CN113781061A - 一种信息推送管理方法和装置 - Google Patents
一种信息推送管理方法和装置 Download PDFInfo
- Publication number
- CN113781061A CN113781061A CN202010554473.1A CN202010554473A CN113781061A CN 113781061 A CN113781061 A CN 113781061A CN 202010554473 A CN202010554473 A CN 202010554473A CN 113781061 A CN113781061 A CN 113781061A
- Authority
- CN
- China
- Prior art keywords
- point
- pushing
- intention classification
- threshold value
- fitting
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims description 51
- 238000010276 construction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 18
- 230000004044 response Effects 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 238000009223 counseling Methods 0.000 description 6
- 238000000611 regression analysis Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
-
- 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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种信息推送管理方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:分析咨询信息和各意图分类之间的匹配度,确定匹配度最大的意图分类;获取所述意图分类下与所述咨询信息对应的答复信息;触发对所述意图分类的当前推送阈值的计算操作,判断所述咨询信息与所述意图分类之间的匹配度是否大于或等于所述当前推送阈值,进而根据比对结果将所述答复信息推送至相应对象。该实施方式根据用户体验及反馈效果来动态调整意图分类下的推送阈值,并基于推送阈值确定推送对象,以减轻巨大的配置工作量,提高阈值调整的合理性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种信息推送管理方法和装置。
背景技术
智能辅助客服是当前电子商务在线客服普遍应用的一种辅助客服服务的智能应答辅助机器人,根据用户咨询的问题自动将答案推送给客服以供客服参考,或者将准确率高的答案直接推送至用户。
在实现本发明的过程中,发明人发现现有技术至少存在如下问题:
1、推送阈值依赖于客服或运营人员根据历史数据主观判断并手动设置,设置变更频繁,工作量较大;
2、阈值设置是否合理没有一个准确的可依据标准,阈值变化量计算没有一个可依据的方式或算法,只能根据调试后的应答效果反复尝试,且通常在用户要求转人工率或投诉率明显上升后才会调整,导致阈值调整的滞后。
发明内容
有鉴于此,本发明实施例提供一种信息推送管理方法和装置,至少能够解决现有技术中需手动调整推送阈值的现象。
为实现上述目的,根据本发明实施例的一个方面,提供了一种信息推送管理方法,包括:
分析咨询信息和各意图分类之间的匹配度,确定匹配度最大的意图分类;
获取所述意图分类下与所述咨询信息对应的答复信息;
触发对所述意图分类的当前推送阈值的计算操作,判断所述咨询信息与所述意图分类之间的匹配度是否大于或等于所述当前推送阈值,进而根据比对结果将所述答复信息推送至相应对象。
可选的,所述触发对所述意图分类的当前推送阈值的计算操作,包括:
确定对所述意图分类设置的历史推送阈值,获取在设置所述历史推送阈值时长内的转人工率,在坐标系中构建与所述历史推送阈值和所述转人工率对应的点;
对于相邻的第一点、第二点和第三点,确定所述第一点和所述第二点连线的第一斜率、所述第二点和所述第三点连线的第二斜率;其中,斜率为点之间转人工率的差值与历史推送阈值的差值的比值;
若所述第一斜率与所述第二斜率的差值大于或等于预设差值阈值,则将所述第二点作为候选点;
比对所有候选点的转人工率,以将与最小转人工率对应的历史推送阈值作为所述意图分类的推送阈值。
可选的,在所述对于相邻的第一点、第二点和第三点,确定所述第一点和所述第二点连线的第一斜率、所述第二点和所述第三点连线的第二斜率之前,包括:
基于所构建的点进行曲线构建,利用多项式拟合方式对所述曲线进行拟合处理,得到拟合后的曲线,对所述拟合后的曲线进行点采集,得到多个点。
可选的,所述利用多项式拟合方式对所述曲线进行拟合处理,得到拟合后的曲线,包括:
按照点排列顺序,排列组合历史推送阈值,得到历史推送阈值序列,以及排列组合转人工率,得到转人工率序列;
将所述历史推送阈值序列和所述转人工率序列输入多阶数拟合函数中,将阶数从预设阶数开始逐步累加以对所述曲线进行拟合处理,得到第一拟合曲线;
对于所构建的单个点,分别计算相应历史推送阈值与所述第一拟合曲线的第一间距、转人工率与所述第一拟合曲线的第二间距,进而求得所述第一间距和所述第二间距差值的平方值;
累加构建点的平方值之和,若累加值小于预设数值,则将与累加值对应的阶数作为拟合阶数,将通过所述拟合阶数拟合的第一拟合曲线作为所述拟合后的曲线。
可选的,所述若累加值小于预设数值,则将与累加值对应的阶数作为拟合阶数,包括:
若累加值小于预设数值,则停止累加阶数,并将当前与累加值对应的阶数作为拟合阶数;或
若累加值小于预设数值,则将当前与累加值对应的阶数作为候选阶数;在所有候选阶数中,将与最小累加值对应的阶数作为拟合阶数。
可选的,所述对所述拟合后的曲线进行点采集,得到多个点,包括:在所述拟合后的曲线中,从最大历史推送阈值、最小历史推送阈值或预设推送阈值开始,按照预设步长进行点采集,得到多个点。
为实现上述目的,根据本发明实施例的另一方面,提供了一种信息推送管理装置,包括:
意图分类模块,用于分析咨询信息和各意图分类之间的匹配度,确定匹配度最大的意图分类;
信息答复模块,用于获取所述意图分类下与所述咨询信息对应的答复信息;
信息推送模块,用于触发对所述意图分类的当前推送阈值的计算操作,判断所述咨询信息与所述意图分类之间的匹配度是否大于或等于所述当前推送阈值,进而根据比对结果将所述答复信息推送至相应对象。
可选的,所述信息推送模块,用于:
确定对所述意图分类设置的历史推送阈值,获取在设置所述历史推送阈值时长内的转人工率,在坐标系中构建与所述历史推送阈值和所述转人工率对应的点;
对于相邻的第一点、第二点和第三点,确定所述第一点和所述第二点连线的第一斜率、所述第二点和所述第三点连线的第二斜率;其中,斜率为点之间转人工率的差值与历史推送阈值的差值的比值;
若所述第一斜率与所述第二斜率的差值大于或等于预设差值阈值,则将所述第二点作为候选点;
比对所有候选点的转人工率,以将与最小转人工率对应的历史推送阈值作为所述意图分类的推送阈值。
可选的,所述信息推送模块,还用于:基于所构建的点进行曲线构建,利用多项式拟合方式对所述曲线进行拟合处理,得到拟合后的曲线,对所述拟合后的曲线进行点采集,得到多个点。
可选的,所述信息推送模块,用于:
按照点排列顺序,排列组合历史推送阈值,得到历史推送阈值序列,以及排列组合转人工率,得到转人工率序列;
将所述历史推送阈值序列和所述转人工率序列输入多阶数拟合函数中,将阶数从预设阶数开始逐步累加以对所述曲线进行拟合处理,得到第一拟合曲线;
对于所构建的单个点,分别计算相应历史推送阈值与所述第一拟合曲线的第一间距、转人工率与所述第一拟合曲线的第二间距,进而求得所述第一间距和所述第二间距差值的平方值;
累加构建点的平方值之和,若累加值小于预设数值,则将与累加值对应的阶数作为拟合阶数,将通过所述拟合阶数拟合的第一拟合曲线作为所述拟合后的曲线。
可选的,所述信息推送模块,用于:
若累加值小于预设数值,则停止累加阶数,并将当前与累加值对应的阶数作为拟合阶数;或
若累加值小于预设数值,则将当前与累加值对应的阶数作为候选阶数;在所有候选阶数中,将与最小累加值对应的阶数作为拟合阶数。
可选的,所述信息推送模块,用于:在所述拟合后的曲线中,从最大历史推送阈值、最小历史推送阈值或预设推送阈值开始,按照预设步长进行点采集,得到多个点。
为实现上述目的,根据本发明实施例的再一方面,提供了一种信息推送管理电子设备。
本发明实施例的电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一所述的信息推送管理方法。
为实现上述目的,根据本发明实施例的再一方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一所述的信息推送管理方法。
根据本发明所述提供的方案,上述发明中的一个实施例具有如下优点或有益效果:对历史数据中的历史推送阈值和转人工率进行阈值回归分析,得到阈值转人工率关系模型,最后依据模型调整得到一个合理的推送阈值,提升应答效果,减少用户转人工率。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的一种信息推送管理方法的主要流程示意图;
图2是一具体地基于咨询信息确定意图分类的示意图;
图3是根据本发明实施例的一种可选的信息推送管理方法的流程示意图;
