CN112148852A - 一种智能客服方法、装置、存储介质及计算机设备 - Google Patents
一种智能客服方法、装置、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN112148852A CN112148852A CN202010946035.XA CN202010946035A CN112148852A CN 112148852 A CN112148852 A CN 112148852A CN 202010946035 A CN202010946035 A CN 202010946035A CN 112148852 A CN112148852 A CN 112148852A
- Authority
- CN
- China
- Prior art keywords
- customer service
- word segmentation
- input information
- matching degree
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000011218 segmentation Effects 0.000 claims abstract description 69
- 238000012545 processing Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 4
- 239000000047 product Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- G06F16/374—Thesaurus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/247—Thesauruses; Synonyms
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种智能客服方法、装置、存储介质及计算机设备,所述方法包括:在接收到客服请求时,获取基于所述客服请求输入的输入信息;对所述输入信息进行分词,以得到所述输入信息对应的分词数据;基于所述分词数据以及预设的知识库,确定所述客户请求对应的目标数据。由此可知,本发明通过对输入信息的有效分词,进而显著的提高垂直领域客服的拦截率。
Description
技术领域
本发明涉及智能家电技术领域,特别涉及一种智能客服方法、装置、存储介质及计算机设备。
背景技术
人工客服是商家在处理客服提出问题方面所必须的人力投入,当商家的产品越多、用户量越大,对人工客服的需求也在增加,成本也相应的提高。
智能客服是随着AI技术逐渐在产业界落地的一个非常普遍的应用场景,通过AI技术中的NLP算法,可以实现对客户提出问题的语义理解,可以直接解决客户的问题,有效的帮助人工客服进行截流,为商家节省人力投入。
由于公司化的产品多是考虑系统的普适性,针对垂直领域的优化难度较大、周期比较长,无法快速适应商家的产品迭代、增加等带来的新的智能客服需求,使得智能客服不能进行有效的拦截。
因而现有技术还有待改进和提高。
发明内容
本发明要解决的技术问题在于,针对现有技术的不足,提供一种智能客服方法、装置、存储介质及计算机设备,以解决智能客服不能进行有效拦截的问题。
本发明所采用的技术方案如下:
一种智能客服方法,其包括:
在接收到客服请求时,获取基于所述客服请求输入的输入信息;
对所述输入信息进行分词,以得到所述输入信息对应的分词数据;
基于所述分词数据以及预设的知识库,确定所述客户请求对应的目标数据。
所述智能客服方法,其中,所述在接收到客服请求时,获取基于所述客服请求输入的输入信息之前还包括:
搜集语料信息,基于无监督的文本聚类的算法对所述语料信息进行分类;
基于所述分类后的语料信息,选取满足预设条件的第一语料信息;
根据所述第一语料信息创建家电领域词典数据库。
所述智能客服方法,其中,所述对所述输入信息进行分词,以得到所述输入信息对应的分词数据具体为:
基于所述家电领域词典数据库对所述输入信息进行分词,以得到所述输入信息对应的分词数据。
所述智能客服方法,其中,所述基于所述分词数据以及预设的知识库,确定所述客户请求对应的目标数据具体包括:
判断所述分词数据与预设的知识库是否匹配;
当所述分词数据与预设的知识库匹配,则确定所述客户请求对应的目标数据。
所述智能客服方法,其中,所述判断所述分词数据与预设的知识库是否匹配具体包括:
获取预设的知识库对应的标准问题;
获取所述分词数据与所述标准问题的第一匹配度;
将所述第一匹配度与预设的匹配度阈值进行比较;
如果所述第一匹配度大于所述预设的匹配度阈值,则所述分词数据与所述标准问题匹配。
