CN116304045A - 信息处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请实施例公开了一种信息处理方法、装置及电子设备，该方法包括：在坐席与用户通话过程中，响应于工单生成指令，获取坐席与用户的对话文本；对对话文本进行工单分类处理，得到候选工单标签；确定候选工单标签是否属于待加工标签；若确定候选工单标签属于待加工标签，则获取用户的历史行为数据，并根据历史行为数据对候选工单标签进行加工；若对候选工单标签进行加工的结果为得到加工标签，则将加工标签添加到工单标签集，工单标签集用于存储多个与对话文本相关的标签，以在检测到生成工单信息的指令时，根据工单标签集中的至少一个标签生成与用户匹配的工单信息。

Description

信息处理方法、装置、电子设备及存储介质

技术领域

本申请涉及通信技术领域，尤其涉及一种信息处理方法、装置、电子设备及存储介质。

背景技术

工单指的是客服平台用来记录、跟踪和处理客户诉求的完成情况，一般在客户进线咨询或者办理业务的时候，都需要创建工单。工单标签是用来标注客户信息的一种标注形式，目前客服平台的工单标签主要分为渠道类、无诉点、诉求、案件升级、处理团队、结案判断以及责任归属七大类，每个大类根据实际情况再进行细分。

在一些场景下，工单的创建必须根据客户的信息，选择对应的工单标签，随着业务的不断发展，工单标签的各个子类不断细化，工单标签的数量也在不断的增加。在创建工单时，坐席人员需要根据客户办理业务的不同选择对应不同的标签，由于工单标签的数量多，层级深，通过人工的方式为创建的工单选择对应的工单标签不仅效率低下，且由于时间紧迫的原因，人工选择工单标签容易错选漏选，导致为创建的工单选择的工单标签准确率较低。

发明内容

本申请提供一种信息处理方法、装置、电子设备及存储介质，能够提高为工单选择对应的工单标签的效率以及准确率。

第一方面，本申请提供一种信息处理方法，包括：在坐席与用户通话过程中，响应于工单生成指令，获取坐席与用户的对话文本；对对话文本进行工单分类处理，得到候选工单标签；确定候选工单标签是否属于待加工标签；若确定候选工单标签属于待加工标签，则获取用户的历史行为数据，并根据历史行为数据对候选工单标签进行加工；若对候选工单标签进行加工的结果为得到加工标签，则将加工标签添加到工单标签集，工单标签集用于存储多个与对话文本相关的标签，以在检测到生成工单信息的指令时，根据工单标签集中的至少一个标签生成与用户匹配的工单信息。

第二方面，本申请提供一种信息处理装置，包括：

获取模块，用于在坐席与用户通话过程中，响应于工单生成指令，获取所述坐席与用户的对话文本；

处理模块，用于对所述对话文本进行工单分类处理，得到候选工单标签；

确定模块，用于确定所述候选工单标签是否属于待加工标签；

所述获取模块，还用于若确定所述候选工单标签属于所述待加工标签，则获取用户的历史行为数据，并根据所述历史行为数据对所述候选工单标签进行加工；

生成模块，用于若对所述候选工单标签进行加工的结果为得到加工标签，则将所述加工标签添加到工单标签集，所述工单标签集用于存储多个与所述对话文本相关的标签，以在检测到生成工单信息的指令时，根据所述工单标签集中的至少一个标签生成与所述用户匹配的工单信息。

第三方面，本申请提供一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令，以实现如第一方面的方法。

第四方面，本申请提供一种计算机可读存储介质，当存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如第一方面的方法。

可以看出，在坐席与用户通话过程中，响应于工单生成指令，获取坐席与用户的对话文本；对对话文本进行工单分类处理，得到候选工单标签，在接收到工单生成指令后，响应于工单生成指令，能够自动化的对对话文本进行初始的分类处理，从而得到对话文本的候选工单标签，提高为对话文本提供工单标签的效率；进一步，为了进一步提高对话文本的分类标签的准确率，确定候选工单标签是否属于待加工标签；若确定候选工单标签属于待加工标签，则获取用户的历史行为数据，并根据历史行为数据对候选工单标签进行加工；若对候选工单标签进行加工的结果为得到加工标签，则将加工标签添加到工单标签集，工单标签集用于存储多个与对话文本相关的标签，以在检测到生成工单信息的指令时，根据工单标签集中的至少一个标签生成与用户匹配的工单信息。如此，通过自动化的方式为对话文本确定对应的工单标签并生成工单，提高了确定工单标签的效率，通过对对话文本进行工单分类处理，以及对工单分类处理得到的候选工单标签进行再一次确认其是否属于待加工标签，从而为对话文本确定最终的分类标签，从而提高了确定工单标签的准确率。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：

图1为本申请实施例提供的一种信息处理方法的流程示意图；

图2为本申请实施例提供的一种对对话文本进行分类的过程示意图；

图3为本申请实施例提供的一种信息处理装置的结构示意图；

图4为本说明书的一个实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都应当属于本申请保护的范围。

本说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应理解这样使用的数据在适当情况下可以互换，以便本申请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。此外，本说明书以及权利要求书中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。

