CN113593533A - 基于意图识别的流程节点跳转方法、装置、设备及介质 - Google Patents
基于意图识别的流程节点跳转方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113593533A CN113593533A CN202111061994.4A CN202111061994A CN113593533A CN 113593533 A CN113593533 A CN 113593533A CN 202111061994 A CN202111061994 A CN 202111061994A CN 113593533 A CN113593533 A CN 113593533A
- Authority
- CN
- China
- Prior art keywords
- tag
- intention
- node
- label
- accumulation result
- 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 225
- 230000008569 process Effects 0.000 claims abstract description 178
- 238000009825 accumulation Methods 0.000 claims abstract description 116
- 230000009191 jumping Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000003058 natural language processing Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/14—Session management
- H04L67/146—Markers for unambiguous identification of a particular session, e.g. session cookie or URL-encoding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及人工智能技术,提供一种基于意图识别的流程节点跳转方法、装置、设备及介质,该方法包括:从预设有至少两个流程节点的业务流程中确定待处理节点,流程节点关联有条件标签集和可选意图,可选意图关联有识别信息和唯一的意图标签,条件标签集包括至少一个条件标签;获取待处理语音信息并输入至预设的NLP模型中得到识别结果;将根据识别结果确定的目标意图的意图标签输入至标签计数器,并获取业务流程开始后获取到的全部意图标签组成的标签累计结果;根据标签累计结果匹配出目标流程节点并进行跳转。根据本发明实施例提供的方案,无需人手操作,通过累计的意图标签确定目标流程节点,能够在复杂逻辑的情况下提高目标流程节点的匹配准确性。
Description
技术领域
本发明涉及但不限于人工智能技术领域,尤其涉及一种基于意图识别的流程节点跳转方法、装置、设备及介质。
背景技术
随着人工智能技术和语音识别技术的发展,智能客服系统开始应用到各行各业,尤其是银行客服或者外呼催收业务。常见的智能客服系统通常会预先制定好业务流程,在获取到用户的语音信息之后,通过语音识别和自然语言处理(Natural LanguageProcessing,NLP)技术确定用户意图,再根据用户意图确定从业务流程中确定对应的流程节点,根据该流程节点中预先设定的应答方式进行智能应答。但是在现有的方案中,用户意图通常基于用户最近输入的一次语音信息确定,并以此确定流程节点,虽然能够完成简单的智能交互,但是随着业务流程的逻辑越来越复杂,相同内容的语音信息可能在不同的咨询节点出现,若仅以从一次的语音信息中确定用户意图,很容易跳转到错误的流程节点,因此当前的方法无法满足复杂业务场景的需求。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供了一种基于意图识别的流程节点跳转方法、装置、设备及介质,能够在复杂场景下识别出用户意图,提高流程节点跳转的准确性,提高智能客服系统的可靠性。
第一方面,本发明实施例提供了一种基于意图识别的流程节点跳转方法,包括以下步骤:
将业务流程当前所处的流程节点确定为待处理节点,其中,所述业务流程预设有至少两个所述流程节点,所述流程节点关联有条件标签集和可选意图,所述可选意图关联有识别信息和意图标签,不同的所述可选意图所关联的所述意图标签互不相同,所述条件标签集包括至少一个条件标签;
获取待处理语音信息,将所述待处理语音信息输入至预设的NLP模型进行语义识别,并获取所述NLP模型输出的识别结果;
将所述识别信息与所述识别结果相匹配的所述可选意图确定为目标意图;
将所述目标意图的所述意图标签输入至标签计数器,获取所述标签计数器得到的标签累计结果,其中,所述标签累计结果包括所述标签计数器在所述业务流程开始后获取到的全部所述意图标签;
匹配所述条件标签集与所述标签累计结果,将匹配成功的所述条件标签集所关联的所述流程节点确定为目标流程节点;
跳转至所述目标流程节点,并将所述目标流程节点确定为新的待处理节点。
在一些实施例中,在所述将业务流程当前所处的流程节点确定为待处理节点之后,所述方法还包括:
当所述待处理节点为所述业务流程的首节点,创建并初始化所述标签计数器。
在一些实施例中,所述匹配所述条件标签集与所述标签累计结果,包括:
获取所述条件标签集的所述条件标签的数量,得到第一数量;
获取所述标签累计结果的所述意图标签的数量,得到第二数量;
当所述第一数量与所述第二数量相同,且所述条件标签集的所述条件标签与所述标签累计结果的所述意图标签一一对应时,确定所述条件标签集与所述标签累计结果匹配成功。
在一些实施例中,所述意图标签包括类型标签和属性标签,所述将所述目标意图的所述意图标签输入至标签计数器,获取所述标签计数器得到的标签累计结果,包括:
将所述目标意图的所述类型标签和所述属性标签输入至所述标签计数器;
通过所述标签计数器得到第一标签累计结果和第二标签累计结果,其中,所述第一标签累计结果包括所述标签计数器在所述业务流程开始后获取到的全部所述类型标签,所述第二标签累计结果包括所述标签计数器在所述业务流程开始后获取到的全部所述属性标签;
