CN113615135B - 到不同端点的动态通信路由 - Google Patents

Abstract

本发明总体涉及促进通信的路由。更具体地，提供了在配置有多通道能力的通信会话期间在机器人和终端设备之间动态路由具有多个意图的消息的技术。

Description

到不同端点的动态通信路由

相关申请的交叉引用

本发明要求于2019年3月19日递交的名称为“Dynamic Communications Routingto Disparate Endpoints”的美国临时专利No.62/820,500的优先权权益，该临时专利的公开内容通过引用并入本文中。

技术领域

本发明总体涉及促进通信的路由。更具体地，提供了在配置有多通道能力的通信会话期间在机器人和终端设备之间动态路由具有多个意图的消息的技术。

发明内容

术语实施方式及类似术语旨在宽泛地适用于本公开和所附的权利要求的所有主题。包含这些术语的表述应该理解为不限制本文描述的主题或不限制所附权利要求的含义或范围。本文覆盖的本发明的实施方式由所附的权利要求限定而不由本发明内容限定。本发明内容是本发明的各个方面的高度概括并且介绍了在下面的具体实施方式部分进一步描述的一些概念。本发明内容不旨在标识所要求保护的主题的关键或必要特征，也不旨在单独用于确定所要求保护的主题的范围。应该通过参考本发明的整个说明书的适当部分、任一或全部附图以及每项权利要求来理解所述主题。

本发明的某些实施方式包括一种计算机实现的方法。该方法可以包括接收与客户端设备相关联的一个或多个变量。客户端设备可以由客户端操作。该方法还可以包括从网络设备接收用于客户端的消息。该消息可以包括第一意图和第二意图。该方法还可以包括解析所述消息以识别第一意图和第二意图。第一意图可以与第一可操作项相关联，第二意图可以与第二可操作项相关联。该方法还可以包括分析第一意图和第二意图以确定用于执行第一可操作项和第二可操作项的优先级。优先级可以指示应该首先执行第一可操作项并且应该其次执行第二可操作项。该方法还可以包括将第一意图和第二意图馈送到机器学习模型中。机器学习模型可以通过优化与客户端设备相关联的所述一个或多个变量来识别用于第一意图的第一端点和用于第二意图的第二端点。该方法还可以包括将第一意图路由到第一端点。此后第一端点可以执行第一可操作项。该方法还可以包括将第二意图路由到第二端点。此后第二端点可以执行第二可操作项。

本发明的某些实施方式包括一种系统。该系统可以包括：一个或多个数据处理器；以及包含指令的非暂时性计算机可读存储介质，该指令当在所述一个或多个数据处理器上执行时，使所述一个或多个数据处理器执行上文和本文所述的方法。

本发明的某些实施方式包括一种有形地体现在非暂时性机器可读存储介质中的计算机程序产品，该非暂时性机器可读存储介质包括被配置为使数据处理装置执行上述和本文所述的方法的指令。

附图说明

结合附图描述本发明：

图1示出了网络交互系统的一实施方式的框图；

图2示出了网络交互系统的另一实施方式的框图；

图3A-图3C示出了包括连接管理系统的网络交互系统的其他实施方式的框图；

图4示出了连接组件的操作的协议栈映射的表示；

图5表示根据一实施方式的多设备通信交换系统；

图6示出了连接管理系统的一实施方式的框图；

图7示出了用于在通信会话期间在机器人和终端设备之间动态切换的网络环境的框图；

图8示出了代表用于跨多个通道环境动态选择端点的网络环境的框图；

图9示出了表示用于使用机器学习技术增强端点选择的网络环境的框图；以及

图10示出了用于在通信会话期间在机器人和终端设备之间路由消息的示例性过程。

图11示出了表示其中可以实现用于编排由人工智能(AI)驱动的对话的系统的网络环境的框图。

图12示出了表示在对话的AI驱动的编排内的示例性信息流的框图。

图13A-图13C示出了由AI驱动的系统编排的示例性对话。

在附图中，相似的组件和/或特征可以具有相同的附图标记。此外，相同类型的各种组件可以通过在附图标记后加上破折号和第二标记来区分，第二标记在相似的组件之间进行区分。如果在说明书中仅使用了第一附图标记，则该描述适用于具有相同的第一附图标记的相似组件中的任一者，而与第二附图标记无关。

具体实施方式

随后的描述仅提供(一个或多个)实施方式的优选示例，并且不旨在限制本发明的范围、适用性或配置。相反，随后的(一个或多个)实施方式的优选示例的描述将向本领域技术人员提供用于实现实施方式的优选示例的使能描述。应该理解，在不脱离如所附权利要求书所阐述的精神和范围的情况下，可以对元件的功能和布置进行各种改变。

图1示出了实现并支持本文中描述的某些实施方式和特征的网络交互系统100的实施方式的框图。某些实施方式涉及在网络设备105(其可以由用户110操作)和终端设备115(其可以由代理120操作)之间建立连接通道。在某些实施方式中，网络交互系统100可以包括与客户端125相关联的客户端设备130。

在某些实施方式中，用户110可以是浏览网站或访问由远程服务器140提供的在线服务的个人。客户端125可以是提供、操作或运行网站或在线服务的实体，或者是这种实体雇佣或由该实体指派以执行如本文中所描述的客户端125可用的任务的个人。代理120可以是个人，例如支持代理，其任务是向用户110提供有关网站或在线服务的支持或信息。在大量代理中，代理的子集可能适合于为特定客户端125提供支持或信息。代理120可以与客户端125有关或无关。每个代理可以与一个或多个客户端125相关联。在一些非限制性示例中，用户110可以是从个人计算设备在在线商店购物的个人，客户端125可以是在线销售产品的公司，并且代理120可以是由公司雇佣的代表。在各种实施方式中，用户110、客户端125和代理120可以是其他个人或实体。

尽管图1仅示出了单个的网络设备105、终端设备115、和客户端设备130，但是交互系统100可以包括这些类型的设备中的一者或多者中的每一者的多个或许多(例如，数十个、数百个或数千个)设备。类似地，尽管图1仅示出了单个用户110、代理120、和客户端125，但是交互系统100可以包括这些实体中的一者或多者中的每一者的多个或许多实体。因此，可能有必要确定要选择哪个终端设备与给定的网络设备进行通信。另外使事情复杂化的是，远程服务器140也可以被配置为接收并响应以选择网络-设备通信。

连接管理系统150可以促进通信的策略路由。通信可以包括具有内容的消息(例如，基于来自实体的输入(诸如键入或口头输入)定义的消息)。该通信还可以包括：附加数据，例如关于发送设备的数据(例如，IP地址、账户标识符、设备类型和/或操作系统)；目的地址；客户端的标识符；网页或网页元素(例如，在生成通信时正在访问的或以其他方式与通信相关联的网页或网页元素)的标识符或在线历史数据；时间(例如一天中的时间和/或日期)；和/或目的地址。在通信中可以包括其他信息。在一些实例中，连接管理系统150将整个通信路由至另一设备。在一些实例中，连接管理系统150修改通信或生成新的通信(例如，基于初始通信)。新的或修改后的通信可以包括消息(或其经处理版本)、(例如，关于发送设备、网页或在线历史记录和/或时间的)附加数据的至少一些(或全部)和/或由连接管理系统150识别的其他数据(例如，与特定账户标识符或设备相关联的账户数据)。新的或修改后的通信也可以包括其他信息。

部分的策略路由促进可以包括在网络设备105与一个或多个终端设备115之间建立、更新和使用一个或多个连接通道。例如，在从网络设备105接收到通信后，连接管理系统150可以首先估计通信对应于哪个客户端(如果有的话)。在识别客户端之后，连接管理系统150可以识别与该客户端相关联的用于与网络设备105进行通信的终端设备115。在一些实例中，该识别可以包括评估多个代理(或专家或代表)中的每一者的资料，多个代理中的每个代理(例如，代理120)与终端设备(例如，终端设备115)相关联。该评估可以涉及网络-设备消息中的内容。终端设备115的识别可以包括例如在2010年3月17日递交的美国申请号12/725,799中描述的技术，出于所有目的，该申请的全部内容通过引用并入本文中。

在一些实例中，连接管理系统150可以确定在网络设备105和与客户端(或远程服务器140)相关联的终端设备之间是否建立了任何连接通道，并且如果是，则确定是否要使用这种通道来交换包括所述通信在内的一系列通信。

在选择终端设备115来与网络设备105通信时，连接管理系统150可以在网络设备105和终端设备115之间建立连接通道。在一些实例中，连接管理系统150可以将消息发送到所选择的终端设备115。该消息可以请求接受所提议的与网络设备105进行通信的指派或者识别已经生成了这种指派。该消息可以包括关于网络设备105的信息(例如，IP地址、设备类型和/或操作系统)、关于相关联用户110的信息(例如，所说的语言、已经与客户端交互的持续时间、技能水平、情绪和/或主题偏好)、接收到的通信、用于生成通信并将其发送到网络设备105的代码(例如，可点击的超链接)、和/或用于生成通信并将其发送到网络设备105的指令。

在一个实例中，可以通过连接管理系统150来路由网络设备105与终端设备115之间的通信。这种配置可以允许连接管理系统150监控通信交换并检测问题(例如，如基于规则所定义的问题)，例如任一设备的无响应或延长的延迟。此外，这种配置可以促进通信的选择性存储或完整存储，这可以稍后用于例如评估通信交换的质量和/或支持学习以更新或生成路由规则，从而推进特定的后通信目标。

在一些实施方式中，连接管理系统150可以实时监控通信交换，并且基于实时通信执行自动化动作(例如，基于规则的动作)。例如，当连接管理系统150确定通信与特定项(例如，产品)有关时，连接管理系统150可以自动向终端设备115发送包含关于该项的附加信息(例如，可用项的数量、到与该项有关的支持文档的链接、或关于该项或类似项的其他信息)的附加消息。

在一个实例中，指定的终端设备115可以与网络设备105通信而无需通过连接管理系统150中继通信。设备105、115中的一者或两者可以(或者可以不)向连接管理系统150报告特定的通信度量或内容，以促进通信监控和/或数据存储。

如上所述，连接管理系统150可以将选择的通信路由到远程服务器140。远程服务器140可以被配置为以预定方式提供信息。例如，远程服务器140可以响应于通信而访问定义的一个或多个待发送的文本段落、语音记录和/或文件。远程服务器140可以基于例如对接收到的通信的分析(例如，语义或映射分析)来选择特定的文本段落、记录或文件。