所述智能客服方法,其中,所述将所述匹配度与预设的匹配度阈值进行比较还包括:
如果所述第一匹配度小于或等于所述预设的匹配度阈值,则所述分词数据与所述标准问题不匹配。
所述智能客服方法,其中,所述如果所述匹配度小于或等于所述预设的匹配度阈值,则所述分词数据与所述标准问题不匹配之后还包括:
基于匹配度从大到小的顺序,对所述分词数据与所述标准问题匹配的问题进行排序,得到第一序列;
选取所述第一序列中第一数量的问题作为候选集;
基于深度学习算法,计算所述分词数据与所述候选集的第二匹配度;
如果所述第二匹配度大于预设的匹配度阈值,则所述分词数据与所述标准问题匹配。
一种智能客服装置,其中,所述装置包括:
请求模块,用于在接收到客服请求时,获取基于所述客服请求输入的输入信息;
分词模块,用于对所述输入信息进行分词,以得到所述输入信息对应的分词数据;
确定模块,用于基于所述分词数据以及预设的知识库,确定所述客户请求对应的目标数据。
一种计算机可读存储介质,其中,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上任意一项所述的智能客服方法中的步骤。
一种计算机设备,其包括:处理器和存储器;所述存储器上存储有可被所述处理器执行的计算机可读程序;所述处理器执行所述计算机可读程序时实现如上任意一项所述的智能客服方法法中的步骤。
有益效果:与现有技术相比,本发明提供了一种智能客服方法、装置、存储介质及计算机设备,所述方法包括:在接收到客服请求时,获取基于所述客服请求输入的输入信息;对所述输入信息进行分词,以得到所述输入信息对应的分词数据;基于所述分词数据以及预设的知识库,确定所述客户请求对应的目标数据。由此可知,本发明通过对输入信息的有效分词,进而显著的提高垂直领域客服的拦截率。
附图说明
图1为本发明提供的智能客服方法的流程图。
图2为本发明提供的智能客服装置的结构示意图。
图3为本发明提供的计算机设备的结构原理图。
具体实施方式
本发明提供一种智能客服方法、装置、存储介质及计算机设备,为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
下面结合附图,通过对实施例的描述,对发明内容作进一步说明。
本实施例提供了一种智能客服方法,如图1所示,所述方法包括:
S100、在接收到客服请求时,获取基于所述客服请求输入的输入信息。
在本实施例中,若用户利用机器客服进行业务办理,机器客服根据业务的类型和上一交互节点的对话内容,确定并输出当前交互节点的对话内容,以使用户根据当前交互节点的对话内容输入的相关信息作为获取的输入信息,可选地,用户可以通过渠道端(微信、小程序、APP)进入智能客服入口并输入信息,例如,该输入信息可以为文字形式、语音形式、视频形式等。需要说明的是,由于不同地区对应的语言可能存在差异,因此,本实施例中可以基于预设的语言识别模型,对用户的当前的输入信息进行识别后,将其转换为机器客服默认的语言类型。例如,该语言识别模型可以识别方言,不同国家的语言等。
进一步,本实施例的一个实现方式中,所述在接收到客服请求时,获取基于所述客服请求输入的输入信息之后还包括:
根据预设的规则对所述输入信息进行预处理。
具体地,所述规则可以根据业务部门的需求预先设置,例如,所述预设的规则可以是对输入信息进行敏感词的过滤,或者是自定义的关键词进行过滤,从而可以实现对输入信息的针对性拦截,从而提高分词的准确率。当然在实际应用中,所述预设的规则还可以是英文大小写转换,特殊符号字符的过滤,拼音纠错等。
S200、对所述输入信息进行分词,以得到所述输入信息对应的分词数据。
具体地,对所述输入信息进行分词,以得到所述输入信息对应的分词数据具体为:基于所述家电领域词典数据库对所述输入信息进行分词,以得到所述输入信息对应的分词数据。本实施例中,所述家电领域词典数据库为预先设置,其可以通过大量的人工客服处理客户反馈的问题而搜集分析得到,相应的,本实施例的一个实现方式中,所述在接收到客服请求时,获取基于所述客服请求输入的输入信息之前还包括:
S10、搜集语料信息,基于无监督的文本聚类的算法对所述语料信息进行分类;
S20、基于所述分类后的语料信息,选取满足预设条件的第一语料信息;
S30、根据所述第一语料信息创建家电领域词典数据库。
具体地,首先搜集物料信息,所述物料信息根据大量的人工客服处理客户反馈的问题二搜集得到,然后基于无监督的文本聚类的算法,对搜集得到的语料信息进行粗分类,例如,可以得到报修、售后、购买电视、家电产品等大类别的问题。进一步,针对每一类别的问题,我们采用了词频分析的方法,通过剔除语气词如“的”、“啊”等,将所有的词汇根据词频从大到小进行排列。可选地,所述预设条件可以是词频阈值大于第一阈值且在位于排列序列中前第N个,例如,本发明可以选择词频阈值大于5且在前200的词汇作为此类别下的专有用词加入到自建词典库中,然后根据该方法,将每一类别的词典库合在一起,就完成了所述家电领域词典数据库构建。
