CN112418656A - 智能坐席分派方法、装置、计算机设备和存储介质 - Google Patents
智能坐席分派方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112418656A CN112418656A CN202011304719.6A CN202011304719A CN112418656A CN 112418656 A CN112418656 A CN 112418656A CN 202011304719 A CN202011304719 A CN 202011304719A CN 112418656 A CN112418656 A CN 112418656A
- Authority
- CN
- China
- Prior art keywords
- user
- category
- preset
- question
- keyword
- 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- 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
- G06F16/35—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种智能坐席分派方法、装置、计算机设备和存储介质。方法包括:接收携带用户标识和渠道标识的问题工单;根据用户标识以及渠道标识获取用户特征信息,并根据渠道标识获取问题类别‑问题关键字对应信息,问题类别‑问题关键字对应信息包括预设问题类别与问题关键字的对应关系;根据问题类别‑问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,确定问题工单归属于预设问题类别的类别概率;对类别概率进行排序,确定与问题工单对应的用户问题类别;根据用户问题类别,确定对应的目标技能组,将用户标识分派至目标技能组的等待队列,建立目标技能组中的坐席与用户的服务关系。采用本方法能够提高问题咨询处理效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种智能坐席分派方法、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,出现了在线问题咨询技术,在线问题咨询是指接收用户问题咨询,根据用户问题咨询分派坐席进行解答。
传统技术中,在进行在线问题咨询的坐席分派时,会根据用户发送用户问题咨询的渠道对用户进行分类,在对应渠道内按照时间顺序排队分派坐席至用户进行解答。
然而,传统方法存在问题咨询处理效率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高问题咨询处理效率的智能坐席分派方法、装置、计算机设备和存储介质。
一种智能坐席分派方法,所述方法包括:
接收携带用户标识和渠道标识的问题工单;
根据用户标识以及渠道标识获取用户特征信息,并根据渠道标识获取问题类别-问题关键字对应信息,问题类别-问题关键字对应信息包括预设问题类别与问题关键字的对应关系;
根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,确定问题工单归属于预设问题类别的类别概率;
对类别概率进行排序,确定与问题工单对应的用户问题类别;
根据用户问题类别,确定对应的目标技能组;
将用户标识分派至目标技能组的等待队列,建立目标技能组中的坐席与用户的服务关系。
一种智能坐席分派装置,所述装置包括:
接收模块,用于接收携带用户标识和渠道标识的问题工单;
获取模块,用于根据用户标识以及渠道标识获取用户特征信息,并根据渠道标识获取问题类别-问题关键字对应信息,问题类别-问题关键字对应信息包括预设问题类别与问题关键字的对应关系;
匹配模块,用于根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,确定问题工单归属于预设问题类别的类别概率;
排序模块,用于对类别概率进行排序,确定与问题工单对应的用户问题类别;
处理模块,用于根据用户问题类别,确定对应的目标技能组;
分派模块,用于将用户标识分派至目标技能组的等待队列,建立目标技能组中的坐席与用户的服务关系。
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:
接收携带用户标识和渠道标识的问题工单;
根据用户标识以及渠道标识获取用户特征信息,并根据渠道标识获取问题类别-问题关键字对应信息,问题类别-问题关键字对应信息包括预设问题类别与问题关键字的对应关系;
根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,确定问题工单归属于预设问题类别的类别概率;
对类别概率进行排序,确定与问题工单对应的用户问题类别;
根据用户问题类别,确定对应的目标技能组;
将用户标识分派至目标技能组的等待队列,建立目标技能组中的坐席与用户的服务关系。
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:
接收携带用户标识和渠道标识的问题工单;
根据用户标识以及渠道标识获取用户特征信息,并根据渠道标识获取问题类别-问题关键字对应信息,问题类别-问题关键字对应信息包括预设问题类别与问题关键字的对应关系;
根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,确定问题工单归属于预设问题类别的类别概率;
对类别概率进行排序,确定与问题工单对应的用户问题类别;
根据用户问题类别,确定对应的目标技能组;
将用户标识分派至目标技能组的等待队列,建立目标技能组中的坐席与用户的服务关系。