可以基于至少部分地由一个或多个客户端设备130定义或由其提供的规则和/或数据来执行在连接管理系统150处执行的路由和/或其他确定或处理。例如，客户端设备130可以发送标识代理、终端设备类型和/或主题/技能匹配度的优先级的通信。作为另一示例，客户端设备130可以标识一个或多个权重以应用于可能影响路由确定的各种变量(例如，语言兼容性、预测的响应时间，设备类型和能力、和/或终端设备负载平衡)。将理解的是，哪些终端设备和/或代理将与客户端相关联可以是动态的。来自客户端设备130和/或终端设备115的通信可以提供指示给定的终端设备和/或代理将作为与客户端相关联的一个终端设备和/或代理被添加或移除的信息。例如，客户端设备130可以发送具有IP地址以及关于具有该地址的终端设备是否要添加到列表中或从该列表移除的指示的通信，该列表标识与客户端相关的终端设备。

每个通信(例如，设备之间的通信、设备与连接管理系统150之间的通信、远程服务器140与连接管理系统150之间的通信、或远程服务器140与设备之间的通信)可以在一个或多个网络170上进行。该一个或多个网络170中可以包括开放式或封闭式网络的组合。合适的网络的示例包括互联网、个人局域网、局域网(LAN)、广域网(WAN)或无线局域网(WLAN)。其他网络也可能适用。该一个或多个网络170可以完全并入内联网、外联网或其组合内，或者可以包括内联网、外联网或其组合。在一些实例中，该一个或多个网络170中的网络包括短程通信通道，诸如蓝牙或蓝牙低功耗通道。在一个实施方式中，可以通过诸如安全套接层(SSL)或传输层安全性(TLS)之类的安全通信协议来实现两个或更多个系统和/或设备之间的通信。此外，可以基于任何方便的、已知的或待开发的方式对数据和/或交易细节进行加密，这些方式例如但不限于数据加密标准(DES)、三重DES、Rivest-Shamir-Adleman加密(RSA)、Blowfish加密、高级加密标准(AES)、CAST-128、CAST-256、去相关快速密码(DFC)、微型加密算法(TEA)、eXtended TEA(XTEA)、校正块TEA(XXTEA)和/或RC5等。

例如，网络设备105、终端设备115、和/或客户端设备130可以包括便携式电子设备(例如，智能电话、平板电脑、便携式计算机或智能设备可穿戴设备)或非便携式电子设备(例如，一个或多个台式计算机、智能家电、服务器和/或处理器)。连接管理系统150可以与网络、终端、和客户端设备分开设置，或者可以是一个或多个这样的设备的一部分(例如，通过在设备上安装应用程序)。远程服务器140可以与每个设备和连接管理系统150分开设置，和/或可以是另一设备或系统的一部分。尽管图1中的每个设备、服务器和系统被示为单个设备，但是应该理解，可以替代地使用多个设备。例如，可以使用一组网络设备来传输来自单个用户的各种通信，或者远程服务器140可以包括服务器堆栈。

软件代理或应用程序可以被安装在所描绘的设备、系统或服务器上和/或在所描绘的设备、系统或服务器上可执行。在一个实例中，软件代理或应用程序被配置为使得各种描绘的元素可以互补的方式起作用。例如，可以将设备上的软件代理配置为收集关于设备使用情况的数据并将其发送到单独的连接管理系统，并且可以将单独的连接管理系统上的软件应用程序配置为接收和处理数据。

图2示出了另一实施方式的网络交互系统200的框图。总体上，图2示出了被配置和布置为使网络设备205能够与一个或多个终端设备215通信的各种组件。所描绘的实例包括在三个局域网235中包括的九个终端设备215。

在一些实例中，来自网络设备205的通信包括目的数据(例如，目的IP地址)，其至少部分或全部指示哪个终端设备将接收该通信。网络交互系统200可以包括一个或多个网络间连接组件240和/或一个或多个网络内连接组件255，它们可以处理目的数据并促进适当的路由。

每个网络间连接组件245可以连接到多个网络235，并且可以具有安装的多个网卡(例如，每个卡连接到不同的网络)。例如，网络间连接组件245可以连接到广域网270(例如，互联网)和一个或多个局域网235。在所描绘的实例中，为了将通信从网络设备205传输到任何终端设备，在所描绘的系统中，必须由多个网络间连接组件245来处理该通信。

当网络间连接组件245接收到通信(或与该通信相对应的一组数据包)时，网络间连接组件245可以确定路由的至少一部分，以将该通信传送给与目的地相关联的网络。可以使用例如路由表(例如，存储在路由器处)来确定该路由，该路由表可以包括基于传入消息(例如，来自另一路由器或另一设备)预定义生成的、或学习的一个或多个路由。

网络间连接组件245的示例包括路由器260和网关265。网络间连接组件245(例如，网关265)可以被配置为在网络系统之间或协议之间转换。例如，网关265可以促进传输控制协议/互联网协议(TCP/IP)设备与互联网分组交换/序列分组交换(IPX/SPX)设备之间的通信。

在局域网235处接收到通信后，可能仍需要执行进一步的路由。可以通过诸如交换机280或集线器285之类的网络内连接组件255来执行这样的网络内路由。每个网络内连接组件255可以(例如，无线地或有线地，诸如通过以太网电缆)被连接至多个终端设备215。集线器285可以被配置为将所有接收到的通信重复到它所连接到的每个设备。每个终端设备然后可以评估每个通信以确定该终端设备是否是目的设备或者该通信是否将被忽略。交换机280可以被配置为选择性地将通信仅定向到目的终端设备。

在一些实例中，局域网235可以被划分成多个段，每个段可以与独立的防火墙、安全规则和网络协议相关联。可以在一个、多个或所有段中的每者中提供网络内连接组件255，以促进段内路由。桥接器290可以被配置为段275之间的路由通信。

为了在网络之间或在网络内适当地路由通信，各种组件分析通信中的目的数据。例如，这样的数据可以指示通信将被路由到哪个网络、通信将被路由到网络内的哪个设备、或者终端设备将要处理(和忽略)哪些通信。然而，在一些实例中，不能立即清楚哪个终端设备(或甚至哪个网络)要参与来自网络设备的通信。

为了说明，可以配置一组终端设备以便提供类似类型的响应通信。因此，可以预期，可以以类似的方式来响应来自网络设备的通信中的查询，而不管该通信被路由到哪个网络设备。虽然该假设在高水平上可能是正确的，但是与终端设备有关的各种细节可能导致特定的路由与其他路由相比是有利的。例如，所述集合中的终端设备关于(例如)以下可能彼此不同：支持哪些通信通道、与网络设备的地理和/或网络接近度、和/或相关联代理的特征(例如，知识库、经验、所说的语言、可用性、一般性格或情绪等)。因此，选择路由可以促进更快的响应，该更快的响应更准确地和/或完整地响应于网络-设备通信。复杂的是，将网络设备映射至终端设备的静态路由可能无法解释通信主题、通道类型、代理可用性等的变化。

图3A-图3C示出了包括连接管理系统的网络交互系统300a-c的其他实施方式的框图。为了简单起见，所描绘的系统300a-c中的每一者仅示出了两个局域网235，然而可以理解的是，可以扩展实施方式以扩展局域网的数量。系统300a-c中的每一者都包括连接管理系统350，该连接管理系统350可以标识哪个终端设备要与网络设备205通信，可以建立和管理(例如，保持或关闭)连接通道，可以确定是否以及何时在交换中重新路由通信等。因此，连接管理系统350可以被配置为动态地并且实时地评估通信、代理可用性、终端设备或代理的能力等，以影响路由确定。

在图3A中，连接管理系统350与网络设备205和远程服务器340中的每一者相关联(例如，连接管理系统350a与网络设备205相关联，而连接管理系统350b与远程服务器340相关联)。例如，可以将连接管理系统350a和/或连接管理系统350b作为应用程序分别安装或存储在网络设备205和远程服务器340中的每一者上。(一个或多个)应用程序的执行例如可以促进网络设备205与远程服务器340之间的通信，以标识被选择参与与网络设备205的通信交换的终端设备215。可以基于一个或多个本文中公开的因素(例如，可用性、通信的主题/详细水平与代理或终端设备的知识库之间的匹配度、预测的延迟、通道类型可用性等等)来进行标识。

客户端设备330可以提供客户端数据，该客户端数据指示将如何进行路由确定。例如，这种数据可以包括：关于特定特征如何被加权或匹配的指示或约束或偏差(例如，与负载平衡或预测的响应延迟有关)。客户端数据还可以包括与何时建立(或关闭)通信通道或者何时将通信重新路由至不同的网络设备有关的规范。客户端数据可用于定义各种客户端特定的规则，例如用于通信路由的规则等。

在远程服务器340上运行的连接管理系统350b可以监控与终端设备有关(例如，与给定的客户端有关)的各种度量，例如支持哪些通信通道、与网络设备的地理和/或网络接近度、与终端设备的通信延迟和/或稳定性、终端设备的类型、终端设备的能力、终端设备(或代理)是否在先已经与给定的网络设备(或用户)通信、和/或与代理相关联的特征(例如，知识库、经验、所说的语言、可用性、一般人格或情绪等)。因此，可以使连接管理系统350b能够选择路由以促进更快的响应，该更快的响应基于度量更准确地和/或完整地响应于网络-设备通信。

在图3A所描绘的示例中，网络设备205和远程服务器340之间的通信交换可以促进目的地址的更早识别。然后，网络设备205可以使用该目的地址来定向后续通信。例如，网络设备205可以向远程服务器340发送初始通信(例如，通过一个或多个网络间连接和广域网)，并且远程服务器340可以识别一个或多个相应的客户端。然后，远程服务器340可以识别与所述一个或多个相应的客户端相关联的一组终端设备，并收集针对那些终端设备的度量。可以(例如，通过远程服务器340)评估这些度量以便选择参与通信交换的终端设备，并且可以将与该终端设备有关的信息(例如，IP地址)发送至网络设备205。在一些实施方式中，远程服务器340可以连续地或周期性地收集和评估针对各种终端设备的度量并将评估结果存储在数据存储器中。在这种实施方式中，在识别与所述一个或多个相应的客户端相关联的一组终端设备时，远程服务器340可以从数据存储器访问存储的评估结果，并且基于存储的评估结果选择终端设备来参与通信交换。

在图3B中，连接管理系统350可以被配置为用作中继和/或目的地址。因此，例如，一组网络设备205可以发送通信，每个通信将连接管理系统350标识为目的地。连接管理系统350可以接收各个通信，并且可以同时监控一组终端设备(例如，以便生成针对每个终端设备的度量)。基于监控和规则，连接管理系统350可以识别其可以将各个通信中继到的终端设备215。根据该实施方式，终端设备通信可以类似地定向到一致的目的地(例如，连接管理系统350的目的地)，以用于进一步中继，或者终端设备可以开始直接与相应的网络设备通信。这些实施方式可以促进有效路由和全面的通信监控。

