CN112686037B - 线上业务断点提醒方法、装置、计算机设备及存储介质 - Google Patents
线上业务断点提醒方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112686037B CN112686037B CN202011562044.5A CN202011562044A CN112686037B CN 112686037 B CN112686037 B CN 112686037B CN 202011562044 A CN202011562044 A CN 202011562044A CN 112686037 B CN112686037 B CN 112686037B
- Authority
- CN
- China
- Prior art keywords
- user
- text
- text data
- breakpoint
- online service
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000013145 classification model Methods 0.000 claims abstract description 49
- 230000008569 process Effects 0.000 claims abstract description 30
- 230000009191 jumping Effects 0.000 claims abstract description 11
- 230000011218 segmentation Effects 0.000 claims description 72
- 239000013598 vector Substances 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 27
- 230000004044 response Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 17
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例公开了一种线上业务断点提醒方法、装置、计算机设备及存储介质,涉及人工智能领域。所述方法包括:采集用户在办理所述线上业务过程中输入的文本数据;判断用户是否中断办理所述线上业务;若用户中断办理所述线上业务,获取用户的断点节点,并将所述断点节点以及所述文本数据储存;通过预训练的文本分类模型获取所述文本数据的分类标签;根据所述文本数据的分类标签匹配操作指引文本,并向用户发送断点提醒消息;若检测到用户点击所述断点提醒消息,跳转到所述断点节点,并向用户展示所述操作指引文本,从而可有效协助用户完成线上业务的办理。相比于人工电话指引的方式,具有效率高、成本低以及用户体验好的优点。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种线上业务断点提醒方法、装置、计算机设备及存储介质。
背景技术
目前,线上业务,例如,在线销售及服务产品没有针对用户进行个性化跟踪,当用户在浏览完产品或者未完成某个保险服务时,没有进一步的服务提示或者引导使得用户能够最终完成事项的办理。
传统的客户销售及服务系统仅能留存用户的断点,无法及时对用户的行为作出迅速的反馈。同时,当用户在各环节出现断点时,由于体验较差,经常出现投诉、电话咨询等问题。
过往行业通常的解决方案是通过人工电话进行进一步捕捉,但存在如下弊端:
打扰用户日常生活,部分用户经常在不方便的时候被电话咨询打扰,这样问题既不能被解决,反而进一步造成用户的反感。甚至部分客户认为自己的隐私被泄露,反而增加投诉风险。
可见,现有人工跟进的方式存在效率低、成本高以及用户体验差的问题。
发明内容
本发明实施例提供了一种线上业务断点提醒方法、装置、计算机设备及存储介质,旨在解决现有人工跟进的方式存在效率低、成本高以及用户体验差的问题。
第一方面,本发明实施例提供了一种线上业务断点提醒方法,其包括:
若检测到用户启动线上业务的办理流程,采集用户在办理所述线上业务过程中输入的文本数据;
判断用户是否中断办理所述线上业务;
若用户中断办理所述线上业务,获取用户的断点节点,并将所述断点节点以及所述文本数据储存,所述断点节点为用户中断办理所述线上业务时所处的业务节点;
通过预训练的文本分类模型获取所述文本数据的分类标签,所述文本分类模型由经过标注的文本样本训练得到;
根据所述文本数据的分类标签匹配操作指引文本,并向用户发送断点提醒消息;
若检测到用户点击所述断点提醒消息,跳转到所述断点节点,并向用户展示所述操作指引文本。
第二方面,本发明实施例还提供了一种线上业务断点提醒装置,其包括:
采集单元,用于若检测到用户启动线上业务的办理流程,采集用户在办理所述线上业务过程中输入的文本数据;
