的步骤包括:如果确定所述知识库中的每个问题的最终关联得分均不超过阈值,则获取最终关联得分最高的n个问题作为相关联问题,其中,3≤n≤7。
A7、如A3-A6任一项所述的智能应答方法,其中,在获取最终关联得分最高的预定数量的问题之前,包括步骤:基于最终关联得分的高低对知识库中的问题进行排序。
A11、如A10所述的智能应答方法,为所述相关联问题分配本次的命中分数的步骤包括:在确定所述相关联问题的数量大于1时,在接收到客户端确定的最终问题之后,为所述最终问题分配第一命中分数;在确定所述相关联问题的数量为1时,为所述相关联问题分配第二命中分数,所述第二命中分数大于所述第一命中分数。
A12、如A1-A11任一项所述的智能应答方法,其中,所述计算设备与数据存储设备耦接,数据存储设备中包括命中分数列表,在为所述相关联问题分配本次命中分数之后,包括步骤:将该问题的本次命中分数记录在相应的命中分数列表中,以更新数据存储设备中的命中分数列表。
B14、如B13所述的智能应答系统,其中,所述处理设备适于基于检索得到的一个或多个相关联问题及相应的答案生成相关联问题列表,并将所述相关联问题列表发送至所述服务器,以便服务器将所述相关联问题列表返回至客户端。
B15、如B13或14所述的智能应答系统,其中,所述处理设备适于:基于所述一个或多个相关联词汇确定知识库中的每个问题的相关性得分;确定知识库中每个问题是否分配有命中分数,并确定每个问题分配的命中总分数;基于所述相关性得分、命中总分数来确定每个问题的最终关联得分;获取最终关联得分最高的预定数量的问题作为相关联问题。
B16、如B15所述的智能应答系统,其中,所述处理设备进一步适于:基于所述相关性得分确定相应的第一权重值,基于所述命中总分数确定相应的第二权重值,基于所述相关性得分与第一权重值、以及所述命中总分数与第二权重值来确定所述问题的最终关联得分。
B17、如B15或B16所述的智能应答系统,其中,所述处理设备进一步适于:在确定所述知识库中包括最终关联得分超过阈值的问题时,获取最终关联得分超过阈值的一个问题作为相关联问题;在确定所述知识库中的每个问题的最终关联得分均不超过阈值时,获取最终关联得分最高的n个问题作为相关联问题,其中,3≤n≤7。
B18、如B13-B17任一项所述的智能应答系统,其中,还包括:数据存储设备,与所述服务器耦接,所述数据存储设备中存储有所述问题的命中分数列表。
这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而,本发明的方法和设备,或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介,例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被所述机器执行时,所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下,移动终端一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件),至少一个输入装置,和至少一个输出装置。其中,存储器被配置用于存储程序代码;处理器被配置用于根据该存储器中存储的所述程序代码中的指令,执行本发明的智能应答方法。
以示例而非限制的方式,可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据,并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。
在此处所提供的说明书中,算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的而非限制性的,本发明的范围由所附权利要求书限定。
Claims (10)
1.一种智能应答方法,在计算设备中执行,所述计算设备与处理设备连接,且计算设备通过即时通信系统与客户端通信连接,所述方法包括步骤:
接收客户端通过即时通信系统发送的问题请求;
将所述问题请求发送至处理设备,以便所述处理设备基于人工智能模型算法确定所述问题请求的一个或多个相关联词汇,并基于所述相关联词汇检索知识库、获取知识库中最终关联得分最高的一个或多个问题作为相关联问题,所述最终关联得分包括问题的相关性得分以及命中分数;
接收所述处理设备获取的一个或多个相关联问题、以及所述相关联问题对应的答案;
确定所述相关联问题的数量,并基于相关联问题的数量为所述相关联问题分配本次的命中分数;以及
将所述一个或多个相关联问题及相应的答案通过所述即时通信系统返回至客户端。
2.如权利要求1所述的智能应答方法,其中,
所述处理设备适于基于检索得到的一个或多个相关联问题及相应的答案生成相关联问题列表,将所述相关联问题列表发送至所述计算设备,以便计算设备将所述相关联问题列表返回至客户端。
3.如权利要求1或2所述的智能应答方法,其中,所述处理设备获取知识库中最终关联得分最高的一个或多个问题的步骤包括:
基于所述一个或多个相关联词汇确定知识库中的每个问题的相关性得分;
确定知识库中每个问题是否分配有命中分数,并确定每个问题分配的命中总分数;
基于所述相关性得分、命中总分数来确定每个问题的最终关联得分;
获取最终关联得分最高的预定数量的问题作为相关联问题。
4.如权利要求3所述的智能应答方法,其中,基于所述相关性得分、命中总分数来确定每个问题的最终关联得分的步骤包括:
基于所述相关性得分确定相应的第一权重值,
基于所述命中总分数确定相应的第二权重值,
基于所述相关性得分与第一权重值、以及所述命中总分数与第二权重值来确定所述问题的最终关联得分。
5.如权利要求1-4任一项所述的智能应答方法,其中,基于相关联问题的数量为相关联问题分配本次的命中分数的步骤包括:
在确定所述相关联问题的数量大于1时,为所述相关联问题分配第一命中分数;
在确定所述相关联问题的数量为1时,为所述相关联问题分配第二命中分数,所述第二命中分数大于所述第一命中分数。
6.如权利要求2-5任一项所述的智能应答方法,其中,
所述客户端在接收到所述相关联问题列表后,适于根据所述列表的长度确定相应的问题展示样式,并基于所确定的问题展示样式来展示所述一个或多个相关联问题。
7.如权利要求1-6任一项所述的智能应答方法,其中,如果相关联问题包括多个,则在将多个相关联问题及相应的答案返回至客户端之后,还包括步骤:
接收客户端从多个相关联问题中确定的最终问题。
8.一种智能应答系统,包括:
服务器,适于执行如权利要求1-7任一项所述的方法;
客户端,通过即时通信系统与所述服务器通信连接,适于响应于用户输入的问题,将问题请求发送至服务器;以及
处理设备,与所述服务器通信连接,适于接收服务器基于问题请求发送的检索请求,并适于基于人工智能模型算法确定所述问题请求的一个或多个相关联词汇,基于所述相关联词汇检索知识库、获取知识库中最终关联得分最高的一个或多个问题作为相关联问题,所述最终关联得分包括问题的相关性得分以及命中分数。
9.一种计算设备,包括:
至少一个处理器;和