上述智能坐席分派方法、装置、计算机设备和存储介质,通过在接收到问题工单后,根据问题工单中携带的用户标识和渠道标识获取用户特征信息以及问题类别-问题关键字对应信息,充分利用用户特征信息,通过根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息的方式,利用问题工单归属于预设问题类别的类别概率实现对用户问题类别的准确确定,从而在准确确定用户问题类别的基础上,确定对应的目标技能组,将用户标识分派至目标技能组的等待队列,建立目标技能组中的坐席与用户的服务关系,可以实现问题工单与坐席的精准匹配,缩短用户在问题咨询时的等待时间,能够提高问题咨询处理效率,同时也能够保证快速准确地响应用户,为用户提供高效、敏捷的服务。
附图说明
图1为一个实施例中智能坐席分派方法的应用环境图;
图2为一个实施例中智能坐席分派方法的流程示意图;
图3为一个实施例中智能坐席分派方法的示意图;
图4为另一个实施例中智能坐席分派方法的示意图;
图5为再一个实施例中智能坐席分派方法的示意图;
图6为又一个实施例中智能坐席分派方法的示意图;
图7为另一个实施例中智能坐席分派方法的示意图;
图8为一个实施例中智能坐席分派装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
本申请实施例提供的方案涉及人工智能的自然语言处理等技术,人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。自然语言处理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。
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。
本申请提供的智能坐席分派方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。当使用终端102的用户有问题需要咨询时,会通过终端102发送携带用户标识和渠道标识的问题工单至服务器104,服务器104接收携带用户标识和渠道标识的问题工单,根据用户标识以及渠道标识获取用户特征信息,并根据渠道标识获取问题类别-问题关键字对应信息,问题类别-问题关键字对应信息包括预设问题类别与问题关键字的对应关系,根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,确定问题工单归属于预设问题类别的类别概率,对类别概率进行排序,确定与问题工单对应的用户问题类别,根据用户问题类别,确定对应的目标技能组,将用户标识分派至目标技能组的等待队列,建立目标技能组中的坐席与用户的服务关系。其中,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。
在一个实施例中,如图2所示,提供了一种智能坐席分派方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,接收携带用户标识和渠道标识的问题工单。
其中,问题工单指未被自动化流程识别的工单,工单是指用户提交的咨询问题。比如,问题工单具体可以是通过渠道支付的红包还没有到账。又比如,问题工单具体也可以是对渠道的匹配机制感到不满。用户标识是指用于区分不同用户的标识。比如,用户标识具体可以是指用户账号。渠道是指不同的应用程序,相应的,渠道标识是指用于区分不同应用程序的标识。比如,渠道具体可以是指用于支付和通信的应用程序。又比如,渠道具体可以是指游戏。其中的渠道标识具体可以是指用于表征渠道的字符串。
具体的,当用户需要提交咨询问题时,会通过终端发送携带用户标识和渠道标识的问题工单至服务器,使服务器接收到携带用户标识和渠道标识的问题工单,根据问题工单进行对应处理。
步骤204,根据用户标识以及渠道标识获取用户特征信息,并根据渠道标识获取问题类别-问题关键字对应信息,问题类别-问题关键字对应信息包括预设问题类别与问题关键字的对应关系。
其中,用户特征信息包括用户在使用与渠道标识对应的应用程序过程中所产生的活动轨迹数据、用户属性信息以及与问题工单对应的工单关联数据。活动轨迹数据包括用户在使用应用程序过程中的操作数据以及系统对用户的操作数据。比如,活动轨迹数据具体可以是指系统对用户的扣减操作等。用户属性信息用于表征不同用户的信息,包括用户的年龄、性别等基本信息。工单关联数据用于表征用户发送问题工单的途径,比如,工单关联数据包括发送问题工单的入口以及与问题工单对应的渠道。这里的发送问题工单的入口具体可以是与渠道标识对应的应用程序、小程序以及网页等。
其中,问题类别-问题关键字对应信息包括预设问题类别与问题关键字的对应关系。预设问题类别是指预先设置的与问题工单对应的问题类别,即问题在经过聚类处理后得出的问题类型,用于对问题工单进行分类。比如,当问题工单为通过渠道支付的红包还没有到账时,预设问题类别具体可以是渠道支付/红包/未到账。又比如,当问题工单为对渠道的匹配机制感到不满时,预设问题类别具体可以是渠道/匹配机制/建议。问题关键字是指在预设问题类别中可能会出现的字或者词语。比如,在渠道支付/红包/未到账中,问题关键字具体可以是支付、红包、没有到账等。又比如,在渠道/匹配机制/建议中,问题关键字具体可以是匹配机制、不满等。
具体的,服务器会根据用户标识查询预设用户信息数据库,得到与用户标识对应的用户信息集合,用户信息集合中包括各渠道的活动轨迹数据以及用户属性信息,再根据渠道标识从用户信息集合中筛选出与渠道标识对应的用户关联信息,即与渠道标识对应的渠道的活动轨迹数据。同时,服务器会根据用户在通过终端发送问题工单时携带的入口标识以及渠道标识,得到工单关联数据。最后根据用户属性信息、用户关联信息以及工单关联数据,得到用户特征信息。
步骤206,根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,确定问题工单归属于预设问题类别的类别概率。
