CN114051740B - 用于外部系统集成的系统和方法 - Google Patents

用于外部系统集成的系统和方法 Download PDF

Info

Publication number
CN114051740B
CN114051740B CN202080043474.8A CN202080043474A CN114051740B CN 114051740 B CN114051740 B CN 114051740B CN 202080043474 A CN202080043474 A CN 202080043474A CN 114051740 B CN114051740 B CN 114051740B
Authority
CN
China
Prior art keywords
message
communication
user
machine learning
learning model
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.)
Active
Application number
CN202080043474.8A
Other languages
English (en)
Other versions
CN114051740A (zh
Inventor
F·克拉克
A·雷德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LivePerson Inc
Original Assignee
LivePerson Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by LivePerson Inc filed Critical LivePerson Inc
Priority to CN202310576717.XA priority Critical patent/CN116600258A/zh
Publication of CN114051740A publication Critical patent/CN114051740A/zh
Application granted granted Critical
Publication of CN114051740B publication Critical patent/CN114051740B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5061—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the interaction between service providers and their network customers, e.g. customer relationship management
    • H04L41/5074—Handling of user complaints or trouble tickets
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/12—Messaging; Mailboxes; Announcements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H04L41/065—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving logical or physical relationship, e.g. grouping and hierarchies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/63—Routing a service request depending on the request content or context
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W76/00—Connection management
    • H04W76/10—Connection setup
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W76/00—Connection management
    • H04W76/10—Connection setup
    • H04W76/11—Allocation or use of connection identifiers

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Saccharide Compounds (AREA)

