CN113918698A - 一种客服业务处理系统及装置 - Google Patents
一种客服业务处理系统及装置 Download PDFInfo
- Publication number
- CN113918698A CN113918698A CN202111187867.9A CN202111187867A CN113918698A CN 113918698 A CN113918698 A CN 113918698A CN 202111187867 A CN202111187867 A CN 202111187867A CN 113918698 A CN113918698 A CN 113918698A
- Authority
- CN
- China
- Prior art keywords
- corpus
- dialogue
- current information
- processing
- information
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Machine Translation (AREA)
Abstract
本发明提供一种客服业务处理方法,其特征在于,包括:获取用户输入的当前信息;将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息;其中,所述对话处理模型是基于语料样本以及对应的识别标签进行训练后得到的,用于基于单轮对话和多轮对话进行对话处理;所述识别标签是根据所述语料样本预先确定的,并与所述语料样本一一对应。本发明提供的客服业务处理方法,通过对话处理模型自动处理客服业务,提高了业务处理效率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种客服业务处理系统及装置。
背景技术
目前,用户咨询业务处理方法有表单填写式业务处理和对话消息记录存储两种方式。
表单填写式业务处理是由用户按照预设表单自行填写。表单字段配置较多,配置较复杂,用户体验不好,信息填写受拘束,配置繁琐,因此客户留存信息率不高,并且离线表单填写也导致问题不能及时解决。
对话消息记录存储会把用户所咨询的问题或需要处理的业务需要形成记录进行存储,后续再通过人工从头到尾了解整个用户咨询的内容来联系用户进行处理,此方式处理效率较低,用户体验不好,问题不能及时解决。
发明内容
本发明提供一种客服业务处理系统及装置,用以解决现有技术中客服业务处理效率低的缺陷,提高了客服业务处理效率。
第一方面,本发明提供一种客服业务处理方法,包括:获取用户输入的当前信息;将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息;其中,所述对话处理模型是基于语料样本以及对应的识别标签进行训练后得到的,用于基于单轮对话和多轮对话进行对话处理;所述识别标签是根据所述语料样本预先确定的,并与所述语料样本一一对应。
可选的,所述对话处理模型包括:对话状态识别模块、第一处理模块和第二处理模块;所述将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息,包括:将所述当前信息输入至所述对话状态识别模块,获得所述对话状态识别模块输出的所述当前信息的对话状态;若所述当前信息的对话状态为单轮对话,则将所述当前信息输入至所述第一处理模块,获得所述第一处理模块输出的所述回复信息;若所述当前信息的对话状态为多轮对话,则将所述当前信息输入至所述第二处理模块,获得所述第二处理模块输出的所述回复信息;其中,所述第一处理模块用于基于自然语言处理和自然语言理解对所述当前信息进行对话处理;所述第二处理模块用于基于多轮对话对所述当前信息进行对话处理。
可选的,所述第一处理模块包括第一判断单元、第一语料单元和第一指令单元;所述将所述当前信息输入至所述第一处理模块,获得所述第一处理模块输出的所述回复信息,包括:将所述当前信息输入至所述第一判断单元,获得所述当前信息对应的用户意图;若所述用户意图为咨询信息,获得所述第一语料单元输出的回复信息;若所述用户意图为业务操作,获得所述第一语料单元输出的回复信息,并且所述第一指令单元根据所述当前信息生成对应的控制指令并执行相应任务。