图3C中描绘的实施方式类似于图3B中的实施方式。然而，在一些实施方式中，连接管理系统350直接连接至网络内组件(例如，终端设备、网络内连接或其他)。

应该理解，图3A-图3C的许多变型是预期的。例如，连接管理系统350可以与连接组件(例如，网络间连接组件245或网络内连接组件255)相关联，使得对应于连接管理系统350(或其一部分)的应用程序安装在该组件上。例如，可以独立地执行应用程序或通过与类似或补充的一个或多个应用程序(例如，在一个或多个其他组件、网络设备或远程服务器上执行的应用程序)通信来执行应用程序。

图4示出了连接组件的操作的协议栈映射400的表示。更具体地，图4标识了在开放系统交互(Open Systems Interaction，OSI)模型中的对应于各种连接组件的操作层。

OSI模型可以包括多个逻辑层402-414。这些层布置成有序堆栈，使得层402-412中的每个层服务较高水平，而层404-414中的每个层由较低层服务。OSI模型包括物理层402。物理层402可以定义参数物理通信(例如，电、光或电磁通信)。物理层402还定义连接管理协议，例如建立和关闭连接的协议。物理层402还可以定义流控制协议和传输模式。

链路层404可以管理节点到节点(node-to-node)的通信。链路层404可以检测并纠正错误(例如，物理层402中的传输错误)以及管理访问许可。链路层404可以包括媒体访问控制(media access control，MAC)层和逻辑链路控制(logical link control，LLC)层。

网络层406可以协调同一网络中的节点之间的(例如，作为数据报的)数据(例如，具有可变长度的数据)传输。网络层406可以将逻辑网络地址转换为物理机器地址。

传输层408可以管理发送和接收质量。传输层408可以提供用于传输数据的协议，例如传输控制协议(TCP)。传输层408可以执行用于传输的数据包的分割/重组，并且可以检测并解释在层402-406中发生的传输错误。会话层410可以发起、维持和终止本地应用程序和远程应用程序之间的连接。会话可以用作远程过程交互的一部分。表示层412可以基于已知由应用程序或网络层接受的数据类型来加密、解密和格式化数据。

应用层414可以与控制或管理通信的软件应用程序进行交互。通过这样的应用程序，应用层414可以(例如)识别目的地、本地资源状态或可用性和/或通信内容或格式化。各个层402-414可以执行可用并适用的其他功能。

网络内连接组件422被示出在物理层402中操作，网络内连接组件424被示出在链路层404中操作。更具体地，集线器可以在物理层中操作，使得可以关于通信的接收和发送来控制操作。由于集线器缺乏寻址通信或过滤数据的能力，因此集线器几乎没有能力在更高水平操作。同时，交换机可以在链路层404中操作，因为交换机能够基于地址(例如，MAC地址)过滤通信帧。

同时，网络间连接组件426、428被示出在更高水平(例如，层406-414)上操作。例如，路由器可以基于地址(例如，IP地址)过滤通信数据包。路由器可以根据地址将数据包转发至特定端口，以便将数据包定向至适当的网络。网关可以在网络层及其以上操作，执行类似的过滤和定向以及数据的进一步转换(例如，跨协议或架构)。

在各种实施方式中，连接管理系统450可以与各个层中的一个、多个、全部或任何层进行交互和/或在各个层中的一个、多个、全部或任何层上操作。例如，连接管理系统450可以与集线器交互，以便动态地调整集线器与哪些终端设备通信。作为另一示例，连接管理系统450可以与桥接器、交换机、路由器或网关进行通信，以便影响该组件选择哪个终端设备作为目的地址(例如，MAC、逻辑或物理地址)。作为另外的示例，连接管理系统450可以监控、控制或定向传输层408上的数据包的分段、会话层410上的会话持续时间、和/或表示层412上的加密和/或压缩。在一些实施方式中，连接管理系统450可以通过与在特定层上操作的设备(例如，在链路层404上操作的交换机)进行交换通信(例如，发送命令至该设备)、通过以特定的方式路由或修改现有通信(例如，在网络设备和终端设备之间的通信)、和/或通过基于现有通信生成包含特定信息(例如，新目的地址)的新通信来与各个层进行交互。因此，连接管理系统450可以通过与各种设备的交互和/或通过影响在各种协议栈层处的操作来影响通信路由和通道建立(或维持或终止)。

图5表示根据一实施方式的多设备通信交换系统500。系统500包括网络设备505，该网络设备被配置为在各种类型的通信通道上与各种类型的终端设备通信。

在所描绘的实例中，网络设备505可以通过蜂窝网络(例如，通过基站510)传输通信。通信可以被路由至操作网络515。操作网络515可以包括连接管理系统520，该连接管理系统接收通信并标识哪个终端设备将响应于该通信。这种确定可以取决于识别该通信所属的客户端(例如，基于指示客户端的内容分析或用户输入)并确定与该客户端相关联的一个或多个终端设备中的每个终端设备的一个或多个度量。例如，在图5中，终端设备530a-c的每个集群可以对应于不同的客户端。终端设备可以在地理上共同定位或是分散的。可以基于存储的或学习的数据和/或(例如，基于可用性的)实时监控来确定所述度量。

连接管理系统520可以通过一个或多个路由器525或其他网络间连接组件或网络内连接组件与各种终端设备进行通信。连接管理系统520可以在一个或多个数据存储器处收集、分析和/或存储来自(或关于)通信、终端设备操作、客户端规则、和/或与用户相关联的动作(例如，在线活动)的数据。这种数据可能影响通信路由。

值得注意的是，还可以使用各种其他设备来影响通信路由和/或处理。例如，在所描绘的实例中，连接管理系统520还连接至网络服务器540。因此，连接管理系统520可以检索感兴趣的数据，例如技术项细节等。

网络设备505还可以连接至网络服务器(例如，包括网络服务器545)。在一些实例中，与这种服务器的通信提供了发起与连接管理系统520的通信交换的初始选项。例如，网络设备505可以检测到在访问特定网页时通信机会是可获得的并且这种选项可以被呈现。

通信系统500的一个或多个元件也可以连接至社交联网服务器550。社交联网服务器550可以聚集从各种用户设备接收的数据。因此，例如，连接管理系统520能够估计针对给定用户或用户类别的一般(或用户特定)行为。

图6示出了连接管理系统600的实施方式的框图。消息接收器接口605可以接收消息。在一些实例中，例如，可以接收消息作为由源设备(例如，与连接管理系统600分开设置或在同一壳体内)发送的通信的一部分，所述源设备例如网络设备或终端设备。在一些实例中，通信可以是一系列通信的一部分或通信交换，其可以包括正在两个设备(例如，网络设备和终端设备)之间路由的一系列消息或消息交换。该消息交换或通信交换可以是设备之间的交互的一部分和/或可以定义设备之间的交互。通信通道或操作通道可以包括用于促进设备之间的路由和通信交换的一个或多个协议(例如，路由协议、任务分配协议和/或寻址协议)。

在一些实例中，消息可以包括基于在本地用户界面或远程用户界面接收的输入而生成的消息。例如，消息可以包括基于按钮或按键或记录的语音信号而生成的消息。在一个实例中，消息包括自动生成的消息，例如在检测到网络设备正在呈现特定的应用页面或网页或者已经提供特定输入命令(例如，键序列)时生成的消息。该消息可以包括指令或请求，例如用于发起通信交换的指令或请求。

在一些实例中，消息可以包括客户端的标识符或与客户端的标识符相关联。例如，消息可以明确地标识客户端(或与客户端相关联的设备)；消息可以包括与客户端相关联的网页或应用页面，或与客户端相关联的网页或应用页面相关联；消息可以包括与客户端相关联的目的地址，或与客户端相关联的目的地址相关联；或者消息可以包括与客户端相关联的项(例如，产品)或服务的标识，或和与上述项(例如，产品)或服务的标识相关联。为了说明，网络设备可以呈现特定客户端的应用页面，该应用页面可以提供将通信发送至代理的选项。在接收到与消息相对应的用户输入时，可以生成包含该消息和特定客户端的标识符的通信。

处理引擎610可以处理所接收的通信和/或消息。处理可以包括例如提取特定的一个或多个数据元素(例如，消息、客户端标识符、网络-设备标识符、账户标识符等)。处理可以包括转换格式化或通信类型(例如，以与特定设备类型、操作系统、通信通道类型、协议和/或网络兼容)。

消息评估引擎615可以评估(例如，提取或接收的)消息。评估可以包括识别例如消息的一个或多个类别或标签。类别或标签类型的示例可以包括(例如)主题(topic)、情绪、复杂性和紧急性。对消息进行分类和标记之间的区别可以在于，可以限制类别(例如，根据一组预定义的类别选项)，同时可以打开标签。主题可以包括例如技术问题、使用问题、或请求。例如，可以基于对消息的语义分析(例如，通过识别关键字、句子结构、重复的词、标点符号和/或非冠词)、用户输入(例如，已经选择了一个或多个类别)、和/或与消息相关的统计值(例如，键入速度和/或响应延迟)来确定类别或标签。

在一些实例中，消息评估引擎615可以确定针对消息的度量。度量可以包括例如多个字符、单词、大写字母、全部大写的单词或特定字符或标点符号的实例(例如，感叹号、问号和/或句号)。度量可以包括比率，例如以感叹号(或问号)结尾的句子的分数、全部大写的单词的分数等。

消息评估引擎615可以在消息数据存储器620中存储消息、消息度量和/或消息统计值。每个消息还可以与其他数据(例如，元数据)相关联地存储，所述其他数据诸如标识对应的源设备、目的设备、网络设备、终端设备、客户端、一个或多个类别、一个或多个阶段和/或与消息相关的统计值的数据。连接管理系统600的各种组件(例如，消息评估引擎615和/或交互管理引擎625)可以查询消息数据存储器620以检索查询响应消息、消息度量和/或消息统计值。

交互管理引擎625可以确定将通信路由至哪个设备以及接收设备和发送设备将如何通信。这些确定中的每一者可以取决于例如特定的网络设备(或与特定用户相关联的任何网络设备)是否先前已与一组终端设备中的终端设备(例如，与连接管理系统600相关联的任何终端设备、或与一个或多个特定客户端相关联的任何终端设备)进行通信。