具体的,服务器会根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,得到用户特征信息中与预设问题类别对应的命中关键字,再根据命中关键字,确定问题工单归属于预设问题类别的类别概率。其中,命中关键字是指在用户特征信息中出现的预设问题类别所对应的问题关键字。
步骤208,对类别概率进行排序,确定与问题工单对应的用户问题类别。
其中,用户问题类别是指问题工单所属的预设问题类别。
具体的,服务器会对类别概率进行排序,确定类别概率最高的预设问题类别为与问题工单对应的用户问题类别。
步骤210,根据用户问题类别,确定对应的目标技能组。
其中,技能组是指根据不同渠道、不同业务来划分座席的一种组别,与预设问题类别相对应。
具体的,服务器会根据用户问题类别,查询预设问题类别-技能组对应信息,确定对应的目标技能组。其中,预设问题类别-技能组对应信息是指预先设置的问题类别与技能组的对应关系信息,通过查询该预设问题类别-技能组对应信息,可确定与预设问题类别对应的技能组。
步骤212,将用户标识分派至目标技能组的等待队列,建立目标技能组中的坐席与用户的服务关系。
其中,坐席是指负责处理问题工单,为用户提供服务的工作人员。
具体的,服务器会将用户标识分派至目标技能组的等待队列,根据与用户标识对应的待分派用户优先级确定用户在等待队列中的等待顺序,根据等待顺序建立目标技能组中的坐席与用户的服务关系。
上述智能坐席分派方法,通过在接收到问题工单后,根据问题工单中携带的用户标识和渠道标识获取用户特征信息以及问题类别-问题关键字对应信息,充分利用用户特征信息,通过根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息的方式,利用问题工单归属于预设问题类别的类别概率实现对用户问题类别的准确确定,从而在准确确定用户问题类别的基础上,确定对应的目标技能组,将用户标识分派至目标技能组的等待队列,建立目标技能组中的坐席与用户的服务关系,可以实现问题工单与坐席的精准匹配,缩短用户在问题咨询时的等待时间,能够提高问题咨询处理效率,同时也能够保证快速准确地响应用户,为用户提供高效、敏捷的服务。
在一个实施例中,根据用户标识以及渠道标识获取用户特征信息包括:
根据用户标识查询预设用户信息数据库,获取与用户标识对应的用户信息集合;
根据渠道标识匹配用户信息集合中各用户信息,确定与渠道标识对应的用户关联信息;
根据用户关联信息,得到用户特征信息。
其中,用户信息数据库是指存储所有用户在各渠道的活动轨迹数据以及用户属性信息的数据库。用户信息集合是指与用户标识对应的用户在各渠道的活动轨迹数据以及用户属性信息的集合。用户关联信息是指用户在与渠道标识对应的渠道的活动轨迹数据。
具体的,服务器会根据用户标识查询预设用户信息数据库,获取与用户标识对应的用户信息集合,用户信息集合中包括各渠道的活动轨迹数据以及用户属性信息,在获取到用户信息集合后,服务器会根据渠道标识匹配用户信息集合中各渠道的活动轨迹数据,得到与渠道标识对应的渠道的活动轨迹数据,将该活动轨迹数据与渠道标识对应的用户关联信息。同时,服务器会通过识别用户在通过终端发送问题工单时携带的入口标识以及渠道标识,得到工单关联数据中的发送问题工单的入口以及与问题工单对应的渠道。最后根据用户关联信息、用户属性信息以及与问题工单对应的工单关联数据,得到用户特征信息。
本实施例中,通过先利用用户标识获取用户信息集合,再利用渠道标识获取对应的用户关联信息,最后根据用户关联信息,得到用户特征信息,能够实现对用户特征信息的获取。
在一个实施例中,根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,确定问题工单归属于预设问题类别的类别概率包括:
根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,得到用户特征信息中与各预设问题类别对应的命中关键字;
根据预设的各命中关键字在预设问题类别中的类别权重,确定问题工单归属于预设问题类别的类别概率。
其中,类别权重是指命中关键字在预设问题类别中所占的权重系数,所有预设问题类别所对应的问题关键字在预设问题类别中都会占有一定的权重系数,该权重系数可以用于计算问题工单归属于预设问题类别的类别概率。进一步的,该权重系数是依据各问题关键字在与预设问题类别所对应的历史服务记录中出现的频次预先设置的,通过计算各问题关键字在与预设问题类别所对应的历史服务记录中出现的频次与所有问题关键字在该历史服务记录中出现的总频次的商,可以得到问题关键字的权重系数。举例说明,对于预设问题类别A,若在对应的历史服务记录中,问题关键字B的出现频次是100次,且所有问题关键字出现的总频次是1000次,则可得到问题关键字B在预设问题类别A中的权重系数为0.1,若问题关键字B在用户特征信息中出现,则会将其作为与预设问题类别A对应的命中关键字。
需要说明的是,对于同一个问题关键字,其可能出现在多个预设问题类别中,与多个预设问题类别对应,但是在每个预设问题类别中所占的权重系数可能相同,也可能不同。也以上面问题关键字B进行举例,若问题关键字B也在预设问题类别C所对应的历史服务记录中出现,且在预设问题类别C中出现频次是200次,且在预设问题类别C中所有问题关键字出现的总频次仍是1000次,则可得到问题关键B在预设问题类别C中的权重系数为0.2,若问题关键字B在预设问题类别C中出现频次也是100次,且在预设问题类别C中所有问题关键字出现的总频次仍是1000次,则可得到问题关键B在预设问题类别C中的权重系数为0.1。
具体的,服务器会根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,得到用户特征信息中与各预设问题类别对应的命中关键字,再根据预设的各命中关键字在预设问题类别中的类别权重,加权计算问题工单归属于预设问题类别的类别概率。举例说明,当用户特征信息中与预设问题类别渠道支付/红包/未到账对应的命中关键字为支付、红包、没有到账,且支付、红包、没有到账在预设问题类别渠道支付/红包/未到账中的类别权重分别为0.5、0.2、0.1时,可以得到问题工单归属于预设问题类别渠道支付/红包/未到账的类别概率为0.8。
