CN114399343B - 一种智能机器人线上辅助销售方法及系统 - Google Patents

Abstract

本申请公开了一种智能机器人线上辅助销售方法，包括：获取多个用户的保单话术信息，将所述多个用户保单话术分批输入至智能机器人；所述智能机器人将所述多个用户保单话术信息与预存的用户画像模板进行匹配，并在匹配成功后，确定所述多个用户保单话术对应的用户画像，并建立所述多个用户的保单话术与用户画像的关联列表；所述智能机器人接收到第一用户的问答对话，基于所述问答对话，进行保单话术的关系模板匹配，并在匹配成功后，输出所述第一用户的匹配的保单话术信息；所述智能机器人基于所述第一用户的保单话术信息，基于所述多个用户的保单话术与用户画像的关联列表，确定所述第一用户对应的用户画像，并基于所述用户画像进行保单推荐。

Description

一种智能机器人线上辅助销售方法及系统

技术领域

本申请涉及电子商务技术领域，尤其涉及智能机器人线上辅助销售方法及系统。

背景技术

保险单简称“保单”。保险人与投保人签订保险合同的书面证明。保险单的主要内容包括：(1)双方对有关保险标的事项的说明，包括被保险人名称，保险标的的名称及其存放地点或所处状态、保险金额、保险期限、保险费等。(2) 双方的权利和义务，如承担责任和不予承担的责任等。(3) 附注条件，指保险条款或双方约定的其他条件以及保单变更、转让和注销等事项。保险单是签订保险合同的主要表现形式。为简化形式，还可采用具有法律效力的预约保险单，保险凭证或暂保单等形式。

当用户或客户签订了保单后，此份保险生效，保险公司为用户或客户进行投保，保险订单正式完成。

然而，随着多元化的电子商务推荐系统的兴起，越来越多的保险行业也会用到电子商务推荐系统，例如，通过智能客服，智能机器人进行客户问答，从而进行客户画像的模拟，基于客户画像推荐合适的保险业务。

在现有技术中，基于客户画像进行保险业务推荐，往往是比较粗放的保险业务推荐，其推荐精度较低，故成交率和复购率均较低，难以满足保险行业的保单业务推荐。

发明内容

本申请实施例提供一种智能机器人线上辅助销售方法及系统，用于解决现有技术中保单业务推荐精确度较低的问题。

本发明实施例提供一种智能机器人线上辅助销售方法，所述方法包括：

获取多个用户的保单话术信息，将所述多个用户保单话术分批输入至智能机器人；

所述智能机器人将所述多个用户保单话术信息与预存的用户画像模板进行匹配，并在匹配成功后，确定所述多个用户保单话术对应的用户画像，并建立所述多个用户的保单话术与用户画像的关联列表；

所述智能机器人接收到第一用户的问答对话，基于所述问答对话，进行保单话术的关系模板匹配，并在匹配成功后，输出所述第一用户的匹配的保单话术信息；

所述智能机器人基于所述第一用户的保单话术信息，基于所述多个用户的保单话术与用户画像的关联列表，确定所述第一用户对应的用户画像，并基于所述用户画像进行保单推荐。

可选地，所述智能机器人将所述多个用户保单话术信息与预存的用户画像模板进行匹配，包括：

将所述用户保单话术拆分为多个用户问题样本及拟推荐保单；

将其中一个所述用户问题样本进行关键词筛选，筛选出多个关键词；

将所述多个关键词在预存的用户画像模板中进行关键词匹配，获取匹配度最高的用户画像模板；

获取所述匹配度最高的用户画像模板与所述拟推荐保单的第一历史复购率，若所述第一历史复购率大于预设阈值，则确定所述匹配度最高的用户画像模板与所述其中一个用户问题样本存在对应关系；

若所述复购率小于预设阈值，则获取匹配度次高的用户画像模板，并获取所述匹配度次高的用户画像模板与所述拟推荐保单的第二历史复购率，若所述第二历史复购率大于预设阈值，则确定所述匹配度次高的用户画像模板与所述其中一个用户问题样本存在对应关系。

可选地，将所述多个关键词在预存的用户画像模板中进行关键词匹配，获取匹配度最高的用户画像模板，包括：

设置每一个用户画像模板的初始匹配度，其中所述用户画像模板中具备多个关键词；

依次遍历所述每一个用户画像模板中的关键词，获取所述每一个用户画像模板中的关键词与所述多个关键词相同的个数，将所述每一个用户画像模板的初始匹配度更新为对应的所述关键词相同的个数；

