CN113704432A - 一种基于互联网医院的人工智能客服系统构建方法及装置 - Google Patents
一种基于互联网医院的人工智能客服系统构建方法及装置 Download PDFInfo
- Publication number
- CN113704432A CN113704432A CN202111013371.XA CN202111013371A CN113704432A CN 113704432 A CN113704432 A CN 113704432A CN 202111013371 A CN202111013371 A CN 202111013371A CN 113704432 A CN113704432 A CN 113704432A
- Authority
- CN
- China
- Prior art keywords
- user
- customer service
- intention
- constructing
- artificial intelligence
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于互联网医院的人工智能客服系统构建方法及装置,通过智能客服模块对用户问题进行意图识别,采用神经网络算法构建任务式多轮对话,查询数据库中的具体信息返回用户问询窗口,在智能客服模块无法解决用户问题时配置对应人工客服并辅助回答,可贴合互联网医院的业务需求,提高客服的工作效率,提升用户体验。
Description
技术领域
本发明涉及智能客服技术领域,尤其是指一种基于互联网医院的人工智能客服系统构建方法及装置,可读储存介质及计算机控制系统。
背景技术
传统的在线客服系统是一种网页版即时通讯软件的统称,随着移动互联网的发展,在线沟通需要跨越多种客户端如web、APP、微信公众号、小程序等进行。而智能客服系统能够结合人工智能方面的自然语言处理(NLP,Natural Language Processing)等技术提供智能接待与辅助接待的服务。智能客服系统目前多应用于一些头部互联网企业的产品中,如淘宝、京东等,而互联网医院作为传统医院与互联网结合的新实体,其在线客服系统需求既有通用客服系统的普遍性,也有行业的特殊性。现有的在线客服系统多针对电商行业开发,因其在电商领域应用最多、最广也最成熟。头部电商企业的技术创新能力较强,相比其他行业,前沿的人工智能技术在电商领域应用也更为广泛。一些在医疗领域能应用的人工智能技术尚待挖掘和转化。从产品和服务来说,互联网医疗-互联网医院提供的服务和产品与电商相比有很大的不同。具体表现在服务和产品的非标准性(需要根据具体个体“量身定做”,不可复制)、沟通过程就是产出的过程(求医问药到开具处方)和服务的长期性(一次沟通的过程较长,后续可能服务至患者痊愈),这些特点决定了互联网医院的客服系统不能完全套用电商行业的客服系统,沟通是始终贯穿在“售前”、“售中”与“售后”的核心要素。
发明内容
针对上述背景技术中的问题,提供了一种基于互联网医院的人工智能客服系统构建方法,可贴合互联网医院的业务需求,提高客服的工作效率,提升用户体验。
本发明所述的一种基于互联网医院的人工智能客服系统构建方法,包括:
S1构建分布式微服务端,通过全渠道客户端SDK获取用户问题并加载用户信息;
S2智能客服模块通过NLP技术对所述用户问题和用户信息进行意图识别,得到用户意图和意图实体;
S3通过LSTM神经网络构建任务式多轮对话,记录用户提及的意图和意图实体;
S4根据用户回答进行意图和意图实体的逻辑识别,判断用户是否切换了意图和意图实体,通过智能客服模块查询数据库中的具体信息返回问询窗口;
S5集成工作台为智能客服模块无法解决的用户问题配置人工客服组,同时继续对用户问题进行意图识别与查询结果返回;
S6当用户问题解决后,由集成客服质检系统接口导入问询窗口的全部对话,检查智能客服模块工作内容是否违规。
本发明通过智能客服模块对用户问题进行意图识别,采用神经网络算法构建任务式多轮对话,查询数据库中的具体信息返回用户问询窗口,在智能客服模块无法解决用户问题时配置对应人工客服并辅助回答,可贴合互联网医院的业务需求,提高客服的工作效率,提升用户体验。
具体地,所述全渠道客户端SDK(Software Development Kit,软件开发工具包)包括iOS、Android和JavaScript的SDK,所述全渠道客户端SDK使用HTTP长轮询Long-Polling技术实现消息的即时拉取。
进一步地,所述意图识别采用BERT预训练模型和RNN神经网络模型;预设的意图种类包括:互动聊天、物流咨询、药品咨询、活动咨询、售后咨询、订单咨询、账户咨询、疾病咨询和建议反馈;RNN神经网络模型根据用户留下的问句进行训练识别,配置更新意图种类。