在一些实例中，当网络设备(或与同一用户或配置文件相关联的其他网络设备)先前已经与给定的终端设备进行通信时，通信路由通常可偏向于该同一终端设备。可影响路由的其他因素可以包括：例如，终端设备(或相应的代理)是否可用和/或终端设备的预测的响应延迟。这些因素可以绝对地或相对于与其他终端设备相对应的类似度量来考虑。重新路由规则(例如，客户端特定的或一般的规则)可以指示如何评估和加权这些因素以确定是否放弃代理一致性。

当网络设备(或与同一用户或账户相关联的其他网络设备)先前未与给定的终端设备进行通信时，可以基于诸如以下的因素执行终端设备的选择：例如，各种代理的知识库与通信主题对应的程度、各种代理在给定时间和/或通道类型上的可用性、(例如与客户端相关联的)终端设备的类型和/或能力。在一个实例中，规则可以标识如何确定一个或多个因素(诸如前述因素)的子参数以及分配给每个参数的权重。通过组合(例如，求和)加权子参数，可以确定每个代理的参数。然后可以通过比较终端设备的参数来进行终端设备的选择。

关于确定设备将如何通信，交互管理引擎625可以(例如)确定终端设备是否通过(例如)SMS消息、语音呼叫、视频通信等来响应通信。可以基于例如以下项来选择通信类型：通信类型优先级列表(例如，至少部分地由客户端或用户来定义)；先前从网络设备接收的通信的类型(例如，以便促进一致性)、接收的消息的复杂性、网络设备的能力、和/或一个或多个终端设备的可用性。显然，一些通信类型将导致实时通信(例如，期望快速消息响应的情况)，而其他通信类型可能导致异步通信(例如，消息之间的延迟(例如，几分钟或几小时)是可接受的情况)。

此外，交互管理引擎625可以确定是否应该建立、使用或终止两个设备之间的连续通道。可以构造连续通道，以便促进从网络设备到指定终端设备的未来通信的路由。即使跨消息系列，这种偏向也可以持续。在一些实例中，连续通道的表示(例如，标识代理)可以包括在网络设备上待呈现的表示中。以这种方式，用户可以理解该通信将被一致地路由以便提高效率。

在一个实例中，可以使用本文描述的一个或多个因素和规则(例如，包括所述一个或多个因素中的每个因素的权重)来生成参数，以确定对应于给定的网络设备和终端设备的连接参数。该参数可以与整体匹配度或特定于给定的通信或通信系列的匹配度有关。因此，例如，该参数可以反映预测给定终端设备适合于对网络-设备通信进行响应的程度。在一些实例中，参数分析可以用于标识要将给定通信路由到的每个终端设备以及是否建立、使用或终止连接通道。当参数分析用于处理路由决策和通道决策两者时，可以以相同、类似或不同的方式来确定与每个决策相关的参数。

因此，例如，将理解，根据参数是预测长期匹配的强度还是响应特定消息查询的强度，可以考虑不同因素。例如，在前一种实例中，对总体时间表和时间区域的考虑可能是重要的，而在后一种实例中，立即可用性可能有更高的权重。可以针对单个网络-设备/终端-设备组合来确定参数，或者可以确定多个参数，每个参数表征给定网络设备和一不同的终端设备之间的匹配度。

为了说明，可以评估用于潜在通信路由的与客户端相关联的一组三个终端设备。可以为每个终端设备生成与特定通信的匹配度有关的参数。前两个终端设备中的每者可以先前已经与已传输该通信的网络设备通信。来自网络设备的输入可以已经指示与和第一设备的(一个或多个)通信的交互相关联的正反馈。因此，第一设备、第二设备和第三设备的(如根据规则计算的)过往交互子参数(past-interact sub-parameter)可以分别是10、5和0。(负反馈输入可以得到负的子参数。)可以确定仅第三终端设备是可用的。可以预测第二终端设备将在15分钟内可用于响应，但是第一终端设备将在第二天之前不可用于响应。因此，第一设备、第二设备和第三设备的快速响应子参数(fast-response sub-parameter)可以是1、3和10。最后，可以估计(与终端设备相关联的)代理了解通信中的主题的程度。可以确定与第三终端设备相关联的代理比与其他两个设备相关联的代理更了解，从而得到的子参数为3、4和9。在该示例中，规则不包括加权或归一化参数(虽然，在其他实例中，规则可以包括加权或归一化参数)，从而得到的参数为14、11和19。因此，规则可以指示消息将被路由至具有最高参数的设备，即第三终端设备。如果到特定终端设备的路由不成功，则可以将消息路由至具有次高参数的设备，依此类推。

可以将参数与一个或多个绝对阈值或相对阈值进行比较。例如，可以将一组终端设备的参数相互比较以确定高参数，从而选择通信可以被路由至的终端设备。作为另一示例，可以将参数(例如，高参数)与一个或多个绝对阈值进行比较，以确定是否建立与终端设备的连续通道。用于建立连续通道的总阈值可以(但不必须)高于用于在给定的一系列消息中一致地路由通信的阈值。总阈值和用于确定是否一致地路由通信的阈值之间的这种差异可能是因为考虑到通道的扩展效用，强匹配在连续-通道环境中是重要的。在一些实施方式中，用于使用连续通道的总阈值可以(但不必须)低于用于建立连续通道的阈值和/或用于在给定的一系列消息中一致地路由通信的阈值。

交互管理引擎625可以在各种上下文中与账户引擎630交互。例如，账户引擎630可以在账户数据存储器635中查找网络设备或终端设备的标识符，以识别与该设备相对应的账户。此外，账户引擎630可以维持关于先前通信交换的数据(例如，时间、涉及的(一个或多个)其他设备、通道类型、解决阶段、(一个或多个)主题和/或相关联的客户端标识符)、连接通道(例如，对于一个或多个客户端中的每个客户端，指示：是否有任何通道存在、与每个通道相关联的终端设备、建立时间、使用频率、上次使用的日期、任何通道约束和/或支持的通信类型)、用户或代理偏好或约束(例如，关于终端-设备选择、响应延迟、终端-设备一致性、代理专业知识、和/或通信类型偏好或约束)、和/或用户或代理特征(例如，年龄、所说的或优选的(一种或多种)语言、地理位置、兴趣等)。

此外，交互管理引擎625可以向账户引擎630提醒各种连接通道(connection-channel)动作，使得可以更新账户数据存储器635以反映当前通道数据。例如，在建立通道时，交互管理引擎625可以通知账户引擎630该建立，并且标识网络设备、终端设备、账户和客户端中的一者或多者。账户引擎635可以(在一些实例中)随后通知用户该通道的存在，使得该用户可以意识到代理一致性是可用的。

交互管理引擎625还可以与客户端映射引擎640交互，客户端映射引擎640可以将通信映射至一个或多个客户端(和/或相关联的品牌(brand))。在一些实例中，从网络设备本身接收的通信包括对应于客户端的标识符(例如，客户端、网页或应用页面的标识符)。该标识符可以作为(例如，客户端映射引擎640可以检测的)消息的一部分而被包含或作为包含消息的通信中的其他数据而被包含。然后，客户端映射引擎640可以在客户端数据存储器645中查找该标识符，以检索关于客户端和/或客户端的标识符的附加数据。

在一些实例中，消息可以不特别对应于任何客户端。例如，消息可以包括一般查询。客户端映射引擎640可以例如对消息执行语义分析、识别一个或多个关键字并且标识与(一个或多个)关键字相关联的一个或多个客户端。在一些实例中，标识单个客户端。在一些实例中，标识出多个客户端。然后可以通过网络设备呈现每个客户端的标识，使得用户可以选择要与之(例如，通过相关联的终端设备)通信的客户端。

客户端数据存储器645可以包括与客户端相关联的一个或多个终端设备(和/或代理)的标识。终端路由引擎650可以检索或收集与一个、多个或所有的这种终端设备(和/或代理)中的每者有关的数据，以便影响路由确定。例如，终端路由引擎650可以维持终端数据存储器655，终端数据存储器655可以存储诸如终端设备的设备类型、操作系统、通信类型(communication-type)能力、安装的应用程序附件、地理位置和/或标识符(例如，IP地址)的信息。某些信息可以动态地更新。例如，基于(例如)来自终端设备的通信(例如，标识该设备是否处于睡眠状态、是否关闭/开启、是否非活动/活动，或标识是否在一段时间内已接收到输入)、通信路由(例如，指示终端设备是否参与通信交换或被分配为通信交换的一部分)、或者来自网络设备或终端设备的指示通信交换已经结束或开始的通信，可以动态地更新指示终端设备是否可用的信息。

应该理解，在各种上下文中，参与一个或多个通信交换不一定表示终端设备不可用于参与另一通信交换。诸如通信类型(例如，消息)、客户端标识的或用户标识的目标响应时间、和/或系统负载(例如，通常是或关于用户)的各种因素可能影响终端设备可参与交换的量。

当交互管理引擎625已经标识了参与通信交换或连接通道的终端设备时，交互管理引擎625可以通知终端路由引擎650，终端路由引擎650可以从终端数据存储器655检索关于该终端设备的任何相关数据，诸如目的地址(例如IP地址)、设备类型、协议等。然后，(在一些实例中)处理引擎610可以修改该包含消息的通信或者生成新的通信(包含消息)以便具有特定的格式、遵守特定的协议等。在一些实例中，新的或修改后的消息可以包括附加数据，例如对应于网络设备的账户数据、消息记录和/或客户端数据。

然后，消息发送器接口660可以将该通信发送至终端设备。该发送可以包括例如到达容纳在单独壳体内的设备的有线或无线发送。终端设备可以包括在与连接管理系统600相同或不同的网络(例如，局域网)中的终端设备。因此，将通信发送至终端设备可以包括将通信发送至网络间连接组件或网络内连接组件。

提供了用于在与网络设备(例如，由用户操作)的通信会话期间在机器人和终端设备(例如，由在线代理操作)之间动态切换的系统和方法。在一些实现方式中，机器人可以被配置为自主地与网络设备通信。此外，机器人可以被配置用于特定能力。能力的示例可以包括更新数据库记录、向用户提供更新、向代理提供关于用户的附加数据、确定用户的意图并基于该意图将用户路由到目的系统、预测或建议对与用户通信的代理的响应、将通信会话升级为包括一个或多个附加机器人或代理、以及其他合适的能力。在一些实现方式中，当机器人在通信会话期间(例如，使用支持聊天的界面)与网络设备(例如，由用户操作)进行通信时，通信服务器可以自动且动态地确定机器人与终端设备进行切换。例如，机器人可以与用户就某些任务(例如，更新与用户相关联的数据库记录)进行通信，而终端设备可以与用户就更困难的任务(例如，使用通信通道进行通信以解决技术问题)进行通信。