通过所述标签计数器组合所述第一标签累计结果和所述第二标签累计结果,得到的所述标签累计结果;
获取所述标签计数器输出的所述标签累计结果。
在一些实施例中,所述条件标签包括条件类型标签和条件属性标签,所述当所述条件标签集的所述条件标签与所述标签累计结果的所述意图标签一一对应时,确定所述条件标签集与所述标签累计结果匹配成功,包括:
将所关联的所述条件类型标签与所述第一标签累计结果的所述类型标签相匹配的流程节点确定为备选流程节点;
当所述备选流程节点所关联的所述条件属性标签与所述第二标签累计结果所对应的所述属性标签相匹配,确定所述条件标签集与所述标签累计结果匹配成功。
在一些实施例中,所述识别结果包括第一关键词信息,所述识别信息包括第二关键词信息,所述识别信息与所述识别结果相匹配至少包括如下之一情况:
所述第一关键词信息与所述第二关键词信息相同;
或者,
所述第一关键词信息与所述第二关键词信息表征相同的语义。
在一些实施例中,所述流程节点还包括话术信息,所述获取待处理语音信息还包括:
播放所述话术信息;
在所述话术信息播放完成后的预设时间范围内,或者在所述话术信息的播放过程中,若检测到语音输入,则获取输入的语音信息;
将获取到的所述语音信息确定为所述待处理语音信息。
第二方面,本发明实施例还提供了一种基于意图识别的流程节点跳转装置,包括:
待处理节点确定单元,用于将业务流程当前所处的流程节点确定为待处理节点,其中,所述业务流程预设有至少两个所述流程节点,所述流程节点关联有条件标签集和可选意图,所述可选意图关联有识别信息和意图标签,不同的所述可选意图所关联的所述意图标签互不相同,所述条件标签集包括至少一个条件标签;
语音处理单元,用于获取待处理语音信息,将所述待处理语音信息输入至预设的NLP模型进行语义识别,并获取所述NLP模型输出的识别结果;
意图出口确定单元,用于将所述识别信息与所述识别结果相匹配的所述可选意图确定为目标意图;
第一计数单元,用于将所述目标意图的所述意图标签输入至标签计数器,获取所述标签计数器得到的标签累计结果,其中,所述标签累计结果包括所述标签计数器在所述业务流程开始后获取到的全部所述意图标签;
目标流程节点确定单元,用于匹配所述条件标签集与所述标签累计结果,将匹配成功的所述条件标签集所关联的所述流程节点确定为目标流程节点;
节点跳转单元,用于跳转至所述目标流程节点,并将所述目标流程节点确定为新的待处理节点。
在一些实施例中,所述基于意图识别的流程节点跳转装置还包括:
标签计数器创建单元,用于当所述待处理节点为所述业务流程的首节点,创建并初始化所述标签计数器。
在一些实施例中,所述目标流程节点确定单元还包括:
第一数量获取单元,用于获取所述条件标签集的所述条件标签的数量,得到第一数量;
第二数量获取单元,用于获取所述标签累计结果的所述意图标签的数量,得到第二数量;
第一匹配单元,用于当所述第一数量与所述第二数量相同,且所述条件标签集的所述条件标签与所述标签累计结果的所述意图标签一一对应时,确定所述条件标签集与所述标签累计结果匹配成功。
在一些实施例中,所述第一计数单元还包括:
标签输入单元,用于将所述目标意图的所述类型标签和所述属性标签输入至所述标签计数器;
第二计数单元,用于通过所述标签计数器得到第一标签累计结果和第二标签累计结果,其中,所述第一标签累计结果包括所述标签计数器在所述业务流程开始后获取到的全部所述类型标签,所述第二标签累计结果包括所述标签计数器在所述业务流程开始后获取到的全部所述属性标签;
计数结果合并单元,用于通过所述标签计数器组合所述第一标签累计结果和所述第二标签累计结果,得到的所述标签累计结果;
计数结果获取单元,用于获取所述标签计数器输出的所述标签累计结果。
在一些实施例中,所述第一匹配单元还包括:
备选流程节点确定单元,用于将所关联的所述条件类型标签与所述第一标签累计结果的所述类型标签相匹配的流程节点确定为备选流程节点;
第二匹配单元,用于当所述备选流程节点所关联的所述条件属性标签与所述第二标签累计结果所对应的所述属性标签相匹配,确定所述条件标签集与所述标签累计结果匹配成功。
在一些实施例中,所述待处理节点确定单元还包括:
话术播放单元,用于播放所述话术信息;
语音信息获取单元,用于在所述话术信息播放完成后的预设时间范围内,或者在所述话术信息的播放过程中,若检测到语音输入,则获取输入的语音信息;
语音确定单元,用于将获取到的所述语音信息确定为所述待处理语音信息。
第三方面,本发明实施例还提供了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的基于意图识别的流程节点跳转方法。
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,存储有计算机可执行指令,所述计算机可执行指令用于执行如第一方面所述的基于意图识别的流程节点跳转方法。
本发明实施例包括:将业务流程当前所处的流程节点确定为待处理节点,其中,所述业务流程预设有至少两个所述流程节点,所述流程节点关联有条件标签集和可选意图,所述可选意图关联有识别信息和意图标签,不同的所述可选意图所关联的所述意图标签互不相同,所述条件标签集包括至少一个条件标签;获取待处理语音信息,将所述待处理语音信息输入至预设的NLP模型进行语义识别,并获取所述NLP模型输出的识别结果;将所述识别信息与所述识别结果相匹配的所述可选意图确定为目标意图;将所述目标意图的所述意图标签输入至标签计数器,获取所述标签计数器得到的标签累计结果,其中,所述标签累计结果包括所述标签计数器在所述业务流程开始后获取到的全部所述意图标签;匹配所述条件标签集与所述标签累计结果,将匹配成功的所述条件标签集所关联的所述流程节点确定为目标流程节点;跳转至所述目标流程节点,并将所述目标流程节点确定为新的待处理节点。根据本发明实施例提供的方案,能够通过流程节点的运行自动累计不同的意图标签,无需人手操作,通过多次累计到的意图标签确定目标流程节点,能够在复杂逻辑的情况下有效提高目标流程节点的匹配准确性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1是本发明一个实施例提供的基于意图识别的流程节点跳转方法的流程图;