Abstract

本发明总体上涉及促进跨外部系统的通信的路由。更具体地，提供了基于票据的内容将问题跟踪票据动态地路由到不同终结点的技术。

Description

用于外部系统集成的系统和方法
相关申请的交叉引用
本申请要求于2019年6月12日提交的名称为“Systems and Methods forExternal System Integration”的美国临时专利申请No.62/860,518的权益，该临时专利申请通过引用以其整体并入本文中。
技术领域
本发明总体上涉及促进通信的路由。更具体地，提供了使用人工智能(AI)将问题消息(如跟踪票据)动态路由到不同终结点的技术。
技术领域
本发明总体上涉及促进通信的路由。更具体地，提供了使用人工智能(AI)将问题消息(如跟踪票据)动态路由到不同终结点的技术。
发明内容
术语实施方式和类似术语旨在广义地指代本发明和所附权利要求的所有主题。包含这些术语的陈述不应被理解为限制本文所述的主题或限制所附权利要求的含义或范围。本文所涵盖的本发明的实施方式由所附权利要求而不是本发明内容限定。本发明内容是本发明各个方面的高水平概述，并介绍了一些概念，这些概念将在下面的具体实施方式部分中进一步描述。本发明内容不旨在标识所要求保护的主题的关键或必要特征，也不旨在单独用于确定所要求保护的主题的范围。应该通过参考本发明的整个说明书的适当部分、任一或全部附图以及每项权利要求来理解所述主题。
本发明的某些实施方式包括一种计算机实现的方法。该方法可以包括从消息传递系统接收消息。该消息与用户相关联。该消息表示用户想要解决的问题。该方法还包括分析该消息以识别与该问题相关联的意图。意图对应于问题和可能的解决方案。该方法还包括确定类似问题是否被表示在不同消息中。该方法还包括确定与类似问题相关联的解决方案。该方法还包括分析相关联的解决方案。该方法还包括自动确定要采取的动作。自动确定包括对意图和被分析的解决方案应用规则和人工智能。该动作与提高可能解决该问题的可能性相关联。该方法还包括执行该动作。
本发明的某些实施方式包括一种系统。该系统可包括：一个或多个数据处理器；以及非暂时性计算机可读存储介质，其包含当在所述一个或多个数据处理器上执行时使所述一个或多个数据处理器执行上述和本文所述的方法的指令。
本发明的某些实施方式包括一种有形地体现在非暂时性机器可读存储介质中的计算机程序产品，包括被配置为使数据处理装置执行上述和本文所述的方法的指令。
附图说明
结合附图描述本发明：
图1示出了网络交互系统的一实施方式的框图；
图2示出了网络交互系统的另一实施方式的框图；
图3A、图3B和图3C示出了包括连接管理系统的网络交互系统的其他实施方式的框图；
图4示出了连接组件的操作的协议栈映射的表示；
图5表示根据一实施方式的多设备通信交换系统；
图6示出了连接管理系统的一实施方式的框图；
图7示出了根据一些实施方式的用于集成在通信会话期间路由消息的外部系统的系统的框图；
图8示出了根据一些实施方式的用于将外部系统与内部通信集成的系统的框图；
图9示出了表示使用机器学习技术增强终结点选择的网络环境的框图；以及
图10示出了根据一些实施方式的用于外部系统集成的示例性过程。
在附图中，相似的组件和/或特征可以具有相同的附图标记。此外，相同类型的各种组件可以通过在附图标记后加上破折号和第二标记来区分，第二标记在相似的组件之间进行区分。如果在说明书中仅使用了第一附图标记，则该描述适用于具有相同的第一附图标记的相似组件中的任一者，而与第二附图标记无关。
具体实施方式
随后的描述仅提供(一个或多个)实施方式的优选示例，并且不旨在限制本发明的范围、适用性或配置。相反，随后的(一个或多个)实施方式的优选示例的描述将向本领域技术人员提供用于实现实施方式的优选示例的使能描述。应当理解，在不脱离如所附权利要求书所阐述的精神和范围的情况下，可以对元件的功能和布置进行各种改变。
图1示出了实现并支持本文中描述的特定实施方式和特征的网络交互系统100的实施方式的框图。特定实施方式涉及在网络设备105(其可以由用户110操作)与终端设备115(其可以由代理120操作)之间建立连接通道。在某些实施例中，网络交互系统100可以包括与客户端125相关联的客户端设备130。
在某些实施方式中，用户110可以是浏览网站或访问由远程服务器140提供的在线服务的个人。客户端125可以是提供、操作或运行网站或在线服务的实体，或者是这种实体雇佣或由该实体指派以执行如本文中所描述的客户端125可用的任务的个人。代理120可以是个人，例如支持代理，其任务是向用户110提供有关网站或在线服务的支持或信息。在大量代理中，代理的子集可能适合于为特定客户端125提供支持或信息。代理120可以与客户端125有关或无关。每个代理可以与一个或多个客户端125相关联。在一些非限制性示例中，用户110可以是从个人计算设备在在线商店购物的个人，客户端125可以是在线销售产品的公司，并且代理120可以是由公司雇佣的代表。在各种实施方式中，用户110、客户端125和代理120可以是其他个人或实体。
虽然图1仅示出了单个的网络设备105、终端设备115和客户端设备130，但是交互系统100可以包括这些类型的设备中的一者或多者中的每一者的多个或许多(例如，数十个、数百个或数千个)。类似地，虽然图1仅示出了单个的用户110、代理120、和客户端125，但是交互系统100可以包括这种实体中的一者或多者中的每一者的多个或许多。因此，可能有必要确定要选择哪个终端设备与给定的网络设备进行通信。另外使事情复杂化的是，远程服务器140也可以被配置为接收并响应以选择网络-设备通信。
连接管理系统150可以促进通信的战略路由。通信可以包括具有内容的消息(例如，基于来自实体的输入(诸如键入或口头输入)定义的消息)。该通信还可以包括：附加数据，例如关于发送设备的数据(例如，IP地址、账户标识符、设备类型和/或操作系统)；目的地址；客户端的标识符；网页或网页元素(例如，在生成通信时正在访问的或以其他方式与通信相关联的网页或网页元素)的标识符或在线历史数据；时间(例如一天中的时间和/或日期)；和/或目的地址。在通信中可以包括其他信息。在一些实例中，连接管理系统150将整个通信路由至另一设备。在一些实例中，连接管理系统150修改通信或生成新的通信(例如，基于初始通信)。新的或修改后的通信可以包括消息(或其经处理版本)、(例如，关于发送设备、网页或在线历史记录和/或时间的)附加数据的至少一些(或全部)和/或由连接管理系统150识别的其他数据(例如，与特定账户标识符或设备相关联的账户数据)。新的或修改后的通信也可以包括其他信息。
战略路由促进的一部分可以包括在网络设备105与一个或多个终端设备115之间建立、更新和使用一个或多个连接通道。例如，在从网络设备105接收到通信后，连接管理系统150可以首先估计通信对应于哪个客户端(如果有的话)。在识别客户端之后，连接管理系统150可以识别与该客户端相关联的用于与网络设备105进行通信的终端设备115。在一些实例中，该识别可以包括评估多个代理(或专家或代表)中的每一者的配置文件，多个代理中的每个代理(例如，代理120)与终端设备(例如，终端设备115)相关联。该评估可以涉及网络-设备消息中的内容。终端设备115的识别可以包括例如在2010年3月17日递交的美国申请号12/725,799中描述的技术，出于所有目的，该申请的全部内容通过引用并入本文中。
在一些实例中，连接管理系统150可以确定在网络设备105和与客户端(或远程服务器140)相关联的终端设备之间是否建立了任何连接通道，并且如果是，则确定是否要使用这种通道来交换包括所述通信在内的一系列通信。
在选择终端设备115来与网络设备105通信时，连接管理系统150可以在网络设备105和终端设备115之间建立连接通道。在一些实例中，连接管理系统150可以将消息发送到所选择的终端设备115。该消息可以请求接受所提议的与网络设备105进行通信的指派或者识别已经生成了这种指派。该消息可以包括关于网络设备105的信息(例如，IP地址、设备类型和/或操作系统)、关于相关联用户110的信息(例如，所说的语言、已经与客户端交互的持续时间、技能水平、情绪和/或主题偏好)、接收到的通信、用于生成通信并将其发送到网络设备105的代码(例如，可点击的超链接)、和/或用于生成通信并将其发送到网络设备105的指令。
在一个实例中，可以通过连接管理系统150来路由网络设备105与终端设备115之间的通信。这种配置可以允许连接管理系统150监控通信交换并检测问题(例如，如基于规则所定义的问题)，例如任一设备的无响应或延长的延迟。此外，这种配置可以促进通信的选择性或完整存储，这可以稍后用于例如评估通信交换的质量和/或支持学习以更新或生成路由规则，从而推进特定的后通信目标。
在一些实施方式中，连接管理系统150可以实时监控通信交换，并且基于实时通信执行自动化动作(例如，基于规则的动作)。例如，当连接管理系统150确定通信与特定项目(例如，产品)有关时，连接管理系统150可以自动向终端设备115发送包含关于该项目的附加信息(例如，可用项目的数量、到与该项目有关的支持文档的链接、或关于该项目或类似项目的其他信息)的附加消息。
在一个实例中，指定的终端设备115可以与网络设备105通信而无需通过连接管理系统150中继通信。设备105、115中的一者或两者可以(或者可以不)向连接管理系统150报告特定的通信度量或内容，以促进通信监控和/或数据存储。
如上所述，连接管理系统150可以将选择的通信路由到远程服务器140。远程服务器140可以被配置为以预定方式提供信息。例如，远程服务器140可以响应于通信而访问定义的一个或多个待发送的文本段落、语音记录和/或文件。远程服务器140可以基于例如对接收到的通信的分析(例如，语义或映射分析)来选择特定的文本段落、记录或文件。
可以基于至少部分地由一个或多个客户端设备130定义或由其提供的规则和/或数据来执行在连接管理系统150处执行的路由和/或其他确定或处理。例如，客户端设备130可以发送标识代理的优先级、终端-设备类型、和/或主题/技能匹配度的通信。作为另一示例，客户端设备130可以标识一个或多个权重以应用于可能影响路由确定的各种变量(例如，语言兼容性、预测的响应时间、设备类型和能力、和/或终端-设备负载平衡)。将理解的是，哪些终端设备和/或代理将与客户端相关联可以是动态的。来自客户端设备130和/或终端设备115的通信可以提供指示给定的终端设备和/或代理将作为与客户端相关联的一个终端设备和/或代理被添加或移除的信息。例如，客户端设备130可以发送具有IP地址以及关于具有该地址的终端设备是否要添加到列表中或从该列表移除的指示的通信，该列表标识与客户端相关联的终端设备。
每个通信(例如，设备之间的通信、设备与连接管理系统150之间的通信、远程服务器140与连接管理系统150之间的通信、或远程服务器140与设备之间的通信)可以在一个或多个网络170上进行。该一个或多个网络170中可以包括开放式或封闭式网络的任意组合。合适的网络的示例包括互联网、个人局域网、局域网(LAN)、广域网(WAN)或无线局域网(WLAN)。其他网络也可能适用。该一个或多个网络170可以完全并入内联网、外联网或其组合内，或者可以包括内联网、外联网或其组合。在一些实例中，该一个或多个网络170中的网络包括短程通信通道，诸如蓝牙或蓝牙低功耗通道。在一个实施方式中，可以通过诸如安全套接层(SSL)或传输层安全性(TLS)之类的安全通信协议来实现两个或更多个系统和/或设备之间的通信。此外，可以基于任何方便的、已知的或待开发的方式对数据和/或交易细节进行加密，这些方式例如但不限于数据加密标准(DES)、三重DES、Rivest-Shamir-Adleman加密(RSA)、Blowfish加密、高级加密标准(AES)、CAST-128、CAST-256、去相关快速密码(DFC)、微型加密算法(TEA)、eXtendedTEA(XTEA)、校正块TEA(XXTEA)和/或RC5等。
例如，网络设备105、终端设备115、和/或客户端设备130可以包括便携式电子设备(例如，智能电话、平板电脑、便携式计算机或智能设备可穿戴设备)或非便携式电子设备(例如，一个或多个台式计算机、智能家电、服务器和/或处理器)。连接管理系统150可以与网络、终端、和客户端设备分开设置，或者可以是一个或多个这样的设备的一部分(例如，通过在设备上安装应用程序)。远程服务器140可以与每个设备和连接管理系统150分开设置，和/或可以是另一设备或系统的一部分。尽管图1中的每个设备、服务器和系统被示为单个设备，但是应当理解，可以替代地使用多个设备。例如，可以使用一组网络设备来传输来自单个用户的各种通信，或者远程服务器140可以包括服务器堆栈。