存储有程序指令的存储器,其中,所述程序指令被配置为适于由所述至少一个处理器处理,所述程序指令包括用于处理如权利要求1-7中任一项所述方法的指令。
10.一种存储有程序指令的可读存储介质,当所述程序指令被计算设备读取并处理时,使得所述计算设备处理如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010435269.8A CN111813902B (zh) | 2020-05-21 | 2020-05-21 | 智能应答方法、系统及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010435269.8A CN111813902B (zh) | 2020-05-21 | 2020-05-21 | 智能应答方法、系统及计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111813902A true CN111813902A (zh) | 2020-10-23 |
CN111813902B CN111813902B (zh) | 2024-02-23 |
Family
ID=72847713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010435269.8A Active CN111813902B (zh) | 2020-05-21 | 2020-05-21 | 智能应答方法、系统及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111813902B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113377934A (zh) * | 2021-05-21 | 2021-09-10 | 海南师范大学 | 一种实现智能客服的系统及方法 |
TWI807569B (zh) * | 2022-01-03 | 2023-07-01 | 中華電信股份有限公司 | 基於即時通訊服務的自動應答系統和自動應答方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040022372A1 (en) * | 2000-12-06 | 2004-02-05 | Bernd Plannerer | Method and device for automatically issuing information using a search engine |
JP2006195756A (ja) * | 2005-01-13 | 2006-07-27 | Just Syst Corp | 情報検索装置、情報検索サイトの改善方法提示装置 |
CN1856791A (zh) * | 2003-07-23 | 2006-11-01 | 爱尔兰都柏林国立大学-都柏林大学 | 信息检索 |
CN101286161A (zh) * | 2008-05-28 | 2008-10-15 | 华中科技大学 | 一种基于概念的智能中文问答系统 |
US20090012926A1 (en) * | 2006-03-01 | 2009-01-08 | Nec Corporation | Question answering device, question answering method, and question answering program |
CN102023991A (zh) * | 2009-09-21 | 2011-04-20 | 中兴通讯股份有限公司 | 在终端上更新索引并基于其对搜索结果排序的方法及装置 |
CN104750677A (zh) * | 2013-12-25 | 2015-07-01 | 株式会社东芝 | 语音传译装置、语音传译方法及语音传译程序 |
US20150278264A1 (en) * | 2014-03-31 | 2015-10-01 | International Business Machines Corporation | Dynamic update of corpus indices for question answering system |
CN107133349A (zh) * | 2017-05-24 | 2017-09-05 | 北京无忧创新科技有限公司 | 一种对话机器人系统 |
CN107153639A (zh) * | 2016-03-04 | 2017-09-12 | 北大方正集团有限公司 | 智能问答方法及系统 |
CN107291930A (zh) * | 2017-06-29 | 2017-10-24 | 环球智达科技(北京)有限公司 | 权重数的计算方法 |
CN108733732A (zh) * | 2017-04-25 | 2018-11-02 | 北京国双科技有限公司 | 一种文本检索方法及装置 |
JP2018180938A (ja) * | 2017-04-13 | 2018-11-15 | 日本電信電話株式会社 | 回答候補生成装置、方法、及びプログラム |
CN110502692A (zh) * | 2019-07-10 | 2019-11-26 | 平安普惠企业管理有限公司 | 基于搜索引擎的信息检索方法、装置、设备和存储介质 |
-
2020
- 2020-05-21 CN CN202010435269.8A patent/CN111813902B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040022372A1 (en) * | 2000-12-06 | 2004-02-05 | Bernd Plannerer | Method and device for automatically issuing information using a search engine |
CN1856791A (zh) * | 2003-07-23 | 2006-11-01 | 爱尔兰都柏林国立大学-都柏林大学 | 信息检索 |
JP2006195756A (ja) * | 2005-01-13 | 2006-07-27 | Just Syst Corp | 情報検索装置、情報検索サイトの改善方法提示装置 |
US20090012926A1 (en) * | 2006-03-01 | 2009-01-08 | Nec Corporation | Question answering device, question answering method, and question answering program |
CN101286161A (zh) * | 2008-05-28 | 2008-10-15 | 华中科技大学 | 一种基于概念的智能中文问答系统 |
CN102023991A (zh) * | 2009-09-21 | 2011-04-20 | 中兴通讯股份有限公司 | 在终端上更新索引并基于其对搜索结果排序的方法及装置 |