在一些实现方式中，可以基于对通信会话中消息的一个或多个特征的分析来确定是否在通信会话期间在机器人和终端设备之间切换。此外，可以生成动态情绪参数来指示消息、对话、实体、代理等的情绪。例如，在动态情绪参数指示用户对机器人感到沮丧的情况下，系统可以自动将机器人与终端设备进行切换以便在线代理可以与用户通信。参见2016年6月2日递交的美国申请No.15/171,525，出于所有目的，其全部公开内容通过引用并入本文中。在一些示例中，确定是否在机器人和终端设备之间切换可以在没有来自用户的提示的情况下执行。可以基于任意数量的因素在通信服务器处自动执行该确定，这些因素包括通信会话(例如，聊天)中的当前消息的特征、用户在先前的通信会话中发送的先前消息的特征、特征(例如，情绪)在对话中的多个消息上的轨迹、或与用户相关联的其他信息(例如，资料信息，偏好信息、以及与用户相关联的其他合适的信息)。

图7示出了用于在通信会话期间在机器人和终端设备之间动态切换的网络环境的框图。在一些实现方式中，网络环境700可以包括网络设备705、通信服务器710、终端设备715和机器人720。通信服务器710可以是具有一个或多个处理器和至少一个存储设备的服务器，并且可以被配置为执行本文描述的方法和技术。例如，通信服务器710可以管理网络设备(例如，由用户操作)和终端设备(例如，由代理操作)之间的通信会话。通信服务器710可以在网络设备705和终端设备715之间建立通信通道，使得网络设备705和终端设备715可以在通信会话期间相互通信。通信会话可以促进网络设备705和终端设备715之间一个或多个消息的交换。本发明不限于在通信会话期间交换消息。通信会话可以促进其他形式的通信，例如视频通信(例如，视频传送)和音频通信(例如，IP电话连接)。

在一些实现方式中，通信服务器710可以在网络设备705和机器人720之间建立通信通道。机器人720可以是在执行时被配置为与网络设备705自主通信的代码。例如，机器人720可以是自动生成消息以发起与网络设备705相关联的用户的对话和/或自动响应来自网络设备705的消息的机器人。此外，通信服务器710可以与平台相关联。客户端(例如，平台外部的系统)可以使用该平台在其内部通信系统中部署机器人。在一些示例中，客户端可以在平台中使用他们自己的机器人，这使客户端能够将本文描述的方法和技术实施到他们的内部通信系统中。

在一些实现方式中，机器人可以由一个或多个源定义。例如，数据存储器730可以存储表示由通信服务器的客户端定义(例如，创建或编码)的机器人的代码。例如，已经定义了它自己的机器人的客户端可以将机器人加载到通信服务器710。客户端定义的机器人可以存储在客户端机器人数据存储器730中。数据存储器740可以存储表示由第三方系统定义的机器人的代码。例如，第三方系统可以包括独立的软件供应商。数据存储器750可以存储表示由与通信服务器710相关联的实体定义的机器人的代码。例如，由实体编码的机器人可以加载到通信服务器710或可由通信服务器710访问，从而机器人可以被执行和自主与用户通信。在一些实现方式中，通信服务器710可以使用云网络760访问存储在数据存储器730、数据存储器740和/或数据存储器750中的机器人。云网络760可以是任何网络，并且可以包括开放式网络，例如互联网、个人局域网、局域网(LAN)、校园网(CAN)、城域网(MAN)、广域网(WAN)、无线局域网(WLAN)、专用网络，如内联网、外联网或其他主干网。

此外，终端设备715可以由代理操作。终端设备715可以是任何便携式设备(例如，移动电话、平板电脑、便携式计算机)或非便携式设备(例如，电子信息亭、台式计算机等)。在一些实例中，代理可以使用在终端设备715上运行的浏览器来访问网站。例如，网站可以包括在终端设备715的浏览器上运行的控制台或平台。代理可以使用浏览器登录到平台。在允许代理访问控制台或控制台中包含的网络应用程序之前，可以使用一个或多个登录凭据(例如，用户名、密码等)来验证代理的身份。控制台的示例可以包括包含一个或多个API(应用程序编程接口)的平台、包含一个或多个功能的控制面板、在Web浏览器上运行的能够建立或加入通信会话的网络托管的应用程序(无需下载插件)、以及其他合适的接口。此外，控制台可以包括一个或多个可以执行的网络应用程序或功能。网络应用程序或功能可以在浏览器、通信服务器710、本地服务器、远程服务器或其他合适的计算设备处执行。例如，网络应用程序、本机应用程序或功能可以使代理能够与用户通信，并查看用户与一个或多个机器人之间的通信。

在一些实现方式中，通信服务器710可以被配置为在特定通信会话期间在机器人720和终端设备715之间动态切换。例如，通信服务器710可以促进网络设备705和机器人720之间的通信会话。机器人720可以被配置为通过在通信会话期间与网络设备705交换一个或多个消息来自主地与网络设备705通信。通信服务器710可以动态地确定是否将机器人720与终端设备715进行切换(或在某些情况下，反之亦然)，以便在线代理可以与网络设备705而不是机器人720进行通信。在一些实现方式中，可以在没有来自网络设备705或终端设备715的提示的情况下执行切换。例如，切换可以基于在网络设备705和机器人720之间交换的消息的消息参数(例如，表示消息或一系列消息的情绪的分数)，而不提示网络设备705请求终端设备。

在一些实现方式中，通信服务器710可以基于机器人720和网络设备705之间交换的消息的特征自动确定在机器人720和终端设备715之间切换。在一些实例中，分析消息的文本以确定特征(例如，消息参数)可以包括对与消息相关联的文本或非文本属性的分析。例如，通信服务器710可以提取包括在来自网络设备705的消息中的一行或多行文本。通信服务器710可以识别一行或多行文本是否包括锚点。锚点的示例包括与极性(例如，情绪或意图、单词“沮丧”对应于负极性或沮丧极性，单词“快乐”对应于正极性，等等)相关联的文本串。例如，“争议”一词对于一个客户端可能是负面的，但对于第二个客户端可能是中性或正面的。在一些实例中，可以使用监督机器学习技术动态确定锚点。例如，可以对存储的消息执行一种或多种聚类算法以在存储的消息中找到模式。可以进一步过滤和评估聚类的消息以确定锚点。此外，已识别锚点附近的一个或多个单词可以解析为放大器。放大器的示例是增加或减少与锚点的极性相关联的强度的术语，例如“真的”、“不是真的”、“有点”等等。特征可以包括例如：打字速度、消息中使用的特殊字符的数量(例如感叹号、问号等)、消息的语义分析(例如，通过识别关键字、句子结构、重复的词、标点符号和/或非冠词)、用户输入(例如，已经选择了一个或多个类别)、和/或与消息相关的统计值(例如，响应延迟)。

作为非限制性示例，消息参数可以是指示负极性的高强度的数值(例如，在0-100的范围内的为20的消息参数，其中较低的数字指示负极性，较高的数字指示正极性)。可以使用算法来计算消息参数。例如，该算法可以基于监督机器学习技术。在另一示例中，如果术语“有点”接近锚点“不喜欢”(例如，如在句子“我有点不喜欢”中)，则术语“有点”可以被识别为指示负极性的中等强度的放大器项。在这种情况下，可以基于对负极性的中等强度的识别来生成消息参数。作为非限制性示例，消息参数可以是指示负极性的中等强度的数值(例如，与消息参数20相对的消息参数40)。在一些实例中，消息参数可用于确定哪个二级队列要存储通信。

在一些实现方式中，消息的特征可以是与消息相关联的情绪。消息参数可以表示消息的情绪。例如，如果消息的情绪是快乐，则消息参数可以是某个值或某个值范围，而如果消息的情绪是愤怒，则消息参数可以是另一个值或值范围。确定是否在机器人和终端设备之间切换可以基于消息参数，该消息参数随着在通信服务器710处接收到的每个新消息而连续且自动地更新。

在一些实现方式中，通信服务器710可以推荐或预测对从网络设备705接收的消息的响应。例如，通信服务器710可以包括消息推荐系统，其可以评估从网络设备705接收的消息并且使用机器学习模型来推荐对这些接收到的消息的响应。消息推荐系统可以在终端设备715上显示一组推荐消息以帮助代理与网络设备705通信。

图8示出了表示用于跨多个通信通道动态选择端点的网络环境800的框图。在一些实现方式中，网络环境800可以包括网络设备805、终端设备810和通信服务器820。网络设备805可以类似于网络设备705，因此为简洁起见，这里不再赘述。终端设备810可以类似于终端设备715，因此为简洁起见，这里不再赘述。通信服务器820可以类似于通信服务器710，因此为简洁起见，这里不再赘述。

通信服务器820可以在网络设备805和终端设备810之间建立通信通道或促进通信通道的建立。如图8所示，通信服务器820可以建立通信通道C 840，其使得网络设备805和终端设备810能够交换一个或多个消息。作为非限制性示例，通信通道C 840可以是网站的网络聊天框，通信通道B 835可以是在移动设备(例如，智能电话)上运行的聊天应用程序，以及通信通道A 830可以是使代理能够与用户进行通信的IP语音(VOIP)音频通道。

通信服务器820可以将机器人825配置为自主地与网络设备805通信。在一些实现方式中，机器人825可以访问并执行一个或多个协议，这些协议使机器人825能够使用通信通道C 840与网络设备805通信。继续在上述非限制性示例中，机器人825可以访问并执行用于通过网站的网络聊天框进行通信的协议。在该示例中，协议可以包括专用于网络聊天框的编码语言，以用于使用网络聊天功能交换消息。该协议可以包括在执行时将由代理在终端设备810处输入的消息(例如，文本串或其他内容)转换为结构化内容(例如，分离成独立数据字段的内容)并且将结构化内容映射到网站的网络聊天框的元素的代码。当在终端设备810处(例如，由代理)接收到输入时，机器人825可以将结构化内容转换为网络聊天框的元素以使得能够使用网络聊天框来传送消息。

在一些实现方式中，机器人825还可以被配置为使用通信通道B 835与网络设备805通信。通信通道B 835可以是与通信通道C 840不同的通信通道。此外，与通信通道C 840所需的元素相比，通信通道B 835可能需要不同的元素来促进通信。机器人825可以被配置为将结构化内容转换为通信通道B 835的元素。继续上述非限制性示例，通信通道B 835可以是在智能电话上运行的本机应用程序的应用内聊天框。可能需要一个或多个元素来促进使用通信通道B 835的通信。例如，FACEBOOK MESSENGER可以是在智能电话上运行的本机应用程序。在该示例中，FACEBOOK MESSENGER的一个或多个元素可以是特定于FACEBOOKMESSENGER的、促进使用FACEBOOK MESSENGER的通信所需的模板。使机器人825能够使用通信通道B 835进行通信的协议可以将结构化内容映射到FACEBOOK MESSENGER本机应用程序的模板，以便将结构化内容作为消息在FACEBOOK MESSENGER应用程序内传输。