图4是历史数据在坐标系中投影的散点分布图;
图5是根据本发明实施例的另一种可选的信息推送管理方法的流程示意图;
图6是根据本发明实施例一具体地拟合曲线的流程示意图;
图7是根据本发明实施例的一种信息推送管理装置的主要模块示意图;
图8是本发明实施例可以应用于其中的示例性系统架构图;
图9是适于用来实现本发明实施例的移动设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
参见图1,示出的是本发明实施例提供的一种信息推送管理方法的主要流程图,包括如下步骤:
S101:分析咨询信息和各意图分类之间的匹配度,确定匹配度最大的意图分类;
S102:获取所述意图分类下与所述咨询信息对应的答复信息;
S103:触发对所述意图分类的当前推送阈值的计算操作,判断所述咨询信息与所述意图分类之间的匹配度是否大于或等于所述当前推送阈值,进而根据比对结果将所述答复信息推送至相应对象。
上述实施方式中,对于步骤S101,意图得分是指基于自然语言处理、深度学习等技术,获取用户咨询信息的意图分类得分分值,这个分值代表了理解用户咨询信息的准确度,分值越高,答案准确率就越高,呈现的效果就越理想。
相应意图分类指的是对用户咨询信息的意图进行分类,以电商领域为例,可以分为商品咨询、优惠券、活动、安装问题、发票相关、退换货等等。
将用户咨询信息传递给深度学习分类模型(或意图分类模型),以分析该咨询信息与各意图分类之间的匹配度,即意图分类得分分值。分值范围最小为0,最大为1(仅为示例),分值越大,表明对咨询信息的意图分类就越准确。
另外,也可以选择匹配度较大的意图分类,再根据上下文进行rank(排列),本发明暂不涉及如何调整意图分类的准确性。
参见图2所示,用户咨询的问题为“我的东西到哪儿了”,通过深度学习分类模型得出其意图分类为“物流咨询”,相应意图分类得分分值为0.85。
对于步骤S102,获取到用户意图分类后,可以通过应答引擎获取对应于该意图分类的答案信息。实际操作中每个意图分类下可能设置有多个答案,本实施方式采用随机轮播答案的方式确定回复该咨询信息的答案。
对于步骤S103,应答系统在获取到答复信息后,需决定该答复信息是直接推送给用户还是客服。
本实施方式中的意图分类通过分析历史数据得到,并非依赖人工经验处理得到,具体参见后续图3~图6所示描述,在此不再赘述。
通过查询意图分类的推送阈值,比对深度学习分类得到的最大意图分类得分分值是否大于或等于该推送阈值,若是,则直接将答复信息推送至用户,否则推送至客服,以在客服对答复信息判断校验后决定是否发送给用户。
用户收到答复信息后,会做出继续咨询或转人工的动作,将用户的行为记录存入与本次意图分类对应的数据库中,以用于后续阈值转人工率的回归分析。
上述实施例所提供的方法,根据用户体验及反馈效果来动态调整意图分类下的推送阈值,并基于推送阈值确定推送对象,以减轻巨大的配置工作量,提高阈值调整的合理性。
参见图3,示出了根据本发明实施例的一种可选的信息推送管理方法流程示意图,包括如下步骤:
S301:分析咨询信息和各意图分类之间的匹配度,确定匹配度最大的意图分类;
S302:获取所述意图分类下与所述咨询信息对应的答复信息;
S303:确定对所述意图分类设置的历史推送阈值,获取在设置所述历史推送阈值时长内的转人工率,在坐标系中构建与所述历史推送阈值和所述转人工率对应的点;
S304:对于相邻的第一点、第二点和第三点,确定所述第一点和所述第二点连线的第一斜率、所述第二点和所述第三点连线的第二斜率;其中,斜率为点之间转人工率的差值与历史推送阈值的差值的比值;
S305:若所述第一斜率与所述第二斜率的差值大于或等于预设差值阈值,则将所述第二点作为候选点;
S306:比对所有候选点的转人工率,以将与最小转人工率对应的历史推送阈值作为所述意图分类的推送阈值;
S307:比对最大匹配度是否大于或等于所述推送阈值,进而根据比对结果将所述答复信息推送至相应对象。
上述实施方式中,对于步骤S301、S302和S307可参见图1所示步骤S101~S103的描述,在此不再赘述。
上述实施方式中,对于步骤S303,针对单个意图分类,获取历史时长内商家、运营商等对其配置的历史推送阈值,以及在该历史推送阈值下所收到的用户转人工率。
需要说明的是,历史推送阈值通常依赖于运营商统一进行配置,若运营商将该功能授权/开放至商家使用,此时商家也可以配置。配置时也可以统一对多个店铺(包括线上和线下)、门店进行配置,或者仅对单个店铺单独配置,其配置方式不影响本发明的整体逻辑。
另外,在信息化系统中所有的用户转人工都是存有记录的,可定义为日志或埋点信息。此处可以选择某一时段内的数据来做预测分析,一般默认以月为单位。除此之外还需考虑促销场景,例如3.8、6.18、11.11等,所以所得记录分为平时数据和大促数据,折中求取得到一个平均转人工率。