可选的,所述第二处理模块包括:第二判断单元、第二语料单元和第二指令单元;所述将所述当前信息输入至所述第二处理模块,获得所述第二处理模块输出的所述回复信息,包括:将所述当前信息输入至所述第二语料单元,触发多轮对话,获得所述第二语料单元收集的多轮对话信息;将所述多轮对话信息输入至所述第二判断单元,获得所述当前信息对应的用户意图;若所述用户意图为咨询信息,获得所述第二语料单元输出的回复信息;若所述用户意图为业务操作,获得所述第二语料单元输出的回复信息,并且所述第二指令单元根据所述用户意图生成对应的控制指令并执行相应任务。
可选的,还包括所述对话处理模型按照如下方法进行训练:基于所述语料样本构建语料库;对所述语料库中的语料样本进行预训练:提取所述语料样本中的关键信息,根据所述关键信息生成新语料并更新语料库;基于所述更新后的语料库中的语料样本及其对应的识别标签,对所述对话处理模型进行训练。
可选的,所述方法还包括:获取所述用户输入的当前信息和所述回复信息,根据所述当前信息和所述回复信息对所述语料库进行更新。
第二方面,本发明还提供一种客服业务处理系统,包括:获取单元,获取用户输入的当前信息;回复单元,将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息;其中,所述对话处理模型是基于语料样本以及对应的识别标签进行训练后得到的,用于基于单轮对话和多轮对话进行对话处理;所述识别标签是根据所述语料样本预先确定的,并与所述语料样本一一对应。
第三方面,本发明还提供一种电子设备,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程序时实现如上述任一种所述客服业务处理方法的步骤。
第四方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述客服业务处理方法的步骤。
第五方面,本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述客服业务处理方法的步骤。
本发明提供的一种客服业务处理方法及装置,通过对话处理模型自动回复客户输入的业务信息,自动为用户提供服务,自动解答用户的问题,自动处理用户所需的服务,提高了业务处理效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的客服业务处理方法的流程示意图;
图2是本发明实施例提供的多轮对话构建流程示意图;
图3是本发明实施例提供的多轮对话测试和使用流程示意图;
图4是本发明实施例提供的客服业务处理方法的流程示意图之二;
图5是本发明实施例提供的客服业务处理系统的结构示意图;
图6是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合图1-图4描述本发明实施例提供的客服业务处理方法。
参考图1,图1是本发明实施例提供的客服业务处理方法的流程示意图。本发明实施例提供的客服业务处理方法,包括:
步骤110,获取用户输入的当前信息;
步骤120,将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息;
其中,所述对话处理模型是基于语料样本以及对应的识别标签进行训练后得到的,用于基于单轮对话和多轮对话进行对话处理;所述识别标签是根据所述语料样本预先确定的,并与所述语料样本一一对应。
下面,对上述步骤在具体实施例中的可能的实现方式做进一步说明。
步骤110,获取用户输入的当前信息;
用户可以在移动终端、计算机、服务机器人等设备输入任意的文本信息,可以是咨询信息,也可以业务操作信息。在单轮对话中,用户输入的信息即为当前信息;在用户与对话处理模型的多轮对话过程中,用户当前输入的信息可以被称之为当前信息,而用户已经输入的信息可以被称之为历史信息。
步骤120,将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息;
当用户通过各个渠道进行咨询时,通过对话处理模型,能够实现在各个时间段及特殊场景下为用户提供自助服务,如自助查询问题、自助预定等场景,提高了用户体验。并且采用对话处理模型处理客服业务,客服过程可以由对话处理模型独立完成,无需人工介入,提高了工作效率,节约人力成本。对话处理模型还可以为不同的场景配置生成不同的任务,满足多种的客户群体的需求。