判断单元,用于判断用户是否中断办理所述线上业务;
第一获取单元,用于若用户中断办理所述线上业务,获取用户的断点节点,并将所述断点节点以及所述文本数据储存,所述断点节点为用户中断办理所述线上业务时所处的业务节点;
第二获取单元,用于通过预训练的文本分类模型获取所述文本数据的分类标签,所述文本分类模型由经过标注的文本样本训练得到;
匹配单元,用于根据所述文本数据的分类标签匹配操作指引文本,并向用户发送断点提醒消息;
跳转单元,用于若检测到用户点击所述断点提醒消息,跳转到所述断点节点,并向用户展示所述操作指引文本。
第三方面,本发明实施例还提供了一种计算机设备,其包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序当被处理器执行时可实现上述方法。
本发明实施例提供了一种线上业务断点提醒方法、装置、计算机设备及存储介质。其中,所述方法包括:若检测到用户启动线上业务的办理流程,采集用户在办理所述线上业务过程中输入的文本数据;判断用户是否中断办理所述线上业务;若用户中断办理所述线上业务,获取用户的断点节点,并将所述断点节点以及所述文本数据储存,所述断点节点为用户中断办理所述线上业务时所处的业务节点;通过预训练的文本分类模型获取所述文本数据的分类标签,所述文本分类模型由经过标注的文本样本训练得到;根据所述文本数据的分类标签匹配操作指引文本,并向用户发送断点提醒消息;若检测到用户点击所述断点提醒消息,跳转到所述断点节点,并向用户展示所述操作指引文本。在用户中断办理线上业务时,通过获取用户输入的文本数据的分类标签,并根据分类标签匹配操作指引文本,可有效协助用户完成线上业务的办理。相比于人工电话指引的方式,由终端自动完成指引,效率更高;减少了人力资源,成本更低;无需电话提醒,不会打扰到用户,给用户的体验更好。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种线上业务断点提醒方法的流程示意图;
图2为本发明实施例提供的一种线上业务断点提醒方法的子流程示意图;
图3为本发明实施例提供的一种线上业务断点提醒方法的子流程示意图;
图4为本发明实施例提供的一种线上业务断点提醒方法的子流程示意图;
图5为本发明实施例提供的一种线上业务断点提醒方法的子流程示意图;
图6为本发明实施例提供的一种线上业务断点提醒方法的子流程示意图;
图7为本发明实施例提供的一种线上业务断点提醒方法的子流程示意图;
图8为本发明实施例提供的一种线上业务断点提醒装置的示意性框图;
图9为本发明实施例提供的一种计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
请参阅图1,图1是本发明实施例提供的线上业务断点提醒方法的流程示意图。本发明可应用于智慧政务/智慧城管/智慧社区/智慧安防/智慧物流/智慧医疗/智慧教育/智慧环保/智慧交通等需要办理线上业务的场景中,从而推动智慧城市的建设。本发明应用于终端中。如图所示,该方法包括以下步骤:
S1,若检测到用户启动线上业务的办理流程,采集用户在办理所述线上业务过程中输入的文本数据。
具体实施中,如果检测到用户启动线上业务的办理流程,采集用户在办理所述线上业务过程中输入的文本数据。线上业务可具体为线上销售业务。
具体地,用户可通过点击线上业务的启动按钮来启动线上业务的办理流程。相应地,在检测到用户点击线上业务的启动按钮时(即检测到用户启动线上业务的办理流程),开始实时采集用户在办理所述线上业务过程中输入的文本数据。
参见图2,在一实施例中,所述线上业务包括多个业务节点,以上步骤S1具体包括如下步骤:
S11,分别采集用户在所述线上业务的各业务节点输入的文本数据。
具体实施中,分别采集用户在所述线上业务的各业务节点输入的文本数据。线上业务包括多个业务节点,业务节点包括文本输入框。即分别采集用户在业务节点的文本输入框里面输入的文本数据。
S12,将文本数据储存到终端的缓存中。
具体实施中,为了提高文本数据的存储效率,首先将文本数据储存到终端的缓存中。
S2,判断用户是否中断办理所述线上业务。
具体实施中,判断用户是否中断办理所述线上业务。用户中断办理所述线上业务是指用户未能完成所述线上业务的办理。只要用户最终没能够办理完成所述线上业务,都认为用户中断办理所述线上业务。例如,用户中途退出办理所述线上业务。
参见图3,在一实施例中,以上步骤S2具体包括如下步骤:
S21,判断用户是否中途退出所述线上业务的办理流程。
具体实施中,判断用户是否中途退出所述线上业务的办理流程。
具体地,中途退出是指用户在未完成所述线上业务时,退出了线上业务的办理流程。中途退出包括正常退出以及异常退出。正常退出是指用户通过正常的退出操作退出所述线上业务的办理流程。
异常退出例如为办理所述线上业务的应用程序被异常关闭等非正常情况导致的退出。
S22,若用户中途退出所述线上业务的办理流程,判定用户中断办理所述线上业务。