如上所提到的，工单的创建必须根据客户的信息，选择对应的工单标签，随着业务的不断发展，工单标签的各个子类不断细化，工单标签的数量也在不断的增加。在创建工单时，坐席人员需要根据客户办理业务的不同选择对应不同的标签，由于工单标签的数量多，层级深，通过人工的方式为创建的工单选择对应的工单标签不仅效率低下，且由于时间紧迫的原因，人工选择工单标签容易错选漏选，导致为创建的工单选择的工单标签准确率较低。

通过本申请实施例公开的技术方案，在坐席与用户通话过程中，响应于工单生成指令，获取坐席与用户的对话文本；对对话文本进行工单分类处理，得到候选工单标签，在接收到工单生成指令后，响应于工单生成指令，能够自动化的对对话文本进行初始的分类处理，从而得到对话文本的候选工单标签，提高为对话文本提供工单标签的效率；进一步，为了进一步提高对话文本的分类标签的准确率，确定候选工单标签是否属于待加工标签；若确定候选工单标签属于待加工标签，则获取用户的历史行为数据，并根据历史行为数据对候选工单标签进行加工；若对候选工单标签进行加工的结果为得到加工标签，则将加工标签添加到工单标签集，工单标签集用于存储多个与对话文本相关的标签，以在检测到生成工单信息的指令时，根据工单标签集中的至少一个标签生成与用户匹配的工单信息。如此，通过自动化的方式为对话文本确定对应的工单标签并生成工单，提高了确定工单标签的效率，通过对对话文本进行工单分类处理，以及对工单分类处理得到的候选工单标签进行再一次确认其是否属于待加工标签，从而为对话文本确定最终的分类标签，从而提高了确定工单标签的准确率。

应理解，本申请实施例提供的信息处理方法可以由电子设备执行或安装在电子设备中的软件执行，具体可以由终端设备或服务端设备执行。其中，终端可以包括手机、笔记本电脑、智能可穿戴设备以及车载终端等等，服务器可以包括独立的物理服务器、由多个服务器组成的服务器集群或者能够进行云计算的云服务器。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

下面结合图1对本申请实施例提供的一种信息处理方法进行进一步的详细说明，请参考图1，为本说明书的一个实施例提供的一种信息处理方法的流程示意图，应用于电子设备，该方法可以包括：

步骤S101，在坐席与用户通话过程中，响应于工单生成指令，获取坐席与用户的对话文本。

在一个实施例中，工单生成指令可以是用户拨打客户热线到智能呼叫中心，通过智能呼叫中心(Intelligent call center，ICC)转接到坐席，在坐席接通用户拨打的电话后触发的指令。又一个实施例中，工单生成指令还可以是在用户与坐席正在进行通话的过程中，坐席执行了预先设定的触发操作，比如坐席在于用户的通话界面中触发了预先指定的工单生成选项，或者是输入了预先设定的工单生成手势等等。再一个实施例中，工单生成指令还可以是在检测电子设备检测到用户的语音中存在指定内容，该指定内容可以是用户提到要办理XX业务，或者用户咨询XX业务的办理流程等等。上述只是本申请提供的几种工单生成指令的可能方式，对具体形式不做限定，在实际应用中，可以根据具体场景需要，设置工单生成指令。

坐席与用户的对话文本指的是用户与坐席进行通话时的对话信息，其包括但不限于用户的性别、对话序号、通话ID以及具体的通话内容等。在一种可能的实现方式中，获取坐席与用户的对话文本，包括：

获取坐席与用户通话过程中的语音信息；对语音信息进行语音转文本识别处理，得到文本信息；将文本信息和用户对应的通话标识生成对话文本。

具体来讲，坐席与用户通话过程中的语音信息指的是用户与坐席通话时用户说话的语音内容和坐席说话的语音内容，在得到该语音信息后通过语音识别系统将语音转换为文本信息，即将语音内容转换为文字的形式，将转换后的文本信息和用户对应的通话标识发送给智能客户平台(ICRM)，由智能客户平台将文本信息和通话标识发送到消息队列(MQ)中。由后端服务组件(KnownLabel)监听消息队列中的文本信息和通话标识，将用户与坐席进行通话的内容以及通话标识按照时间顺序组装成有序的对话文本。其中，与用户对应的通话标识指的是用户的性别、对话序号、坐席ID、用户通话所使用的终端的ID等。

步骤S103，对对话文本进行工单分类处理，得到候选工单标签。

具体的，对对话文本进行工单分类处理指的是为对话文本添加分类标签，确定用户与坐席沟通的内容所属的类型，例如，分类标签包括渠道类、无诉点类、诉求类、案件升级类、处理团队类、结案判断类、责任归属类等，对对话文本进行工单分类处理指的是确定对话文本属于上述分类标签中的哪一类。其中，对工单进行分类处理的方式包括但不限于采用预训练后的模型进行分类、通过后端服务组件KnownLabel使用智能算法进行分类等。值得注意的是，对于对话文本而言，候选工单标签可以是一个，也可以是多个，本申请实施例在此并不作限定。在下面的描述中，无特殊说明的情况下，以一个候选工单为例，对于其他任何候选工单的处理方式都与此候选工单的处理方式相同。

为了提高对话文本进行分类的准确率，在一种可能的实现方式中，对对话文本进行工单分类处理包括：将对话文本输入到预训练后的分类模型中进行工单分类处理，分类模型是根据坐席和用户进行通话的历史对话数据，以及历史对话数据对应的工单标签训练得到的分类模型。