对话处理模型中包含自然语言处理(NLP)引擎和自然语言理解 (NLU)引擎,用于对用户输入的信息进行语义识别。用户输入的信息可以根据信息完整程度分为单轮对话信息和多轮对话信息。单轮对话信息是指,当前信息中的语义信息完整,即用户咨询的问题是可以经过单轮对话处理,如NLP引擎和NLU引擎可以直接识别当前信息的语义;多轮对话信息是指当前信息中的语义信息有缺失,需要经过多轮对话对语义信息进行补充。可以理解的是,用户也可以在输入界面中通过点选业务按钮来进行业务咨询,当用户选择的业务需要经过多轮对话对业务信息进行补充时,用户通过点选输入的当前信息也属于多轮对话信息。本发明实施例中的对话处理模型通过将单轮对话和多轮对话进行区分处理,可以提高对话处理速度。
可选的,所述对话处理模型按照如下方法进行训练:
步骤210,基于所述语料样本构建语料库;
具体地,语料样本是业务服务过程中的对话样本,语料库是用于存放语料样本数据语言数据库。语料库用于存储所灌入的语料样本内容。
步骤220,对所述语料库中的语料样本进行预训练:提取所述语料样本中的关键信息,根据所述关键信息生成新语料并更新语料库;
语料库会将灌入的语料样本输入给预训练模型,在预训练模型中结合NLP引擎和NLU引擎,对输入的语料样本内容,结合对话上下文,对整段文字进行挖掘和提取语料中关键信息。预训练模型对关键信息进行学习,自动生成多种相似问法,丰富语料样本,从而扩展语料库的知识深度和范围。
步骤230,基于所述更新后的语料库中的语料样本及其对应的识别标签,对所述对话处理模型进行训练。
预训练模型将更新后的语料样本再输入到对话处理模型中,对话处理模型会根据预训练模型所输入的语料样本再次进行深度学习。
本发明实施例中的对话处理模型是基于预训练的语料样本以及对应的识别标签进行训练后得到的,预训练的语料样本是指经过再处理的语料样本,相较于未处理的语料样本,预处理的语料样本可以增加训练难度或提升训练丰富度,进而提高对话处理模型的准确度。
一个实施例中,参考图2,图2是本发明实施例提供的多轮对话构建流程示意图。
第一步:前期准备包括定义词槽、定义意图和定义场景。
定义词槽:将所需要的关键词定义成词槽的方式,用于收集用户所输入的关键词。
定义意图:定义用户的咨询意图。咨询意图可以包括咨询信息和业务操作。
定义场景:确定当前信息所处的场景,根据场景来进行场景的训练。
第二步:准备语料。
准备语料:准备对话处理模型所需要学习和理解的语料样本,除常规语料外,也需要把相似的语料也一并进行准备。如由于用户输入错别字、方言、同义词和缩写产生的相似语料样本等。如针对语料样本“开发票”可以准备相似语料“开具购物凭证”。
第三步:语料提取。
提取语料中的关键信息:将收集的语料样本灌入到语料库中,经过预训练模型,对语料中的关键信息进行提取,并灌入到定义的模型中。
第四步:定义模型。
定义模型:根据所需要的场景,定义多轮对话的场景需要,配置多轮对话的流程。场景可以包括购物场景、售后场景或行程预定场景等。根据不同场景中的不同业务需求配置多轮对话。
第五步:模型训练。
将第一步和第二步所准备的内容,通过配置的多轮对话流程对对话处理模型进行训练,让对话处理模型能够进行理解和识别。该步骤中对语料样本的学习主要是结合业务场景需要进行学习,将输入的语料样本场景化。如语料样本“订票”,在交通场景中为订购火车票或飞机票,而在娱乐场景中为订购电影票或演出票,结合场景学习语料样本能够提高对话处理模型的业务处理准确率。
可以理解的是,在单轮对话处理流程中,由NLP引擎和NLU引擎处理当前信息,也可以通过更新后的语料库中的语料样本对NLP 引擎和NLU引擎训练。
可选的,所述方法还包括:
获取所述用户输入的当前信息和所述回复信息,根据所述当前信息和所述回复信息对所述语料库进行更新。
具体地,语料库还用于记录和存储所有的对话处理模型工作中产生的对话日志内容,将工作中新增的对话内容作为语料样本更新语料库。
本发明实施例通过将当前信息和回复信息作为新的语料样本,对语料库进行扩充,使对话处理模型能够自我学习,实现更快更准确的处理业务。
一个实施例中,参考图3,图3是本发明实施例提供的多轮对话测试和使用流程示意图。
训练完成后,对对话处理模型进行测试和验证。
第六步:模型测试。
模型测试:测试模型的连贯性、准确性,并对多轮对话的流程进行调整,调整后再次验证准确性,直至测试通过。
第七步:投入使用。