进一步,再基于预设的家电领域词典数据库,对所述输入信息进行分词,从而可以对输入信息进行更加准确的分词。
S300、基于所述分词数据以及预设的知识库,确定所述客户请求对应的目标数据。
具体地,本发明采用意图识别算法,并通过该算法以及预设的知识库确定分词数据所匹配的问题,相应的,所述基于所述分词数据以及预设的知识库,确定所述客户请求对应的目标数据具体包括:
S301、判断所述分词数据与预设的知识库是否匹配。
S302、当所述分词数据与预设的知识库匹配,则确定所述客户请求对应的目标数据。
本实施例中,是基于意图识别算法,判断所述分词数据与预设的知识库是否匹配,其中,所述意图识别算法可以对所有的输入信息都进行一个匹配度的计算,例如,输入信息为“我的手机怎么投屏”,那么对应的标准问题就是“手机如何投屏”。因此,本实施例中,可以通过预设的匹配度阈值来进行判断。相应的,所述判断所述分词数据与预设的知识库是否匹配具体包括:
获取预设的知识库对应的标准问题;
获取所述分词数据与所述标准问题的第一匹配度;
将所述第一匹配度与预设的匹配度阈值进行比较;
如果所述第一匹配度大于所述预设的匹配度阈值,则所述分词数据与所述标准问题匹配。
具体地,如果所述匹配度大于所述预设的匹配度阈值,则所述分词数据与所述标准问题匹配,则可以确定所述客户请求对应的目标数据,此外,需要说明的是,所述预设的匹配度阈值可以根据实际需求来任意设置,这里不做具体的限定。
进一步,在本实施例的一个实现方式中,所述智能客服方法还包括:
如果所述第一匹配度小于或等于所述预设的匹配度阈值,则所述分词数据与所述标准问题不匹配。
在实际应用中,所述如果所述匹配度小于或等于所述预设的匹配度阈值,则所述分词数据与所述标准问题不匹配之后还包括:
基于匹配度从大到小的顺序,对所述分词数据与所述标准问题匹配的问题进行排序,得到第一序列;
选取所述第一序列中第一数量的问题作为候选集;
基于深度学习算法,计算所述分词数据与所述候选集的第二匹配度;
如果所述第二匹配度大于预设的匹配度阈值,则所述分词数据与所述标准问题匹配。
具体地,可以基于匹配度从大到小的顺序,对所述分词数据与所述标准问题匹配的问题进行排序,选取TopN个问题作为候选集,并利用深度学习算法,计算所述分词后的输入信息和每个候选集成员的匹配度,如果匹配度大于预设的匹配度阈值,则可以确定所述客户请求对应的目标数据,否则将所诉分词后的输入信息与预设的闲聊语料库中的文本进行字符串进行匹配,从而可以获取到与该字符串相同个数最大的闲聊话术。例如,所述闲聊语料库中可以存储“你好吗”,“你是谁”,“你叫啥”等闲聊话术。
进一步,当所述分词数据与预设的知识库匹配,则获取与所述输入信息匹配的目标数据,所述目标数据指的是返回给用户对应的答案。可以理解的,如果此时走到闲聊流程,则返回对应的闲聊话术。
本发明基于对垂直领域客服工作的详细了解,利用了目前业界成熟的NLP技术,意图识别、实体抽取等算法,实现对客户问题的语义理解,将问题映射到客服人员的业务数据库中的标准问题,并直接返回对应的答案,从而帮助客户解决问题,节省客服人工成本。本发明中预设的家电领域词典数据库,是通过对大量客服收集的用户语料进行文本聚类,识别出大致的文本类别,如“维修”、“购买”等问题。针对不同的类别,我们统计了每个词汇出现的频率,通过人工筛选抽取出高频且契合领域的词语并加入到词库中,方便后续进行分词操作。
综上所述,与现有技术相比,本发明实施例具有以下优点:
本发明公开了一种智能客服方法,所述方法包括:在接收到客服请求时,获取基于所述客服请求输入的输入信息;对所述输入信息进行分词,以得到所述输入信息对应的分词数据;基于所述分词数据以及预设的知识库,确定所述客户请求对应的目标数据。由此可知,本发明通过对输入信息的有效分词,进而显著的提高垂直领域客服的拦截率。
基于上述智能客服方法,本发明还提供了一种智能客服装置,如图2所示,所述装置包括:
请求模块41,用于在接收到客服请求时,获取基于所述客服请求输入的输入信息;
分词模块42,用于对所述输入信息进行分词,以得到所述输入信息对应的分词数据;
确定模块43,用于基于所述分词数据以及预设的知识库,确定所述客户请求对应的目标数据。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述智能客服装置和各模块的具体实现过程,可以参考前述客服方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述智能客服装置可以实现为一种计算机程序的形式,该计算机程序可以如图3所示的计算机设备上运行。
