CN116484880A - 信息处理方法、装置、电子设备及存储介质 - Google Patents

信息处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116484880A
CN116484880A CN202310399825.4A CN202310399825A CN116484880A CN 116484880 A CN116484880 A CN 116484880A CN 202310399825 A CN202310399825 A CN 202310399825A CN 116484880 A CN116484880 A CN 116484880A
Authority
CN
China
Prior art keywords
target
information
user
target user
request information
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
CN202310399825.4A
Other languages
English (en)
Inventor
宋均涛
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.)
Beijing Jingdong Tuoxian Technology Co Ltd
Original Assignee
Beijing Jingdong Tuoxian Technology 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 Beijing Jingdong Tuoxian Technology Co Ltd filed Critical Beijing Jingdong Tuoxian Technology Co Ltd
Priority to CN202310399825.4A priority Critical patent/CN116484880A/zh
Publication of CN116484880A publication Critical patent/CN116484880A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • 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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0455—Auto-encoder networks; Encoder-decoder networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
    • H04L51/046—Interoperability with other network applications or services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Biomedical Technology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Business, Economics & Management (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开关于一种信息处理方法、装置、电子设备及存储介质。其中，所述信息处理方法，包括：在接收到目标用户的目标请求信息的情况下，确定所述目标请求信息对应的目标场景类型；确定所述目标场景类型对应的目标回复信息；输出所述目标回复信息至所述目标用户。采用本公开实施例提供的方法，可以简化识别用户意图提供解决方案的信息处理方法的过程，提高信息处理方法的效率，提高用户体验。

Description

信息处理方法、装置、电子设备及存储介质
技术领域
本公开涉及人工智能技术领域，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
在一些互联网问诊服务、智能客服场景中，对话式AI是指用户可以通过语音或文字形式与之交流的技术，它可以通过对会话中的文字进行ASR(Automatic SpeechRecognition，自动语音识别技术)、NLP(Natural Language Processing，自然语言处理)、TTS(Text To Speech，语音合成)等语音语义处理，对人类语言中的意图进行理解并提供解决方案。示例性的，在接收到用户的包含诉求内容的请求信息后，可以通过AI技术识别用户意图，并根据用户意图提供解决方案。这使得解决方案的推送依赖于算法的学习能力，需要不断升级迭代AI算法，导致识别用户意图提供解决方案的方法较为复杂。