使用:投入使用后,能够在指定场景中,触发对话处理模型中的多轮对话,多轮对话能够引导用户输入对话处理模型所需要的内容和信息。
收集语料:将用户每次咨询的内容存储到语料库中,并为后期模型的训练准备语料样本数据,通过实际使用中的语料样本数据能够提高对话处理模型的识别率和理解率,让对话处理模型处理业务更准确。
参考图4,图4是本发明实施例提供的客服业务处理方法的流程示意图之二。可选的,所述对话处理模型包括:对话状态识别模块、第一处理模块和第二处理模块;
所述将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息,包括:
步骤310,将所述当前信息输入至所述对话状态识别模块,获得所述对话状态识别模块输出的所述当前信息的对话状态;
当用户发起自助咨询时,即将当前信息输入至所述对话状态识别模块时,对话状态识别模块会判断对话状态为单轮对话还是多轮对话。
对话状态为单轮对话是指,当前信息为上文所述的单轮对话信息;对话状态为多轮对话是指,当前信息为上文所述的多轮对话信息。
步骤320,若所述当前信息的对话状态为单轮对话,则将所述当前信息输入至所述第一处理模块,获得所述第一处理模块输出的所述回复信息;其中,所述第一处理模块用于基于自然语言处理和自然语言理解对所述当前信息进行对话处理;
若所述当前信息的对话状态为单轮对话,则通过基于自然语言处理和自然语言理解对所述当前信息进行对话处理的第一处理模块对当前信息进行处理。
可选的,所述第一处理模块包括第一判断单元、第一语料单元和第一指令单元;
所述将所述当前信息输入至所述第一处理模块,获得所述第一处理模块输出的所述回复信息,包括:
步骤410,将所述当前信息输入至所述第一判断单元,获得所述当前信息对应的用户意图;
具体的,第一判断单元中包括NLP引擎和NLU引擎,通过自然语言处理和自然语言理解对当前信息进行语义识别,识别出用户意图。
步骤420,若所述用户意图为咨询信息,获得所述第一语料单元输出的回复信息;
具体的,根据用户意图在语料库中确定回复语句。
步骤430,若所述用户意图为业务操作,获得所述第一语料单元输出的回复信息,并且所述第一指令单元根据所述当前信息生成对应的控制指令并执行相应任务。
具体的,根据用户意图在语料库中确定回复语句,并且按照用户意图执行任务。如用户输入“订购牛奶一箱送至默认地址”,则对话处理模型回复“已下单”,并且在后台根据用户意图进行下单。
步骤330,若所述当前信息的对话状态为多轮对话,则将所述当前信息输入至所述第二处理模块,获得所述第二处理模块输出的所述回复信息;其中,所述第二处理模块用于基于多轮对话对所述当前信息进行对话处理。
若所述当前信息的对话状态为多轮对话,则通过基于多轮对话对所述当前信息进行对话处理的第二处理模块对当前信息进行处理。
可选的,所述第二处理模块包括:第二判断单元、第二语料单元和第二指令单元;
所述将所述当前信息输入至所述第二处理模块,获得所述第二处理模块输出的所述回复信息,包括:
步骤510,将所述当前信息输入至所述第二语料单元,触发多轮对话,获得所述第二语料单元收集的多轮对话信息;当前信息中的关键词不足以填充预设槽位时,触发多轮对话,第二语料单元开始根据当前信息和语料库向用户提问,再根据用户的回答判断是否继续提问,在第二语料单元与用户进行多轮对话的过程中,第二语料单元收集所有对话信息,通过多轮对话信息补充词槽信息,直至预设词槽信息被填充完毕,第二语料单元停止向用户提问。
步骤520,将所述多轮对话信息输入至所述第二判断单元,获得所述当前信息对应的用户意图;
多轮对话信息是指,在第二语料单元与用户进行多轮对话的过程中,第二语料单元收集的所有对话信息。对轮对话信息中包含预设词槽对应的词槽信息。将多轮对话信息输入至第二判断单元,根据词槽定义留言场景并理解当前信息的内容。
步骤530,若所述用户意图为咨询信息,获得所述第二语料单元输出的回复信息;
具体的,根据用户意图在语料库中确定回复语句。
步骤540,若所述用户意图为业务操作,获得所述第二语料单元输出的回复信息,并且所述第二指令单元根据所述用户意图生成对应的控制指令并执行相应任务。
一个实施例中,用户输入当前信息“订票”,触发多轮对话:
对话处理模型:“请问订购什么票?”
用户:“高铁票。”
对话处理模型:“出发地点是哪里?”
用户:“北京。”
对话处理模型:“到达地点是哪里?”
用户:“上海。”
对话处理模型:“何时出发?”