具体来讲，预训练后的分类模型可以是根据坐席与用户进行通话的历史对话数据和与该历史对话数据进行标注的对应的工单标签进行训练得到的，分类模型可以是逻辑回归模型、决策树模型、随机森林模型以及朴素贝斯等模型。其中，坐席与用户进行通话的历史对话数据包括但不限于用户所需求办理的业务，坐席针对用户的需求所推荐的业务、用户的个人信息、用户和坐席进行通话的通话标识以等。

步骤S105，确定候选工单标签是否属于待加工标签。

简单来讲，确定候选工单是否属于待加工标签实质是验证候选工单标签的合理性和真实性，如果候选工单标签是合理的、真实的，可以认为候选工单标签不属于待加工标签；如果候选工单标签是不合理的或者不真实的，那么就可以认为候选工单标签属于待加工标签。。

具体实现中，待加工标签包括但不限于存在子标签的标签、属于白名单中的标签，与其他已确定标签关联度不高的标签以及包含负面情绪的标签等。

在一种可能的实现方式中，确定候选工单标签是否属于待加工标签，包括：根据候选工单标签的标签类型确定候选工单标签是否为待加工标签：若候选工单标签的标签类型指示候选工单标签为具有子标签的标签，则确定候选工单标签属于待加工标签。

具体来讲，候选工单标签的标签类型可以是具有子标签的标签，对于具有子标签的候选工单标签，确定此类的候选工单标签为待加工标签。如果候选工单标签下不存在子标签，则将候选工单标签作为用户的对话文本最终分类标签。如此，通过确定候选工单标签下是否存在子标签来确定其是否属于待加工标签，从而可以对候选工单标签进行进一步的详细分类，从而提高对对话文本进行分类的精准度。例如：候选工单标签是会员标签，会员标签下面还有普通会员，高级会员，VIP会员等多个子标签。

在另一种可能的实现方式中，确定候选工单标签是否属于待加工标签，包括：对对话文本进行情感识别，得到对话文本所反映的情绪类型；根据对话文本所反映的情绪类型确定候选工单标签是否为待加工标签；若对话文本所反映的情绪类型为负面情绪，则确定候选工单属于待加工标签。

具体来讲，情感识别指的是对用户的情绪进行识别，即用户所处于的情感状态，以确定其是否为负面情绪，如果其表现出来的是委屈、失望、着急、抱怨、烦躁、拒绝、质疑、愤怒等负面情绪，则认为用户属于负面情绪，由于用户的负面情绪会影响用户所表达的内容的真实性，因此需要进一步确认候选工单标签的真实性，所以此种情况下，认为候选工单标签属于待加工标签。例如，用户在处于愤怒的负面情绪时，其很容易表达出与实际内容不符的虚假内容，如此会影响对对话文本进行标签分类的准确性。其中，对对话文本进行情感识别可以采用情感识别模型识别用户当前所处的情绪，情感识别模型通过对话文本识别用户的情感可以是关键词识别的方式、词汇关联的方式、基于统计的自然语音处理方法的方式以及使用常识库识别的方式等。如此，通过对话文本所反映的情绪类型来确定其是否属于待加工标签，从而可以对候选工单标签的真实性进行进一步的验证，从而提高对对话文本进行分类的精准度。

在又一种可能的实现方式中，确定候选工单标签是否属于待加工标签，包括：根据候选工单标签与工单标签集中的各个标签之间的关联度确定候选工单标签是否为待加工标签：若候选工单标签与工单标签集中的目标数量个标签之间的关联度低于阈值，则确定候选工单标签属于待加工标签。

具体来讲，在工单标签集中存在多个与对话文本相关联的标签，这些标签可以是相同维度，也可以是不同维度的，这些标签是已经确定的。在通过工单文本分类后得到的候选工单标签之后，可以通过候选工单标签与工单标签集中的各个标签的关联度来确定其是否需要进一步验证。其中，关联度指的是候选工单标签与工单标签集中各个标签的之间是否存在联系或相似的程度，如候选工单标签和各个标签是否为处于同一种标签类型的标签、候选工单标签和各个标签是否为同一种业务但是呈现不同的文字表现形式的标签等。

举个例子，候选工单标签为会员标签，工单标签集中与对话文本相关联的标签包括流量业务的会员标签、理财业务的会员标签、金融业务的会员标签等。因候选工单标签与工单标签集中的各个标签都属于是会员类型的标签，则候选工单标签与工单标签集中的各个标签之间是相互关联的，关联度较高。其中，确定关联度可以采用灰色关联分析法，其是一种多因素统计分析方法，它是以各因素的样本数据为依据用灰色关联度来描述候选工单标签与工单标签集种工单间关系的强弱、大小和次序。

在再一种可能的实现方式中，确定候选工单标签是否属于待加工标签，包括：确定候选工单标签是否属于白名单集合中的标签，白名单集合中的标签为预先设置的需要验证的标签；若候选工单标签为属于白名单集合中的标签，则确定候选工单标签属于待加工标签。