具体实施中,如果用户中途退出所述线上业务的办理流程,判定用户中断办理所述线上业务。
参见图4,在一实施例中,以上步骤S2具体包括如下步骤:
S201,判断用户在所述线上业务的业务节点的操作时间是否大于预设的时间阈值。
具体实施中,判断用户在所述线上业务的业务节点的操作时间是否大于预设的时间阈值。
需要说明的是,时间阈值由本领域技术人员根据实际情况进行设定,例如,在一实施例中,时间阈值设定为5mi n。
如果用户在所述线上业务的业务节点的操作时间大于预设的时间阈值,则说明用户在该业务节点处出现了困难,不知如何处理。倘若此时不向用户提供操作指引,很有可能导致用户放弃办理所述线上业务。
S202,若用户在所述线上业务的业务节点的操作时间大于预设的时间阈值,判定用户中断办理所述线上业务。
具体实施中,如果用户在所述线上业务的业务节点的操作时间大于预设的时间阈值,判定用户中断办理所述线上业务。
S3,若用户中断办理所述线上业务,获取用户的断点节点,并将所述断点节点以及所述文本数据储存,所述断点节点为用户中断办理所述线上业务时所处的业务节点。
具体实施中,如果用户中断办理所述线上业务,获取用户的断点节点,并将所述断点节点以及所述文本数据储存。
断点节点为用户中断办理所述线上业务时所处的业务节点。将所述断点节点以及所述文本数据储存,便于用户在重新办理所述线上业务时能够快速跳转到断点节点,节省用户的时间。
同时通过对用户的文本数据进行分析确定分类标签,并根据分类标签向用户提示相应的操作指引文本,便于用户能够完成所述线上业务的办理。
在一实施例中,以上步骤S3具体包括:将所述文本数据从终端的缓存中提取出来,并将所述断点节点以及所述文本数据储存到终端的内存中。
具体实施中,将所述断点节点以及所述文本数据储存到终端的内存中,以避免数据丢失。
S4,通过预训练的文本分类模型获取所述文本数据的分类标签,所述文本分类模型由经过标注的文本样本训练得到。
具体实施中,通过预训练的文本分类模型获取所述文本数据的分类标签,所述文本分类模型由经过标注的文本样本训练得到。
首先通过大量标注了文本分类标签的文本样本来对文本分类模型进行训练,使得文本分类模型具备预测文本数据的分类标签的能力。可以理解地,文本样本的数量越多,文本分类模型的分类效果越好。文本样本包括历史用户在办理所述线上业务输入的文本数据,或者本领域技术人员输入的典型文本数据。
在对文本分类模型训练结束后,即可通过训练后的文本分类模型获取所述文本数据的分类标签。
文本分类模型可例如为BERT模型以及textCNN模型。以上给出的文本分类模型仅仅是一个示例,本领域技术人员还可以采用其他类型的文本分类模型。
参见图5,在一实施例中,以上步骤S4具体包括如下步骤:
S41,对所述文本数据进行分词处理以得到所述文本数据的分词集合。
具体实施中,对所述文本数据进行分词处理以得到所述文本数据的分词集合。分词处理是指把文本数据划分为多个词语。分词集合为分词得到的词语组成的集合。
参见图6,在一实施例中,以上步骤S41具体包括如下步骤:
S411,通过预设的分词工具对所述文本数据进行分词处理得到初始分词集合。
通过预设的分词工具(例如,j i eba分词工具)对所述知识文本进行分词处理以得到初始分词集合。初始分词集合中包含对所述知识文本进行分词处理后得到的词语。
S412,将所述初始分词集合中的停止词去除后得到所述分词集合。
具体实施中,将所述初始分词集合中的停止词去除后得到所述分词集合。
需要说明的是,停止词(stopword),常为介词、副词或连词等。例如,"在"、"里面"、"也"、"的"、"它"、"为"等都为停止词。停止词本身没有实际含义,因此去除以减少计算量以及干扰。
S42,对所述分词集合进行词向量训练以得到所述文本数据的文本向量。
具体实施中,对所述分词集合进行词向量训练以得到所述文本数据的文本向量,以便于计算机能够识别。
在一实施例中,以上步骤S42具体包括如下步骤:
S421,通过预设的词向量训练工具对所述分词集合的词语进行词向量训练以分别得到所述分词集合的词语的词向量。
具体实施中,通过预设的词向量训练工具对所述分词集合的词语进行词向量训练以分别得到所述分词集合的词语的词向量。
词向量训练工具可例如为word2vec。word2vec是一种自然语言处理工具,其作用就是将自然语言中的字词转为计算机可以理解的词向量。
传统的词向量容易受维数灾难的困扰,且任意两个词之间都是孤立的,不能体现词和词之间的关系,因此本实施例采用word2vec来得到词向量,其可通过计算向量之间的距离来体现词与词之间的相似性。
或者,在其他实施例中,可采用其他词向量工具来进行词向量训练,本发明对此不作具体限定。
S422,将所述分词集合的词语的词向量叠加后得到所述文本向量。
具体实施中,将所述分词集合的词语的词向量叠加后得到所述文本向量。
S43,将所述文本数据的文本向量输入到预训练的文本分类模型中,以由所述文本分类模型预测所述文本数据的分类标签。