图2是本发明另一个实施例提供的创建标签计数器的流程图;
图3是本发明另一个实施例提供的确定目标流程节点的流程图;
图4是本发明另一个实施例提供的标签计数器的工作流程图;
图5是本发明另一个实施例提供的业务流程的示例图;
图6是本发明另一个实施例提供的确定目标流程节点的流程图;
图7是本发明另一个实施例提供的确定目标意图的流程图;
图8是本发明另一个实施例提供的获取待处理语音信息的流程图;
图9是本发明另一个实施例提供的基于意图识别的流程节点跳转装置的结构图;
图10是本发明另一个实施例提供的电子设备结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本发明提供了一种基于意图识别的流程节点跳转方法、装置、设备及介质,方法包括:将业务流程当前所处的流程节点确定为待处理节点,其中,所述业务流程预设有至少两个所述流程节点,所述流程节点关联有条件标签集和可选意图,所述可选意图关联有识别信息和意图标签,不同的所述可选意图所关联的所述意图标签互不相同,所述条件标签集包括至少一个条件标签;获取待处理语音信息,将所述待处理语音信息输入至预设的NLP模型进行语义识别,并获取所述NLP模型输出的识别结果;将所述识别信息与所述识别结果相匹配的所述可选意图确定为目标意图;将所述目标意图的所述意图标签输入至标签计数器,获取所述标签计数器得到的标签累计结果,其中,所述标签累计结果包括所述标签计数器在所述业务流程开始后获取到的全部所述意图标签;匹配所述条件标签集与所述标签累计结果,将匹配成功的所述条件标签集所关联的所述流程节点确定为目标流程节点;跳转至所述目标流程节点,并将所述目标流程节点确定为新的待处理节点。根据本发明实施例提供的方案,能够通过流程节点的运行自动累计不同的意图标签,无需人手操作,通过多次累计到的意图标签确定目标流程节点,能够在复杂逻辑的情况下有效提高目标流程节点的匹配准确性。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)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。
下面结合附图,对本发明实施例作进一步阐述。
如图1所示,图1是本发明一个实施例提供的一种基于意图识别的流程节点跳转方法,包括以下步骤:
步骤S110,将业务流程当前所处的流程节点确定为待处理节点,其中,业务流程预设有至少两个流程节点,流程节点关联有条件标签集和可选意图,可选意图关联有识别信息和意图标签,不同的可选意图所关联的意图标签互不相同,条件标签集包括至少一个条件标签;
步骤S120,获取待处理语音信息,将待处理语音信息输入至预设的NLP模型进行语义识别,并获取NLP模型输出的识别结果;
步骤S130,将识别信息与识别结果相匹配的可选意图确定为目标意图;
步骤S140,将目标意图的意图标签输入至标签计数器,获取标签计数器得到的标签累计结果,其中,标签累计结果包括标签计数器在业务流程开始后获取到的全部意图标签;
步骤S150,匹配条件标签集与标签累计结果,将匹配成功的条件标签集所关联的流程节点确定为目标流程节点;
步骤S160,跳转至目标流程节点,并将目标流程节点确定为新的待处理节点。
需要说明的是,应用人工智能的智能客服系统,服务对象为通常为企业的用户,而在用户咨询通常具有较强的主观性,因此并不能预测用户所需要咨询的具体业务,因此,业务流程可以覆盖全部能够提供智能客服的业务,例如对于银行客服领域,业务流程可以包括余额业务、信用卡业务、逾期业务等,并且针对每一种业务设置多个流程节点,能够确保全流程覆盖即可,有效提高用户体验。
可以理解的是,通过流程节点的设置,能够有效提高智能客服的灵活性,当某一个业务需要修改流程时,只需要对流程节点进行调整,例如增加流程节点、删除流程节点,也可以对流程节点的条件标签集和可选意图进行修改,本领域技术人员熟知如何在设置有流程节点的情况下对其配置进行调整,在此不多作赘述。
需要说明的是,条件标签集可以包括一个或者多个条件标签,条件标签可以通过预先设定的方式配置于每一个流程节点,通过条件标签集能够实现流程节点的匹配条件的调整,例如在流程节点的跳转条件需要变更的情况下,可以通过增加或者减少条件标签的数量,或者修改条件标签的类型实现,有效提高了业务流程的灵活性。可以理解的是,条件标签和意图标签可以是相同的标签,即一个标签可以同时配置为意图标签和条件标签,例如,以标签1为例,当标签1设置在条件标签集,该标签1可以确定为条件标签,与此同时,标签1也可以应用于意图标签,从而使得意图标签能够与条件标签实现匹配,为流程节点的自动跳转提供数据基础。
需要说明的是,可选意图的数量可以是任意,本实施例对此不多作限定,为了对可选意图进行区分,可以针对可选意图设置不同的意图标签,从而确保匹配的目标流程节点互不相同。可以理解的是,不同的意图标签可以是标签的具体内容不同,也可以是相同的标签内容与不同编号的组合,例如如图5所示,可以是流程节点1可以设置可选意图1-1和可选意图1-2,以可选意图1-1为例,可以设置咨询类标签1、信用卡标签1等;或者针对可选意图的不同触发次数确定具体的意图标签编号,以图5的流程节点1为例,当可选意图1被触发一次,可以确定为可选意图1-1,其对应的标签可以包括例如咨询类标签1、信用卡标签1、余额标签1和逾期标签1;当被触发两次,例如触发了咨询类标签和信用卡标签,则可以确定为可选意图1-2,其对应的意图标签为咨询类标签2、信用卡标签2、余额标签2和逾期标签2,以表征该可选意图1-2被匹配成功两次,本领域技术人员有动机根据实际需求调整意图标签的类型,在此不多作限定。可以理解的是,可选意图的识别信息可以是预先设定的关键词或者标识信息,能够用于与NLP模型输出的识别结果进行匹配即可,本实施例对此不多作限定。
需要说明的是,由于智能客服系统用于为用户提供人工智能服务,因此待处理语音可以是通过电话获取到实时语音,本领域技术人员熟知如何获取用户的电话语音,在此不多作赘述。
值得注意的是,NLP模型是基于人工智能的自然语言处理模型,通过预先训练好的NLP模型,能够对输入的语音信息进行处理,包括但不限于语义识别、语音合成、语音识别等,并且输出识别结果,其中,识别结果可以是关键词或者预先设定好的标识信息,能够用于与设定好的识别信息进行匹配即可,本领域技术人员熟知如何对NLP模型进行配置、训练和选取具体的输出结果的类型,在此不用多作赘述。
