CN114037569A - 基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法 - Google Patents
基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法 Download PDFInfo
- Publication number
- CN114037569A CN114037569A CN202111136174.7A CN202111136174A CN114037569A CN 114037569 A CN114037569 A CN 114037569A CN 202111136174 A CN202111136174 A CN 202111136174A CN 114037569 A CN114037569 A CN 114037569A
- Authority
- CN
- China
- Prior art keywords
- training
- scene
- artificial intelligence
- simulation
- customer service
- 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.)
- Withdrawn
Links
- 238000012549 training Methods 0.000 title claims abstract description 101
- 238000004088 simulation Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 53
- 238000005516 engineering process Methods 0.000 claims abstract description 26
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000009877 rendering Methods 0.000 claims abstract description 4
- 238000007726 management method Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000003058 natural language processing Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 230000006978 adaptation Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- 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
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能仿真训练方法技术领域，尤其是基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法。该方法的步骤为：a.在数据服务器内安装包含多场景双向模拟技术核心能力模块的服务器管理系统；b.通过系统平台的能力拓展技术进行装载适配，对系统内环境进行实时渲染与场景组建，构建成仿真培训环境。本发明提供了一种基于人工智能的双向模拟互联网医疗客服人员的训练方法。通过大数据和人工智能引擎，配合专家知识库、历史语料库，对业务知识和流程规范进行梳理，建立不同场景下的业务模型。由智能机器人进行行业基础知识单点问答和模拟真实客户对话全流程的沉浸式场景陪练。从而大大提高了人员培训的效率。
Description
技术领域
本发明涉及人工智能仿真训练方法技术领域，尤其是基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法。
背景技术
传统医疗机构，在新客服员工入职培训方面，有诸多痛点：1、人员流动率高，“老带新”难度大，成效低；2、传统培训的模式，培训师如同应试教育填鸭式灌输、学员脱离不了“死记硬背”、“缺乏实战演练”；3、传统互联网医疗客服日常训练需要用到真实的互联网流量，不可避免会造成相当的浪费，当下流量的单体成本越来越贵导致培训一个新手到上岗行业需要的流量总投入成本居高不下，行业成本不堪重负；4、传统培训管理难度大，缺失学员学习行为数据的持续跟踪，无法进行切实有效的管控，导致培训进度、培训成效无法准确评估；5、培训考核方式方法不科学、不规范、不能量化，存在大量主观的判断、受人为影响大，结果无法完全反应事实，也无法针对性地进行优化提升。