基于上述智能客服方法,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述实施例所述的智能客服方法中的步骤。
基于上述智能客服方法,本发明还提供了一种计算机设备,如图3所示,其包括至少一个处理器(processor)20;显示屏21;以及存储器(memory)22,还可以包括通信接口(Communications Interface)23和总线24。其中,处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令,以执行上述实施例中的方法。
此外,上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器22作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器。例如,U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
此外,上述存储介质以及计算机设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明,在这里就不再一一陈述。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种智能客服方法,其特征在于,其包括:
在接收到客服请求时,获取基于所述客服请求输入的输入信息;
对所述输入信息进行分词,以得到所述输入信息对应的分词数据;
基于所述分词数据以及预设的知识库,确定所述客户请求对应的目标数据。
2.根据权利要求1所述智能客服方法,其特征在于,所述在接收到客服请求时,获取基于所述客服请求输入的输入信息之前还包括:
搜集语料信息,基于无监督的文本聚类的算法对所述语料信息进行分类;
基于所述分类后的语料信息,选取满足预设条件的第一语料信息;
根据所述第一语料信息创建家电领域词典数据库。
3.根据权利要求1所述智能客服方法,其特征在于,所述对所述输入信息进行分词,以得到所述输入信息对应的分词数据具体为:
基于所述家电领域词典数据库对所述输入信息进行分词,以得到所述输入信息对应的分词数据。
4.根据权利要求1所述智能客服方法,其特征在于,所述基于所述分词数据以及预设的知识库,确定所述客户请求对应的目标数据具体包括:
判断所述分词数据与预设的知识库是否匹配;
当所述分词数据与预设的知识库匹配,则确定所述客户请求对应的目标数据。
5.根据权利要求4所述智能客服方法,其特征在于,所述判断所述分词数据与预设的知识库是否匹配具体包括:
获取预设的知识库对应的标准问题;
获取所述分词数据与所述标准问题的第一匹配度;
将所述第一匹配度与预设的匹配度阈值进行比较;
如果所述第一匹配度大于所述预设的匹配度阈值,则所述分词数据与所述标准问题匹配。
6.根据权利要求5所述智能客服方法,其特征在于,所述将所述匹配度与预设的匹配度阈值进行比较还包括:
如果所述第一匹配度小于或等于所述预设的匹配度阈值,则所述分词数据与所述标准问题不匹配。
7.根据权利要求6所述智能客服方法,其特征在于,所述如果所述匹配度小于或等于所述预设的匹配度阈值,则所述分词数据与所述标准问题不匹配之后还包括:
基于匹配度从大到小的顺序,对所述分词数据与所述标准问题匹配的问题进行排序,得到第一序列;
选取所述第一序列中第一数量的问题作为候选集;
基于深度学习算法,计算所述分词数据与所述候选集的第二匹配度;
如果所述第二匹配度大于预设的匹配度阈值,则所述分词数据与所述标准问题匹配。
8.一种智能客服装置,其特征在于,所述装置包括:
请求模块,用于在接收到客服请求时,获取基于所述客服请求输入的输入信息;
分词模块,用于对所述输入信息进行分词,以得到所述输入信息对应的分词数据;
确定模块,用于基于所述分词数据以及预设的知识库,确定所述客户请求对应的目标数据。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1~7任意一项所述的智能客服方法中的步骤。
10.一种计算机设备,其特征在于,包括:处理器和存储器;所述存储器上存储有可被所述处理器执行的计算机可读程序;所述处理器执行所述计算机可读程序时实现如权利要求1~7任意一项所述的智能客服方法法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010946035.XA CN112148852A (zh) | 2020-09-10 | 2020-09-10 | 一种智能客服方法、装置、存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010946035.XA CN112148852A (zh) | 2020-09-10 | 2020-09-10 | 一种智能客服方法、装置、存储介质及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112148852A true CN112148852A (zh) | 2020-12-29 |