进一步地,所述用户信息包括会员信息、等级、近期订单、访问入口、近期浏览轨迹;当转接人工客服组处理时,所述用户信息展示在集成工作台界面。
进一步地,所述智能客服模块通过NLP(Natural Language Process,自然语言处理)技术对所述用户问题和用户信息进行意图识别,得到用户意图和意图实体;所述用户意图是用户问询的主题,即要进行哪个种类的查询操作;所述意图实体是用户问询涉及到的领域实体,即要查询操作的对象。
进一步地,所述通过LSTM(Long Short Term Memory,长短时记忆)神经网络构建任务式多轮对话,记录用户提及的意图和意图实体的步骤包括:基于用户问询的主题在预设的意图种类中进行查询操作,基于意图实体查询数据库中的具体信息返回问询窗口,等待用户下一次问询,向用户返回结果,经过多次一问一答完成一个任务的过程中用户若切换到其他意图或意图实体上,则通过智能客服模块对用户问询中出现过的意图和意图实体进行记录。
进一步地,所述集成工作台为智能客服模块无法解决的用户问题配置人工客服组,同时继续对用户问题进行意图识别与查询结果返回的步骤包括:若智能客服模块不能解决用户问题、用户明确要求转人工客服,则根据用户问询中出现过频率最高的意图和意图实体配置对应的人工客服组,同一人工客服组中的不同客服根据实时繁忙程度优先分配上一次与用户交流的客服,在人工客服与用户交流时,智能客服模块同时对用户问题进行自动查询,在人工客服输入界面返回查询到的答案,由人工客服决定是否发送给用户。
本发明还提供一种压铸件缺陷检测装置,包括:
用于构建分布式微服务端,通过全渠道客户端SDK获取用户问题并加载用户信息的装置;
用于智能客服模块通过NLP技术对所述用户问题和用户信息进行意图识别,得到用户意图和意图实体的装置;
用于通过LSTM神经网络构建任务式多轮对话,记录用户提及的意图和意图实体的装置;
用于根据用户回答进行意图和意图实体的逻辑识别,判断用户是否切换了意图和意图实体,通过智能客服模块查询数据库中的具体信息返回问询窗口的装置;
用于集成工作台为智能客服模块无法解决的用户问题配置人工客服组,同时继续对用户问题进行意图识别与查询结果返回的装置;
用于当用户问题解决后,由集成客服质检系统接口导入问询窗口的全部对话,检查智能客服模块工作内容是否违规的装置。
进一步地,本发明还提供一种可读储存介质,其上储存有控制程序,其特征在于:该控制程序被处理器执行时实现如上述任意一项所述的基于互联网医院的人工智能客服系统构建方法。
进一步地,本发明还提供一种计算机控制系统,包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的控制程序,其特征在于:所述处理器执行所述控制程序时实现如上述任意一项所述的基于互联网医院的人工智能客服系统构建方法。
为了能更清晰的理解本发明,以下将结合附图说明阐述本发明的具体实施方式。
附图说明
图1为本发明实施例的一种基于互联网医院的人工智能客服系统构建方法流程图。
图2为本发明实施例的人工智能客服系统处理用户问题的流程图。
图3为实施例中配置意图类别和例句的系统界面示意图。
图4为本实施例的LSTM神经网络通过遗忘门和记忆门更新状态信息的示意图。
图5为本实施例的分布式微服务端模块拆分示例图。
具体实施方式
请参阅图1,其为本发明实施例的一种基于互联网医院的人工智能客服系统构建方法流程图。
本发明所述的一种基于互联网医院的人工智能客服系统构建方法,包括:
S1构建分布式微服务端,通过全渠道客户端SDK获取用户问题并加载用户信息;
S2智能客服模块通过NLP技术对所述用户问题和用户信息进行意图识别,得到用户意图和意图实体;
S3通过LSTM神经网络构建任务式多轮对话,记录用户提及的意图和意图实体;
S4根据用户回答进行意图和意图实体的逻辑识别,判断用户是否切换了意图和意图实体,通过智能客服模块查询数据库中的具体信息返回问询窗口;
S5集成工作台为智能客服模块无法解决的用户问题配置人工客服组,同时继续对用户问题进行意图识别与查询结果返回;
S6当用户问题解决后,由集成客服质检系统接口导入问询窗口的全部对话,检查智能客服模块工作内容是否违规。
本发明通过智能客服模块对用户问题进行意图识别,采用神经网络算法构建任务式多轮对话,查询数据库中的具体信息返回用户问询窗口,在智能客服模块无法解决用户问题时配置对应人工客服并辅助回答,可贴合互联网医院的业务需求,提高客服的工作效率,提升用户体验。
请参阅图2,其为本发明实施例的人工智能客服系统处理用户问题的流程图。
Step 10:用户进入问询窗口