在一些示例中，移动应用程序(例如，移动本机应用程序)可以包括可执行代码(存储在移动设备中或者在一个或多个外部服务器处)，其可以使用网络设备(例如，智能手机)的操作系统执行。在一些示例中，移动应用程序可以包括混合移动应用程序，该混合移动应用程序由本机用户界面(UI)组件(在移动设备处生成和存储)组成，但以解释语言(例如，使用基于Web的编码语言)编写。本发明不限于移动本机应用程序或混合应用程序，因此，在本文描述的方法中可以使用任何类型的移动应用程序。

在一些实现方式中，机器人825还可以被配置为使用通信通道A830与网络设备805通信。通信通道A835可以是与通信通道C 840和通信通道B 835不同的通信通道。此外，与通信通道C 840和通信通道B 835所需的元素相比，通信通道A830可能需要不同的元素来促进通信。机器人825可以被配置为将结构化内容转换为通信通道A 830的元素。继续上述非限制性示例，通信通道A 830可以是网络设备805和终端设备810之间的VOIP音频通信链路。可能需要一个或多个元素来促进使用通信通道A 830的通信。该协议可以包括结构化内容到与通信通道A 830相关联的元素的映射。

在一些实现方式中，通信服务器820可以被配置为在不同的通信通道之间动态地、自主地和/或自动地传送通信会话，使得机器人825可以与网络设备805连续地通信，而不管通信通道如何。例如，网络设备805可以使用第一通信通道845(即，通信通道C 840)与终端设备810通信。网络设备805可以传输这样的消息，该消息指示操作网络设备805的用户打算改变当前正用于通信会话的通信通道。例如，网络设备805可以指示，第二通信通道850是用于继续与终端设备810的通信会话的目标通信通道。机器人825可以自动检测如下指示：通信通道应该从第一通信通道845改变为第二通信通道850。例如，机器人825可以连续地评估在通信会话期间交换的消息以检测应该改变通信通道。在检测到应该改变通信通道的指示时，通信服务器可以识别与网络设备805相关联的用户标识符。例如，用户数据数据库815可以存储各种用户的用户标识符。用户标识符可以是唯一标识网络设备的文本串和/或数字串。如果在任何给定时间，通信服务器820确定同一用户标识符与两个活动的通信通道相关联，则通信服务器820可以识别出网络设备正在请求继续通信会话但改变通信通道。

通信服务器820可以被配置为支持不同通信通道之间的连续性。例如，目标通信通道(例如，第二通信通道850)可以被机器人825自动使用以继续与网络设备805的通信会话，但是使用第二通信通道850而不是第一通信通道845。在一些实现方式中，机器人825可以使用第二通信通道850自动向网络设备805发送消息。向网络设备805发送消息可以向网络设备805指示通信通道的转移完成。在一些实现方式中，通信服务器820可以自动检测到通信通道已经从第一通信通道845改变为第二通信通道850。例如，当网络设备805正在使用第一通信通道845与机器人825通信时，通信服务器820可以识别与网络设备805相关联的用户标识符。如果网络设备805开始使用第二通信通道850(例如，在通信会话期间没有指示改变通信通道的意图)，则通信服务器820可以自动检测网络设备805的用户标识符当前与两个活动的通信通道(例如，第一通信通道845和第二通信通道850)相关联。通信服务器820可以检测到第一通信通道845与最近的消息历史(例如，在过去五分钟内发送或交换的消息)相关联，并且第二通信通道850不与最近的消息历史(例如，在过去几分钟内的消息)相关联。因此，通信服务器820可以确定网络设备805正在请求将通信会话从第一通信通道845转移到第二通信通道850。通信服务器820可以通过以下来实现转移：访问与第二通信通道850相关联的协议，并且使用所访问的协议执行机器人825以使机器人825或终端设备810能够使用第二通信通道850而不是使用第一通信通道845来与网络设备805进行通信。

在一些实现方式中，可以使用一种或多种机器学习技术来识别网络设备805的通信通道使用中的模式。例如，网络设备805对通信通道的使用可以被跟踪和记录(并存储为历史数据)。机器学习技术可以应用于历史数据以识别当与特定实体(例如，机器人、公司、终端设备、代理等)通信时，网络设备805最有可能使用哪个通信通道。当发起从终端设备810(或机器人825或任何其他终端设备)到网络设备805的通信时，通信服务器820可以建立网络设备805最有可能使用的类型的通信通道(基于机器学习技术的结果)。随着网络设备805开始更频繁地使用不同的通信通道，通信服务器820可以识别这种变化趋势并使用最常用或最频繁使用的通信通道来发起通信会话。

图9示出了表示用于使用机器学习技术增强端点选择的网络环境900的框图。网络环境900可以包括网络设备905(由用户操作)、通信服务器910、机器人915和终端设备920。通信服务器910可以促进通信通道的建立，该通信通道使网络设备905能够与机器人915和终端设备920中的至少一者通信。

通信服务器910可以包括智能路由系统925、消息推荐系统930和消息数据存储器935。智能路由系统925和消息推荐系统930中的每一者可以包括一个或多个具有处理器和存储器的计算设备，这些计算设备执行指令以实现某些操作。在一些实现方式中，智能路由系统925可以是被配置为将从网络设备接收的通信智能地路由到适当目的地的机器人。智能路由系统925可以包括一个或多个处理器，其被配置为执行使得一种或多种机器学习技术或人工智能技术智能地路由消息的代码。在一些实现方式中，智能路由系统925可以执行一种或多种机器学习技术来训练预测与从网络设备905接收的消息相关联的目的地的模型。

作为非限制性示例，智能路由系统925可以通过由通信服务器910(例如，被配置为使用户能够跨各种设备相互通信的本机应用程序)建立或促进的通信通道从网络设备905接收消息。智能路由系统925可以根据上述某些实施方式评估传入的消息。例如，智能路由系统925可以使用经训练的机器学习模型来评估包含在接收到的消息中的内容(例如，文本、音频剪辑、图像、表情符号或其他合适的内容)。消息的内容可以输入到机器学习模型中以生成预测的目的地(例如，特定的终端设备或机器人)。机器学习模型可以基于从网络设备905接收的反馈信号940被连续训练。在一些实现方式中，智能路由系统925可以请求来自网络设备905的预测目的地的确认。作为非限制性示例，智能路由系统925可以使用机器学习技术来评估消息，并且评估的结果可以包括机器人915是消息的目的地的预测。为了确认，智能路由系统925可以自动请求反馈信号940。例如，反馈信号940可以包括对网络设备905确认机器人915是否是消息的正确目的地的请求(例如，“技术支持是正确的目的地吗？”)。如果网络设备905发送机器人915是正确目的地(例如，操作网络设备905的用户预期的目的地)的确认，则智能路由系统925可以训练机器学习模型来预测包括与接收的消息相同或相似内容(例如，相似性阈值，例如内容的10％的差异)的未来消息将被路由到机器人915。然而，如果智能路由系统925接收到反馈信号940，该反馈信号940指示机器人915不是接收的消息的正确或预期目的地，而是终端设备920是正确或预期目的地，则智能路由系统925可以训练机器学习模型使得包括与接收的消息相同或相似内容的未来消息将被路由到终端设备920(而不是机器人915)。在一些实现方式中，智能路由系统925可以不立即更新或训练机器学习模型来将未来消息路由到终端设备920，而是智能路由系统925可以在将具有与接收的消息完全相同或相似内容的所有未来消息路由到终端设备920之前，等待阈值数量的到机器人915的不正确路由。作为非限制性示例，智能路由系统925可以在网络设备发送指示机器人915不是正确或预期目的地的反馈信号的五个实例之后开始将未来消息(预测要被路由到机器人915的消息)路由到终端设备920而不是机器人915。

在一些实施方式中，智能路由系统925可以基于接收到的处理消息中的特定请求的出价来选择将给定消息路由到哪里。智能路由系统925可以广播对不同服务的意图并且确定谁想要对处理请求进行出价。出价方可以以其成功处理请求的置信水平和执行对请求的处理的计划来进行响应。智能路由系统925可以评估来自出价方的所有响应，并且基于机器学习策略确定针对给定消息使用哪个出价方。

消息数据存储器935可以存储过去从一个或多个网络设备接收的一些(例如，但不是全部)或所有消息。此外，消息数据存储器935还可以存储在与网络设备的先前通信会话期间由终端设备或机器人发送的一些或全部消息。消息数据存储器935还可以存储在通信会话期间由网络设备发送到机器人的一些或全部消息。此外，消息数据存储器935可以存储在通信会话期间由机器人发送到网络设备的一些或全部消息。在一些实现方式中，消息数据存储器935可以是通信服务器910处理(例如，由其发送或接收)的所有消息的数据库。

消息推荐系统930可以分析存储在消息数据存储器935处的消息数据库。在一些实现方式中，消息推荐系统930可以使用一种或多种机器学习算法或人工智能算法来评估存储在消息数据存储器935处的消息。例如，消息推荐系统930可以对存储在消息数据存储器935中的消息数据库执行一种或多种聚类算法，例如K均值聚类、均值偏移聚类、具有噪声的基于密度的应用空间聚类(DBSCAN)聚类、使用高斯混合模型(GMM)的期望最大化(EM)聚类、和其他合适的机器学习算法。在一些实现方式中，循环神经网络(RNN)或卷积神经网络(CNN)可用于预测响应消息以协助代理。在一些实现方式中，消息推荐系统930可以使用支持向量机(SVM)，监督、半监督的集成技术或无监督机器学习技术来评估所有先前的消息以预测对在通信会话期间从网络设备接收的传入消息的响应。例如，消息推荐系统930可以评估从网络设备接收的消息(或在通信服务器910处从机器人或终端设备接收的消息)的内容，并将评估结果与存储在消息数据存储器935中的先前消息的一个或多个集群进行比较。一旦识别出集群，则消息推荐系统930可以基于置信阈值识别最相关的响应消息。例如，传入消息(例如，在通信服务器910处从网络设备905接收的消息)可以基于传入消息的内容对应于技术问题。消息推荐系统930可以基于对传入消息的内容的评估(例如，文本评估)来识别出传入消息对应于技术问题。消息推荐系统930可以访问消息数据存储器935以识别与技术问题相关联的消息集群。消息推荐系统930可以基于置信阈值在消息集群内选择一个或多个响应消息。作为非限制性示例，可以执行置信算法以生成置信分数。置信分数可以是百分比值，其中百分比越低，响应是对传入消息的良好预测的可能性越小，百分比越高，响应是对传入消息的良好预测的可能性越大。最小置信阈值可以定义为与每个发现的模式相关联的确定性或可信度的测度。此外，置信算法的示例可以是Apriori算法、指示两个数据集之间的相似性的相似性算法、以及其他合适的置信算法。