Family
ID=73890856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010946035.XA Pending CN112148852A (zh) | 2020-09-10 | 2020-09-10 | 一种智能客服方法、装置、存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112148852A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112948555A (zh) * | 2021-03-03 | 2021-06-11 | 北京奇艺世纪科技有限公司 | 人机交互方法、装置、电子设备及存储介质 |
CN114003750A (zh) * | 2021-10-29 | 2022-02-01 | 平安银行股份有限公司 | 物料上线方法、装置、设备及存储介质 |
CN117556087A (zh) * | 2023-10-30 | 2024-02-13 | 广州圈量网络信息科技有限公司 | 一种客服回复数据处理方法、装置、设备以及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102760128A (zh) * | 2011-04-26 | 2012-10-31 | 华东师范大学 | 一种基于智能客服机器人交互的电信领域套餐推荐方法 |
WO2016179939A1 (zh) * | 2015-05-12 | 2016-11-17 | 中兴通讯股份有限公司 | 一种智能客服处理方法及其装置 |
CN107220380A (zh) * | 2017-06-27 | 2017-09-29 | 北京百度网讯科技有限公司 | 基于人工智能的问答推荐方法、装置和计算机设备 |
CN108388558A (zh) * | 2018-02-07 | 2018-08-10 | 平安普惠企业管理有限公司 | 问题匹配方法、装置、客服机器人和存储介质 |
CN108804567A (zh) * | 2018-05-22 | 2018-11-13 | 平安科技(深圳)有限公司 | 提高智能客服应答率的方法、设备、存储介质及装置 |
CN109858007A (zh) * | 2017-11-30 | 2019-06-07 | 上海智臻智能网络科技股份有限公司 | 语义分析问答方法和装置、计算机设备和存储介质 |
CN110019714A (zh) * | 2017-12-07 | 2019-07-16 | 上海智臻智能网络科技股份有限公司 | 基于历史结果的多意图查询方法、装置、设备及存储介质 |
CN110162611A (zh) * | 2019-04-23 | 2019-08-23 | 苏宁易购集团股份有限公司 | 一种智能客服应答方法及系统 |
-
2020
- 2020-09-10 CN CN202010946035.XA patent/CN112148852A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102760128A (zh) * | 2011-04-26 | 2012-10-31 | 华东师范大学 | 一种基于智能客服机器人交互的电信领域套餐推荐方法 |
WO2016179939A1 (zh) * | 2015-05-12 | 2016-11-17 | 中兴通讯股份有限公司 | 一种智能客服处理方法及其装置 |
CN107220380A (zh) * | 2017-06-27 | 2017-09-29 | 北京百度网讯科技有限公司 | 基于人工智能的问答推荐方法、装置和计算机设备 |
CN109858007A (zh) * | 2017-11-30 | 2019-06-07 | 上海智臻智能网络科技股份有限公司 | 语义分析问答方法和装置、计算机设备和存储介质 |
CN110019714A (zh) * | 2017-12-07 | 2019-07-16 | 上海智臻智能网络科技股份有限公司 | 基于历史结果的多意图查询方法、装置、设备及存储介质 |
CN108388558A (zh) * | 2018-02-07 | 2018-08-10 | 平安普惠企业管理有限公司 | 问题匹配方法、装置、客服机器人和存储介质 |