本实施例中,通过根据问题关键字,匹配用户特征信息,得到用户特征信息中与各预设问题类别对应的命中关键字,根据预设的各命中关键字在预设问题类别中的类别权重,确定问题工单归属于预设问题类别的类别概率,能够利用问题关键字实现对类别概率的确定。
在一个实施例中,根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,确定与问题工单对应的用户问题类别之后,还包括:
根据用户标识获取用户历史服务记录,提取用户历史服务记录的归档项;
比对归档项和用户问题类别,得到问题重复可信度;
当问题重复可信度大于预设可信度阈值时,推送修正问题分类提示。
其中,用户历史服务记录是指与用户标识对应的用户已接受过的咨询问题服务的记录。归档项是指服务结束后,坐席对服务记录添加的标签,用于对服务记录进行分类,与预设问题类别相对应。比如,当问题工单为通过渠道支付的红包还没有到账时,对应的归档项具体可以是渠道支付/红包/未到账。又比如,当问题工单为对渠道的匹配机制感到不满时,对应的归档项具体可以是渠道/匹配机制/建议。问题重复可信度用于表征归档项和用户问题类别的相似程度,这里的相似程度需综合比对归档项和用户问题类别的问题来源、问题关键字等。预设可信度阈值是指预先设置的可信度阈值,可按照需要自行设置。修正问题分类提示用于提示管理人员对预设问题分类进行修正。
具体的,坐席在服务结束后,会对服务记录添加归档项并上传至服务器,服务器会将已添加归档项的服务记录存入历史服务记录中,已添加归档项的服务记录是同时携带用户标识的,从而可以知道是哪个用户提交的问题。在确定与问题工单对应的用户问题类别后,服务器会根据用户标识从历史服务记录中获取对应的用户历史服务记录,提取用户历史服务记录的归档项,比对归档项和用户问题类别的问题来源以及问题关键字,计算问题重复可信度,当问题重复可信度大于预设可信度阈值时,表示当前确定的与问题工单对应的用户问题类别与归档项相同,可认为用户是在重复提问,也就是说,用户上次提出的问题并没有得到解决,可能需要对问题分类进行修正,服务器会推算修正问题分类提示至管理人员的终端,以使管理人员对问题分类的参数进行调整。
其中,问题来源是指用户提出问题的渠道。比如,问题来源具体可以是指应用程序、小程序。又比如,问题来源具体可以是指网页。在比对归档项和用户问题类别的问题来源以及问题关键字,计算问题重复可信度的方式可以为:服务器先比对归档项对应的问题来源和用户问题类别的问题来源,得到第一重复可信度,再比对归档项中的关键字和用户问题类别中的问题关键字,得到第二重复可信度,根据第一重复可信度、第二重复可信度以及预先设置的重复可信度权重,得到问题重复可信度。
进一步的,对确定第一重复可信度进行举例说明,当归档项和用户问题类别的问题来源相同时,可确定第一重复可信度为100%,当归档项和用户问题类别的问题来源不相同时,可确定第一重复可信度为0%,除此之外也可以采用其他方式确定第一重复可信度,本实施在此处对确定第一重复可信度的方式不做具体限定。对确定第二重复可信度进行举例说明,通过比对归档项中的关键字和用户问题类别中的问题关键字,确定相同关键字数量,再确定相同关键字数量以及用户问题类别中的问题关键字数量的比值,将该比值作为第二重复可信度,此外也可以采用其他方式确定第二重复可信度,本实施例在此处对确定第二重复可信度的方式不做具体限定。
本实施例中,通过根据用户标识提取用户历史服务记录的归档项,比对归档项和用户问题类别,得到问题重复可信度,当问题重复可信度大于预设可信度阈值时,推送修正问题分类提示,能够实现对问题分类的修正,从而提高问题分类的准确率,进而提高问题咨询处理效率。
在一个实施例中,将用户标识分派至目标技能组的等待队列,建立目标技能组中的坐席与用户的服务关系包括:
将用户标识分派至目标技能组的等待队列,并根据用户标识确定待分派用户优先级;
获取等待队列中各等待用户的等待用户优先级,比对待分派用户优先级和等待用户优先级,确定用户在等待队列中的等待顺序;
根据等待顺序和目标技能组中的坐席优先级,建立目标技能组中的坐席与用户的服务关系。
其中,待分派用户优先级用于表征与用户标识对应的用户的优先级。等待用户优先级用于表征各等待用户的优先级。坐席优先级是指目标技能组中坐席的排列顺序。比如,坐席优先级具体可以是按照坐席签入技能组的时间顺序设置的。
具体的,服务器会将用户标识分派至目标技能组的等待队列中,并根据用户标识确定待分派用户优先级,获取等待队列中各等待用户的等待用户优先级,通过比对待分派用户优先级和等待用户优先级,确定用户在等待队列中的等待顺序,最后根据等待顺序和目标技能组中的坐席优先级,建立目标技能组中的坐席与用户的服务关系。其中,比对待分派用户优先级和等待用户优先级,确定用户在等待队列中的等待顺序包括:当根据待分派用户优先级和等待用户优先级,确定用户的优先级大于所有等待用户时,将用户安排至等待队列中的最前面。当根据待分派用户优先级和等待用户优先级,确定用户的优先级大于部分等待用户时,将用户安排至与其优先级相同的等待用户之后。具体的分派示意图可以如图3所示,在图3中,a类问题队列与技能组A队列对应、b类问题队列与技能组B队列对应、c类问题队列与技能组C队列对应,同一坐席可同时存在于不同的技能组中。
本实施例中,通过利用与用户标识对应的待分派用户优先级以及等待队列中各等待用户的等待用户优先级,确定用户在等待队列中的等待顺序,可以进一步根据等待顺序和目标技能组中的坐席优先级,建立目标技能组中的坐席与用户的服务关系,实现对坐席与用户的服务关系的确定。
在一个实施例中,智能坐席分派方法还包括:
获取携带预设问题类别的历史服务记录;
对历史服务记录进行拆分,得到与预设问题类别对应的词语集合;
对词语集合进行词频统计,确定与预设问题类别对应的问题关键字。
其中,历史服务记录是指历史的咨询问题服务的记录。
