CN113918703A - 一种智能客服问答方法、装置、服务器和存储介质 - Google Patents
一种智能客服问答方法、装置、服务器和存储介质 Download PDFInfo
- Publication number
- CN113918703A CN113918703A CN202111248480.XA CN202111248480A CN113918703A CN 113918703 A CN113918703 A CN 113918703A CN 202111248480 A CN202111248480 A CN 202111248480A CN 113918703 A CN113918703 A CN 113918703A
- Authority
- CN
- China
- Prior art keywords
- question
- answer
- target
- intention
- text
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06F16/338—Presentation of query results
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能技术,公开了一种智能客服问答方法、装置、服务器及存储介质,该方法包括:响应于获取到用户的问题文本,根据意图关键词列表,获取所述问题文本中的目标意图关键词;通过文本信息抽取模型,获取所述问题文本中的命名实体,以及所述命名实体的实体类别;根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对;展示所述目标问答对的答案信息。本发明实施例提供的技术方案,实现了答复信息的自动获取,提高了答复信息的检索效率,同时,基于意图关键词以及命名实体,获取到与用户沟通意图匹配的答复信息,极大地提高了获取答复信息的准确性。
Description
技术领域
本发明实施例涉及人工智能,尤其涉及一种智能客服问答方法、装置、服务器和存储介质。
背景技术
随着电子商务的不断发展,业务种类在不断地增多,客户的来电咨询也变得越来越频繁,这就对客户服务提出了更高要求。
现有的客服系统仍然是以人工客服为主,当人工客服遇到不能立刻解答的问题时,通常会让客户稍作等待,进而开始查找答案,但这样的客服问答方式,查询效率较低,客户等待时间较长,且在获取到的多个答复内容中,人工客服由于专业知识受限,不能确保获取到最匹配的答复内容;
而现有的电子客服,通常是预先设定一定数量的相关问题,并通过与用户的多次交互,引导用户选择其中的预设问题,但是这样的客服问答方式,客户同样需要等待较长时间,且只能引导用户选择预设问题,无法获知用户的实际需求。
发明内容
本发明实施例提供了一种智能客服问答方法、装置、服务器和存储介质,基于问答库对用户问题进行答复。
第一方面,本发明实施例提供了一种智能客服问答方法,包括:
响应于获取到用户的问题文本,根据意图关键词列表,获取所述问题文本中的目标意图关键词;其中,所述意图关键词列表包括至少一个意图关键词;
通过文本信息抽取模型,获取所述问题文本中的命名实体,以及所述命名实体的实体类别;
根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对;其中,所述问答库包括至少一个问答对;
展示所述目标问答对的答案信息。
第二方面,本发明实施例提供了一种智能客服问答装置,包括:
目标意图关键词获取模块,用于响应于获取到用户的问题文本,根据意图关键词列表,获取所述问题文本中的目标意图关键词;其中,所述意图关键词列表包括至少一个意图关键词;
命名实体获取模块,用于通过文本信息抽取模型,获取所述问题文本中的命名实体,以及所述命名实体的实体类别;
目标问答对,用于根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对;其中,所述问答库包括至少一个问答对;
答案信息展示模块,用于展示所述目标问答对的答案信息。
第三方面,本发明实施例还提供了一种服务器,所述服务器包括:
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本发明任意实施例所述的一种智能客服问答方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时实现本发明任意实施例所述的一种智能客服问答方法。
本发明实施例提供的技术方案,在根据意图关键词列表,获取到问题文本的目标意图关键词,以及通过文本信息抽取模型,获取到问题文本中的命名实体后,根据上述目标意图关键词和命名实体,获取问答库中匹配的目标问答对,并展示答案信息,实现了答复信息的自动获取,提高了答复信息的检索效率,同时,基于意图关键词以及命名实体,获取到与用户沟通意图匹配的答复信息,极大地提高了获取答复信息的准确性。
附图说明
图1是本发明实施例一提供的一种智能客服问答方法的流程图;
图2是本发明实施例二提供的一种智能客服问答方法的流程图;
图3是本发明实施例三提供的一种智能客服问答方法的流程图;
图4是本发明实施例四提供的一种智能客服问答装置的结构框图;