参见表1,选取了“优惠券咨询”分类下,近半年历史推送阈值调整与转人工率的10组数据。根据该10组数据在坐标系中描点,得到多个点,参见图4所示散点分布图,可以看出两者是非线性关系,且推送阈值设置越低所对应的用户转人工率就越高。
表1
对于步骤S304和S305,推送阈值调整的目的为在降低转人工率的基础上,实现转人工率与推送阈值设置的平衡。推送阈值与转人工率之间呈S型关系,因此需确定出现波动的点,本发明通过相邻点的斜率比较进行判断,其中:
斜率1=(第二点的转人工率-第一点的转人工率)/(第二点的历史推送阈值-第一点的历史推送阈值);
斜率2=(第三点的转人工率-第二点的转人工率)/(第三点的历史推送阈值-第二点的历史推送阈值)。
若斜率1和斜率2的差值大于或等于预设差值阈值,例如0.5,则表明中间点即第二点处出现较大波动,将第二点作为候选点,例如图4中从左往右数第4个点(0.84,0.574)以及第7个点(0.9,0.459)。
对于步骤S306,推送阈值的设定主要目的在于获取较低转人工率,因此需找到转人工率较低的区域。
在上述步骤基础上,比对所有候选点的转人工率,确定转人工率最低的点,并将该点的历史推送阈值作为本次意图分类的推送阈值。如比较第4个点(0.84,0.574)以及第7个点(0.9,0.459),将0.9设置为推送阈值。
以此类推,可以计算出每个意图分类下的推送阈值,并将所得推送阈值保存到数据库中。
上述实施例所提供的方法,基于降低转人工率的目的,分析历史数据中波动较大且转人工率较小的点,以将该点的历史推送阈值作为本次意图分类的推送阈值,可以调整优化阈值的设置。
参见图5,示出了根据本发明实施例的另一种可选的信息推送管理方法流程示意图,包括如下步骤:
S501:分析咨询信息和各意图分类之间的匹配度,确定匹配度最大的意图分类;
S502:获取所述意图分类下与所述咨询信息对应的答复信息;
S503:确定对所述意图分类设置的历史推送阈值,获取在设置所述历史推送阈值时长内的转人工率,在坐标系中构建与所述历史推送阈值和所述转人工率对应的点;
S504:基于所构建的点进行曲线构建,利用多项式拟合方式对所述曲线进行拟合处理,得到拟合后的曲线,对所述拟合后的曲线进行点采集,得到多个点;
S505:对于相邻的第一点、第二点和第三点,确定所述第一点和所述第二点连线的第一斜率、所述第二点和所述第三点连线的第二斜率;其中,斜率为点之间转人工率的差值与历史推送阈值的差值的比值;
S506:若所述第一斜率与所述第二斜率的差值大于或等于预设差值阈值,则将所述第二点作为候选点;
S507:比对所有候选点的转人工率,以将与最小转人工率对应的历史推送阈值作为所述意图分类的推送阈值;
S508:比对最大匹配度是否大于或等于所述推送阈值,进而根据比对结果将所述答复信息推送至相应对象。
上述实施方式中,对于步骤S501、S502和S508可参见图1所示步骤S101~S103的描述,步骤S503、S505~S507可参见图3所示步骤S303~S306的描述,在此不再赘述。
上述实施方式中,对于步骤S504,回归分析:研究一个变量关于另一个变量的具体依赖关系的计算方法和理论,其目的在于通过后者的已知或设定值去估计和预测前置的(总体)均值。
由图4可知,转人工率和历史推送阈值两者之间并非线性关系,而是呈现S型曲线(Logistic)关系,此处选用了逻辑回归公式,最终得到:
其中,x表示源数据点对应的历史推送阈值,y表示转人工率,e为自然对数,a、b为参数。
通常连线点后的曲线不可用,会采用一定的拟合方式对图4所得S型曲线关系进行拟合处理,例如origin、matlab等,以得到较为圆滑的曲线。本实施方式主要选用matlab软件,对每个意图分类进行S型回归分析得到相应的函数表达式。
matlab提供了多项式拟合函数命令f=polyfit(k,j,n),第一个参数k是拟合数据的自变量,可为行向量/矩阵;第二个参数j是因变量,同样为行向量/矩阵。n为拟合阶数,一阶直线拟合,二阶抛物线拟合,并非阶次越高越好,依据拟合情况而定,一般取值在1-10之间。
图3所示方式并不考虑拟合曲线,所得推送阈值仅仅是在历史推送阈值中进行选择,但并未考虑历史推送阈值之间的虚拟推送阈值。本实施方式区别于图3所示方式,在拟合后的曲线中进行采点,在考虑历史推送阈值的同时,也考虑了虚拟推送阈值。
以图4所示数据为例:
1)从最小历史推送阈值0.78开始,每次增加固定步长(如0.02),采集得到多个点;
2)从最大历史推送阈值0.96开始,每次减少固定步长0.02,采集得到多个点;
3)根据深度学习模型得出的意图分类及得分分值,经人为经验得出得分大于0.7以上的意图分类具有可行性,因此预设推送阈值为0.7。从预设阈值0.7开始,每次增加0.02步长,以此采集得到多个点。
对于所采集的多个点,同样执行推送阈值转人工率模拟分析,提取出现大波动的点,最终在这些点中将转人工率最小的点的推送阈值作为本次意图分类的推送阈值。
