CN115481231A - 会话控制方法、装置、计算机设备和存储介质 - Google Patents

会话控制方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN115481231A
CN115481231A CN202211189800.3A CN202211189800A CN115481231A CN 115481231 A CN115481231 A CN 115481231A CN 202211189800 A CN202211189800 A CN 202211189800A CN 115481231 A CN115481231 A CN 115481231A
Authority
CN
China
Prior art keywords
question
answer
conversation
session
customer service
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211189800.3A
Other languages
English (en)
Inventor
李晓漫
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.)
China Construction Bank Corp
CCB Finetech Co Ltd
Original Assignee
China Construction Bank Corp
CCB Finetech Co Ltd
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 China Construction Bank Corp, CCB Finetech Co Ltd filed Critical China Construction Bank Corp
Priority to CN202211189800.3A priority Critical patent/CN115481231A/zh
Publication of CN115481231A publication Critical patent/CN115481231A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • 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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种会话控制方法、装置、计算机设备、存储介质和计算机程序产品，涉及人工智能数据挖掘技术领域。该方法包括：通过会话界面获取用户的会话问题；在基于业务数据预先构建的知识图谱中查询会话问题的答案；根据会话问题的类型确定润色处理方式；根据润色处理方式对会话问题的答案进行润色处理，得到会话问题的回答；将会话问题的回答反馈至用户；若未查询会话问题的回答，则将匹配的人工客服接入会话。该方法让智能问答更加智能和灵活，提高检索的成功率，进一步地，根据会话问题的类型确定润色处理方式，对查询到的答案进行润色处理，提高智能问答对客户的接受度。

Description

会话控制方法、装置、计算机设备和存储介质
技术领域
本申请涉及人工智能数据挖掘技术领域，特别是涉及一种会话控制方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着人工智能技术的发展，智能问答技术被应用在客服平台，大大地缓解了客服压力。
目前常见的问答系统包括检索式问答。检索式问题的实现方式通常有两种：一是相似问题匹配，即计算用户问题与现有知识库中的问题的相似度，返回用户问题对应的最精准的答案；二是问题答案匹配，即计算用户问题与知识库中答案的匹配度，返回用户问题对应的最精准的答案，该思路是选择答案，即QA匹配。在这两种思路中都需要用到文本匹配计算。
然而，对于特定的一些业务场景，用户提出的问题往往更加个性化，若采用检索式问答的方式，容易造成检索出结果的成功率低，不符合用户需求。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高问答成功率的会话控制方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种会话控制方法。所述方法包括：
通过会话界面获取用户的会话问题；
在基于业务数据预先构建的知识图谱中查询所述会话问题的答案；
根据所述会话问题的类型确定润色处理方式；
根据所述润色处理方式对所述会话问题的答案进行润色处理，得到所述会话问题的回答；
将所述会话问题的回答反馈至所述用户；
若未查询所述会话问题的回答，则将匹配的人工客服接入所述会话。
在其中一个实施例中，所述根据所述会话问题的类型确定润色处理方式，包括：
若所述会话问题的类型为专业型，则获取所述会话问题的意图；
确定所述意图对应的预设专业问题的润色语句；
对应的，所述根据所述润色处理方式对所述会话问题的答案进行润色处理，得到所述会话问题的回答，包括：将所述润色语句添加至所述会话问题的答案的预设位置，得到所述会话问题的回答。
在其中一个实施例中，所述根据所述会话问题的类型确定润色处理方式，包括：
若所述会话问题的类型为普通型，则获取会话特征，所述会话特征包括会话时间特征和会话地域特征中的至少一种；
获取与所述会话特征匹配的目标语言风格模型；所述语言风格模型用于对语言进行润色处理；
对应的，所述根据所述润色处理方式对所述会话问题的答案进行润色处理，得到所述会话问题的回答，包括：将所述会话问题的答案输入目标语言风格模型，由所述目标语言风格模型对所述会话问题的答案进行润色处理，得到符合所述目标语言风格的所述会话问题的回答。
在其中一个实施例中，所述将匹配的人工客服接入所述会话，包括：
基于用户与专属人工客服的映射关系，获取所述用户的专属人工客户；
调用内部通讯应用，将所述会话问题通过所述内部通讯应用以消息的形式发送至所述专属人工客服；
当获取到所述专属人工客户返回的所述会话问题的答案时，将所述会话问题的答案返回至所述用户。