图5是本发明实施例五提供的一种服务器的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种智能客服问答方法的流程图,本实施例可适用于根据用户提出的问题,在问答库中获取匹配的答案信息,该方法可以由本发明实施例中智能客服问答装置来执行,该装置可以通过软件和/或硬件实现,并集成在服务器中,典型的,可以集成在电商平台的管理服务器中;
服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
该方法具体包括如下步骤:
S110、响应于获取到用户的问题文本,根据意图关键词列表,获取所述问题文本中的目标意图关键词;其中,所述意图关键词列表包括至少一个意图关键词。
问题文本可以是通过接听用户拨打的电话和在线语音,并获取到用户的语音信息后,通过自动语音识别技术(Automatic Speech Recognition,ASR),识别语音信息获取的文本信息;也可以是通过网页或APP(Application,应用程序),获取到的用户输入的文本信息。
意图关键词列表,包含了一个或多个反应用户沟通意图的意图关键词,例如,“不能买”、“买不了”、“下架了”、“到期”、“开通”、“赎回”、“定投”、“买入”和“持仓”等;在获取到用户的问题文本后,根据意图关键词列表中的各个意图关键词,获取问题文本中出现的意图关键词,即目标意图关键词。
S120、通过文本信息抽取模型,获取所述问题文本中的命名实体,以及所述命名实体的实体类别。
命名实体(Named Entity)是文本中具有特定意义或者指代性强的实体,实体类别包括实体类(例如,人名、机构名、地名和专有名词等)、时间类和数字类(例如,日期、货币和百分比等);专有名词可以包括账户名称、产品名称、产品型号、产品价格、活动名称、优惠卷名称、系统功能名称和展示界面名称等;在本发明实施例中,对命名实体的实体类别不作具体限定。
文本信息抽取模型可以包括隐马尔可夫模型(Hidden Markov Model,HMM)、最大熵马尔可夫模型(Maximum Entropy Markov Model,MEMM)和条件随机场模型(ConditionalRandom Field,CRF)。HMM具有实时性好的特点,其训练时的收敛速度和应用时的识别速度均较快;MEMM具有结构紧凑以及通用性较强的特点;CRF则为命名实体提供了特征灵活,且全局最优的标注框架,识别准确性较高。通过文本信息抽取模型,抽取问题文本中的命名实体,获取到问题文本中的各个命名实体的同时,获取到各个命名实体的实体类别。
S130、根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对;其中,所述问答库包括至少一个问答对。
问答库包括多个预先构建完成的问答对,每个问答对包括问题信息及对应的答案信息,每个问答对根据其解决问题的类型不同,分属于不同的问答类别;其中,问答类别可以包括公告类、操作类和受理类;每个问答对只属于一个问答类别;进一步的,公告类可以包括紧急通知、活动规则和功能维护;操作类可以包括注册、认证、绑卡和登录;受理类可以包括账户异常、实名认证和活动奖励领取;在本发明实施例中,可选的,对问答对的问答类别不作具体限定。
将目标意图关键词和命名实体作为问答对的检索条件,在各个问答对的问题信息中进行检索,以获取与上述检索条件匹配的目标问题信息,以及该目标问题信息下的答案信息。对于目标问题信息的获取,可以根据各个问题信息,对目标意图关键词和命名实体的命中数量,将完全命中的问题信息,或者命中数量最多的问题信息作为目标问题信息。目标意图关键词反映了用户本次提问的沟通意图,而命名实体则反映了用户本次提问的业务场景,因此,根据目标意图关键词和命名实体,在问答库中获取的目标问答对,完整地表征了用户提问时的用户意愿。
可选的,在本发明实施例中,在根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对前,还包括:根据所述问题文本的命名实体的实体类别,通过业务数据库,获取与所述命名实体匹配的关联信息;所述根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对,包括:根据所述目标意图关键词、所述命名实体和所述关联信息,获取问答库中匹配的目标问答对。
具体的,用户在进行问题描述时,由于表述习惯不同,不能确保每名用户均能将问题所需的所有细节描述清楚,也即仅通过问题文本不能确保获取到足够的检索信息,因此,在获取到问题文本中指定的实体类别后,根据该实体类别下的命名实体,通过业务数据库,获取该命名实体下的关联信息,再将目标意图关键词、命名实体和关联信息,共同作为目标问答对的检索条件,以提高检索结果的准确度;其中,各个实体类别分别对应的关联信息预先设定完成。
以上述技术方案为例,与实体类别“账户名称”相关的关联信息包括账户等级(即会员或非会员)、账户信用等级、账户金融风险等级、账户安全等级等;与实体类别“产品名称”相关的关联信息包括产品产地、产品生产商、产品生产日期、产品销量等;与实体类别“活动名称”相关的关联信息包括“活动有效期”和“活动针对人群”;与实体类别“优惠券名称”相关的关联信息包括“优惠券金额”和“优惠券有效期”;通过业务数据库获取的关联信息,增加了检索条件中的词汇数量,提高了检索结果的准确性。