图10示出了在与网络设备的通信会话期间路由机器人和终端设备之间的对话的示例过程。在步骤1005，可以接收和跟踪与客户端设备相关联的一个或多个变量。客户端设备可以由客户端操作，如本文进一步描述的。一个或多个变量可以包括，例如，成本、客户资料(例如，一般状态与VIP状态、新客户与回头客)、经验、历史数据(例如，过去的对话抄录、有关用户过去的对话的数据或与用户共享相似性的数据)或任何其他输入。这样的变量提供了在确定什么可操作项是有保证的、如何执行这种可操作项以及指定哪个实体来执行可操作项时可以考虑的上下文。例如，客户端可以决定他们对降低成本感兴趣，因此应该使用尽可能少的代理，而应该执行机器人处理以实现过程自动化，即使这意味着降低客户满意度。另一个客户端可能对成本没意见，而是关注于客户体验。这些变量可能会影响消息被路由到代理(通过终端设备)、机器人、自动化还是其他与不同可操作项相关联的接收设备，以及影响路由的条件(例如，通信通道)。可以在整个对话过程中持续跟踪此类变量。例如，当用户展示新信息时，此类新信息可能代表新变量，然后可以将这些新变量与其他变量(例如，历史变量)聚集以通知后续的路由决策。

在步骤1010，可以监控与客户端的对话。对话可以从消息由代理或机器人发送到客户端的网络设备开始或由代理或机器人从客户端的网络设备接收的消息开始。该消息可以包括指示一个或多个意图的信息。在一些实施方式中，消息可以是用自然语言表达的，即对话的语言。例如，该消息可能会表述“我想更改我的地址并支付我的账单。”无论用户是与人工代理、机器人、自动化等还是与此类通信的通道进行通信，都可以持续监视、跟踪、分析每个用户消息。例如，对话可能从社交媒体页面开始，但随后可能被路由到各种消息收发应用程序、电子邮件应用程序、电话或其他通信通道。因此，无论通道或媒体如何变化，对话中的所有消息都可以在上下文中进行监控和评估。

在步骤1015，对话中的每个消息可以被解析以识别所指示的意图是什么。例如，消息“我想更改我的地址并支付我的账单”可以被解析为识别意图“更改_地址(change_address)”和意图“支付_账单(pay_bill)”)。每个意图都可以与一个或多个策略定义的可操作项相关联。路由策略或规则可以由实体或企业定义。每个路由规则可以指定不同的变量或条件，以及在满足变量或条件时要采取的一个或多个可操作项。例如，意图“change_address”可以与这样的可操作项相关联，其中，用户被路由到被编程为向用户询问更新地址并更新现有用户资料的机器人。同样，意图“pay_bill”可以与这样的可操作项相关联，其中，用户被路由到被编程为发起针对他或她的账单的支付的自动操作。

在一些实施方式中，路由策略可以基于在步骤1005中跟踪的变量指定不同的可操作项。例如，VIP客户可能不会被路由到机器人或自动操作，而是基于优先级被路由到人工代理。对话的不同条件(例如，日历、地理位置、历史路由、偏好、天气等)也可能导致不同的路由决策。

在步骤1020，分析第一意图和第二意图以确定执行(一个或多个)可操作项的优先级。优先级可以指示执行每个可操作项的顺序。继续上述示例，可以确定应该首先完成地址改变，因为为了有效地支付账单可能需要该信息。优先级也可以基于其他数据(例如执行可操作项的最有效顺序)来确定。例如，如果第一可操作项执行得更快，则可以先执行第一可操作项。

在步骤1025，(一个或多个)意图可以被馈送到机器学习模型中以获得协调计划。机器学习模型可以结合适用的路由规则来评估变量和意图，以识别将对话路由到的一个或多个端点。因此对话计划可以包括识别的端点，其可以进一步基于优先级排序。例如，端点可以包括用于第一意图的第一端点和用于第二意图的第二端点。端点的识别可以基于与对话相关联的不同变量而不同。例如，如果一个或多个变量指示寻求改变航空公司航班的用户可能偏好最大化成本节省(而不是时间节省)，则可以向用户呈现已经被过滤以最大化成本节省的航班选项。如果一个或多个策略指示应该最大化客户满意度，则与当前情绪相关的变量(例如，客户满意度水平或满意度缺乏水平)可以被加权以尽可能地路由到人工代理。其他变量可以包括给定任务的处理速度、机器人和代理执行的任务的准确性等。

在步骤1030，会话按照优先级指定的顺序路由到端点。例如，第一意图可以被路由到第一端点。此后第一端点可以执行第一可操作项，例如由机器人执行的地址更改。然后网络设备可以从第一端点转移到第二端点，例如从机器人转移到终端设备，此后第二端点可以执行第二可操作项，例如账单支付。

可以基于各个相关联的意图的优先级顺序地路由对话。然而，在一些实施方式中，可能会出现可能被分配高优先级的新的意图，从而导致对话的路由决策与对话计划中最初标识的路由决策不同。因此，基于这种动态的、实时的评估和决策，对话可能会经历从原始端点到新端点的切换。在一些情况下，可以关于所指示的新意图进一步询问用户以确认新意图的存在，以及获得在做出切换决策时要考虑的上下文或变量。

在步骤1035，可以确定对话是否指示了新的意图。这种确定可以基于询问用户他们是否有任何进一步的需要或请求。在一些实施方式中，这种确定可以由与对话相关联的其他信息来指示。在原始识别的意图被确定已经改变的情况下，也可以识别新的意图。如果看起来已经指示了新意图，则该方法可以返回到步骤1005。如上所述，可以持续监控变量和对话。因此，来自用户的不同消息或改变的条件可能指示新的意图。例如，关于购买单个项(例如电视)的对话可能会引起对项中不存在的某些特征(例如环绕声系统)的兴趣。其他示例可能包括航班变更请求，其中变化的天气模式可能指示某些连接点可能会遇到延迟。同样地，在账单支付期间，用户可能会对某些费用表示不满，这可以提示系统呈现促销和优惠以降低费用。然而，返回到步骤1005，可以继续考虑与对话中的先前消息相关的所有上下文信息(例如，变量、意图)。

如果没有指示新的意图，则该方法可以进行到步骤1040，其中可以将对话的结果和结局添加到机器学习模型中。此类关于对话结果和结局的数据可被分析并用于改进可应用于未来路由决策的当前策略。

图11示出了表示其中可以实现用于编排由人工智能(AI)驱动的对话的系统的网络环境的框图。该网络环境可以包括对话操作系统(OS)1110、上下文仓库1120、礼宾机器人1130、对话协调器1140和(一个或多个)外部服务1150。

对话OS 1110可以包括用于分析对话和执行各种对话功能的各种对话模块。对话OS 1110可以包括例如被配置为执行自然语言理解(NLU)、意图服务、上下文服务、情绪分析、反馈收集、对话管理、服务提供商发现和分配、动作确定、调度和对话智能的模块。因此，对话OS 1110可以支持自动对话以及跟踪与人工代理的对话。该分析可以应用于来自过去对话的聊天记录，并且还可以提供当前对话的实时可见性和聚合分析。不同的实体和品牌可以指定如何管理与客户或客户端的对话的规则。此外，可以基于实体或品牌的代理(人或机器人)进行的对话随着时间的推移建立和改进各种学习模型。

上下文仓库1120可以包括可能与对话相关的任何上下文信息，包括历史数据、当前数据和用户特定数据。这样的上下文数据可以提供在步骤1005中考虑的一个或多个变量。上下文仓库1120可以进一步与各种外部系统1150通信以获得关于对话的上下文数据。可以在整个对话过程中聚合和考虑关于对话的数据，以及将其用于持续更新上下文仓库1120。此类数据之后可被分析并用于识别趋势和模式，以及改进各种规则和策略。

礼宾机器人1130可以用作对话中的初始端点。礼宾机器人1130可以被编程为从用户得出数据，例如，可以指示一个或多个意图的数据。之后可以基于(一个或多个)当前意图将对话路由到不同的机器人和其他类型的端点(例如，人工代理、自动操作)。

对话协调器1140可以与对话OA 1110、上下文仓库1120、礼宾机器人1130(和/或其他端点)和外部服务1150结合操作以执行图10的方法。特别地，对话协调器1140可以针对一个或多个策略(例如，与企业、品牌或其他实体相关联的策略)来持续监控和分析正在进行的对话、上下文(例如，变量、条件)，从而以个性化或针对用户、品牌和其他对话条件定制的方式识别可操作项。这种可操作项可以包括可能需要在不同端点之间切换、接管对话等的路由决策，以便最好地处理与品牌相关的用户意图。

图12示出了表示对话的AI驱动的编排内的示例性信息流的框图。如图所示，可以分析用户(“Tom Dean”)对话以提取某些上下文数据，包括客户属性和意图指示。这样的上下文数据可以存储在上下文仓库1120中。另外，这样的上下文数据可以被提供给对话协调器1140，对话协调器1140将适用的上下文数据与指定某些建议的可操作项的一个或多个策略相匹配。图12所示示例中的可操作项包括触发计费信用和个性化响应。

图13A-图13C示出了由AI驱动的系统编排的示例性对话。特别地，图13A图示了在对话期间呈现给用户的图形用户界面，以及背景数据和路由动作的图。当用户发短信“嗨”时，图13A的对话开始。可以检索关于消费者的数据(例如，“消费者信息”)以识别用户的姓名，之后路由机器人可以使用该姓名以个性化的方式响应用户并进一步查询用户的意图数据。如图所示，“消费者信息”包括“先前对话”、以及各种不同的用户特定的上下文数据，这些数据可用于在对话中制定响应并做出决策。如图所示，用户可以指示期望获得与“风暴延迟”相关的帮助。背景“先前对话”数据可以指示包括“延迟”响应和相关联响应的过去消息。

图13B图示了在不同对话期间呈现给用户的图形用户界面以及标识为在背景中相关的策略的图。在所示的对话中，用户已指示“需要重新安排航班”。背景分析可以识别哪些策略适用于这种意图。可以基于上下文数据进一步过滤策略并确定其优先级，上下文数据包括天气数据(例如，特定于“天气_延迟(Weather_Delay)的策略)、VIP状态(例如，VIPRule)和对话的其他条件。