具体的,在需要确定预设问题类别的问题关键字的时候,服务器会获取携带预设问题类别的历史服务记录,利用分词算法对历史服务记录进行拆分,将历史服务记录中各服务记录拆分为词语集合,得到与预设问题类别对应的词语集合,对与预设问题类别对应的词语集合进行词频统计,确定与预设问题类别对应的问题关键字。其中,分词算法具体可以为jieba分词等,本实施例在此处对分词算法不做具体限定。进行词频统计,确定与预设问题类别对应的问题关键字的方式可以为直接统计各词语出现的次数,根据各词语出现的次数直接对各词语进行排序,将出现次数大于预设次数阈值的词语作为与预设问题类别对应的问题关键字,预设次数阈值可按照需要自行设置。也可以为利用TF-IDF(termfrequency–inverse document frequency,词频-逆文本频率指数)进行词频统计,确定问题关键字,本实施例在此处不做具体限定。
进一步的,由于坐席在服务结束后,会对服务记录添加归档项并上传至服务器,服务器会将已添加归档项的服务记录存入历史服务记录中,因此历史服务记录是实时更新的,服务器会周期获取携带预设问题类别的历史服务记录,对历史服务记录进行拆分,得到与预设问题类别对应的词语集合,对词语集合进行词频统计,确定与预设问题类别对应的问题关键字,以此来实现对与预设问题类别对应的问题关键字的更新。其中的周期可按需要自行设置。
本实施例中,通过对历史服务记录进行拆分,得到与预设问题类别对应的词语集合,对词语集合进行词频统计,确定与预设问题类别对应的问题关键字,能够利用词频统计实现对与预设问题类别对应的问题关键字的确定。
在一个实施例中,智能坐席分派方法还包括:
获取各坐席的坐席属性信息以及历史已处理工单数据;
根据历史已处理工单数据,确定各坐席处理预设问题类别的处理参数;
根据坐席属性信息和处理参数,确定各坐席归属于各预设技能组的签入概率,预设技能组与预设问题类别对应;
根据签入概率,确定与各坐席对应的预设技能组,将各坐席签入对应的预设技能组。
其中,坐席属性信息包括坐席处理各业务类型的优先级以及坐席偏好的业务类型优先级,坐席处理各业务类型的优先级是预先设置的,主要依据需要坐席负责处理的业务类型进行设置,该优先级可以用分数值来表示。举例说明,当同时包括业务类型A、业务类型B以及业务类型C时,若需要坐席负责的主要业务类型为A、次要业务类型为B、再次要业务类型为C,可对应设置业务类型A、业务类型B以及业务类型C的分数分别为90分、80分以及70分。坐席偏好的业务类型是指坐席自主填写的擅长处理或自信能处理好的问题类型,坐席偏好的业务类型优先级也可以通过分数值来表示。历史已处理工单数据是指坐席已经完成处理的工单。处理参数包括处理平均速度、处理质量评价等,用于表征坐席处理预设问题类别的情况。签入概率是指各坐席归属于各预设技能组的签入分数。
具体的,服务器会获取各坐席的坐席属性信息以及历史已处理工单数据,根据历史已处理工单数据,统计坐席处理预设问题类别所用的处理时长,确定坐席处理预设问题类别的处理平均速度,比对处理时长和预设问题类别的预设时长处理标准以及处理平均速度和预设问题类别的预设处理平均速度标准,得到与处理时长对应的处理分数以及与处理平均速度对应的平均速度分数,并根据历史已处理工单数据中坐席处理各类问题所得评价分数,确定与各预设问题类别对应的评价分数。
具体的,在得到处理分数、平均速度分数以及评价分数后,服务器会结合处理分数、平均速度分数、评价分数以及坐席属性信息中的坐席处理各业务类型的优先级以及坐席偏好的业务类型优先级,计算各坐席归属于各预设技能组的签入概率,根据签入概率比对预设签入概率阈值,确定与各坐席对应的预设技能组,将各坐席签入对应的预设技能组。其中,在计算各坐席归属于各预设技能组的签入概率时,会依据预先设置的签入权重系数进行计算,签入权重系数是指分别针对处理分数、平均速度分数、评价分数、坐席处理各业务类型的优先级以及坐席偏好的业务类型优先级的对签入的重要程度所设置的系数,可按照需要自行设置。
其中需要说明的是,一个坐席可以与多个技能组对应,只要坐席归属于预设技能组的签入概率大于预设签入概率阈值,即可将坐席签入该技能组。这里的将坐席签入技能组是指将坐席加入技能组中。进一步的,在将各坐席签入对应的预设技能组时,服务器可推送加入确认提示至坐席的终端,让坐席自主选择确认加入或拒绝加入,以提高坐席分派的准确率。更进一步的,服务器还会周期统计各坐席在预设问题类别的服务过程中的服务评价,根据服务评价对各坐席进行考核,将不达标的坐席踢出对应的技能组。
本实施例中,通过获取坐席属性信息和处理参数,根据坐席属性信息和处理参数,确定各坐席归属于各预设技能组的签入概率,根据签入概率,确定与各坐席对应的预设技能组,将各坐席签入对应的预设技能组,能够对坐席进行划分,将坐席签入合适的预设技能组。
本申请还提供一种应用场景,如图4所示,该应用场景应用上述的智能坐席分派方法。具体地,该智能坐席分派方法在该应用场景的应用如下:
当使用终端的用户有问题需要咨询时,会通过终端发送携带用户标识和渠道标识的问题工单至服务器,服务器接收携带用户标识和渠道标识的问题工单,根据用户标识以及渠道标识获取用户信息(包括用户特征信息、问题类别-问题关键字对应信息、用户历史服务记录等),问题类别-问题关键字对应信息包括预设问题类别与问题关键字的对应关系,根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户信息中的用户特征信息,确定问题工单归属于预设问题类别的类别概率,对类别概率进行排序,确定与问题工单对应的用户问题类别,根据用户问题类别,确定对应的目标技能组,将用户标识分派至目标技能组的等待队列,为用户分派坐席(即建立目标技能组中的坐席与用户的服务关系),坐席即可为用户提供服务。
本申请还另外提供一种应用场景,如图5所示,该应用场景应用上述的智能坐席分派方法。具体地,该智能坐席分派方法在该应用场景的应用如下:在服务器中包括问题聚类策略引擎和技能组推荐策略引擎,问题聚类策略引擎用于确定与用户对应的问题类别,进而根据问题类别将用户标识分派至目标技能组的等待队列,为用户分派坐席,坐席即可为用户提供服务。技能组推荐策略引擎用于实现坐席与预设技能组的匹配,将坐席签入预设技能组。