特别的,根据所述问题文本的命名实体的实体类别,通过业务数据库,获取与所述命名实体匹配的关联信息,具体包括:若确定所述问题文本的意图类别为推荐性咨询,则根据所述问题文本的命名实体的实体类别,通过业务数据库,获取与所述命名实体匹配的关联信息;具体的,在确定了问题文本的意图类别后,如果确定意图类别为推荐性咨询,需要根据与用户、产品、活动、优惠卷或系统功能相关的关联信息进行推荐,以提高推荐结果的匹配程度,因此,通过业务数据库,获取命名实体的关联信息;如果意图类别为非推荐性咨询,则不获取上述关联信息,以确保检索条件与问题文本的一致性,避免引入其他检索条件,降低检索结果与问题文本的匹配度。
可选的,在本发明实施例中,所述根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对,包括:根据所述目标意图关键词和所述命名实体,依次在问答库的各问答类别中进行检索;若在第一目标问答类别中,确定当前问答对与所述目标意图关键词和所述命名实体的匹配度,大于等于所述第一目标问答类别对应的第一预设阈值,则将所述当前问答对作为目标问答对;其中,不同的所述问答类别对应不同的所述第一预设阈值。
具体的,每个问答类别的优先级不同,例如,公告类、操作类和受理类的依次降低,在问答库中检索时,根据检索优先级,依次在各问答类别下检索,以提高优先级较高的问答类别下的检索效率;第一预设阈值,是将当前问答对直接确定为目标问答对的预设阈值,通常设定为较大数值,例如,95%;即若确定当前问答类别下的某个问答对的问题信息,命中目标意图关键词和命名实体中95%以上的词汇时,则将该问答对作为目标问答对,同时停止后续检索,以提高检索效率;而不同的问答类别,对应不同的第一预设阈值,检索优先级越低,第一预设阈值越高,以提高对检索优先级较高的问答类别中问答对的检测成功率,避免遗漏重要的答复内容。
可选的,在本发明实施例中,在根据所述目标意图关键词和所述命名实体,依次在问答库的各问答类别中进行检索后,还包括:若在第二目标问答类别中,确定当前问答对与所述目标意图关键词和所述命名实体的匹配度,大于等于所述第二目标问答类别对应的第二预设阈值,则将所述当前问答对作为备选问答对;其中,不同的所述问答类别对应不同的所述第二预设阈值;根据各所述备选问答对与所述目标意图关键词和所述命名实体的匹配度,以及各所述备选问答对对应的所述第二目标问答类别的权重系数,获取各所述备选问答对的匹配得分;将所述匹配得分最高的目标备选问答对,作为目标问答对。
第二预设阈值,是将当前问答对作为备选问答对的预设阈值,第二预设阈值小于第一预设阈值,且通常设定为较小数值,例如,50%;即若确定当前问答类别下的某个问答对的问题信息,命中目标意图关键词和命名实体中50%以上的词汇时,则将该问答对作为备选问答对;每个问答类别的权重系数与检索优先级相关,检索优先级越高,权重系数越高,权重系数反映了问答类别下问答对的重要性;将各备选问答对与目标意图关键词和命名实体的匹配度,与对应的权重系数进行乘积运算或求和运算后,即可获取每个备选问答对的匹配得分。
S140、展示所述目标问答对的答案信息。
获取到目标问答对后,如果确定当前客服模式为人工客服接听,则将目标问答对展示给人工客服,以通过人工客服将答案信息告知用户;如果确定当前客服模式为电子客服接听,则根据问题文本的获取方式,向用户展示目标问答对的答案信息;如果问题文本是识别语音信息后获取的文本信息,则通过语音播报的方式,展示给用户;如果问题文本是用户输入的文本信息,则通过文本展示的方式,展示给用户;特别的,客服模式可以是用户提问时由用户选择,服务器记录用户的客服模式选择结果,确定当前客服模式为人工客服接听,还是系统客服接听;也可以由服务器预先设定,例如,设定客服模式仅包括人工客服。
本发明实施例提供的技术方案,在根据意图关键词列表,获取到问题文本的目标意图关键词,以及通过文本信息抽取模型,获取到问题文本中的命名实体后,根据上述目标意图关键词和命名实体,获取问答库中匹配的目标问答对,并展示答案信息,实现了答复信息的自动获取,提高了答复信息的检索效率,同时,基于意图关键词以及命名实体,获取到与用户沟通意图匹配的答复信息,极大地提高了获取答复信息的准确性。
本发明实施例可以基于人工智能技术对用户的问题文本进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
实施例二
图2为本发明实施例二提供的一种智能客服问答方法的流程图,本实施例在上述技术方案的基础上进行具体化,在本实施例中,根据目标意图关键词的意图类别,确定问题文本的意图类别,该方法具体包括:
S201、响应于获取到用户的问题文本,根据意图关键词列表,获取所述问题文本中的目标意图关键词;其中,所述意图关键词列表包括至少一个意图关键词;执行S202。
S202、通过文本信息抽取模型,获取所述问题文本中的命名实体,以及所述命名实体的实体类别;执行S203。
S203、根据所述意图关键词列表中所述意图关键词的意图类别,获取所述目标意图关键词的意图类别;执行S204。