上述实施例所提供的方法,除了考虑历史数据外,还基于拟合曲线考虑到了虚拟数据,以此扩大了推送阈值的取值范围,提高了推送阈值取值的准确性。
参见图6,示出了根据本发明实施例的一具体拟合曲线的流程示意图,包括如下步骤:
S601:按照点排列顺序,排列组合历史推送阈值,得到历史推送阈值序列,以及排列组合转人工率,得到转人工率序列;
S602:将所述历史推送阈值序列和所述转人工率序列输入多阶数拟合函数中,将阶数从预设阶数开始逐步累加以对所述曲线进行拟合处理,得到第一拟合曲线;
S603:对于所构建的单个点,分别计算相应历史推送阈值与所述第一拟合曲线的第一间距、转人工率与所述第一拟合曲线的第二间距,进而求得所述第一间距和所述第二间距差值的平方值;
S604:累加构建点的平方值之和,若累加值小于预设数值,则将与累加值对应的阶数作为拟合阶数,将通过所述拟合阶数拟合的第一拟合曲线作为所述拟合后的曲线。
上述实施方式中,对于步骤S601,matlab提供了多项式拟合函数命令f=polyfit(k,j,n),第一个参数k是拟合数据的自变量,可为行向量/矩阵;第二个参数j是因变量,同样可为行向量/矩阵;n为拟合阶数。
对所得历史数据中的历史推送阈值和转人工率进行分别组合排列,得到历史推送阈值序列和转人工率序列。以图3所示,得到:
k=[0.78,0.80,0.82,0.84,0.86,0.88,0.90,0.92,0.94,0.96];
j=[0.582,0.58,0.576,0.574,0.539,0.499,0.459,0.451,0.445,0.439];
n=[2,3,4,5]
实际操作中也可以仅选取一部分数据,例如仅选取其中三个数据:
k=[0.80,0.84,0.90];
j=[0.58,0.574,0.459]
对于步骤S602~S604,确定多项式阶数n,将n从2开始逐渐累加进行计算,此处以阶数从2累加至5进行说明:
以上述示例的3个数据为例,计算得到的实际历史数据与拟合曲线(即第一拟合曲线)之间的间距:
k=[0.0084,-0.0983,0.4217];
j=[0.1084,-0.7983,0.5617]
利用c=sum((j-k)^2)<0.1,若满足,则将当前的阶数作为拟合阶数c。
运行上述程序,结果为c=3。执行polyfit(x,y,3),最后得到的多项式函数为:
上述举例仅在累加值小于预设数值的情况下,直接跳出循环,并将当前阶数作为拟合阶数处理。但实际操作中可能多个阶数(即候选阶数)的累加值均小于预设数值,由此可以将逐级累加后的阶数均输入多项式拟合函数进行处理,以此得到多个累加值,最终将满足上述条件且累加值最小的阶数作为拟合阶数,此时拟合效果最优。
上述实施例提供的方法,基于多项式拟合函数拟合曲线,以最优化拟合效果,并基于拟合阶数重新确定历史推送阈值和转人工率之间的曲线关系,为后续在曲线中进行点采集提供了依据。
本发明实施例所提供的方法,相较于现有技术,至少存在如下有益效果:
1、对历史数据中的历史推送阈值和转人工率进行阈值回归分析,得到阈值转人工率关系模型,最后依据模型调整得到一个合理的推送阈值,提升应答效果,减少用户转人工率;
2、将推送阈值存入数据库中,应答系统在进行应答时,通过查询阈值决定是否能直接将答复信息推送给用户;
3、监控调整阈值后的转人工率情况,根据调整后的用户反馈再次优化推送阈值,减少客服对阈值调整的工作量,能够自动确认阈值调整的触发点以及调整量。
参见图7,示出了本发明实施例提供的一种信息推送管理装置700的主要模块示意图,包括:
意图分类模块701,用于分析咨询信息和各意图分类之间的匹配度,确定匹配度最大的意图分类;
信息答复模块702,用于获取所述意图分类下与所述咨询信息对应的答复信息;
信息推送模块703,用于触发对所述意图分类的当前推送阈值的计算操作,判断所述咨询信息与所述意图分类之间的匹配度是否大于或等于所述当前推送阈值,进而根据比对结果将所述答复信息推送至相应对象。
本发明实施装置中,所述信息推送模块703,用于:
确定对所述意图分类设置的历史推送阈值,获取在设置所述历史推送阈值时长内的转人工率,在坐标系中构建与所述历史推送阈值和所述转人工率对应的点;
对于相邻的第一点、第二点和第三点,确定所述第一点和所述第二点连线的第一斜率、所述第二点和所述第三点连线的第二斜率;其中,斜率为点之间转人工率的差值与历史推送阈值的差值的比值;
若所述第一斜率与所述第二斜率的差值大于或等于预设差值阈值,则将所述第二点作为候选点;
比对所有候选点的转人工率,以将与最小转人工率对应的历史推送阈值作为所述意图分类的推送阈值。
本发明实施装置中,所述信息推送模块703,还用于:基于所构建的点进行曲线构建,利用多项式拟合方式对所述曲线进行拟合处理,得到拟合后的曲线,对所述拟合后的曲线进行点采集,得到多个点。
本发明实施装置中,所述信息推送模块703,用于:
按照点排列顺序,排列组合历史推送阈值,得到历史推送阈值序列,以及排列组合转人工率,得到转人工率序列;