在其中一个实施例中，所述方法还包括：
当接收到人工客服对所述会话问题的回答时，若触发人工客服的原因为未匹配到问题模板，则反馈所述会话问题至管理员，由管理员新增所述会话问题的问题模板。
在其中一个实施例中，所述方法还包括：
当接收到人工客服对所述会话问题的回答时，若触发人工客服的原因未在所述知识图谱中查询到所述会话问题的回答，则对所述会话问题的回答进行实体提取，以及对所述会话问题进行特征提取，获取所述回答的特征；
根据所述回答的特征提取所述回答中所述实体的属性；
将所述实体和所述实体的属性更新至所述知识图谱中。
在其中一个实施例中，在所述在基于业务数据预先构建的知识图谱中查询所述会话问题的答案，包括：
对所述会话问题进行处理，提取所述会话问题中的实体，以及实体间的关系；
根据所述实体以及实体间的关系，匹配问题模板；
若匹配到对应的问题模板，则根据所述实体和所述实体间的关系生成知识图谱的检索语句；
根据所述检索语句在基于业务数据预先构建的知识图谱中进行查询，得到所述会话问题的答案。
第二方面，本申请还提供了一种会话控制装置。所述装置包括：
会话获取模块，用于通过会话界面获取用户的会话问题；
查找模块，用于在基于业务数据预先构建的知识图谱中查询所述会话问题的答案；
润色方式确定模块，用于根据所述会话问题的类型确定润色处理方式；
润色模块，用于根据所述润色处理方式对所述会话问题的答案进行润色处理，得到所述会话问题的回答；
反馈模块，用于将所述会话问题的回答反馈至所述用户；
接入模块，用于未查询所述会话问题的回答，则将匹配的人工客服接入所述会话。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
通过会话界面获取用户的会话问题；
在基于业务数据预先构建的知识图谱中查询所述会话问题的答案；
根据所述会话问题的类型确定润色处理方式；
根据所述润色处理方式对所述会话问题的答案进行润色处理，得到所述会话问题的回答；
将所述会话问题的回答反馈至所述用户；
若未查询所述会话问题的回答，则将匹配的人工客服接入所述会话。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
通过会话界面获取用户的会话问题；
在基于业务数据预先构建的知识图谱中查询所述会话问题的答案；
根据所述会话问题的类型确定润色处理方式；
根据所述润色处理方式对所述会话问题的答案进行润色处理，得到所述会话问题的回答；
将所述会话问题的回答反馈至所述用户；
若未查询所述会话问题的回答，则将匹配的人工客服接入所述会话。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
通过会话界面获取用户的会话问题；
在基于业务数据预先构建的知识图谱中查询所述会话问题的答案；
根据所述会话问题的类型确定润色处理方式；
根据所述润色处理方式对所述会话问题的答案进行润色处理，得到所述会话问题的回答；
将所述会话问题的回答反馈至所述用户；
若未查询所述会话问题的回答，则将匹配的人工客服接入所述会话。
上述会话控制方法、装置、计算机设备、存储介质和计算机程序产品，当通过会话界面获取用户的会话问题时，先在知识图谱中查询会话问题的回答，并在查询会会话问题的会答后，进行润色处理，使智能问答反馈的答案得到修饰而符合人工表达的特点，在知识图谱中检索到回答时，将匹配人工客服接入，能够自动触发人工客服，不需要用户主动去学习如何触发人工客服，降低了用户的学习成本。该方法基于知识图谱的方式提供智能问答服务，可以让智能问答更加智能和灵活，提高检索的成功率，符合用户需求，进一步地，根据会话问题的类型确定润色处理方式，对查询到的答案进行润色处理，提高智能问答对客户的接受度。
附图说明
图1为一个实施例中会话控制方法的应用环境图；
图2为一个实施例中会话控制方法的流程示意图；
图3为一个实施例中匹配问题模块的示意图；
图4为另一个实施例中对所述查询结果进行润色处理得到所述会话问题的回答的步骤的流程示意图；
图5为一个实施例中将匹配的人工客服接入所述会话的步骤的流程示意图；
图6为另一个实施例中会话控制方法的流程示意图；
图7为一个实施例中会话控制系统的架构示意图；
图8为一个实施例中会话控制装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，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，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本申请实施例提供的会话控制方法，可以应用于如图1所示的应用环境中。其中，用户终端102和客服终端104通过网络与服务器106进行通信。数据存储系统可以存储服务器106需要处理的数据。数据存储系统可以集成在服务器106上，也可以放在云上或其他网络服务器上。
其中，服务器通过会话界面获取用户的会话问题；在基于业务数据预先构建的知识图谱中查询会话问题的答案；根据会话问题的类型确定润色处理方式；根据润色处理方式对会话问题的答案进行润色处理，得到会话问题的回答；将会话问题的回答反馈至用户；若未查询会话问题的回答，则将匹配的人工客服接入会话。
其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种会话控制方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤202，通过会话界面获取用户的会话问题。
具体地，用户可以基于应用程序的会话界面，输入会话问题。以金融应用平台为例，金融应用平台为便于接入客服，为用户提供专业咨询服务，可以提供会话界面。当用户打开会话界面时，可以在输入框中输入会话问题。
步骤204，在基于业务数据预先构建的知识图谱中查询会话问题的答案。
具体地，通过搜集现有的智能语料库，以及应用业务场景中常见的业务问答对，构建该业务场景的知识图谱。
知识图谱指在建模、识别、发现和推断事物、概念之间的复杂关系，是事务关系的可计算模型，已被广泛应用于搜索引擎、智能问答、语言理解、视觉场景理解和决策分析等领域。知识图谱以实体为结点，以实体间的指向性关系为边。可以理解的是，不同业务场景的知识图谱，是该业务场景中的专有实体名词为结点。以金融业务场景为例，可以为金融业务场景的专有名词为知识图谱中的结点。