具体地,所述全渠道客户端SDK(Software Development Kit,软件开发工具包)包括iOS、Android和JavaScript的SDK,解决客户端与服务端的通信问题,隐藏底层的交互消息,用户可从PC(Web)、App、微信公众号和小程序进入咨询。统一的SDK保证了各渠道接入的稳定性,不断连、不丢失消息。
所述全渠道客户端SDK使用HTTP长轮询Long-Polling技术实现消息的即时拉取。
Step 20:加载用户信息
所述用户信息包括会员信息、等级、近期订单、访问入口、近期浏览轨迹;当转接人工客服组处理时,所述用户信息展示在集成工作台界面。
Step 30:智能客服模块进行意图识别与多轮对话
进一步地,所述智能客服模块通过NLP(Natural Language Process,自然语言处理)技术对所述用户问题和用户信息进行意图识别,得到用户意图和意图实体;得到了意图和意图相关的实体后则可以进行自动的查询或操作。
所述意图识别采用BERT预训练模型和RNN神经网络模型;预设的意图种类包括:互动聊天、物流咨询、药品咨询、活动咨询、售后咨询、订单咨询、账户咨询、疾病咨询和建议反馈;RNN神经网络模型根据用户留下的问句进行训练识别,配置更新意图种类。图3为实施例中配置意图类别和例句的系统界面示意图。
所述用户意图是用户问询的主题,即要进行哪个种类的查询操作;对于配置好的意图,要让智能客服系统自动处理用户问题,必须进一步识别出用户问句中的意图实体。所述意图实体是用户问询涉及到的领域实体,即要查询操作的对象。例如咨询疾病,需要识别出疾病的名称,具体的疾病名称就是意图实体;咨询药品,则需要识别出用户提到的药品名称。
通过LSTM(Long Short Term Memory,长短时记忆)神经网络构建任务式多轮对话,基于用户问询的主题在预设的意图种类中进行查询操作,基于意图实体查询数据库中的具体信息返回问询窗口,等待用户下一次问询,向用户返回结果,经过多次一问一答完成一个任务的过程中用户若切换到其他意图或意图实体上,则通过智能客服模块对用户问询中出现过的意图和意图实体进行记录。
图4为本实施例的LSTM神经网络通过遗忘门和记忆门更新状态信息的示意图。通过对对话内容的训练后,LSTM神经网络可以有选择的记住和遗忘当前内容,即记住与更新当前的对话“主题”。
在本实施例中,举例多轮对话过程如下:
客户:请问这种药的作用是什么?(1)
系统(智能模块):请问您要咨询的药品名称是?(2)
客户:阿司匹林。(3)
系统(智能模块):阿司匹林是一种…,可以用于…。(4)
客户:那么青霉素呢?(5)
系统(智能模块):青霉素是一种…,可以用于…。(6)
客户:它的用法用量是怎么样的?(7)
系统(智能模块):青霉素的用法用量是:成人每天…,儿童…。(8)
在对客户问题(1)进行意图识别(采用BERT+RNN模型)后,分析出客户意图是咨询药品的作用,开始了一个“药品功效查询”的任务,而该任务配置的必须信息有“药品的名称”,因此系统发出询问客户要咨询的药品是什么(2)。当客户在问题(5)切换实体时,系统保持了对当前意图的记忆(通过LSTM模型),也就是客户意图仍然是咨询药品的作用,则继续回答,这属于相同意图但切换了实体。
除了切换实体,客户也可能切换意图,如在问题(7)里客户从咨询药品的作用切换到药品的用法用量了。此时LSTM神经网络保留了正在谈论的药品实体-“它”是指青霉素,因而能通过查询返回用法用量。
在上述需要查询具体信息的时候,智能客服模块需要调用外部的接口,如结构化的数据库或者知识图谱等。
Step 40:是否触发人工客服组
如果因为没有识别出用户意图或者用户不能提供意图所需的信息,那么客服机器人不能解决问题,或用户明确要求转人工客服,则会把对话转给人工客服。
Step 50:客服组/客服自动分派
在系统后台可以配置不同的客服组,如药品咨询组、慢性病咨询组等等;
根据用户问询中出现过频率最高的意图和意图实体配置对应的人工客服组,同一人工客服组中的不同客服根据实时繁忙程度优先分配上一次与用户交流的客服。
Step 60:智能客服模块辅助回答问题
在人工客服与用户交流时,智能客服模块同时对用户问题进行自动查询,在人工客服输入界面返回查询到的答案,由人工客服决定是否发送给用户,或者修改后再发送出去。通过这一模块可以减轻客服的工作量,提高工作效率。
Step 70:人工客服回答问题与在集成工作台操作
集成工作台提供嵌套界面或者直接调用接口的方式来集成互联网医院内部信息系统,使客服不需要切换系统即可对服务内容进行查询,并及时反馈给用户。
Step 80:判定是否解决用户问题
一次咨询以解决用户的问题作为结束。当用户已经得到满意的答案后,可以主动结束对话,或者由客服结束对话。