将所述历史推送阈值序列和所述转人工率序列输入多阶数拟合函数中,将阶数从预设阶数开始逐步累加以对所述曲线进行拟合处理,得到第一拟合曲线;
对于所构建的单个点,分别计算相应历史推送阈值与所述第一拟合曲线的第一间距、转人工率与所述第一拟合曲线的第二间距,进而求得所述第一间距和所述第二间距差值的平方值;
累加构建点的平方值之和,若累加值小于预设数值,则将与累加值对应的阶数作为拟合阶数,将通过所述拟合阶数拟合的第一拟合曲线作为所述拟合后的曲线。
本发明实施装置中,所述信息推送模块703,用于:
若累加值小于预设数值,则停止累加阶数,并将当前与累加值对应的阶数作为拟合阶数;或
若累加值小于预设数值,则将当前与累加值对应的阶数作为候选阶数;在所有候选阶数中,将与最小累加值对应的阶数作为拟合阶数。
本发明实施装置中,所述信息推送模块703,用于:在所述拟合后的曲线中,从最大历史推送阈值、最小历史推送阈值或预设推送阈值开始,按照预设步长进行点采集,得到多个点。
另外,在本发明实施例中所述装置的具体实施内容,在上面所述方法中已经详细说明了,故在此重复内容不再说明。
图8示出了可以应用本发明实施例的示例性系统架构800。
如图8所示,系统架构800可以包括终端设备801、802、803,网络804和服务器805(仅仅是示例)。网络804用以在终端设备801、802、803和服务器805之间提供通信链路的介质。网络804可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备801、802、803通过网络804与服务器805交互,以接收或发送消息等。终端设备801、802、803上可以安装有各种通讯客户端应用。
终端设备801、802、803可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器805可以是提供各种服务的服务器,例如对用户利用终端设备801、802、803所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。
需要说明的是,本发明实施例所提供的方法一般由服务器805执行,相应地,装置一般设置于服务器805中。
应该理解,图8中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图9,其示出了适于用来实现本发明实施例的终端设备的计算机系统900的结构示意图。图9示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,计算机系统900包括中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中,还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括意图分类模块、信息答复模块、信息推送模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,信息推送模块还可以被描述为“推送答复信息模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:
分析咨询信息和各意图分类之间的匹配度,确定匹配度最大的意图分类;
获取所述意图分类下与所述咨询信息对应的答复信息;
触发对所述意图分类的当前推送阈值的计算操作,判断所述咨询信息与所述意图分类之间的匹配度是否大于或等于所述当前推送阈值,进而根据比对结果将所述答复信息推送至相应对象。
根据本发明实施例的技术方案,相较于现有技术,至少存在如下有益效果:
1、对历史数据中的历史推送阈值和转人工率进行阈值回归分析,得到阈值转人工率关系模型,最后依据模型调整得到一个合理的推送阈值,提升应答效果,减少用户转人工率;
2、将推送阈值存入数据库中,应答系统在进行应答时,通过查询阈值决定是否能直接将答复信息推送给用户;
3、监控调整阈值后的转人工率情况,根据调整后的用户反馈再次优化推送阈值,减少客服对阈值调整的工作量,能够自动确认阈值调整的触发点以及调整量。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种信息推送管理方法,其特征在于,包括:
分析咨询信息和各意图分类之间的匹配度,确定匹配度最大的意图分类;
获取所述意图分类下与所述咨询信息对应的答复信息;
触发对所述意图分类的当前推送阈值的计算操作,判断所述咨询信息与所述意图分类之间的匹配度是否大于或等于所述当前推送阈值,进而根据比对结果将所述答复信息推送至相应对象。
2.根据权利要求1所述的方法,其特征在于,所述触发对所述意图分类的当前推送阈值的计算操作,包括:
确定对所述意图分类设置的历史推送阈值,获取在设置所述历史推送阈值时长内的转人工率,在坐标系中构建与所述历史推送阈值和所述转人工率对应的点;