用户:“1月1日。”
对话处理模型:“好的,已为您订购1月1日从北京出发到达上海的高铁票。”
在本实施例的多轮对话中,预设词槽包括“购票类型”、“出发地点”、“到达地点”和“出发时间”。对话处理模型不断通过提问补充词槽信息,直至预设词槽匹配完成。之后根据多轮对话内容判断用户意图,并根据用户意图回复用户咨询或执行业务操作。
本发明实施例提供的客服业务处理能够自助完成客服业务处理,提高了业务处理效率,并且提高了业务处理准确率。
下面对本发明提供的客服业务处理系统进行描述,下文描述的客服业务处理系统与上文描述的客服业务处理方法可相互对应参照。
参考图5,图5是本发明实施例提供的客服业务处理系统的结构示意图。一种客服业务处理系统,包括:获取单元610和回复单元 620;
获取单元610,获取用户输入的当前信息;
回复单元620,将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息;
其中,所述对话处理模型是基于语料样本以及对应的识别标签进行训练后得到的,用于基于单轮对话和多轮对话进行对话处理;所述识别标签是根据所述语料样本预先确定的,并与所述语料样本一一对应。
在此需要说明的是,本发明实施例提供的上述装置,能够实现上述方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图6示例了一种电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令,以执行客服业务处理方法,该方法包括:获取用户输入的当前信息;将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息;其中,所述对话处理模型是基于语料样本以及对应的识别标签进行训练后得到的,用于基于单轮对话和多轮对话进行对话处理;所述识别标签是根据所述语料样本预先确定的,并与所述语料样本一一对应。
此外,上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的客服业务处理方法,该方法包括:获取用户输入的当前信息;将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息;其中,所述对话处理模型是基于语料样本以及对应的识别标签进行训练后得到的,用于基于单轮对话和多轮对话进行对话处理;所述识别标签是根据所述语料样本预先确定的,并与所述语料样本一一对应。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的客服业务处理方法,该方法包括:获取用户输入的当前信息;将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息;其中,所述对话处理模型是基于语料样本以及对应的识别标签进行训练后得到的,用于基于单轮对话和多轮对话进行对话处理;所述识别标签是根据所述语料样本预先确定的,并与所述语料样本一一对应。
以上所描述的装置实施例仅仅是示意性的,其中所述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,作为单元显示的部件可以是或者也可以不是物理单元,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。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种客服业务处理方法,其特征在于,包括:
获取用户输入的当前信息;
将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息;
其中,所述对话处理模型是基于语料样本以及对应的识别标签进行训练后得到的,用于基于单轮对话和多轮对话进行对话处理;所述识别标签是根据所述语料样本预先确定的,并与所述语料样本一一对应。
2.根据权利要求1所述的客服业务处理方法,其特征在于,
所述对话处理模型包括:对话状态识别模块、第一处理模块和第二处理模块;
所述将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息,包括:
将所述当前信息输入至所述对话状态识别模块,获得所述对话状态识别模块输出的所述当前信息的对话状态;
若所述当前信息的对话状态为单轮对话,则将所述当前信息输入至所述第一处理模块,获得所述第一处理模块输出的所述回复信息;
若所述当前信息的对话状态为多轮对话,则将所述当前信息输入至所述第二处理模块,获得所述第二处理模块输出的所述回复信息;
其中,所述第一处理模块用于基于自然语言处理和自然语言理解对所述当前信息进行对话处理;所述第二处理模块用于基于多轮对话对所述当前信息进行对话处理。
3.根据权利要求2所述的客服业务处理方法,其特征在于,所述第一处理模块包括第一判断单元、第一语料单元和第一指令单元;
所述将所述当前信息输入至所述第一处理模块,获得所述第一处理模块输出的所述回复信息,包括:
将所述当前信息输入至所述第一判断单元,获得所述当前信息对应的用户意图;
若所述用户意图为咨询信息,获得所述第一语料单元输出的回复信息;
若所述用户意图为业务操作,获得所述第一语料单元输出的回复信息,并且所述第一指令单元根据所述当前信息生成对应的控制指令并执行相应任务。
4.根据权利要求2所述的客服业务处理方法,其特征在于,所述第二处理模块包括:第二判断单元、第二语料单元和第二指令单元;
所述将所述当前信息输入至所述第二处理模块,获得所述第二处理模块输出的所述回复信息,包括:
将所述当前信息输入至所述第二语料单元,触发多轮对话,获得所述第二语料单元收集的多轮对话信息;
将所述多轮对话信息输入至所述第二判断单元,获得所述当前信息对应的用户意图;
若所述用户意图为咨询信息,获得所述第二语料单元输出的回复信息;
若所述用户意图为业务操作,获得所述第二语料单元输出的回复信息,并且所述第二指令单元根据所述用户意图生成对应的控制指令并执行相应任务。
5.根据权利要求1-4中任一项所述的客服业务处理方法,其特征在于,所述对话处理模型按照如下方法进行训练:
基于所述语料样本构建语料库;
对所述语料库中的语料样本进行预训练:提取所述语料样本中的关键信息,根据所述关键信息生成新语料并更新语料库;
基于所述更新后的语料库中的语料样本及其对应的识别标签,对所述对话处理模型进行训练。
6.根据权利要求5所述的客服业务处理方法,其特征在于,所述方法还包括:
获取所述用户输入的当前信息和所述回复信息,根据所述当前信息和所述回复信息对所述语料库进行更新。
7.一种客服业务处理系统,其特征在于,包括:
获取单元,用于获取用户输入的当前信息;
回复单元,用于将所述当前信息输入至对话处理模型,获得所述对话处理模型输出的回复信息;