意图关键词列表标注了每个意图关键词所属的意图类别;在本发明实施例中,意图类别包括流程受阻和信息查询;流程受阻,反映了用户被阻止执行一项或多项业务操作,例如,上述技术方案中的“不能买”、“买不了”、“下架了”和“按钮灰色”均为流程受阻关键词;信息查询,反映了用户咨询一项或多项业务的业务信息,例如,上述技术方案中的“到期”、“开通”、“赎回”、“定投”、“买入”和“持仓”均为信息查询关键词。
特别的,流程受阻还可以包括用户侧异常受阻和平台侧异常受阻;用户侧异常受阻,反映了由于用户对流程操作不熟练或者超出用户风险承受能力等级,导致的业务操作被阻止;平台侧异常,反映了由于产品不售卖期、产品售罄、产品已下架或业务系统漏洞,导致的业务操作被阻止;信息查询还可以包括针对性咨询和推荐性咨询;针对性咨询,是获取指定的产品、活动、优惠券、系统功能的相关信息;推荐性咨询,是获取推荐的产品、活动、优惠券、系统功能的相关信息,在本发明实施例中,对意图类别不作具体限定。
S204、判断所述问题文本是否包括不同意图类别下的目标意图关键词;若否,执行S205;若是,执行S206。
S205、将所述目标意图关键词的意图类别,作为所述问题文本的意图类别;执行S207。
如果问题文本不包括不同的意图类别下的目标意图关键词,也即问题文本中的各个目标意图关键词均反映了相同的沟通意图,则将上述目标意图关键词的意图类别,作为问题文本的意图类别。
S206、根据各所述意图类别下所述目标意图关键词的数量,以及所述意图关键词列表中各所述目标意图关键词的权重系数,获取所述问题文本的意图类别;执行S207。
意图关键词列表标注了每个意图关键词的权重系数,不同的意图关键词,反应用户意愿的强弱程度不同,因此,对应不同的权重系数,用户意愿越强,权重系数越大;如果问题文本包括不同的意图类别下的目标意图关键词,例如,包括流程受阻下的“不能买”,以及信息查询下的“定投”和“持仓”,则根据目标意图关键词的数量,与该目标意图关键词的权重系数的乘积,作为该目标意图关键词的得分,再将每个意图类别下的各个目标意图关键词得分进行求和,即为该意图类别下的评分,最后将评分最高的意图类别,作为问题文本的意图类别。通过问题文本中各意图类别下目标意图关键词的数量和权重系数,获取问题文本的意图类别,确保了问题文本中出现不同意图类别的目标意图关键词时,对问题文本的有效分类。
S207、根据所述问题文本的意图类别,获取匹配的有效实体类别;执行S208。
不同的意图类别,体现了不同的业务信息和场景信息,因此,在查询匹配的问答对时,需要的检索条件的也不同,也即需要不同类别的命名实体;以上述技术方案为例,命名实体的实体类别包括账户名称、产品名称、活动名称、优惠卷名称、系统功能名称和展示界面名称;其中,账户名称、产品名称和展示界面名称是与流程受阻匹配的有效实体类别;账户名称、产品名称、活动名称、优惠卷名称和系统功能名称是与信息查询匹配的有效实体类别。
S208、根据所述有效实体类别,获取所述命名实体中的有效命名实体;执行S209。
在获取问题文本的命名实体后,根据有效实体类别,删除命名实体中的无效命名实体,仅将有效命名实体作为检索条件,以减少检索条件中命名实体的数量,提高问答对的检索效率和检索精度;例如,在确定用户的问题文本的查询意图为信息查询后,“展示界面名称”不属于对应的有效实体类别,因此,即使通过问题文本获取到“展示界面名称”,也不会将其作为检索条件。
S209、根据所述目标意图关键词和所述有效命名实体,获取问答库中匹配的目标问答对;执行S210。
S210、展示所述目标问答对的答案信息。
本发明实施例提供的技术方案,在根据问题文本的目标意图关键词,确定问题文本的意图类别后,获取匹配的有效实体类别,并在根据有效实体类别,获取有效命名实体后,根据目标意图关键词和所述有效命名实体,获取问答库中匹配的目标问答对,实现了问题文本的意图类别获取,确保了问题文本中出现不同意图类别的目标意图关键词时,对问题文本的有效分类,同时,有效命名实体的获取,减少了检索条件中的词汇数量,提高问答对的检索效率和检索精度。
实施例三
图3为本发明实施例三提供的一种智能客服问答方法的流程图,本实施例在上述技术方案的基础上进行具体化,在本实施例中,若确定与问题文本对应的备选问答对的数量较多,即备选问答对的数量大于等于第三预设阈值,则根据目标意图关键词、命名实体和关联信息,获取问答库中匹配的目标问答对,该方法具体包括:
S301、响应于获取到用户的问题文本,根据意图关键词列表,获取所述问题文本中的目标意图关键词;其中,所述意图关键词列表包括至少一个意图关键词;执行S302。
S302、通过文本信息抽取模型,获取所述问题文本中的命名实体,以及所述命名实体的实体类别;执行S303。
S303、根据所述目标意图关键词和所述命名实体,依次在问答库的各问答类别中进行检索;执行S304。
S304、若在第二目标问答类别中,确定当前问答对与所述目标意图关键词和所述命名实体的匹配度,大于等于所述第二目标问答类别对应的第二预设阈值,则将所述当前问答对作为备选问答对;其中,不同的所述问答类别对应不同的所述第二预设阈值;S305。
S305、判断与所述问题文本对应的所述备选问答对的数量是否大于等于第三预设阈值;若是,执行S306;若否,执行S308。
S306、根据所述问题文本的命名实体的实体类别,通过业务数据库,获取与所述命名实体匹配的关联信息;执行S307。