其中，每个实体具有实体属性，实体属性可以包括实体名(name)、实体概念(conception)、实体功能(function)以及实体的其他说明(other_instructions)。实体间的关系有：包含关系、同义关系、属于关系、拥有关系、依赖与被依赖关系等。实体之间的指向性关系结构为：“关系-实体1-实体2”，从实体1指向实体2。
其中，将自然语言问题映射到接过话查询的过程包含两个子过程：实体链接和属性理解。实体链接指的是识别问题所问及的实体并将其链接到知识图谱的相应实体上。属性理解是识别问题对应的知识图谱子结构的过程。根据查询语句在知识图谱中进行上述两个过程，得到会话问题的答案。
具体地，通过搜集现有的智能语料库，以及应用业务场景中常见的业务问答对，构建该业务场景的知识图谱。
以问题模板“中低风险型基金有什么特点”为例，通过在知识图谱中查找实体“中低风险型基金”的“特点”属性，即可得到查找结果。
步骤206，根据会话问题的类型确定润色处理方式。
为了使查找结果具有可读性，易理解性，弱化机械化回答的感受，可以对查找结果进行润色处理，提高用户体验。
润色是指对查询结果进行修饰，使对会话问题的回答更加符合人工表达的特点，从而提高用户体验。具体地，润色处理可以是增加一些能够拉近距离的表述、口语化的表述，或是基于用户的特点，修改表述方式等等。通过对查询结果进行润色处理，可以得到会话问题的回答。
而出于不同的目的，润色处理的方式是不同的，比如，润色处理可以达到让回答更贴近人工对话的效果，润色处理还可以达到使回答的用词优美，提高可读性的效果。
基于此，可以根据会话问题的类型确定不同的润色处理方式。
会话问题的类型从划分维度来说，可以从专业领域类型进行划分，如理财、保险、定期存款等等。还可以从内容上进行划分，划分为专业问题、投诉、闲聊等。
为了更好的拉近与客户之间的距离，减少机器回答的机械感，可以设置不同会话问题的类型对应的润色处理方式。
步骤208，根据润色处理方式对会话问题的答案进行润色处理，得到会话问题的回答。
根据确定的润色处理方式对会话问题的答案进行润色处理，得到会话问题的回答。
例如一个会话问题“可支配收入为每月5000元，适合什么理财产品”，查询返回的可能是“中低风险型基金”，润色处理后将返回“经分析，您可以考虑购入中低风险型基金哦”这样更人性化的答句，减少客户被人工客服答复的不适感。
又例如，对于会话问题“月入5000元，如何进行理财”，查询返回的可能是“中低风险型基金”，润色处理后返回“根据您的月收入，向您推荐中低风险型基金”，这样更人性化的答句，减少客户被人工客服答复的不适感。
本实施例中能够根据会话问题的类型确定润色处理方式，提高智能问答对客户的接受度。步骤210，将会话问题的回答反馈至用户。
若在知识图谱中查找到会话问题的回答，则将会话问题的回答反馈至用户。
步骤212，若未查询会话问题的回答，则将匹配的人工客服接入会话。
具体地，若未查询到会话问题的回答，则对人工客服发送提醒，接入会话。
现有的智能问答中，若需要接入人工客服，通常需要人工触发，如输入指令“人工客服”，或在点击人工客户快捷按键。这种方式通常需要用户对操作界面较为熟悉，这种熟悉需要较高的学习成本，给用户带来不便。
本实施例中，在智能问题为前提，在智能问答不能解决用户的问题时，自动触发人工客服，无需人工触发。这种方式不需要用户主动去学习如何触发人工客服，降低了客户的学习成本。
在人工客服接入后，由人工客服回复该会话问题。
上述的会话控制方法，当通过会话界面获取用户的会话问题时，先在知识图谱中查询会话问题的回答，并在查询会会话问题的会答后，进行润色处理，使智能问答反馈的答案得到修饰而符合人工表达的特点，在知识图谱中检索到回答时，将匹配人工客服接入，能够自动触发人工客服，不需要用户主动去学习如何触发人工客服，降低了用户的学习成本。该方法基于知识图谱的方式提供智能问答服务，可以让智能问答更加智能和灵活，提高检索的成功率，符合用户需求，进一步地，根据会话问题的类型确定润色处理方式，对查询到的答案进行润色处理，提高智能问答对客户的接受度。
在另一个实施例中，在所述在基于业务数据预先构建的知识图谱中查询所述会话问题的答案，包括：对所述会话问题进行处理，提取所述会话问题中的实体，以及实体间的关系；根据所述实体以及实体间的关系，匹配问题模板；若匹配到对应的问题模板，则根据所述实体和所述实体间的关系生成知识图谱的检索语句；根据所述检索语句在基于业务数据预先构建的知识图谱中进行查询，得到所述会话问题的答案。
实体，即命名实体，是人名、机构名、地名以及其他所有以名称为标识的实体。更广泛的实体还包括数字、日期、货币、地址等等。其中，可以对会话问题进行实体提取处理，提取会话问题中的实体。例如，利用实体提取模型，提取会话问题中的实体。以会话问题为“可支配收入为每月5000元，适合什么理财产品”为例，利用实体提取模型，提取的实体包括“可支配收入”和“理财产品”。
实体之间可以相互关联，这种关联关系即为实体关系。实体间的关系有：包含关系、同义关系、属于关系、拥有关系、依赖与被依赖关系等。其中，实体之间的关系可以通过会话问题中的动词来确定。一种方式中，可以预先对每种动词进行枚举，建立动词与实体关系的映射关系。例如，“适合”可以表示依赖关系，“有”可以表示属于关系。
其中，问题模板可以理解为预设的标准问题。对于同一个问题，有不同的表述方式。为了提高查找效率，可以设置问题模板。通过实体和实体间的关系，将该问题匹配到问题模板。
例如，对于想了解“中低风险型基金”的用户来说，有些人的表达方式可以为“中低风险型基金的特点是什么”，有些人的表达方式可以为“我想了解中低风险型基金的特点”。为了提高用户提问的灵活度，可以预先设置问题模板“中低风险型基金有什么特点”，以及该问题的标准答案。当用户以这两种方式提出问题时，都可以匹配到问题模板“中低风险型基金有什么特点”。
具体地，问题模板是预设的，预设问题模板包括以下步骤：构造问题数据集，提取问题特征，构造朴素贝叶斯分类器实现问题的分类预测，问题分类后再对于不同分类给出对应的查询模板。如图3所示。