具体实施中,将所述文本数据的文本向量输入到预训练的文本分类模型中,以由所述文本分类模型预测所述文本数据的分类标签。
S5,根据所述文本数据的分类标签匹配操作指引文本,并向用户发送断点提醒消息。
具体实施中,预先设定各分类标签对应的操作指引文本。在确定了所述文本数据的分类标签后,进一步获取所述文本数据的分类标签对应的操作指引文本。同时,向用户发送断点提醒消息,以提醒用户继续办理所述线上业务。断点提醒消息可在用户重新启动应用程序(即办理所述线上业务的应用程序)时发出。
参见图7,在一实施例中,以上步骤S5具体包括如下步骤:
S51,向预设的数据库发送数据调取请求,所述数据调取请求包含所述文本数据的分类标签,所述数据库用于储存各分类标签对应的操作指引文本。
具体实施中,预先将各分类标签对应的操作指引文本储存到数据库中。在确定了所述文本数据的分类标签后,向预设的数据库发送数据调取请求,所述数据调取请求包含所述文本数据的分类标签。
相应地,数据库在接收到所述数据调取请求后,根据所述文本数据的分类标签查找对应的操作指引文本,并将所述操作指引文本封装在应答消息中返回给终端。
S52,接收所述数据库返回的应答消息,所述应答消息包含所述文本数据的分类标签对应的操作指引文本。
具体实施中,终端接收所述数据库返回的应答消息,所述应答消息包含所述文本数据的分类标签对应的操作指引文本。
终端从所述应答消息中获取所述文本数据的分类标签对应的操作指引文本。
S6,若检测到用户点击所述断点提醒消息,跳转到所述断点节点,并向用户展示所述操作指引文本。
具体实施中,如果检测到用户点击所述断点提醒消息,跳转到所述断点节点,并向用户展示所述操作指引文本,以指引用户进一步完成所述线上业务的办理。
本发明的技术方案能带来的有益效果包括:
本发明的技术方案,若检测到用户启动线上业务的办理流程,采集用户在办理所述线上业务过程中输入的文本数据;判断用户是否中断办理所述线上业务;若用户中断办理所述线上业务,获取用户的断点节点,并将所述断点节点以及所述文本数据储存,所述断点节点为用户中断办理所述线上业务时所处的业务节点;通过预训练的文本分类模型获取所述文本数据的分类标签,所述文本分类模型由经过标注的文本样本训练得到;根据所述文本数据的分类标签匹配操作指引文本,并向用户发送断点提醒消息;若检测到用户点击所述断点提醒消息,跳转到所述断点节点,并向用户展示所述操作指引文本。在用户中断办理线上业务时,通过获取用户输入的文本数据的分类标签,并根据分类标签匹配操作指引文本,可有效协助用户完成线上业务的办理。相比于人工电话指引的方式,由终端自动完成指引,效率更高;减少了人力资源,成本更低;无需电话提醒,不会打扰到用户,给用户的体验更好。
参见图8,图8是本发明实施例提供的一种线上业务断点提醒装置70的示意性框图。对应于以上线上业务断点提醒方法,本发明还提供一种线上业务断点提醒装置70。该线上业务断点提醒装置70包括用于执行上述线上业务断点提醒方法的单元,该线上业务断点提醒装置70可以被配置于台式电脑、平板电脑、手提电脑、等终端中。具体地,该线上业务断点提醒装置70包括采集单元71、判断单元72、第一获取单元73、第二获取单元74、匹配单元75以及跳转单元76。
采集单元71,用于若检测到用户启动线上业务的办理流程,采集用户在办理所述线上业务过程中输入的文本数据;
判断单元72,用于判断用户是否中断办理所述线上业务;
第一获取单元73,用于若用户中断办理所述线上业务,获取用户的断点节点,并将所述断点节点以及所述文本数据储存,所述断点节点为用户中断办理所述线上业务时所处的业务节点;
第二获取单元74,用于通过预训练的文本分类模型获取所述文本数据的分类标签,所述文本分类模型由经过标注的文本样本训练得到;
匹配单元75,用于根据所述文本数据的分类标签匹配操作指引文本,并向用户发送断点提醒消息;
跳转单元76,用于若检测到用户点击所述断点提醒消息,跳转到所述断点节点,并向用户展示所述操作指引文本。
在一实施例中,所述线上业务包括多个业务节点,所述采集用户在办理所述线上业务过程中输入的文本数据,包括:
分别采集用户在所述线上业务的各业务节点输入的文本数据;
将文本数据储存到终端的缓存中;
所述将所述断点节点以及所述文本数据储存,包括:
将所述文本数据从终端的缓存中提取出来,并将所述断点节点以及所述文本数据储存到终端的内存中。
在一实施例中,所述判断用户是否中断办理所述线上业务,包括:
判断用户是否中途退出所述线上业务的办理流程;
若用户中途退出所述线上业务的办理流程,判定用户中断办理所述线上业务。
在一实施例中,所述判断用户是否中断办理所述线上业务,包括:
判断用户在所述线上业务的业务节点的操作时间是否大于预设的时间阈值;
若用户在所述线上业务的业务节点的操作时间大于预设的时间阈值,判定用户中断办理所述线上业务。
在一实施例中,所述通过预训练的文本分类模型获取所述文本数据的分类标签,包括:
对所述文本数据进行分词处理以得到所述文本数据的分词集合;
对所述分词集合进行词向量训练以得到所述文本数据的文本向量;
