CN115118689A - 一种特定领域智能客服营销机器人的搭建方法 - Google Patents
一种特定领域智能客服营销机器人的搭建方法 Download PDFInfo
- Publication number
- CN115118689A CN115118689A CN202210758604.7A CN202210758604A CN115118689A CN 115118689 A CN115118689 A CN 115118689A CN 202210758604 A CN202210758604 A CN 202210758604A CN 115118689 A CN115118689 A CN 115118689A
- Authority
- CN
- China
- Prior art keywords
- customer service
- call
- stage
- building
- clustering
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 238000002360 preparation method Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 8
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000007792 addition Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013506 data mapping Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 235000021110 pickles Nutrition 0.000 description 2
- 241000270666 Testudines Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- 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
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q1/00—Details of selecting apparatus or arrangements
- H04Q1/02—Constructional details
- H04Q1/028—Subscriber network interface devices
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种特定领域智能客服营销机器人的搭建方法,其解决了现有客服机器人应用落地难的技术问题;包括构建通话流程树,具体包括:对话聚类处理:采用层次聚类算法,将客户和客服的对话数据进行聚类处理,得到聚类结果;对话映射处理:将聚类结果映射到对话数据的每一句话,得到每一个对话映射后的序列;多个序列合并构成通话流程树。本申请广泛应用于客服机器人技术领域。
Description
技术领域
本申请涉及客服机器人技术领域,更具体地说,是涉及一种特定领域智能客服营销机器人的搭建方法。
背景技术
自互联网出现以来,网络世界中的信息量正在以指数级的速度增长,且伴随着机器学习,深度学习,AI的迅速发展,越来越多的学者开始进行问答机器人方面的研究,而其落地应用一直是一个难题。
Google开发的Google Now是一款智能个人助理软件,扩充了Google搜索手机应用程序的功能,可在Android和iOS上使用。这一类开放领域的问答机器人是接受客户以自然语言的形式输入提问(如:今天天气怎么样?),并从大量的文本数据中查找或推理回答该问题的答案(如:“今天天气多云”)的信息检索系统,一般情况下,该回答同样是自然语言形式的。类似的问答机器人还有百度的“小度”,微软的“小冰”等等。这一类问答机器人基于开放领域,类似于在百度百科里找答案一样。由此可见,问答机器人是一种特殊的搜索引擎。它能够提供客户真正有意义、精确的信息,下一代的搜索引擎的理想选择。
而客服机器人作为问答机器人中的一种特殊的领域,不同于问答机器人的地方在于,它是预先确定好对话主题的,由系统主导(而非客户)的,具有多轮对话机制的系统。它一定是基于某个特定领域的,在回答领域问题时,需要一定的对话流程控制功能。它的核心目的并不是回答客户的所有问题,而是营销某个产品,或是进行某项售后调查,解答客户关于该产品的问题。重重困难使客服机器人落地应用更加困难。
发明内容
为解决上述技术问题,本申请采用的技术方案是:提供一种特定领域智能客服营销机器人的搭建方法,包括构建通话流程树,具体包括:
对话聚类处理:采用层次聚类算法,将客户和客服的对话数据进行聚类处理,得到聚类结果;
对话映射处理:将聚类结果映射到对话数据的每一句话,得到每一个对话映射后的序列;多个序列合并构成通话流程树。
优选地,在对话聚类处理前,
将原始对话数据中统一角色相邻语句合并,得到合并序列;
再对合并序列进行降噪预处理,送入层次聚类模型。
优选地,还包括通话结构分析,将通话进行阶段划分:通话准备建立阶段、开场白阶段、通话主体阶段、结束语阶段及后续处理阶段。
优选地,对于通话准备建立阶段的处理:输入本次外呼通话所需客户信息。
优选地,对于开场白阶段的处理:根据客户信息填写到开场白模板中,客服以模板句式开始开场白的对话;根据客户反应,进入通话主体阶段或重复开场白阶段。
优选地,对于通话主体阶段、结束语阶段的处理:按照通话流程树问答。
优选地,按照通话流程树问答,具体指,
获取客户的对话输入,使用训练得到的聚类模型计算该输入所在类簇,根据类簇编号得到当前对话流程的下一个节点;该节点为一个或多个客服节点,代表一个或多个不同的用于应对客户的语句,择一进行对话。
优选地,在通话准备建立阶段,用户能够输入自定义的客服语句聚类的编号,来规定使用的节点类簇代表的语句回答。
优选地,还包括设置可动态配置业务问答的接口,接口是自动拓展业务问答接口,和/或已有通话流程树的增删改查接口。
本发明的有益效果,可以有效降低组件智能客服问答机器人的成本,并且系统占用资源量小,可以灵活的部署的云服务器上。同时提供可以动态拓展问答业务的接口,输入目标业务的数据即可自动构建通话流程树并持久化保存到本地,无需重新部署系统。本发明:
(1)结合实际业务场景,将通话分为通话准备建立阶段、开场白阶段、通话主体阶段、结束语阶段、后续处理阶段。在不同的阶段完成不同的功能需求;
(2)与传统问答系统的实现不同,本发明提出了通话流程树这一数据结构来存储一种业务所有可能的对话逻辑,利用该通话流程树进行通话流程控制及智能问答;
(3)提出了可动态配置业务问答的接口,实现了通话流程树的自动构建和自动部署,及已有业务的管理。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为客服满意度调查的外呼通话记录转成文本后的样例示意图;
图2为构建通话流程树的流程图;
图3为实施例满意度调查的通话数据映射示例图;
图4为实施例满意度调查的通话流程树数据结构;
图5为实施例满意度调查的构建的通话流程树;
图6为根据通话流程树进行通话的流程图;
图7为自动拓展接口的工作流程图。
具体实施方式
为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
需要说明的是,在本申请的描述中,“多种”的含义是两种或两种以上,除非另有明确具体的限定。
现对本申请实施例提供的特定领域智能客服营销机器人的搭建方法进行说明。
请参阅图1,为本申请一实施例提供的一种可适配多种工业防火墙的管理架构图。本申请提供的一种特定领域智能客服营销机器人的搭建方法,包括以下步骤:
A.通话结构分析,将一次通话从开始到结束细分为以下几个阶段:
1.通话准备建立阶段:输入本次外呼通话所需的数据;
2.开场白阶段:一般为问候、验证身份等;
3.通话主体阶段:本次外呼通话的主要内容;
4.结束语阶段:一般为告别、答谢等;
5.后续处理阶段:处理本次通话产生的问答信息。
请参阅图1,为客服满意度调查的外呼通话记录转成文本后的样例示意图,可以清晰的分辨出通话开场白至结束语的三个阶段。
B.对每个阶段分别进行处理:
对于通话准备建设阶段的处理:输入所需的客户信息。
对于开场白阶段的处理:根据客户信息填写到开场白模板中,客服以模板句式开始开场白的对话,即提出问候、验证身份等。
例如,在联通客服领域,验证了17000条通话转成的文本后,其开场白阶段的对话可以抽象为如下的对话模板:
客服:您好,联通客服代表,工号/number,你是/number号码的机主对吧?
客户:情况1:回答肯定。情况2:表示没听清。
实际上,在其他领域,开场白阶段的对话也可以总结出类似的上述话术模板。此时,对于客户的两种反应处理:(1)情况1回答肯定,客服可以进入通话主体阶段;(2)情况2没听清,客服只需重复开场白模板句式。
对于通话主体阶段、结束语阶段的处理:构建通话流程树,按照通话流程树来处理。
请参阅图2,为构建通话流程树的流程图。构建通话流程树的步骤包括:
对话聚类处理:采用层次聚类算法,将客户和客服的对话数据进行聚类处理,得到聚类结果;
对话映射处理:将聚类结果映射到对话数据的每一句话,得到每一个对话映射后的序列;多个序列合并构成通话流程树。
进一步地,在对话聚类处理前,需要先将原始对话数据中统一角色相邻语句合并,得到类似“客户:...客服:...客户:...客服:...”的序列;再对序列文本进行预处理,使用去除停用词、同义词替换等技术降低数据噪声;最后使用jieba进行分词,再送入层次聚类模型。
C.在通话流程树构建完成后,即可根据通话流程树进行问答。
通过pickle将构造好的通话流程树加载到内存中,在一种业务主题的通话中,根节点只有一个,此节点的聚类编号代表的内容为介绍本次通话目的,如满意度调查中“您好,我们这边想做一个十分钟的满意度回访,在您使用联通的过程中,有什么不满意的地方吗?”。获取客户的对话输入,之后使用前面训练得到的聚类模型计算该输入所在类簇,根据类簇编号得到当前对话流程的下一个节点,调用getNextValue方法跳转到下一节点。此时的节点为客户节点,客户节点后面可能有多个客服节点,分别代表着不同的客服回答。如图5所示,客户节点0后面的节点1和9。1和9本质是联通客服人员面对相同的情况,使用不同话术进行的应对,在问答系统中,1和9都能正确的应对客户的回答。如“好的,那我们就不打扰您了,再见。”和“好的,如果有什么问题请与我们电话联系,再见。”。
除此之外,请参阅图6,为根据通话流程树进行通话的流程图。该流程图展示了从通话准备建立阶段到后续处理阶段的5个阶段。其中,可以在通话准备建立阶段,由本系统的用户输入自定义的客服语句聚类的编号,来规定使用的节点类簇代表的语句回答。对于同一类簇中的语句采用计算文本相似度的方式来选取,文本相似度算法中需要的句向量可以由bert或w2c模型获得。其中的记录本次通话信息,进行后续处理,则为前文所述的后续处理阶段,将本次通话记录保存到文件中,可以在后续使用其他如营销成功预测等模型来处理通话记录,这里不再赘述。
另外,为了方便工业化生产及降低人工维护的成本,本搭建方法还包括:
设置可动态配置业务问答的接口,该接口可以是自动拓展业务问答接口,和/或已有通话流程树的增删改查接口。
其中的,自动拓展业务问答接口的工作流程图如图7所示,其与构建通话数据树原理相同,包括:采用层次聚类算法,将业务对话数据进行聚类处理,得到聚类结果;将聚类结果映射到业务对话数据的每一句话,得到每一个业务对话映射后的序列,从而得到通话流程树,保存通话流程数,构建业务和流程树的映射,在通话准备建立阶段将该业务对应的流程树编号输入到系统中。
具体实施例
本实施例针对满意度调查数据构建通话数据树。
请参阅图3,为实施例满意度调查的通话数据映射示例图。满意度调查对话数据经过聚类处理后,得到的类簇编号映射到原对话数据上,得到映射后的对话序列;(7,0,1,14……),这样的对话序列可以看作通话流程树中的一条路(从根节点到叶节点的路径)。使用它来构造多叉树(通话流程树),请参阅图4,为通话流程树数据结构。
之后,在满意度调查的数据集上构建的通话流程树,如图3-5所示,该树代表着当前业务所有可能的对话逻辑。
每一个业务都有对应的一棵通话流程树,在通话准备建立阶段将该业务对应的流程树编号输入到系统中,客服和客户的话在树中交替出现,即客服语句节点的父节点一定为客户节点。树的可视化使用类库Turtle,持久化保存使用pickle将构造的树实例序列化保存在文件中。
本发明提出的特定领域智能客服营销机器人的搭建方法,可以有效降低组件智能客服问答机器人的成本,并且系统占用资源量小,可以灵活的部署的云服务器上。同时提供可以动态拓展问答业务的接口,输入目标业务的数据即可自动构建通话流程树并持久化保存到本地,无需重新部署系统。本发明:
(1)结合实际业务场景,将通话分为通话准备建立阶段、开场白阶段、通话主体阶段、结束语阶段、后续处理阶段。在不同的阶段完成不同的功能需求;
(2)与传统问答系统的实现不同,本发明提出了通话流程树这一数据结构来存储一种业务所有可能的对话逻辑,利用该通话流程树进行通话流程控制及智能问答;
(3)提出了可动态配置业务问答的接口,实现了通话流程树的自动构建和自动部署,及已有业务的管理。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种特定领域智能客服营销机器人的搭建方法,其特征在于,包括构建通话流程树,具体包括:
对话聚类处理:采用层次聚类算法,将客户和客服的对话数据进行聚类处理,得到聚类结果;
对话映射处理:将聚类结果映射到对话数据的每一句话,得到每一个对话映射后的序列;多个序列合并构成通话流程树。
2.如权利要求1所述的特定领域智能客服营销机器人的搭建方法,其特征在于:在所述对话聚类处理前,
将原始对话数据中统一角色相邻语句合并,得到合并序列;
再对合并序列进行降噪预处理,送入层次聚类模型。
3.如权利要求2所述的特定领域智能客服营销机器人的搭建方法,其特征在于:还包括通话结构分析,将通话进行阶段划分:通话准备建立阶段、开场白阶段、通话主体阶段、结束语阶段及后续处理阶段。
4.如权利要求3所述的特定领域智能客服营销机器人的搭建方法,其特征在于:对于所述通话准备建立阶段的处理:输入本次外呼通话所需客户信息。
5.如权利要求3所述的特定领域智能客服营销机器人的搭建方法,其特征在于:对于所述开场白阶段的处理:根据客户信息填写到开场白模板中,客服以模板句式开始开场白的对话;根据客户反应,进入所述通话主体阶段或重复开场白阶段。
6.如权利要求3所述的特定领域智能客服营销机器人的搭建方法,其特征在于:对于所述通话主体阶段、结束语阶段的处理:按照所述通话流程树问答。
7.如权利要求6所述的特定领域智能客服营销机器人的搭建方法,其特征在于:按照所述通话流程树问答,具体指,
获取客户的对话输入,使用训练得到的聚类模型计算该输入所在类簇,根据类簇编号得到当前对话流程的下一个节点;该节点为一个或多个客服节点,代表一个或多个不同的用于应对客户的语句,择一进行对话。
8.如权利要求6所述的特定领域智能客服营销机器人的搭建方法,其特征在于:在所述通话准备建立阶段,用户能够输入自定义的客服语句聚类的编号,来规定使用的节点类簇代表的语句回答。
9.如权利要求1-8任一项所述的特定领域智能客服营销机器人的搭建方法,其特征在于:还包括设置可动态配置业务问答的接口,所述接口是自动拓展业务问答接口,和/或已有通话流程树的增删改查接口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210758604.7A CN115118689B (zh) | 2022-06-30 | 2022-06-30 | 一种特定领域智能客服营销机器人的搭建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210758604.7A CN115118689B (zh) | 2022-06-30 | 2022-06-30 | 一种特定领域智能客服营销机器人的搭建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115118689A true CN115118689A (zh) | 2022-09-27 |
CN115118689B CN115118689B (zh) | 2024-04-23 |
Family
ID=83329600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210758604.7A Active CN115118689B (zh) | 2022-06-30 | 2022-06-30 | 一种特定领域智能客服营销机器人的搭建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115118689B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102868695A (zh) * | 2012-09-18 | 2013-01-09 | 天格科技(杭州)有限公司 | 基于会话树的智能在线客服方法及系统 |
CN107861951A (zh) * | 2017-11-17 | 2018-03-30 | 康成投资(中国)有限公司 | 智能客服中的会话主题识别方法 |
CN108280095A (zh) * | 2017-01-06 | 2018-07-13 | 南通使爱智能科技有限公司 | 智能虚拟客服系统 |
US10044862B1 (en) * | 2017-04-28 | 2018-08-07 | International Business Machines Corporation | Dynamic topic guidance in the context of multi-round conversation |
US20190043483A1 (en) * | 2017-08-02 | 2019-02-07 | [24]7.ai, Inc. | Method and apparatus for training of conversational agents |
US20190182382A1 (en) * | 2017-12-13 | 2019-06-13 | Genesys Telecomminications Laboratories, Inc. | Systems and methods for chatbot generation |
CN110019149A (zh) * | 2019-01-30 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种客服知识库的建立方法、装置及设备 |
CN110569337A (zh) * | 2018-06-06 | 2019-12-13 | 国际商业机器公司 | 支持对话中意图的组合 |
US20210141862A1 (en) * | 2019-11-08 | 2021-05-13 | International Business Machines Corporation | Cognitive orchestration of multi-task dialogue system |
WO2021249528A1 (zh) * | 2020-06-12 | 2021-12-16 | 支付宝(杭州)信息技术有限公司 | 智能对话方法、装置和电子设备 |
CN114186036A (zh) * | 2021-11-19 | 2022-03-15 | 招联消费金融有限公司 | 对话处理方法、装置、计算机设备和存储介质 |
-
2022
- 2022-06-30 CN CN202210758604.7A patent/CN115118689B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102868695A (zh) * | 2012-09-18 | 2013-01-09 | 天格科技(杭州)有限公司 | 基于会话树的智能在线客服方法及系统 |
CN108280095A (zh) * | 2017-01-06 | 2018-07-13 | 南通使爱智能科技有限公司 | 智能虚拟客服系统 |
US10044862B1 (en) * | 2017-04-28 | 2018-08-07 | International Business Machines Corporation | Dynamic topic guidance in the context of multi-round conversation |
US20190043483A1 (en) * | 2017-08-02 | 2019-02-07 | [24]7.ai, Inc. | Method and apparatus for training of conversational agents |
CN107861951A (zh) * | 2017-11-17 | 2018-03-30 | 康成投资(中国)有限公司 | 智能客服中的会话主题识别方法 |
CN107967261A (zh) * | 2017-11-17 | 2018-04-27 | 康成投资(中国)有限公司 | 智能客服中交互式问句语义理解方法 |
US20190182382A1 (en) * | 2017-12-13 | 2019-06-13 | Genesys Telecomminications Laboratories, Inc. | Systems and methods for chatbot generation |
CN110569337A (zh) * | 2018-06-06 | 2019-12-13 | 国际商业机器公司 | 支持对话中意图的组合 |
CN110019149A (zh) * | 2019-01-30 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种客服知识库的建立方法、装置及设备 |
US20210141862A1 (en) * | 2019-11-08 | 2021-05-13 | International Business Machines Corporation | Cognitive orchestration of multi-task dialogue system |
WO2021249528A1 (zh) * | 2020-06-12 | 2021-12-16 | 支付宝(杭州)信息技术有限公司 | 智能对话方法、装置和电子设备 |
CN114186036A (zh) * | 2021-11-19 | 2022-03-15 | 招联消费金融有限公司 | 对话处理方法、装置、计算机设备和存储介质 |
Non-Patent Citations (4)
Title |
---|
FERNÁNDEZ-RODICIO E: "Modelling Multimodal Dialogues for Social Robots Using Communicative Acts", 《SENSORS》, 18 June 2020 (2020-06-18) * |
TULIKA SAHA: "Exploring Machine Learning and Deep Learning Frameworks for Task-Oriented Dialogue Act Classification", 《2019 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN)》, 30 September 2019 (2019-09-30) * |
YULIANG WEI: "An original model for multi-target learning of logical rules for knowledge graph reasoning", 《ARXIV COMPUTER SCIENCE ARTIFICIAL INTELLIGENCE》 * |
吕诗宁;张毅;胡若云;沈然;江俊军;欧智坚;: "融合神经网络与电力领域知识的智能客服对话系统研究", 浙江电力, no. 08 * |
Also Published As
Publication number | Publication date |
---|---|
CN115118689B (zh) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Dialogue learning with human-in-the-loop | |
US20190385051A1 (en) | Virtual agent with a dialogue management system and method of training a dialogue management system | |
CN108897896B (zh) | 基于强化学习的关键词抽取方法 | |
CN111221949A (zh) | 基于强化学习的智能回访方法、装置、设备及存储介质 | |
CN116049360A (zh) | 基于客户画像的智能语音对话场景话术干预方法及系统 | |
CN109325780A (zh) | 一种面向电子政务领域的智能客服系统的交互方法 | |
CN116541504B (zh) | 对话生成方法、装置、介质及计算设备 | |
CN114722839A (zh) | 人机协同对话交互系统及方法 | |
Windiatmoko et al. | Developing FB chatbot based on deep learning using RASA framework for university enquiries | |
CN114048301B (zh) | 一种基于满意度的用户模拟方法及系统 | |
Bos et al. | Survey of existing interactive systems | |
US20220164225A1 (en) | Self-play to improve task-oriented dialog systems and methods | |
KR102464121B1 (ko) | 응답과 질의 토큰의 관계에 기초하여 상기 질의에 대한 답변을 제공하는 방법 및 전자 장치 | |
CN111414732A (zh) | 文本风格转换方法、装置、电子设备及存储介质 | |
CN111309882B (zh) | 用于实现智能客服问答的方法和装置 | |
CN115118689A (zh) | 一种特定领域智能客服营销机器人的搭建方法 | |
CN115934904A (zh) | 文本处理方法以及装置 | |
Dagkoulis et al. | A Comparative Evaluation of Chatbot Development Platforms | |
CN114462376A (zh) | 基于rpa和ai的庭审笔录生成方法、装置、设备及介质 | |
CN114333813A (zh) | 可配置智能语音机器人的实现方法、装置和存储介质 | |
CN111309990A (zh) | 一种语句应答方法及装置 | |
Guvindan Raju et al. | Cognitive Virtual Admissions Counselor | |
Sankar et al. | Models towards a hybrid conversational agent for contact centres | |
CN115147131A (zh) | 对话行为分类模型的训练方法、对话日志处理方法及装置 | |
CN117910437A (zh) | 一种对话数据生成方法、系统、对话模拟器及存储介质 |
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 |