第三预设阈值,是与备选问答对的数量相关的数量阈值;如果获取到的备选问答对的数量过多,即大于等于第三预设阈值,表明可能是由于检索条件中的词汇过少,导致获取到过多的检索结果,检索结果不准确,因此,通过业务数据库,获取关联信息,并将关联信息也作为检索条件,以通过增加检索条件,减少备选问答对的数量,提高检索结果的准确性。
同时,若备选问答对的数量大于等于第三预设阈值,在根据各备选问答对与目标意图关键词和命名实体的匹配度,以及各备选问答对对应的第二目标问答类别的权重系数,计算各备选问答对的匹配得分时,需要占用较长的计算时间和较多的计算资源,目标问答对的获取效率较低。
特别的,如果获取到的备选问答对的数量过多,即大于等于第三预设阈值,还可以根据预设提升阈值,同时提高各个第二预设阈值的数值,例如,以10%的比例不断提高各个问答类别对应的第二预设阈值的数值,以不断减少备选问答对的数量,直到获取到的备选问答对的数量小于第三预设阈值为止。
S307、根据所述目标意图关键词、所述命名实体和所述关联信息,获取问答库中匹配的目标问答对;执行S310。
S308、根据各所述备选问答对与所述目标意图关键词和所述命名实体的匹配度,以及各所述备选问答对对应的所述第二目标问答类别的权重系数,获取各所述备选问答对的匹配得分;执行S309。
S309、将所述匹配得分最高的目标备选问答对,作为目标问答对;执行S310。
S310、展示所述目标问答对的答案信息。
本发明实施例提供的技术方案,当问题文本对应的备选问答对的数量大于等于第三预设阈值时,根据问题文本的命名实体的实体类别,获取与命名实体匹配的关联信息,并根据目标意图关键词、命名实体和关联信息,获取问答库中匹配的目标问答对,通过增加检索条件中的检索词汇,减少备选问答对的数量,提高检索结果的准确性,同时,避免了计算各备选问答对的匹配得分时,占用较长的计算时间和较多的计算资源,提高了目标问答对的获取效率。
实施例四
图4是本发明实施例四所提供的一种智能客服问答装置的结构框图,该装置具体包括:目标意图关键词获取模块410、命名实体获取模块420、目标问答对获取模块430和答案信息展示模块440;
目标意图关键词获取模块410,用于响应于获取到用户的问题文本,根据意图关键词列表,获取所述问题文本中的目标意图关键词;其中,所述意图关键词列表包括至少一个意图关键词;
命名实体获取模块420,用于通过文本信息抽取模型,获取所述问题文本中的命名实体,以及所述命名实体的实体类别;
目标问答对获取模块430,用于根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对;其中,所述问答库包括至少一个问答对;
答案信息展示模块440,用于展示所述目标问答对的答案信息。
本发明实施例提供的技术方案,在根据意图关键词列表,获取到问题文本的目标意图关键词,以及通过文本信息抽取模型,获取到问题文本中的命名实体后,根据上述目标意图关键词和命名实体,获取问答库中匹配的目标问答对,并展示答案信息,实现了答复信息的自动获取,提高了答复信息的检索效率,同时,基于意图关键词以及命名实体,获取到与用户沟通意图匹配的答复信息,极大地提高了获取答复信息的准确性。
可选的,在上述技术方案的基础上,智能客服问答装置,还包括:
第一意图类别获取模块,用于根据所述意图关键词列表中所述意图关键词的意图类别,获取所述目标意图关键词的意图类别;
目标意图关键词判断模块,用于判断所述问题文本是否包括不同意图类别下的目标意图关键词;
第二意图类别获取模块,用于若确定所述问题文本不包括不同意图类别下的目标意图关键词,则将所述目标意图关键词的意图类别,作为所述问题文本的意图类别;
有效实体类别,用于根据所述问题文本的意图类别,获取匹配的有效实体类别。
可选的,在上述技术方案的基础上,目标问答对获取模块430,包括:
有效命名实体获取单元,用于根据所述有效实体类别,获取所述命名实体中的有效命名实体;
第一目标问答对获取单元,用于根据所述目标意图关键词和所述有效命名实体,获取问答库中匹配的目标问答对。
可选的,在上述技术方案的基础上,智能客服问答装置,还包括:
第三意图类别获取模块,用于若确定所述问题文本包括不同意图类别下的目标意图关键词,则根据各所述意图类别下所述目标意图关键词的数量,以及所述意图关键词列表中各所述目标意图关键词的权重系数,获取所述问题文本的意图类别。
可选的,在上述技术方案的基础上,智能客服问答装置,还包括:
关联信息获取模块,用于根据所述问题文本的命名实体的实体类别,通过业务数据库,获取与所述命名实体匹配的关联信息。
可选的,在上述技术方案的基础上,目标问答对获取模块430,具体用于根据所述目标意图关键词、所述命名实体和所述关联信息,获取问答库中匹配的目标问答对。
可选的,在上述技术方案的基础上,目标问答对获取模块430,还包括:
检测执行单元,用于根据所述目标意图关键词和所述命名实体,依次在问答库的各问答类别中进行检索;
第一预设阈值判断单元,用于若在第一目标问答类别中,确定当前问答对与所述目标意图关键词和所述命名实体的匹配度,大于等于所述第一目标问答类别对应的第一预设阈值,则将所述当前问答对作为目标问答对;其中,不同的所述问答类别对应不同的所述第一预设阈值。
可选的,在上述技术方案的基础上,目标问答对获取模块430,还包括:
第二预设阈值判断单元,用于若在第二目标问答类别中,确定当前问答对与所述目标意图关键词和所述命名实体的匹配度,大于等于所述第二目标问答类别对应的第二预设阈值,则将所述当前问答对作为备选问答对;其中,不同的所述问答类别对应不同的所述第二预设阈值;
匹配得分获取单元,用于根据各所述备选问答对与所述目标意图关键词和所述命名实体的匹配度,以及各所述备选问答对对应的所述第二目标问答类别的权重系数,获取各所述备选问答对的匹配得分;
第二目标问答对获取单元,用于将所述匹配得分最高的目标备选问答对,作为目标问答对。
可选的,在上述技术方案的基础上,目标问答对获取模块430,还包括:
第三预设阈值判断单元,用于判断与所述问题文本对应的所述备选问答对的数量,是否大于等于第三预设阈值;
关联信息获取单元,用于若确定与所述问题文本对应的所述备选问答对的数量,大于等于第三预设阈值,则根据所述问题文本的命名实体的实体类别,通过业务数据库,获取与所述命名实体匹配的关联信息;
第三目标问答对获取单元,用于根据所述目标意图关键词、所述命名实体和所述关联信息,获取问答库中匹配的目标问答对;
匹配得分获取单元,具体用于若确定与所述问题文本对应的所述备选问答对的数量,小于第三预设阈值,则根据各所述备选问答对与所述目标意图关键词和所述命名实体的匹配度,以及各所述备选问答对对应的所述第二目标问答类别的权重系数,获取各所述备选问答对的匹配得分。
上述装置可执行本发明任意实施例所提供的智能客服问答方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的方法。
实施例五
图5为本发明实施例五提供的一种服务器的结构示意图。图5示出了适于用来实现本发明实施方式的示例性服务器12的框图。图5显示的服务器12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5所示,服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,存储器28,连接不同系统组件(包括存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该服务器12交互的设备通信,和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的智能客服问答方法。也即:响应于获取到用户的问题文本,根据意图关键词列表,获取所述问题文本中的目标意图关键词;其中,所述意图关键词列表包括至少一个意图关键词;通过文本信息抽取模型,获取所述问题文本中的命名实体,以及所述命名实体的实体类别;根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对;其中,所述问答库包括至少一个问答对;展示所述目标问答对的答案信息。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所述的智能客服问答方法;该方法包括:
响应于获取到用户的问题文本,根据意图关键词列表,获取所述问题文本中的目标意图关键词;其中,所述意图关键词列表包括至少一个意图关键词;
通过文本信息抽取模型,获取所述问题文本中的命名实体,以及所述命名实体的实体类别;
根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对;其中,所述问答库包括至少一个问答对;
展示所述目标问答对的答案信息。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种智能客服问答方法,其特征在于,包括:
响应于获取到用户的问题文本,根据意图关键词列表,获取所述问题文本中的目标意图关键词;其中,所述意图关键词列表包括至少一个意图关键词;
通过文本信息抽取模型,获取所述问题文本中的命名实体,以及所述命名实体的实体类别;
根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对;其中,所述问答库包括至少一个问答对;
展示所述目标问答对的答案信息。
2.根据权利要求1所述的方法,其特征在于,在根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对前,还包括:
根据所述意图关键词列表中所述意图关键词的意图类别,获取所述目标意图关键词的意图类别;
判断所述问题文本是否包括不同意图类别下的目标意图关键词;
若确定所述问题文本不包括不同意图类别下的目标意图关键词,则将所述目标意图关键词的意图类别,作为所述问题文本的意图类别;
根据所述问题文本的意图类别,获取匹配的有效实体类别;
所述根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对,包括:
根据所述有效实体类别,获取所述命名实体中的有效命名实体;
根据所述目标意图关键词和所述有效命名实体,获取问答库中匹配的目标问答对。
3.根据权利要求2所述的方法,其特征在于,在判断所述问题文本是否包括不同意图类别下的目标意图关键词后,还包括:
若确定所述问题文本包括不同意图类别下的目标意图关键词,则根据各所述意图类别下所述目标意图关键词的数量,以及所述意图关键词列表中各所述目标意图关键词的权重系数,获取所述问题文本的意图类别。