发明内容
本公开提供一种信息处理方法、装置、电子设备及存储介质。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种信息处理方法，包括：
在接收到目标用户的目标请求信息的情况下，确定所述目标请求信息对应的目标场景类型；
确定所述目标场景类型对应的目标回复信息；
输出所述目标回复信息至所述目标用户。
在一种可能的实施方式中，还包括：
划分多个场景类型，以及每个所述场景类型各自对应的关键字；
为每个所述场景类型设置对应的回复信息。
在一种可能的实施方式中，所述在接收到目标用户的请求信息的情况下，确定所述请求信息对应的目标场景类型，包括：
在接收到目标用户的请求信息的情况下，将所述目标请求信息处理为文字形式的请求信息；
根据所述文字形式的请求信息中的关键字确定所述目标场景类型。
在一种可能的实施方式中，所述回复信息包括每个所述场景类型各自对应的量表收集单和解决方案中的至少一种，其中，所述解决方案与所述量表收集单的收集信息和所述场景类型对应。
在一种可能的实施方式中，在目标回复信息包括目标量表收集单和目标解决方案的情况下，所述输出所述目标回复信息至所述目标用户，包括：
输出所述目标量表收集单至所述目标用户，以使所述目标用户填写所述量表收集单；
提取所述目标用户填写后的所述量表收集单中的收集信息；
确定与所述收集信息和所述目标场景类型对应的目标解决方案；
输出所述目标解决方案至所述目标用户。
在一种可能的实施方式中，所述提取所述目标用户填写后的所述量表收集单中的收集信息之后，还包括：
确定所述目标用户对应的档案中是否已经存在与所述目标用户的所述目标请求信息和所述收集信息对应的进行中的解决方案推送窗口；
在所述目标用户对应的档案中已经存在与所述目标用户的所述请求信息和所述收集信息对应的进行中的解决方案推送窗口的情况下，跳转至所述进行中的解决方案推送窗口。
根据本公开实施例的第二方面，提供一种信息处理装置，包括：
场景确定模块，用于在接收到目标用户的目标请求信息的情况下，确定所述目标请求信息对应的目标场景类型；
信息确定模块，用于确定所述目标场景类型对应的目标回复信息；
信息输出模块，用于输出所述目标回复信息至所述目标用户。
在一种可能的实施方式中，还包括：
场景划分模块，用于划分多个场景类型，以及每个所述场景类型各自对应的关键字；
信息配置模块，用于为每个所述场景类型设置对应的回复信息。
在一种可能的实施方式中，所述场景确定模块，包括：
处理单元，用于在接收到目标用户的请求信息的情况下，将所述目标请求信息处理为文字形式的请求信息；
场景确定单元，用于根据所述文字形式的请求信息中的关键字确定所述目标场景类型。
在一种可能的实施方式中，所述回复信息包括每个所述场景类型各自对应的量表收集单和解决方案中的至少一种，其中，所述解决方案与所述量表收集单的收集信息和所述场景类型对应。
在一种可能的实施方式中，在目标回复信息包括目标量表收集单和目标解决方案的情况下，所述信息输出模块，包括：
第一输出单元，用于输出所述目标量表收集单至所述目标用户，以使所述目标用户填写所述量表收集单；
信息提取单元，用于提取所述目标用户填写后的所述量表收集单中的收集信息；
方案确定单元，用于确定与所述收集信息和所述目标场景类型对应的目标解决方案；
第二输出单元，用于输出所述目标解决方案至所述目标用户。
在一种可能的实施方式中，还包括：
窗口确定模块，用于确定所述目标用户对应的档案中是否已经存在与所述目标用户的所述目标请求信息和所述收集信息对应的进行中的解决方案推送窗口；
跳转模块，用于在所述目标用户对应的档案中已经存在与所述目标用户的所述请求信息和所述收集信息对应的进行中的解决方案推送窗口的情况下，跳转至所述进行中的解决方案推送窗口。
根据本公开实施例的第三方面，提供一种电子设备，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，以实现如第一方面中任一项所述的方法。
根据本公开实施例的第四方面，提供一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如第一方面中任一项所述的方法。
根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面中任一项所述的方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