具体的,技能组推荐策略引擎的处理流程可如图6所示。技能组推荐策略引擎用于获取各坐席的坐席属性信息(包括坐席职责以及偏好类型)以及历史已处理工单数据,根据历史已处理工单数据,确定各坐席处理预设问题类别的处理参数(包括处理速度以及工单满意度),根据坐席属性信息和处理参数,确定各坐席归属于各预设技能组的签入概率,预设技能组与预设问题类别对应,根据签入概率,确定与各坐席对应的预设技能组,将各坐席签入对应的预设技能组。
具体的,问题聚类策略引擎的处理流程可如图7所示。问题聚类策略引擎用于接收携带用户标识和渠道标识的问题工单,根据用户标识以及渠道标识获取用户特征信息(即图中的用户属性),并根据渠道标识获取问题类别-问题关键字对应信息,问题类别-问题关键字对应信息包括预设问题类别与问题关键字的对应关系,根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,确定问题工单归属于预设问题类别的类别概率,对类别概率进行排序,确定与问题工单对应的用户问题类别。进一步的,问题聚类策略引擎还可以根据用户历史服务记录(即图中的服务记录)实现对问题关键字的修正。
应该理解的是,虽然上述实施例涉及的各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,上述实施例涉及的各流程图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。
在一个实施例中,如图8所示,提供了一种智能坐席分派装置,该装置可以采用软件模块或硬件模块,或者是二者的结合成为计算机设备的一部分,该装置具体包括:接收模块802、获取模块804、匹配模块806、排序模块808、处理模块810和分派模块812,其中:
接收模块802,用于接收携带用户标识和渠道标识的问题工单;
获取模块804,用于根据用户标识以及渠道标识获取用户特征信息,并根据渠道标识获取问题类别-问题关键字对应信息,问题类别-问题关键字对应信息包括预设问题类别与问题关键字的对应关系;
匹配模块806,用于根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,确定问题工单归属于预设问题类别的类别概率;
排序模块808,用于对类别概率进行排序,确定与问题工单对应的用户问题类别;
处理模块810,用于根据用户问题类别,确定对应的目标技能组;
分派模块812,用于将用户标识分派至目标技能组的等待队列,建立目标技能组中的坐席与用户的服务关系。
上述智能坐席分派装置,通过在接收到问题工单后,根据问题工单中携带的用户标识和渠道标识获取用户特征信息以及问题类别-问题关键字对应信息,充分利用用户特征信息,通过根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息的方式,利用问题工单归属于预设问题类别的类别概率实现对用户问题类别的准确确定,从而在准确确定用户问题类别的基础上,确定对应的目标技能组,将用户标识分派至目标技能组的等待队列,建立目标技能组中的坐席与用户的服务关系,可以实现问题工单与坐席的精准匹配,缩短用户在问题咨询时的等待时间,能够提高问题咨询处理效率,同时也能够保证快速准确地响应用户,为用户提供高效、敏捷的服务。
在一个实施例中,获取模块还用于根据用户标识查询预设用户信息数据库,获取与用户标识对应的用户信息集合,根据渠道标识匹配用户信息集合中各用户信息,确定与渠道标识对应的用户关联信息,根据用户关联信息,得到用户特征信息。
在一个实施例中,匹配模块还用于根据问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配用户特征信息,得到用户特征信息中与各预设问题类别对应的命中关键字,根据预设的各命中关键字在预设问题类别中的类别权重,确定问题工单归属于预设问题类别的类别概率。
在一个实施例中,智能坐席分派装置还包括修正模块,修正模块用于根据用户标识获取用户历史服务记录,提取用户历史服务记录的归档项,比对归档项和用户问题类别,得到问题重复可信度,当问题重复可信度大于预设可信度阈值时,推送修正问题分类提示。
在一个实施例中,分派模块还用于将用户标识分派至目标技能组的等待队列,并根据用户标识确定待分派用户优先级,获取等待队列中各等待用户的等待用户优先级,比对待分派用户优先级和等待用户优先级,确定用户在等待队列中的等待顺序,根据等待顺序和目标技能组中的坐席优先级,建立目标技能组中的坐席与用户的服务关系。
在一个实施例中,智能坐席分派装置还包括词频统计模块,词频统计模块用于获取携带预设问题类别的历史服务记录,对历史服务记录进行拆分,得到与预设问题类别对应的词语集合,对词语集合进行词频统计,确定与预设问题类别对应的问题关键字。
在一个实施例中,智能坐席分派装置还包括坐席推荐模块,坐席推荐模块用于获取各坐席的坐席属性信息以及历史已处理工单数据,根据历史已处理工单数据,确定各坐席处理预设问题类别的处理参数,根据坐席属性信息和处理参数,确定各坐席归属于各预设技能组的签入概率,预设技能组与预设问题类别对应,根据签入概率,确定与各坐席对应的预设技能组,将各坐席签入对应的预设技能组。
关于智能坐席分派装置的具体限定可以参见上文中对于智能坐席分派方法的限定,在此不再赘述。上述智能坐席分派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服务器,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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存储历史服务记录、用户信息集合等。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智能坐席分派方法。