软件代理或应用程序可以被安装在所描绘的设备、系统或服务器上和/或在所描绘的设备、系统或服务器上可执行。在一个实例中，软件代理或应用程序被配置为使得各种描绘的元素可以互补的方式起作用。例如，可以将设备上的软件代理配置为收集关于设备使用情况的数据并将其发送到单独的连接管理系统，并且可以将单独的连接管理系统上的软件应用程序配置为接收和处理数据。
图2示出了网络交互系统200的另一实施方式的框图。总体上，图2示出了被配置和布置为使网络设备205能够与一个或多个终端设备215通信的各种组件。所描绘的实例包括在三个局域网235中包括的九个终端设备215。
在一些实例中，来自网络设备205的通信包括目的数据(例如，目的IP地址)，其至少部分或全部指示哪个终端设备将接收该通信。网络交互系统200可以包括一个或多个网络间连接组件240和/或一个或多个网络内连接组件255，它们可以处理目的数据并促进适当的路由。
每个网络间连接组件245可以连接到多个网络235，并且可以具有安装的多个网卡(例如，每个卡连接到不同的网络)。例如，网络间连接组件245可以连接到广域网270(例如，互联网)和一个或多个局域网235。在所描绘的实例中，为了将通信从网络设备205传输到任何终端设备，在所描绘的系统中，必须由多个网络间连接组件245来处理该通信。
当网络间连接组件245接收到通信(或与该通信相对应的一组数据包)时，网络间连接组件245可以确定路由的至少一部分，以将该通信传递给与目的地相关联的网络。可以使用例如路由表(例如，存储在路由器处)来确定该路由，该路由表可以包括基于输入消息(例如，来自另一路由器或另一设备)生成的、或学习的一个或多个预先定义的路由。
网络间连接组件245的示例包括路由器260和网关265。网络间连接组件245(例如，网关265)可以被配置为在网络系统之间或协议之间转换。例如，网关265可以促进传输控制协议/互联网协议(TCP/IP)设备与互联网分组交换/序列分组交换(IPX/SPX)设备之间的通信。
在局域网235处接收到通信后，可能仍需要执行进一步的路由。可以通过诸如交换机280或集线器285之类的网络内连接组件255来执行这样的网络内路由。每个网络内连接组件255可以(例如，无线地或有线地，诸如通过以太网电缆)被连接至多个终端设备215。集线器285可以被配置为将所有接收到的通信重复到它所连接到的每个设备。每个终端设备然后可以评估每个通信以确定该终端设备是否是目的设备或者该通信是否将被忽略。交换机280可以被配置为选择性地将通信仅定向到目的终端设备。
在一些实例中，局域网235可以被划分成多个段，每个段可以与独立的防火墙、安全规则和网络协议相关联。可以在一个、多个或所有段中的每者中提供网络内连接组件255，以促进段内路由。桥接器280可以被配置为跨段275路由通信。
为了跨网络或在网络内适当地路由通信，各种组件分析通信中的目的数据。例如，这样的数据可以指示通信将被路由到哪个网络、通信将被路由到网络内的哪个设备、或者终端设备将要处理(和忽略)哪些通信。然而，在一些实例中，不能立即清楚哪个终端设备(或甚至哪个网络)要参与来自网络设备的通信。
为了说明，可以配置一组终端设备以便提供类似类型的响应通信。因此，可以预期，可以以类似的方式来响应来自网络设备的通信中的查询，而不管该通信被路由到哪个网络设备。虽然该假设在高水平上可能是正确的，但是与终端设备有关的各种细节可能导致特定的路由与其他路由相比是有利的。例如，所述集合中的终端设备关于(例如)以下可能彼此不同：支持哪些通信通道、与网络设备的地理和/或网络接近度、和/或相关联代理的特征(例如，知识库、经验、所说的语言、可用性、一般性格或情绪等)。因此，选择路由可以促进更快的响应，该更快的响应更准确地和/或完整地响应于网络-设备通信。复杂的是，将网络设备映射至终端设备的静态路由可能无法解释通信主题、通道类型、代理可用性等的变化。
图3A、图3B、图3C示出了其他实施方式的包括连接管理系统的网络交互系统300a、300b、300c的框图。为了简单起见，所描绘的系统300a、300b、300c中的每一者仅示出了两个局域网235，尽管可以理解的是，可以扩展实施方式以扩展局域网的数量。系统300a、300b、300c中的每一者都包括连接管理系统350，该连接管理系统350可以标识哪个终端设备要与网络设备205通信，可以建立和管理(例如，保持或关闭)连接通道，可以确定是否以及何时在交换中重新路由通信等。因此，连接管理系统350可以被配置为动态地并且实时地评估通信、代理可用性、终端设备或代理的能力等，以影响路由确定。
在图3A中，连接管理系统350与网络设备205和远程服务器340中的每一者相关联(例如，连接管理系统350a与网络设备205相关联，而连接管理系统350b与远程服务器340相关联)。例如，可以将连接管理系统350a和/或连接管理系统350b作为应用程序分别安装或存储在网络设备205和远程服务器340中的每一者上。(一个或多个)应用程序的执行例如可以促进网络设备205与远程服务器340之间的通信，以标识被选择参与的与网络设备205的通信交换的终端设备215。可以基于一个或多个本文中公开的因素(例如，可用性、通信的主题/详细水平与代理或终端设备的知识库之间的匹配度、预测的延迟，通道类型可用性等等)来进行标识。
客户端设备330可以提供客户端数据，该客户端数据指示将如何进行路由确定。例如，这种数据可以包括：关于特定特征如何被加权或匹配的指示或约束或偏差(例如，与负载平衡或预测的响应延迟有关)。客户端数据还可以包括与何时建立(或关闭)通信通道或者何时将通信重新路由至不同的网络设备有关的规范。客户端数据可用于定义各种客户端特定的规则，例如用于通信路由的规则等。
在远程服务器340上运行的连接管理系统350b可以监控与终端设备有关(例如，与给定的客户端有关)的各种度量，例如支持哪些通信通道、与网络设备的地理和/或网络接近度、与终端设备的通信延迟和/或稳定性、终端设备的类型、终端设备的能力、终端设备(或代理)是否在先已经与给定的网络设备(或用户)通信、和/或与代理相关联的特征(例如，知识库、经验、所说的语言、可用性、一般性格或情绪等)。因此，可以使连接管理系统350b能够选择路由以促进更快的响应，该更快的响应基于度量更准确地和/或完整地响应于网络-设备通信。
在图3A所描绘的示例中，网络设备205和远程服务器340之间的通信交换可以促进目的地址的更早识别。然后，网络设备205可以使用该目的地址来定向后续通信。例如，网络设备205可以向远程服务器340发送初始通信(例如，通过一个或多个网络间连接和广域网)，并且远程服务器340可以识别一个或多个相应的客户端。然后，远程服务器340可以识别与所述一个或多个相应的客户端相关联的一组终端设备，并收集针对那些终端设备的度量。可以(例如，通过远程服务器340)评估这些度量以便选择参与通信交换的终端设备，并且可以将与该终端设备有关的信息(例如，IP地址)发送至网络设备205。在一些实施方式中，远程服务器340可以连续地或周期性地收集和评估针对各种终端设备的度量并将评估结果存储在数据存储器中。在这种实施方式中，在识别与所述一个或多个相应的客户端相关联的一组终端设备时，远程服务器340可以从数据存储器访问存储的评估结果，并且基于存储的评估结果选择终端设备来参与通信交换。
在图3B中，连接管理系统350可以被配置为用作中继和/或目的地址。因此，例如，一组网络设备205可以发送通信，每个通信将连接管理系统350标识为目的地。连接管理系统350可以接收各个通信，并且可以同时监控一组终端设备(例如，以便生成针对每个终端设备的度量)。基于监控和规则，连接管理系统350可以识别其可以将各个通信中继到的终端设备215。根据该实施方式，终端设备通信可以类似地定向到一致的目的地(例如，连接管理系统350的目的地)，以用于进一步中继，或者终端设备可以开始直接与相应的网络设备通信。这些实施方式可以促进有效路由和全面的通信监控。
图3C中描绘的实施方式类似于图3B中的实施方式。然而，在一些实施方式中，连接管理系统350直接连接至网络内组件(例如，终端设备、网络内连接或其他)。
应当理解，能够预期图3A-图3C的许多变型。例如，连接管理系统350可以与连接组件(例如，网络间连接组件245或网络内连接组件255)相关联，使得对应于连接管理系统350(或其一部分)的应用程序安装在该组件上。例如，可以独立地执行应用程序或通过与类似或补充的一个或多个应用程序(例如，在一个或多个其它组件、网络设备或远程服务器上执行的应用程序)通信来执行应用程序。
图4示出了连接组件的操作的协议栈映射400的表示。更具体地，图4标识了在开放系统交互(Open Systems Interaction，OSI)模型中的对应于各种连接组件的操作层。
OSI模型可以包括多个逻辑层402-414。这些层布置成有序堆栈，使得层402-412中的每个层服务较高水平，而层404-414中的每个层由较低层服务。OSI模型包括物理层402。物理层402可以定义参数物理通信(例如，电、光或电磁通信)。物理层402还定义连接管理协议，例如建立和关闭连接的协议。物理层402还可以定义流控制协议和传输模式。
链路层404可以管理节点到节点(node-to-node)的通信。链路层404可以检测并纠正错误(例如，物理层402中的传输错误)以及管理访问许可。链路层404可以包括媒体访问控制(media access control，MAC)层和逻辑链路控制(logical link control，LLC)层。
网络层406可以协调跨同一网络中的节点的(例如，作为数据报的)传输数据(例如，具有可变长度的传输数据)。网络层406可以将逻辑网络地址转换为物理机器地址。
传输层408可以管理发送和接收质量。传输层408可以提供用于传输数据的协议，例如传输控制协议(TCP)。传输层408可以执行用于传输的数据包的分段/重组，并且可以检测并解释在层402、404、406中发生的传输错误。会话层410可以发起、维持和终止本地和远程应用程序之间的连接。会话可以用作远程过程交互的一部分。表示层412可以基于已知由应用程序或网络层接受的数据类型来加密、解密和格式化数据。
应用层414可以与控制或管理通信的软件应用程序进行交互。通过这样的应用程序，应用层414可以(例如)识别目的地、本地资源状态或可用性和/或通信内容或格式化。各个层402、404、406、408、410、412、414可以执行可用并适用的其它功能。
网络内连接组件422、424被示出在物理层402中操作，网络内连接组件424被示出在链路层404中操作。更具体地，集线器可以在物理层中操作，使得可以关于通信的接收和发送来控制操作。由于集线器缺乏寻址通信或过滤数据的能力，因此集线器几乎没有能力在更高水平操作。同时，交换机可以在链路层404中操作，因为交换机能够基于地址(例如，MAC地址)过滤通信帧。
同时，网络间连接组件426、428被示出在更高水平(例如，层406、408、410、412、414)上操作。例如，路由器可以基于地址(例如，IP地址)过滤通信数据包。路由器可以基于地址将数据包转发至特定端口，以便将数据包定向至适当的网络。网关可以在网络层及其以上层操作，执行类似的过滤和定向以及数据的进一步转换(例如，跨协议或架构)。
在各种实施方式中，连接管理系统450可以与各个层中的一个、多个、全部或任何层进行交互和/或在各个层中的一个、多个、全部或任何层上操作。例如，连接管理系统450可以与集线器交互，以便动态地调整集线器与哪些终端设备通信。作为另一示例，连接管理系统450可以与桥接器、交换机、路由器或网关进行通信，以便影响该组件选择哪个终端设备作为目的地址(例如，MAC、逻辑或物理地址)。作为另外的示例，连接管理系统450可以监控、控制或定向传输层408上的数据包的分段、会话层410上的会话持续时间、和/或表示层412上的加密和/或压缩。在一些实施方式中，连接管理系统450可以通过与在特定层上操作的设备(例如，在链路层404上操作的交换机)进行交换通信(例如，发送命令至该设备)、通过以特定的方式路由或修改现有通信(例如，在网络设备和终端设备之间的通信)、和/或通过基于现有通信生成包含特定信息(例如，新目的地址)的新通信来与各个层进行交互。因此，连接管理系统450可以通过与各种设备的交互和/或通过影响在各种协议栈层处的操作来影响通信路由和通道建立(或维持或终止)。
图5表示根据一实施方式的多设备通信交换系统500。系统500包括网络设备505，该网络设备被配置为在各种类型的通信通道上与各种类型的终端设备通信。