具体来讲，白名单集合中存放需要重点关注的标签，需要对处于白名单集合中的候选工单标签的真实性进行进一步的验证。举个例子，白名单集合中的标签为诉点标签、催收类标签、催收方式标签以及催收骚扰标签等，候选工单标签为催收类标签，候选工单标签为白名单集合中的一种，则确定该候选工单标签为待加工标签，需要做进一步的验证。如此，通过工单分类处理得到的候选工单标签是否属于白名单集合中的标签来确定其是否属于待加工标签，从而可以对候选工单标签的真实性进行进一步的详细分类，从而提高对对话文本进行分类的精准度。

步骤S107，若确定候选工单标签属于待加工标签，则获取用户的历史行为数据，并根据历史行为数据对候选工单标签进行加工。

具体来讲，历史行为数据指的是用户办理过与该候选工单标签对应的业务、办理但未暂时未生效的候选工单标签对应的业务、用户在历史时间段内产生的活动数据，以及在历史时间段内用户与坐席进行沟通的历史对话数据等。

在具体实现方式中，候选工单标签属于待加工标签的原因不同，对该候选工单标签进行加工的方式也不同。

在一种可能的实现方式中，若候选工单标签的标签类型指示候选工单标签为具有子标签的标签；则根据历史行为数据对候选工单标签进行加工，包括：对历史行为数据进行分析，确定历史行为数据对应的行为标签；从候选工单标签对应的子标签中，选择与行为标签相匹配的子标签，并将被选择的子标签确定为加工标签。

具体来讲，如果候选工单标签的类型是存在子标签的标签类型，则根据用户的历史行为数据进行分析，确定该用户的历史行为数据中所包含用户过去所发生的行为，并确定该行为对应的行为标签。举个例子，在确定候选工单标签为会员标签时，则对用户的历史行为数据进行分析，确定一下用户过去咨询过或者购买过的产品等，确定用户咨询或购买过具体产品的行为作为行为标签。

进一步的，从候选工单标签对应的子标签中，选择与行为标签相匹配的子标签，将该被选择的子标签确定为待加工标签，具体是，在对用户的历史行为数据进行分析后，确定处用户过去所发生过的行为，再从各个子标签中选择与该行为相一致的子标签作为加工标签。举个例子，如果通过工单分类处理得到的候选工单标签为会员标签，但是会员标签下还有普通会员，高级会员，VIP会员等，则根据用户的历史行为数据判断用户过往具体申请的会员的行为，确定用户具体申请的会员的行为具体申请了普通会员、高级会员、VIP会员中的哪一种会员，如果用户申请过会员标签下的高级会员，则确定该高级会员加工标签，从而将用户的对话文本的分类更加具体化，提高分类的精确度。

在一种可能的实现方式中，对于待加工标签为关联度低于阈值的候选工单标签、处于白名单集合中的候选工单标签以及对话文本所反映的情绪类型为负面情绪的候选工单标签的情况下，根据历史行为数据对候选工单标签进行加工，包括：从用户的历史行为数据中查询是否存在与候选工单标签对应的业务数据；如果不存在与候选工单标签对应的业务数据，则对候选工单标签进行删除。

具体来讲，如果候选工单标签的情感识别结果为负面情绪或者候选工单标签为关联度低于阈值的标签或者候选工单标签是处于白名单集合中的标签，则需要对上述几种类型的候选工单标签的真实性进行进一步的验证。具体是从用户的历史行为数据中查询用户是否办理过与候选工单标签对应的业务；如果办理过与候选工单标签对应的业务，则说明该候选工单标签是真实的，可以将该候选工单标签作为对话文本最终的分类标签；如果未办理过候选工单标签对应的业务，则说明该候选工单标签的识别是错误的，则删除该候选工单标签。举个例子，候选工单标签为流量包标签，对流量包标签进行进一步的验证，从用户的历史行为数据中查询用户是否办理过与该流量包对应的流量包业务，如果办理过该流量包业务，则说明该流量包标签是正确的，如果没有办理过流量包业务，则说明该流量包标签是错误的。如此，针对对话文本识别出的候选工单标签，通过结合用户所处的情感状态来进一步确定候选工单标签的真实性，避免用户所处的负面情绪对对话文本的分类结果的真实性造成影响，从而进一步提高为对话文本确定对应的工单标签的准确性。

步骤S109，若对候选工单标签进行加工的结果为得到加工标签，则将加工标签添加到工单标签集，工单标签集用于存储多个与对话文本相关的标签，以在检测到生成工单信息的指令时，根据工单标签集中的至少一个标签生成与用户匹配的工单信息。

具体来讲，对于一个对话文本而言，为其生成的工单可能存在多个工单标签，因此，将这些工单标签存储到工单标签集中。在生成工单信息时，可以按照工单标签集中的至少一个标签生成工单信息，该工单信息中包括了对话文本所属的至少一个标签以及对话文中的关键信息，关键信息包括但不限于用户的基础信息(如年龄、姓名、性别等)、对话序号、坐席ID、用户通话所使用的终端的ID、对话文本中涉及到的业务信息、合同信息、客户的诉求、来电号码等。