4.根据权利要求1所述的方法,其特征在于,在根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对前,还包括:
根据所述问题文本的命名实体的实体类别,通过业务数据库,获取与所述命名实体匹配的关联信息;
所述根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对,包括:
根据所述目标意图关键词、所述命名实体和所述关联信息,获取问答库中匹配的目标问答对。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对,包括:
根据所述目标意图关键词和所述命名实体,依次在问答库的各问答类别中进行检索;
若在第一目标问答类别中,确定当前问答对与所述目标意图关键词和所述命名实体的匹配度,大于等于所述第一目标问答类别对应的第一预设阈值,则将所述当前问答对作为目标问答对;其中,不同的所述问答类别对应不同的所述第一预设阈值。
6.根据权利要求5所述的方法,其特征在于,在根据所述目标意图关键词和所述命名实体,依次在问答库的各问答类别中进行检索后,还包括:
若在第二目标问答类别中,确定当前问答对与所述目标意图关键词和所述命名实体的匹配度,大于等于所述第二目标问答类别对应的第二预设阈值,则将所述当前问答对作为备选问答对;其中,不同的所述问答类别对应不同的所述第二预设阈值;
根据各所述备选问答对与所述目标意图关键词和所述命名实体的匹配度,以及各所述备选问答对对应的所述第二目标问答类别的权重系数,获取各所述备选问答对的匹配得分;
将所述匹配得分最高的目标备选问答对,作为目标问答对。
7.根据权利要求6所述的方法,其特征在于,在根据各所述备选问答对与所述目标意图关键词和所述命名实体的匹配度,以及各所述备选问答对对应的所述第二目标问答类别的权重系数,获取各所述备选问答对的匹配得分前,还包括:
判断与所述问题文本对应的所述备选问答对的数量,是否大于等于第三预设阈值;
若确定与所述问题文本对应的所述备选问答对的数量,大于等于第三预设阈值,则根据所述问题文本的命名实体的实体类别,通过业务数据库,获取与所述命名实体匹配的关联信息;
根据所述目标意图关键词、所述命名实体和所述关联信息,获取问答库中匹配的目标问答对;
所述根据各所述备选问答对与所述目标意图关键词和所述命名实体的匹配度,以及各所述备选问答对对应的所述第二目标问答类别的权重系数,获取各所述备选问答对的匹配得分,包括:
若确定与所述问题文本对应的所述备选问答对的数量,小于第三预设阈值,则根据各所述备选问答对与所述目标意图关键词和所述命名实体的匹配度,以及各所述备选问答对对应的所述第二目标问答类别的权重系数,获取各所述备选问答对的匹配得分。
8.一种智能客服问答装置,其特征在于,包括:
目标意图关键词获取模块,用于响应于获取到用户的问题文本,根据意图关键词列表,获取所述问题文本中的目标意图关键词;其中,所述意图关键词列表包括至少一个意图关键词;
命名实体获取模块,用于通过文本信息抽取模型,获取所述问题文本中的命名实体,以及所述命名实体的实体类别;
目标问答对获取模块,用于根据所述目标意图关键词和所述命名实体,获取问答库中匹配的目标问答对;其中,所述问答库包括至少一个问答对;
答案信息展示模块,用于展示所述目标问答对的答案信息。
9.一种服务器,其特征在于,所述服务器包括:
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1-7中任一所述的一种智能客服问答方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的一种智能客服问答方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111248480.XA CN113918703A (zh) | 2021-10-26 | 2021-10-26 | 一种智能客服问答方法、装置、服务器和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111248480.XA CN113918703A (zh) | 2021-10-26 | 2021-10-26 | 一种智能客服问答方法、装置、服务器和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113918703A true CN113918703A (zh) | 2022-01-11 |
Family
ID=79242896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111248480.XA Pending CN113918703A (zh) | 2021-10-26 | 2021-10-26 | 一种智能客服问答方法、装置、服务器和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113918703A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117708298A (zh) * | 2023-12-25 | 2024-03-15 | 浙江大学 | 一种用于产品展示的人机交互管理系统及方法 |