将所述文本数据的文本向量输入到预训练的文本分类模型中,以由所述文本分类模型预测所述文本数据的分类标签。
在一实施例中,所述对所述文本数据进行分词处理以得到所述文本数据的分词集合,包括:
通过预设的分词工具对所述文本数据进行分词处理得到初始分词集合;
将所述初始分词集合中的停止词去除后得到所述分词集合。
在一实施例中,所述根据所述文本数据的分类标签匹配操作指引文本,包括:
向预设的数据库发送数据调取请求,所述数据调取请求包含所述文本数据的分类标签,所述数据库用于储存各分类标签对应的操作指引文本;
接收所述数据库返回的应答消息,所述应答消息包含所述文本数据的分类标签对应的操作指引文本。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述线上业务断点提醒装置70和各单元的具体实现过程,可以参考前述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。
上述线上业务断点提醒装置70可以实现为一种计算机程序的形式,该计算机程序可以在如图9所示的计算机设备上运行。
请参阅图9,图9是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是终端,其中,终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。
该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行一种线上业务断点提醒方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种线上业务断点提醒方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,上述结构,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500的限定,具体的计算机设备500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。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
若检测到用户启动线上业务的办理流程,采集用户在办理所述线上业务过程中输入的文本数据;
判断用户是否中断办理所述线上业务;
若用户中断办理所述线上业务,获取用户的断点节点,并将所述断点节点以及所述文本数据储存,所述断点节点为用户中断办理所述线上业务时所处的业务节点;
通过预训练的文本分类模型获取所述文本数据的分类标签,所述文本分类模型由经过标注的文本样本训练得到;
根据所述文本数据的分类标签匹配操作指引文本,并向用户发送断点提醒消息;
若检测到用户点击所述断点提醒消息,跳转到所述断点节点,并向用户展示所述操作指引文本。
在一实施例中,所述线上业务包括多个业务节点,所述采集用户在办理所述线上业务过程中输入的文本数据,包括:
分别采集用户在所述线上业务的各业务节点输入的文本数据;
将文本数据储存到终端的缓存中;
所述将所述断点节点以及所述文本数据储存,包括:
将所述文本数据从终端的缓存中提取出来,并将所述断点节点以及所述文本数据储存到终端的内存中。
在一实施例中,所述判断用户是否中断办理所述线上业务,包括:
判断用户是否中途退出所述线上业务的办理流程;
若用户中途退出所述线上业务的办理流程,判定用户中断办理所述线上业务。
在一实施例中,所述判断用户是否中断办理所述线上业务,包括:
判断用户在所述线上业务的业务节点的操作时间是否大于预设的时间阈值;
若用户在所述线上业务的业务节点的操作时间大于预设的时间阈值,判定用户中断办理所述线上业务。
在一实施例中,所述通过预训练的文本分类模型获取所述文本数据的分类标签,包括:
对所述文本数据进行分词处理以得到所述文本数据的分词集合;
对所述分词集合进行词向量训练以得到所述文本数据的文本向量;
将所述文本数据的文本向量输入到预训练的文本分类模型中,以由所述文本分类模型预测所述文本数据的分类标签。
在一实施例中,所述对所述文本数据进行分词处理以得到所述文本数据的分词集合,包括:
通过预设的分词工具对所述文本数据进行分词处理得到初始分词集合;
将所述初始分词集合中的停止词去除后得到所述分词集合。
在一实施例中,所述根据所述文本数据的分类标签匹配操作指引文本,包括:
向预设的数据库发送数据调取请求,所述数据调取请求包含所述文本数据的分类标签,所述数据库用于储存各分类标签对应的操作指引文本;
接收所述数据库返回的应答消息,所述应答消息包含所述文本数据的分类标签对应的操作指引文本。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的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。该计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该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使处理器执行如下步骤:
若检测到用户启动线上业务的办理流程,采集用户在办理所述线上业务过程中输入的文本数据;
判断用户是否中断办理所述线上业务;
若用户中断办理所述线上业务,获取用户的断点节点,并将所述断点节点以及所述文本数据储存,所述断点节点为用户中断办理所述线上业务时所处的业务节点;
通过预训练的文本分类模型获取所述文本数据的分类标签,所述文本分类模型由经过标注的文本样本训练得到;
根据所述文本数据的分类标签匹配操作指引文本,并向用户发送断点提醒消息;
若检测到用户点击所述断点提醒消息,跳转到所述断点节点,并向用户展示所述操作指引文本。
在一实施例中,所述线上业务包括多个业务节点,所述采集用户在办理所述线上业务过程中输入的文本数据,包括:
分别采集用户在所述线上业务的各业务节点输入的文本数据;
将文本数据储存到终端的缓存中;
所述将所述断点节点以及所述文本数据储存,包括:
将所述文本数据从终端的缓存中提取出来,并将所述断点节点以及所述文本数据储存到终端的内存中。
在一实施例中,所述判断用户是否中断办理所述线上业务,包括:
判断用户是否中途退出所述线上业务的办理流程;
若用户中途退出所述线上业务的办理流程,判定用户中断办理所述线上业务。
在一实施例中,所述判断用户是否中断办理所述线上业务,包括:
判断用户在所述线上业务的业务节点的操作时间是否大于预设的时间阈值;
若用户在所述线上业务的业务节点的操作时间大于预设的时间阈值,判定用户中断办理所述线上业务。
在一实施例中,所述通过预训练的文本分类模型获取所述文本数据的分类标签,包括:
对所述文本数据进行分词处理以得到所述文本数据的分词集合;
对所述分词集合进行词向量训练以得到所述文本数据的文本向量;
将所述文本数据的文本向量输入到预训练的文本分类模型中,以由所述文本分类模型预测所述文本数据的分类标签。
在一实施例中,所述对所述文本数据进行分词处理以得到所述文本数据的分词集合,包括:
通过预设的分词工具对所述文本数据进行分词处理得到初始分词集合;
将所述初始分词集合中的停止词去除后得到所述分词集合。
在一实施例中,所述根据所述文本数据的分类标签匹配操作指引文本,包括:
向预设的数据库发送数据调取请求,所述数据调取请求包含所述文本数据的分类标签,所述数据库用于储存各分类标签对应的操作指引文本;
接收所述数据库返回的应答消息,所述应答消息包含所述文本数据的分类标签对应的操作指引文本。
所述存储介质为实体的、非瞬时性的存储介质,例如可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的实体存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以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,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,尚且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种线上业务断点提醒方法,其特征在于,包括:
若检测到用户启动线上业务的办理流程,采集用户在办理所述线上业务过程中输入的文本数据;
判断用户是否中断办理所述线上业务;
若用户中断办理所述线上业务,获取用户的断点节点,并将所述断点节点以及所述文本数据储存,所述断点节点为用户中断办理所述线上业务时所处的业务节点;
通过预训练的文本分类模型获取所述文本数据的分类标签,所述文本分类模型由经过标注的文本样本训练得到;
根据所述文本数据的分类标签匹配操作指引文本,并向用户发送断点提醒消息;
若检测到用户点击所述断点提醒消息,跳转到所述断点节点,并向用户展示所述操作指引文本;
所述通过预训练的文本分类模型获取所述文本数据的分类标签,包括:
对所述文本数据进行分词处理以得到所述文本数据的分词集合;
对所述分词集合进行词向量训练以得到所述文本数据的文本向量;
将所述文本数据的文本向量输入到预训练的文本分类模型中,以由所述文本分类模型预测所述文本数据的分类标签;
所述根据所述文本数据的分类标签匹配操作指引文本,包括:
向预设的数据库发送数据调取请求,所述数据调取请求包含所述文本数据的分类标签,所述数据库用于储存各分类标签对应的操作指引文本;
接收所述数据库返回的应答消息,所述应答消息包含所述文本数据的分类标签对应的操作指引文本。
2.根据权利要求1所述的线上业务断点提醒方法,其特征在于,所述线上业务包括多个业务节点,所述采集用户在办理所述线上业务过程中输入的文本数据,包括:
分别采集用户在所述线上业务的各业务节点输入的文本数据;
将文本数据储存到终端的缓存中;