其中，对于构造问题数据集，根据已有语料库以及实际业务需求，获取多个问题，其中，问题的查询类型和查询意图均由人工标注。
其中，对于提取问题特征，可以使用TF-IDF提取问题特征，一种实施方式中可以使用jieba分词处理数据，在自定义词典中将数据库实体设置为nm类型、实体关系设置为re类型。分词后使用TF-IDF算法计算出每一类别中最重要的词。首先读取问题模板和对应的标签，用TfidfVectorizer特征抽取函数将其转化为特征矩阵的x和y，然后传入贝叶斯分类器。
其中，对于构建朴素贝叶斯分类器实现问题的分类预测，可以对问句的切割以字词为粒度，如选用MultinomiaNB算法来进行文本分类，然后先使用predict_proba得出各类预测的概率作为参考，再使用predict直接给出类别。
其中，关于问题模板，可以根据数据信息和实际需求，针对属性和关系的问答设计的问题模板示例如下，其中每个问题模板都提供了多种提问方式，可以让智能问答更加智能和灵活。
表1问题举例
Figure BDA0003868804960000101
Figure BDA0003868804960000111
也就是说，本实施例中预先训练了贝叶斯分类器，以及每个分类对应的问题模板，对于会话问题，可以将会话问题的实体和实体间的关系，将其输入到预先训练好的贝叶斯分类器，获取对应的预测分类，进而匹配该分类对应的问题模板。
其中，在以知识图谱作为知识源回答问题时，首先需要将自然语言问题转换成知识图谱上的查询语句，比如转化为SQL查询或者SPQRQL查询。
具体地，若匹配到对应的问题模板，则表示预先定义了问题对应的问题模板，则可以根据实体和实体间的关系生成检索语句。可以理解的是，对于每个标准问题，预设了标准问题的查询语句。在进行数据检索时，将实体和实体的关系填充至问题模板的cypher查询语句中，得到检索语句。
具体地，通过搜集现有的智能语料库，以及应用业务场景中常见的业务问答对，构建该业务场景的知识图谱。
知识图谱指在建模、识别、发现和推断事物、概念之间的复杂关系，是事务关系的可计算模型，已被广泛应用于搜索引擎、智能问答、语言理解、视觉场景理解和决策分析等领域。知识图谱以实体为结点，以实体间的指向性关系为边。可以理解的是，不同业务场景的知识图谱，是该业务场景中的专有实体名词为结点。以金融业务场景为例，可以为金融业务场景的专有名词为知识图谱中的结点。
其中，每个实体具有实体属性，实体属性可以包括实体名(name)、实体概念(conception)、实体功能(function)以及实体的其他说明(other_instructions)。实体间的关系有：包含关系、同义关系、属于关系、拥有关系、依赖与被依赖关系等。实体之间的指向性关系结构为：“关系-实体1-实体2”，从实体1指向实体2。
其中，将自然语言问题映射到接过话查询的过程包含两个子过程：实体链接和属性理解。实体链接指的是识别问题所问及的实体并将其链接到知识图谱的相应实体上。属性理解是识别问题对应的知识图谱子结构的过程。
以问题模板“中低风险型基金有什么特点”为例，通过在知识图谱中查找实体“中低风险型基金”的“特点”属性，即可得到查找结果。
本实施例中，先根据问题中实体和实体的关系匹配问题模板，再生成知识图谱的检索语句，在知识图谱中查询会话问题的回答，使得每个问题模板都对应多种提问方式，可以让智能问答更加智能和灵活，提高检索的成功率，符合用户需求。
在另一个实施例中，若未查询所述会话问题的回答，则将匹配的人工客服接入所述会话，包括：若根据实体以及实体间的关系，未匹配到问题模板，或根据检索语句在基于业务数据预先构建的知识图谱中未查询会话问题的回答，则将匹配的人工客服接入会话。
具体地，如图4所示，会话控制方法，包括：
步骤402，通过会话界面获取用户的会话问题。
步骤404，对会话问题进行处理，提取会话问题中的实体，以及实体间的关系。
步骤406，根据实体以及实体间的关系，匹配问题模板。
步骤408，根据实体和实体间的关系生成知识图谱的检索语句。
步骤410，根据检索语句在基于业务数据预先构建的知识图谱中进行查询，得到查询结果，对查询结果进行润色处理得到会话问题的回答。
步骤412，将会话问题的回答反馈至用户。
步骤414，若未查询到答案，或未匹配到问题模块，则将匹配的人工客服接入会话。
具体地，若根据实体和实体间的关系，未匹配到问题模板，若根据检索语句在基于业务数据预先构建的知识图谱中未查询到会话问题的回答，则表示不能识别出用户的问题，或是用户的问题超出了知识图谱范围，则对人工客服发送提醒，接入会话。
本实施例中，在智能问题为前提，在智能问答不能解决用户的问题，如未匹配到问题模板或是根据检索语句在知识图谱中未查询到会话问题的回答时，自动触发人工客服，无需人工触发。这种方式不需要用户主动去学习如何触发人工客服，降低了客户的学习成本。
在另一个实施例中，根据会话问题的类型确定润色处理方式，包括：若会话问题的类型为专业型，则获取会话问题的意图；确定意图对应的预设专业分析的润色语句。
对应的，根据润色处理方式对会话问题的答案进行润色处理，得到会话问题的回答，包括：将润色语句添加至会话问题的答案的预设位置，得到会话问题的回答。
本实施例中，会话问题的类型可以从内容上划分为专业问题、投诉和闲聊等。而对于不同的专业问题，不同提问人的意图也不同，从会话问题的意图的划分维度上，会话问题的意图可以包括分析、推荐、知识普及等。
对于不同的意图的专业问题，可以设置不同的润色语句，避免统一地机械式回答。
具体地，专业问题指会话问题包括了专业领域实体词的问题。投诉是指对于服务过程中的某些事项的负反馈。闲聊是与专业问题以及投诉无关的问题。
具体地会话问题的类型可以利用预设训练的识别模型进行识别。
在得到了会话问题的类型后，对于专业型会话问题，进一步分析会话问题的意图。意图是指会话的目的。
本实施例中，对于专业型的会话问题，将会话问题的意图可以分为分析、推荐、知识普及。
分析是指提供分析意见，如分析家庭的收入结构等。推荐是指向用户推荐合适的产品。知识普及是指专业领域的基础知识的普及。
其中，对于会话问题的意图，可以在确定了会话问题为专业型之后，将会话问题输入意图识别模型，由意图识别模型确定意图的类型。可以理解的是，意图识别模型是预先训练的。