Step 90:用户可选择对服务进行评价
大多数客服系统都需要提供一个客户评价方法来收集客户对服务的满意程度,本实施例的客服系统也提供了供客户勾选的评价功能,该步骤是可选的,客户可以选择提供反馈/不提供反馈。
Step 100:问询窗口对话记录进入质检系统判定是否违规
客服领域的质检系统是用于评价客服工作质量的系统,它基于设定的规则来在事后检查客服的工作内容是否符合规定,或者客服的回答时间是否合理。
相对于现有技术,本发明采用分布式的微服务端可以横向扩展,解决了传统单体服务端难以拆分模块和扩展,难以更新升级的问题,更能满足互联网用户爆炸式增长。利用微服务拆分的定义良好的模块则能独自快速更新迭代。拆分的原则遵照软件接口拆分原则-“高内聚,低耦合”,即模块内都是相关的功能,能独立更新,不耦合不相关的功能。能独立的模块有:接口网关(api-gateway)、微信接口适配(wechat-adapter)、接待分配接口(reception-api)、客服机器人接口(robot-api)、辅助人工接口(assist-api)。本实施例的模块拆分示例见图5。另一方面,本发明提出的全渠道接入的客户端SDK可以保证各种渠道的用户体验的一致性。也方便更快速的定制开发不同的客户端。可配置的智能客服模块通过在相对封闭的医疗领域引入人工智能技术可以极大的改变原有的工作流程和方法。让智能模块通过查询外部医药知识图谱可以产生更大的作用。集成工作台把互联网医院内分散在各个系统的信息,以用户作为中心,聚合展示在客服系统里,同时提供集成的操作方式,毫无疑问可以极大的提升客服的工作效率。在本实施例中,集成是通过单点登录方式(SSO,Single Sign-On)嵌入各系统的web界面实现的,各系统提供客服专用的操作界面。通过内置对质检系统友好的对接接口,可以对接外部质检系统,或者自研的质检系统。
该智能客服系统能够很好的贴合互联网医院的业务需求,提高客服工作效率,提升客户的体验。经过测试使用,本发明的智能客服模块已经能够解决约50%的用户问题;而智能辅助人工模块搭配集成工作台则让人工效率提升约30%;取得了明显的效益。
随着计算机技术及信息处理技术的发展,智能客服的应用越来越广泛,涉及军事、国防、工业、医疗、农业等众多领域,由于其广泛的应用前景和潜在的经济价值,已经成为一项重要的技术。本发明提出的一种基于互联网医院的人工智能客服系统构建方法,因此而具有更广泛的适用性。
本发明并不局限于上述实施方式,如果对本发明的各种改动或变形不脱离本发明的精神和范围,倘若这些改动和变形属于本发明的权利要求和等同技术范围之内,则本发明也一同包含这些改动和变形。
Claims (10)
1.一种基于互联网医院的人工智能客服系统构建方法,包括:
构建分布式微服务端,通过全渠道客户端SDK获取用户问题并加载用户信息;
智能客服模块通过NLP技术对所述用户问题和用户信息进行意图识别,得到用户意图和意图实体;
通过LSTM神经网络构建任务式多轮对话,记录用户提及的意图和意图实体;
根据用户回答进行意图和意图实体的逻辑识别,判断用户是否切换了意图和意图实体,通过智能客服模块查询数据库中的具体信息返回问询窗口;
集成工作台为智能客服模块无法解决的用户问题配置人工客服组,同时继续对用户问题进行意图识别与查询结果返回;
当用户问题解决后,由集成客服质检系统接口导入问询窗口的全部对话,检查智能客服模块工作内容是否违规。
2.根据权利要求1所述的一种基于互联网医院的人工智能客服系统构建方法,其特征在于:所述全渠道客户端SDK(Software Development Kit,软件开发工具包)包括iOS、Android和JavaScript的SDK,所述全渠道客户端SDK使用HTTP长轮询Long-Polling技术实现消息的即时拉取。
3.根据权利要求1所述的一种基于互联网医院的人工智能客服系统构建方法,其特征在于:所述意图识别采用BERT预训练模型和RNN神经网络模型;预设的意图种类包括:互动聊天、物流咨询、药品咨询、活动咨询、售后咨询、订单咨询、账户咨询、疾病咨询和建议反馈;RNN神经网络模型根据用户留下的问句进行训练识别,配置更新意图种类。
4.根据权利要求1所述的一种基于互联网医院的人工智能客服系统构建方法,其特征在于:所述用户信息包括会员信息、等级、近期订单、访问入口、近期浏览轨迹;当转接人工客服组处理时,所述用户信息展示在集成工作台界面。
5.根据权利要求1所述的一种基于互联网医院的人工智能客服系统构建方法,其特征在于:所述智能客服模块通过NLP(Natural Language Process,自然语言处理)技术对所述用户问题和用户信息进行意图识别,得到用户意图和意图实体;所述用户意图是用户问询的主题,即要进行哪个种类的查询操作;所述意图实体是用户问询涉及到的领域实体,即要查询操作的对象。