所述将所述断点节点以及所述文本数据储存,包括:
将所述文本数据从终端的缓存中提取出来,并将所述断点节点以及所述文本数据储存到终端的内存中。
3.根据权利要求1所述的线上业务断点提醒方法,其特征在于,所述判断用户是否中断办理所述线上业务,包括:
判断用户是否中途退出所述线上业务的办理流程;
若用户中途退出所述线上业务的办理流程,判定用户中断办理所述线上业务。
4.根据权利要求1所述的线上业务断点提醒方法,其特征在于,所述判断用户是否中断办理所述线上业务,包括:
判断用户在所述线上业务的业务节点的操作时间是否大于预设的时间阈值;
若用户在所述线上业务的业务节点的操作时间大于预设的时间阈值,判定用户中断办理所述线上业务。
5.根据权利要求1所述的线上业务断点提醒方法,其特征在于,所述对所述文本数据进行分词处理以得到所述文本数据的分词集合,包括:
通过预设的分词工具对所述文本数据进行分词处理得到初始分词集合;
将所述初始分词集合中的停止词去除后得到所述分词集合。
6.一种线上业务断点提醒装置,其特征在于,包括:
采集单元,用于若检测到用户启动线上业务的办理流程,采集用户在办理所述线上业务过程中输入的文本数据;
判断单元,用于判断用户是否中断办理所述线上业务;
第一获取单元,用于若用户中断办理所述线上业务,获取用户的断点节点,并将所述断点节点以及所述文本数据储存,所述断点节点为用户中断办理所述线上业务时所处的业务节点;
第二获取单元,用于通过预训练的文本分类模型获取所述文本数据的分类标签,所述文本分类模型由经过标注的文本样本训练得到;
分词处理单元,用于对所述文本数据进行分词处理以得到所述文本数据的分词集合;
训练单元,用于对所述分词集合进行词向量训练以得到所述文本数据的文本向量;
预测标签单元,用于将所述文本数据的文本向量输入到预训练的文本分类模型中,以由所述文本分类模型预测所述文本数据的分类标签;
匹配单元,用于根据所述文本数据的分类标签匹配操作指引文本,并向用户发送断点提醒消息;
请求单元,用于向预设的数据库发送数据调取请求,所述数据调取请求包含所述文本数据的分类标签,所述数据库用于储存各分类标签对应的操作指引文本;
应答单元,用于接收所述数据库返回的应答消息,所述应答消息包含所述文本数据的分类标签对应的操作指引文本;
跳转单元,用于若检测到用户点击所述断点提醒消息,跳转到所述断点节点,并向用户展示所述操作指引文本。
7.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序当被处理器执行时可实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011562044.5A CN112686037B (zh) | 2020-12-25 | 2020-12-25 | 线上业务断点提醒方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011562044.5A CN112686037B (zh) | 2020-12-25 | 2020-12-25 | 线上业务断点提醒方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112686037A CN112686037A (zh) | 2021-04-20 |
CN112686037B true CN112686037B (zh) | 2024-04-12 |
Family
ID=75451656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011562044.5A Active CN112686037B (zh) | 2020-12-25 | 2020-12-25 | 线上业务断点提醒方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112686037B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107678844A (zh) * | 2017-09-28 | 2018-02-09 | 平安科技(深圳)有限公司 | 断点智能分流方法、电子装置及计算机存储介质 |
CN107832120A (zh) * | 2017-10-12 | 2018-03-23 | 平安科技(深圳)有限公司 | 一种行为断点的跟进处理方法、存储介质和服务器 |
CN107911227A (zh) * | 2017-09-28 | 2018-04-13 | 平安科技(深圳)有限公司 | 一种断点数据跟进方法、电子装置及计算机可读存储介质 |
CN110535910A (zh) * | 2019-07-30 | 2019-12-03 | 平安科技(深圳)有限公司 | 断点用户的召回方法、装置及存储介质 |
-
2020