在本公开实施例中，通过在接收到目标用户的目标请求信息的情况下，确定所述目标请求信息对应的目标场景类型；确定所述目标场景类型对应的目标回复信息；输出所述目标回复信息至所述目标用户。这样，可以通过对用户请求信息的场景类型划分，按照场景类型确定并输出回复信息，业绩可以结合当前目标用户的特征以及服务的场景类型的差异，来推送目标回复信息，而在这个推送过程中，不再单纯依赖于算法的学习能力，改为支持通过基于场景类型的配置化的推送方式。如此，一方面，目标回复信息的确定和推送不再单纯的依赖于算法的学习能力，不需要不断升级迭代算法，从而可以简化识别用户意图提供解决方案的信息处理方法的过程，提高信息处理方法的效率。另一方面，基于按照请求信息对应的场景类型确定回复信息的配置化方法，也即基于特定场景的特定回复信息的引导，可以使得对目标用户的目标请求信息的目标回复信息(也即服务应答和服务推送结果)更符合目标用户的意愿，提高用户体验。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种信息处理方法的流程图。
图2是根据一示例性实施例示出的一种用户需求过程拆解示意图。
图3是根据一示例性实施例示出的一种会话识别模块的通用流程示意图。
图4是根据一示例性实施例示出的一种信息处理模块的通用流程示意图。
图5是根据一示例性实施例示出的一种流程配置模块的通用流程示意图。
图6是根据一示例性实施例示出的一种沟通能力模块的通用流程示意图。
图7是根据一示例性实施例示出的一种结果处理模块的通用流程示意图。
图8是根据一示例性实施例示出的一种量表收集单的示意图。
图9是根据一示例性实施例提供的一种信息处理方法的示意图。
图10是根据一示例性实施例示出的一种信息处理装置的框图。
图11是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，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”等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。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是，本公开技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
本公开实施例中，NLP是指自然语言处理(NLP，Natural Language Processing)，是研究人与计算机交互的语言问题的一门学科。按照技术实现难度的不同，这类系统可以分成简单匹配式、模糊匹配式和段落理解式三种类型。处理自然语言的关键是要让计算机“理解”自然语言。所以，自然语言处理又叫做自然语言理解(NLU，NaturalLanguageUnderstanding)，也称为计算语言学(Computational Linguistics)。一方面它是语言信息处理的一个分支，另一方面它是人工智能(AI,Artificial Intelligence)的核心课题之一。NER：命名实体识别(Named Entity Recognition，简称NER)，又称作“专名识别”，是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。在搜索场景下，NER是深度查询理解(Deep Query Understanding，简称DQU)的底层基础信号，主要应用于搜索召回、用户意图识别、实体链接等环节，NER信号的质量，直接影响到用户的搜索体验。ASR即Automatic Speech Recognition，语音识别，可为企业提供极具性价比的语音识别服务。TTS即Text To Speech，语音合成，TTS技术是实现人机语音通信关键技术之一，使电脑具有类似于人一样的说话能力，是当今时代信息产业的重要竞争市场。和语音识别ASR相比，语音合成的技术相对说来要成熟一些，是应用范围较广的技术。