通过本申请实施例公开的技术方案，在坐席与用户通话过程中，响应于工单生成指令，获取坐席与用户的对话文本；对对话文本进行工单分类处理，得到候选工单标签，在接收到工单生成指令后，响应于工单生成指令，能够自动化的对对话文本进行初始的分类处理，从而得到对话文本的候选工单标签，提高为对话文本提供工单标签的效率；进一步，为了进一步提高对话文本的分类标签的准确率，确定候选工单标签是否属于待加工标签；若确定候选工单标签属于待加工标签，则获取用户的历史行为数据，并根据历史行为数据对候选工单标签进行加工；若对候选工单标签进行加工的结果为得到加工标签，则将加工标签添加到工单标签集，工单标签集用于存储多个与对话文本相关的标签，以在检测到生成工单信息的指令时，根据工单标签集中的至少一个标签生成与用户匹配的工单信息。如此，通过自动化的方式为对话文本确定对应的工单标签并生成工单，提高了确定工单标签的效率，通过对对话文本进行工单分类处理，以及对工单分类处理得到的候选工单标签进行再一次确认其是否属于待加工标签，从而为对话文本确定最终的分类标签，从而提高了确定工单标签的准确率。

在一种可能的实现方式中，在得到工单标签集之后，电子设备还可以将工单标签集中的至少一个标签和对话文本输入到预训练后的分类模型中，对预训练后的分类模型进行更新训练，从而不断提高分类模型的准确率，进一步提高对工单进行分类处理的分类精确度，也提高了确定工单标签的准确率。

基于图1所描述的信息处理方法，本申请实施例提供了一种工单标签处理方法，参见图2为本申请实施例提供的一种工单标签处理方法的流程示意图。

在图2中，用户拨打客户热线到智能呼叫中心，通过智能呼叫中心(Intelligentcall center，ICC)转接到坐席。当坐席接通用户拨打的电话后坐席和用户开始语音通话时，则认为是存在工单生成指令，将工单生成指令发送给智能客户平台(ICRM)，且在坐席接通用户拨打的电话后坐席和用户开始语音通话的过程中，在ICC通过AI语音识别系统将坐席与用户通话过程中的语音信息转换为文本信息，即将语音内容转换为文字的形式，将转换后的文本信息和用户对应的通话标识作为对话文本发送到智能客户平台(ICRM)，智能客户平台(ICRM)接收到工单生成指令之后将上述的对话文本发送到消息队列(MQ)中，后端服务组件(KnownLabel)监听消息队列中的文本信息和通话标识，将用户与坐席进行通话的内容以及通话标识按照时间顺序组装成有序的对话文本，并发送给分类模型(AI模型)，分类模型将识别到的候选工单标签、通话标识和文本信息再次发送到消息队列(MQ)中。语义识别服务监听消息队列(MQ)中分类模型(AI模型)识别的候选工单标签，确定候选工单标签是否属于待加工标签，即对候选工单标签的真实性进行验证，如果属于待加工标签，则将待加工标签发送至标签加工服务，由标签加工服务对待加工标签进行加工，得到加工标签并将加工标签直接推送到消息队列(MQ)中，如果不属于待加工标签，则将待加工标签直接推送到消息队列(MQ)中。智能客户平台(ICRM)监听消息队列(MQ)中对该对话文本进行分类的分类标签，并实时推送到坐席，并在坐席的web页面进行展示。其中，智能呼叫中心是用于转接用户拨打的电话至坐席，以及用于将坐席和用户进行通话的语音内容转换为文本，智能客户平台(ICRM)用于接收到工单生成指令之后将对话文本发送到消息队列(MQ)，并监听消息队列(MQ)中对该对话文本进行分类的分类标签，并实时推送到坐席，当然，智能呼叫中心和智能客户平台(ICRM)根据实际情况还可以有其它功能，本申请实施例在此并不作限定。

值得注意的是，确定候选工单标签是否属于待加工标签，由标签加工服务对待加工标签进行加工，得到加工标签的具体实现方式与上述实施例具有相同或类似的实现方式，其可以互相参照，本申请实施例在此不做赘述。

此外，与上述图1所示的信息处理方法相对应地，本申请实施例还提供一种信息处理装置。图3是本申请实施例提供的一种信息处理装置300的结构示意图，包括：

获取模块301，用于在坐席与用户通话过程中，响应于工单生成指令，获取坐席与用户的对话文本；

处理模块302，用于对对话文本进行工单分类处理，得到候选工单标签；

确定模块303，用于确定候选工单标签是否属于待加工标签；

获取模块301，还用于若确定候选工单标签属于待加工标签，则获取用户的历史行为数据，并根据历史行为数据对候选工单标签进行加工；

生成模块304，用于若对候选工单标签进行加工的结果为得到加工标签，则将加工标签添加到工单标签集，工单标签集用于存储多个与对话文本相关的标签，以在检测到生成工单信息的指令时，根据工单标签集中的至少一个标签生成与用户匹配的工单信息。

可以看出，在坐席与用户通话过程中，响应于工单生成指令，获取坐席与用户的对话文本；对对话文本进行工单分类处理，得到候选工单标签，在接收到工单生成指令后，响应于工单生成指令，能够自动化的对对话文本进行初始的分类处理，从而得到对话文本的候选工单标签，提高为对话文本提供工单标签的效率；进一步，为了进一步提高对话文本的分类标签的准确率，确定候选工单标签是否属于待加工标签；若确定候选工单标签属于待加工标签，则获取用户的历史行为数据，并根据历史行为数据对候选工单标签进行加工；若对候选工单标签进行加工的结果为得到加工标签，则将加工标签添加到工单标签集，工单标签集用于存储多个与对话文本相关的标签，以在检测到生成工单信息的指令时，根据工单标签集中的至少一个标签生成与用户匹配的工单信息。如此，通过自动化的方式为对话文本确定对应的工单标签并生成工单，提高了确定工单标签的效率，通过对对话文本进行工单分类处理，以及对工单分类处理得到的候选工单标签进行再一次确认其是否属于待加工标签，从而为对话文本确定最终的分类标签，从而提高了确定工单标签的准确率。