综上各方面原因，导致新客服员工从培训开始到合格上岗的周期长、培训效果难以量化考核、员工学习效果和业务能力参差不齐、绩效难以保证。间接导致员工的薪酬无法快速稳定地达到预期，从而导致行业人员流动率高、行业在人力上耗费的成本始终居高不下，效益长期受损、业务增长缓慢。
互联网化的行业趋势引发互联网医疗领域的客服的需求量和工作量激增。在某些领域或者某些环节，目前的人工智能客服又无法完全取代人工客服。所以对现有员工和新增员工的有效培训就显得尤为重要。
发明内容
为了解决背景技术中描述的技术问题，发明提供了一种基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法。通过大数据和人工智能引擎，配合专家知识库、历史对话库，对业务知识和流程规范进行梳理，建立不同场景下的业务模型。由智能机器人进行行业基础知识单点问答和模拟真实客户对话全流程的沉浸式场景陪练。从而大大提高了人员培训的效率。
本发明解决其技术问题所采用的技术方案是：
一种基于人工智能的双向模拟互联网医疗客服人员的训练方法，该方法的步骤为：
该方法的步骤为：
a.在数据服务器内安装服务器管理系统，服务器管理系统包含了由多场景业务知识库模块，人工智能对话引擎模块，人工智能语义分析评判引擎模块，FAQ配置模块，场景配置模块矩阵融合在一起形成多场景双向模拟技术的核心能力模块；
b.多场景双向模拟技术的核心能力模块通过智能客服系统平台的能力拓展技术进行装载适配，对系统内环境进行实时渲染与场景组建，构建成仿真培训环境，供使用终端设备的用户进行培训；
c.通过大数据技术和专业数据对核心能力模块中的人工智能引擎进行培训；
d.在人工智能引擎培训完成后，核心能力模块开始模拟互联网医疗的客户和互联网医疗的客服，对被培训者进行多场景下的服务能力训练。
具体地，人工智能引擎为被培训的客服人员提供：
1)在线的知识点和话术的学习；
2)多场景下既模拟网络客户又模拟网络客服的双向模拟训练；
3)多场景下既模拟网络客户又模拟网络客服的双向通关考试以及客服人员能力测评；
4)多场景包含沉浸式对话场景，交互式问答场景，随机性应变场景。
具体地，所述多场景业务知识库模块，是利用行业专业人员在本行业沉淀的历史对话数据、行业知识、业务知识、业务经验，业务案例形成专家知识库，客户问题库，专家应答话术库；对行业所处的行业必备基础知识进行梳理；对行业特定的业务知识、业务流程规范进行梳理；根据业务经验，提炼出方法、行动标准；对业务案例进行分析拆解，形成知识点和客户问题点；对于行业的监管法规、行业红线进行明确、标准，制定行为规范；将人工经验转成行业数字化知识资产；对业务知识、流程、规范、合规性方面借助人工智能引擎进行梳理和配置，建立业务模型和仿真训练模型。
具体地，所述人工智能引擎，是通过对话管理、对话理解、对话问答、知识接入为技术手段，以人工介入培训优化为辅助，以自主研发的自然语言处理技术为核心。
具体地，所述的人工智能语义分析评判引擎，是利用人工智能语义分析技术，对仿真模拟训练的最终结果进行多维度评定。
本发明的有益效果是：本发明提供了一种基于人工智能的双向模拟互联网医疗客服人员的训练方法。通过大数据和人工智能引擎，配合专家知识库、历史语料库，对业务知识和流程规范进行梳理，建立不同场景下的业务模型。由智能机器人进行行业基础知识单点问答和模拟真实客户对话全流程的沉浸式场景陪练。从而大大提高了人员培训的效率。
附图说明
下面结合附图和实施例对发明进一步说明。
图1是本发明的结构框图；
图2是本发明的管理人员操作对象图；
图3是本发明的培训人员操作对象图；
图4是本发明的双向模拟训练方法流程图；
图5是本发明的双向模拟流量对话流程图；
具体实施方式
现在结合附图对发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明发明的基本结构，因此其仅显示与发明有关的构成。
图1是本发明的结构框图；图2是本发明的管理人员操作对象图；图3是本发明的用户操作对象图；图4是本发明的双向模拟流量对话图；图5是本发明的双向模拟流量对话流程图。
如附图1所示，一种基于人工智能的双向模拟互联网医疗客服人员的训练方法，该方法的步骤为：
a.在数据服务器内安装服务器管理系统，服务器管理系统包含了由多场景业务知识库模块，人工智能对话引擎模块，人工智能语义分析引擎模块，FAQ配置模块，场景配置模块模块矩阵融合在一起形成多场景双向模拟技术的核心能力模块；
b.多场景双向模拟技术的核心能力模块通过智能客服系统平台的能力拓展技术进行装载适配，对系统内环境进行实时渲染与场景组建，构建成仿真培训环境，供使用终端设备的用户进行培训；
c.通过大数据技术和专业数据对核心能力模块中的人工智能引擎进行培训；
d.在人工智能引擎培训完成后，核心能力模块开始模拟互联网医疗的客户和互联网医疗的客服，对被培训者进行多场景下的服务能力训练。