对于每种意图，根据意图的类型设置了对预设专业问题的润色语句。
如，对于分析意图的专业问题，增加体现分析过程，可以增加一些分析过程语句，如“根据对您的家庭收入结构进行分析”。可以理解的是，针对不同的问题模板，可以设置不同意图对应的问题模板，可以设置不同的润色语句，使润色语句能够和问题回答更加契合，不突兀。
对应的，在确定了润色语句后，将润色语句加入到会话问题的答案的预设位置，得到会话问题的回答。通常润色语句可以加入到会话问题的答案的前面，如对于咨询家庭收入结构分析的问题，将润色语句加入到问题回答的前面，可以得到的会话问题的回答为“根据对您的家庭收入结构进行分析，我认为您的家庭收入结构较为单一，抗风险能力差”。
上述的会话控制方法，在通过知识图谱查询到会话问题的答案后，根据问题的类型以及问题的意图确定不同的润色语句，使润色语句能够针对不同的意图和问题类型进行灵活变化，提高用户对于智能问答的接受度。
在另一个实施例中，根据会话问题的类型确定润色处理方式，包括：若会话问题的类型为普通型，则获取会话特征，会话特征包括会话时间特征和会话地域特征中的至少一种；获取与会话特征匹配的目标语言风格模型；语言风格模型用于对语言进行润色处理。
对应的，根据润色处理方式对会话问题的答案进行润色处理，得到会话问题的回答，包括：将会话问题的答案输入目标语言风格模型，由目标语言风格模型对会话问题的答案进行润色处理，得到符合目标语言风格的会话问题的回答。
与专业型问题相对应的会话问题的类型为普通型。专业型问题因为要考虑到回答的可信度和专业度，往往在润色处理上较为严肃。而普通型的问题，用户并不是期望得到专业回答，此时，则可以根据会话特征，确定对应的润色处理方式。
具体地，会话特征包括会话时间特征和会话地域特征中的至少一种。会话时间特征可以是该日期是否为节假日，若为节假日则会话特征为具体的节假日类型。如中秋节、春节、情人节等。会话地域特征可以用用户的IP地址。
根据会话特征，可以在确定不同的语言风格模型。其中，语言风格模型与会话特征对应的模型。如，与节假日对应的语言风格模型，或是与地域对应的语言风格模型。
例如，对于中国传统的节假日，可以增加古文表述，使对于普通问题的回答具有古风色彩。
又例如，对于不同的地域，可以有不同地域的语言风格模型，如增加方言转换，使对于普通问题的回答具有当地方言色彩。
本实施例中，在通过知识图谱查询到会话问题的答案后，对于普通问题根据会话特征使用不同的目标语义风格模型进行润色处理，使润色语句能够拉近与用户的距离，提高用户对于智能问答的接受度。
在另一个实施例中，将匹配的人工客服接入会话，如图5所示，包括：
步骤502，基于用户与专属人工客服的映射关系，获取用户的专属人工客户。
本实施例中，每个用户都有对应的专属人工客服，专属人工客户与用户是一对多的关系，基于这种对应关系，获取当前客户所对应的专属人工客户。
步骤504，调用内部通讯应用，将会话问题通过内部通讯应用以消息的形式发送至专属人工客服。
传统的会话方式中，当客服与用户进行信息交互时，通常是基于同一个会话应用。而对于客服来说，还需要内部通讯应用在企业内部进行信息交互。这种情况往往需要客服在两个应用中来回切换，造成不变。
本实施例中，打通了两个应用，当需要接入专属人工客服时，当前应用调用内部通讯应用，将会话问题通过内部通讯应用以消息的形式发送至专属人工客服，使得专属人工客服可以通过内部通讯应用以消息的形式接收到用户的会话问题。
步骤506，当获取到专属人工客户返回的会话问题的答案时，将会话问题的答案返回至用户。
专属人工客户还可以通过内部通讯应用向当前发送编辑好的会话问题的答案，当前应用将会话问题的答案返回至用户。
本实施例中，通过当前应用如金融应用调用内部通讯应用，避免了专属客服在不同应用间来回切换，提高了操作的便利性。
在另一个实施例中，当接收到人工客服对会话问题的回答时，若触发人工客服的原因为未匹配到问题模板，则反馈会话问题至管理员，由管理员新增会话问题的问题模板。
具体地，当接收到人工客服对于会话问题的回答时，如果触发人工客服的原因是未匹配到模板问题，则将会话问题反馈至管理员，由管理员增加会话问题的模板，使得会话问题模板不断得到完善，提高智能问答的智能度。
在另一个实施例中，当接收到人工客服对会话问题的回答时，若触发人工客服的原因未在知识图谱中查询到会话问题的回答，则对会话问题的回答进行实体提取，以及对会话问题进行特征提取，获取回答的特征；根据回答的特征提取回答中实体的属性；将实体和实体的属性更新至知识图谱中。
具体地，若触发人工客服的原因是未在知识图谱中查询到会话问题的回答，则对会话问题的回答进行实体提取。同时还会话问题进行特征提取，获取回答的特征。
根据回答的特征提取回答中实体的属性，将实体的属性更新至知识图谱中，使得知识图谱不断得到完善。
当然，为了提高知识图谱的正确度，还可以在更新知识图谱后，将更新的知识图谱发送至管理员，由管理员确认后更新。发送给管理员的除了更新的知识图谱外，还包括会话问题以及人工客服对会话问题的回答。
本实施例中，在触发人工客服后，充分利用人工客服的回答，更新知识图谱，提高智能问答的智能度。
一种会话控制方法，如图6所示，包括四个阶段：
第一个阶段：基于业务数据预先构建知识图谱。
其中，通过搜集现有的智能语料库，以及应用业务场景中常见的业务问答对，构建该业务场景的知识图谱。具体地，可以由人工整理原始数据，导入图数据库后形成知识图谱。
第二个阶段：问题解析。
具体地，通过会话界面获取用户的会话问题，对会话问题进行处理，提取会话问题中的实体，以及实体间的关系，根据实体以及实体间的关系，匹配问题模板，若匹配到对应的问题模板，则根据实体和实体间的关系生成知识图谱的检索语句。
第三个阶段：答案查询。
根据检索语句在基于业务数据预先构建的知识图谱中进行查询，得到查询结果，对查询结果进行润色处理得到会话问题的回答，将会话问题的回答反馈至用户。
第四个阶段：若根据实体以及实体间的关系，未匹配到问题模板，或根据检索语句在基于业务数据预先构建的知识图谱中未查询会话问题的回答，则将匹配的人工客服接入会话。
其中，可以将上述会话控制方法应用于金融平台，目前，金融平台大力失去私域流量经营，每个用户都配置了专属客服。而专属客服需要对接大量的用户，业务压力非常大。