获取匹配度最高的用户画像模板。

可选地，所述基于所述问答对话，进行保单话术的关系模板匹配，包括：

将所述问答对话进行拆分并生成意图知识图谱；

确定所述意图知识图谱是否属于关系模板；

在确定所述意图知识图谱属于关系模板后，将所述意图知识图谱进行词槽匹配，解析出所述意图知识谱图中的槽位；

生成意图知识图谱中间件，基于所述中间件确定所述意图知识谱图中的槽位对应的实体信息；

查询所述实体信息对应属性，返回所述属性信息至所述意图知识图谱中间件中；

根据所述属性信息，确定所述问答对话匹配的保单话术。

可选地，在返回所述属性信息至所述意图知识图谱中间件中之前，所述方法还包括：

若查询失败，则返回查询失败信息至所述意图知识图谱中间件中；

所述意图知识图谱中间件获取补充问答对话，并将所述补充问答对话与所述问答对话进行合并，生成第二问答对话；

将所述第二问答对话进行词槽匹配，解析出所述第二问答对话对应的第二槽位；

确定与所述第二问答对话对应的第二槽位匹配的第二实体信息，查询所述第二实体信息对应属性，若查询成功则返回所述属性信息至所述意图知识图谱中间件中，以确定所述问答对话匹配的实体模板。

可选地，所述确定所述意图知识图谱是否属于关系模板，包括：

将所述意图知识图谱拆解为HEAD实体、TAIL实体和P参数；

将所述HEAD实体、TAIL实体和P参数进行k-means聚类，并将所述k-means聚类后的结果进行意图识别，从而判断所述意图知识图谱是否属于关系模板。

可选地，若所述词槽匹配结果中具备多个匹配样本，则所述方法还包括：

设置匹配样本表征矩阵，将所述匹配样本表征矩阵进行非线性变换：

对所述变换后的样本表征矩阵进行模型加权和；

将所述加权和后的结果通过激活函数进行压缩，使得其非线性映射到（0，1）区间；

根据所述非线性映射结果确定所述最佳匹配样本。

可选地，所述最佳匹配样本为所述意图知识谱图中的槽位。

本发明实施例还提供一种智能机器人线上辅助销售系统，所述系统包括：

输入单元，用于获取多个用户的保单话术信息，将所述多个用户保单话术分批输入至智能机器人；

匹配单元，用于将所述多个用户保单话术信息与预存的用户画像模板进行匹配，并在匹配成功后，确定所述多个用户保单话术对应的用户画像，并建立所述多个用户的保单话术与用户画像的关联列表；

所述匹配单元，还用于接收到第一用户的问答对话，基于所述问答对话，进行保单话术的关系模板匹配，并在匹配成功后，输出所述第一用户的匹配的保单话术信息；

推荐单元，用于基于所述第一用户的保单话术信息，基于所述多个用户的保单话术与用户画像的关联列表，确定所述第一用户对应的用户画像，并基于所述用户画像进行保单推荐。

本发明实施例还提供一种计算机系统，包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述处理器运行所述存储器上的计算机可执行指令时实现上述方法。

本发明实施例提供的方法，通过设立用户的保单话术与用户画像的对应关系，设立多个不同的保单话术对应的用户画像模板，并在新客户（第一用户）咨询期间，通过智能机器人获取到问答对话，基于问答对话进行保单话术匹配，并基于获取到的保单话术信息进行用户画像匹配，最终推荐给该用户最合适的保险业务，可有效提升保险业务的成交率和复购率。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。

图1为一个实施例中智能机器人线上辅助销售的流程示意图；

图2为一个实施例中保单话术信息与画像模板匹配流程示意图；

图3为一个实施例中分布式智能机器人系统的架构图；

图4为一个实施例中系统的硬件组成示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为 “当... 时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

图1是本发明实施例的其中一个智能机器人线上辅助销售的流程图，如图1所示，该方法包括：

S101、获取多个用户的保单话术信息，将所述多个用户保单话术分批输入至智能机器人；

话术，顾名思义，即说话的方式和技巧，尤其是对于保险业务而言有一套行之有效地对话和问答方式，对于智能机器人而言，通常会有一套规范的标准问答方式测试出用户的兴趣爱好、职业、年龄等信息，并基于上述信息设计一套行之有效地保险业务推销或促销方法。因此，保单话术即是满足于保险业务成单的方法和技巧。在传统的保险业务中，通常由人来完成，效率底下且成单率低。因此，通过智能机器人的方式，利用人工智能、语音识别、图像识别等方式，将保单话术数字化、可视化，并将保单话术与用户画像一一匹配，从而更好地进行保险业务推荐，不仅能够解决成交率和复购率的问题，还可以解决保险业务数字化、保单推荐精细化的技术问题。

在本发明实施例中，多个用户的保单话术信息，是标准化及模板化的保单话术，通常由人为采集并编辑后，输入至智能机器人。

智能机器人可以是一个硬件实体，也可以是软件虚拟服务，例如智能客服、智能助手等，其本质可以是一段代码，也可以是一个集中式或分布式的服务器。其配置有海量的数据库，可以录入并存储大量的用户话术信息和保单信息，同时也可以存储保单话术信息。

保单话术可以采用通用的问答模型，问题用Q表示，答案用A表示，其格式为：“Q1:...;A1:...;Q2:...;A2:...”.

S102、所述智能机器人将所述多个用户保单话术信息与预存的用户画像模板进行匹配，并在匹配成功后，确定所述多个用户保单话术对应的用户画像，并建立所述多个用户的保单话术与用户画像的关联列表；

在本发明实施例中，用户画像可以是数学模型表示的用户模板，该数学模型中，对于用户的身份、需要的保险类型、兴趣爱好、身体状况等都有一定的参数进行表示，可根据需要进行不同参数值的设定，该参数定义为定量关键词。此外，该用户模板也存在一些定语关键词作为定性分析。

因此，从保单话术信息中的语义分析中可得知用户的具体情况，该情况分为“定性”和“定量”，定性是一个范围区间，例如大、小、多、少；定量则是具体的数值。例如“小女孩”，从语义上下文可推测其“定量”结果为“年龄3-10岁”。从保单话术中要尽可能的将定性语义转换为定量结果，从而与不同的用户模板的参数进行一一映射，确定其对应的模板。

如图2所示，在本发明实施例中，将所述多个用户保单话术信息与预存的用户画像模板进行匹配，具体可以为：

S1021、将所述用户保单话术拆分为多个用户问题样本及拟推荐保单；

保单话术中，有用户问题的样本，也有拟推荐的保单，第一步需要将其拆分出来，具体地，通过语义拆解即可拆分。

S1022、将其中一个所述用户问题样本进行关键词筛选，筛选出多个关键词；

进一步地，将用户问题样本进行关键词筛选，确定多个关键词。

S1023、将所述多个关键词在预存的用户画像模板中进行关键词匹配，获取匹配度最高的用户画像模板；

通过上述多个关键词，即可“定性”和/或“定量”地确定出该用户的部分属性，从而与多个用户画像模板一一进行匹配，获取最终匹配度最高的用户画像模板。

可选地，将所述多个关键词在预存的用户画像模板中进行关键词匹配，获取匹配度最高的用户画像模板，具体可以为：

设置每一个用户画像模板的初始匹配度，其中所述用户画像模板中具备多个关键词；

依次遍历所述每一个用户画像模板中的关键词，获取所述每一个用户画像模板中的关键词与所述多个关键词相同的个数，将所述每一个用户画像模板的初始匹配度更新为对应的所述关键词相同的个数；

获取匹配度最高的用户画像模板。

例如，初始匹配度为0，用户画像模板A有20个关键词（包括定性和定量的关键词）与用户问题样本筛选出的20个关键词重合，则其匹配度为20；而用户画像模板B则有25个关键词重合，则认定其用户画像模板B的匹配度高于A。

S1024、获取所述匹配度最高的用户画像模板与所述拟推荐保单的第一历史复购率，若所述第一历史复购率大于预设阈值，则确定所述匹配度最高的用户画像模板与所述其中一个用户问题样本存在对应关系；

S1025、若所述复购率小于预设阈值，则获取匹配度次高的用户画像模板，并获取所述匹配度次高的用户画像模板与所述拟推荐保单的第二历史复购率，若所述第二历史复购率大于预设阈值，则确定所述匹配度次高的用户画像模板与所述其中一个用户问题样本存在对应关系。

S103、所述智能机器人接收到第一用户的问答对话，基于所述问答对话，进行保单话术的关系模板匹配，并在匹配成功后，输出所述第一用户的匹配的保单话术信息；

S103中，所述基于所述问答对话，进行保单话术的关系模板匹配，具体可以为：

将所述问答对话进行拆分并生成意图知识图谱；

即，智能机器人将问答对话拆分为多个语料集，即按照词组、句式等方式进行问题拆分，并生成意图知识图谱。其中，在图数据库中意图知识图谱通过三元组进行表示。三元组包括HEAD实体、TAIL实体和P参数，例如在问答系统中，“XX买了健康保险”，从一个给定的三元组角度而言，HEAD实体为“XX”，TAIL实体为“健康保险”，P参数为“买”。

确定所述意图知识图谱是否属于关系模板；

具体地，将所述意图知识图谱拆解为HEAD实体、TAIL实体和P参数；将所述HEAD实体、TAIL实体和P参数进行k-means聚类，并将所述k-means聚类后的结果进行意图识别，从而判断所述意图知识图谱是否属于关系模板。

在确定所述意图知识图谱属于关系模板后，将所述意图知识图谱进行词槽匹配，解析出所述意图知识谱图中的槽位；

此外，若所述词槽匹配结果中具备多个匹配样本，则智能机器人还需要设置匹配样本表征矩阵，将所述匹配样本表征矩阵进行非线性变换：对所述变换后的样本表征矩阵进行模型加权和；将所述加权和后的结果通过激活函数进行压缩，使得其非线性映射到（0，1）区间；根据所述非线性映射结果确定所述最佳匹配样本。该最佳匹配样本为所述意图知识谱图中的槽位。

生成意图知识图谱中间件，基于所述中间件确定所述意图知识谱图中的槽位对应的实体信息；

查询所述实体信息对应属性，若查询成功，则返回所述属性信息至所述意图知识图谱中间件中；

若查询失败，则返回查询失败信息至所述意图知识图谱中间件中；

所述意图知识图谱中间件获取补充问答对话，并将所述补充问答对话与所述问答对话进行合并，生成第二问答对话；

将所述第二问答对话进行词槽匹配，解析出所述第二问答对话对应的第二槽位；

确定与所述第二问答对话对应的第二槽位匹配的第二实体信息，查询所述第二实体信息对应属性，若查询成功则返回所述属性信息至所述意图知识图谱中间件中，以确定所述问答对话匹配的实体模板。

根据所述属性信息，确定所述问答对话匹配的保单话术。

S104、所述智能机器人基于所述第一用户的保单话术信息，基于所述多个用户的保单话术与用户画像的关联列表，确定所述第一用户对应的用户画像，并基于所述用户画像进行保单推荐。

本发明实施例提供的方法，通过设立用户的保单话术与用户画像的对应关系，设立多个不同的保单话术对应的用户画像模板，并在新客户（第一用户）咨询期间，通过智能机器人获取到问答对话，基于问答对话进行保单话术匹配，并基于获取到的保单话术信息进行用户画像匹配，最终推荐给该用户最合适的保险业务，可有效提升保险业务的成交率和复购率。

如图3所示，本发明实施例还提供一种智能机器人线上辅助销售系统30，所述系统30包括：

输入单元31，用于获取多个用户的保单话术信息，将所述多个用户保单话术分批输入至智能机器人；

话术，顾名思义，即说话的方式和技巧，尤其是对于保险业务而言有一套行之有效地对话和问答方式，对于智能机器人而言，通常会有一套规范的标准问答方式测试出用户的兴趣爱好、职业、年龄等信息，并基于上述信息设计一套行之有效地保险业务推销或促销方法。因此，保单话术即是满足于保险业务成单的方法和技巧。在传统的保险业务中，通常由人来完成，效率底下且成单率低。因此，通过输入单元31，利用人工智能、语音识别、图像识别等方式，将保单话术数字化、可视化，并将保单话术与用户画像一一匹配，从而更好地进行保险业务推荐，不仅能够解决成交率和复购率的问题，还可以解决保险业务数字化、保单推荐精细化的技术问题。

在本发明实施例中，多个用户的保单话术信息，是标准化及模板化的保单话术，通常由人为采集并编辑后，输入至智能机器人。

保单话术可以采用通用的问答模型，问题用Q表示，答案用A表示，其格式为：“Q1:...;A1:...;Q2:...;A2:...”.

匹配单元32，用于将所述多个用户保单话术信息与预存的用户画像模板进行匹配，并在匹配成功后，确定所述多个用户保单话术对应的用户画像，并建立所述多个用户的保单话术与用户画像的关联列表；

在本发明实施例中，用户画像可以是数学模型表示的用户模板，该数学模型中，对于用户的身份、需要的保险类型、兴趣爱好、身体状况等都有一定的参数进行表示，可根据需要进行不同参数值的设定，该参数定义为定量关键词。此外，该用户模板也存在一些定语关键词作为定性分析。

因此，从保单话术信息中的语义分析中可得知用户的具体情况，该情况分为“定性”和“定量”，定性是一个范围区间，例如大、小、多、少；定量则是具体的数值。例如“小女孩”，从语义上下文可推测其“定量”结果为“年龄3-10岁”。从保单话术中要尽可能的将定性语义转换为定量结果，从而与不同的用户模板的参数进行一一映射，确定其对应的模板。

在本发明实施例中，匹配单元32将所述多个用户保单话术信息与预存的用户画像模板进行匹配，具体可以为：

将所述用户保单话术拆分为多个用户问题样本及拟推荐保单；

保单话术中，有用户问题的样本，也有拟推荐的保单，第一步需要将其拆分出来，具体地，通过语义拆解即可拆分。

将其中一个所述用户问题样本进行关键词筛选，筛选出多个关键词；

进一步地，将用户问题样本进行关键词筛选，确定多个关键词。

将所述多个关键词在预存的用户画像模板中进行关键词匹配，获取匹配度最高的用户画像模板；

通过上述多个关键词，即可“定性”和/或“定量”地确定出该用户的部分属性，从而与多个用户画像模板一一进行匹配，获取最终匹配度最高的用户画像模板。

可选地，将所述多个关键词在预存的用户画像模板中进行关键词匹配，获取匹配度最高的用户画像模板，具体可以为：

设置每一个用户画像模板的初始匹配度，其中所述用户画像模板中具备多个关键词；

依次遍历所述每一个用户画像模板中的关键词，获取所述每一个用户画像模板中的关键词与所述多个关键词相同的个数，将所述每一个用户画像模板的初始匹配度更新为对应的所述关键词相同的个数；

获取匹配度最高的用户画像模板。

例如，初始匹配度为0，用户画像模板A有20个关键词（包括定性和定量的关键词）与用户问题样本筛选出的20个关键词重合，则其匹配度为20；而用户画像模板B则有25个关键词重合，则认定其用户画像模板B的匹配度高于A。

获取所述匹配度最高的用户画像模板与所述拟推荐保单的第一历史复购率，若所述第一历史复购率大于预设阈值，则确定所述匹配度最高的用户画像模板与所述其中一个用户问题样本存在对应关系；

若所述复购率小于预设阈值，则获取匹配度次高的用户画像模板，并获取所述匹配度次高的用户画像模板与所述拟推荐保单的第二历史复购率，若所述第二历史复购率大于预设阈值，则确定所述匹配度次高的用户画像模板与所述其中一个用户问题样本存在对应关系。

所述匹配单元32，还用于接收到第一用户的问答对话，基于所述问答对话，进行保单话术的关系模板匹配，并在匹配成功后，输出所述第一用户的匹配的保单话术信息；

推荐单元33，用于基于所述第一用户的保单话术信息，基于所述多个用户的保单话术与用户画像的关联列表，确定所述第一用户对应的用户画像，并基于所述用户画像进行保单推荐。

本发明实施例提供的系统，通过设立用户的保单话术与用户画像的对应关系，设立多个不同的保单话术对应的用户画像模板，并在新客户（第一用户）咨询期间，通过智能机器人获取到问答对话，基于问答对话进行保单话术匹配，并基于获取到的保单话术信息进行用户画像匹配，最终推荐给该用户最合适的保险业务，可有效提升保险业务的成交率和复购率。

本发明实施例还包括一种系统，其特征在于，包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述处理器运行所述存储器上的计算机可执行指令时实现上述方法。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机可执行指令，该计算机可执行指令用于执行上述实施例中的方法。

本发明实施例还提供一种计算机系统，包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述处理器运行所述存储器上的计算机可执行指令时实现上述方法。

图4为一个实施例中系统的硬件组成示意图。可以理解的是，图4仅仅示出了系统的简化设计。在实际应用中，系统还可以分别包含必要的其他元件，包含但不限于任意数量的输入/输出系统、处理器、控制器、存储器等，而所有可以实现本申请实施例的大数据管理方法的系统都在本申请的保护范围之内。

存储器包括但不限于是随机存储记忆体（random access memory，RAM）、只读存储器（read至only memory，ROM）、可擦除可编程只读存储器（erasable programmable readonly memory，EPROM）、或便携式只读存储器（compact disc read至only memory，CD至ROM），该存储器用于相关指令及数据。

输入系统用于输入数据和/或信号，以及输出系统用于输出数据和/或信号。输出系统和输入系统可以是独立的器件，也可以是一个整体的器件。

处理器可以包括是一个或多个处理器，例如包括一个或多个中央处理器（centralprocessing unit，CPU），在处理器是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。处理器还可以包括一个或多个专用处理器，专用处理器可以包括GPU、FPGA等，用于进行加速处理。

存储器用于存储网络设备的程序代码和数据。

处理器用于调用该存储器中的程序代码和数据，执行上述方法实施例中的步骤。具体可参见方法实施例中的描述，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，该单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。该计算机指令可以存储在计算机可读存储介质中，或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（digital subscriber line，DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器（read至onlymemory，ROM），或随机存储存储器（random access memory，RAM），或磁性介质，例如，软盘、硬盘、磁带、磁碟、或光介质，例如，数字通用光盘（digital versatile disc，DVD）、或者半导体介质，例如，固态硬盘（solid state disk ，SSD）等。

以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种智能机器人线上辅助销售方法，其特征在于，所述方法包括：

获取多个用户的保单话术信息，将多个用户保单话术分批输入至智能机器人；

所述智能机器人将所述多个用户保单话术信息与预存的用户画像模板进行匹配，并在匹配成功后，确定所述多个用户保单话术对应的用户画像，并建立所述多个用户的保单话术与用户画像的关联列表；

所述智能机器人接收到第一用户的问答对话，基于所述问答对话，进行保单话术的关系模板匹配，并在匹配成功后，输出所述第一用户的匹配的保单话术信息；

所述智能机器人基于所述第一用户的保单话术信息，基于所述多个用户的保单话术与用户画像的关联列表，确定所述第一用户对应的用户画像，并基于所述用户画像进行保单推荐；

所述智能机器人将所述多个用户保单话术信息与预存的用户画像模板进行匹配，包括：

将所述用户保单话术拆分为多个用户问题样本及拟推荐保单；

将其中一个所述用户问题样本进行关键词筛选，筛选出多个关键词；

将所述多个关键词在预存的用户画像模板中进行关键词匹配，获取匹配度最高的用户画像模板；

获取所述匹配度最高的用户画像模板与所述拟推荐保单的第一历史复购率，若所述第一历史复购率大于预设阈值，则确定所述匹配度最高的用户画像模板与所述其中一个用户问题样本存在对应关系；

若所述复购率小于预设阈值，则获取匹配度次高的用户画像模板，并获取所述匹配度次高的用户画像模板与所述拟推荐保单的第二历史复购率，若所述第二历史复购率大于预设阈值，则确定所述匹配度次高的用户画像模板与所述其中一个用户问题样本存在对应关系；

将所述多个关键词在预存的用户画像模板中进行关键词匹配，获取匹配度最高的用户画像模板，包括：

设置每一个用户画像模板的初始匹配度，其中所述用户画像模板中具备多个关键词；

依次遍历所述每一个用户画像模板中的关键词，获取所述每一个用户画像模板中的关键词与所述多个关键词相同的个数，将所述每一个用户画像模板的初始匹配度更新为对应的所述关键词相同的个数；

获取匹配度最高的用户画像模板；

所述基于所述问答对话，进行保单话术的关系模板匹配，包括：

将所述问答对话进行拆分并生成意图知识图谱；

确定所述意图知识图谱是否属于关系模板；

在确定所述意图知识图谱属于关系模板后，将所述意图知识图谱进行词槽匹配，解析出所述意图知识图谱中的槽位；

生成意图知识图谱中间件，基于所述中间件确定所述意图知识图谱中的槽位对应的实体信息；

查询所述实体信息对应属性，返回属性信息至所述意图知识图谱中间件中；

根据所述属性信息，确定所述问答对话匹配的保单话术。

2.根据权利要求1所述的方法，其特征在于，在返回所述属性信息至所述意图知识图谱中间件中之前，所述方法还包括：

若查询失败，则返回查询失败信息至所述意图知识图谱中间件中；

所述意图知识图谱中间件获取补充问答对话，并将所述补充问答对话与所述问答对话进行合并，生成第二问答对话；

将所述第二问答对话进行词槽匹配，解析出所述第二问答对话对应的第二槽位；

确定与所述第二问答对话对应的第二槽位匹配的第二实体信息，查询所述第二实体信息对应属性，若查询成功则返回所述属性信息至所述意图知识图谱中间件中，以确定所述问答对话匹配的实体模板。

3.根据权利要求1所述的方法，其特征在于，所述确定所述意图知识图谱是否属于关系模板，包括：

将所述意图知识图谱拆解为HEAD实体、TAIL实体和P参数；

将所述HEAD实体、TAIL实体和P参数进行k-means聚类，并将所述k-means聚类后的结果进行意图识别，从而判断所述意图知识图谱是否属于关系模板。

4.根据权利要求1所述的方法，其特征在于，若所述词槽匹配结果中具备多个匹配样本，则所述方法还包括：

设置匹配样本表征矩阵，将所述匹配样本表征矩阵进行非线性变换：

对变换后的匹配样本表征矩阵进行模型加权和；

将所述加权和后的结果通过激活函数进行压缩，使得其非线性映射到（0，1）区间；

根据非线性映射结果确定最佳匹配样本。

5.根据权利要求4所述的方法，其特征在于，所述最佳匹配样本为所述意图知识图谱中的槽位。

6.一种智能机器人线上辅助销售系统，其特征在于，所述系统包括：

输入单元，用于获取多个用户的保单话术信息，将多个用户保单话术分批输入至智能机器人；

匹配单元，用于将所述多个用户保单话术信息与预存的用户画像模板进行匹配，并在匹配成功后，确定所述多个用户保单话术对应的用户画像，并建立所述多个用户的保单话术与用户画像的关联列表；

所述匹配单元，还用于接收到第一用户的问答对话，基于所述问答对话，进行保单话术的关系模板匹配，并在匹配成功后，输出所述第一用户的匹配的保单话术信息；

推荐单元，用于基于所述第一用户的保单话术信息，基于所述多个用户的保单话术与用户画像的关联列表，确定所述第一用户对应的用户画像，并基于所述用户画像进行保单推荐；

所述将所述多个用户保单话术信息与预存的用户画像模板进行匹配，包括：

将所述用户保单话术拆分为多个用户问题样本及拟推荐保单；

将其中一个所述用户问题样本进行关键词筛选，筛选出多个关键词；

将所述多个关键词在预存的用户画像模板中进行关键词匹配，获取匹配度最高的用户画像模板；

获取所述匹配度最高的用户画像模板与所述拟推荐保单的第一历史复购率，若所述第一历史复购率大于预设阈值，则确定所述匹配度最高的用户画像模板与所述其中一个用户问题样本存在对应关系；

若所述复购率小于预设阈值，则获取匹配度次高的用户画像模板，并获取所述匹配度次高的用户画像模板与所述拟推荐保单的第二历史复购率，若所述第二历史复购率大于预设阈值，则确定所述匹配度次高的用户画像模板与所述其中一个用户问题样本存在对应关系；

将所述多个关键词在预存的用户画像模板中进行关键词匹配，获取匹配度最高的用户画像模板，包括：

设置每一个用户画像模板的初始匹配度，其中所述用户画像模板中具备多个关键词；

依次遍历所述每一个用户画像模板中的关键词，获取所述每一个用户画像模板中的关键词与所述多个关键词相同的个数，将所述每一个用户画像模板的初始匹配度更新为对应的所述关键词相同的个数；

获取匹配度最高的用户画像模板；

所述基于所述问答对话，进行保单话术的关系模板匹配，包括：

将所述问答对话进行拆分并生成意图知识图谱；

确定所述意图知识图谱是否属于关系模板；

在确定所述意图知识图谱属于关系模板后，将所述意图知识图谱进行词槽匹配，解析出所述意图知识图谱中的槽位；

生成意图知识图谱中间件，基于所述中间件确定所述意图知识图谱中的槽位对应的实体信息；

查询所述实体信息对应属性，返回属性信息至所述意图知识图谱中间件中；

根据所述属性信息，确定所述问答对话匹配的保单话术。

7.一种计算机系统，其特征在于，包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述处理器运行所述存储器上的计算机可执行指令时实现权利要求1至5任一项所述的方法。

Images