图13C示出了在对话期间呈现给用户的图形用户界面、以及关于每个路由决策是否与用户的意图相关的反馈分析的图。例如，该消息可能涉及“方向”，这可以被识别为表示“navigation.directions”的意图。基于这种意图，对话可以被路由到被编程以辅助导航的机器人(例如，“navigationBot”)。如图所示，被识别的机器人可以与88％的被确定为具有所识别的意图的查询相关。此外，之后可以使用用户反馈来评估关于路由决策是否确实与用户需要相关的用户情绪和满意度。

在以上描述中给出了具体细节以提供对实施方式的透彻理解。然而，应该理解，可以在没有这些具体细节的情况下实践实施方式。例如，电路可以被示为框图，以免在不必要的细节上使实施方式晦涩难懂。在其他实例中，可以示出公知的电路、过程、算法、结构和技术而没有不必要的细节，以避免使实施方式晦涩难懂。

上述技术、框图、步骤和装置的实现可以以各种方式来完成。例如，这些技术、框图、步骤和装置可以以硬件，软件或其组合来实现。对于硬件实现，处理单元可以在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行上述功能的其他电子单元和/或其组合内实现。

另外，应该注意，实施方式的各部分可以被描述为过程，该过程被描绘为流程图、作业图、数据流图、结构图或框图。尽管流程图可以将操作描述为顺序过程，但是许多操作可以并行或同时执行。另外，可以重新安排操作的顺序。当一个过程的操作完成时，该过程将终止，但是可以具有图中未包含的附加步骤。过程可以对应于方法、函数、程序、子例程、子程序等。当过程对应于函数时，其终止对应于该函数返回到调用函数或主函数。

此外，实施方式可以通过硬件、软件、脚本语言、固件、中间件、微代码、硬件描述语言、和/或他们的任何组合来实现。当以软件、固件、中间件、脚本语言和/或微代码实现时，执行必要任务的程序代码或代码段可以存储在诸如存储介质的机器可读介质中。代码段或机器可执行指令可表示过程、函数、子程序、程序、例程、子例程、模块、软件包、脚本、类，或指令、数据结构的任何组合，和/或程序声明。代码段可以通过传递和/或接收信息、数据、自变量、参数、和/或存储器内容而联接至另一代码段或硬件电路。信息、自变量、参数、数据等可以通过任何合适的方式传递、转发或传输，所述方式包括存储器共享、消息传送、票据传递、网络传输等。

对于固件和/或软件实现方式，可以利用执行本文描述的功能的模块(例如，程序、函数等)来实现方法。有形地体现指令的任何机器可读介质可用于实现本文描述的方法。例如，软件代码可以存储在存储器中。存储器可以在处理器内或处理器外部实现。如本文所使用的，术语“存储器”是指任何类型的长期、短期、易失性、非易失性或其他的存储介质，并且不限于任何特定类型的存储器或任何数量的存储器、或者上面存储有存储器的介质的类型。

此外，如本文中所公开的，术语“存储介质”、“存储器(storage或memory)”可以表示用于存储数据的一个或多个存储器，包括只读存储器(ROM)、随机存取存储器(RAM)、磁性RAM、磁心存储器、磁盘存储介质、光学存储介质、闪存设备和/或用于存储信息的其他机器可读介质。术语“机器可读介质”包括但不限于便携式或固定式存储设备、光学存储设备、无线通道、和/或能够存储的包含或承载(一个或多个)指令和/或数据的各种其他存储介质。

尽管以上已经结合具体的装置和方法描述了本发明的原理，但是应该清楚地理解，该描述仅是通过示例的方式进行的，并且不作为对本发明范围的限制。

Claims (15)

1.一种计算机实现的方法，包括：

使用历史消息数据训练机器学习模型，为未来消息生成一个或多个预测目的地端点；

实时监控用户的网络设备和客户端设备之间的对话；

实时解析所述对话，以识别所述对话的消息的意图，其中，所述消息包括第一意图和第二意图，并且，所述第一意图与第一可操作项相关联，所述第二意图与第二可操作项相关联；

分析所述第一意图和所述第二意图以确定用于执行所述第一可操作项和所述第二可操作项的优先级，其中，所述优先级指示应该首先执行所述第一可操作项并且应该其次执行所述第二可操作项；

将所述第一意图和所述第二意图馈送到所述机器学习模型中，其中，所述机器学习模型通过优化与所述客户端设备相关联的一个或多个变量来识别用于所述第一意图的预测的第一目的地端点和用于所述第二意图的预测的第二目的地端点；

将所述第一意图路由到所述第一目的地端点；

将所述第二意图路由到所述第二目的地端点；

在路由所述消息之后确定所述消息被相应的目的地端点接收；

在确定所述消息被所述相应的目的地端点接收后，请求用户反馈；

接收关于所述相应的目的地端点的用户反馈，其中所述用户反馈指示所述相应的目的地端点不是正确目的地；

持续判断包括所请求的用户反馈在内的多个用户反馈实例是否满足阈值反馈水平，其中所述阈值反馈水平包括指定数量的所述相应的目的地端点不是正确目的地的指示；

至少部分地基于对与所述相应的目的地端点相关联的反馈的实时分析来持续更新所述机器学习模型，其中所述机器学习模型被训练为当达到所述阈值反馈水平时实时地为所述消息生成更新的预测的目的地端点；和

更新具有与所述消息相似的内容的未来消息的路由，其中更新的路由是到所述更新的预测的目的地端点。

2.如权利要求1所述的计算机实现的方法，其中，所述第一目的地端点是机器人。

3.如权利要求1所述的计算机实现的方法，其中，所述第一目的地端点是终端设备，并且所述终端设备由代理操作。

4.如权利要求1所述的计算机实现的方法，其中，所述第一目的地端点是机器人并且所述第二目的地端点是终端设备，所述终端设备由代理操作。

5.如权利要求1所述的计算机实现的方法，其中，所述消息是用自然语言表达的。

6.一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质包括在被一个或多个处理器执行时使所述一个或多个处理器执行操作的指令，所述操作包括：

使用历史消息数据训练机器学习模型，为未来消息生成一个或多个预测目的地端点；

实时监控用户的网络设备和客户端设备之间的对话；

实时解析对话，以识别所述对话的消息的意图，其中，所述消息包括第一意图和第二意图，并且，所述第一意图与第一可操作项相关联，所述第二意图与第二可操作项相关联；

分析所述第一意图和所述第二意图以确定用于执行所述第一可操作项和所述第二可操作项的优先级，其中，所述优先级指示应该首先执行所述第一可操作项并且应该其次执行所述第二可操作项；

将所述第一意图和所述第二意图馈送到所述机器学习模型中，其中，所述机器学习模型通过优化与所述客户端设备相关联的一个或多个变量来识别用于所述第一意图的预测的第一目的地端点和用于所述第二意图的预测的第二目的地端点；

将所述第一意图路由到所述第一目的地端点；

将所述第二意图路由到所述第二目的地端点；

在路由所述消息之后确定所述消息被相应的目的地端点接收；

在确定所述消息被所述相应的目的地端点接收后，请求用户反馈；

接收关于所述相应的目的地端点的用户反馈，其中所述用户反馈指示所述相应的目的地端点不是正确目的地；

持续判断包括所请求的用户反馈在内的多个用户反馈实例是否满足阈值反馈水平，其中所述阈值反馈水平包括指定数量的所述相应的目的地端点不是正确目的地的指示；

至少部分地基于对与所述相应的目的地端点相关联的反馈的实时分析来持续更新所述机器学习模型，其中所述机器学习模型被训练为当达到所述阈值反馈水平时实时地为所述消息生成更新的预测的目的地端点；和

更新具有与所述消息相似的内容的未来消息的路由，其中更新的路由是到所述更新的预测的目的地端点。

7.如权利要求6所述的非暂时性机器可读存储介质，其中，所述第一目的地端点是机器人。

8.如权利要求6所述的非暂时性机器可读存储介质，其中，所述第一目的地端点是终端设备，并且所述终端设备由代理操作。

9.如权利要求6所述的非暂时性机器可读存储介质，其中，所述第一目的地端点是机器人并且所述第二目的地端点是终端设备，所述终端设备由代理操作。

10.如权利要求6所述的非暂时性机器可读存储介质，其中，所述消息是用自然语言表达的。

11.一种系统，包括：

一个或多个处理器；以及

一种或多种包含指令的非暂时性机器可读存储介质，所述指令当在所述一个或多个处理器上执行时使所述一个或多个处理器执行操作，所述操作包括：

使用历史消息数据训练机器学习模型，为未来消息生成一个或多个预测目的地端点；

实时监控用户的网络设备和客户端设备之间的对话；

实时解析对话，以识别所述对话的消息的意图，其中，所述消息包括第一意图和第二意图，并且，所述第一意图与第一可操作项相关联，所述第二意图与第二可操作项相关联；

分析所述第一意图和所述第二意图以确定用于执行所述第一可操作项和所述第二可操作项的优先级，其中，所述优先级指示应该首先执行所述第一可操作项并且应该其次执行所述第二可操作项；

将所述第一意图和所述第二意图馈送到所述机器学习模型中，其中，所述机器学习模型通过优化与所述客户端设备相关联的一个或多个变量来识别用于所述第一意图的预测的第一目的地端点和用于所述第二意图的预测的第二目的地端点；

将所述第一意图路由到所述第一目的地端点；

将所述第二意图路由到所述第二目的地端点；

在路由所述消息之后确定所述消息被相应的目的地端点接收；

在确定所述消息被所述相应的目的地端点接收后，请求用户反馈；

接收关于所述相应的目的地端点的用户反馈，其中所述用户反馈指示所述相应的目的地端点不是正确目的地；

持续判断包括所请求的用户反馈在内的多个用户反馈实例是否满足阈值反馈水平，其中所述阈值反馈水平包括指定数量的所述相应的目的地端点不是正确目的地的指示；

至少部分地基于对与相应的目的地端点相关联的反馈的实时分析来持续更新所述机器学习模型，其中所述机器学习模型被训练为当达到所述阈值反馈水平时实时地为所述消息生成更新的预测的目的地端点；和

更新具有与所述消息相似的内容的未来消息的路由，其中更新的路由是到所述更新的预测的目的地端点。

12.如权利要求11所述的系统，其中，所述第一目的地端点是机器人。

13.如权利要求11所述的系统，其中，所述第一目的地端点是终端设备，并且所述终端设备由代理操作。

14.如权利要求11所述的系统，其中，所述第一目的地端点是机器人并且所述第二目的地端点是终端设备，所述终端设备由代理操作。

15.如权利要求11所述的系统，其中，所述消息是用自然语言表达的。

Images