CN116057915A - 用于意图消息传递的系统和方法 - Google Patents

Abstract

公开的实施方式提供了一种框架，以帮助客户从品牌和其他用户获得对这些客户传达的意图的相关响应。响应于获得意图，意图消息传递服务识别可以被提供意图的一个或多个用户以征求对意图的响应。基于意图的特性来选择所述一个或多个用户。意图消息传递服务评估来自一个或多个用户的对意图的响应，以识别可呈现给客户的相关响应。意图消息传递服务向客户提供对意图的相关响应，客户可以确定与哪些用户交互以处理意图。

Description

用于意图消息传递的系统和方法

相关申请的交叉引用

本专利申请要求于2020年6月2日提交的美国临时专利申请No.63/033,529的优先权权益，该临时专利申请的公开内容通过引用并入本文中。

技术领域

本发明总体上涉及用于促进客户与品牌之间的消息传递的系统和方法。更具体地，提供了部署框架，以帮助客户获得品牌和其他用户对这些客户传达的意图的相关响应的技术。

发明内容

所公开的实施方式提供了一种意图处理系统的框架，该意图处理系统允许客户与品牌和其他用户交互以获得对这些意图的相关响应。根据一些实施方式，提供了一种计算机实现的方法。所述计算机实现的方法包括获得意图。所述意图与要处理的请求相对应。此外，所述意图与客户相关联。所述计算机实现的方法还包括识别要被提供所述意图的一个或多个用户。基于所述意图的一组特性来识别所述一个或多个用户。所述计算机实现的方法还包括提供所述意图。将所述意图提供给所述一个或多个用户以征求对所述意图的响应。所述计算机实现的方法还包括获得对所述意图的一组响应。所述计算机实现的方法还包括评估所述一组响应以识别对所述意图的相关响应。丢弃所述一组响应中的不相关响应。所述计算机实现的方法还包括提供所述相关响应，使得响应于所述意图而将所述相关响应呈现给所述客户。

在一个示例中，一种系统，包括：一个或多个处理器和包括指令的存储器，这些指令由于由所述一个或多个处理器执行而使得所述系统执行本文所述的方法。在另一示例中，一种非暂时性计算机可读存储介质，在所述非暂时性计算机可读存储介质上存储有可执行指令，所述可执行指令由于由计算机系统的一个或多个处理器执行而使得所述计算机系统执行本文所述的方法。

本概要不旨在标识所要求保护的主题的关键或基本特征，也不旨在单独用于确定所要求保护的主题的范围。应通过参考本专利申请的整个说明书的适当部分、任何或所有附图、以及每个权利要求来理解主题。

下文将在以下说明书、权利要求书和附图中更详细地描述上述内容以及其他特征和示例。

下面详细讨论本发明的各种实施方式。尽管讨论了特定实现方式，但是应当理解，这仅出于说明目的。相关领域的技术人员能够认识到，在不脱离本发明的精神和范围的情况下，可以使用其他组件和配置。因此，以下描述和附图是说明性的而不能理解成是限制性的。描述了很多特定细节以提供对本发明的透彻理解。然而，在某些情况中，众所周知的或常规的细节没有被描述以避免使说明书含糊不清。对本发明的一个实施方式或一实施方式的提及可以是指同一实施方式或任一实施方式；并且，这种提及意味着实施方式中的至少一个实施方式。

对“一个实施方式”或“一实施方式”的提及意味着，结合该实施方式描述的特定特征、结构或特性被包括在本发明的至少一个实施方式中。在本说明书中各种地方出现的措词“在一个实施方式中”未必是全都引用同一实施方式，也不是与其他实施方式相互排斥的单独的或替选的实施方式。此外，描述了可以由一些实施方式具有而其他实施方式不具有的各个特征。

本说明书中所使用的术语在本发明的上下文中以及在使用各个术语的特定上下文中，通常具有其在本领域中的通常含义。替选语言和同义词可用于本文中讨论的术语中的任一者或多者，并且本文是否详细阐述或讨论了术语不应有特别意义。在一些情况下，提供了用于某些术语的同义词。一个或多个同义词的记载并不排除其他同义词的使用。本说明书中任何地方使用的示例(包括本文讨论的任何术语的示例)仅是说明性的，并不旨在进一步限制本发明或任何示例术语的范围和含义。同样，本发明不限于本说明书中给出的各个实施方式。

不旨在限制本发明的范围，下面给出根据本发明的实施方式的仪器、装置、方法及其相关的结果的示例。需要注意的是，为了方便读者，示例中可以使用标题或副标题，其不应以任何方式限制本发明的范围。除非另有定义，否则本文中所使用的技术术语和科学术语具有本发明所属领域普通技术人员通常理解的含义。在有矛盾的情况下，将以包括定义的本申请文件为准。

本发明的附加特征和优势将在以下描述中进行阐述，并且某种程度上能够从描述中显而易见或者可以从本文公开的原理的实践中习得。本发明的特征和优势可以通过所附权利要求中特别指出的仪器和结合来实现并获得。本发明的这些和其他特征能够从以下描述和所附权利要求变得更充分明显，或者可以从本文阐述的原理的实践中了解。

附图说明

结合附图描述本发明：

图1示出了根据至少一个实施方式的意图消息传递服务从客户获得意图，并向客户呈现品牌和其他用户对意图的响应的环境的说明性示例；

图2示出了根据至少一个实施方式的意图消息传递服务识别品牌和其他用户，以征求对客户提交的意图的响应的环境的说明性示例；

图3示出了根据至少一个实施方式的客户通过用户界面生成意图，以征求意图消息传递服务的品牌和其他用户的响应的环境的说明性示例；

图4示出了根据至少一个实施方式的通过用户界面向客户提供关于客户提交的意图的状态的环境的说明性示例；

图5示出了根据至少一个实施方式的客户通过用户界面基于对客户的意图的响应将另一用户或品牌引入现有对话的环境的说明性示例；

图6示出了根据至少一个实施方式的客户通过用户界面发起与品牌的通信通道以与品牌关于意图进行对话的环境的说明性示例；

图7示出了根据至少一个实施方式的客户通过用户界面提供对另一客户的意图的响应的环境的说明性示例；

图8示出了根据至少一个实施方式的用于获得意图并将该意图提供给其他用户和品牌的过程的说明性示例；

图9示出了根据至少一个实施方式的用于评估来自品牌和其他用户的提议的响应以识别响应于意图可呈现给客户的相关响应的过程的说明性示例；以及

图10示出了可以实现各种实施方式的环境的说明性示例。

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示出了根据至少一个实施方式的意图消息传递服务102从客户108获得意图，并向客户呈现品牌112和其他用户114对意图的响应的环境100的说明性示例。意图可以与客户希望解决的问题相对应。意图的示例可以包括(例如)主题(topic)、情绪、复杂性和紧急性。主题可以包括但不限于话题、产品、服务、技术问题、使用问题、投诉、退款请求或购买请求等。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)来确定意图。

在环境100中，客户108通过在计算设备110上实现的意图消息传递应用程序向意图消息传递服务102的意图处理系统104发送请求，以从与意图消息传递服务102相关联的一个或多个品牌112和/或其他用户114获得对该请求的一个或多个响应。其他用户114可以包括意图消息传递服务102社区的成员，其也可以与品牌112交互以获得对其意图的响应，并且可以具有关于各种主题、商品、服务或可能与意图相关联的其他领域的经验。在计算设备110上实现的意图消息传递应用程序可以由意图消息传递服务102提供，以允许客户(例如客户108)和与意图消息传递服务102相关联并且可以向客户提供商品和服务的品牌112及其他用户114(例如，使用意图消息传递服务102的用户社区)交互。意图消息传递服务102可以为客户和品牌提供连接的平台，以便提供关于对这些客户提交的意图的建议和推荐。

响应于从客户108获得请求，意图处理系统104可以评估请求以提取客户108表达的意图，该意图可以用于识别可以对客户的请求提供相关响应的品牌112和其他用户114。在一个实施方式中，意图处理系统104使用机器学习模型来处理请求，以便从请求中识别和提取意图。机器学习模型可用于执行请求的语义分析(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)，以识别请求中表达的意图。意图处理系统104使用的机器学习模型可以使用监督学习技术来动态训练。例如，可以选择输入请求和包括在输入请求中的已知意图的数据集来训练机器学习模型。在一些实现方式中，用于训练机器学习模型的已知意图可以包括这些意图的特性。可以评估机器学习模型以基于提供给机器学习模型的输入样本请求来确定机器学习模型是否正在从每个请求中提取预期意图。基于该评估，可以修改机器学习模型以增加机器学习模型生成期望结果的可能性。机器学习模型还可以通过向客户(包括客户108)征求关于从提交的请求中获得的对提取的意图的反馈来动态地训练。例如，在提交提取的意图以识别向其征求对意图的响应的一个或多个品牌112或其他用户114之前，可以将提取的意图呈现给客户108，以确定提取的意图是否对应于客户108提交的请求。因此，可以使用来自客户108的响应来基于机器学习模型在识别来自请求的意图时的准确性来训练机器学习模型。

意图处理系统104可以将提取的意图提供给意图消息传递服务102的意图匹配系统106。意图匹配系统106可以在意图消息传递服务102的计算系统或其他系统(例如，服务器、虚拟机实例等)上实现。替选地，意图匹配系统106可以被实现为在意图消息传递服务102的计算系统上执行的应用程序或其他进程。在一个实施方式中，响应于从意图处理系统104获得新意图，意图匹配系统106使用该新意图以及关于与意图消息传递服务102相关联的不同品牌112和其他用户的信息作为机器学习模型的输入以识别可能提供对意图的相关响应的一个或多个品牌112和/或其他用户114。关于不同品牌112和其他用户114的信息可以包括与不同品牌112以及其他用户114提交的对先前提供的意图的响应相对应的历史数据。历史数据可以指示品牌或其他用户在提供对提交给品牌或其他用户的不同意图的相关响应方面的表现、关于品牌/其他用户与客户108之间的任何先前交互的信息、与客户与品牌或其他用户的交互相关的客户反馈(如果有的话)等。此外，关于品牌或其他用户的信息可以指定该品牌或其他用户在响应时可能具有专业知识的意图类型。例如，该信息可以指示品牌提供了什么商品和服务、用户使用了什么商品或服务、或者可用于识别某一特定意图的解决方案是否会涉及这些商品和服务的任何其他信息。

意图匹配系统106使用的机器学习模型可以使用与品牌112和其他用户114的特征相对应的样本意图和样本输出进行动态训练，这些特征可以用于识别要向其提供意图的品牌112和其他用户114。此外，可以使用来自接收意图的不同品牌112和其他用户114的反馈来动态地训练机器学习模型。该反馈可用于确定机器学习模型是否正在选择能够用相关响应来响应意图或以其他方式与意图的特征相关联的品牌112和其他用户114。该反馈还可用于训练意图匹配系统106所使用的机器学习模型。因此，随着意图匹配系统106从不同品牌112和其他用户114获得针对提交给这些不同品牌112和其他用户114的大量意图的反馈，可以实时动态地训练机器学习模型。替选地，可以基于从品牌112和其他用户114获得的反馈来周期性地训练机器学习模型。

意图匹配系统106使用的机器学习模型的输出可以包括与要向其提供新意图的一个或多个品牌112和/或其他用户114相对应的标识符，以便从该一个或多个品牌112和/或其他用户114中的每一个征求响应。新意图可以被分配唯一标识符，使得从该一个或多个品牌112和/或其他用户114获得的响应可以通过参考唯一标识符而与特定意图相关联。在一个实施方式中，意图匹配系统106更新每个品牌112或其他用户114使用的意图消息传递应用程序的用户界面，以指示对特定意图的响应的征求。例如，通过该用户界面，意图匹配系统106可以向与品牌112或其他用户114相关联的代理呈现新意图以及用于响应该意图的选项。与品牌112或其他用户114相关联的代理可以通过该用户界面响应该意图、拒绝/忽略该意图，或者向意图匹配系统106提供该意图与品牌112或者其他用户无关的指示。由与品牌112或其他用户114相关联的代理执行的动作可用于进一步动态地训练意图匹配系统106所用于选择品牌112和其他用户来响应意图的机器学习模型。例如，如果与一品牌相关联的代理指示所提供的意图与该品牌不相关，则意图匹配系统可以使用该反馈来训练机器学习模型，从而不向该品牌提供不相关的意图。

在一个实施方式中，接收意图的品牌112(例如，被分配用于与意图消息传递服务102交互的与品牌相关联的代理)或其他用户114被限制为对意图的单一响应。例如当与品牌112或其他用户114相关联的代理向意图处理系统104提交对意图的响应时，与品牌112或其他用户114相关联的代理所使用的意图消息传递应用程序可以禁用提交对该意图的附加响应的能力，直到客户108已经指示其希望关于该意图与品牌112或其他用户114进一步接触。这可以防止品牌112或其他用户114用对意图的响应淹没(例如，“发送垃圾邮件”)客户108。此外，如果客户108拒绝与品牌112或其他用户114接触，则客户108可以免于来自品牌112或其他用户114的附加响应。

如果与品牌112或其他用户114相关联的代理向意图处理系统104提交用于客户108的意图响应，则意图处理系统104可以评估该意图响应以确定该意图响应是否与客户108提交的意图相关。在一个实施方式中，意图处理系统104使用分类算法或其他机器学习模型将意图响应分类为与意图相关或与意图不相关。意图处理系统104使用的分类算法或其他机器学习模型可以使用监督学习技术来动态训练。例如，可以选择输入意图、已知相关响应、已知不相关响应、和分类的数据集来训练分类算法或其他机器学习模型。在一些示例中，可以从意图消息传递服务的管理员、意图消息传递服务客户、或与意图消息传递服务相关联的其他来源获得输入意图。在一些实现方式中，用于训练意图处理系统使用的分类算法或其他机器学习模型的已知相关响应和不相关响应包括由生成样本意图的实体生成的响应。此外，可以使用来自客户(包括客户108)的反馈来训练用于将意图响应分类为相关或不相关的分类算法或其他机器学习模型。例如，如果将被分类为与意图相关的响应提供给客户108，则客户108可以提供指示该响应是否确实与意图相关的反馈。该反馈可用于加强模型(例如，被分类为相关的响应被客户认为与意图相关)或更新模型(例如被分类为相关的响应被客户认为与意图不相关)。随着意图消息传递服务102的客户向意图消息传递服务102提供该反馈，可以实时动态地更新分类算法或其他机器学习模型。

意图处理系统104使用上述分类算法或机器学习模型，可以丢弃被分类为与意图不相关的任何响应。在一个实施方式中，如果意图处理系统104确定品牌112或其他用户已经提供了对意图的不相关响应，则意图处理系统104更新品牌112或其他用户的简档以指示其已经提供了对意图的不相关响应。这可以降低品牌112或其他用户114被意图匹配系统106选择以响应类似意图的可能性。在一些情况下，该反馈还可用于动态训练意图匹配系统106所使用的机器学习模型，以进一步降低品牌112或其他用户114被征求以提供对类似意图的响应的可能性。如果品牌112或其他用户114被认为在一致的基础上提供了不相关响应，则可以执行其他补救操作，例如将品牌112或其他用户从意图消息传递服务102中解除关联或移除。

如果意图处理系统104确定已经获得了对意图的相关响应，则意图处理系统104可以通过在计算设备110上操作的意图消息传递应用程序向客户108提供该响应。这可以使得意图响应显示在计算设备110的用户界面上。通过该用户界面，客户108可以评估意图响应，并确定是否进一步与品牌112或其他用户114接触，感谢品牌112或其他用户或者表达对品牌112或其他用户的响应的感激，或者忽略意图响应。此外，客户108可以向意图处理系统104提供关于意图响应的质量的反馈。该反馈可用于进一步动态地训练意图匹配系统106所使用的机器学习模型，该机器学习模型用于识别向其提供意图以征求对意图的响应的品牌112和其他用户114。

在一个实施方式中，如果客户108确定其想要与品牌112或其他用户114进一步关于客户108提交的意图进行沟通，则意图消息传递服务102在客户108与品牌112或其他用户114之间建立通信通道，通过该通信通道，客户108与品牌112或其他用户114可以交换消息或其他内容。如上所述，当品牌112或其他用户114提交对意图的响应时，品牌112或其他用户114所使用的意图消息传递应用程序可以禁止品牌112或其他用户114提交附加响应。然而，如果客户108指示其希望与品牌112或其他用户114关于意图进行对话，则意图消息传递服务102可以向意图消息传递应用程序发送指令或其他指示，以使品牌112或其他用户114能够利用意图消息传递应用程序向客户108提交附加响应。此外，意图消息传递服务102可以向品牌112或其他用户提供关于客户108的附加信息(例如，客户姓名、客户地址、客户图像、客户联系信息等)。

图2示出了根据至少一个实施方式的意图消息传递服务202识别品牌220和其他用户222，以征求对客户218提交的意图的响应的环境200的说明性示例。在环境200中，意图消息传递服务202从客户218获得请求，以从一个或多个品牌220和/或其他用户222征求关于特定意图的响应。例如，客户218可以使用安装在客户218所使用的计算设备上或由客户218使用计算设备(例如，通过网站等)访问的意图消息传递应用程序来生成请求，并在请求中指示客户218正在寻求对其的相关响应的意图。意图可以(例如)是主题、情绪、复杂性和/或紧急程度。主题可以包括但不限于话题、产品、服务、技术问题、使用问题、投诉、退款请求或购买请求等。

客户218可以通过意图消息传递应用程序将其请求和相应的意图发送到意图处理系统204的客户消息传递系统206。客户消息传递系统206可以在意图消息传递服务202的计算系统上实现，或者作为由意图处理系统204的计算系统执行的应用程序实现。客户消息传递系统206可以促进客户218与意图消息传递服务202以及与意图消息传递服务202相关联的任何品牌220和/或其他用户222之间的通信。例如，客户消息传递系统206可以与客户218已经选择通过意图消息传递应用程序关于特定意图参与对话的任何品牌220或其他用户222建立通信通道。此外，客户消息传递系统206可以用于基于所提供的意图和从意图消息传递服务202获得的响应来更新意图消息传递应用程序的用户界面，以识别针对特定意图向其征求意图响应的品牌220和其他用户222。

响应于从客户218获得请求和相应的意图，客户消息传递系统206可以向意图处理系统204的意图提取引擎208发送该请求和相应的意图，以从请求中提取意图。意图提取引擎208可以被实现为计算机系统，该计算机系统使用机器学习模型来处理来自客户218的传入请求，以识别请求中所表达的意图。例如，机器学习模型可用于执行请求的语义分析(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)，以识别请求中所表达的意图。例如，还可以基于用户输入(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)来确定意图。

可以使用监督学习技术来训练意图提取引擎208所使用的机器学习模型。例如，可以选择输入请求和包括在输入请求中的已知意图的数据集来训练由意图提取引擎208实现的机器学习模型。在一些示例中，可以从意图消息传递服务202的管理员、意图消息传递服务202的客户、或与意图消息传递服务202相关联的其他来源获得输入请求。在一些实现方式中，用于训练意图提取引擎208所使用的机器学习模型的已知意图可以包括由生成样本请求的实体提供的这些意图的特性。可以评估该机器学习模型以基于提供给该机器学习模型的输入样本请求来确定该机器学习模型是否正在从每个请求中提取预期意图。基于该评估，可以修改机器学习模型(例如，可以更新一个或多个参数或变量)，以增加机器学习模型生成期望结果(例如，预期意图)的可能性。

在一个实施方式中，意图提取引擎208评估来自客户208的请求，以确定是否需要附加信息，以便从请求中提取或以其他方式补充意图，从而允许识别可以对意图提供相关响应的品牌220和/或其他用户222。例如，意图提取引擎208可以确定需要客户的地理位置和意图解决的时间范围。意图提取引擎208可以向客户消息传递系统206发送请求，以向客户218征求该附加信息。在一个实施方式中，客户消息传递系统206使用自然语言处理(NLP)或其他人工智能来向客户208征求所请求的信息。例如，使用NLP或其他人工智能，客户消息传递系统206可以要求客户218提供其位置、意图解决的时间范围、客户218希望向哪些用户或品牌征求响应等。由客户218提供的响应可以被提供给意图提取引擎208，意图提取引擎208可以使用这些响应和来自客户218的所提供的请求来提取意图并利用由客户218所提供的附加信息来补充意图。意图可由意图匹配系统210用来识别可被征求以获得对意图的响应的品牌220和/或其他用户222。

意图提取引擎208可以向意图匹配系统210的意图机器学习建模引擎212提供从客户218提交的请求中提取的意图。意图机器学习建模引擎212可以在意图匹配系统210的计算系统上实现，或者作为在意图匹配系统210的计算系统上执行的应用程序或进程实现。在一个实施方式中，意图机器学习建模引擎212实现机器学习模型，该机器学习模型被配置为识别可以向其提供意图以征求对意图的响应的品牌220和/或其他用户222。由意图机器学习建模引擎212实现的机器学习模型可以使用由意图匹配系统210维护的品牌数据库214和用户数据库216以及客户的意图作为机器学习模型的输入，来识别可能提供对意图的相关响应的品牌220和/或用户222。品牌数据库214和用户数据库216可以分别包括品牌220和用户222中的每一者的简档，这些简档可以与意图消息传递服务202相关联。每个简档可以指示用户或品牌响应特定意图或意图类别的经验、以及用户或品牌对潜在主题或意图分类的兴趣。此外，每个简档可以指示关于用户或品牌对先前提供的意图的响应的反馈。该反馈可以指定针对特定意图提供的响应是否相关、有用或以其他方式被相应的客户赞赏。

用户数据库216还可以包括客户218的简档。客户218的简档可以指示特定品牌220或其他用户222的任何客户偏好。例如，客户218的简档可以指定客户218已经与哪些品牌220或其他用户222交互以解决先前提供的意图。此外，对于这些交互中的每一个，简档可以包括来自客户218的反馈。该反馈可以指示与特定品牌或其他用户的交互是否与相应的意图相关，在处理相应的意图时是否有用，或者是否有利于与该品牌或其他用户的积极体验。意图机器学习建模引擎212还可以使用该信息来识别要征求哪些品牌220和/或其他用户222来获得对意图的响应。

意图机器学习建模引擎212所使用的机器学习模型可以使用与品牌220和其他用户222的特征相对应的样本意图和样本输出来训练，这些特征可以用于识别要向其提供意图的品牌220和其他用户222。此外，可以使用来自接收意图的不同品牌220和其他用户222的反馈来训练机器学习模型。该反馈可用于确定机器学习模型是否正在选择能够用相关响应来响应意图或以其他方式与意图的特征相关联的品牌220和其他用户222。例如，如果提供室内设计服务的品牌获得了与室内设计无关的意图，则该品牌可以提供指示所提供的意图与该品牌无关的反馈。该反馈可用于进一步训练意图机器学习建模引擎212所使用的机器学习模型。

由意图机器学习建模引擎212实现的机器学习模型产生的输出可以包括与品牌220和/或其他用户222相对应的标识符，可以向该品牌220和/或其他用户222提供意图以征求来自品牌220和/或其他用户222的响应。基于该输出，意图机器学习建模引擎212可以将意图发送到所识别的品牌220和/或其他用户222。例如，意图机器学习模型引擎212可以更新所识别的每个品牌220和/或其他用户222每一者的意图消息传递应用程序的用户界面以呈现意图。该意图可以被分配唯一标识符，使得来自品牌220和/或其他用户222的对该意图的响应可以通过该唯一标识符与该意图相关联。通过意图消息传递应用程序接收意图的品牌或其他用户可以响应该意图并将响应提交给意图处理系统204，意图处理系统204可以评估该响应以确定该响应是否与意图相关。

在一个实施方式中，意图被匿名地提供给所识别的品牌220和/或其他用户222。例如，意图机器学习建模引擎212可以在向所识别的品牌210和/或其他用户222提供意图时删除客户218的任何识别信息(例如，客户姓名、客户地址、客户联系信息等)。然而，除了意图之外，意图机器学习建模引擎212可以提供对品牌或其他用户在准备对意图的响应时可能有用的其他信息。例如，可以为意图提供客户218的大致位置(例如，城市、州等)。该大致位置可以用于确定品牌或其他用户是否可以提供对意图的响应，该响应可以指示在该大致位置帮助客户218的能力(例如，品牌可以在该大致位置内开设店铺，用户在该大致位置提供商品和服务等)。

在一个实施方式中，一旦品牌或其他用户提交了对意图的响应，则意图消息传递服务202可以禁用品牌或其他用户通过意图消息传递应用程序提供对意图的附加响应的能力。这防止了品牌或其他用户潜在地用对特定意图的响应淹没客户218。可以根据来自客户218的请求通过意图消息传递应用程序建立与客户218的对话，以发起与特定品牌220或其他用户222的通信通道。

在一个实施方式中，意图处理系统204响应于从品牌或其他用户获得意图响应，使用分类算法或其他机器学习模型来评估意图响应，以便将意图响应分类为与意图相关或与意图不相关。被分类为与意图不相关的任何响应可被意图处理系统204丢弃。被分类为与意图相关的响应可由客户消息传递系统206通过在客户的计算设备上实现的意图消息传递应用程序呈现给客户218。此外，意图响应可以为客户218提供选项，以邀请提交意图响应的品牌或其他用户关于意图进行对话，感谢品牌或其他用户对其的意图响应，忽略来自品牌或其他用户的意图响应，忽略未来来自品牌或其他用户的未来响应(例如，屏蔽该品牌或其他用户)，等等。如果客户218基于所提供的意图响应选择与品牌或其他用户进行对话，则客户消息传递系统206可以在客户218与品牌或其他用户之间建立通信通道，以允许客户218与该品牌或其他用户使用他们各自的意图消息传递应用程序进行对话。在一个实施方式中，客户消息传递系统206在建立通信通道后向品牌或其他用户提供客户信息(例如，姓名、图像、地址、联系信息等)。此外，客户消息传递系统206重新使品牌或其他用户能够通过新建立的通信通道向客户218发送消息或响应。

意图处理系统204可以评估来自品牌220和/或其他用户222的对意图的响应，以确定它们与客户218的意图的相关性。

图3示出了根据至少一个实施方式的客户306通过用户界面310生成意图，以征求来自意图消息传递服务302的品牌和其他用户305的响应的环境300的说明性示例。在环境300中，客户306通过在计算设备308上操作的意图消息传递应用程序生成新意图，该新意图可以被提交给意图消息传递服务302，以从与意图消息传递服务302相关联的品牌304和其他用户305征求一个或多个响应。例如，客户306可以通过用户界面310使用意图消息传递应用程序，定义请求或意图，客户306正在针对该请求或意图寻求来自与意图消息传递应用程序302相关联的品牌304和其他用户305的响应。

如图3所示，可以通过用户界面310向客户306呈现为其请求或意图提供标题的选项、以及定义请求或意图的选项。例如，客户306可以为请求或意图提供“室内设计建议”作为其请求或意图的标题，该请求或意图用作客户306对可能为客户306服务的室内设计师的建议的征求。此外，通过用户界面310，客户306可以定义请求或意图(例如，“我正在寻找一个好的室内设计师”)的参数。意图消息传递服务302可以使用该信息来提取客户306的意图，并识别向其征求对客户306提交的意图的响应的一个或多个品牌304和其他用户305。

在一个实施方式中，意图消息传递服务302可以使用自然语言处理或其他人工智能来向客户306询问附加信息，该附加信息可用于补充意图并允许对可能提供对意图的相关响应的品牌304和其他用户305进行定制识别的。例如，意图消息传递服务302可以询问客户306以识别客户的位置、其他用户是否可以帮助客户实现其意图、意图解决的时间范围等等。客户306向意图消息传递服务302提供的响应可用于进一步缩小可以向其征求对意图的响应的品牌304和其他用户305的选择范围。

在一个实施方式中，意图消息传递应用程序可以通过用户界面310向客户306呈现联系人或其他参与者的列表，这些联系人或参与者可以被添加到与提交的意图相关的对话中。例如，意图消息传递应用程序可以从客户的计算设备308获得联系人列表，该列表可以通过用户界面310呈现。替选地，意图消息传递应用程序可以从意图消息传递服务302获得与客户306相关联的也使用意图消息传递服务302的联系人列表。来自意图消息传递服务302的该联系人列表可以包括客户306已经指定为“朋友”或能够以其他方式通过意图消息传递服务302与客户306直接通信的用户。

在一个实施方式中，通过用户界面310，意图消息传递服务302可以进一步提供可以向其征求对提交的意图的响应的品牌304和/或其他用户305的建议。例如，基于意图消息传递服务302对意图的评估，意图消息传递服务302可以建议可能会对提交的意图提供相关响应的一个或多个品牌304或其他用户305。意图消息传递服务302可以呈现这一个或多个品牌304或其他用户305，以允许客户306选择哪些品牌304或其他用户305将接收意图来征求对意图的响应。基于客户的选择，意图消息传递服务302可以向所选择的品牌和/或其他用户征求对意图的响应。

图4示出了根据至少一个实施方式的通过用户界面410向客户406提供关于客户406提交的意图的状态的环境的说明性示例。在环境400中，响应于向意图消息传递服务402提交新意图以向一个或多个品牌404和其他用户405征求对该意图的响应，意图消息传递服务402可以评估该意图和与意图消息传递服务402相关联的不同品牌和用户的简档，以识别可以被征求以提供对该意图的响应的品牌404和其他用户405的子集。在一个实施方式中，意图消息传递服务402使用由意图匹配系统实现的机器学习模型来识别可能对客户406提交的意图提供相关响应的品牌404和其他用户405。该机器学习模型可以使用由意图匹配系统维护的品牌数据库和用户数据库、以及客户的意图作为该机器学习模型的输入，以识别可能对意图提供相关响应的品牌和/或用户。品牌数据库和用户数据库可以分别包括品牌和用户每一者的简档，这些简档可以与意图消息传递服务402相关联。每个简档可以指示用户或品牌响应于特定意图或意图类别的体验、以及用户或品牌对于意图的基本主题或分类的兴趣。此外，每个简档可以指示关于用户或品牌对先前提供的意图的响应的反馈。该反馈可以指定响应于意图而提供的响应是否相关、有用或以其他方式被相应的客户赞赏。

响应于从客户406获得意图，意图消息传递服务402可以更新用户界面410，以为所提供的意图提供新的对话窗口。通过用户界面410呈现的对话窗口的名称或标题可以对应于由客户406通过用户界面410向意图消息传递服务402提交的请求的名称或标题。此外，通过用户界面410并在用于意图的对话窗口内，意图消息传递服务402可以提供关于客户提供的意图的处理状态。例如，如图4所示，意图消息传递服务402可以指示意图已经由意图消息传递服务的社区(例如，被征求以提供对意图的响应的品牌404和其他用户405)共享。此外，意图消息传递服务402可以通过用户界面410指示来自品牌404和/或其他用户405的任何经审查的响应可以在与客户406提交的意图相关的对话窗口内呈现给客户406。

在一个实施方式中，客户406可以将一个或多个其他联系人引入对话窗口，以便在对话窗口内实现客户406与这一个或多个联系人之间的通信。例如，客户406可以从可用联系人列表中选择一个或多个联系人，客户406可邀请该一个或多个联系人参与与提交的意图相关的对话。该可用联系人列表可由意图消息传递服务402维护，并可通过在计算设备408上操作的意图消息传递应用程序提供给客户406。替选地，可用联系人列表可以在计算设备406上维护。如果客户406从该列表中选择了一个或多个联系人，则意图消息传递服务402可以获得这一个或多个联系人中的每一个的联系人信息，并向这一个或多个联系人中的每一个发送通知来邀请这一个或多个联系人参与与客户406关于意图的对话。如果在计算设备408上维护联系人列表，则意图消息传递应用程序可以从计算设备408获得联系人信息，并将该联系人信息提供给意图消息传递服务402，以向这些联系人提供关于对话的通知。在一个实施方式中，通知可以包括对话的统一资源标识符(URI)或其他网络地址。联系人可以通过使用由意图消息传递服务402提供的URI或其他网络地址来访问对话。

当从向其提供意图以征求响应的品牌404和其他用户405获得了对意图的响应时，意图消息传递服务402可以确定这些响应，以确定这些响应是否与客户406提交的意图相关并对其做出响应。在一个实施方式中，意图消息传递服务402使用分类算法或其他机器学习模型将对意图的响应分类为与意图相关或与意图不相关。被分类为与意图不相关的响应被意图消息传递服务402丢弃，并且不会通过用户界面410呈现给客户406。然而，被分类为与客户406提交的意图相关的任何响应都可以通过用户界面410呈现给客户406。例如，意图消息传递服务402可以向客户的计算设备408上的意图消息传递应用程序发送相关(例如经审查的)响应，以使意图消息传递应用程序更新与意图相关联的对话窗口来呈现获得的响应。客户406可以选择所获得的对意图的响应中的任何一个，以发起与提供所选择的响应的品牌404或其他用户405的对话。该对话可以在对话窗口内呈现，客户406可以通过该对话窗口与品牌404或其他用户405进行通信。

图5示出了根据至少一个实施方式的客户506通过用户界面510基于对客户506的意图的响应将另一用户504或品牌引入现有对话的环境的说明性示例。在环境500中，通过在客户506的计算设备508上操作的意图消息传递应用程序的用户界面510，向客户506呈现另一用户504对客户506向意图消息传递服务502提交的意图的经审查的响应。如上所述，可以提供意图以基于一个或多个因素选择品牌和其他用户。例如，可以由于另一用户504具有响应类似意图和/或向意图消息传递服务502提交类似意图的经验而向另一用户504呈现客户506的意图。此外，可以由于另一用户504对提交给意图消息传递服务502的意图的主题感兴趣而向该另一用户呈现意图。在一个实施方式中，由于使用机器学习模型生成的确定而向其他用户504呈现意图，该机器学习模型可以使用该意图以及来自各个数据库的品牌和用户简档作为输入来生成输出，该输出包括要向其提供意图的所选品牌和用户的标识符。

意图消息传递服务502可以评估品牌和其他用户504的对意图的响应，以确定这些响应是否与特定意图相关。例如，意图消息传递服务502可以使用分类算法或其他机器学习模型来评估对意图的响应，以将每个响应分类为与意图相关或与意图不相关。被分类为与意图不相关的任何响应都可以被意图消息传递服务502丢弃。被分类为与意图相关的响应可以通过用户界面510呈现给客户506。此外，每个响应可以被提供供客户506邀请其他用户504参加关于意图的对话、感谢其他用户504对其的响应、忽略来自其他用户504响应、忽略来自其他用户504的未来响应(例如，阻止其他用户504)等的选项。

在一个实施方式中，客户506可以通过用户界面510与其一个或多个联系人进行对话，同时等待对客户506向意图消息传递服务502提交的意图的响应。例如，意图消息传递应用程序可以向客户506呈现用户界面510，该用户界面510特定于客户506向意图消息传递服务502提交的意图。通过该用户界面510，客户506可以从意图消息传递服务504向其提供意图的其他用户504和品牌接收相关响应。此外，通过该用户界面510，客户506可以邀请任何已知联系人参加关于意图的对话。例如，使用由意图消息传递服务502提供的意图消息传递应用程序，客户506可以选择一个或多个联系人以添加到与客户506向意图消息传递服务502提交的意图相关的对话中。这一个或多个联系人也可以是意图消息传递服务502的客户，并且因此也可以使用意图消息传递应用程序来访问意图消息传递服务502并与客户506、其他用户504和品牌交互。

在一个实施方式中，客户506可以附加地或替选地选择与意图消息传递服务502无关的联系人。例如，客户506可从计算设备508上维护的一组联系人中选择一个或多个联系人。意图消息传递应用程序可以使用所选联系人的联系信息来向这些所选联系人发送通知，该通知指示这些联系人已经被邀请参与与客户506关于特定意图的对话。通知可以包括到意图消息传递服务502的统一资源标识符(URI)或这些联系人可以从中获得访问对话所需的意图消息传递应用程序的其他链接。在等待来自其他用户504和品牌的响应时，客户506可以通过用户界面510与任何被邀请的联系人对话。这些联系人还可以使用由意图消息传递服务502在其各自的计算设备上提供的意图消息传递应用程序，或者通过可以与意图消息传递服务502交互的其他消息传递应用程序，来允许客户506与其联系人之间的通信。

当通过用户界面510向客户506呈现对意图的经审查的响应时，参与与客户506的对话并与意图相关联的任何其他参与者也可以查看该响应。这可以允许这些其他参与者提供他们自己关于对经审查的响应的反馈。例如，如图5所示，可以向客户506与任何所选联系人之间的针对特定意图的对话的参与者呈现由另一用户504向意图消息传递服务502提供的经审查的响应，以通过用户界面510呈现给客户506。针对特定意图与客户506的对话中的其他参与者可以向客户506提供关于从其他用户504获得的响应的评论或建议。

客户506可以通过用户界面510将向客户506提供意图响应的其他用户504或品牌引入与意图相关的现有对话中。例如，如图5所示，来自另一用户504的响应可以被提供客户506邀请其他用户504参加客户506与其他联系人之间关于意图的现有对话、感谢其他用户504对其的响应、忽略来自其他用户504的响应、忽略来自其他用户504的未来响应(例如，阻止其他用户504)等的选项。如果客户506邀请其他用户504参与关于意图的对话，则在计算设备508上操作的意图消息传递应用程序可以向意图消息传递服务502发送允许其他用户504与客户506和参与与意图相关的对话的任何其他联系人交互的请求。响应于该请求，意图消息传递服务502可以向其他用户504发送附加客户信息。该附加客户信息可以包括客户的姓名、地址、联系信息、图片等。此外，意图消息传递服务502可以允许其他用户504与客户506和关于意图的对话中的任何其他参与者交互。

图6示出了根据至少一个实施方式的客户606通过用户界面610发起与品牌604的通信通道以与品牌604关于意图进行对话的环境600的说明性示例。在环境600中，意图消息传递服务602可以通过在客户的计算设备608上操作的意图消息传递应用程序的用户界面610，提供对客户606向意图消息传递服务602提交的意图的经审查的响应。如图6所示，经审查的响应可以包括提交对意图的响应的品牌604的名称。如上所述，意图消息传递服务602可以评估来自品牌604和其他用户的响应，以确定这些响应是否与特定意图相关。例如，意图消息传递服务602可以使用分类算法或其他机器学习模型来评估对意图的响应，以将每个响应分类为与意图相关或与意图不相关。被分类为与意图不相关的任何响应都可以被意图消息传递服务602丢弃。被分类为与意图相关的响应可以通过用户界面610呈现给客户606。此外，每个响应可以被提供供客户606邀请品牌604参加关于意图的对话、感谢品牌604对其的响应、忽略来自品牌604的响应、忽略来自品牌604的未来响应(例如，阻止品牌604)等的选项。

通过用户界面610，客户606可以邀请品牌604参与关于与品牌604对客户606提交给意图消息传递服务602的意图所提供的响应的对话。例如，通过用户界面610，客户606可以选择邀请品牌604参与与客户606的对话的选项。如果客户606选择该选项，则客户的计算设备608上的意图消息传递应用程序可以向意图消息传递服务602发送发起客户606和品牌604之间的通信通道的请求。响应于该请求，意图消息传递服务602可以向品牌604发送附加客户信息。该附加客户信息可以包括客户的姓名、地址、联系信息、图片等。此外，意图消息传递服务602可以允许品牌604通过在客户606和品牌604之间建立的通信通道与客户606交互。

一旦建立了客户606和品牌604之间的通信通道，客户606就可以通过用户界面610向品牌604发送消息。例如，如图6所示，客户606可以响应于品牌604的经审查的响应来问候品牌604，并提供关于其意图的附加细节，该附加细节可以对来自品牌604的经审查的响应做出响应。来自客户606的该响应可以通过意图消息传递服务602建立的通信通道发送给品牌604。这可以导致响应通过与品牌604相关联的代理或其他用户使用的意图消息传递应用程序的用户界面呈现给品牌604。品牌604可以通过用户界面610提供可以呈现给客户606的附加响应。因此，通过意图消息传递服务602，客户606和品牌604可以关于客户606的特定意图进行通信，以潜在地识别该意图的解决方案。

图7示出了根据至少一个实施方式的客户706通过用户界面710提供对另一客户的意图的响应的环境700的说明性示例。在环境700中，意图消息传递服务702可以选择客户706来征求对意图消息传递服务704的另一用户704提交的意图的响应。如上所述，响应于从用户获得请求，意图消息传递服务702可以从请求中提取意图，并识别可能具有关于意图的相关经验并且可能对意图提供相关响应的一个或多个品牌和其他用户。例如，意图消息传递服务702可以通过意图匹配系统使用机器学习模型来识别将被提供意图的一个或多个品牌和其他用户，以便征求对可以呈现给提交请求的用户的意图的响应。机器学习模型可以使用意图以及来自相应数据库的品牌和用户简档作为输入来生成输出，该输出包括要向其提供意图的所选品牌和用户的标识符。

如图7所示，意图消息传递服务702选择客户706以从另一用户704获得意图，以便向客户706征求对意图的响应。意图消息传递服务702可基于一个或多个因素选择客户706。例如，客户706可能具有关于来自其他用户704的特定意图的先前经验。作为说明性示例，如果其他用户704表达了识别可以快速订购宠物食品的位置的意图，则意图消息传递服务702可以确定客户706在从不同品牌或位置获得宠物食品方面具有先前经验。该先前经验可以通过由客户706向意图消息传递服务702提交的先前意图、通过向意图消息传递服务702的其他用户704提供的响应、或通过客户706向意图消息传递服务702提供的其他表达(例如，客户已经表示对宠物感兴趣，客户已经与和宠物和宠物护理相关的品牌交互等)表达给意图消息传递服务702。

意图消息传递服务702可以更新安装在客户的计算设备708上的意图消息传递应用程序的用户界面710，以提供其他用户704的意图。例如，通过用户界面710可以向客户706呈现包括其他用户意图的新对话窗口。可以呈现意图而没有提交意图的其他用户704的任何识别信息。在一些情况下，意图可以与其他信息一起提供，这些信息可以用于客户706提供对意图的响应。例如，可以通过用户界面710将意图与其他用户704的地理位置信息、用于寻址意图的时间范围等一起呈现。客户706可以使用该附加信息来调整其对意图的响应。例如，如果意图用于识别其他用户704可以快速获得宠物食品的位置，则可以将意图与其他用户704的地理位置一起提供。客户706可以使用该附加信息来识别在指定地理位置附近的宠物食品位置。因此，该附加信息可能对客户706有用，以允许客户706准备对意图的相关响应。

客户706可以通过用户界面710提交对意图的响应。如图7所示，客户706已经指示了其他用户704可以使用的品牌的名称来处理意图。此外，客户706可以提供其他信息，这些信息可能对其他用户704有用。例如，如果客户706决定使用指定品牌，则客户706可指示其自己对指定品牌的经验，这对于其他用户704可能有用。通过用户界面710，客户706可以附加地响应于意图而另外提供可能对其他用户704有用的数字图像、语音记录、视频记录或其他媒体。

意图消息传递服务702可以从计算设备708通过用户界面710获得客户706提交的意图响应。响应于从客户706获得该意图响应，意图消息传递服务702可以评估该意图响应以确定该意图响应是否与其他用户704提交的意图相关。例如，意图消息传递服务702可以使用分类算法或其他机器学习模型来将客户706提交的意图响应分类为与意图相关或不相关。可以使用监督学习技术来训练分类算法或其他机器学习模型。例如，可以选择输入意图、已知相关响应、已知不相关响应、和分类的数据集来训练分类算法或其他机器学习模型。在一些示例中，可以从意图消息传递服务的管理员、意图消息传递服务的客户、或与意图消息传递服务相关联的其他来源获得输入意图。在一些实现方式中，用于训练意图处理系统使用的分类算法或其他机器学习模型的已知相关响应和不相关响应包括由生成样本意图的实体生成的响应。

如果意图消息传递服务702确定客户706对意图提供的响应与意图相关，则意图消息传递服务702可以向其他用户704提供响应。其他用户704可以评估来自客户706的响应，并确定是否通过意图消息传递服务702进一步与客户706进行对话。如果是，则意图消息传递服务702可更新客户706的用户界面710，以向客户706提供其他用户704的识别信息。此外，意图消息传递服务702可以在客户706与其他用户704之间建立通信通道，以允许客户706与其他用户704使用其各自的意图消息传递应用程序进行对话。

图8示出了根据至少一个实施方式的用于获得意图并将该意图提供给其他用户和品牌的过程800的说明性示例。过程800可以由意图消息传递服务执行，意图消息传递服务可以使用意图处理系统从客户生成的请求中提取意图，以及使用意图匹配系统来识别可以向其提供意图的一个或多个品牌和其他用户以便向这一个或多个品牌和其它用户征求对意图的响应。例如，响应于通过意图消息传递应用程序从客户获得征求响应的请求，意图消息传递服务可以获得客户的意图，并识别可以提供对该意图的响应的品牌和其他用户。客户可以使用这些响应来确定与哪些品牌和用户进行通信，以获得对其请求的解决方案。

在步骤802，意图消息传递服务获得用于创建意图的请求。例如，使用由意图消息传递服务提供并安装在客户的计算设备上的意图消息传递应用程序，客户可以生成在意图消息传递服务的用户网络内从不同品牌或其他用户征求一个或多个响应的请求。在请求中，客户可以指定请求的名称，并提供与所提供的名称相关联的请求。该请求可以包括意图，该意图可用于识别可能能够对客户的请求提供相关响应的品牌和其他用户。意图的示例可以包括(例如)主题、情绪、复杂性、和紧迫性。主题可以包括但不限于话题、产品、服务、技术问题、使用问题、投诉、退款请求或购买请求等。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)来确定意图。

响应于来自客户的请求，在步骤804，意图消息传递服务保持客户的新意图。例如，意图消息传递服务可从请求中提取意图，该意图可用于识别可能会使用对客户有用的相关信息或响应来响应请求的品牌和用户。此外，意图消息传递服务可以将意图与唯一标识符相关联，该唯一标识符可以用于跟踪意图和获得的对意图的任何响应。这可以帮助意图消息传递服务识别要向其提供意图的各种品牌或用户的对意图的响应，并向客户提供来自这些品牌或用户的相关响应。

在步骤806，意图消息传递服务确定是否需要来自客户的附加信息，该附加信息可用于识别可选择哪些品牌和用户来征求对意图的响应。例如，意图消息传递服务可以评估请求和意图，以确定附加信息是否对识别能够提供对客户意图的相关响应的一组品牌和用户有用。该附加信息可以包括客户的地理位置、解决请求的时间范围、对于特定品牌和/或用户的任何客户偏好等。

如果意图消息传递服务确定需要附加信息来补充客户提供的请求和意图，则在步骤808，意图消息传递服务可向与意图相关联的客户征求附加信息。例如，意图消息传递服务可以通过意图消息传递应用程序，使用自然语言处理(NLP)或其他人工智能算法，向客户询问与客户的意图有关的各种问题，以征求该附加信息。例如，如果客户已经提交了室内设计公司建议的请求，则意图消息传递服务可以询问客户其住在哪里、完成新室内设计项目的时间范围、新室内设计项目的预算、室内设计项目的各方面、以及与客户的室内设计查询相关的其他问题。响应于来自意图消息传递服务的这些附加问题，客户可以提供附加信息，该附加信息可以用于补充意图并识别可能对客户的意图提供相关响应的品牌和其他用户。

在步骤810，意图消息传递服务识别与客户的意图相关(例如，可能提供相关响应)并与意图消息传递服务相关联的品牌和/或其他用户。在一个实施方式中，意图消息传递服务通过意图匹配系统使用意图机器学习建模引擎来识别要被提供意图的一个或多个品牌和/或其他用户，以便从这一个或更多品牌和/或其他用户征求响应。意图机器学习建模引擎可以使用由意图匹配系统维护的品牌数据库和用户数据库、以及客户的意图作为机器学习模型的输入，来识别可能提供对意图的相关响应的品牌和/或用户。品牌数据库和用户数据库可以分别包括品牌和用户每一者的简档，这些简档可以与意图消息传递服务相关联。每个简档可以指示用户或品牌响应于特定意图或意图类别的经验、以及用户或品牌对于意图的基本主题或分类(例如，室内设计等)的兴趣。此外，每个简档可以指示关于用户或品牌对先前提供的意图的响应的反馈。该反馈可以指定响应于意图而提供的响应是否相关、有用或以其他方式被相应的客户赞赏。

意图机器学习建模引擎使用的机器学习模型可以使用与品牌和其他用户的特征相对应的样本意图和样本输出来训练，这些特征可以用于识别要向其提供意图的品牌和其他用户。此外，可以使用来自接收意图的不同品牌和其他用户的反馈来训练机器学习模型。该反馈可用于确定机器学习模型是否正在选择能够用相关响应来响应意图或以其他方式与意图的特征相关联的品牌和其他用户。例如，如果提供室内设计服务的品牌获得了与室内设计无关的意图，则该品牌可以提供指示所提供的意图与该品牌不相关的反馈。该反馈可用于进一步训练意图匹配系统所使用的机器学习模型。

在步骤812，基于意图机器学习建模引擎生成的输出，意图消息传递服务建议向其征求对客户意图的响应的其他用户和/或品牌。例如，意图消息传递服务可以通过意图消息传递应用程序提供由意图机器学习建模引擎识别为可能提供对客户意图的相关响应的品牌和/或其他用户的列表。使用意图消息传递应用程序，客户可以选择要向其提供客户的意图以向其征求响应的其他用户和品牌的子集。

基于客户的选择，在步骤814，意图消息传递服务将客户意图发送给客户选择的其他用户和/或品牌。在一个实施方式中，如果客户没有选择要向其提供其意图的品牌和/或用户，则意图消息传递服务可以默认地将客户的意图发送给意图机器学习建模引擎所识别的其他用户和/或品牌。在一些情况下，意图消息传递服务可以基于相关性阈值默认选择其他用户和/或品牌的子集。例如，可以基于每个品牌和其他用户对客户意图提供相关响应的可能性对每个品牌和其他用户进行评分。该分数可以由意图机器学习建模引擎基于品牌或用户对客户意图的主题的历史兴趣、品牌或用户响应类似意图的历史经验等来计算。

图9示出了根据至少一个实施方式的用于评估来自品牌和其他用户的提议的响应以识别响应于意图可呈现给客户的相关响应的过程900的说明性示例。过程900可以由意图消息传递服务执行，意图消息传递服务可以使用意图处理系统来评估向其提供意图的不同品牌和用户对意图的响应，以便确定这些响应是否与意图相关并且可以提供给客户。在一个实施方式中，意图处理系统实现机器学习模型，该机器学习模型用于评估来自不同品牌和用户的响应，以识别可响应于客户的意图而提供给客户的响应的子集。

在步骤902，意图处理系统从向其提供客户意图以征求响应的品牌和其他用户获得对客户意图的一个或多个提议的响应。如上所述，意图匹配服务的意图匹配系统可以识别一个或多个品牌和其他用户，这一个或多个品牌和用户可以对意图消息传递服务的客户提交的客户意图提供相关响应。例如，意图匹配系统可以查询品牌数据库和用户数据库，以分别识别可能对意图感兴趣、具有响应类似意图的经验、或可能以其他方式提供对意图的相关响应的品牌和用户。在一个实施方式中，意图匹配系统使用机器学习模型来识别可能对客户意图提供相关响应的品牌和其他用户。该机器学习模型可以使用与品牌和其他用户的特征相对应的样本意图和样本输出来训练，这些特征可以用于识别要向其提供意图的品牌和其他用户。此外，可以使用来自接收意图的不同品牌和其他用户的反馈来训练机器学习模型。该反馈可用于确定机器学习模型是否正在选择能够用相关响应来响应意图或以其他方式与意图的特征相关联的品牌和其他用户。例如，如果提供室内设计服务的品牌获得了与室内设计无关的意图，则该品牌可以提供指示所提供的意图与该品牌不相关的反馈。该反馈可用于进一步训练意图匹配系统所使用的机器学习模型。

在步骤904，意图处理系统评估由一个或多个品牌和其他用户提供的提议的响应，以确定这些提议的响应与客户意图的相关性。例如，意图处理系统可以使用分类算法或其他机器学习模型来评估响应，并将响应分类为与意图相关或与意图不相关。可以使用监督学习技术来训练该分类算法或其他机器学习模型。例如，可以选择输入意图、已知相关响应、已知不相关响应、和分类的数据集来训练该分类算法或其他机器学习模型。在一些示例中，可以从意图消息传递服务的管理员、意图消息传递服务的客户、或与意图消息传递服务相关联的其他来源获得输入意图。在一些实现方式中，用于训练意图处理系统使用的分类算法或其他机器学习模型的已知相关响应和不相关响应包括由生成样本意图的实体生成的响应。

在一些示例中，对样本意图的已知相关响应和不相关响应的所得分类进行评估，以确定可用于训练分类算法或其他机器学习模型的失败或错误。例如如果分类算法或其他机器学习模型将对样本意图的相关响应分类为不相关响应或将对样本意图的不相关响应分类为相关响应，则分类算法或其他机器学习模型的参数可以根据对样本意图的响应的错误分类所产生的失败来调整。这些参数可以包括意图处理系统使用的分类算法或其他机器学习模型的权重和偏差。

在一个实施方式中，分类算法或其他机器学习模型也被训练以识别响应的特性或其他特征、以及为其生成响应的意图的特性或其他特征。这些特性或特征可用于将响应分类为与意图相关或不相关。例如，如果意图包括与室内设计请求相对应的一个或多个特性，则分类算法或其他机器学习模型可以评估响应以确定该响应是否包括也与室内设计相对应的一个或多个特性。基于这些特性之间的相似性，分类算法或其他机器学习模型可以确定相关性分数，如果相关性分数超过相关性阈值，则该相关性分数可以对应于相关响应。因此，使用分类算法或其他机器学习模型，意图处理系统可以评估响应并将响应分类为与特定意图相关或不相关。

在步骤906，意图处理系统丢弃来自与客户意图无关的品牌和其他用户的任何响应。如上所述，意图处理系统可以使用分类算法或其他机器学习模型来对从品牌或其他用户获得的针对特定意图的每个响应进行分类。如果分类算法或其他机器学习模型确定响应不满足相关性阈值，则分类算法或其它机器学习模型可以将响应分类为与意图不相关。因此，意图处理系统可以获得被分类为与客户意图不相关的任何响应，并丢弃这些响应。在一个实施方式中，如果品牌或其他用户被识别为已经提供了不相关响应，则意图处理系统可以向意图匹配系统提供关于该品牌或其他用户的信息、以及该品牌或其他用户被确定为已经为其提供不相关响应的客户意图。意图匹配系统可以使用该信息来进一步训练其机器学习模型，该机器学习模型用于识别可以被选择以用于征求对特定意图的响应的品牌和其他用户。这可以导致提供不相关响应的品牌或其他用户不太可能被意图匹配系统选择来提供对与客户意图(该品牌或其他用户为其提供了不相关响应)类似的意图的响应。

在步骤908，意图处理系统向客户提供从一个或多个品牌和其他用户获得的相关响应，以允许客户通过意图消息传递应用程序与这些品牌和其他客户交互。例如，意图处理系统可以向意图消息传递应用程序发送相关响应，这可以使意图消息传递应用程序更新GUI以通过客户的计算设备向客户呈现可用响应。通过该GUI，客户可以确定是否发起与提供相关响应的品牌或其他用户的对话。如果客户不希望发起与提供了被意图处理系统认为相关的响应的品牌或其他用户的对话，则客户可以通过意图消息传递服务向品牌或其他用户发送通知以感谢品牌或其他用户的响应。附加地或替选地，客户可以提交关于所获得的响应的反馈。例如，客户可以指示所提供的响应是否与客户提交的意图相关。意图处理系统可以使用该反馈来进一步训练用于识别对给定意图的相关响应的分类算法或其他机器学习模型。如果客户选择发起与品牌或其他用户的对话，则意图消息传递服务可以打开客户与特定品牌或其他用户之间的通信通道。这允许该品牌或其他用户通过通信通道与客户交互。

图10示出了根据一些实现方式的计算系统架构1000，其包括使用诸如总线的连接1006彼此电通信的各种部件。示例系统架构1000包括处理单元(CPU或处理器)1004和系统连接1006，系统连接1006将包括系统存储器1020(例如ROM 1018和RAM 1016)的各种系统部件联接到处理器1004。系统架构1000可以包括高速存储器的高速缓存1002，该高速存储器直接与处理器1004连接、极为接近于处理器1004、或者集成为处理器1004的一部分。系统架构1000可以将数据从存储器1020和/或存储设备1008复制到高速缓存1002以便由处理器1004快速访问。以这种方式，高速缓存可以提供性能提升，避免处理器1004在等待数据时延迟。这些和其他模块可以控制或被配置为控制处理器1004执行各种动作。

也可以使用其他系统存储器1020。存储器1020可以包括具有不同性能特性的多种不同类型的存储器。处理器1004可以包括：任何通用处理器和硬件或软件服务，例如存储在存储设备1008中的服务1 1010、服务2 1012和服务3 1014，这些服务被配置为控制处理器1004；以及软件指令被并入实际的处理器设计中的专用处理器。处理器1004可以是包含多个核或处理器、总线、存储器控制器、高速缓存等的完全独立的计算系统。多核处理器可以是对称的或不对称的。

为了使用户能够与计算系统架构1000进行交互，输入设备1022可以表示任何数量的输入机构，诸如用于讲话的麦克风、用于手势或图形输入的触敏屏幕、键盘、鼠标、运动输入、讲话等等。输出设备1024也可以是本领域技术人员已知的多种输出机构中的一种或多种输出机构。在一些情况下，多模式系统可以使用户能够提供多种类型的输入以与计算系统架构1000通信。通信接口1026可以总体上管理和控制用户输入和系统输出。对在任何特定硬件布置上的操作没有限制，因此随着硬件或固件布置的发展，这里的基本特征可以很容易替代为改进的硬件或固件布置。

存储设备1008是非易失性存储器并且可以是硬盘或者可以存储可由计算机访问的数据的其他类型的计算机可读介质，诸如磁带盒、闪存卡、固态存储器设备、数字通用光盘、盒式磁带、RAM 1016、ROM 1018及其混合。

存储设备1008可以包括用于控制处理器1004的服务1010、1012、1014。可以设想其他硬件或软件模块。存储设备1008可以连接到系统连接1006。在一个方面，执行特定功能的硬件模块可以包括存储在与所需的硬件部件连接的计算机可读介质中的软件组件，以执行所述功能，所述硬件部件诸如处理器1004、连接1006、输出设备1024等等。

可以使用计算系统执行所公开的方法。示例计算系统可以包括处理器(例如，中央处理单元)、存储器、非易失性存储器、和接口设备。存储器可以存储数据和/或一个或多个代码集、软件、脚本等。计算机系统的组件可以经由总线或通过某一其他已知或方便的设备联接在一起。处理器可以被配置成例如通过执行例如存储在存储器中的代码来执行本文所描述的方法的全部或部分。用户设备或计算机、提供商服务器或系统、或者暂停数据库更新系统中的一者或多者可以包括计算系统的组件或这种系统的变型系统的组件。

本发明预想到采用任何合适的物理形式的计算机系统，包括但不限于销售点系统(“POS”)。作为示例而非限制，计算机系统可以是嵌入式计算机系统、片上系统(SOC)、单板计算机系统(SBC)(诸如，例如模块计算机(COM)或模块系统(SOM))、台式计算机系统、膝上型或笔记本计算机系统、交互式自助服务终端(kiosk)、大型机、计算机系统网格、移动电话、个人数字助理(PDA)、服务器、或以上两者或更多者的组合。适当时，计算机系统可以：包括一个或多个计算机系统；为统一的或分布式的；跨多个位置；跨多个机器；和/或驻留在云中，该云可以包括一个或多个网络中的一个或多个云组件。适当时，一个或多个计算机系统可以基本上没有空间或时间限制而执行本文所描述或所示出的一种或多种方法的一个或多个步骤。作为示例而非限制，一个或多个计算机系统可以实时或以批量模式执行本文所描述或所示出的一种或多种方法的一个或多个步骤。适当时，一个或多个计算机系统可以在不同时间或在不同位置执行本文所描述或所示出的一种或多种方法的一个或多个步骤。

处理器可以例如为传统微处理器，诸如英特尔奔腾微处理器或摩托罗拉功率PC微处理器。相关领域技术人员能够认识到术语“机器可读(存储)介质”或“计算机可读(存储)介质”包括可由处理器访问的任何类型的设备。

存储器可以通过例如总线联接到处理器。通过示例而非限制，存储器可以包括随机存取存储器(RAM)，诸如动态RAM(DRAM)和静态RAM(SRAM)。存储器可以是本地的、远程的、或分布式的。

总线还可以将处理器联接到非易失性存储器和驱动单元。非易失性存储器通常是磁性软盘或硬盘、磁光盘、光盘、只读存储器(ROM)(诸如CD-ROM、EPROM、或EEPROM)、磁卡或光卡、或另一种形式的用于大量数据的存储装置。该数据中的某些数据通常在计算机中的软件执行期间通过直接存储器访问过程来写入存储器中。非易失性存储装置可以是本地的、远程的、或分布式的。非易失性存储器是可选的，因为可以使用存储器中可用的所有适用数据创建系统。典型的计算机系统通常会至少包括处理器、存储器、以及将存储器联接到处理器的设备(例如，总线)。

软件可以存储在非易失性存储器和/或驱动单元中。实际上，对于大的程序，甚至可能不能将整个程序存储在存储器中。然而，应当理解，对于要运行的软件，如果需要，其可以移动到适于处理的计算机可读位置，并且为了说明目的，该位置在本文中称为存储器。即使当软件被移动到存储器以用于执行，处理器也可以使用硬件寄存器来存储与软件相关联的值以及使用理想地用于加速执行的本地缓存。如本文所使用的，当软件程序被称为“在计算机可读介质中实施的”时，软件程序被假设为存储在任何已知或方便位置(从非易失性存储装置至硬件寄存器)。当与程序相关联的至少一个值存储在可由处理器读取的寄存器中时，该处理器被认为是“被配置成执行程序”。

总线还可以将处理器联接到网络接口设备。接口可以包括调制解调器或网络接口中的一者或多者。能够理解，调制解调器或网络接口可以被视为计算机系统的一部分。接口可以包括模拟调制解调器、综合业务数字网(ISDN)调制解调器、线缆调制解调器、令牌环接口、卫星传输接口(例如，“直接PC”)、或其他用于将一计算机系统联接到其他计算机系统的接口。接口可以包括一个或多个输入和/或输出(I/O)设备。通过示例而非限制，I/O设备可以包括键盘、鼠标或其他定点设备、磁盘驱动器、打印机、扫描仪、以及其他输入和/或输出设备(包括显示设备)。通过示例而非限制，显示设备可以包括阴极射线管(CRT)、液晶显示器(LCD)、或某一其他适用的已知或方便的显示设备。

在操作中，计算机系统可由包括文件管理系统(诸如磁盘操作系统)的操作系统软件控制。具有相关联的文件管理系统软件的操作系统软件的一个示例是来自华盛顿州雷德蒙德的Microsoft Corporation(微软公司)的被称为

的操作系统系列及其相关联的文件管理系统。具有其相关联的文件管理系统软件的操作系统软件的另一个示例是Linux^TM操作系统及其相关联的文件管理系统。文件管理系统可以存储在非易失性存储器和/或驱动单元中，并且可以使处理器执行由操作系统所需的各种动作，以输入和输出数据以及将数据存储在存储器中，包括将文件存储在非易失性存储器和/或驱动单元上。

具体实施方式的某些部分可以依据对计算机存储器中的数据位的操作的算法和符号表示来呈现。这些算法描述和表示是数据处理领域的技术人员所使用的手段，以将其工作的实质最有效地传达给本领域的其他技术人员。算法在这里并且通常被设想成导致所期望的结果的操作的自洽序列。操作是那些需要物理量的物理操纵的操作。通常，虽然非必须，但这些物理量采用能够被存储、被转移、被组合、被比较、和以其他方式被操纵的电信号或磁信号的形式。已经证实，主要出于常用的原因，将这些信号称为位、值、元素、符号、字符、项、数字等有时是方便的。

然而，应当记住，所有这些术语和类似术语是与合适的物理量相关联的并且仅仅是应用于这些物理量的方便的标签。除非以与以下讨论明显不同的方式明确声明，否则应当理解，贯穿整个说明书，使用诸如“处理”或“计算(computing)”或“计算(calculating)”或“确定”或“显示”或“生成”等的术语的讨论是指计算机系统或类似电子计算设备的动作和过程，所述计算机系统或类似电子计算设备将表示为计算机系统的寄存器和存储器内的物理(电子)量的数据操纵并转换成其他类似地表示为计算机系统的存储器或寄存器或其他这种信息存储、传输或显示设备内的物理量的数据。

本文中呈现的算法和显示并非固有地与任何特定计算机或其他装置相关。各种通用系统可以与根据本文教导的程序一起使用，或者可以证实构建更专门的装置来执行一些示例的方法是方便的。根据以下描述，所需的用于各种这些系统的结构将显现。此外，并未参考任何特定编程语言来描述技术，因此各种示例可以使用各种编程语言来实现。

在各种实现方式中，系统作为独立设备进行操作或者可以连接(例如，联网)到其他系统。在联网部署中，系统可以在客户端-服务器网络环境中作为服务器或客户端系统进行操作，或者在点对点(或分布式)网络环境中作为对等系统进行操作。

系统可以是服务器计算机、客户端计算机、个人计算机(PC)、平板PC、膝上型计算机、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、iPhone(苹果手机)、Blackberry(黑莓手机)、处理器、电话、网络设备、网络路由器、交换机或桥接器、或能够执行指定待由该系统采取的动作的一组指令(按顺序或者以其他方式)的任何系统。

虽然机器可读介质或机器可读存储介质作为示例被示为单个介质，但术语“机器可读介质”和“机器可读存储介质”应被理解为包括存储一组或多组指令的单个介质或多个介质(例如，集中式或分布式数据库，和/或相关联的高速缓存和服务器)。术语“机器可读介质”和“机器可读存储介质”还应理解为包括能够存储、编码或携带一组供系统执行的指令并且使系统执行本文公开的任何一种或多种方法或模块的任何介质。

通常，被执行以实现本发明的实现方式的例程可以实现为操作系统或专用应用程序、组件、程序、对象、模块或被称为“计算机程序”的指令序列的一部分。计算机程序通常包括在不同时间在计算机中的各种存储器和存储设备中设置的一个或多个指令，并且所述指令在被计算机中的一个或多个处理单元或处理器读取并执行时，致使该计算机进行操作以执行涉及本发明的各种方面的元素。

此外，尽管已经在功能完善的计算机和计算机系统的上下文中描述了示例，但是本领域技术人员能够理解，各种示例能够作为程序客体而以各种形式分布，而且不管实际用于实现分布的机器或计算机可读介质的具体类型如何，本发明都同样适用。

机器可读存储介质、机器可读介质、或计算机可读(存储)介质的其他示例包括但不限于：可记录类型介质，诸如易失性和非易失性存储器设备、软盘和其他可移除磁盘、硬盘驱动器、光盘(例如，光盘只读存储器(CD ROM)、数字通用光盘(DVD)等)等等；以及传输类型介质，诸如数字和模拟通信链路。

在一些情况中，存储器设备的操作(诸如从二进制1到二进制0的状态改变或者反之亦然)例如可以包括变换(诸如物理变换)。利用特定类型的存储器设备，这种物理变换可以包括物品向不同状态或事物的物理变换。例如，但非限制地，对于某些类型的存储器设备，状态的改变可以涉及电荷的积累和存储或者所存储的电荷的释放。类似地，在其他存储器设备中，状态的改变可以包括磁取向的物理改变或变换或者分子结构的物理改变或变换，诸如从晶体到非晶体或者反之亦然。前述内容不意图为其中存储器设备中从二进制1到二进制0(或者反之)的状态改变可以包括变换(诸如物理变换)所有示例的穷尽列表。而是，前述内容意图作为说明性示例。

存储介质通常可以为非暂时性设备或者可以包括非暂时性设备。在该情况下，非暂时性存储介质可以包括有形设备，这意味着该设备具有具体的物理形式，但是该设备的物理状态可以改变。因此，例如，非暂时性是指尽管状态改变但是保持有形的设备。

以上描述和附图是说明性的而不能解释为将主题限制到所公开的确切形式。相关领域的技术人员能够理解，鉴于上述公开内容可以有许多修改和变型。描述了许多具体细节来提供对本发明的透彻理解。然而，在某些情况中，众所周知的或常规的细节没有被描述，从而避免使描述模糊不清。

如本文中所使用的，术语“连接”、“联接”、或其任何变型当应用于系统的模块时，意味着两个或更多个元件之间直接或间接的任何连接或联接；元件之间的联接或连接可以是物理的、逻辑的、或其任何组合。此外，词语“本文”、“以上”、“以下”、以及类似含义的词语，当用于本申请中时，应该是指本申请整体，而不是本申请的任何特定部分。当上下文允许时，在以上具体实施方式部分中的使用单数或复数的词语也可以分别包括复数或单数。在关于两个或更多个项目的列表中，词语“或”涵盖该词语的所有如下解释：列表中项目的任一者、列表中所有项目、或者列表中项目的任何组合。

本领域技术人员能够理解，所公开的主题可以以下面未示出的其他形式和方式来实施。应当理解，关系型术语的使用(如果有的话，诸如第一、第二、顶部和底部等)仅用于将一个实体或动作与另一个实体或动作区分开，而不必要求或暗示这些实体或动作之间的任何这种实际关系或顺序。

尽管过程或方框以给定顺序呈现，但是替选实现方式可以执行具有不同顺序的步骤的例程或采用具有不同顺序的方框的系统，并且一些过程或方框可以被删除、移动、添加、细分、取代、组合和/或修改，以提供替选组合或子组合。可以以各种不同方式实现这些过程或方框中的每一者。此外，尽管过程或方框有时被示出为串行执行，但是这些过程或方框也可以并行执行或者可以在不同时间执行。另外，本文中提到的任何特定数字都只是示例：替选实现方式可以采用不同的值或范围。

本文中提供的本发明的教导可以应用于其他系统，而不必是上述系统。上述各种示例的元素和动作可以被结合以提供进一步的示例。

以上提到的任何专利和申请和其他参考文件(包括可能在所附递交文件中列出的任何参考文件)通过引用并入本文。如果需要，可以修改本发明的方面来采用上述各个参考文件的系统、功能和概念，以提供本发明的其他进一步的示例。

可以根据以上具体实施方式来对本发明做出这些和其他改变。尽管以上描述描述了特定示例，并且描述了预期的最好方式，但是不管上述内容的文本呈现得多么详细，教导都可以以许多方式实践。系统的细节可以在其实现方式细节上进行相当大的变化，但是仍然被本文所公开的主题所包括。如上所述，当描述本发明的某些特征或方面时所使用的特定术语不应当被看作是暗示该术语在本文中被重新定义以限制到与该术语相关联的本发明的任何特定特性、特征或方面。通常，在所附权利要求书中所使用的术语不应当被解释为将本发明限制到说明书中所公开的特定实现方式，除非以上具体实施方式部分明确定义了这些术语。因此，本发明的实际范围不仅包括所公开的实现方式，而且包括根据权利要求实践或实现本发明的所有等同方式。

尽管以某些权利要求形式呈现了本发明的某些方面，但是发明人预期到任何数量的权利要求形式的本发明的各个方面。任何旨在根据35U.S.C.§112(f)进行处理的权利要求将以表述“用于……”开头。因此，申请人保留在递交本申请之后添加附加权利要求的权利以寻求这些用于本发明的其他方面的附加权利要求形式。

在本发明的上下文内，在本说明书中所使用的术语通常具有其在本领域和在每个术语所使用的特定上下文中的通常含义。用于描述本发明的特定术语在以上或者说明书中的其他地方进行讨论，以为实践者提供关于本发明的描述的附加指导。为了方便，某些术语可以被突出，例如使用大写、斜体、和/或引号。使用突出不会对术语的范围和含义有任何影响；在同一上下文中，无论术语是否被突出，该术语的范围和含义都是相同的。能够理解，同一元素可以以多于一种的方式被描述。

因此，本文所讨论的任何一个或多个术语可以使用替选语言和同义词，但也不是基于术语是否在本文中详尽或讨论而对其赋予任何特殊意义。提供了某些术语的同义词。一个或多个同义词的记载并不排除其他同义词的使用。包括本文所讨论的任何术语的示例的本说明书中任何地方使用的示例都仅是说明性的，并且不意图进一步限制本发明或任何示例性术语的范围和含义。同样地，本发明并不限于本说明书中所给出的各个示例。

下面给出根据本发明的示例的设备、装置、方法及其相关结果的示例，但不意图进一步限制本发明的范围。需要注意的是，为了阅读者方便，可以在示例中使用标题或副标题，但不以任何方式限制本发明的范围。除非另外定义，否则本文所使用的所有技术术语和科学术语具有与本发明所属领域的普通技术人员通常理解的含义相同的含义。在有冲突的情况下，将以包括定义的本文为准。

本说明书的一些部分描述了对信息进行操作的算法和符号表示的示例。这些算法描述和表示通常由数据处理领域的技术人员用于将其工作实质有效地传达给本领域的其他技术人员。当从功能上、从计算上、或从逻辑上描述这些操作时，这些操作被理解成将由计算机程序或等效电路、微代码等实现。此外，还已经证实将这些操作的布置称为模块有时是方便的，且不失通用性。所描述的操作及其相关联的模块可以体现在软件、固件、硬件、或其任意组合中。

本文描述的任何步骤、操作、或过程可以利用一个或多个硬件或软件模块单独地或与其他设备结合地执行或实现。在一些示例中，软件模块利用包括计算机可读介质的计算机程序客体来实现，计算机可读介质包含计算机程序代码，计算机程序代码可由计算机处理器执行以用于执行所描述的步骤、操作、或过程中的任一者或全部。

示例还可以涉及用于执行本文中的操作的装置。该装置可以被专门构建以用于所需目的，和/或该装置可以包括通过计算机中存储的计算机程序选择性激活或重新配置的通用计算设备。这种计算机程序可以存储在非暂时性、有形的计算机可读存储介质或适用于存储电子指令的任何类型的介质中，所述介质可以联接到计算机系统总线。此外，本说明书中提及的任何计算系统都可以包括单个处理器或者可以是采用多处理器设计以提高计算能力的架构。

示例还可以涉及由本文描述的计算进程形成的客体。该客体可以包括由计算进程产生的信息，其中该信息存储在非暂时性、有形的计算机可读存储介质上以及可以包括计算机程序客体或本文描述的其他数据组合的任何实现方式。

已经主要出于可读性和指导目的而选择本说明书中所使用的语言，而不是选择这些语言来描绘或约束主题。因此，不意图通过详细描述来限制本发明的范围，而是通过基于本申请发布的任何权利要求来限制。因此，示例的公开意图是说明性的，而非对主题的范围的限制，主题的范围在所附权利要求中阐述。

在以上描述中给出了特定细节以提供对用于上下文连接系统的系统和组件的各种实现方式的透彻理解。然而，本领域普通技术人员应当理解，可以在没有这些特定细节的情况下实践上述实现方式。例如，电路、系统、网络、进程、和其他组件可以被示为框图形式中的组件，以免在不必要的细节上使实施方式模糊不清。在其他情况下，可以示出公知的电路、进程、算法、结构和技术而没有不必要的细节，以避免使实施方式模糊不清。

另外，应当注意，各个实现方式可以被描述为过程，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，但是可以具有未包含在图中的附加步骤。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，其终止可对应于该函数返回到调用函数或主函数。

客户端设备、网络设备、和其他设备可以是计算系统，该计算系统包括一个或多个集成电路、输入设备、输出设备、数据存储设备、和/或网络接口等等。集成电路可以包括例如一个或多个处理器、易失性存储器、和/或非易失性存储器等等。输入设备可以包括例如键盘、鼠标、小键盘、触摸界面、麦克风、相机和/或其他类型的输入设备。输出设备可以包括例如显示屏、扬声器、触觉反馈系统、打印机和/或其他类型的输出设备。诸如硬盘驱动器或闪存的数据存储设备可以使计算设备能够临时地或永久地存储数据。诸如无线或有线接口的网络接口可以使计算设备能够与网络通信。计算设备的示例包括台式计算机、膝上型计算机、服务器计算机、手持计算机、平板电脑、智能电话、个人数字助理、数字家庭助理、以及已经并入计算设备的机器和装置。

术语“计算机可读介质”包括但不限于便携式或非便携式存储设备、光存储设备、以及能够存储、包含、或承载(一个或多个)指令和/或数据的各种其他介质。计算机可读介质可以包括非暂时性介质，该非暂时性介质中可以存储数据，并且不包括无线地或通过有线连接传播的载波和/或暂时性电信号。非暂时性介质的示例可以包括但不限于磁盘或磁带、诸如光盘(CD)或数字通用光盘(DVD)的光存储介质、闪存、存储器或存储器设备。计算机可读介质可以具有其上存储的代码和/或机器可执行指令，其可以表示过程、函数、子程序、程序、例程、子例程、模块、软件包、类、或者指令、数据结构或程序语句的任何组合。一代码段可以通过传递和/或接收信息、数据、自变量、参数、或存储内容而与另一代码段或硬件电路关联。信息、自变量、参数、数据等可以通过包括存储器共享、消息传递、令牌传递、网络传输等的任何适当手段来进行传递、转发或传输。

以上讨论的各种示例还可以通过硬件、软件、固件、中间件、微代码、硬件描述语言、或它们的任何组合来实现。当以软件、固件、中间件或微代码实现时，执行必要任务的程序代码或代码段(例如，计算机程序产品)可以存储在计算机可读或机器可读存储介质(例如，用于存储程序代码或代码段的介质)中。在集成电路中实现的(一个或多个)处理器可以执行必要任务。

当组件被描述成“被配置成”执行某些操作时，这种配置可以例如通过将电子电路或其他硬件设计成执行操作、通过将可编程电子电路(例如，微处理器、或其他合适的电子电路)编程为执行操作、或者其任何组合来完成。

结合本文公开的实现方式描述的各种说明性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件、固件、或其组合。为了清楚地说明硬件和软件的这种可互换性，以上已经在其功能方面总体上描述了各种说明性组件、块、模块、电路、和步骤。这种功能被实现为硬件还是软件取决于特定应用和对整个系统的设计约束。技术人员可以针对每种特定应用以不同方式实现所描述的功能，但是这种实现决策不应被解释为造成偏离本发明的范围。

本文描述的技术也可以在电子硬件、计算机软件、固件或其任何组合中实现。这样的技术可以在多种设备中的任何一种中实现，例如通用计算机、无线通信设备手机、或具有多种用途的集成电路设备，包括在无线通信设备手机和其他设备中的应用程序。描述为模块或组件的任何特征都可以在集成逻辑设备中一起实现，或者作为分立但可互操作的逻辑设备单独实现。如果以软件实现，则该技术可以至少部分地由包括程序代码的计算机可读数据存储介质实现，该程序代码包括指令，该指令当被执行时，执行上述方法中的一种或多种。计算机可读数据存储介质可以形成计算机程序产品的一部分，该计算机程序产品可以包括包装材料。计算机可读介质可以包括存储器或数据存储介质，例如随机存取存储器(RAM)(例如同步动态随机存取存储器(SDRAM))、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦可编程只读存储器(EEPROM)、闪存、磁或光数据存储介质等。附加地或替选地，这些技术可以至少部分地通过计算机可读通信介质来实现，该计算机可读通信介质承载或传送指令或数据结构形式的程序代码并且这些指令或数据结构可以由计算机访问、读取和/或执行，例如传播的信号或波。

程序代码可以由处理器执行，处理器可以包括一个或多个处理器，诸如一个或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)、或其他等效的集成或离散逻辑电路。这种处理器可以被配置成执行本发明中描述的任何技术。通用处理器可以是微处理器；但是在替选方案中，处理器可以是任何常规处理器、控制器、微控制器、或状态机。处理器也可以实现为计算设备的组合，例如DSP和微处理器的组合、多个微处理器、与DSP核结合的一个或多个微处理器、或者任何其他这种配置。因此，本文中所使用的术语“处理器”可以是指任何前述结构、前述结构的任何组合、或适于实现本文所描述的技术的任何其他结构或装置。此外，在一些方面中，可以在被配置成用于实现暂停数据库更新系统的专用软件模块或硬件模块内提供本文所描述的功能。

已经出于说明和描述的目的呈现了技术的前述详细描述。该详细描述并非详尽的，也不意图将技术限制到所公开的确切形式。鉴于以上教导可以有许多修改和变型。选择所描述的实施方式是为了最好地解释技术的原理、其实践应用、以及使本领域其他技术人员能够在各种实施方式中利用该技术并且与适用于预期的特定用途的各种修改一起利用该技术。意图通过权利要求来限定该技术的范围。

Claims (20)

1.一种计算机实现的方法，包括：

获得意图，其中，所述意图与要处理的请求相对应，并且所述意图与客户相关联；

识别要被提供所述意图的一个或多个用户，其中，基于所述意图的一组特性来识别所述一个或多个用户；

提供所述意图，其中，将所述意图提供给所述一个或多个用户以征求对所述意图的响应；

获得对所述意图的一组响应；

评估所述一组响应以识别对所述意图的相关响应，其中，丢弃所述一组响应中的不相关响应；以及

提供所述相关响应，使得响应于所述意图而将所述相关响应呈现给所述客户。

2.如权利要求1所述的计算机实现的方法，还包括：

接收发起与用户的通信通道的另一请求，其中，所述另一请求与所述意图和所述用户对所述意图的响应相关联；以及

建立所述通信通道以允许所述用户通过所述通信通道发送响应于所述意图的通信。

3.如权利要求1所述的计算机实现的方法，其中，使用分类模型来评估所述一组响应，其中，使用样本意图、对所述样本意图的已知相关响应、以及对所述样本意图的已知不相关响应来更新所述分类模型。

4.如权利要求1所述的计算机实现的方法，其中，使用机器学习模型来识别所述一个或多个用户，其中，使用与所述一个或多个用户的特征相对应的样本意图和样本输出来更新所述机器学习模型。

5.如权利要求1所述的计算机实现的方法，还包括向由所述一个或多个用户实现的应用程序发送指令，以使得所述应用程序禁止创建新响应，其中，响应于获得所述一组响应而发送所述指令。

6.如权利要求1所述的计算机实现的方法，其中，基于所述请求的语义分析从所述请求中提取所述意图。

7.如权利要求1所述的计算机实现的方法，其中，响应于对与所述意图相关联的附加信息的查询而获得所述意图的所述一组特性。

8.一种系统，包括：

一个或多个处理器；以及

存储器，所述存储器存储有指令，所述指令由于被所述一个或多个处理器执行而使得所述系统：

获得意图，其中，所述意图与要处理的请求相对应，并且所述意图与客户相关联；

识别要被提供所述意图的一个或多个用户，其中，基于所述意图的一组特性来识别所述一个或多个用户；

提供所述意图，其中，将所述意图提供给所述一个或多个用户以征求对所述意图的响应；

获得对所述意图的一组响应；

评估所述一组响应以识别对所述意图的相关响应，其中，丢弃所述一组响应中的不相关响应；以及

提供所述相关响应，使得响应于所述意图而将所述相关响应呈现给所述客户。

9.如权利要求8所述的系统，其中，使用分类模型来识别所述相关响应，其中，使用样本意图、对所述样本意图的已知相关响应、以及对所述样本意图的已知不相关响应来生成所述分类模型。

10.如权利要求8所述的系统，其中，所述指令还使得所述系统向所述一个或多个用户使用的应用程序发送可执行指令以生成所述一组响应，使得所述应用程序禁止生成进一步的响应，其中，响应于获得所述一组响应而发送所述可执行指令。

11.如权利要求8所述的系统，其中，所述指令还使得所述系统：

获得在所述客户的第一计算系统与用户的第二计算系统之间建立通信通道的另一请求，其中，响应于确定来自所述用户的响应满足所述意图而获得所述另一请求；以及

响应于所述另一请求而建立所述通信通道。

12.如权利要求8所述的系统，其中，使用机器学习模型来识别所述一个或多个用户，其中，使用与所述一个或多个用户的特征相对应的样本意图和样本输出来生成所述机器学习模型。

13.如权利要求8所述的系统，其中，所述指令还使得所述系统使用自然语言处理来征求与所述意图相关联的信息，其中，与所述意图相关联的所述信息用于从所述请求中提取所述意图。

14.如权利要求8所述的系统，其中，所述指令还使得所述系统执行对所述请求的语义分析，以从所述请求中提取所述意图。

15.一种非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质上存储有可执行指令，所述可执行指令由于被计算机系统的一个或多个处理器执行而使得所述计算机系统：

获得意图，其中，所述意图与要处理的请求相对应，并且所述意图与客户相关联；

识别要被提供所述意图的一个或多个用户，其中，基于所述意图的一组特性来识别所述一个或多个用户；

提供所述意图，其中，将所述意图提供给所述一个或多个用户以征求对所述意图的响应；

获得对所述意图的一组响应；

评估所述一组响应以识别对所述意图的相关响应，其中，丢弃所述一组响应中的不相关响应；以及

提供所述相关响应，使得响应于所述意图而将所述相关响应呈现给所述客户。

16.如权利要求15所述的非暂时性计算机可读介质，其中，所述可执行指令还使得所述计算机系统：

获得在所述客户的第一计算设备与提供相关响应的用户的第二计算设备之间建立通信通道的另一请求；以及

在所述客户的所述第一计算设备与所述用户的第二计算设备之间建立所述通信通道，以使得所述客户与所述用户之间通过所述通信通道关于所述意图进行交互。

17.如权利要求15所述的非暂时性计算机可读存储介质，其中，所述可执行指令还使得所述计算机系统执行对所述请求的语义分析以获得所述意图。

18.如权利要求15所述的非暂时性计算机可读存储介质，其中，使用机器学习模型来识别所述一个或多个用户，其中，使用与所述一个或多个用户的特征相对应的样本意图和样本输出来生成所述机器学习模型。

19.如权利要求15所述的非暂时性计算机可读存储介质，其中，所述可执行指令还使得所述计算机系统使用分类模型来评估所述一组响应，其中，使用样本意图、对所述样本意图的已知相关响应、以及对所述样本意图的已知不相关响应来更新所述分类模型。

20.如权利要求15所述的非暂时性计算机可读存储介质，其中，使用机器学习模型来识别所述一个或多个用户，其中，使用与所述一个或多个用户的特征相对应的样本意图和样本输出来更新所述机器学习模型。

Images