本领域技术人员可以理解,图9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)
1.一种智能坐席分派方法,其特征在于,所述方法包括:
接收携带用户标识和渠道标识的问题工单;
根据所述用户标识以及所述渠道标识获取用户特征信息,并根据所述渠道标识获取问题类别-问题关键字对应信息,所述问题类别-问题关键字对应信息包括预设问题类别与问题关键字的对应关系;
根据所述问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配所述用户特征信息,确定所述问题工单归属于预设问题类别的类别概率;
对所述类别概率进行排序,确定与所述问题工单对应的用户问题类别;
根据所述用户问题类别,确定对应的目标技能组;
将所述用户标识分派至所述目标技能组的等待队列,建立所述目标技能组中的坐席与用户的服务关系。
2.根据权利要求1所述的方法,其特征在于,所述根据所述用户标识以及所述渠道标识获取用户特征信息包括:
根据所述用户标识查询预设用户信息数据库,获取与所述用户标识对应的用户信息集合;
根据所述渠道标识匹配所述用户信息集合中各用户信息,确定与所述渠道标识对应的用户关联信息;
根据所述用户关联信息,得到用户特征信息。
3.根据权利要求1所述的方法,其特征在于,所述根据所述问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配所述用户特征信息,确定所述问题工单归属于预设问题类别的类别概率包括:
根据所述问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配所述用户特征信息,得到所述用户特征信息中与各预设问题类别对应的命中关键字;
根据预设的各命中关键字在所述预设问题类别中的类别权重,确定问题工单归属于预设问题类别的类别概率。
4.根据权利要求1所述的方法,其特征在于,所述根据所述问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配所述用户特征信息,确定与所述问题工单对应的用户问题类别之后,还包括:
根据所述用户标识获取用户历史服务记录,提取所述用户历史服务记录的归档项;
比对所述归档项和所述用户问题类别,得到问题重复可信度;
当所述问题重复可信度大于预设可信度阈值时,推送修正问题分类提示。
5.根据权利要求1所述的方法,其特征在于,所述将所述用户标识分派至所述目标技能组的等待队列,建立所述目标技能组中的坐席与用户的服务关系包括:
将用户标识分派至所述目标技能组的等待队列,并根据所述用户标识确定待分派用户优先级;
获取所述等待队列中各等待用户的等待用户优先级,比对所述待分派用户优先级和所述等待用户优先级,确定用户在所述等待队列中的等待顺序;
根据所述等待顺序和所述目标技能组中的坐席优先级,建立所述目标技能组中的坐席与用户的服务关系。
6.根据权利要求1所述的方法,其特征在于,所述根据所述用户标识以及所述渠道标识获取用户特征信息,并根据所述渠道标识获取问题类别-问题关键字对应信息之前,还包括:
获取携带预设问题类别的历史服务记录;
对所述历史服务记录进行拆分,得到与所述预设问题类别对应的词语集合;
对所述词语集合进行词频统计,确定与所述预设问题类别对应的问题关键字。
7.根据权利要求1所述的方法,其特征在于,所述根据所述用户问题类别,确定对应的目标技能组之前,还包括:
获取各坐席的坐席属性信息以及历史已处理工单数据;
根据所述历史已处理工单数据,确定各坐席处理预设问题类别的处理参数;
根据所述坐席属性信息和所述处理参数,确定各坐席归属于各预设技能组的签入概率,所述预设技能组与所述预设问题类别对应;
根据所述签入概率,确定与各坐席对应的预设技能组,将各坐席签入对应的预设技能组。
8.一种智能坐席分派装置,其特征在于,所述装置包括:
接收模块,用于接收携带用户标识和渠道标识的问题工单;
获取模块,用于根据所述用户标识以及所述渠道标识获取用户特征信息,并根据所述渠道标识获取问题类别-问题关键字对应信息,所述问题类别-问题关键字对应信息包括预设问题类别与问题关键字的对应关系;
匹配模块,用于根据所述问题类别-问题关键字对应信息中预设问题类别所对应的问题关键字,匹配所述用户特征信息,确定所述问题工单归属于预设问题类别的类别概率;
排序模块,用于对所述类别概率进行排序,确定与所述问题工单对应的用户问题类别;
处理模块,用于根据所述用户问题类别,确定对应的目标技能组;
分派模块,用于将所述用户标识分派至所述目标技能组的等待队列,建立所述目标技能组中的坐席与用户的服务关系。
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中任一项所述的方法的步骤。
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 |
---|---|---|---|
CN202011304719.6A CN112418656A (zh) | 2020-11-19 | 2020-11-19 | 智能坐席分派方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011304719.6A CN112418656A (zh) | 2020-11-19 | 2020-11-19 | 智能坐席分派方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112418656A true CN112418656A (zh) | 2021-02-26 |
Family