人工智能引擎为被培训的客服人员提供：
1)在线的知识点和话术的学习；
2)多场景下既模拟网络客户又模拟网络客服的双向模拟训练；
3)多场景下既模拟网络客户又模拟网络客服的双向通关考试以及客服人员能力测评；
4)多场景包含沉浸式对话场景，交互式问答场景，随机性应变场景。
多场景业务知识库模块，是利用行业专业人员在本行业沉淀的历史对话数据、行业知识、业务知识、业务经验，业务案例形成专家知识库，客户问题库，专家应答话术库；对行业所处的行业必备基础知识进行梳理；对行业特定的业务知识、业务流程规范进行梳理；根据业务经验，提炼出方法、行动标准；对业务案例进行分析拆解，形成知识点和客户问题点；对于行业的监管法规、行业红线进行明确、标准，制定行为规范；将人工经验转成行业数字化知识资产；对业务知识、流程、规范、合规性方面借助人工智能引擎进行梳理和配置，建立业务模型和仿真训练模型。
人工智能引擎，是通过对话管理、对话理解、对话问答、知识接入为技术手段，以人工介入培训优化为辅助，以自主研发的自然语言处理技术为核心。
人工智能语义分析评判引擎，是利用人工智能语义分析技术，对仿真模拟训练的最终结果进行多维度评定。
本申请是基于深度学习的自然语言处理(NLP)技术、多场景人工智能对话引擎、大数据算法、智能专家知识库系统技术之上的，能实现关键词定位、语义分析、情感识别与业务逻辑动态分析研判、智慧评价决策最优解过程。它能够根据学员输入业务话术的时间、间隔、内容与前文的逻辑契合度、对话生命周期进度的管控能力、访客情感的引导能力、话术的合规性多个维度进行量化评估，根据量化数据对学员进行综合评估，从而得出能力画像。通过数据可视化技术的应用，呈现关键指标给学员和管理者，针对学员短板能力的提升规划合理的学习路径。
学员可以自然地和智能仿真训练系统环境中的用双向模拟客服仿真训练方法构建的培训机器人进行交互，从而产生亲临真实业务现场的感受和体验，同时又可以节约行业获取真实流量的成本。以仿真系统培训的模式，让学员学习如何将理论应用到生产实践。结束学习后，具备人工智能的双向模拟客服仿真训练方法的培训机器人将根据演练情况，判断操作情况，对学员的能力进行画像，分析指出学员知识掌握上的不足与可能的危险点，同时帮助导师评估学员的技能水平。采用智能专家知识库系统和人工智能引擎对本训练方法需要的基础平台进行构架，在此基础上实现对其他所有功能模块的支撑。此部分具有很强的独立性以及可重用性。以后可以在该仿真平台的基础上进行其它培训应用系统、ERP应用系统的拓展。该部分提供的功能主要有客户端控制、数据库访问与同步、数据提交、系统帐户管理、文件系统。
本申请利用系统性的科学方法可帮助提高新人的成长效率，缩短上岗培训时间，节约互联网医疗机构所需客服的培训成本，为互联网医疗机构的客服培训工作提高效率，节约成本，最后助力互联网医疗机构的规模壮大。
如附图2所示，管理人员登录方式包括如下步骤：
(1)管理人员登录人工智能互联网医疗客服培训系统；
(2)对培训系统管理界面进行操作；
(3)对业务知识库模块进行操作；
(4)对FAQ配置模块进行操作；
(5)对场景配置模块进行操作。
如附图3所示，培训人员登录方式包括如下步骤：
(A)培训人员登录人工智能互联网医疗客服培训系统；
(B)对培训系统主界面进行操作；
(C)培训人员对培训场景模块进行操作，并进行双向模拟训练；
(D)培训人员对成绩评定模块进行操作，并进行成绩查询操作。
本申请通过广域网、网线、集线器连接的数据服务器和用户终端。数据服务器安装有服务器管理系统，此服务器管理系统具有多个管理模块，根据所管理的内容分为：业务知识库模块，业务对话引擎模块，语义分析引擎模块，FAQ配置模块，场景配置模块。数据管理人员运用数据服务器的这些管理模块实现对培训用户信息数据管理、多场景的配置管理、业务知识库管理多种功能。通过模块的连接、融合，然后通过人工智能双向模拟技术为主的多种技术手段，根据模块定义的内容，对系统内环境进行实时渲染与场景组建，构建成仿真培训环境，供用户终端使用，进行培训。
如附图4所示，客服人员通过在线知识点和话术的学习，然后进行双向场景式的模拟训练和通关考试，包含沉浸式对话场景、交互式问答场景和随机性应变场景，最终获得客服能力的评定。
如图5所示，从系统历史语料话术库中的挑选形成一个应答的集合，通过人工智能算法进行筛选，形成一个多轮对话的场景。系统通过该场景模拟真实客户的询问或应答，然后培训人员根据客户的回应，选择正确的应对方式。每轮结束后，系统判断场景对话是否结束，如果对话没有结束，则继续对话；如果已结束，则结束本场对话，并对本场对话质量进行评分。双向模拟流量对话，既能模拟真实客户的询问与应答，同时也能模拟客服人员正确的应对方式。
1.利用机构及机构的优秀客服人才在本行业沉淀的行业知识、业务知识、业务经验，业务案例形成行业专家知识库；