在一种可能的实现方式中，信息处理装置还包括添加模块，所述添加模块用于若确定候选工单标签不属于待加工标签，则将候选工单标签添加到工单标签集中。

在一种可能的实现方式中，确定模块303，还用于根据候选工单标签的标签类型确定候选工单标签是否为待加工标签：若候选工单标签的标签类型指示候选工单标签为具有子标签的标签，则确定候选工单标签属于待加工标签。

在一种可能的实现方式中，若候选工单标签的标签类型指示候选工单标签为具有子标签的标签，获取模块301，还用于对历史行为数据进行分析，确定历史行为数据对应的行为标签；从候选工单标签对应的子标签中，选择与行为标签相匹配的子标签，并将被选择的子标签确定为加工标签。

在一种可能的实现方式中，确定模块303，还用于对对话文本进行情感识别，得到对话文本所反映的情绪类型；根据对话文本所反映的情绪类型确定候选工单标签是否为待加工标签；若对话文本所反映的情绪类型为负面情绪，则确定候选工单标签属于待加工标签。

在一种可能的实现方式中，确定模块303，还用于根据候选工单标签与工单标签集中的各个标签之间的关联度确定候选工单标签是否为待加工标签：若候选工单标签与工单标签集中的目标数量个标签之间的关联度低于阈值，则确定候选工单标签属于待加工标签。

在一种可能的实现方式中，确定模块303，还用于确定候选工单标签是否属于白名单集合中的标签，白名单集合中的标签为预先设置的需要验证的标签；若候选工单标签为属于白名单集合中的标签，则确定候选工单标签属于待加工标签。

在一种可能的实现方式中，获取模块301，还用于从用户的历史行为数据中查询是否存在与候选工单标签对应的业务数据；如果不存在与候选工单标签对应的业务数据，则对候选工单标签进行删除。

在一种可能的实现方式中，获取模块301，还用于获取坐席与用户通话过程中的语音信息；对语音信息进行语音转文本识别处理，得到文本信息；将文本信息和用户对应的通话标识生成对话文本。

显然，本申请实施例公开的信息处理装置可以作为上述实施例所示的信息处理方法的执行主体，因此能够实现信息处理方法在上述实施例所实现的功能。由于原理相同，在此不再赘述。

基于前述的信息处理方法以及信息处理装置，本申请提供了一种电子设备，参见图4是本说明书的一个实施例电子设备的结构示意图。请参考图4，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成信息处理装置。处理器，执行存储器所存放的程序，并具体用于执行以下步骤：

在坐席与用户通话过程中，响应于工单生成指令，获取坐席与用户的对话文本；对对话文本进行工单分类处理，得到候选工单标签；确定候选工单标签是否属于待加工标签；若确定候选工单标签属于待加工标签，则获取用户的历史行为数据，并根据历史行为数据对候选工单标签进行加工；若对候选工单标签进行加工的结果为得到加工标签，则将加工标签添加到工单标签集，工单标签集用于存储多个与对话文本相关的标签，以在检测到生成工单信息的指令时，根据工单标签集中的至少一个标签生成与用户匹配的工单信息。

可以看出，在坐席与用户通话过程中，响应于工单生成指令，获取坐席与用户的对话文本；对对话文本进行工单分类处理，得到候选工单标签，在接收到工单生成指令后，响应于工单生成指令，能够自动化的对对话文本进行初始的分类处理，从而得到对话文本的候选工单标签，提高为对话文本提供工单标签的效率；进一步，为了进一步提高对话文本的分类标签的准确率，确定候选工单标签是否属于待加工标签；若确定候选工单标签属于待加工标签，则获取用户的历史行为数据，并根据历史行为数据对候选工单标签进行加工；若对候选工单标签进行加工的结果为得到加工标签，则将加工标签添加到工单标签集，工单标签集用于存储多个与对话文本相关的标签，以在检测到生成工单信息的指令时，根据工单标签集中的至少一个标签生成与用户匹配的工单信息。如此，通过自动化的方式为对话文本确定对应的工单标签并生成工单，提高了确定工单标签的效率，通过对对话文本进行工单分类处理，以及对工单分类处理得到的候选工单标签进行再一次确认其是否属于待加工标签，从而为对话文本确定最终的分类标签，从而提高了确定工单标签的准确率。

在一种可能的实现方式中，该处理器还用于执行若确定所述候选工单标签不属于所述待加工标签，则将所述候选工单标签添加到工单标签集中的步骤。

在一种可能的实现方式中，该处理器还用于执行根据所述候选工单标签的标签类型确定所述候选工单标签是否为待加工标签：若所述候选工单标签的标签类型指示所述候选工单标签为具有子标签的标签，则确定所述候选工单标签属于所述待加工标签的步骤。