对于相邻的第一点、第二点和第三点,确定所述第一点和所述第二点连线的第一斜率、所述第二点和所述第三点连线的第二斜率;其中,斜率为点之间转人工率的差值与历史推送阈值的差值的比值;
若所述第一斜率与所述第二斜率的差值大于或等于预设差值阈值,则将所述第二点作为候选点;
比对所有候选点的转人工率,以将与最小转人工率对应的历史推送阈值作为所述意图分类的推送阈值。
3.根据权利要求2所述的方法,其特征在于,在所述对于相邻的第一点、第二点和第三点,确定所述第一点和所述第二点连线的第一斜率、所述第二点和所述第三点连线的第二斜率之前,包括:
基于所构建的点进行曲线构建,利用多项式拟合方式对所述曲线进行拟合处理,得到拟合后的曲线,对所述拟合后的曲线进行点采集,得到多个点。
4.根据权利要求3所述的方法,其特征在于,所述利用多项式拟合方式对所述曲线进行拟合处理,得到拟合后的曲线,包括:
按照点排列顺序,排列组合历史推送阈值,得到历史推送阈值序列,以及排列组合转人工率,得到转人工率序列;
将所述历史推送阈值序列和所述转人工率序列输入多阶数拟合函数中,将阶数从预设阶数开始逐步累加以对所述曲线进行拟合处理,得到第一拟合曲线;
对于所构建的单个点,分别计算相应历史推送阈值与所述第一拟合曲线的第一间距、转人工率与所述第一拟合曲线的第二间距,进而求得所述第一间距和所述第二间距差值的平方值;
累加构建点的平方值之和,若累加值小于预设数值,则将与累加值对应的阶数作为拟合阶数,将通过所述拟合阶数拟合的第一拟合曲线作为所述拟合后的曲线。
5.根据权利要求4所述的方法,其特征在于,所述若累加值小于预设数值,则将与累加值对应的阶数作为拟合阶数,包括:
若累加值小于预设数值,则停止累加阶数,并将当前与累加值对应的阶数作为拟合阶数;或
若累加值小于预设数值,则将当前与累加值对应的阶数作为候选阶数;在所有候选阶数中,将与最小累加值对应的阶数作为拟合阶数。
6.根据权利要求3所述的方法,其特征在于,所述对所述拟合后的曲线进行点采集,得到多个点,包括:
在所述拟合后的曲线中,从最大历史推送阈值、最小历史推送阈值或预设推送阈值开始,按照预设步长进行点采集,得到多个点。
7.一种信息推送管理装置,其特征在于,包括:
意图分类模块,用于分析咨询信息和各意图分类之间的匹配度,确定匹配度最大的意图分类;
信息答复模块,用于获取所述意图分类下与所述咨询信息对应的答复信息;
信息推送模块,用于触发对所述意图分类的当前推送阈值的计算操作,判断所述咨询信息与所述意图分类之间的匹配度是否大于或等于所述当前推送阈值,进而根据比对结果将所述答复信息推送至相应对象。
8.根据权利要求7所述的装置,其特征在于,所述信息推送模块,用于:
确定对所述意图分类设置的历史推送阈值,获取在设置所述历史推送阈值时长内的转人工率,在坐标系中构建与所述历史推送阈值和所述转人工率对应的点;
对于相邻的第一点、第二点和第三点,确定所述第一点和所述第二点连线的第一斜率、所述第二点和所述第三点连线的第二斜率;其中,斜率为点之间转人工率的差值与历史推送阈值的差值的比值;
若所述第一斜率与所述第二斜率的差值大于或等于预设差值阈值,则将所述第二点作为候选点;
比对所有候选点的转人工率,以将与最小转人工率对应的历史推送阈值作为所述意图分类的推送阈值。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010554473.1A CN113781061A (zh) | 2020-06-17 | 2020-06-17 | 一种信息推送管理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010554473.1A CN113781061A (zh) | 2020-06-17 | 2020-06-17 | 一种信息推送管理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113781061A true CN113781061A (zh) | 2021-12-10 |
Family
ID=78835044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010554473.1A Pending CN113781061A (zh) | 2020-06-17 | 2020-06-17 | 一种信息推送管理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113781061A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101431573A (zh) * | 2007-11-08 | 2009-05-13 | 上海赢思软件技术有限公司 | 通过人机交互技术实现自动客户服务的方法和设备 |