其中,所述对话处理模型是基于语料样本以及对应的识别标签进行训练后得到的,用于基于单轮对话和多轮对话进行对话处理;所述识别标签是根据所述语料样本预先确定的,并与所述语料样本一一对应。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述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程序时实现如权利要求1至6任一项所述客服业务处理方法的步骤。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述客服业务处理方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述客服业务处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111187867.9A CN113918698A (zh) | 2021-10-12 | 2021-10-12 | 一种客服业务处理系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111187867.9A CN113918698A (zh) | 2021-10-12 | 2021-10-12 | 一种客服业务处理系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113918698A true CN113918698A (zh) | 2022-01-11 |
Family
ID=79239669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111187867.9A Pending CN113918698A (zh) | 2021-10-12 | 2021-10-12 | 一种客服业务处理系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113918698A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114490994A (zh) * | 2022-03-28 | 2022-05-13 | 北京沃丰时代数据科技有限公司 | 对话管理方法及装置 |
CN115132178A (zh) * | 2022-07-15 | 2022-09-30 | 科讯嘉联信息技术有限公司 | 一种基于深度学习的语义端点检测系统 |
CN115952271A (zh) * | 2023-03-09 | 2023-04-11 | 杭州心识宇宙科技有限公司 | 一种生成对话信息的方法、装置、存储介质及电子设备 |
-
2021
- 2021-10-12 CN CN202111187867.9A patent/CN113918698A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114490994A (zh) * | 2022-03-28 | 2022-05-13 | 北京沃丰时代数据科技有限公司 | 对话管理方法及装置 |
CN114490994B (zh) * | 2022-03-28 | 2022-06-28 | 北京沃丰时代数据科技有限公司 | 对话管理方法及装置 |
CN115132178A (zh) * | 2022-07-15 | 2022-09-30 | 科讯嘉联信息技术有限公司 | 一种基于深度学习的语义端点检测系统 |
CN115132178B (zh) * | 2022-07-15 | 2023-01-10 | 科讯嘉联信息技术有限公司 | 一种基于深度学习的语义端点检测系统 |
CN115952271A (zh) * | 2023-03-09 | 2023-04-11 | 杭州心识宇宙科技有限公司 | 一种生成对话信息的方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113918698A (zh) | 一种客服业务处理系统及装置 | |
CN109003624B (zh) | 情绪识别方法、装置、计算机设备及存储介质 | |
CN105989084B (zh) | 一种回复问题的方法和设备 | |
CN104503998B (zh) | 针对用户查询句的类型识别方法及装置 | |
CN107329967A (zh) | 基于深度学习的问答系统以及方法 | |
CN111177359A (zh) | 多轮对话方法和装置 | |
CN110362822A (zh) | 用于模型训练的文本标注方法、装置、计算机设备及存储介质 | |
CN111858913A (zh) | 一种自动生成文本摘要的方法和系统 | |
CN107656996A (zh) | 基于人工智能的人机交互方法和装置 | |
CN114757176A (zh) | 一种获取目标意图识别模型的方法以及意图识别方法 | |
CN111259124A (zh) | 对话管理方法、装置、系统及存储介质 | |
CN116361431A (zh) | 模型训练方法、对话生成方法、电子设备和相关装置 | |
Kumari et al. | Enhancing college chat bot assistant with the help of richer human computer interaction and speech recognition | |
CN110427470A (zh) | 问答处理方法、装置及电子设备 | |
CN114490985A (zh) | 对话生成方法、装置、电子设备和存储介质 | |
WO2020042164A1 (en) | Artificial intelligence systems and methods based on hierarchical clustering | |
US11501754B2 (en) | Specifying trip destinations from spoken dialogs | |
CN117370512A (zh) | 回复对话的方法、装置、设备及存储介质 | |
CN114490994B (zh) | 对话管理方法及装置 | |
CN111414732A (zh) | 文本风格转换方法、装置、电子设备及存储介质 | |
CN108959253A (zh) | 核心短语的提取方法、装置及可读存储介质 | |
CN113505606B (zh) | 一种培训信息获取方法、装置、电子设备及存储介质 | |
CN115952260A (zh) | 汽车领域问答方法、装置、电子设备及存储介质 | |
CN115098665A (zh) | 一种对话数据扩展方法、装置及设备 | |
CN112487817A (zh) | 命名实体识别模型训练方法、样本标注方法、装置及设备 |
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 |