需要说明的是,对于银行客服或者催收类领域,例如对于信用卡业务,可以是先咨询逾期的相关信息,再咨询逾期情况,再针对逾期情况咨询需要还款的相关信息,上述三个信息是具有前后逻辑关联的,若采用现有技术的针对每个问题单独匹配流程节点,很容易在后两个问题中脱离与该用户的关联,例如在咨询需要还款的相关信息时,仅仅向客户反馈还款方式,而不会结合逾期情况附加关于期限的提醒。基于此,本实施例通过标签计数器对意图标签进行累计,能够结合多个流程节点确定的意图标签进行目标流程节点的匹配,提高目标流程节点匹配的准确性。需要说明的是,标签计数器可以是智能客服系统的功能模块,用于对每个流程节点输入的意图标签进行累计并保存,并且输出业务流程开始后获取到的全部意图标签,例如在流程节点1输入了意图标签1,在流程节点2输入了意图标签2,则针对流程节点2输出的标签累计结果为意图标签1和意图标签2,通过累计的方式体现流程之间的逻辑关系,使得智能客服系统的响应更加符合用户需求。
值得注意的是,当执行步骤S160跳转至目标流程节点之后,可以将目标流程节点确定为新的待处理节点,并且重复执行步骤S110至步骤S150,从而实现业务流程的自动运作,无需人工操作,提高了智能客服的运行效率。
另外,参照图2,在一实施例中,在执行完图1所示实施例中的步骤S110之后,还包括但不限于有以下步骤:
步骤S210,当待处理节点为业务流程的首节点,创建并初始化标签计数器。
需要说明的是,基于上述实施例的描述,标签计数器用于对意图标签进行累计,因此标签计数器可以在获取到首个意图标签之前创建和初始化,例如在确定待处理节点为首节点的情况下创建,也可以预先配置好计数器,根据实际需求选取具体的创建时机即可。
另外,参照图3,在一实施例中,图1所示实施例中的步骤S150,还包括但不限于有以下步骤:
步骤S310,获取条件标签集的条件标签的数量,得到第一数量;
步骤S320,获取标签累计结果的意图标签的数量,得到第二数量;
步骤S330,当第一数量与第二数量相同,且条件标签集的条件标签与标签累计结果的意图标签一一对应时,确定条件标签集与标签累计结果匹配成功。
需要说明的是,在获取到每一个待处理节点的意图标签之后,可以通过标签计数器进行累计,从而得到从业务流程开始积累的全部意图标签,因此可以在每个流程节点的条件标签集设置多个条件标签,在匹配的过程中确保标签累计结果与条件标签集的内容一一对应,避免模糊匹配导致匹配到错误的目标流程节点。
需要说明的是,条件标签集是条件标签的集合,包括至少一个条件标签,而标签累计结果是业务流程开始后获取到的全部意图标签,实质上也相当于意图标签的集合,因此为了对两个集合的标签进行匹配,可以先通过标签的数量进行初步判断,若数量不同则代表二者包括的标签不能完全匹配,提高标签匹配的效率。可以理解的是,本领域技术人员熟知如何对集合内的数量进行统计,从而得到上述的第一数量和第二数量,在此不多作赘述。
需要说明的是,基于上述图1的实施例,条件标签和意图标签可以是相同的标签,例如标签名称或者标识信息相同,因此在数量相匹配的情况下,可以对标签的具体内容进行匹配,例如图5所示的流程节点3,条件标签集3的条件标签可以包括咨询类标签2、信用卡标签2、余额标签2和逾期标签2,与可选意图1-2中的意图标签能够匹配成功,,具体匹配流程为本领域技术人员熟知的技术,在此不再赘述。
另外,参照图4,在一实施例中,意图标签包括类型标签和属性标签,图1所示实施例中的步骤S140,还包括但不限于有以下步骤:
步骤S410,将目标意图的类型标签和属性标签输入至标签计数器;
步骤S420,通过标签计数器得到第一标签累计结果和第二标签累计结果,其中,第一标签累计结果包括标签计数器在业务流程开始后获取到的全部类型标签,第二标签累计结果包括标签计数器在业务流程开始后获取到的全部属性标签;
步骤S430,通过标签计数器组合第一标签累计结果和第二标签累计结果,得到的标签累计结果;
步骤S440,获取标签计数器输出的标签累计结果。
需要说明的是,类型标签可以表征用户需求,例如用户意图表征用户需要进行咨询,则类型标签可以是图5中所示的咨询类标签,又如,用户意图表征用户表达了肯定回答,则类型标签可以是图5中所示的肯定类标签,具体类型根据实际需求调整即可。
需要说明的是,属性标签可以表征用户意图的具体属性,例如图5所示的余额标签、逾期标签等,通过类别标签和属性标签的组合,能够从两个维度对用户意图进行区分,便于管理。
需要说明的是,标签计数器能够对输入的标签进行累计,而为了分别对类型标签和属性标签进行统计,标签技术器也可以预先配置好分类功能,即标签输入后按照类别分类,从而实现将类型标签和属性标签分别进行累计,从而得到第一标签累计结果和第二标签累计结果,具体的累计方法和原理可以参考图1所示实施例的描述,在此不多作赘述。
另外,参照图6,在一实施例中,条件标签包括条件类型标签和条件属性标签,图3所示实施例中的步骤S320,还包括但不限于有以下步骤:
步骤S610,将所关联的条件类型标签与第一标签累计结果的类型标签相匹配的流程节点确定为备选流程节点;
步骤S620,当备选流程节点所关联的条件属性标签与第二标签累计结果所对应的属性标签相匹配,确定条件标签集与标签累计结果匹配成功。
需要说明的是,在业务流程的逻辑较为复杂,以及每个流程节点的条件标签数量较多的情况下,标签累计结果和条件标签集需要匹配的数据较多,为了提高匹配效率,可以先通过第一标签累计结果确定出备选流程节点,再根据第二标签累计结果进行进一步的细化匹配,例如,可以先确定第一标签累计结果,例如统计在业务流程开始后获取到的全部咨询类标签,例如如图5所示,当咨询类标签被累计两次,可以确定类型标签为咨询类标签2,确定流程节点3为备选流程节点,在此基础上,在通过第二标签累计结果,当确定属性标签包括信用卡标签2、余额标签2和逾期标签2,则可以确定流程节点3为目标流程节点,能够有效减少匹配次数,提高目标流程节点的匹配效率。
另外,参照图7,在一实施例中,识别结果包括第一关键词信息,识别信息包括第二关键词信息,图1所示实施例中的步骤S130,还包括但不限于有以下步骤:
步骤S710,第一关键词信息与第二关键词信息相同;
或者,
步骤S720,第一关键词信息与第二关键词信息表征相同的语义。