CN104750677A (zh) * | 2013-12-25 | 2015-07-01 | 株式会社东芝 | 语音传译装置、语音传译方法及语音传译程序 |
US20150278264A1 (en) * | 2014-03-31 | 2015-10-01 | International Business Machines Corporation | Dynamic update of corpus indices for question answering system |
CN107153639A (zh) * | 2016-03-04 | 2017-09-12 | 北大方正集团有限公司 | 智能问答方法及系统 |
JP2018180938A (ja) * | 2017-04-13 | 2018-11-15 | 日本電信電話株式会社 | 回答候補生成装置、方法、及びプログラム |
CN108733732A (zh) * | 2017-04-25 | 2018-11-02 | 北京国双科技有限公司 | 一种文本检索方法及装置 |
CN107133349A (zh) * | 2017-05-24 | 2017-09-05 | 北京无忧创新科技有限公司 | 一种对话机器人系统 |
CN107291930A (zh) * | 2017-06-29 | 2017-10-24 | 环球智达科技(北京)有限公司 | 权重数的计算方法 |
CN110502692A (zh) * | 2019-07-10 | 2019-11-26 | 平安普惠企业管理有限公司 | 基于搜索引擎的信息检索方法、装置、设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
邓博: "基于特定领域客服机器人的研究与实现", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 02, pages 140 - 557 * |
靖纯: "新闻领域智能问答系统建设策略探讨", 中国新闻技术工作者联合会2018年学术年会论文集(学术论文篇), pages 82 - 88 * |
鸟食轩: "主流搜索引擎对用户点选命中的处理", pages 1 - 7, Retrieved from the Internet <URL:https://www.cnblogs.com/birdshome/archive/2006/12/10/Search_Engines.html》> * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113377934A (zh) * | 2021-05-21 | 2021-09-10 | 海南师范大学 | 一种实现智能客服的系统及方法 |
CN113377934B (zh) * | 2021-05-21 | 2022-07-05 | 海南师范大学 | 一种实现智能客服的系统及方法 |
TWI807569B (zh) * | 2022-01-03 | 2023-07-01 | 中華電信股份有限公司 | 基於即時通訊服務的自動應答系統和自動應答方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111813902B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190147076A1 (en) | Feature generation and storage in a multi-tenant environment | |
US8612532B2 (en) | System and method for optimizing response handling time and customer satisfaction scores | |
US20200090269A1 (en) | Data collection method and apparatus for risk evaluation, and electronic device | |
CN111813902B (zh) | 智能应答方法、系统及计算设备 | |
CN111400600A (zh) | 一种消息推送方法、装置、设备和存储介质 | |
CN111612581A (zh) | 一种物品推荐的方法、装置、设备及存储介质 | |
CN113792134B (zh) | 一种基于数字孪生技术的用户服务方法及系统 | |
WO2024021973A1 (zh) | 目标企业的推荐方法、装置、计算机设备及存储介质 | |
WO2019033676A1 (zh) | 订单处理方法和装置 | |
CN110377803B (zh) | 信息处理方法以及装置 | |
WO2016155384A1 (zh) | 一种搜索优化方法、装置和系统 | |
CN112734005B (zh) | 预测模型的确定方法、装置、电子设备及存储介质 | |
CN111435381A (zh) | 请求分发方法和装置 | |
CN110995574B (zh) | 用户信息管理方法、获取方法和系统 | |
CN114222028A (zh) | 语音识别方法、装置、计算机设备和存储介质 | |
US10917310B2 (en) | Modeling distribution of digital components over a network | |
CN110516169B (zh) | 数据显示方法、装置、系统及计算设备 | |
CN113342781A (zh) | 一种数据迁移的方法、装置、设备及存储介质 | |
CN107180105A (zh) | 一种智能助理的知识库的更新方法、装置和电子设备 | |
CN112001753A (zh) | 推广信息的投放方法、装置、设备及存储介质 | |
US10937078B1 (en) | Dynamic generation of item description content | |
US20230289651A1 (en) | Dynamic information reduction using a velocity based machine learning model | |
US20240028397A1 (en) | Computational resource allocation advisor for elastic cloud databases | |
US11625621B2 (en) | Data clustering | |
US20240070758A1 (en) | Systems and methods for a procurement process |
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 | ||
GR01 | Patent grant |