在相关技术中，智能客服系统已普遍应用于多类行业，如银行、旅游业等平台公司对客户服务时，采用的大都是关键字识别与智能匹配算法，结合了分词与语义识别，机器学习的能力，有的场景下甚至还溶入了对会话过程中用户的情感分析以及既往用户行为特征等参考项做为决策的权重。智能客服系统朝着拟人化、智能化方向不断发展。在智能客服的应用场景中，对话式AI是一个分支，它可以通过语音语义技术理解人类意图进行理解，并执行任务或作出回答，对话式AI是指通过对会话中的文字、ASR、NLP、TTS等语音语义技术，根据对人类语言中的意图进行理解并执行相应任务或作出回答的智能处理过程，通过结合NLP与机器学习，不断升级迭代AI算法，帮助模仿人类交互，实现高效智能的交互服务，如智能语音助手、聊天机器人等。在相关技术中，由于语义识别的复杂度较高，对于不同业务场景下的智能客服系统，需要用到的技术能力也不尽相同，当机器学习达不到用户预期时，则可能会导致智能客服系统反馈的结果差强人意，智能客服变成低效的沟通工具，给用户服务带来较差的用户体验，即使在自然语言处理技术(NLP)日趋成熟的今天，在语言的多样性、歧义性以及专业领域的知识依赖前提下仍然会出现难于掌控的结果，因此，有必要采用降低技术难度的方法来做一些折衷，进而实现相对灵活的客户服务引导。基于此，本公开实施例提供了一种信息处理方法、装置、电子设备及存储介质。
下面结合附图对本公开实施例提供的信息处理方法、装置、电子设备及存储介质进行详细说明。
图1是根据一示例性实施例示出的一种信息处理方法的流程图，该信息处理方法可以应用于服务器，例如，可以后台服务器，后台服务器例如可以是服务器集群或者单独的一台服务器等。如图1所示，信息处理方法可以包括以下步骤。
在步骤S101中，在接收到目标用户的目标请求信息的情况下，确定目标请求信息对应的目标场景类型。
在本公开实施例中，用户(即目标用户)可以通过客户端窗口输入请求信息(即目标请求信息)，以使后台服务器可以接收到目标请求信息。示例性的，目标请求信息可以是目标用户的诉求内容，例如可以是“今天有点儿感冒了，身体不是很舒服”、“我想挂XXX医生的号”、“我今天有点肚子疼，挂什么科室合适呢”。然后，可以确定目标用户输入的目标请求信息对应的场景类型，也即目标场景类型，示例性的，可以根据目标请求信息中的关键字确定目标场景类型。例如，假设目标请求信息是“今天有点儿感冒了，身体不是很舒服”，则可以确定目标场景类型为‘症状变化’；假设目标请求信息是“我今天有点肚子疼，挂什么科室合适呢”，则可以确定目标场景类型为‘挂号’或者‘挂什么科室。
在步骤S102中，确定目标场景类型对应的目标回复信息。
在本公开实施例中，在确定目标请求信息对应的目标场景类型之后，可以确定目标场景类型对应的回复信息，即目标回复信息，并可以获取该目标场景类型对应的目标回复信息。示例性的，目标回复信息可以是目标请求信息的诉求内容对应的解决方案，或者还可以包括进一步了解目标用户症状的量表收集单。示例性的，假设目标用户的目标请求信息是“我最新的血压测量值是多少”，则可以调用目标用户的默认档案对应的API(Application Programming Interface，应用程序编程接口)，获取血压值详细数据，并且按照时间倒叙获取最近的有效值作为目标回复信息；或者，假设目标用户的目标请求信息是“我今天有点肚子疼，挂什么科室合适呢”的时候，则可以根据目标用户的目标请求信息中的症状描述的诉求内容确定决策节点“选择就诊人档案”，让用户选择后进行挂号下单操作作为目标回复信息。
在步骤S103中，输出目标回复信息至目标用户。
在本公开实施例中，在确定目标场景类型对应的目标回复信息之后，可以输出目标回复信息至目标用户。示例性的，可以将目标回复信息输出至目标用户使用的客户端，并在客户端上显示目标回复信息，例如可以通过文字、图片、视频、语音等一种或多种形式显示目标回复信息。
在本公开实施例中，通过在接收到目标用户的目标请求信息的情况下，确定所述目标请求信息对应的目标场景类型；确定所述目标场景类型对应的目标回复信息；输出所述目标回复信息至所述目标用户。这样，可以通过对用户请求信息的场景类型划分，按照场景类型确定并输出回复信息，业绩可以结合当前目标用户的特征以及服务的场景类型的差异，来推送目标回复信息，而在这个推送过程中，不再单纯依赖于算法的学习能力，改为支持通过基于场景类型的配置化的推送方式。如此，一方面，目标回复信息的确定和推送不再单纯的依赖于算法的学习能力，不需要不断升级迭代算法，从而可以简化识别用户意图提供解决方案的信息处理方法的过程，提高信息处理方法的效率。另一方面，基于按照请求信息对应的场景类型确定回复信息的配置化方法，也即基于特定场景的特定回复信息的引导，可以使得对目标用户的目标请求信息的目标回复信息(也即服务应答和服务推送结果)更符合目标用户的意愿，提高用户体验。
在一种可能的实施方式中，本公开实施例提供的信息处理方法还可以包括如下处理：
划分多个场景类型，以及每个场景类型各自对应的关键字；
为每个场景类型设置对应的回复信息。