需要说明的是,对于智能客服系统而言,其目的在于提供客户服务,因此第一关键词信息可以用于流程节点所能提供的服务、对象、操作等,例如所能提供的服务所对应的关键词可以包括“查询”、“还款”等,对象所对应的关键词可以包括“账户”、“信用卡”等,操作所对应的关键词可以包括“挂失”、“注销”等,本领域技术人员有动机根据流程节点的实际需求选取不同的关键词作为第一关键词信息。
需要说明的是,第二关键词信息获取于用户输入的待处理语音,例如来自于客户电话的实时语音,通过NLP模型进行语义识别,以提出至少一个第二关键词信息。例如,NLP模型可以是预先训练好,为了使得NLP模型的输出尽量接近于第一关键词信息,可以以第一关键词信息作为样本输出对NLP模型进行训练,本领域技术人员熟知如何配置和训练NLP模型,在此不多作赘述。
需要说明的是,关键词信息的数量可以是任意,例如在识别信息可以是预先设定的多个第二关键词信息,识别结果中的第一关键词信息能够与第二关键词信息中的至少一个相匹配,则可以确定匹配成功。
需要说明的是,由于不同用户的语言习惯不同,因此即使通过相同的NLP模型进行语义识别,得到的识别结果也可能不同,若识别得到的第二关键词信息与第一关键词信息相同,则通过简单的文字匹配即可确定,在此不多作赘述;若第二关键词信息与第一关键词信息在文字上不相同,但是可能在语义上是相同的,例如第一关键词信息为“余额”,第二关键词信息为“剩余的金额”,可以确定为二者表征相同的语义,因此,在确定识别结果之后,可以通过常见的词义识别方式,确定第一关键词信息和第二关键词信息在词义上是否相近,若是则可以确定识别成功,能够提高智能客服系统的适用范围。
另外,参照图8,在一实施例中,流程节点还包括话术信息,图1所示实施例中的步骤S120,还包括但不限于有以下步骤:
步骤S810,播放话术信息;
步骤S820,在话术信息播放完成后的预设时间范围内,或者在话术信息的播放过程中,若检测到语音输入,则获取输入的语音信息;
步骤S830,将获取到的语音信息确定为待处理语音信息。
需要说明的是,话术信息可以参考图5所示的方式,针对每个流程节点预先设置好话术信息,当然,也可以在流程节点中设置话术信息的映射方式,例如设置话术编号,通过话术编号从数据库汇总读取出对应的待播放语音信息进行播放,也可以是保存在流程节点中的话术文字,通过人工智能播报系统根据该话术文字进行播放,当确定该流程节点为目标流程节点之后,播放相对应的话术信息即可,本实施例对话术信息的具体设置方式不作过多的限定。
需要说明的是,对于智能客服系统而言,在播放完语音信息后,若遇到用户长时间不应答,保持获取语音信息的待机状态会导致资源的浪费,因此,可以预先设定预设时间范围,在该预设时间范围内检测到语音输入,则正常获取语音信息,具体的时间范围可以根据实际需求调整。
可以理解的是,在该语音信息播放过程中,用户可能听完之后再作出下一次回答,也可能直接打断话术信息的播放,为了提供更好的用户体验,可以在检测到语音信息输入的情况下,中断话术信息的播放并获取待处理语音,具体的用户语音的获取方式可以通过常见的电话录音方式获取,本实施例对此不多作限定。
另外,参考图9,本发明的一个实施例还提供了一种基于意图识别的流程节点跳转装置,包括:
待处理节点确定单元910,用于将业务流程当前所处的流程节点确定为待处理节点,其中,业务流程预设有至少两个流程节点,流程节点关联有条件标签集和可选意图,可选意图关联有识别信息和意图标签,不同的可选意图所关联的意图标签互不相同,条件标签集包括至少一个条件标签;
语音处理单元920,用于获取待处理语音信息,将待处理语音信息输入至预设的NLP模型进行语义识别,并获取NLP模型输出的识别结果;
意图出口确定单元930,用于确定目标意图,目标意图为识别信息与识别结果相匹配的可选意图;
第一计数单元940,用于将目标意图的意图标签输入至标签计数器,获取标签计数器得到的标签累计结果,其中,标签累计结果包括标签计数器在业务流程开始后获取到的全部意图标签;
目标流程节点确定单元950,用于匹配条件标签集与标签累计结果,将匹配成功的条件标签集所关联的流程节点确定为目标流程节点;
节点跳转单元960,用于跳转至目标流程节点,并将目标流程节点确定为新的待处理节点。
另外,参考图9,在一实施例中,基于意图识别的流程节点跳转装置900还包括:
标签计数器创建单元970,用于当待处理节点为业务流程的首节点,创建并初始化标签计数器。
另外,参考图9,在一实施例中,目标流程节点确定单元950还包括:
第一数量获取单元951,用于获取第一数量,第一数量为条件标签集的条件标签的数量;
第二数量获取单元952,用于获取第二数量,第二数量为标签累计结果的意图标签的数量;
第一匹配单元953,用于当第一数量与第二数量相同,且条件标签集的条件标签与标签累计结果的意图标签一一对应时,确定条件标签集与标签累计结果匹配成功。
另外,参考图9,在一实施例中,第一计数单元940还包括:
标签输入单元941,用于将目标意图的类型标签和属性标签输入至标签计数器;
第二计数单元942,用于通过标签计数器得到第一标签累计结果和第二标签累计结果,其中,第一标签累计结果包括标签计数器在业务流程开始后获取到的全部类型标签,第二标签累计结果包括标签计数器在业务流程开始后获取到的全部属性标签;
计数结果合并单元943,用于通过标签计数器组合第一标签累计结果和第二标签累计结果,得到的标签累计结果;
计数结果获取单元944,用于获取标签计数器输出的标签累计结果。
另外,参考图9,在一实施例中,第一匹配单元953还包括:
备选流程节点确定单元954,用于将所关联的条件类型标签与第一标签累计结果的类型标签相匹配的流程节点确定为备选流程节点;
第二匹配单元955,用于当备选流程节点所关联的条件属性标签与第二标签累计结果所对应的属性标签相匹配,确定条件标签集与标签累计结果匹配成功。
另外,参考图9,在一实施例中,待处理节点确定单元910还包括:
话术播放单元911,用于播放话术信息;
语音信息获取单元912,用于在话术信息播放完成后的预设时间范围内,或者在话术信息的播放过程中,若检测到语音输入,则获取输入的语音信息;
语音确定单元913,用于将获取到的语音信息确定为待处理语音信息。
另外,参照图10,本发明的一个实施例还提供了一种电子设备,该电子设备1000包括:存储器1010、处理器1020及存储在存储器1010上并可在处理器1020上运行的计算机程序。
处理器1020和存储器1010可以通过总线或者其他方式连接。
实现上述实施例的基于意图识别的流程节点跳转方法所需的非暂态软件程序以及指令存储在存储器1010中,当被处理器1020执行时,执行上述实施例中的基于意图识别的流程节点跳转方法,例如,执行以上描述的图1中的方法步骤S110至步骤S160、图2中的方法步骤S210、图3中的方法步骤S310至步骤S330、图4中的方法步骤S410至步骤S440、图6中的方法步骤S610至步骤S620、图7中的方法步骤S710至步骤S720、图8中的方法步骤S810至步骤S830。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
此外,本发明的一个实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个处理器或控制器执行,例如,被上述设备实施例中的一个处理器执行,可使得上述处理器执行上述实施例中基于意图识别的流程节点跳转方法,例如,执行以上描述的图1中的方法步骤S110至步骤S160、图2中的方法步骤S210、图3中的方法步骤S310至步骤S330、图4中的方法步骤S410至步骤S440、图6中的方法步骤S610至步骤S620、图7中的方法步骤S710至步骤S720、图8中的方法步骤S810至步骤S830。本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
以上是对本发明的较佳实施进行了具体说明,但本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换,这些等同的变形或替换均包含在本发明权利要求所限定的范围内。
Claims (10)
1.一种基于意图识别的流程节点跳转方法,其特征在于,包括以下步骤:
将当前在业务流程中所处的流程节点确定为待处理节点,其中,所述业务流程预设有至少两个所述流程节点,所述流程节点关联有条件标签集和可选意图,所述可选意图关联有识别信息和意图标签,不同的所述可选意图所关联的所述意图标签互不相同,所述条件标签集包括至少一个条件标签;
获取待处理语音信息,将所述待处理语音信息输入至预设的自然语义处理NLP模型进行语义识别,并获取所述NLP模型输出的识别结果;
将所述识别信息与所述识别结果相匹配的所述可选意图确定为目标意图;
将所述目标意图的所述意图标签输入至标签计数器,获取所述标签计数器得到的标签累计结果,其中,所述标签累计结果包括所述标签计数器在所述业务流程开始后获取到的全部所述意图标签;
匹配所述条件标签集与所述标签累计结果,将匹配成功的所述条件标签集所关联的所述流程节点确定为目标流程节点;
跳转至所述目标流程节点,并将所述目标流程节点确定为新的待处理节点。
2.根据权利要求1所述的方法,其特征在于,在所述将业务流程当前所处的流程节点确定为待处理节点之后,所述方法还包括:
当所述待处理节点为所述业务流程的首节点,创建并初始化所述标签计数器。
3.根据权利要求1所述的方法,其特征在于,所述匹配所述条件标签集与所述标签累计结果,包括:
获取所述条件标签集的所述条件标签的数量,得到第一数量;
获取所述标签累计结果的所述意图标签的数量,得到第二数量;
当所述第一数量与所述第二数量相同,且所述条件标签集的所述条件标签与所述标签累计结果的所述意图标签一一对应时,确定所述条件标签集与所述标签累计结果匹配成功。
4.根据权利要求3所述的方法,其特征在于,所述意图标签包括类型标签和属性标签,所述将所述目标意图的所述意图标签输入至标签计数器,所述获取所述标签计数器得到的标签累计结果,包括:
将所述目标意图的所述类型标签和所述属性标签输入至所述标签计数器;
通过所述标签计数器得到第一标签累计结果和第二标签累计结果,其中,所述第一标签累计结果包括所述标签计数器在所述业务流程开始后获取到的全部所述类型标签,所述第二标签累计结果包括所述标签计数器在所述业务流程开始后获取到的全部所述属性标签;
通过所述标签计数器组合所述第一标签累计结果和所述第二标签累计结果,得到的所述标签累计结果;
获取所述标签计数器输出的所述标签累计结果。
5.根据权利要求4所述的方法,其特征在于,所述条件标签包括条件类型标签和条件属性标签,所述当所述条件标签集的所述条件标签与所述标签累计结果的所述意图标签一一对应时,确定所述条件标签集与所述标签累计结果匹配成功,包括:
将所关联的所述条件类型标签与所述第一标签累计结果的所述类型标签相匹配的流程节点确定为备选流程节点;
当所述备选流程节点所关联的所述条件属性标签与所述第二标签累计结果所对应的所述属性标签相匹配时,确定所述条件标签集与所述标签累计结果匹配成功。
6.根据权利要求1所述的方法,其特征在于,所述识别结果包括第一关键词信息,所述识别信息包括第二关键词信息,所述识别信息与所述识别结果相匹配至少包括如下之一情况:
所述第一关键词信息与所述第二关键词信息相同;
或者,
所述第一关键词信息与所述第二关键词信息表征相同的语义。
7.根据权利要求1所述的方法,其特征在于,所述流程节点还包括话术信息,所述获取待处理语音信息还包括:
播放所述话术信息;
在所述话术信息播放完成后的预设时间范围内,或者在所述话术信息的播放过程中,若检测到语音输入,则获取输入的语音信息;
将获取到的所述语音信息确定为所述待处理语音信息。
8.一种基于意图识别的流程节点跳转装置,其特征在于,包括:
待处理节点确定单元,用于将业务流程当前所处的流程节点确定为待处理节点,其中,所述业务流程预设有至少两个所述流程节点,所述流程节点关联有条件标签集和可选意图,所述可选意图关联有识别信息和意图标签,不同的所述可选意图所关联的所述意图标签互不相同,所述条件标签集包括至少一个条件标签;
语音处理单元,用于获取待处理语音信息,将所述待处理语音信息输入至预设的NLP模型进行语义识别,并获取所述NLP模型输出的识别结果;
意图出口确定单元,用于将所述识别信息与所述识别结果相匹配的所述可选意图确定为目标意图;
第一计数单元,用于将所述目标意图的所述意图标签输入至标签计数器,获取所述标签计数器得到的标签累计结果,其中,所述标签累计结果包括所述标签计数器在所述业务流程开始后获取到的全部所述意图标签;
目标流程节点确定单元,用于匹配所述条件标签集与所述标签累计结果,将匹配成功的所述条件标签集所关联的所述流程节点确定为目标流程节点;
节点跳转单元,用于跳转至所述目标流程节点,并将所述目标流程节点确定为新的待处理节点。
9.一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的基于意图识别的流程节点跳转方法。
10.一种计算机可读存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令用于执行如权利要求1至7中任意一项所述的基于意图识别的流程节点跳转方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111061994.4A CN113593533B (zh) | 2021-09-10 | 2021-09-10 | 基于意图识别的流程节点跳转方法、装置、设备及介质 |
PCT/CN2022/071073 WO2023035524A1 (zh) | 2021-09-10 | 2022-01-10 | 基于意图识别的流程节点跳转方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111061994.4A CN113593533B (zh) | 2021-09-10 | 2021-09-10 | 基于意图识别的流程节点跳转方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113593533A true CN113593533A (zh) | 2021-11-02 |
CN113593533B CN113593533B (zh) | 2023-05-02 |
Family
ID=78241786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111061994.4A Active CN113593533B (zh) | 2021-09-10 | 2021-09-10 | 基于意图识别的流程节点跳转方法、装置、设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113593533B (zh) |
WO (1) | WO2023035524A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023035524A1 (zh) * | 2021-09-10 | 2023-03-16 | 平安科技(深圳)有限公司 | 基于意图识别的流程节点跳转方法、装置、设备及介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116665676B (zh) * | 2023-07-31 | 2023-09-22 | 枣庄福缘网络科技有限公司 | 一种用于智能语音外呼系统的语义识别方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170011117A1 (en) * | 2014-03-26 | 2017-01-12 | Huawei Technologies Co., Ltd. | Help Processing Method and Device Based on Semantic Recognition |
CN110956956A (zh) * | 2019-12-13 | 2020-04-03 | 集奥聚合(北京)人工智能科技有限公司 | 基于策略规则的语音识别方法及装置 |
CN111078855A (zh) * | 2019-12-19 | 2020-04-28 | 联想(北京)有限公司 | 信息处理方法、装置、电子设备及存储介质 |
CN111488447A (zh) * | 2020-04-16 | 2020-08-04 | 上海茂声智能科技有限公司 | 一种意图节点跳转方法、装置和跳转设备 |
CN112185358A (zh) * | 2020-08-24 | 2021-01-05 | 维知科技张家口有限责任公司 | 意图识别方法、模型的训练方法及其装置、设备、介质 |
CN112732882A (zh) * | 2020-12-30 | 2021-04-30 | 平安科技(深圳)有限公司 | 用户意图识别方法、装置、设备及计算机可读存储介质 |
CN112905902A (zh) * | 2020-09-11 | 2021-06-04 | 卞美玲 | 面向云计算和人工智能的会话意图提取方法及系统 |
US20210256969A1 (en) * | 2020-02-19 | 2021-08-19 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for recognizing user intention, device, and readable storage medium |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112018007127T5 (de) * | 2018-02-20 | 2020-11-05 | Lg Electronics Inc. | Anzeigevorrichtung |
CN112163081A (zh) * | 2020-10-14 | 2021-01-01 | 网易(杭州)网络有限公司 | 标签确定方法、装置、介质及电子设备 |
CN112989035B (zh) * | 2020-12-22 | 2023-08-15 | 深圳市中保信息技术有限公司 | 基于文本分类识别用户意图的方法、装置及存储介质 |
CN113593533B (zh) * | 2021-09-10 | 2023-05-02 | 平安科技(深圳)有限公司 | 基于意图识别的流程节点跳转方法、装置、设备及介质 |
-
2021
- 2021-09-10 CN CN202111061994.4A patent/CN113593533B/zh active Active
-
2022
- 2022-01-10 WO PCT/CN2022/071073 patent/WO2023035524A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170011117A1 (en) * | 2014-03-26 | 2017-01-12 | Huawei Technologies Co., Ltd. | Help Processing Method and Device Based on Semantic Recognition |
CN110956956A (zh) * | 2019-12-13 | 2020-04-03 | 集奥聚合(北京)人工智能科技有限公司 | 基于策略规则的语音识别方法及装置 |
CN111078855A (zh) * | 2019-12-19 | 2020-04-28 | 联想(北京)有限公司 | 信息处理方法、装置、电子设备及存储介质 |
US20210256969A1 (en) * | 2020-02-19 | 2021-08-19 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for recognizing user intention, device, and readable storage medium |
CN111488447A (zh) * | 2020-04-16 | 2020-08-04 | 上海茂声智能科技有限公司 | 一种意图节点跳转方法、装置和跳转设备 |
CN112185358A (zh) * | 2020-08-24 | 2021-01-05 | 维知科技张家口有限责任公司 | 意图识别方法、模型的训练方法及其装置、设备、介质 |
CN112905902A (zh) * | 2020-09-11 | 2021-06-04 | 卞美玲 | 面向云计算和人工智能的会话意图提取方法及系统 |
CN112732882A (zh) * | 2020-12-30 | 2021-04-30 | 平安科技(深圳)有限公司 | 用户意图识别方法、装置、设备及计算机可读存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023035524A1 (zh) * | 2021-09-10 | 2023-03-16 | 平安科技(深圳)有限公司 | 基于意图识别的流程节点跳转方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023035524A1 (zh) | 2023-03-16 |
CN113593533B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11030412B2 (en) | System and method for chatbot conversation construction and management | |
US20170337261A1 (en) | Decision Making and Planning/Prediction System for Human Intention Resolution | |
CN101287040B (zh) | 基于发送方与接收方之间的交互历史和上下文的动作预测 | |
CN113593533B (zh) | 基于意图识别的流程节点跳转方法、装置、设备及介质 | |
US20210142291A1 (en) | Virtual business assistant ai engine for multipoint communication | |
CN109492152B (zh) | 推送定制内容的方法、装置、计算机设备及存储介质 | |
CN113051362B (zh) | 数据的查询方法、装置和服务器 | |
CN105117387B (zh) | 一种智能机器人交互系统 | |
CN110390182B (zh) | 一种确定小程序类目的方法、系统及设备 | |
US11495227B2 (en) | Artificial intelligence (AI) based user query intent analyzer | |
CN111813900B (zh) | 多轮对话处理方法、装置、电子设备及存储介质 | |
CN111640436A (zh) | 向坐席提供通话对象的动态客户画像的方法 | |
CN101202792B (zh) | 基于发送方与接收方之间的关系处理消息的方法和装置 | |
CN114911929A (zh) | 分类模型训练方法、文本挖掘方法、设备及存储介质 | |
CN117057762A (zh) | 基于ai的岗位信息处理方法、装置、设备及存储介质 | |
CN110246494A (zh) | 基于语音识别的服务请求方法、装置及计算机设备 | |
CN111309882B (zh) | 用于实现智能客服问答的方法和装置 | |
Richetti et al. | Analysis of knowledge-intensive processes focused on the communication perspective | |
US20230110127A1 (en) | Intelligent creation of customized responses to customer feedback | |
CN113094471A (zh) | 交互数据处理方法和装置 | |
CN113434765A (zh) | 客户回访方法、系统、设备及存储介质 | |
CN110209934A (zh) | 基于微表情识别的信息推送方法及相关装置 | |
CN113744066B (zh) | 信息推送方法及装置 | |
CN113159901B (zh) | 融资租赁业务会话的实现方法和装置 | |
CN115145449B (zh) | 书单生成方法、电子设备及计算机存储介质 |
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 |