1)对机构所处的行业相关基础知识，应知应会的知识点进行梳理；
2)对机构特定的业务知识、业务流程规范进行梳理；
3)业务经验，提炼出方法、行动标准；
4)业务案例进行分析拆解，形成知识点；
5)对于行业的监管法规、行业红线进行明确、标准，制定行为规范；
6)机构为下一步的建模做好知识储备，并且通过此步骤，完成人工经验转成行业数字化知识资产；
2.对业务知识、流程、规范、合规性方面借助人工智能引擎进行梳理和配置，建立业务模型；
1)支持多种答案配置模式，配套智能知识库运维工具，让运维更简单；
3.利用多场景的人工智能的双向模拟互联网流量技术和语义识别技术，构建一个与真实工作场景一致的互动式互联网医疗客服仿真训练方法。同时对接人工智能评价模块引擎，由行业专家进行业务模型导入和训练调优；
1)双向模拟互联网客户仿真训练方法的人工智能引擎，以自然语言处理技术为核心，但是依然需要人工介入进行辅助调整，智能助理机器人才能更准确识别客户意图；
2)当业务、场景发生变化时，双向模拟互联网客户仿真训练方法的人工智能引擎会对新知识点自动发现，但是会需要人工加以判别和指导，包括扩充知识库、语义发现、语义消歧、规则验证；
4.新人上岗培训，由双向模拟互联网客户仿真训练方法的人工智能引擎进行行业基础知识单点问答和模拟真实客户对话全流程的场景式陪练；
1)行业基础知识，双向模拟互联网客户仿真训练方法的人工智能引擎会进行单点问答，针对性提高学员对单一知识点的掌握程度；
2)行业特定知识，多场景的双向模拟互联网客户仿真训练方法的人工智能引擎会进行场景式地陪练，双向模拟互联网客户仿真训练方法的人工智能引擎具备多轮问答能力，支持截断式、复述式、补充式、追问式场景，能够根据复杂的上下文内容识别核心意图，并确认最合适的回复方案；
5.新人培训过程的数据实时检测、采集、分析评估、灵活调整培训方案。
对新人能力进行画像，与业务专家能力画像进行参照对比，分析出新人薄弱环节，双向模拟互联网客户仿真训练方法的人工智能引擎会辅助地输出对应的培训统计数据，可以方便培训主管针对每个新人的进展对培训方案和后续计划进行个性化调整或课程推荐，达到因材施教的目的。
6.跟踪在岗员工的实时工作状态，进行智能专家知识系统支撑。
1)智能机器人陪伴在岗员工，成为智能“工作助理”，全流程进行话术推荐、业务流程导航。在繁忙时段员工面对多条互联网流量时，有智能机器人辅助给出应对方案或话术，能更轻松应对过往手忙脚乱的状态，同时也减少客户等待时间，提高客户满意度；
2)在辅助员工的同时，根据员工服务客户的话术时长、语言逻辑、表达能力、情绪管理维度进行评估，针对短板或新知识点推荐员工学习和训练的课程，帮助员工持续精进；
7.智能数据分析，优化业务策略。
智能机器人通过挖掘、整理、归类用户诉求、热点信息、用户意见、服务反馈信息，输出多维度数据分析结果，及时发现业务问题和服务问题。
沉淀的数据能够为行业的产品和服务迭代及业务决策提供数据支持，完成人工经验转成行业数字化知识资产。
以上述依据发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (5)
1.一种基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法，其特征在于，该方法的步骤为：
a.在数据服务器内安装服务器管理系统，服务器管理系统包含了由多场景业务知识库模块，人工智能对话引擎模块，人工智能语义分析评判引擎模块，FAQ配置模块，场景配置模块矩阵融合在一起形成多场景双向模拟技术的核心能力模块；
b.多场景双向模拟技术的核心能力模块通过智能客服系统平台的能力拓展技术进行装载适配，对系统内环境进行实时渲染与场景组建，构建成仿真培训环境，供使用终端设备的用户进行培训；
c.通过大数据技术和专业数据对核心能力模块中的人工智能引擎进行培训；
d.在人工智能引擎培训完成后，核心能力模块开始模拟互联网医疗的客户和互联网医疗的客服，对被培训者进行多场景下的服务能力训练。
2.根据权利要求1所述的基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法，其特征在于：人工智能引擎为被培训的客服人员提供：
1)在线的知识点和话术的学习；
2)多场景下既模拟网络客户又模拟网络客服的双向模拟训练；
3)多场景下既模拟网络客户又模拟网络客服的双向通关考试以及客服人员能力测评；
4)多场景包含沉浸式对话场景，交互式问答场景，随机性应变场景。
3.根据权利要求1所述的基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法，其特征在于：所述多场景业务知识库模块，是利用行业专业人员在本行业沉淀的历史对话数据、行业知识、业务知识、业务经验，业务案例形成专家知识库，客户问题库，专家应答话术库；对行业所处的行业必备基础知识进行梳理；对行业特定的业务知识、业务流程规范进行梳理；根据业务经验，提炼出方法、行动标准；对业务案例进行分析拆解，形成知识点和客户问题点；对于行业的监管法规、行业红线进行明确、标准，制定行为规范；将人工经验转成行业数字化知识资产；对业务知识、流程、规范、合规性方面借助人工智能引擎进行梳理和配置，建立业务模型和仿真训练模型。
4.根据权利要求1所述的基于人工智能的双向模拟互联网医疗客服人员的训练方法，其特征在于：所述人工智能引擎，是通过对话管理、对话理解、对话问答、知识接入为技术手段，以人工介入培训优化为辅助，以自主研发的自然语言处理技术为核心。
5.根据权利要求1所述的基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法，其特征在于：所述的人工智能语义分析评判引擎，是利用人工智能语义分析技术，对仿真模拟训练的最终结果进行多维度评定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111136174.7A CN114037569A (zh) | 2021-09-27 | 2021-09-27 | 基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111136174.7A CN114037569A (zh) | 2021-09-27 | 2021-09-27 | 基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114037569A true CN114037569A (zh) | 2022-02-11 |
Family
ID=80134695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111136174.7A Withdrawn CN114037569A (zh) | 2021-09-27 | 2021-09-27 | 基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114037569A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114299068A (zh) * | 2022-03-07 | 2022-04-08 | 中南大学湘雅医院 | 基于皮肤图像评估银屑病严重程度的智能决策系统 |
| CN114627710A (zh) * | 2022-03-23 | 2022-06-14 | 北京华医网科技股份有限公司 | 一种模拟病人诊疗能力训练系统 |
| CN115171453A (zh) * | 2022-06-13 | 2022-10-11 | 广东电网有限责任公司 | 一种基于智能电网的人工客服训练方法及客服系统 |
| KR102590464B1 (ko) * | 2022-10-19 | 2023-10-17 | 씨에스쉐어링 주식회사 | Cs 관리자 대행을 위한 자유 발화 감정 분석에 기반한 ai 아바타 코칭 시스템 |
-
2021
- 2021-09-27 CN CN202111136174.7A patent/CN114037569A/zh not_active Withdrawn
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114299068A (zh) * | 2022-03-07 | 2022-04-08 | 中南大学湘雅医院 | 基于皮肤图像评估银屑病严重程度的智能决策系统 |
| CN114627710A (zh) * | 2022-03-23 | 2022-06-14 | 北京华医网科技股份有限公司 | 一种模拟病人诊疗能力训练系统 |
| CN115171453A (zh) * | 2022-06-13 | 2022-10-11 | 广东电网有限责任公司 | 一种基于智能电网的人工客服训练方法及客服系统 |
| CN115171453B (zh) * | 2022-06-13 | 2023-05-30 | 广东电网有限责任公司 | 一种基于智能电网的人工客服训练方法及客服系统 |
| KR102590464B1 (ko) * | 2022-10-19 | 2023-10-17 | 씨에스쉐어링 주식회사 | Cs 관리자 대행을 위한 자유 발화 감정 분석에 기반한 ai 아바타 코칭 시스템 |