在本公开实施例中，可以预先进行场景类型划分，并为每个场景类型设置对应的关键字和回复信息。示例性的，可以预先对各种请求信息进行场景类型的划分，为每种场景类型设置各自对应的关键字，每种场景类型各自对应的关键字用于进行请求信息和场景类型的匹配，关键字例如可以是具体字、词等。示例性的，以场景类型包括场景1、场景2、场景3，场景1对应的关键字包括关键词11、关键词12，场景2对应的关键字包括关键词21、关键词22，场景3对应的关键字包括关键词31、关键词32为例，假设请求信息中包括关键词11、关键词12中的至少一个，则可以认为该请求信息对应的场景类型为场景1。同时，还可以为每个场景类型设置对应的回复信息。其中，回复信息可以包括每个场景类型各自对应的量表收集单和解决方案中的至少一种，解决方案与量表收集单的收集信息和场景类型对应，量表收集单可以用于进一步了解用户诉求。如此，预先进行场景类型和回复信息得到划分和设置，可以为后续的信息处理方法提供数据基础。
在进一步可能的实施方式中，上述步骤在接收到目标用户的请求信息的情况下，确定请求信息对应的目标场景类型，包括：
在接收到目标用户的请求信息的情况下，将目标请求信息处理为文字形式的请求信息；
根据文字形式的请求信息中的关键字确定目标场景类型。
在本公开实施例中，考虑到后台服务器内部处理时，通常便于采用文字形式的请求信息进行处理。故而，在确定请求信息对应的目标场景类型时，可以先对接收到的目标用户输入的目标请求信息进行处理，将目标请求信息处理为文字形式，得到文字形式的请求信息。然后，可以根据文字形式的请求信息中的关键字确定目标场景类型，示例性的，可以先提取文字形式的请求信息中的关键字，在根据文字形式的请求信息中的关键字去欸的那个目标场景类型。
在进一步可能的实施方式中，在目标回复信息包括目标量表收集单和目标解决方案的情况下，上述步骤输出目标回复信息至目标用户，包括：
输出目标量表收集单至目标用户，以使目标用户填写量表收集单；
提取目标用户填写后的量表收集单中的收集信息；
确定与收集信息和目标场景类型对应的目标解决方案；
输出目标解决方案至目标用户。
在本公开实施例中，如果目标回复信息包括目标量表收集单和目标解决方案，则输出目标回复信息至目标用户时，可以先输出目标量表收集单至目标用户，量表收集单可以在用户端侧显示，以使目标用户可以查收到该量表收集单，填写量表收集单，以使后台服务器可以接收到目标用户填写的量表收集单中的信息，即收集信息。然后，可以确定与收集信息和目标场景类型对应的解决方案，即目标解决方案，再输出目标解决方案至目标用户。如此，可以结合量表收集单进一步了解目标用户的诉求内容，更准确的确定目标用户意图，从而可以进一步提高确定出的目标解决方案的准确性、与用户需求的匹配项，进而进一步提高用户体验。
在进一步可能的实施方式中，上述步骤提取目标用户填写后的量表收集单中的收集信息之后，还包括：
确定目标用户对应的档案中是否已经存在与目标用户的目标请求信息和收集信息对应的进行中的解决方案推送窗口；
在目标用户对应的档案中已经存在与目标用户的目标请求信息和收集信息对应的进行中的解决方案推送窗口的情况下，跳转至进行中的解决方案推送窗口。
在本公开实施例中，考虑到用户可能之前咨询过相同的问题，存在相同解决方案的推送窗口。故而，在提取目标用户填写后的量表收集单中的收集信息之后，可以确定目标用户对应的档案中是否已经存在与目标用户的目标请求信息和收集信息对应的进行中的解决方案推送窗口。如果目标用户对应的档案中存在与目标用户的目标请求信息和收集信息对应的进行中的解决方案推送窗口，则可以跳转至进行中的解决方案推送窗口。反之，若目标用户对应的档案中不存在与目标用户的目标请求信息和收集信息对应的进行中的解决方案推送窗口，则可以正常进行后续确定与收集信息和目标场景类型对应的目标解决方案，输出目标解决方案至目标用户的处理。示例性的，以解决方案推送窗口为问诊单为例，可以判断当前目标用户是否有进行中的问诊单，这个流程是因为目标用户可能同时进行多个问诊单，这种情况会让目标用户损失更多的权益，应该尽量避免。如果目标用户已经有进行中的问诊单，应该结束会话并提示目标用户进入进行中的问诊单；如果没有进行中的问诊单则开始匹配医生，并进入下一个填槽节点，例如，提醒用户选择是否接受音视频问诊？然后根据用户的选择进行后续流程。
为使本公开实施例提供的信息处理方法更加清晰，下面结合附图2-9进行说明。
图2示出了一种用户需求过程拆解示意图，如图2所示，在拆解用户需求的过程中，整个用户服务周期可以包括用户入口、寻求服务、表达诉求和需求响应阶段以及评价反馈阶段，其中需求响应阶段又可以包括问题理解、问题分发、问题解决和管家兜底。其中，管家兜底是在用户服务体验不顺畅的时候，来帮助体验进行下去的一种解决办法，是问题发生过程中的一种兜底方案。而智能客服(健康管家)能让大部分简单的问题得以快速自助解决，让复杂问题有机会被人工高效解决。示例性的，以患者服务流程为为例，在用户需求拆解过程中，首先，患者(即目标用户)可以通过在线打字或者拨打热线电话的方式进线寻求服务，其中在线打字咨询流量占比较大。当用户进入到需求服务阶段后，先是目标用户表达诉求，然后是智能健康管家(机器人)响应目标用户诉求，过程中机器人先要理解问题，比如是需要问医生、还是需要买药等等，继而机器人尝试进行问题分发自助进行问题解决。如果解决不了，再及时地流转到人工进行兜底服务(即管家兜底)。最后，当目标用户离开服务时，系统会发送评价量表，期待用户对本次服务进行评价反馈，评价反馈的结论最终可能会影响算法模型。可以理解的，这部分的具体处理与相关技术类似。