在一种可能的实现方式中，该处理器还用于执行对所述历史行为数据进行分析，确定所述历史行为数据对应的行为标签；从所述候选工单标签对应的子标签中，选择与所述行为标签相匹配的子标签，并将被选择的子标签确定为加工标签的步骤。

在一种可能的实现方式中，该处理器还用于执行对所述对话文本进行情感识别，得到所述对话文本所反映的情绪类型；根据所述对话文本所反映的情绪类型确定所述候选工单标签是否为待加工标签；若所述对话文本所反映的情绪类型为负面情绪，则确定所述候选工单标签属于待加工标签的步骤。

在一种可能的实现方式中，该处理器还用于执行根据所述候选工单标签与所述工单标签集中的各个标签之间的关联度确定所述候选工单标签是否为待加工标签：若所述候选工单标签与所述工单标签集中的目标数量个标签之间的关联度低于阈值，则确定所述候选工单标签属于所述待加工标签的步骤。

在一种可能的实现方式中，该处理器还用于执行确定所述候选工单标签是否属于白名单集合中的标签，所述白名单集合中的标签为预先设置的需要验证的标签；若所述候选工单标签为属于白名单集合中的标签，则确定所述候选工单标签属于所述待加工标签的步骤。

在一种可能的实现方式中，该处理器还用于执行从所述用户的历史行为数据中查询是否存在与所述候选工单标签对应的业务数据；如果不存在与所述候选工单标签对应的业务数据，则对所述候选工单标签进行删除的步骤。

在一种可能的实现方式中，该处理器还用于执行获取坐席与用户通话过程中的语音信息；对所述语音信息进行语音转文本识别处理，得到文本信息；将所述文本信息和所述用户对应的通话标识生成所述对话文本的步骤。

上述如本说明书图1所示实施例揭示的信息处理装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

应理解，本申请实施例的电子设备可以实现信息处理装置在图1所示实施例的功能。由于原理相同，本申请实施例在此不再赘述。

当然，除了软件实现方式之外，本说明书的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行以下步骤：

在坐席与用户通话过程中，响应于工单生成指令，获取坐席与用户的对话文本；对对话文本进行工单分类处理，得到候选工单标签；确定候选工单标签是否属于待加工标签；若确定候选工单标签属于待加工标签，则获取用户的历史行为数据，并根据历史行为数据对候选工单标签进行加工；若对候选工单标签进行加工的结果为得到加工标签，则将加工标签添加到工单标签集，工单标签集用于存储多个与对话文本相关的标签，以在检测到生成工单信息的指令时，根据工单标签集中的至少一个标签生成与用户匹配的工单信息。

可以看出，在坐席与用户通话过程中，响应于工单生成指令，获取坐席与用户的对话文本；对对话文本进行工单分类处理，得到候选工单标签，在接收到工单生成指令后，响应于工单生成指令，能够自动化的对对话文本进行初始的分类处理，从而得到对话文本的候选工单标签，提高为对话文本提供工单标签的效率；进一步，为了进一步提高对话文本的分类标签的准确率，确定候选工单标签是否属于待加工标签；若确定候选工单标签属于待加工标签，则获取用户的历史行为数据，并根据历史行为数据对候选工单标签进行加工；若对候选工单标签进行加工的结果为得到加工标签，则将加工标签添加到工单标签集，工单标签集用于存储多个与对话文本相关的标签，以在检测到生成工单信息的指令时，根据工单标签集中的至少一个标签生成与用户匹配的工单信息。如此，通过自动化的方式为对话文本确定对应的工单标签并生成工单，提高了确定工单标签的效率，通过对对话文本进行工单分类处理，以及对工单分类处理得到的候选工单标签进行再一次确认其是否属于待加工标签，从而为对话文本确定最终的分类标签，从而提高了确定工单标签的准确率。

在一种可能的实现方式中，该便携式电子设备还用于执行若确定所述候选工单标签不属于所述待加工标签，则将所述候选工单标签添加到工单标签集中的步骤。

在一种可能的实现方式中，该便携式电子设备还用于执行根据所述候选工单标签的标签类型确定所述候选工单标签是否为待加工标签：若所述候选工单标签的标签类型指示所述候选工单标签为具有子标签的标签，则确定所述候选工单标签属于所述待加工标签的步骤。

在一种可能的实现方式中，该便携式电子设备还用于执行对所述历史行为数据进行分析，确定所述历史行为数据对应的行为标签；从所述候选工单标签对应的子标签中，选择与所述行为标签相匹配的子标签，并将被选择的子标签确定为加工标签的步骤。

在一种可能的实现方式中，该便携式电子设备还用于执行对所述对话文本进行情感识别，得到所述对话文本所反映的情绪类型；根据所述对话文本所反映的情绪类型确定所述候选工单标签是否为待加工标签；若所述对话文本所反映的情绪类型为负面情绪，则确定所述候选工单标签属于待加工标签的步骤。

在一种可能的实现方式中，该便携式电子设备还用于执行根据所述候选工单标签与所述工单标签集中的各个标签之间的关联度确定所述候选工单标签是否为待加工标签：若所述候选工单标签与所述工单标签集中的目标数量个标签之间的关联度低于阈值，则确定所述候选工单标签属于所述待加工标签的步骤。