| WO2024085295A1 (ko) * | 2022-10-19 | 2024-04-25 | 씨에스쉐어링 주식회사 | Cs 관리자 대행을 위한 자유 발화 감정 분석에 기반한 ai 아바타 코칭 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114037569A (zh) | 基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法 | |
| CN112581329B (zh) | 一种个性化学习与智能化培训管理系统与方法 | |
| CN109615328A (zh) | 一种教学测评系统 | |
| CN112596731B (zh) | 一种融合智能教育的编程教学系统及方法 | |
| CN109951569A (zh) | 用于留学生的线上学习辅助系统 | |
| CN113256252A (zh) | 一种基于b/s架构的考测系统 | |
| Kirana et al. | Design of teleconference-based learning management system for a learning tool in the Co-19 pandemic | |
| Liu et al. | Educational process mining for discovering students' problem-solving ability in computer programming education | |
| CN116091014B (zh) | 一种基于多模态识别的人力资源面试系统 | |
| CN110956142A (zh) | 一种智能交互培训系统 | |
| CN115062950A (zh) | 一种基于数字化智能学习培训管理系统 | |
| CN115205072A (zh) | 一种面向长周期测评的认知诊断方法 | |
| Li et al. | Exploration on the Reform of Practice Teaching System of Applied Undergraduate “Data Structure and Algorithm” Based on Outcome-Based Education | |
| CN111061852A (zh) | 数据处理方法、装置及系统 | |
| Zheng | A Study on the Design of English Speaking Examination System Based on SSM Framework | |
| Paris et al. | Novel uses of task models: two case studies | |
| Wang et al. | Design of Learning Environment for Undergraduate Comprehensive Literacy Education under Blended Learning Environment | |
| CN111696007A (zh) | 一种儿童个性化教育测评排课系统及方法 | |
| CN117763361B (zh) | 一种基于人工智能的学生成绩预测方法及系统 | |
| Zhao | The Application of iFLYTEK FiF Speaking Training System in Language Learning | |
| Wen et al. | Intelligent Class-based Math Theory Searching Software--Report of 8-hour Fujen PBL course | |
| Ding | Design and Implementation of Work-Study Program Management Information System Based on Javaweb | |
| Azukas et al. | Teacher Talk: Lessons from simSchool Implementation in Teacher Education | |
| Xiao | Analysis and Research on Teachers' Network Teaching Behavior Based on Data Mining | |
| Wang et al. | Innovation and Evaluation Analysis of English Teaching Mode in Colleges and Universities Based on Wavelet Packet Decomposition |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220211 |