CN105072173A (zh) * | 2015-08-03 | 2015-11-18 | 谌志群 | 自动客服和人工客服自动切换的客服方法及系统 |
CN105591882A (zh) * | 2015-12-10 | 2016-05-18 | 北京中科汇联科技股份有限公司 | 一种智能机器人与人混合客服的方法及系统 |
CN106789595A (zh) * | 2017-01-17 | 2017-05-31 | 北京诸葛找房信息技术有限公司 | 信息推送方法和装置 |
CN109189898A (zh) * | 2018-07-27 | 2019-01-11 | 北京新广视通科技有限公司 | 一种智能应答方法和系统 |
WO2020006835A1 (zh) * | 2018-07-03 | 2020-01-09 | 平安科技(深圳)有限公司 | 智能客服多轮问答方法、设备、存储介质及装置 |
-
2020
- 2020-06-17 CN CN202010554473.1A patent/CN113781061A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101431573A (zh) * | 2007-11-08 | 2009-05-13 | 上海赢思软件技术有限公司 | 通过人机交互技术实现自动客户服务的方法和设备 |
CN105072173A (zh) * | 2015-08-03 | 2015-11-18 | 谌志群 | 自动客服和人工客服自动切换的客服方法及系统 |
CN105591882A (zh) * | 2015-12-10 | 2016-05-18 | 北京中科汇联科技股份有限公司 | 一种智能机器人与人混合客服的方法及系统 |
CN106789595A (zh) * | 2017-01-17 | 2017-05-31 | 北京诸葛找房信息技术有限公司 | 信息推送方法和装置 |
WO2020006835A1 (zh) * | 2018-07-03 | 2020-01-09 | 平安科技(深圳)有限公司 | 智能客服多轮问答方法、设备、存储介质及装置 |
CN109189898A (zh) * | 2018-07-27 | 2019-01-11 | 北京新广视通科技有限公司 | 一种智能应答方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108536650B (zh) | 生成梯度提升树模型的方法和装置 | |
CN111061956B (zh) | 用于生成信息的方法和装置 | |
CN112270545A (zh) | 基于迁移样本筛选的金融风险预测方法、装置和电子设备 | |
CN112184154A (zh) | 一种业务审批方法和装置 | |
CN108810047B (zh) | 用于确定信息推送准确率的方法、装置及服务器 | |
CN107908662B (zh) | 搜索系统的实现方法和实现装置 | |
CN111181770A (zh) | 一种资源分配方法、系统、电子设备和存储介质 | |
CN107392259B (zh) | 构建不均衡样本分类模型的方法和装置 | |
CN109961328B (zh) | 确定订单冷静期的方法和装置 | |
CN111160847B (zh) | 一种处理流程信息的方法和装置 | |
CN110796430A (zh) | 一种逾期交易数据处理方法和装置 | |
CN110866040A (zh) | 用户画像生成方法、装置和系统 | |
CN110866625A (zh) | 促销指标信息生成方法和装置 | |
WO2022257604A1 (zh) | 一种用户标签的确定方法和装置 | |
CN112418258A (zh) | 一种特征离散化方法和装置 | |
CN110309293A (zh) | 文本推荐方法和装置 | |
CN114219545A (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 | |
CN113781061A (zh) | 一种信息推送管理方法和装置 | |
CN113626175B (zh) | 数据处理的方法和装置 | |
CN116933189A (zh) | 一种数据检测方法和装置 | |
CN114612212A (zh) | 一种基于风险控制的业务处理方法、装置和系统 | |
CN113112311A (zh) | 训练因果推断模型的方法、信息提示方法以装置 | |
CN112395510A (zh) | 基于活跃度确定目标用户的方法和装置 | |
CN111694717A (zh) | 一种确定系统承压能力值的方法和装置 |
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 |