- 2020-12-25 CN CN202011562044.5A patent/CN112686037B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107678844A (zh) * | 2017-09-28 | 2018-02-09 | 平安科技(深圳)有限公司 | 断点智能分流方法、电子装置及计算机存储介质 |
CN107911227A (zh) * | 2017-09-28 | 2018-04-13 | 平安科技(深圳)有限公司 | 一种断点数据跟进方法、电子装置及计算机可读存储介质 |
CN107832120A (zh) * | 2017-10-12 | 2018-03-23 | 平安科技(深圳)有限公司 | 一种行为断点的跟进处理方法、存储介质和服务器 |
CN110535910A (zh) * | 2019-07-30 | 2019-12-03 | 平安科技(深圳)有限公司 | 断点用户的召回方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112686037A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9141662B2 (en) | Intelligent evidence classification and notification in a deep question answering system | |
US8892539B2 (en) | Building, reusing and managing authored content for incident management | |
US20210042800A1 (en) | Systems and methods for predicting and optimizing the probability of an outcome event based on chat communication data | |
CN109741065A (zh) | 一种支付风险识别方法、装置、设备及存储介质 | |
CN109711929A (zh) | 基于预测模型的业务推荐的方法及装置 | |
CN110377733A (zh) | 一种基于文本的情绪识别方法、终端设备及介质 | |
CN115759433A (zh) | 业务办理等待时长的确定方法、装置和服务器 | |
CN114186024A (zh) | 推荐方法及装置 | |
EP4390752A1 (en) | A system and method for identifying compliance statements from contextual indicators in content | |
CN118096218A (zh) | 基于知识图谱的商户运营状态确定方法、装置、设备及介质 | |
CN114331698A (zh) | 风险画像的生成方法、装置、终端及存储介质 | |
CN117952100A (zh) | 数据处理的方法、装置、电子设备和存储介质 | |
CN113610625A (zh) | 逾期风险警示方法、装置及电子设备 | |
CN112686037B (zh) | 线上业务断点提醒方法、装置、计算机设备及存储介质 | |
CN111797211A (zh) | 业务信息搜索方法、装置、计算机设备和存储介质 | |
CN115393034A (zh) | 基于自然语言处理技术对企业账户进行风险识别的方法 | |
EP3407210A1 (en) | Apparatus and method for generating a multiple-event pattern query | |
CN115080744A (zh) | 一种数据处理的方法和装置 | |
CN111199454B (zh) | 实时用户转化评估方法、装置及电子设备 | |
CN110795424B (zh) | 特征工程变量数据请求处理方法、装置及电子设备 | |
US20210312362A1 (en) | Providing action items for an activity based on similar past activities | |
CN112686762A (zh) | 保单数据违规检测方法、装置、计算机设备及存储介质 | |
US11115440B2 (en) | Dynamic threat intelligence detection and control system | |
CN112434083A (zh) | 一种基于大数据的事件处理方法和装置 | |
CN112200602A (zh) | 用于广告推荐的神经网络模型训练方法及装置 |
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 |