6.根据权利要求5所述的一种基于互联网医院的人工智能客服系统构建方法,其特征在于,所述通过LSTM(Long Short Term Memory,长短时记忆)神经网络构建任务式多轮对话,记录用户提及的意图和意图实体的步骤包括:基于用户问询的主题在预设的意图种类中进行查询操作,基于意图实体查询数据库中的具体信息返回问询窗口,等待用户下一次问询,向用户返回结果,经过多次一问一答完成一个任务的过程中用户若切换到其他意图或意图实体上,则通过智能客服模块对用户问询中出现过的意图和意图实体进行记录。
7.根据权利要求6所述的一种基于互联网医院的人工智能客服系统构建方法,其特征在于,所述集成工作台为智能客服模块无法解决的用户问题配置人工客服组,同时继续对用户问题进行意图识别与查询结果返回的步骤包括:若智能客服模块不能解决用户问题、用户明确要求转人工客服,则根据用户问询中出现过频率最高的意图和意图实体配置对应的人工客服组,同一人工客服组中的不同客服根据实时繁忙程度优先分配上一次与用户交流的客服,在人工客服与用户交流时,智能客服模块同时对用户问题进行自动查询,在人工客服输入界面返回查询到的答案,由人工客服决定是否发送给用户。
8.一种基于互联网医院的人工智能客服系统构建装置,包括:
用于构建分布式微服务端,通过全渠道客户端SDK获取用户问题并加载用户信息的装置;
用于智能客服模块通过NLP技术对所述用户问题和用户信息进行意图识别,得到用户意图和意图实体的装置;
用于通过LSTM神经网络构建任务式多轮对话,记录用户提及的意图和意图实体的装置;
用于根据用户回答进行意图和意图实体的逻辑识别,判断用户是否切换了意图和意图实体,通过智能客服模块查询数据库中的具体信息返回问询窗口的装置;
用于集成工作台为智能客服模块无法解决的用户问题配置人工客服组,同时继续对用户问题进行意图识别与查询结果返回的装置;
用于当用户问题解决后,由集成客服质检系统接口导入问询窗口的全部对话,检查智能客服模块工作内容是否违规的装置。
9.一种可读储存介质,其上储存有控制程序,其特征在于:该控制程序被处理器执行时实现如权利要求1至7任意一项所述的基于互联网医院的人工智能客服系统构建方法。
10.一种计算机控制系统,包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的控制程序,其特征在于:所述处理器执行所述控制程序时实现如权利要求1至7任意一项所述的基于互联网医院的人工智能客服系统构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111013371.XA CN113704432A (zh) | 2021-08-31 | 2021-08-31 | 一种基于互联网医院的人工智能客服系统构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111013371.XA CN113704432A (zh) | 2021-08-31 | 2021-08-31 | 一种基于互联网医院的人工智能客服系统构建方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113704432A true CN113704432A (zh) | 2021-11-26 |
Family
ID=78658101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111013371.XA Pending CN113704432A (zh) | 2021-08-31 | 2021-08-31 | 一种基于互联网医院的人工智能客服系统构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113704432A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116303982A (zh) * | 2023-05-24 | 2023-06-23 | 杭州实在智能科技有限公司 | 基于rpa和自学习机制的智能应答与业务处理方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919671A (zh) * | 2019-02-27 | 2019-06-21 | 上海宝尊电子商务有限公司 | 一种面向电子商务领域客户导向的高效智能客服方法和系统 |