JP7488617B1 (ja) | 2023-09-29 | 2024-05-22 | カラクリ株式会社 | プログラム、方法、情報処理装置、システム |
-
2021
- 2021-10-26 CN CN202111248480.XA patent/CN113918703A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7488617B1 (ja) | 2023-09-29 | 2024-05-22 | カラクリ株式会社 | プログラム、方法、情報処理装置、システム |
CN117708298A (zh) * | 2023-12-25 | 2024-03-15 | 浙江大学 | 一种用于产品展示的人机交互管理系统及方法 |
CN117708298B (zh) * | 2023-12-25 | 2024-05-28 | 浙江大学 | 一种用于产品展示的人机交互管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11334635B2 (en) | Domain specific natural language understanding of customer intent in self-help | |
WO2019201098A1 (zh) | 问答交互方法和装置、计算机设备及计算机可读存储介质 | |
US20180316636A1 (en) | Context-aware conversational assistant | |
RU2419863C2 (ru) | Система и способ использования контента онлайнового разговора для выбора рекламного контента и/или другой релевантной информации для отображения | |
US20160225030A1 (en) | Social data collection and automated social replies | |
US20180349781A1 (en) | Method and device for judging news quality and storage medium | |
US11757807B2 (en) | Interactive chatbot for multi-way communication | |
CN110597952A (zh) | 信息处理方法、服务器及计算机存储介质 | |
US20220138770A1 (en) | Method and apparatus for analyzing sales conversation based on voice recognition | |
CN113918703A (zh) | 一种智能客服问答方法、装置、服务器和存储介质 | |
CN112860865A (zh) | 一种智能问答的实现方法、装置、设备及存储介质 | |
CN112818109A (zh) | 邮件的智能回复方法、介质、装置和计算设备 | |
CN115689717A (zh) | 企业风险预警方法、装置、电子设备、介质和程序产品 | |
CN113434755A (zh) | 页面的生成方法、装置、电子设备及存储介质 | |
US11188923B2 (en) | Real-time knowledge-based widget prioritization and display | |
US20210141865A1 (en) | Machine learning based tenant-specific chatbots for performing actions in a multi-tenant system | |
CN113077312A (zh) | 酒店推荐方法、系统、设备及存储介质 | |
CN110263135B (zh) | 一种数据交换匹配方法、装置、介质和电子设备 | |
CN111127057B (zh) | 一种多维用户画像恢复方法 | |
CN108268506A (zh) | 一种推广信息的处理方法、装置、终端及计算机可读存储介质 | |
CN110276001B (zh) | 盘点页识别方法、装置、计算设备和介质 | |
CN114296547A (zh) | 发起主动对话的方法、设备及存储介质 | |
CN113505293A (zh) | 信息推送方法、装置、电子设备及存储介质 | |
CN113011919A (zh) | 识别兴趣对象的方法及装置、推荐方法、介质、电子设备 | |
US11862165B1 (en) | Optimized virtual assistant for connecting a user to a live agent |
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 |