进一步的，基于图2所示的对用户需求过程的拆解，可以将需求过程中所需的产品能力拆解为如下五个模块：
模块一：会话识别。会话识别模块的通用流程可以参见图3，本模块主要是数据采集的能力，即完成图片、文字、符号、音频等信息的采集，转化为计算机可以理解并处理的数据。处理方式即首先将图片和音频中的信息采集并处理成文字形式的数据，然后再对文字形式的数据进行后续的信息处理。可以理解的，该模块处理过程与相关技术类似。
模块二：信息处理。信息处理模块的通用流程可以参见图4，本模块更偏向于对模块一采集到的文字数据做加工运算，主要的加工运算手段包括依据关键字识别以及NLP能力两种。可以简单理解为：先行识别文字数据中的关键字，再识别文字经过NLP(偏机器深度学习方向)理解后可能会涉及关联到的关键字及用户意图。进而将这些信息处理的结果传递到流控中心做后续的响应。
模块三：流程配置。流程配置模块的通用常流程可以参见图5。流程是指用户交互过程中所涉及的步骤，比如配置服务场景、配置服务推送的资源、动作等。也即本模块主要用于配置服务的场景类型、每个场景类型对应的回复信息等。
模块四：沟通能力。沟通能力模块的通用流程可以参见图6。以及模块五：结果处理。结果处理模块的通用流程可以参见图7。可以理解的，沟通能力模块和结果处理模块的具体实现方式与相关技术类似。
具体的，其中，会话识别：支持智能识别1条或多条请求信息中的关键字，以及跨语句汇总、自动分词、自动归类等机器学习能力。信息处理：即支持对识别到的内容依据配置的规则实现信息的自动处理与反馈，如用户消息中包含“今天有点儿感冒了，身体不是很舒服”，则会被定义为收到“症状变化”相关的诉求内容，进而决策是否向用户推荐相应的流程(即场景类型的回复信息)来参与。流程配置：基于对用户的请求信息的处理，可在后端配置多类场景类型的业务流程来承接上述场景类型下的信息处理，如配置自动分诊流程、自动陪诊需求收集流程、心理疏导自动服务流程等。沟通能力：通过智能应答的方式，向用户提供拟人化的即时沟通反馈，如推送测评量表(即量表收集单)、请求用户参与满意度评价，拟人化的问候、为用户推送轻松一刻小幽默等。结果处理：将智能客户服务过程以服务订单(流水单)的方式实现管理，并支持服务订单的多向(用户侧/服务侧/运营侧)回馈。
进一步的，在技术方案实现上，自动智能应答机器人可以划分为检索式、生成式和任务式。其中，检索式：主要思路是从对话语料库中找出与输入语句最匹配的回复，这些回复通常是预先存储的数据，比如当用户输入“我最新的血压测量值是多少的时候”，机器人会调用默认档案对应的API，获取档案的血压值详细数据，并且按照时间倒叙获取最近的有效值。生成式：主要思路是基于深度学习的Encoder-Decoder架构，从大量语料中习得语言能力，根据问题内容及相关实时状态信息直接生成回答话术，比如当用户对自己的症状进行完整描述后，机器人根据症状+档案+疾病史等一系列信息，推演出患者可能患有的疾病，以及推荐的科室。任务式：就是任务型对话，通常要维护一个对话状态，根据不同的对话状态决策下一步动作，是查询数据库还是回复用户等等，比如当用户说“我想挂XXX医生的号”的时候，机器人会根据描述推出决策节点“选择就诊人档案”，让用户选择后进行下单操作。检索式、生成式和任务式对话本质都是在被动地响应用户需求。在具体业务中还会有问题推荐、商品推荐等来主动引导用户交互，比如在用户反馈需要营养品的时候，可以根据用户输入的症状，通过知识图谱的数据映射推导出相关联的营养保健品。如上边用户服务周期所介绍的那样，用户的沟通对象除了机器人外，还可能是人工健康管家。如果是找客服场景就是人工健康管家，如果是转诊就是找全职/兼职医生。所以，机器人的能力主要包括问题理解、问题推荐、对话管理、答案推荐四个部分。可以理解的，机器人可以设置于后台服务器。