CN110442676A (zh) * | 2019-07-02 | 2019-11-12 | 北京邮电大学 | 基于多轮对话的专利检索方法及装置 |
CN110570853A (zh) * | 2019-08-12 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 基于语音数据的意图识别方法和装置 |
US20200226481A1 (en) * | 2019-01-14 | 2020-07-16 | 5 Health Inc. | Methods and systems for managing medical information |
CN111639168A (zh) * | 2020-05-21 | 2020-09-08 | 北京百度网讯科技有限公司 | 一种多轮对话的处理方法、装置、电子设备及存储介质 |
CN111831799A (zh) * | 2019-04-23 | 2020-10-27 | 北京京东尚科信息技术有限公司 | 信息处理方法、信息处理装置和信息处理系统 |
CN111858877A (zh) * | 2020-06-17 | 2020-10-30 | 平安科技(深圳)有限公司 | 多类型问题智能问答方法、系统、设备及可读存储介质 |
CN112364664A (zh) * | 2020-11-19 | 2021-02-12 | 北京京东尚科信息技术有限公司 | 意图识别模型的训练及意图识别方法、装置、存储介质 |
CN112507092A (zh) * | 2020-12-03 | 2021-03-16 | 北京智齿博创科技有限公司 | 基于ai文本机器人完成工单智能填写功能的实现方法 |
CN113079263A (zh) * | 2021-03-16 | 2021-07-06 | 京东数字科技控股股份有限公司 | 智能客服转接的方法、装置、系统及介质 |
CN113127646A (zh) * | 2021-04-20 | 2021-07-16 | 清华大学 | 基于知识图谱的智能对话推荐方法及装置 |
-
2021
- 2021-08-31 CN CN202111013371.XA patent/CN113704432A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200226481A1 (en) * | 2019-01-14 | 2020-07-16 | 5 Health Inc. | Methods and systems for managing medical information |
CN109919671A (zh) * | 2019-02-27 | 2019-06-21 | 上海宝尊电子商务有限公司 | 一种面向电子商务领域客户导向的高效智能客服方法和系统 |
CN111831799A (zh) * | 2019-04-23 | 2020-10-27 | 北京京东尚科信息技术有限公司 | 信息处理方法、信息处理装置和信息处理系统 |
CN110442676A (zh) * | 2019-07-02 | 2019-11-12 | 北京邮电大学 | 基于多轮对话的专利检索方法及装置 |
CN110570853A (zh) * | 2019-08-12 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 基于语音数据的意图识别方法和装置 |
CN111639168A (zh) * | 2020-05-21 | 2020-09-08 | 北京百度网讯科技有限公司 | 一种多轮对话的处理方法、装置、电子设备及存储介质 |
CN111858877A (zh) * | 2020-06-17 | 2020-10-30 | 平安科技(深圳)有限公司 | 多类型问题智能问答方法、系统、设备及可读存储介质 |
CN112364664A (zh) * | 2020-11-19 | 2021-02-12 | 北京京东尚科信息技术有限公司 | 意图识别模型的训练及意图识别方法、装置、存储介质 |
CN112507092A (zh) * | 2020-12-03 | 2021-03-16 | 北京智齿博创科技有限公司 | 基于ai文本机器人完成工单智能填写功能的实现方法 |
CN113079263A (zh) * | 2021-03-16 | 2021-07-06 | 京东数字科技控股股份有限公司 | 智能客服转接的方法、装置、系统及介质 |
CN113127646A (zh) * | 2021-04-20 | 2021-07-16 | 清华大学 | 基于知识图谱的智能对话推荐方法及装置 |