在所描绘的实例中，网络设备505可以通过蜂窝网络(例如，通过基站510)传输通信。通信可以被路由至操作网络515。操作网络515可以包括连接管理系统520，该连接管理系统接收通信并标识哪个终端设备将响应于该通信。这种确定可以取决于识别该通信所属的客户端(例如，基于指示客户端的内容分析或用户输入)并确定与该客户端相关联的一个或多个终端设备中的每个终端设备的一个或多个度量。例如，在图5中，终端设备530a、530b、530c的每个集群可以对应于不同的客户端。终端设备可以在地理上共同定位或是分散的。可以基于存储的或学习的数据和/或(例如，基于可用性的)实时监控来确定所述度量。
连接管理系统520可以通过一个或多个路由器525或其它网络间连接组件或网络内连接组件与各种终端设备进行通信。连接管理系统520可以在一个或多个数据存储器处收集、分析和/或存储来自(或关于)通信、终端-设备操作、客户端规则、和/或与用户相关联的动作(例如，在线活动)的数据。这种数据可能影响通信路由。
值得注意的是，还可以使用各种其它设备来影响通信路由和/或处理。例如，在所描绘的实例中，连接管理系统520还连接至网络服务器540。因此，连接管理系统520可以检索感兴趣的数据，例如技术项目细节等。
网络设备505还可以连接至网络服务器(例如，包括网络服务器545)。在一些实例中，与这种服务器的通信提供了发起与连接管理系统520的通信交换的初始选项。例如，网络设备505可以检测到在访问特定网页时通信机会是可获得的并且这种选项可以被呈现。
通信系统500的一个或多个元件也可以连接至社交联网服务器550。社交联网服务器550可以聚集从各种用户设备接收的数据。因此，例如，连接管理系统520可以能够估计给定用户或给定用户类别的一般(或用户特定)行为。
图6示出了连接管理系统600的实施方式的框图。消息接收器接口605可以接收消息。在一些实例中，例如，可以接收消息作为由源设备(例如，与连接管理系统600分开设置或在同一外壳内)发送的通信的一部分，所述源设备例如网络设备或终端设备。在一些实例中，通信可以是一系列通信的一部分或通信交换，其可以包括正在两个设备(例如，网络设备和终端设备)之间路由的一系列消息或消息交换。该消息或通信交换可以是设备之间的交互的一部分和/或可以定义设备之间的交互。通信通道或操作通道可以包括用于促进设备之间的路由和通信交换的一个或多个协议(例如，路由协议、任务分配协议和/或寻址协议)。
在一些实例中，消息可以包括基于在本地或远程用户界面处接收的输入而生成的消息。例如，消息可以包括基于按钮或按键或记录的语音信号而生成的消息。在一个实例中，消息包括自动生成的消息，例如在检测到网络设备正在呈现特定的应用程序页面或网页或者已经提供特定输入命令(例如，键序列)时生成的消息。该消息可以包括指令或请求，例如用于发起通信交换的指令或请求。
在一些实例中，消息可以包括客户端的标识符或与客户端的标识符相关联。例如，消息可以明确地标识客户端(或与客户端相关联的设备)；消息可以包括与客户端相关联的网页或应用程序页面，或和与客户端相关联的网页或应用程序页面相关联；消息可以包括与客户端相关联的目的地址，或和与客户端相关联的目的地址相关联；或者消息可以包括与客户端相关联的项目(例如，产品)或服务的标识，或和与上述项目(例如，产品)或服务的标识相关联。为了说明，网络设备可以呈现特定客户端的应用程序页面，该应用程序页面可以提供将通信发送至代理的选项。在接收到与消息相对应的用户输入时，可以生成包含该消息和特定客户端的标识符的通信。
处理引擎610可以处理所接收的通信和/或消息。处理可以包括例如提取特定的一个或多个数据元素(例如，消息、客户端标识符、网络-设备标识符、账户标识符等)。处理可以包括转换格式或通信类型(例如，以与特定设备类型、操作系统、通信通道类型、协议和/或网络兼容)。
消息评估引擎615可以评估(例如，提取或接收的)消息。评估可以包括识别例如消息的一个或多个类别或标签。类别或标签类型的示例可以包括(例如)主题(topic)、情绪、复杂性和紧急性。对消息进行分类和标记之间的区别在于，可以限制类别(例如，根据一组预定义的类别选项)，而可以打开标签。主题可以包括例如技术问题、使用问题、或请求。例如，可以基于对消息的语义分析(例如，通过识别关键字、句子结构、重复的词、标点符号和/或非冠词)、用户输入(例如，已经选择了一个或多个类别)、和/或与消息相关的统计信息(例如，键入速度和/或响应延迟)来确定类别或标签。
在一些实例中，消息评估引擎615可以确定消息的度量。度量可以包括例如字符、单词、大写字母、全大写单词的数量、或特定字符或标点符号的实例(例如，感叹号、问号和/或句号)。度量可以包括比率，例如以感叹号(或问号)结尾的句子的分数、全部大写的单词的分数等。
消息评估引擎615可以在消息数据存储器620中存储消息、消息度量和/或消息统计信息。每个消息还可以与其他数据(例如，元数据)相关联地存储，所述数据例如标识相应源设备、目的设备、网络设备、终端设备、客户端、一个或多个类别、一个或多个阶段和/或与消息相关联的统计信息)的数据。连接管理系统600的各种组件(例如，消息评估引擎615和/或交互管理引擎625)可以查询消息数据存储器620以检索查询响应消息、消息度量和/或消息统计信息。
交互管理引擎625可以确定将通信路由至哪个设备以及接收设备和发送设备将如何通信。这些确定中的每一者可以取决于例如特定的网络设备(或与特定用户相关联的任何网络设备)是否先前已与一组终端设备中的终端设备(例如，与连接管理系统600相关联的任何终端设备、或与一个或多个特定客户端相关联的任何终端设备)进行通信。
在一些实例中，当网络设备(或与同一用户或配置文件相关联的其他网络设备)先前已经与给定的终端设备进行通信时，通信路由通常可偏向于该同一终端设备。可影响路由的其它因素例如可以包括：终端设备(或相应的代理)是否可用；和/或终端设备的预测的响应延迟。这些因素可以绝对地或相对于与其它终端设备相对应的类似度量来考虑。重新路由规则(例如，客户端特定的或一般的规则)可以指示如何评估和加权这些因素以确定是否放弃代理一致性。
当网络设备(或与同一用户或账户相关联的其他网络设备)先前未与给定的终端设备进行通信时，可以基于诸如以下的因素执行终端设备的选择：例如，各种代理的知识库与通信主题对应的程度、各种代理在给定时间和/或通道类型上的可用性、终端设备(例如与客户端相关联的终端设备)的类型和/或能力。在一个实例中，规则可以标识如何确定诸如这些的一个或多个因素的子参数以及分配给每个参数的权重。通过组合(例如，求和)加权子参数，可以确定每个代理的参数。然后可以通过比较终端设备的参数来进行终端设备的选择。
关于确定设备将如何通信，交互管理引擎625可以(例如)确定终端设备是否通过(例如)SMS消息、语音呼叫、视频通信等来响应通信。可以基于例如以下项来选择通信类型：通信类型优先级列表(例如，至少部分地由客户端或用户来定义)；先前从网络设备接收的通信的类型(例如，以便促进一致性)、接收的消息的复杂性、网络设备的能力、和/或一个或多个终端设备的可用性。显然，一些通信类型将导致实时通信(例如，期望快速消息响应的情况)，而其它通信类型可能导致异步通信(例如，消息之间的延迟(例如，几分钟或几小时)是可接受的情况)。
此外，交互管理引擎625可以确定是否应该建立、使用或终止两个设备之间的连续通道。可以构造连续通道，以便促进从网络设备到指定终端设备的未来通信的路由。即使跨消息系列，这种偏向也可以持续。在一些实例中，连续通道的表示(例如，标识代理)可以包括在网络设备上待呈现的呈现中。以这种方式，用户可以理解该通信将被一致地路由以便提高效率。
在一个实例中，可以使用本文描述的一个或多个因素和规则(例如，包括所述一个或多个因素中的每个的权重)来生成参数，以确定对应于给定的网络设备和终端设备的连接参数。该参数可以与整体匹配度或特定于给定的通信或通信系列的匹配度有关。因此，例如，该参数可以反映预测给定终端设备适合于对网络-设备通信进行响应的程度。在一些实例中，参数分析可以用于识别要将给定通信路由到的每个终端设备以及是否建立、使用或终止连接通道。当参数分析用于处理路由决策和通道决策两者时，可以以相同、类似或不同的方式来确定与每个决策相关的参数。
因此，例如，将理解，根据参数是预测长期匹配的强度还是响应特定消息查询的强度，可以考虑不同因素。例如，在前一种实例中，对总体时间表和时间区域的考虑可能是重要的，而在后一种实例中，立即可用性可能有更高的权重。可以针对单个网络设备/终端设备组合来确定参数，或者可以确定多个参数，每个参数表征给定网络设备和一不同的终端设备之间的匹配度。
为了说明，可以评估用于潜在通信路由的与客户端相关联的一组的三个终端设备。可以为每个终端设备生成与特定通信的匹配度有关的参数。前两个终端设备中的每者可以先前已经与已传输该通信的网络设备通信。来自网络设备的输入可以已经指示和与第一设备的(一个或多个)通信的交互相关联的正反馈。因此，第一设备、第二设备和第三设备的(如根据规则计算的)过往交互子参数(past-interact sub-parameter)可以分别是10、5和0。(负反馈输入可以得到负的子参数。)可以确定仅第三终端设备是可用的。可以预测第二终端设备将在15分钟内可用于响应，但是第一终端设备将在第二天之前不可用于响应。因此，第一设备、第二设备和第三设备的快速响应子参数(fast-response sub-parameter)可以是1、3和10。最后，可以估计(与终端设备相关联的)代理了解通信中的主题的程度。可以确定与第三终端设备相关联的代理比与其它两个设备相关联的代理更了解，从而得到的子参数为3、4和9。在该示例中，规则不包括加权或归一化参数(虽然，在其它实例中，规则可以包括加权或归一化参数)，从而得到的参数为14、11和19。因此，规则可以指示消息将被路由至具有最高参数的设备，即第三终端设备。如果到特定终端设备的路由不成功，则可以将消息路由至具有次高参数的设备，依此类推。
可以将参数与一个或多个绝对阈值或相对阈值进行比较。例如，可以将一组终端设备的参数相互比较以确定高参数，从而选择通信可以被路由至的终端设备。作为另一示例，可以将参数(例如，高参数)与一个或多个绝对阈值进行比较，以确定是否建立与终端设备的连续通道。用于建立连续通道的总阈值可以(但不必须)高于用于在给定的一系列消息中一致地路由通信的阈值。总阈值和用于确定是否一致地路由通信的阈值之间的这种差异可能是因为考虑到通道的扩展效用，强匹配在连续-通道上下文中是重要的。在一些实施方式中，用于使用连续通道的总阈值可以(但不必须)低于用于建立连续通道的阈值和/或用于在给定的一系列消息中一致地路由通信的阈值。
交互管理引擎625可以在各种上下文中与账户引擎630交互。例如，账户引擎630可以在账户数据存储器635中查找网络设备或终端设备的标识符，以识别与该设备相对应的账户。此外，账户引擎630可以维持关于先前通信交换的数据(例如，时间、涉及的(一个或多个)其它设备、通道类型、解决方案阶段、(一个或多个)主题和/或相关联的客户端标识符)、连接通道(例如，对于一个或多个客户端中的每个客户端，指示：是否有任何通道存在、与每个通道相关联的终端设备、建立时间、使用频率、上次使用的日期、任何通道约束和/或支持的通信类型)、用户或代理偏好或约束(例如，关于终端-设备选择、响应延迟、终端-设备一致性、代理专业知识、和/或通信类型偏好或约束)、和/或用户或代理特征(例如，年龄、所说的或优选的(一种或多种)语言、地理位置、兴趣等)。
此外，交互管理引擎625可以向账户引擎630提醒各种连接通道(connection-channel)动作，使得可以更新账户数据存储器635以反映当前通道数据。例如，在建立通道时，交互管理引擎625可以通知账户引擎630该建立，并且标识网络设备、终端设备、账户和客户端中的一者或多者。账户引擎635可以(在一些实例中)随后通知用户该通道的存在，使得该用户可以意识到代理一致性是有用的。
交互管理引擎625还可以与客户端映射引擎640交互，客户端映射引擎640可以将通信映射至一个或多个客户端(和/或相关联的品牌(brand))。在一些实例中，从网络设备本身接收的通信包括对应于客户端的标识符(例如，客户端的标识符、网页或应用程序页面)。该标识符可以作为(例如，客户端映射引擎640可以检测的)消息的一部分而被包含或作为包含消息的通信中的其它数据而被包含。然后，客户端映射引擎640可以在客户端数据存储器645中查找该标识符，以检索关于客户端和/或客户端的标识符的附加数据。
在一些实例中，消息可以不特别对应于任何客户端。例如，消息可以包括一般查询。客户端映射引擎640可以例如对消息执行语义分析、识别一个或多个关键字并且标识与(一个或多个)关键字相关联的一个或多个客户端。在一些实例中，标识单个客户端。在一些实例中，标识出多个客户端。然后可以通过网络设备呈现每个客户端的标识，使得用户可以选择要与之(例如，通过相关联的终端设备)通信的客户端。
客户端数据存储器645可以包括与客户端相关联的一个或多个终端设备(和/或代理)的标识。终端路由引擎650可以检索或收集与一个、多个或所有的这种终端设备(和/或代理)中的每者有关的数据，以便影响路由确定。例如，终端路由引擎650可以维持终端数据存储器655，终端数据存储器655可以存储诸如终端设备的设备类型、操作系统、通信类型能力、安装的应用程序附件、地理位置和/或标识符(例如，IP地址)的信息。某些信息可以动态地更新。例如，基于(例如)来自终端设备的通信(例如，标识该设备是否处于睡眠状态、是否关闭/开启、是否不活动/活动，或标识是否在一时间段内已收到输入)、通信路由(例如，指示终端设备是否参与通信交换或被分配为通信交换的一部分)、或者来自网络设备或终端设备的指示通信交换已经结束或开始的通信，可以动态地更新指示终端设备是否可用的信息。
应当理解，在各种上下文中，参与一个或多个通信交换不一定表示终端设备不可用于参与另一通信交换。诸如通信类型(例如，消息)、客户端标识的或用户标识的目标响应时间、和/或系统负载(例如，通常是或关于用户)的各种因素可能影响终端设备可参与多少交换。
当交互管理引擎625已经标识了参与通信交换或连接通道的终端设备时，交互管理引擎625可以通知终端路由引擎650，终端路由引擎650可以从终端数据存储器655检索关于该终端设备的任何相关数据，诸如目的地址(例如IP地址)、设备类型、协议等。然后，处理引擎610可以(在一些实例中)修改该包含消息的通信或者生成新的通信(包含消息)以便具有特定的格式、遵守特定的协议等。在一些实例中，新的或修改后的消息可以包括附加数据，例如对应于网络设备的账户数据、消息记录和/或客户端数据。
然后，消息发送器接口660可以将该通信发送至终端设备。该发送可以包括例如到达容纳在单独外壳内的设备的有线或无线发送。终端设备可以包括与连接管理系统600在相同或不同网络(例如，局域网)中的终端设备。因此，将通信发送至终端设备可以包括将通信发送至网络间连接组件或网络内连接组件。
提供了用于在与网络设备(例如，由用户操作)的通信会话期间在机器人与终端设备(例如，由在线代理操作)之间动态切换的系统和方法。在一些实现中，机器人可以被配置为自主地与网络设备通信。此外，可以针对特定能力配置机器人。能力的示例可以包括更新数据库记录、向用户提供更新、向代理提供关于用户的附加数据、确定用户的意图并基于意图将用户路由到目的系统、预测或建议对与用户通信的代理的响应、升级通信会话以包括一个或多个附加的机器人或代理、以及其他合适的能力。在一些实现中，当机器人在通信会话期间(例如，使用启用聊天的界面)与网络设备(例如，由用户操作)进行通信时，通信服务器可以自动且动态地确定机器人与终端设备的切换。例如，机器人可以关于某些任务(例如，更新与用户相关联的数据库记录)与用户进行通信，而终端设备可以关于更困难的任务(例如，使用通信通道进行通信以解决技术问题)与用户进行通信。
在一些实现方式中，确定是否在通信会话期间在机器人与终端设备之间切换可以基于对通信会话中消息的一个或多个特性的分析。此外，可以生成动态情绪参数来表示消息、对话、实体、代理等的情绪。例如，在动态情绪参数表明用户对机器人感到沮丧的情况下，系统可以自动将机器人切换为终端设备，以便在线代理可以与用户进行通信。参见2016年6月2日提交的美国序列号15/171,525，出于所有目的其公开内容通过引用以其整体并入本文。在一些示例中，可以在没有来自用户的提示的情况下执行确定是否在机器人和终端设备之间切换。可以基于任意数量的因素在通信服务器处自动执行该确定，所述因素包括：通信会话(例如聊天)中的当前消息的特性、在先前通信会话中由用户发送的先前消息的特性、对话中多个消息的特性(例如，情绪)的轨迹、或者与用户相关联的其它信息(例如，个人资料信息、偏好信息以及其它与用户相关联的合适的信息)。
图7示出了用于集成在通信会话期间路由消息的外部系统的系统的框图。在一些实现方式中，该系统可以包括用户703、票务系统705、票务系统适配器710、连接器应用程序715、通信服务器720、终端设备727、代理730和机器人725。在一些实现方式中，机器人725可以与规则723(即，存储在规则数据库中的规则)和历史数据724进行操作通信，如本文进一步描述的。图7中所示的组件可以通过任何合适的网络而连接，所述网络包括局域网(LAN)、广域网(WAN)、蜂窝网络、它们的组合等。
用户703可以访问票务系统705。用户703可能具有可能需要票务系统705打开票据，即问题票据的问题、投诉或查询。问题票据可以是可以从开始到问题解决都可以跟踪的消息。在一些实施方式中，票务系统705可以是存在于图7所示系统的其他组件之外的外部系统。票务系统705可以独立地并且根据它自己的规则、语言和程序操作。
为了与图7所示的系统的其他组件连接，票务系统705可以使用票务系统适配器710。票务系统适配器710可以是硬件和/或软件组件，适于促进票务系统705与图7所示系统的一个或多个其他组件连接。类似地，连接器应用程序715可用于将票务系统705传递的通信、票据和消息调整成通信服务器720可理解和/或可使用的格式和模式。在这种意义上，连接器应用程序715可用作票务系统适配器710和通信服务器720之间的桥接器。
尽管是关于票务系统705示出和描述的，但是可以设想图7中所示的系统对于本文描述的关于任何外部系统的操作可以是完全起作用的。例如，票务系统705可以替代地是社交联网系统或以特定格式交换消息的任何其他外部系统，例如客户关系管理(CRM)系统。这些消息可以被转换成可由图7所示的系统使用的格式并被相应地处理。
通信服务器720可以是具有一个或多个处理器和至少一个存储设备的服务器，并且可以被配置为执行本文描述的方法和技术。例如，通信服务器720可以管理在票务系统705(与用户703通信)和终端设备727(由代理730操作)之间的消息交换和通信会话。通信服务器720可以在票务系统705、终端设备727和机器人725之间建立通信通道，从而可以在实体之间交换消息以促进票据的问题解决。然而，本发明不限于在通信会话期间的消息交换。通信会话可以促进其他形式的通信，例如视频通信(例如，视频馈送)和音频通信(例如，IP语音连接)。此外，通信服务器720可以与平台相关联。客户端(例如，平台的外部系统)可以使用该平台在其内部通信系统中部署机器人。在一些示例中，客户端可以在平台中使用他们自己的机器人，这使客户端能够将本文描述的方法和技术实现到他们的内部通信系统中。
在一些实现方式中，通信服务器720可以在票务系统705和机器人725之间建立通信会话。机器人725可以是在被执行时被配置为与票务系统705自主通信的代码。例如，机器人725可以是基于由用户703使用票务系统705发起的票据或消息自动确定要采取的动作的机器人。例如，这可以基于机器学习或人工智能。例如，可以使用监督训练技术来训练机器学习模型或人工智能，由此样本数据集包括输入(例如，样本票据或消息)和期望输出(例如，要采取的动作)的配对。机器学习模型或人工智能可以利用样本输入来生成响应于样本输入要采取的动作。可以将这些动作与来自样本数据集的期望动作进行比较，以确定机器学习模型或人工智能的误差。基于该误差，可以更新机器学习模型或人工智能的模型系数，从而产生更新的机器学习模型或人工智能。该过程可以继续直到产生的误差在准确度阈值内，由此机器学习模型或人工智能产生实现至少预定义或当前准确度水平的输出(例如，动作)。在一个实施方式中，样本数据集可以包括历史数据，该历史数据包括先前接收到的消息和响应于该消息而执行的相应动作。此外，机器学习模型或人工智能可以根据一组规则来编程或实现，这些规则定义了用于选择要基于从获得的消息中识别的意图执行的动作的一个或多个参数。动作可以包括通过终端设备727将票据或消息路由到代理730以促进问题解决、促进票据的自动问题解决(例如，通过机器人725直接促进账单支付、地址改变等)等。
机器人725可以确定基于一个或多个规则723要采取的动作。规则723可以定义如何基于消息的内容来处理特定消息。在一些实施方式中，可以解析该消息以确定意图。机器人725根据规则723可以自动处理和解决某些意图，例如账单支付、地址更改、和可以在没有人工干预的情况下自动执行的其他意图。
机器人725还可以查阅历史数据724以确定如何处理特定票据或消息。例如，机器人725可以从消息中提取意图，然后在历史数据724中查找具有相似意图的先前消息。如果类似消息位于历史数据724(或具有相似模式的一组消息)中，则机器人725可以确定如何解决该类似消息并执行类似动作以解决当前票据。机器人725然后可以将当前消息和动作保存在历史数据724中(以及动作是否解决了问题)，以便在关于如何解决未来问题的未来决策中使用。在这个意义上，机器人725可以实现人工智能(AI)和/或机器学习技术以使用规则723和历史数据724自主地构建模型和解决问题。
在一些实现方式中，机器人725可以由一个或多个源定义。例如，数据存储器(未示出)可以存储表示由通信服务器720的客户端定义(例如，创建或编码)的机器人的代码。例如，已经定义了它自己的机器人的客户端可以将机器人加载到通信服务器720。客户端定义的机器人可以存储在数据存储器(未示出)中。数据存储器可以存储表示由第三方系统定义的机器人的代码。例如，第三方系统可以包括独立的软件供应商。在一些实施方式中，附加数据存储器(未示出)可以存储表示由与通信服务器720相关联的实体定义的机器人的代码。例如，由这些实体编码的机器人可以加载到通信服务器720或由通信服务器720访问，以便机器人可以执行并自主与用户通信。在一些实现方式中，通信服务器720可以使用云网络(未示出)访问存储在任何数据存储器中的机器人。云网络可以是任何网络，并且可以包括开放网络，例如互联网、个人局域网、局域网(LAN)、校园网(CAN)、城域网(MAN)、广域网(WAN))、无线局域网(WLAN)、专用网络，例如内联网、外联网或其他骨干网。
此外，终端设备727可以由代理730操作。终端设备727可以是任何便携式设备(例如，移动电话、平板电脑、膝上型电脑)或非便携式设备(例如，电子信息亭、台式计算机等)。在一些实例中，代理730可以使用在终端设备727上运行的浏览器访问网站。例如，网站可以包括在终端设备727的浏览器上运行的控制台或平台。代理730可以使用浏览器被登录进入平台。一个或多个登录凭证(例如，用户名、密码等)可用于在允许代理730访问控制台或控制台中包括的web应用程序之前验证代理730的身份。控制台的示例可以包括能够建立或加入通信会话的包含一个或多个API(应用程序编程接口)的平台、包含一个或多个功能的控制面板、在web浏览器上运行的web托管应用程序(无需下载插件)、以及其他合适的接口。此外，控制台可以包括一个或多个可以执行的web应用程序或功能。web应用程序或功能可以在浏览器、通信服务器720、本地服务器、远程服务器或其他合适的计算设备处执行。例如，web应用程序、本机应用程序或功能可以使代理与用户通信，并查看用户与一个或多个机器人之间的通信。
在一些实现方式中，通信服务器720可以被配置为在特定通信会话期间在机器人725和终端设备727之间动态切换。例如，通信服务器720可以促进票务系统705和机器人725的通信会话。机器人725可以被配置为通过在通信会话期间与票务系统705交换一个或多个消息来自主地与票务系统705通信。通信服务器720可以动态地确定是否将机器人725切换为终端设备727(或在某些情况下，反之亦然)，以便在线代理而不是机器人725可以与用户703进行通信。在一些实现方式中，可以在没有来自票务系统705或终端设备727的提示的情况下执行切换。例如，切换可以基于在票务系统705和机器人725之间交换的消息的消息参数(例如，表示消息或一系列消息的情绪的分数)，而无需提示用户703请求终端设备。
在一些实现方式中，通信服务器720可以基于机器人725和票务系统705之间交换的消息的特性自动确定在机器人725和终端设备727之间切换。在一些实例中，分析消息的文本以确定特性(例如，消息参数)可以包括对与消息相关联的文本或非文本属性的分析。例如，通信服务器720可以从票务系统705提取包括在消息中的一行或多行文本。通信服务器720可以识别所述一行或多行文本是否包括锚点。锚点的示例包括与极性(例如，情绪或意图，单词“沮丧”对应于负极性或沮丧极性，单词“快乐”对应于正极性，等等)相关联的文本字符串。例如，对于一个客户端，术语“争议”可能是负面的，但对第二客户端可能是中性或正面的。在一些实例中，可以使用监督机器学习技术动态地确定锚点。例如，可以对所存储的消息执行一种或多种聚类算法，以在所存储的消息内找到模式。可以对聚类的消息进行进一步过滤和评估，以确定锚点。此外，可以解析识别的锚点附近的一个或多个词以寻找放大器。放大器的示例是增加或减小与锚点的极性相关联的强度的术语，例如“真的”、“不完全是”、“有点”等。该特性可以包括例如打字速度、消息中使用的特殊字符(例如，感叹号、问号等)的数量、消息的语义分析(例如，通过识别关键字、句子结构、重复的词、标点符号和/或非冠词的词)、用户输入(例如，已选择一个或多个类别)、和/或与消息相关联的统计信息(例如，响应延迟)。
在一些实现方式中，通信服务器720和/或机器人725可以推荐或预测对从票务系统705接收的消息的响应。例如，通信服务器720可以包括消息推荐系统，该消息推荐系统可以评估从票务系统705接收的消息并使用机器学习模型来推荐对那些接收到的消息的响应。消息推荐系统可以在终端设备727上显示一组推荐的消息，以帮助代理与用户703进行通信。
图8示出了根据一些实施方式的用于将外部系统与内部通信集成的系统的框图。图8中所示的系统包括用户805、通信服务器810、终端设备812、代理814、机器人815、规则817、历史数据819、适配器820、票务系统825和票据830。图8中所示的实体和系统的组件的操作类似于关于图7所示和所述的系统。
然而，在图8中，用户805可以直接向通信服务器810发起消息。通信服务器810可以将该消息路由到机器人815，机器人815可以通过适配器820将该消息路由到票务系统825。票务系统825可以创建一个或多个票据830，该票据830可以用于通过图8中所示的跨系统的问题解决方案来跟踪消息。
图9示出了表示用于使用机器学习技术增强终结点选择的网络环境900的框图。网络环境900可以包括票务系统905、通信服务器910、机器人915和终端设备920。通信服务器910可以促进通信通道的建立，该通信通道使票务系统905和至少一个机器人915以及终端设备920能够进行通信。
通信服务器910可以包括智能路由系统925、消息推荐系统930和消息数据存储器935。智能路由系统925和消息推荐系统930中的每一者可以包括一个或多个具有执行指令以实现某些操作的处理器和存储器的计算设备。在一些实现方式中，智能路由系统925可以是被配置为将从票务系统接收的通信智能地路由到适当目的地的机器人。智能路由系统925可以包括一个或多个处理器，该一个或多个处理器被配置为执行使一种或多种机器学习技术或人工智能技术智能地路由消息的代码。在一些实现方式中，智能路由系统925可以执行一种或多种机器学习技术来训练模型，该模型预测与从网络设备905接收的消息相关联的目的地。
作为非限制性示例，智能路由系统925可以通过由通信服务器910(例如，被配置为使用户能够跨各种设备彼此通信的本机应用程序)建立或促进的通信通道从票务系统905接收消息。根据上述某些实施方式，智能路由系统925可以评估输入的消息。例如，智能路由系统925可以使用经训练的机器学习模型来评估包括在接收到的消息中的内容(例如，文本、音频剪辑片段、图像、表情符号或其它合适的内容)。消息的内容可以输入到机器学习模型中以生成预测的目的地(例如，特定的终端设备或机器人)。可以基于从网络设备905接收的反馈信号940来连续地训练机器学习模型。在一些实现方式中，智能路由系统925可以请求来自网络设备905的对预测目的地的确认。作为非限制性示例，智能路由系统925可以使用机器学习技术来评估消息，并且评估的结果可以包括机器人915是消息的目的地的预测。为了确认，智能路由系统925可以自动请求反馈信号940。例如，反馈信号940可以包括对票务系统905确认机器人915是否是消息的正确目的地的请求(例如，“技术支持是正确的目的地？”)。如果票务系统905发送机器人915是正确的目的地(例如，由操作网络设备905的用户预期的目的地)的确认，则智能路由系统925可以训练机器学习模型以预测包括与接收的消息相同或类似内容(例如，相似性的阈值，例如内容的10％差异)的未来消息将被路由到机器人915。然而，如果智能路由系统925接收到指示机器人915不是所接收的消息的正确或预期目的地而是终端设备920是正确或预期目的地的反馈信号940，则智能路由系统925可以训练机器学习模型：包括与接收的消息相同或相似内容的未来消息将被路由到终端设备920(而不是机器人915)。在一些实现方式中，智能路由系统925可以不立即更新或训练机器学习模型以将未来的消息路由到终端设备920，而是，智能路由系统925可以在将具有与接收的消息完全相同或相似内容的所有未来消息路由到终端设备920之前等待阈值数量的到机器人915的不正确的路由。作为非限制性示例，智能路由系统925可以在网络设备发送了指示机器人915不是正确或预期目的地的反馈信号的五个实例之后，开始向终端设备920而不是机器人915路由未来消息(该未来消息之前被预测将被路由到机器人915)。
在一些实施方式中，智能路由系统925可以基于接收到的用于处理消息中的特定请求的出价来选择将给定消息路由到哪里。智能路由系统925可以广播对不同服务的意图并且确定谁想要对处理请求出价。出价方可以以其成功处理请求的置信度水平和执行请求处理的计划做出响应。智能路由系统925可以评估来自出价方的所有响应，并且基于机器学习策略确定对于给定消息使用哪个出价方。
消息数据存储器935可以存储过去从一个或多个网络设备接收到的一些(例如，不是全部)或所有消息。此外，消息数据存储器935还可存储在与网络设备的先前通信会话期间由终端设备或机器人发送的一些或全部消息。消息数据存储器935还可以存储在通信会话期间由网络设备发送给机器人的一些或全部消息。此外，消息数据存储器935可以存储在通信会话期间由机器人发送到网络设备的一些或全部消息。在一些实现方式中，消息数据存储器935可以是已处理的(例如，由通信服务器910发送或在通信服务器910处接收的)所有消息的数据库。
消息推荐系统930可以分析存储在消息数据存储器935处的消息的数据库。在一些实现方式中，消息推荐系统930可以使用一种或多种机器学习算法或人工智能算法来评估存储在消息数据存储器935中的消息。例如，消息推荐系统930可以对存储在消息数据存储器935中的消息的数据库执行一种或多种聚类算法，诸如K均值聚类、均值漂移聚类、带噪声的应用的基于密度的空间聚类(Density-Based Spatial Clustering of Applicationswith Noise，DBSCAN)、使用高斯混合模型(Gaussian Mixture Model，GMM)的期望最大化(Expectation-Maximization，EM)聚类、以及其它合适的机器学习算法。在一些实现方式中，可以使用递归神经网络(RNN)或卷积神经网络(CNN)预测响应消息以对代理进行帮助。在一些实现方式中，消息推荐系统930可以使用支持向量机(SVM)，监督、半监督的集合技术或无监督的机器学习技术，来评估所有先前的消息，以预测对在通信会话期间从网络设备接收到的输入消息的响应。
例如，消息推荐系统930可以评估从网络设备接收到的消息(或在通信服务器910处从机器人或终端设备接收到的消息)的内容，并将评估结果与存储在消息数据存储器935中的先前消息的一个或多个集群进行比较。一旦识别出集群，消息推荐系统930就可基于置信度阈值识别出最相关的响应消息。例如，输入消息(例如，在通信服务器910处从票务系统905接收的输入消息)可以对应于基于该输入消息的内容的技术问题。消息推荐系统930可以基于对该输入消息的内容的评估(例如，文本评估)来识别出该输入消息对应于一技术问题。在一些实施方式中，消息推荐系统930可以使用人工智能和机器学习来评估CRM消息。消息推荐系统930可以访问消息数据存储器935以识别与技术问题相关联的消息的集群。消息推荐系统930可以基于置信度阈值在消息集群中选择一个或多个响应消息。作为非限制性示例，可以执行置信度算法以生成置信度分数。置信度分数可以是一个百分比值，其中，百分比越低，响应对于输入消息的良好预测的可能性就越小，百分比越高，响应对于输入消息的良好预测的可能性就越大。最小置信度阈值可以定义为与每个发现的模式相关联的确定性或可信度的量度。此外，置信度算法的示例可以是Apriori算法、指示两个数据集之间的相似度的相似度算法以及其它合适的置信度算法。
图10示出了根据一些实施方式的用于外部系统集成的示例性过程。在步骤1005，可以从消息传递系统接收消息。该消息可以与用户相关联。该消息可代表用户想要解决的问题。例如，该消息可以声称“我的订单有缺陷”。如本文所述，该消息可能已经通过网络设备传递到消息传递系统。消息传递系统可以是具有指定通信格式或方式的任何外部或第三方系统。
在步骤1010，可以分析消息以识别与问题相关联的意图。意图可对应于问题和可能的解决方案。例如，对于消息“我的订单有缺陷”，意图可被识别为“有缺陷的订单，我想要换货或退款”。
在步骤1015，可以确定类似问题是否被表示在不同的消息中。例如，可以访问包括来自先前消息和所识别意图的数据的历史数据库以查看先前是否已接收到识别有缺陷订单的另一消息。在步骤1020，可以确定解决方案是否与类似问题相关联。如果解决方案与类似问题相关联，则可以在步骤1025识别和分析该解决方案。
在步骤1030，可以自动确定要采取的动作。自动确定要采取的动作可以包括将规则和人工智能应用于意图和被分析的解决方案。在一些实施方式中，应用人工智能可以包括分析来自用户的先前票据。在一些实施方式中，应用人工智能可以包括分析对话语气。
动作可以与提高的该问题可能解决的可能性相关联。例如，先前类似消息的解决方案可用于确定当前消息的适当解决方案。如果解决方案对于先前消息有利，则该解决方案对于当前消息也有利的可能性可能会提高。在一些实施方式中，可以使用插件来自动确定要采取的动作。
在步骤1036，可以促进动作的执行。在一些实施方式中，动作可以在消息传递系统内执行。在一些实施方式中，可以存储对应于动作的信息并且可以使用该信息和人工智能来确定未来动作。在一些实施方式中，动作可以包括将消息路由到代理。
在以上描述中给出了具体细节以提供对实施方式的透彻理解。然而，应当理解，可以在没有这些具体细节的情况下实践实施方式。例如，电路可以被示为框图，以免在不必要的细节上使实施方式晦涩难懂。在其他情况下，可以示出公知的电路、过程、算法、结构和技术而没有不必要的细节，以避免使实施方式晦涩难懂。
上述技术、框图、步骤和装置的实现可以以各种方式来完成。例如，这些技术、框图、步骤和装置可以以硬件、软件或其组合来实现。对于硬件实现，处理单元可以在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行上述功能的其他电子单元和/或其组合内实现。
另外，应当注意，实施方式的各部分可以被描述为过程，该过程被描绘为流程图、作业图、数据流图、结构图或框图。尽管流程图可以将操作描述为顺序过程，但是许多操作可以并行或同时执行。另外，可以重新安排操作的顺序。当一个过程的操作完成时，该过程将终止，但是可以具有图中未包含的附加步骤。过程可以对应于方法、函数、程序、子例程、子程序等。当过程对应于函数时，其终止对应于该函数返回到调用函数或主函数。
此外，实施方式可以通过硬件、软件、脚本语言、固件、中间件、微代码、硬件描述语言、和/或他们的任何组合来实现。当以软件、固件、中间件、脚本语言和/或微代码实现时，执行必要任务的程序代码或代码段可以存储在诸如存储介质的机器可读介质中。代码段或机器可执行指令可表示过程、函数、子程序、程序、例程、子例程、模块、软件包、脚本、类，或指令、数据结构和/或程序语句的任何组合。代码段可以通过传递和/或接收信息、数据、自变量、参数、和/或存储器内容而联接至另一代码段或硬件电路。信息、自变量、参数、数据等可以通过任何合适的方式传递、转发或传输，所述方式包括存储器共享、消息传送、票据传递、网络传输等。
对于固件和/或软件实现方式，可以利用执行本文描述的功能的模块(例如，程序、函数等)来实现该方法。有形地体现指令的任何机器可读介质可用于实现本文描述的方法。例如，软件代码可以存储在存储器中。存储器可以在处理器内或处理器外部实现。如本文所使用的，术语“存储器”是指任何类型的长期、短期、易失性、非易失性或其它的存储介质，并且不限于任何特定类型的存储器或任何数量的存储器、或者上面存储有存储器的介质的类型。
此外，如本文中所公开的，术语“存储介质”、“存储器”或“内存”可以表示用于存储数据的一个或多个存储器，包括只读存储器(ROM)、随机存取存储器(RAM)、磁性RAM、核心存储器、磁盘存储介质、光学存储介质、闪存设备和/或用于存储信息的其他机器可读介质。术语“机器可读介质”包括但不限于便携式或固定式存储设备、光学存储设备、无线通道、和/或能够存储的包含或承载(一个或多个)指令和/或数据的各种其它存储介质。
虽然以上已经结合具体的装置和方法描述了本发明的原理，但是应当清楚地理解，该描述仅是通过示例的方式进行的，并且不作为对本发明范围的限制。

Claims (17)

1.一种计算机实现的方法，包括：
接收与用户相关联的消息，其中所述消息表示所述用户想要解决的问题；
通过实时动态评估所述消息生成路由确定，其中所述路由确定促进所述用户和机器人之间的实时通信会话；
动态检测在所述用户和所述机器人之间的实时通信会话期间实时交换的正在进行的消息；
使用所述正在进行的消息和历史数据训练机器学习模型，其中所述历史数据包括一条或多条先前接收的消息和一个或多个先前执行的与所述用户想要解决的问题类似的问题相关的动作；
将所述机器学习模型应用于所述正在进行的消息，以自动确定与所述问题相关的一个或多个当前动作；
监控所述一个或多个当前动作的性能，其中所述监控包括对所述正在进行的消息的文本或非文本属性的实时分析；以及
基于所述正在进行的消息、所述一个或多个当前动作以及所述正在进行的消息的文本或非文本属性，动态更新所述机器学习模型。
2.如权利要求1所述的计算机实现的方法，其中，插件用于将训练的所述机器学习模型应用于所述正在进行的消息，以自动确定所述一个或多个当前动作。
3.如权利要求1所述的计算机实现的方法，其中，在消息传递系统内执行所述一个或多个当前动作。
4.如权利要求1所述的计算机实现的方法，还包括：
存储对应于所述一个或多个当前动作的信息；以及
使用所述信息和所述机器学习模型来确定未来动作。
5.如权利要求1所述的计算机实现的方法，其中，应用所述机器学习模型包括从所述正在进行的消息中分析对话语气。
6.如权利要求1所述的计算机实现的方法，其中，所述一个或多个当前动作包括将所述正在进行的消息路由到代理。
7.一种非暂时性机器可读存储介质，包括当由一个或多个处理器执行时使所述一个或多个处理器执行操作的指令，所述操作包括：
接收与用户相关联的消息，其中所述消息表示所述用户想要解决的问题；
通过实时动态评估所述消息生成路由确定，其中所述路由确定促进所述用户和机器人之间的实时通信会话；
动态检测在所述用户和所述机器人之间的实时通信会话期间实时交换的正在进行的消息；
使用所述正在进行的消息和历史数据训练机器学习模型，其中所述历史数据包括一条或多条先前接收的消息和一个或多个先前执行的与所述用户想要解决的问题类似的问题相关的动作；
将所述机器学习模型应用于所述正在进行的消息，以自动确定与所述问题相关的一个或多个当前动作；
监控所述一个或多个当前动作的性能，其中所述监控包括对所述正在进行的消息的文本或非文本属性的实时分析；以及
基于所述正在进行的消息、所述一个或多个当前动作以及所述正在进行的消息的文本或非文本属性，动态更新所述机器学习模型。
8.如权利要求7所述的非暂时性机器可读存储介质，其中，插件用于将训练的所述机器学习模型应用于所述正在进行的消息，以自动确定所述一个或多个当前动作。
9.如权利要求7所述的非暂时性机器可读存储介质，其中，在消息传递系统内执行所述一个或多个当前动作。
10.如权利要求7所述的非暂时性机器可读存储介质，其中，所述操作还包括：
存储对应于所述一个或多个当前动作的信息；以及
使用所述信息和所述机器学习模型来确定未来动作。
11.如权利要求7所述的非暂时性机器可读存储介质，其中，应用所述机器学习模型包括从所述正在进行的消息中分析对话语气。
12.如权利要求7所述的非暂时性机器可读存储介质，其中，所述一个或多个当前动作包括将所述正在进行的消息路由到代理。
13.一种系统，包括：
一个或多个处理器；以及
包含指令的一个或多个非暂时性机器可读存储介质，所述指令当在所述一个或多个处理器上执行时，使所述一个或多个处理器执行操作，所述操作包括：
接收与用户相关联的消息，其中所述消息表示所述用户想要解决的问题；
通过实时动态评估所述消息生成路由确定，其中所述路由确定促进所述用户和机器人之间的实时通信会话；
动态检测在所述用户和所述机器人之间的实时通信会话期间实时交换的正在进行的消息；
使用所述正在进行的消息和历史数据训练机器学习模型，其中所述历史数据包括一条或多条先前接收的消息和一个或多个先前执行的与所述用户想要解决的问题类似的问题相关的动作；
将所述机器学习模型应用于所述正在进行的消息，以自动确定与所述问题相关的一个或多个当前动作；
监控所述一个或多个当前动作的性能，其中所述监控包括对所述正在进行的消息的文本或非文本属性的实时分析；以及
基于所述正在进行的消息、所述一个或多个当前动作以及所述正在进行的消息的文本或非文本属性，动态更新所述机器学习模型。
14.如权利要求13所述的系统，其中，插件用于将训练的所述机器学习模型应用于所述正在进行的消息，以自动确定所述一个或多个当前动作。
15.如权利要求13所述的系统，其中，在消息传递系统内执行所述一个或多个当前动作。
16.如权利要求13所述的系统，其中，所述操作还包括：
存储对应于所述一个或多个当前动作的信息；以及
使用所述信息和所述机器学习模型来确定未来动作。
17.如权利要求13所述的系统，其中，应用所述机器学习模型包括从所述正在进行的消息中分析对话语气。
CN202080043474.8A 2019-06-12 2020-06-10 用于外部系统集成的系统和方法 Active CN114051740B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310576717.XA CN116600258A (zh) 2019-06-12 2020-06-10 用于外部系统集成的系统、方法和计算机可读存储介质

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962860518P 2019-06-12 2019-06-12
US62/860,518 2019-06-12
PCT/US2020/036990 WO2020252016A1 (en) 2019-06-12 2020-06-10 Systems and methods for external system integration

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202310576717.XA Division CN116600258A (zh) 2019-06-12 2020-06-10 用于外部系统集成的系统、方法和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN114051740A CN114051740A (zh) 2022-02-15
CN114051740B true CN114051740B (zh) 2023-06-09

Family

ID=71948697

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202310576717.XA Pending CN116600258A (zh) 2019-06-12 2020-06-10 用于外部系统集成的系统、方法和计算机可读存储介质
CN202080043474.8A Active CN114051740B (zh) 2019-06-12 2020-06-10 用于外部系统集成的系统和方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202310576717.XA Pending CN116600258A (zh) 2019-06-12 2020-06-10 用于外部系统集成的系统、方法和计算机可读存储介质

Country Status (8)

Country Link
US (4) US11218387B2 (zh)
EP (1) EP3983975A1 (zh)
JP (2) JP7279205B2 (zh)
CN (2) CN116600258A (zh)
AU (2) AU2020290434B8 (zh)
CA (1) CA3142939A1 (zh)
IL (1) IL288132A (zh)
WO (1) WO2020252016A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG11202108686RA (en) * 2019-02-22 2021-09-29 Liveperson Inc Dynamic text message processing implementing endpoint communication channel selection
WO2020252016A1 (en) 2019-06-12 2020-12-17 Liveperson, Inc. Systems and methods for external system integration
US20220044129A1 (en) * 2020-08-06 2022-02-10 International Business Machines Corporation Alert management in data processing systems
US20220100594A1 (en) * 2020-09-30 2022-03-31 Arris Enterprises Llc Infrastructure monitoring system
US11715056B2 (en) * 2021-03-16 2023-08-01 Bank Of America Corporation Performance monitoring for communication systems
FR3121811A1 (fr) * 2021-04-09 2022-10-14 Orange Procédé d’affectation d’une tâche à effectuer à au moins un groupe d’utilisateurs en fonction d’un score d’affectation d’une tâche relatif à un utilisateur
US11803402B1 (en) * 2022-12-12 2023-10-31 Sap Se Recommendations for information technology service management tickets

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108170835A (zh) * 2018-01-12 2018-06-15 深圳市富途网络科技有限公司 一种组合人工与ai的智能客服系统
CN108874967A (zh) * 2018-06-07 2018-11-23 腾讯科技（深圳）有限公司 对话状态确定方法及装置、对话系统、终端、存储介质
CN109299231A (zh) * 2018-09-14 2019-02-01 苏州思必驰信息科技有限公司 对话状态跟踪方法、系统、电子设备及存储介质

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9229800B2 (en) * 2012-06-28 2016-01-05 Microsoft Technology Licensing, Llc Problem inference from support tickets
CA2988120A1 (en) * 2015-06-02 2016-12-08 Liveperson, Inc. Dynamic communication routing based on consistency weighting and routing rules
US10831802B2 (en) * 2016-04-11 2020-11-10 Facebook, Inc. Techniques to respond to user requests using natural-language machine learning based on example conversations
US11062220B2 (en) * 2016-05-31 2021-07-13 Accenture Global Solutions Limited Integrated virtual cognitive agents and message communication architecture
US11176931B2 (en) * 2016-09-23 2021-11-16 Microsoft Technology Licensing, Llc Conversational bookmarks
US10467510B2 (en) * 2017-02-14 2019-11-05 Microsoft Technology Licensing, Llc Intelligent assistant
US10380520B2 (en) * 2017-03-13 2019-08-13 Accenture Global Solutions Limited Automated ticket resolution
US20180285768A1 (en) * 2017-03-30 2018-10-04 Wipro Limited Method and system for rendering a resolution for an incident ticket
IL270266B2 (en) * 2017-05-05 2024-04-01 Liveperson Inc Dynamic response prediction for improved robot task processing
US20180367480A1 (en) * 2017-06-18 2018-12-20 Rapportboost.Ai, Inc. Optimizing chat-based communications
US10311454B2 (en) * 2017-06-22 2019-06-04 NewVoiceMedia Ltd. Customer interaction and experience system using emotional-semantic computing
US20190026365A1 (en) * 2017-07-20 2019-01-24 Wipro Limited Method and system for generating an ontology for one or more tickets
US10388285B2 (en) * 2017-08-31 2019-08-20 International Business Machines Corporation Generating chat bots from web API specifications
US11030547B2 (en) * 2017-09-15 2021-06-08 Microsoft Technology Licensing, Llc System and method for intelligent incident routing
US11551135B2 (en) * 2017-09-29 2023-01-10 Oracle International Corporation Techniques for generating a hierarchical model to identify a class among a plurality of classes
US20190103111A1 (en) * 2017-10-03 2019-04-04 Rupert Labs Inc. ( DBA Passage AI) Natural Language Processing Systems and Methods
US10601997B2 (en) * 2017-11-03 2020-03-24 Salesforce.Com, Inc. Call and contact service center partial service automation
US11200581B2 (en) * 2018-05-10 2021-12-14 Hubspot, Inc. Multi-client service system platform
WO2020027843A1 (en) * 2018-08-02 2020-02-06 Hewlett-Packard Development Company, L.P. Automated user-support
JP7169125B2 (ja) * 2018-08-29 2022-11-10 株式会社日立製作所 質問回答システム、質問回答処理方法、及び質問回答統合システム
US10805686B2 (en) * 2018-08-30 2020-10-13 Rovi Guides, Inc. Systems and methods for generating a media-based result to an ambiguous query
EP3627399A1 (en) * 2018-09-19 2020-03-25 Tata Consultancy Services Limited Systems and methods for real time configurable recommendation using user data
CA3018060C (en) * 2018-09-20 2023-03-14 The Toronto-Dominion Bank Chat bot conversation manager
US11061954B2 (en) * 2018-09-21 2021-07-13 Salesforce.Com, Inc. Intent classification system
US11501763B2 (en) * 2018-10-22 2022-11-15 Oracle International Corporation Machine learning tool for navigating a dialogue flow
US10652109B1 (en) * 2018-10-29 2020-05-12 Dell Products L. P. Providing machine learning assistance for technical support
US20200259891A1 (en) * 2019-02-07 2020-08-13 Microsoft Technology Licensing, Llc Facilitating Interaction with Plural BOTs Using a Master BOT Framework
US20200293946A1 (en) * 2019-03-15 2020-09-17 Accenture Global Solutions Limited Machine learning based incident classification and resolution
US11769038B2 (en) * 2019-04-12 2023-09-26 Optum, Inc. Contextually optimizing routings for interactions
US11206229B2 (en) * 2019-04-26 2021-12-21 Oracle International Corporation Directed acyclic graph based framework for training models
US11461311B2 (en) * 2019-04-26 2022-10-04 Oracle International Corporation Bot extensibility infrastructure
EP3977373A4 (en) * 2019-05-29 2023-01-11 Nokia Solutions and Networks Oy SYSTEMS, METHODS AND COMPUTER READABLE MATERIALS FOR CONTROLLING AN AUTOMATED AGENT FEDERATION
EP3977686A4 (en) * 2019-05-31 2023-06-21 NIKE Innovate C.V. MULTI-CHANNEL COMMUNICATION PLATFORM WITH DYNAMIC RESPONSE TARGETS
US11310173B2 (en) * 2019-05-31 2022-04-19 Kyndryl, Inc. Virtual agent chat model updates
WO2020252016A1 (en) 2019-06-12 2020-12-17 Liveperson, Inc. Systems and methods for external system integration
WO2021252734A1 (en) * 2020-06-11 2021-12-16 DataRobot, Inc. Systems and methods for managing machine learning models

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108170835A (zh) * 2018-01-12 2018-06-15 深圳市富途网络科技有限公司 一种组合人工与ai的智能客服系统
CN108874967A (zh) * 2018-06-07 2018-11-23 腾讯科技（深圳）有限公司 对话状态确定方法及装置、对话系统、终端、存储介质
CN109299231A (zh) * 2018-09-14 2019-02-01 苏州思必驰信息科技有限公司 对话状态跟踪方法、系统、电子设备及存储介质

Also Published As

Publication number Publication date
AU2023251537A1 (en) 2023-11-16
AU2020290434B8 (en) 2024-02-22
CN116600258A (zh) 2023-08-15
JP7279205B2 (ja) 2023-05-22
US11716261B2 (en) 2023-08-01
IL288132A (en) 2022-01-01
EP3983975A1 (en) 2022-04-20
AU2020290434B2 (en) 2023-08-31
US11218387B2 (en) 2022-01-04
US20200396144A1 (en) 2020-12-17
US11489741B2 (en) 2022-11-01
US20230123010A1 (en) 2023-04-20
US20220173984A1 (en) 2022-06-02
AU2020290434A8 (en) 2024-02-22
CA3142939A1 (en) 2020-12-17
AU2020290434A1 (en) 2021-12-09
JP2023109838A (ja) 2023-08-08
WO2020252016A1 (en) 2020-12-17
CN114051740A (zh) 2022-02-15
JP2022536503A (ja) 2022-08-17
US20230412476A1 (en) 2023-12-21

Similar Documents

Publication Publication Date Title
CN113615135B (zh) 到不同端点的动态通信路由
CN111713086B (zh) 用于改进的机器人任务处理的动态响应预测
CN114223185B (zh) 用于将消息收发转移到自动化的系统和方法
CN114051740B (zh) 用于外部系统集成的系统和方法
CN116648894A (zh) 用于双向通信中的机器人选择校准的系统和方法
CN114586323B (zh) 到不同终结点的动态通信路由
US11888792B2 (en) Bot supervision

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
GR01 Patent grant
GR01 Patent grant