在一种可能的实现方式中，该便携式电子设备还用于执行确定所述候选工单标签是否属于白名单集合中的标签，所述白名单集合中的标签为预先设置的需要验证的标签；若所述候选工单标签为属于白名单集合中的标签，则确定所述候选工单标签属于所述待加工标签的步骤。

在一种可能的实现方式中，该便携式电子设备还用于执行从所述用户的历史行为数据中查询是否存在与所述候选工单标签对应的业务数据；如果不存在与所述候选工单标签对应的业务数据，则对所述候选工单标签进行删除的步骤。

在一种可能的实现方式中，该便携式电子设备还用于执行获取坐席与用户通话过程中的语音信息；对所述语音信息进行语音转文本识别处理，得到文本信息；将所述文本信息和所述用户对应的通话标识生成所述对话文本的步骤。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

总之，以上仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书的保护范围之内。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (12)

1.一种信息处理方法，其特征在于，包括：

在坐席与用户通话过程中，响应于工单生成指令，获取所述坐席与用户的对话文本；

对所述对话文本进行工单分类处理，得到候选工单标签；

确定所述候选工单标签是否属于待加工标签；

若确定所述候选工单标签属于所述待加工标签，则获取用户的历史行为数据，并根据所述历史行为数据对所述候选工单标签进行加工；

若对所述候选工单标签进行加工的结果为得到加工标签，则将所述加工标签添加到工单标签集，所述工单标签集用于存储多个与所述对话文本相关的标签，以在检测到生成工单信息的指令时，根据所述工单标签集中的至少一个标签生成与所述用户匹配的工单信息。

2.根据权利要求1所述的信息处理方法，其特征在于，所述方法还包括：

若确定所述候选工单标签不属于所述待加工标签，则将所述候选工单标签添加到工单标签集中。

3.根据权利要求1所述的信息处理方法，其特征在于，所述确定所述候选工单标签是否属于待加工标签，包括：

根据所述候选工单标签的标签类型确定所述候选工单标签是否为待加工标签：

若所述候选工单标签的标签类型指示所述候选工单标签为具有子标签的标签，则确定所述候选工单标签属于所述待加工标签。

4.根据权利要求3所述的信息处理方法，其特征在于，若所述候选工单标签的标签类型指示所述候选工单标签为具有子标签的标签；所述获取用户的历史行为数据，并根据所述历史行为数据对所述候选工单标签进行加工，包括：

对所述历史行为数据进行分析，确定所述历史行为数据对应的行为标签；

从所述候选工单标签对应的子标签中，选择与所述行为标签相匹配的子标签，并将被选择的子标签确定为加工标签。

5.根据权利要求1所述的信息处理方法，其特征在于，所述确定所述候选工单标签是否属于待加工标签，包括：

对所述对话文本进行情感识别，得到所述对话文本所反映的情绪类型；

根据所述对话文本所反映的情绪类型确定所述候选工单标签是否为待加工标签；

若所述对话文本所反映的情绪类型为负面情绪，则确定所述候选工单标签属于待加工标签。

6.根据权利要求1所述的信息处理方法，其特征在于，所述确定所述候选工单标签是否属于待加工标签，包括：

根据所述候选工单标签与所述工单标签集中的各个标签之间的关联度确定所述候选工单标签是否为待加工标签：

若所述候选工单标签与所述工单标签集中的目标数量个标签之间的关联度低于阈值，则确定所述候选工单标签属于所述待加工标签。

7.根据权利要求1所述的信息处理方法，其特征在于，所述确定所述候选工单标签是否属于待加工标签，包括：

确定所述候选工单标签是否属于白名单集合中的标签，所述白名单集合中的标签为预先设置的需要验证的标签；

若所述候选工单标签为属于白名单集合中的标签，则确定所述候选工单标签属于所述待加工标签。

8.根据权利要求5-7任意一项所述的信息处理方法，其特征在于，所述根据所述历史行为数据对所述候选工单标签进行加工，包括：

从所述用户的历史行为数据中查询是否存在与所述候选工单标签对应的业务数据；

如果不存在与所述候选工单标签对应的业务数据，则对所述候选工单标签进行删除。

9.根据权利要求1所述的信息处理方法，其特征在于，所述获取所述坐席与用户的对话文本，包括：

获取坐席与用户通话过程中的语音信息；

对所述语音信息进行语音转文本识别处理，得到文本信息；

将所述文本信息和所述用户对应的通话标识生成所述对话文本。

10.一种信息处理装置，其特征在于，包括：

获取模块，用于在坐席与用户通话过程中，响应于工单生成指令，获取所述坐席与用户的对话文本；

处理模块，用于对所述对话文本进行工单分类处理，得到候选工单标签；

确定模块，用于确定所述候选工单标签是否属于待加工标签；

所述获取模块，还用于若确定所述候选工单标签属于所述待加工标签，则获取用户的历史行为数据，并根据所述历史行为数据对所述候选工单标签进行加工；

生成模块，用于若对所述候选工单标签进行加工的结果为得到加工标签，则将所述加工标签添加到工单标签集，所述工单标签集用于存储多个与所述对话文本相关的标签，以在检测到生成工单信息的指令时，根据所述工单标签集中的至少一个标签生成与所述用户匹配的工单信息。

11.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至9中任一项所述的信息处理方法。

12.一种计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，以实现如权利要求1至9中任一项所述的信息处理方法。

Images