Non-Patent Citations (1)
Title |
---|
董宇: "互联网多渠道接入场景下的在线智能客服方案研究", 《信息与电脑(理论版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116303982A (zh) * | 2023-05-24 | 2023-06-23 | 杭州实在智能科技有限公司 | 基于rpa和自学习机制的智能应答与业务处理方法及系统 |
CN116303982B (zh) * | 2023-05-24 | 2023-08-22 | 杭州实在智能科技有限公司 | 基于rpa和自学习机制的智能应答与业务处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7135177B2 (ja) | 一貫性重み付けおよびルーティング規則に基づく動的通信ルーティング | |
US11956187B2 (en) | Natural language processing for information extraction | |
US11425255B2 (en) | System and method for dialogue tree generation | |
JP7288446B2 (ja) | ヒューマンマシン対話方法および電子デバイス | |
WO2020215914A1 (zh) | 信息处理方法、信息处理装置和信息处理系统 | |
AU2020201883B2 (en) | Call center system having reduced communication latency | |
KR101932876B1 (ko) | 연락 센터용 지능형 자동 에이전트 | |
US20200126540A1 (en) | Machine Learning Tool for Navigating a Dialogue Flow | |
US11106683B2 (en) | System architecture for interactive query processing | |
CN105592237B (zh) | 一种会话切换的方法、装置及智能客服机器人 | |
US20110125697A1 (en) | Social media contact center dialog system | |
CN114830614B (zh) | 用于双向通信系统的功能即服务云聊天机器人 | |
WO2017023566A1 (en) | Contact center virtual assistant | |
CN114026838B (zh) | 用于工作负载容量路由的方法、系统和非暂时性计算机可读介质 | |
AU2017415315A1 (en) | Integrating virtual and human agents in a multi-channel support system for complex software applications | |
JP7250946B2 (ja) | インテント駆動型コンタクトセンター | |
Herrera et al. | Building conversational interface for customer support applied to open campus an open online course provider | |
CN113704432A (zh) | 一种基于互联网医院的人工智能客服系统构建方法及装置 | |
CN111402071A (zh) | 保险业智能客服机器人系统以及设备 | |
CN115658875B (zh) | 基于聊天服务的数据处理方法及相关产品 | |
US11188548B2 (en) | Profile data store automation via bots | |
US11604563B1 (en) | Predictive answers based on context modeling | |
US20130054339A1 (en) | Method and system for implementing a collaborative customer service model | |
CN112348396A (zh) | 一种在线客服交流系统及其控制方法 | |
TWM600888U (zh) | 智慧業務助理系統 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211126 |