CN108804567A (zh) * | 2018-05-22 | 2018-11-13 | 平安科技(深圳)有限公司 | 提高智能客服应答率的方法、设备、存储介质及装置 |
CN110162611A (zh) * | 2019-04-23 | 2019-08-23 | 苏宁易购集团股份有限公司 | 一种智能客服应答方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112948555A (zh) * | 2021-03-03 | 2021-06-11 | 北京奇艺世纪科技有限公司 | 人机交互方法、装置、电子设备及存储介质 |
CN112948555B (zh) * | 2021-03-03 | 2023-09-01 | 北京奇艺世纪科技有限公司 | 人机交互方法、装置、电子设备及存储介质 |
CN114003750A (zh) * | 2021-10-29 | 2022-02-01 | 平安银行股份有限公司 | 物料上线方法、装置、设备及存储介质 |
CN114003750B (zh) * | 2021-10-29 | 2024-03-26 | 平安银行股份有限公司 | 物料上线方法、装置、设备及存储介质 |
CN117556087A (zh) * | 2023-10-30 | 2024-02-13 | 广州圈量网络信息科技有限公司 | 一种客服回复数据处理方法、装置、设备以及存储介质 |
CN117556087B (zh) * | 2023-10-30 | 2024-04-26 | 广州圈量网络信息科技有限公司 | 一种客服回复数据处理方法、装置、设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109344237B (zh) | 一种用于人机交互的信息处理的方法及装置 | |
US11113234B2 (en) | Semantic extraction method and apparatus for natural language, and computer storage medium | |
US11093854B2 (en) | Emoji recommendation method and device thereof | |
CN103076892B (zh) | 一种用于提供输入字符串所对应的输入候选项的方法与设备 | |
CN112148852A (zh) | 一种智能客服方法、装置、存储介质及计算机设备 | |
CN110348214B (zh) | 对恶意代码检测的方法及系统 | |
CN107506389B (zh) | 一种提取职位技能需求的方法和装置 | |
CN103336766A (zh) | 短文本垃圾识别以及建模方法和装置 | |
CN112163424A (zh) | 数据的标注方法、装置、设备和介质 | |
CN113590764B (zh) | 训练样本构建方法、装置、电子设备和存储介质 | |
CN111159404B (zh) | 文本的分类方法及装置 | |
EP3232336A1 (en) | Method and device for recognizing stop word | |
CN111984792A (zh) | 网站分类方法、装置、计算机设备及存储介质 | |
CN110413998B (zh) | 一种面向电力行业的自适应中文分词方法及其系统、介质 | |
CN111861596A (zh) | 一种文本分类方法和装置 | |
CN111460114A (zh) | 检索方法、装置、设备及计算机可读存储介质 | |
CN114186040A (zh) | 一种智能机器人客服的运作方法 | |
CN110110143A (zh) | 一种视频分类方法及装置 | |
CN112270166A (zh) | 一种快速制作创建5g消息的方法 | |
CN116303951A (zh) | 对话处理方法、装置、电子设备和存储介质 | |
CN114444514B (zh) | 语义匹配模型训练、语义匹配方法及相关装置 | |
CN113095073B (zh) | 语料标签生成方法、装置、计算机设备和存储介质 | |
CN115906797A (zh) | 文本实体对齐方法、装置、设备及介质 | |
CN114818736A (zh) | 文本处理方法、用于短文本的链指方法、装置及存储介质 | |
CN103744830A (zh) | 基于语义分析的excel文档中身份信息的识别方法 |
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 |