示例性的，机器人的基础能力源自“智能应答”、“会话配置化”的双种能力，下面结合具体的示例详细说明机器人的工作原理可以为：首先，当用户输入“我肚子不舒服需要挂号”的时候，问题理解模块将它与知识库中的拓展问进行匹配，进而得到对应的标准问即意图“我今天有点肚子疼，挂什么科室合适呢？”。然后，对话管理模块根据意图“挂什么科室”触发相应的任务流程，先补充用户的症状描述(例如量表收集单)，因为用户的初次描述可能是比较粗糙的，并没有指定相关部位，我们可以为不同部位的病情制定不同的扩展问题量表，对于“肚子疼”可以追加的问题包括“请问疼痛症状多久了”“请根据会话中的腹部图片确定一下腹痛的位置”“请问您是否有腹泻的情况出现”等等；对于答非所问或者超出信息收集识别范围的回答直接结束问答，并重新进行初始化，对于正常回答的用户继续让其选择就诊人的健康档案，这个选择可以通过发送IM卡片来进行，让用户进行N选1点击确认。其次，在确定所有槽位信息之后，进入到API节点，判断当前用户是否有进行中的问诊单，这个流程是因为用户可能同时进行多个问诊单，这种情况会让用户损失更多的权益，应该尽量避免；如果用户已经有进行中的问诊单，应该结束会话并提示患者进入，如果没有进行中的问诊单则开始匹配医生，并进入下一个填槽节点，提醒用户选择是否接受音视频问诊？然后根据用户的选择进行后续流程。最后，在上述过程中涉及到要先有意图体系、定义好Task(任务)流程，以及订单的查询接口，这些都是业务强相关的，主要由各业务的运营团队来维护。智能应答与会话配置化系统的作用，一是将多业务场景下的用户输入与意图体系中的标准问进行匹配，二是完成多轮交互的调度与服务的智能推送。
可以理解的，对于不同场景类型的配置化能力，可以通过在运营后台配置专名识别(Named Entity Recognition,简称NER)，来标注用户本次咨询所涉及的场景类型，形成对用户服务场景类型的细分理解，进而更便于理解用户诉求，完成对问题的应答处理。同时，还可以为每一种场景类型配置单独的量表收集单，以用户的请求信息为“我肚子不舒服”为例，量表收集单的作用可以是在收集患者信息(即用户请求信息)的过程中，通过IM(Instant Messaging，即时通讯)对话的方式，将问题提示给患者，图8示出了一种量表收集单的示意图，如图8所示，对于性别等问题采用单选方式；而对于身体症状的具体描述需要采用填空题的方式；当用户填写完毕所有问题的回答后，告诉患者：“好的，我已经了解您的情况，正在对您的身体状态进行评估，以便于找到适配您的诊疗方案”。在服务决策配置(即回复信息配置)中，可将服务划分成若个最小不可分割的单元，并在后台完成数据维护，再依据服务场景类型与NER、智能对话中的关键词等算法能力实现服务的智能决策推送。基于上述对于不同场景类型的配置化能力和服务推送配置，图9是根据一示例性实施例提供的信息处理方法的示意图，如图9所示，在智能客服(即机器人)在实际使用过程中被唤醒后，会依据通过对图文音视频去识别用户意图，进而推送相应的量表、给出结论(即解决方案)，或依据用户的实际需要为用户输出符合用户预期的答案(即解决方案)，例如可以是转诊、推荐商品、健康管理等。
如此，本公开实施例提供的信息处理方法中，用户沟通过程中的人机交互的介入、以及流程配置化能力(也即不同场景类型配置不同的回复信息)是本公开实施例提供的信息处理方法的核心特征。在答案(即回复信息)推荐上，由于一个问题(请求信息)可能涉及多种能力(即答案)的推荐，本公开实施例提供的信息处理方法可以结合当前服务的用户的特征以及服务场景(即请求信息和服务的场景类型)的差异，来推送最优方案(即回复信息)，而在这个推送过程中，摆脱了以往智能客服机器人(即机器人)只能依赖算法的学习能力来“机械般”地推送服务的方式，改为支持通过流程配置化(也即不同场景类型配置不同的回复信息)的方式，使得服务应答和服务推送结果更符合用户意图。
基于相同的发明构思，本公开的实施例还提供了一种信息处理装置，如图10所示，图10是根据一示例性实施例示出的一种信息处理装置的框图。参照图10，该信息处理装置1000可以包括：
场景确定模块1010，用于在接收到目标用户的目标请求信息的情况下，确定所述目标请求信息对应的目标场景类型；
信息确定模块1020，用于确定所述目标场景类型对应的目标回复信息；
信息输出模块1030，用于输出所述目标回复信息至所述目标用户。
在一种可能的实施方式中，还包括：
场景划分模块，用于划分多个场景类型，以及每个所述场景类型各自对应的关键字；
信息配置模块，用于为每个所述场景类型设置对应的回复信息。
在一种可能的实施方式中，所述场景确定模块1010，包括：
处理单元，用于在接收到目标用户的请求信息的情况下，将所述目标请求信息处理为文字形式的请求信息；
场景确定单元，用于根据所述文字形式的请求信息中的关键字确定所述目标场景类型。
在一种可能的实施方式中，所述回复信息包括每个所述场景类型各自对应的量表收集单和解决方案中的至少一种，其中，所述解决方案与所述量表收集单的收集信息和所述场景类型对应。