采用本申请的方案，通过提取直营业务中客户的常见问题和解答，构建知识图谱，创建一个能嵌入聊天工具的代理问答系统，当识别到客户问题是知识库中已有问题时自动编辑回复客户，当识别不出问题或客户问题超出知识库范围时对直营经理发送提醒，这样就既减轻了直营经理的负担，同时保留了回复的弹性和自由度。
其中，如图7所示，可以使用python和webpy框架实现问答系统的页面设计，前端页面使用HTML+CSS+JavaScript技术，以及bootstrap框架。用户请求通过控制层、服务层进行问句分类、实体抽取、查询答案等过程后再经服务层、控制层返回给用户。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的会话控制方法的会话控制装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个会话控制装置实施例中的具体限定可以参见上文中对于会话控制方法的限定，在此不再赘述。
在一个实施例中，如图8所示，提供了一种会话控制装置，包括：
会话获取模块802，用于通过会话界面获取用户的会话问题。
查找模块804，用于在基于业务数据预先构建的知识图谱中查询会话问题的答案。
润色方式确定模块806，用于根据会话问题的类型确定润色处理方式。
润色模块808，用于根据润色处理方式对会话问题的答案进行润色处理，得到会话问题的回答。
反馈模块810，用于将会话问题的回答反馈至用户。
接入模块812，用于若未查询会话问题的回答，则将匹配的人工客服接入会话。
上述会话控制装置，当通过会话界面获取用户的会话问题时，先在知识图谱中查询会话问题的回答，并在查询会会话问题的会答后，进行润色处理，使智能问答反馈的答案得到修饰而符合人工表达的特点，在知识图谱中检索到回答时，将匹配人工客服接入，能够自动触发人工客服，不需要用户主动去学习如何触发人工客服，降低了用户的学习成本。该方法基于知识图谱的方式提供智能问答服务，可以让智能问答更加智能和灵活，提高检索的成功率，符合用户需求，进一步地，根据会话问题的类型确定润色处理方式，对查询到的答案进行润色处理，提高智能问答对客户的接受度。
在其中一个实施例中，所述润色方式确定模块，用于若所述会话问题的类型为专业型，则获取所述会话问题的意图；确定所述意图对应的预设专业问题的润色语句；
所述润色模块，用于将所述润色语句添加至所述会话问题的答案的预设位置，得到所述会话问题的回答。
在其中一个实施例中，所述润色方式确定模块，若所述会话问题的类型为普通型，则获取会话特征，所述会话特征包括会话时间特征和会话地域特征中的至少一种；获取与所述会话特征匹配的目标语言风格模型；所述语言风格模型用于对语言进行润色处理；
所述润色模块，用于将所述会话问题的答案输入目标语言风格模型，由所述目标语言风格模型对所述会话问题的答案进行润色处理，得到符合所述目标语言风格的所述会话问题的回答。
在其中一个实施例中，所述接入模块，用于基于用户与专属人工客服的映射关系，获取所述用户的专属人工客户；调用内部通讯应用，将所述会话问题通过所述内部通讯应用以消息的形式发送至所述专属人工客服；当获取到所述专属人工客户返回的所述会话问题的答案时，将所述会话问题的答案返回至所述用户。
在其中一个实施例中，还包括反馈模块，用于当接收到人工客服对所述会话问题的回答时，若触发人工客服的原因为未匹配到问题模板，则反馈所述会话问题至管理员，由管理员新增所述会话问题的问题模板。
在其中一个实施例中，还包括更新模块，用于当接收到人工客服对所述会话问题的回答时，若触发人工客服的原因未在所述知识图谱中查询到所述会话问题的回答，则对所述会话问题的回答进行实体提取，以及对所述会话问题进行特征提取，获取所述回答的特征；根据所述回答的特征提取所述回答中所述实体的属性；将实体和实体的属性更新至知识图谱中。
在另一个实施例中，查找模块，包括：
实体处理模块，用于对会话问题进行处理，提取会话问题中的实体，以及实体间的关系；
匹配模块，用于根据实体以及实体间的关系，匹配问题模板；
检索语句生成模块，用于若匹配到对应的问题模板，则根据实体和实体间的关系生成知识图谱的检索语句；
查询模块，用于根据检索语句在基于业务数据预先构建的知识图谱中进行查询，得到会话问题的答案。
上述会话控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储知识图谱数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种会话控制方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各实施例的会话控制方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各实施例的会话控制方法的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各实施例的会话控制方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (17)

1.一种会话控制方法，其特征在于，所述方法包括：
通过会话界面获取用户的会话问题；
在基于业务数据预先构建的知识图谱中查询所述会话问题的答案；
根据所述会话问题的类型确定润色处理方式；
根据所述润色处理方式对所述会话问题的答案进行润色处理，得到所述会话问题的回答；
将所述会话问题的回答反馈至所述用户；
若未查询所述会话问题的回答，则将匹配的人工客服接入所述会话。
2.根据权利要求1所述的方法，其特征在于，所述根据所述会话问题的类型确定润色处理方式，包括：
若所述会话问题的类型为专业型，则获取所述会话问题的意图；
确定所述意图对应的预设专业问题的润色语句；
对应的，所述根据所述润色处理方式对所述会话问题的答案进行润色处理，得到所述会话问题的回答，包括：将所述润色语句添加至所述会话问题的答案的预设位置，得到所述会话问题的回答。
3.根据权利要求1所述的方法，其特征在于，所述根据所述会话问题的类型确定润色处理方式，包括：