ID=74774213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011304719.6A Pending CN112418656A (zh) | 2020-11-19 | 2020-11-19 | 智能坐席分派方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112418656A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113660380A (zh) * | 2021-08-16 | 2021-11-16 | 西安京迅递供应链科技有限公司 | 一种信息处理方法和装置 |
CN114121260A (zh) * | 2021-10-19 | 2022-03-01 | 上海清赟医药科技有限公司 | 基于意图识别的医疗问答方法 |
CN117114366A (zh) * | 2023-10-23 | 2023-11-24 | 天津中新智冠信息技术有限公司 | 工单派发方法、装置、电子设备及存储介质 |
CN117273645A (zh) * | 2023-09-25 | 2023-12-22 | 广东云筹科技有限公司 | 一种业务服务方法及其相关设备 |
-
2020
- 2020-11-19 CN CN202011304719.6A patent/CN112418656A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113660380A (zh) * | 2021-08-16 | 2021-11-16 | 西安京迅递供应链科技有限公司 | 一种信息处理方法和装置 |
CN114121260A (zh) * | 2021-10-19 | 2022-03-01 | 上海清赟医药科技有限公司 | 基于意图识别的医疗问答方法 |
CN117273645A (zh) * | 2023-09-25 | 2023-12-22 | 广东云筹科技有限公司 | 一种业务服务方法及其相关设备 |
CN117273645B (zh) * | 2023-09-25 | 2024-02-23 | 广东云筹科技有限公司 | 一种业务服务方法及其相关设备 |
CN117114366A (zh) * | 2023-10-23 | 2023-11-24 | 天津中新智冠信息技术有限公司 | 工单派发方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112418656A (zh) | 智能坐席分派方法、装置、计算机设备和存储介质 | |
CN107967575B (zh) | 一种人工智能保险咨询服务人工智能平台系统 | |
US8498950B2 (en) | System for training classifiers in multiple categories through active learning | |
Biancalana et al. | Context-aware movie recommendation based on signal processing and machine learning | |
US10949000B2 (en) | Sticker recommendation method and apparatus | |
CN110377804A (zh) | 培训课程数据的推送方法、装置、系统及存储介质 | |
CN110597624A (zh) | 通信建立方法和系统 | |
CN111651676B (zh) | 基于能力模型进行职业推荐的方法、装置、设备和介质 | |
CN106095842B (zh) | 在线课程搜索方法和装置 | |
CN110609935A (zh) | 用户身份标签生成方法、装置、计算机设备和存储介质 | |
CN111105209A (zh) | 适用于人岗匹配推荐系统的职位简历匹配方法及装置 | |
CN107958014B (zh) | 搜索引擎 | |
Marie et al. | Boosting schema matchers | |
CN114881712B (zh) | 智能广告投放方法、装置、设备及存储介质 | |
CN113869931A (zh) | 广告投放策略确定方法、装置、计算机设备和存储介质 | |
US20240127143A1 (en) | Method, device and storage medium for information processing based on data interaction | |
CN111949697B (zh) | 基于搜索引擎的数据处理方法、装置、终端及介质 | |
US11615441B2 (en) | Multi-stage content analysis system that profiles users and selects promotions | |
CN113095073B (zh) | 语料标签生成方法、装置、计算机设备和存储介质 | |
US11544332B2 (en) | Bipartite graph construction | |
CN109308565B (zh) | 人群绩效等级识别方法、装置、存储介质及计算机设备 | |
CN115114415A (zh) | 问答知识库更新方法、装置、计算机设备和存储介质 | |
JP2000148770A (ja) | 問合せ文書の分類装置および方法ならびに当該方法を記述したプログラムを記録した記録媒体 | |
CN112148702B (zh) | 一种文件检索的方法及设备 | |
CN113742599B (zh) | 内容推荐方法、装置、设备及计算机可读存储介质 |
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: 40038302 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |