CN115168582A - 基于机器人的客服问题智能处理方法及系统 - Google Patents
基于机器人的客服问题智能处理方法及系统 Download PDFInfo
- Publication number
- CN115168582A CN115168582A CN202210833618.0A CN202210833618A CN115168582A CN 115168582 A CN115168582 A CN 115168582A CN 202210833618 A CN202210833618 A CN 202210833618A CN 115168582 A CN115168582 A CN 115168582A
- Authority
- CN
- China
- Prior art keywords
- stuck point
- user
- service
- cause
- log
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims description 7
- 238000003066 decision tree Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012163 sequencing technique Methods 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- 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
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
- G06F16/322—Trees
-
- 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
- G06F16/3346—Query execution using probabilistic model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q30/01—Customer relationship services
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Finance (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了基于机器人的客服问题智能处理方法及系统。具体包括以下方法：接收用户信息和问题文本内容；将问题内容通过正则表达式进行分词，并通过匹配数据库已配置的关键词配置表得到符合条件的多个问题关键词；将多个问题关键词输入问题决策树并通过AI算法进行分析；把用户的业务操作日志和行为日志按时间排序，按时间由近到远的顺序查询卡点问题；若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单。本申请解决了现有的客服问题处理存在增加了客诉问题处理时间以及花费大量的人力资源成本的问题。
Description
技术领域
本发明涉及客服问题处理技术领域，具体涉及一种基于机器人的客服问题智能处理方法及系统。
背景技术
随着业务的扩张，新功能的增加，总是避免不了客户反馈的问题。占用了客服与技术大量时间去沟通解决，带来大量沟通成本，正常问题反馈到技术人员，都是通过查询线上日志，分析业务数据，推出用户行为操作，最后给出问题结论。但是这样增加了客诉问题处理时间，花费大量的人力资源成本。
综上所述，现有的客服问题处理存在增加了客诉问题处理时间以及花费大量的人力资源成本的问题。
公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明实施例的目的在于提供一种基于机器人的客服问题智能处理方法及系统，用以解决现有的客服问题处理存在增加了客诉问题处理时间以及花费大量的人力资源成本的问题。
为实现上述目的，本发明实施例提供一种基于机器人的客服问题智能处理方法，方法包括以下步骤：
接收问题文本内容，将问题文本内容根据固定格式解析出用户信息标识、问题分类和问题内容；
将问题内容通过正则表达式进行分词，并通过匹配数据库已配置的关键词配置表得到符合条件的多个问题关键词；
将多个问题关键词输入问题决策树并通过AI算法进行分析；若分析出到对应的解决方案，则将解决方案返回至用户；若无法分析出对应的解决方案，则查询业务日志；
根据问题关键词、用户信息标识和时间区间查询业务日志中用户的业务操作日志和行为日志；
把用户的业务操作日志和行为日志按时间排序，按时间由近到远的顺序查询卡点问题；若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单。
进一步地，AI算法进行分析具体过程包括：
对收集到的问题内容特征的取值进行升序排序，两个问题内容特征取值之间的中点作为分裂点，将数据集分成两部分，计算每个分裂点的信息增益，计算最佳分裂点的信息增益率，用信息增益率衡量问题特征，用概率分枝代表出现的结果。
进一步地，卡点问题包括调用第三方接口失败，对应失败原因、网络超时、程序处理异常、用户非法操作、数据配置错误和历史异常数据。
进一步地，若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；同时将产生卡点问题的原因和对应的卡点问题收集到问题决策树并更新，若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单，同时将通过人工工单处理的卡点问题和对应产生卡点问题的原因收集到问题决策树并更新。
进一步地，生成人工工单后，将带有问题关键词和问题文本内容的人工工单发送至对应的处理人。
一种基于机器人的客服问题智能处理系统，所述系统包括：
解析模块，用于接收问题文本内容，将问题文本内容根据固定格式解析出用户信息标识、问题分类和问题内容；
配置模块，用于将问题内容通过正则表达式进行分词，并通过匹配数据库已配置的关键词配置表得到符合条件的多个问题关键词；
第一处理模块，用于将多个问题关键词输入问题决策树并通过AI算法进行分析；若分析出到对应的解决方案，则将解决方案返回至用户；若无法分析出对应的解决方案，则查询业务日志；
第二处理模块，用于根据问题关键词、用户信息标识和时间区间查询业务日志中用户的业务操作日志和行为日志；
第三处理模块，用于把用户的业务操作日志和行为日志按时间排序，按时间由近到远的顺序查询卡点问题；若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单。
进一步地，AI算法进行分析具体过程包括：
对收集到的问题内容特征的取值进行升序排序，两个问题内容特征取值之间的中点作为分裂点，将数据集分成两部分，计算每个分裂点的信息增益，计算最佳分裂点的信息增益率，用信息增益率衡量问题特征，用概率分枝代表出现的结果。
进一步地，卡点问题包括调用第三方接口失败，对应失败原因、网络超时、程序处理异常、用户非法操作、数据配置错误和历史异常数据。
进一步地，若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；同时将产生卡点问题的原因和对应的卡点问题收集到问题决策树并更新，若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单，同时将通过人工工单处理的卡点问题和对应产生卡点问题的原因收集到问题决策树并更新。
进一步地，生成人工工单后，将带有问题关键词和问题文本内容的人工工单发送至对应的处理人。
本发明实施例具有如下优点：
1.本发明通过接收问题文本内容，将问题文本内容根据固定格式解析出用户信息标识、问题分类和问题内容；将问题内容通过正则表达式进行分词，并通过匹配数据库已配置的关键词配置表得到符合条件的多个问题关键词；将多个问题关键词输入问题决策树并通过AI算法进行分析；若分析出到对应的解决方案，则将解决方案返回至用户；若无法分析出对应的解决方案，则查询业务日志；根据问题关键词、用户信息标识和时间区间查询业务日志中用户的业务操作日志和行为日志；把用户的业务操作日志和行为日志按时间排序，按时间由近到远的顺序查询卡点问题；若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单。解决了现有的客服问题处理存在增加了客诉问题处理时间以及花费大量的人力资源成本的问题解决了现有的广告投放策略存在素材投放比例需要人工介入并且调整不及时会造成的转化率不高，影响广告收益的问题。
2.本申请实现了线上系统常见的客服问题的自动回答能力，提高了客服问题的处理速度。可实现文本根据设定规则自动识别并完成自动分析归类反馈，极大地提高了客服问题的处理速度和正确率，节约人力资源成本。
3.本申请通过全业务链路数据获取，加AI智能算法，自动分析和发现业务异常，提升运营智能化能力，以及运营过程中的客服问题的智能处理。
附图说明
图1为本发明实施例提供的基于机器人的客服问题智能处理方法的方法流程图；
图2为本发明实施例提供的基于机器人的客服问题智能处理系统的系统的框架图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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，都属于本公开保护的范围。
本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本公开的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。
应当理解，在本公开中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本公开中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本公开中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本公开的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例1
结合图1说明本实施方式，本实施方式的一种基于机器人的客服问题智能处理方法，方法包括以下步骤：
S1：接收问题文本内容，将问题文本内容根据固定格式解析出用户信息标识、问题分类和问题内容；
S2：将问题内容通过正则表达式进行分词，并通过匹配数据库已配置的关键词配置表得到符合条件的多个问题关键词；
S3：将多个问题关键词输入问题决策树并通过AI算法进行分析；若分析出到对应的解决方案，则将解决方案返回至用户；若无法分析出对应的解决方案，则查询业务日志；
S4：根据问题关键词、用户信息标识和时间区间查询业务日志中用户的业务操作日志和行为日志；
S5：把用户的业务操作日志和行为日志按时间排序，按时间由近到远的顺序查询卡点问题；若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单。
本实施方式中通过接收问题文本内容，将问题文本内容根据固定格式解析出用户信息标识、问题分类和问题内容；将问题内容通过正则表达式进行分词，并通过匹配数据库已配置的关键词配置表得到符合条件的多个问题关键词；将多个问题关键词输入问题决策树并通过AI算法进行分析；若分析出到对应的解决方案，则将解决方案返回至用户；若无法分析出对应的解决方案，则查询业务日志；根据问题关键词、用户信息标识和时间区间查询业务日志中用户的业务操作日志和行为日志；把用户的业务操作日志和行为日志按时间排序，按时间由近到远的顺序查询卡点问题；若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单。解决了现有的客服问题处理存在增加了客诉问题处理时间以及花费大量的人力资源成本的问题解决了现有的广告投放策略存在素材投放比例需要人工介入并且调整不及时会造成的转化率不高，影响广告收益的问题。
优选实施例中，本实施方式AI算法进行分析具体过程包括：
对收集到的问题内容特征的取值进行升序排序，两个问题内容特征取值之间的中点作为分裂点，将数据集分成两部分，计算每个分裂点的信息增益，计算最佳分裂点的信息增益率，用信息增益率衡量问题特征，用概率分枝代表出现的结果。
优选实施例中，本实施方式卡点问题包括调用第三方接口失败，对应失败原因、网络超时、程序处理异常、用户非法操作、数据配置错误和历史异常数据。
优选实施例中，本实施方式若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；同时将产生卡点问题的原因和对应的卡点问题收集到问题决策树并更新，若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单，同时将通过人工工单处理的卡点问题和对应产生卡点问题的原因收集到问题决策树并更新。
优选实施例中，本实施方式生成人工工单后，将带有问题关键词和问题文本内容的人工工单发送至对应的处理人。
实施例2
结合图2说明本实施方式，本实施方式的一种基于机器人的客服问题智能处理系统，所述系统包括：
解析模块10，用于接收问题文本内容，将问题文本内容根据固定格式解析出用户信息标识、问题分类和问题内容；
配置模块20，用于将问题内容通过正则表达式进行分词，并通过匹配数据库已配置的关键词配置表得到符合条件的多个问题关键词；
第一处理模块30，用于将多个问题关键词输入问题决策树并通过AI算法进行分析；若分析出到对应的解决方案，则将解决方案返回至用户；若无法分析出对应的解决方案，则查询业务日志；
第二处理模块40，用于根据问题关键词、用户信息标识和时间区间查询业务日志中用户的业务操作日志和行为日志；
第三处理模块50，用于把用户的业务操作日志和行为日志按时间排序，按时间由近到远的顺序查询卡点问题；若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单。
本实施方式中通过接收问题文本内容，将问题文本内容根据固定格式解析出用户信息标识、问题分类和问题内容；将问题内容通过正则表达式进行分词，并通过匹配数据库已配置的关键词配置表得到符合条件的多个问题关键词；将多个问题关键词输入问题决策树并通过AI算法进行分析；若分析出到对应的解决方案，则将解决方案返回至用户；若无法分析出对应的解决方案，则查询业务日志；根据问题关键词、用户信息标识和时间区间查询业务日志中用户的业务操作日志和行为日志；把用户的业务操作日志和行为日志按时间排序，按时间由近到远的顺序查询卡点问题；若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单。解决了现有的客服问题处理存在增加了客诉问题处理时间以及花费大量的人力资源成本的问题解决了现有的广告投放策略存在素材投放比例需要人工介入并且调整不及时会造成的转化率不高，影响广告收益的问题。
优选实施例中，本实施方式AI算法进行分析具体过程包括：
对收集到的问题内容特征的取值进行升序排序，两个问题内容特征取值之间的中点作为分裂点，将数据集分成两部分，计算每个分裂点的信息增益，计算最佳分裂点的信息增益率，用信息增益率衡量问题特征，用概率分枝代表出现的结果。
优选实施例中，本实施方式卡点问题包括调用第三方接口失败，对应失败原因、网络超时、程序处理异常、用户非法操作、数据配置错误和历史异常数据。
优选实施例中，本实施方式若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；同时将产生卡点问题的原因和对应的卡点问题收集到问题决策树并更新，若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单，同时将通过人工工单处理的卡点问题和对应产生卡点问题的原因收集到问题决策树并更新。
优选实施例中，本实施方式生成人工工单后，将带有问题关键词和问题文本内容的人工工单发送至对应的处理人。
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
注意，除非另有直接说明，否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此，除非另有明确说明，否则所公开的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下，进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头，该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。
最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，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，或者对其中部分或者全部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公开各实施例技术方案的范围。
Claims (10)
1.一种基于机器人的客服问题智能处理方法，其特征在于，方法包括以下步骤：
接收问题文本内容，将问题文本内容根据固定格式解析出用户信息标识、问题分类和问题内容；
将问题内容通过正则表达式进行分词，并通过匹配数据库已配置的关键词配置表得到符合条件的多个问题关键词；
将多个问题关键词输入问题决策树并通过AI算法进行分析；若分析出到对应的解决方案，则将解决方案返回至用户；若无法分析出对应的解决方案，则查询业务日志；
根据问题关键词、用户信息标识和时间区间查询业务日志中用户的业务操作日志和行为日志；
把用户的业务操作日志和行为日志按时间排序，按时间由近到远的顺序查询卡点问题；若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单。
2.如权利要求1所述的基于机器人的客服问题智能处理方法，其特征在于，AI算法进行分析具体过程包括：
对收集到的问题内容特征的取值进行升序排序，两个问题内容特征取值之间的中点作为分裂点，将数据集分成两部分，计算每个分裂点的信息增益，计算最佳分裂点的信息增益率，用信息增益率衡量问题特征，用概率分枝代表出现的结果。
3.如权利要求1所述的基于机器人的客服问题智能处理方法，其特征在于，卡点问题包括调用第三方接口失败，对应失败原因、网络超时、程序处理异常、用户非法操作、数据配置错误和历史异常数据。
4.如权利要求1所述的基于机器人的客服问题智能处理方法，其特征在于，若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；同时将产生卡点问题的原因和对应的卡点问题收集到问题决策树并更新，若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单，同时将通过人工工单处理的卡点问题和对应产生卡点问题的原因收集到问题决策树并更新。
5.如权利要求1所述的基于机器人的客服问题智能处理方法，其特征在于，生成人工工单后，将带有问题关键词和问题文本内容的人工工单发送至对应的处理人。
6.一种基于机器人的客服问题智能处理系统，其特征在于，所述系统包括：
解析模块，用于接收问题文本内容，将问题文本内容根据固定格式解析出用户信息标识、问题分类和问题内容；
配置模块，用于将问题内容通过正则表达式进行分词，并通过匹配数据库已配置的关键词配置表得到符合条件的多个问题关键词；
第一处理模块，用于将多个问题关键词输入问题决策树并通过AI算法进行分析；若分析出到对应的解决方案，则将解决方案返回至用户；若无法分析出对应的解决方案，则查询业务日志；
第二处理模块，用于根据问题关键词、用户信息标识和时间区间查询业务日志中用户的业务操作日志和行为日志；
第三处理模块，用于把用户的业务操作日志和行为日志按时间排序，按时间由近到远的顺序查询卡点问题；若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单。
7.如权利要求6所述的基于机器人的客服问题智能处理系统，其特征在于，AI算法进行分析具体过程包括：
对收集到的问题内容特征的取值进行升序排序，两个问题内容特征取值之间的中点作为分裂点，将数据集分成两部分，计算每个分裂点的信息增益，计算最佳分裂点的信息增益率，用信息增益率衡量问题特征，用概率分枝代表出现的结果。
8.如权利要求6所述的基于机器人的客服问题智能处理系统，其特征在于，卡点问题包括调用第三方接口失败，对应失败原因、网络超时、程序处理异常、用户非法操作、数据配置错误和历史异常数据。
9.如权利要求6所述的基于机器人的客服问题智能处理系统，其特征在于，若在业务日志中查询到产生卡点问题的原因，则将产生卡点问题的原因返回至用户；同时将产生卡点问题的原因和对应的卡点问题收集到问题决策树并更新，若在业务日志中无法查询到产生卡点问题的原因，则生成人工工单，同时将通过人工工单处理的卡点问题和对应产生卡点问题的原因收集到问题决策树并更新。
10.如权利要求6所述的基于机器人的客服问题智能处理系统，其特征在于，生成人工工单后，将带有问题关键词和问题文本内容的人工工单发送至对应的处理人。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210833618.0A CN115168582A (zh) | 2022-07-14 | 2022-07-14 | 基于机器人的客服问题智能处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210833618.0A CN115168582A (zh) | 2022-07-14 | 2022-07-14 | 基于机器人的客服问题智能处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115168582A true CN115168582A (zh) | 2022-10-11 |
Family
ID=83495061
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210833618.0A Pending CN115168582A (zh) | 2022-07-14 | 2022-07-14 | 基于机器人的客服问题智能处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115168582A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116993133A (zh) * | 2023-09-27 | 2023-11-03 | 尚云(广州)信息科技有限公司 | 一种基于人脸识别的智能工单系统 |
-
2022
- 2022-07-14 CN CN202210833618.0A patent/CN115168582A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116993133A (zh) * | 2023-09-27 | 2023-11-03 | 尚云(广州)信息科技有限公司 | 一种基于人脸识别的智能工单系统 |
| CN116993133B (zh) * | 2023-09-27 | 2024-01-26 | 尚云(广州)信息科技有限公司 | 一种基于人脸识别的智能工单系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3588279A1 (en) | Automated extraction of rules embedded in software application code using machine learning | |
| CN112163081A (zh) | 标签确定方法、装置、介质及电子设备 | |
| CN113657113A (zh) | 文本处理方法、装置和电子设备 | |
| CN111178701B (zh) | 一种基于特征衍生技术的风险控制方法方法、装置和电子设备 | |
| CN113220907A (zh) | 业务知识图谱的构建方法及装置、介质、电子设备 | |
| CN112016327A (zh) | 基于多轮对话的智能结构化文本抽取方法、装置和电子设备 | |
| CN115168582A (zh) | 基于机器人的客服问题智能处理方法及系统 | |
| CN115346686A (zh) | 关系图谱生成方法及装置、存储介质及电子设备 | |
| US11568344B2 (en) | Systems and methods for automated pattern detection in service tickets | |
| CN115099239A (zh) | 一种资源识别方法、装置、设备以及存储介质 | |
| US20220058707A1 (en) | Product recommendation based on machine learning | |
| CN113204695A (zh) | 网站识别方法和装置 | |
| CN115203277B (zh) | 数据决策方法及装置 | |
| CN115221892B (zh) | 工单数据处理方法及装置、存储介质及电子设备 | |
| CN113360672B (zh) | 用于生成知识图谱的方法、装置、设备、介质和产品 | |
| US9996799B2 (en) | Migrating a legacy system by inferring context-sensitive business rules from legacy source code | |
| US20190213554A1 (en) | User support system with automatic message categorization | |
| CN115422275A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
| CN113282733A (zh) | 客服问题匹配方法、系统、设备及存储介质 | |
| CN111813765A (zh) | 一种异常数据处理的方法、装置、电子设备、计算机可读介质 | |
| CN112559697A (zh) | 识别话术意图的方法和装置 | |
| CN110895564A (zh) | 一种潜在客户数据处理方法和装置 | |
| CN113157911A (zh) | 一种服务验证方法和装置 | |
| CN111353087A (zh) | 热词统计方法及装置、存储介质、电子终端 | |
| US20240169361A1 (en) | Systems and methods for capturing sentiments and delivering elevated proactive user experience |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Jiang Zhongxing Inventor after: Qin Xiaobo Inventor after: Peng Feng Inventor after: Jin Yanhui Inventor after: Wang Meng Inventor before: Jia Huapeng Inventor before: Yuan Feng Inventor before: Dai Suli Inventor before: Li Xiaoxuan Inventor before: Chen Lingyu |