若所述会话问题的类型为普通型，则获取会话特征，所述会话特征包括会话时间特征和会话地域特征中的至少一种；
获取与所述会话特征匹配的目标语言风格模型；所述语言风格模型用于对语言进行润色处理；
对应的，所述根据所述润色处理方式对所述会话问题的答案进行润色处理，得到所述会话问题的回答，包括：将所述会话问题的答案输入目标语言风格模型，由所述目标语言风格模型对所述会话问题的答案进行润色处理，得到符合所述目标语言风格的所述会话问题的回答。
4.根据权利要求1所述的方法，其特征在于，所述将匹配的人工客服接入所述会话，包括：
基于用户与专属人工客服的映射关系，获取所述用户的专属人工客户；
调用内部通讯应用，将所述会话问题通过所述内部通讯应用以消息的形式发送至所述专属人工客服；
当获取到所述专属人工客户返回的所述会话问题的答案时，将所述会话问题的答案返回至所述用户。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
当接收到人工客服对所述会话问题的回答时，若触发人工客服的原因为未匹配到问题模板，则反馈所述会话问题至管理员，由管理员新增所述会话问题的问题模板。
6.根据权利要求1至4所述的方法，其特征在于，所述方法还包括：
当接收到人工客服对所述会话问题的回答时，若触发人工客服的原因未在所述知识图谱中查询到所述会话问题的回答，则对所述会话问题的回答进行实体提取，以及对所述会话问题进行特征提取，获取所述回答的特征；
根据所述回答的特征提取所述回答中所述实体的属性；
将所述实体和所述实体的属性更新至所述知识图谱中。
7.根据权利要求1所述的方法，其特征在于，在所述在基于业务数据预先构建的知识图谱中查询所述会话问题的答案，包括：
对所述会话问题进行处理，提取所述会话问题中的实体，以及实体间的关系；
根据所述实体以及实体间的关系，匹配问题模板；
若匹配到对应的问题模板，则根据所述实体和所述实体间的关系生成知识图谱的检索语句；
根据所述检索语句在基于业务数据预先构建的知识图谱中进行查询，得到所述会话问题的答案。
8.一种会话控制装置，其特征在于，所述装置包括：
会话获取模块，用于通过会话界面获取用户的会话问题；
查找模块，用于在基于业务数据预先构建的知识图谱中查询所述会话问题的答案；
润色方式确定模块，用于根据所述会话问题的类型确定润色处理方式；
润色模块，用于根据所述润色处理方式对所述会话问题的答案进行润色处理，得到所述会话问题的回答；
反馈模块，用于将所述会话问题的回答反馈至所述用户；
接入模块，用于未查询所述会话问题的回答，则将匹配的人工客服接入所述会话。
9.根据权利要求8所述的装置，其特征在于，所述润色方式确定模块，用于若所述会话问题的类型为专业型，则获取所述会话问题的意图；确定所述意图对应的预设专业问题的润色语句；
所述润色模块，用于将所述润色语句添加至所述会话问题的答案的预设位置，得到所述会话问题的回答。
10.根据权利要求8所述的装置，其特征在于，所述润色方式确定模块，若所述会话问题的类型为普通型，则获取会话特征，所述会话特征包括会话时间特征和会话地域特征中的至少一种；获取与所述会话特征匹配的目标语言风格模型；所述语言风格模型用于对语言进行润色处理；
所述润色模块，用于将所述会话问题的答案输入目标语言风格模型，由所述目标语言风格模型对所述会话问题的答案进行润色处理，得到符合所述目标语言风格的所述会话问题的回答。
11.根据权利要求8所述的装置，其特征在于，所述接入模块，用于基于用户与专属人工客服的映射关系，获取所述用户的专属人工客户；调用内部通讯应用，将所述会话问题通过所述内部通讯应用以消息的形式发送至所述专属人工客服；当获取到所述专属人工客户返回的所述会话问题的答案时，将所述会话问题的答案返回至所述用户。
12.根据权利要求8-11任一项所述的装置，其特征在于，还包括反馈模块，用于当接收到人工客服对所述会话问题的回答时，若触发人工客服的原因为未匹配到问题模板，则反馈所述会话问题至管理员，由管理员新增所述会话问题的问题模板。
13.根据权利要求8-11任一项所述的装置，其特征在于，还包括更新模块，用于当接收到人工客服对所述会话问题的回答时，若触发人工客服的原因未在所述知识图谱中查询到所述会话问题的回答，则对所述会话问题的回答进行实体提取，以及对所述会话问题进行特征提取，获取所述回答的特征；根据所述回答的特征提取所述回答中所述实体的属性；将所述实体和所述实体的属性更新至所述知识图谱中。
14.根据权利要求8所述的装置，其特征在于，所述查找模块，包括：
实体处理模块，用于对所述会话问题进行处理，提取所述会话问题中的实体，以及实体间的关系；
匹配模块，用于根据所述实体以及实体间的关系，匹配问题模板；
检索语句生成模块，用于若匹配到对应的问题模板，则根据所述实体和所述实体间的关系生成知识图谱的检索语句；
查询模块，用于根据所述检索语句在基于业务数据预先构建的知识图谱中进行查询，得到所述会话问题的答案。
15.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
17.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202211189800.3A 2022-09-28 2022-09-28 会话控制方法、装置、计算机设备和存储介质 Pending CN115481231A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211189800.3A CN115481231A (zh) 2022-09-28 2022-09-28 会话控制方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211189800.3A CN115481231A (zh) 2022-09-28 2022-09-28 会话控制方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN115481231A true CN115481231A (zh) 2022-12-16

Family

ID=84393623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211189800.3A Pending CN115481231A (zh) 2022-09-28 2022-09-28 会话控制方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN115481231A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116501851A (zh) * 2023-06-27 2023-07-28 阿里健康科技(杭州)有限公司 答案文本的发送方法、生成方法、装置、设备和介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116501851A (zh) * 2023-06-27 2023-07-28 阿里健康科技(杭州)有限公司 答案文本的发送方法、生成方法、装置、设备和介质

Similar Documents

Publication Publication Date Title
US11347783B2 (en) Implementing a software action based on machine interpretation of a language input
US10467541B2 (en) Method and system for improving content searching in a question and answer customer support system by using a crowd-machine learning hybrid predictive model
WO2020147428A1 (zh) 交互内容生成方法、装置、计算机设备及存储介质
CA3001453C (en) Method and system for performing a probabilistic topic analysis of search queries for a customer support system
US20190018899A1 (en) Method and system for providing real time search preview personalization in data management systems
EP3821352A1 (en) Machine learning tool for navigating a dialogue flow
CN110765295A (zh) 基于图数据库的查询方法、装置、计算机设备及存储介质
AU2016303436A1 (en) Method and system for applying probabilistic topic models to content in a tax environment to improve user satisfaction with a question and answer customer support system
US10748157B1 (en) Method and system for determining levels of search sophistication for users of a customer self-help system to personalize a content search user experience provided to the users and to increase a likelihood of user satisfaction with the search experience
CN108874783A (zh) 电力信息运维知识模型构建方法
US10733619B1 (en) Semantic processing of customer communications
US10496751B2 (en) Avoiding sentiment model overfitting in a machine language model
CN111400465B (zh) 客服机器人的生成方法、装置、电子设备及介质
CN113596130A (zh) 基于兴趣画像的人工智能模块训练方法、系统及服务器
CN113112282A (zh) 基于客户画像处理咨诉问题的方法、装置、设备及介质
US20160283876A1 (en) System and method for providing automomous contextual information life cycle management
CN115481231A (zh) 会话控制方法、装置、计算机设备和存储介质
US20240152536A1 (en) Intelligent digital assistant that provides end-user with information from firm databases to assist end-user in performing job functions
CN112749249A (zh) 司法知识图谱构建以及基于司法知识图谱搜索方法与装置
CN116541517A (zh) 文本信息处理方法、装置、设备、软件程序以及存储介质
CN114969544A (zh) 基于热点数据的推荐内容生成方法、装置、设备及介质
CN111046151B (zh) 一种消息处理方法及装置
US20230259541A1 (en) Intelligent Assistant System for Conversational Job Search
CN113254622B (zh) 知识点查询方法、装置及服务器
US20150340026A1 (en) Extracting candidate answers for a knowledge base from conversational sources

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