在一种可能的实施方式中，在目标回复信息包括目标量表收集单和目标解决方案的情况下，所述信息输出模块1030，包括：
第一输出单元，用于输出所述目标量表收集单至所述目标用户，以使所述目标用户填写所述量表收集单；
信息提取单元，用于提取所述目标用户填写后的所述量表收集单中的收集信息；
方案确定单元，用于确定与所述收集信息和所述目标场景类型对应的目标解决方案；
第二输出单元，用于输出所述目标解决方案至所述目标用户。
在一种可能的实施方式中，还包括：
窗口确定模块，用于确定所述目标用户对应的档案中是否已经存在与所述目标用户的所述目标请求信息和所述收集信息对应的进行中的解决方案推送窗口；
跳转模块，用于在所述目标用户对应的档案中已经存在与所述目标用户的所述请求信息和所述收集信息对应的进行中的解决方案推送窗口的情况下，跳转至所述进行中的解决方案推送窗口。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
根据本公开的实施例，本公开还提供了一种电子设备、一种存储介质和一种计算机程序产品。
图11示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。电子设备1100旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图11所示，电子设备1100包括计算单元1101，其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序，来执行各种适当的动作和处理。在RAM1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
电子设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元1108，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许电子设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如信息处理方法。例如，在一些实施例中，信息处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到电子设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时，可以执行上文描述的信息处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行信息处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的计算机程序产品的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。存储介质可以是机器可读信号介质或机器可读储存介质。存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种信息处理方法，其特征在于，包括：
在接收到目标用户的目标请求信息的情况下，确定所述目标请求信息对应的目标场景类型；
确定所述目标场景类型对应的目标回复信息；
输出所述目标回复信息至所述目标用户。
2.根据权利要求1所述的信息处理方法，其特征在于，还包括：
划分多个场景类型，以及每个所述场景类型各自对应的关键字；
为每个所述场景类型设置对应的回复信息。
3.根据权利要求2所述的信息处理方法，其特征在于，所述在接收到目标用户的请求信息的情况下，确定所述请求信息对应的目标场景类型，包括：
在接收到目标用户的请求信息的情况下，将所述目标请求信息处理为文字形式的请求信息；
根据所述文字形式的请求信息中的关键字确定所述目标场景类型。
4.根据权利要求2所述的信息处理方法，其特征在于，所述回复信息包括每个所述场景类型各自对应的量表收集单和解决方案中的至少一种，其中，所述解决方案与所述量表收集单的收集信息和所述场景类型对应。
5.根据权利要求4所述的信息处理方法，其特征在于，在目标回复信息包括目标量表收集单和目标解决方案的情况下，所述输出所述目标回复信息至所述目标用户，包括：
输出所述目标量表收集单至所述目标用户，以使所述目标用户填写所述量表收集单；
提取所述目标用户填写后的所述量表收集单中的收集信息；
确定与所述收集信息和所述目标场景类型对应的目标解决方案；
输出所述目标解决方案至所述目标用户。
6.根据权利要求5所述的信息处理方法，其特征在于，所述提取所述目标用户填写后的所述量表收集单中的收集信息之后，还包括：
确定所述目标用户对应的档案中是否已经存在与所述目标用户的所述目标请求信息和所述收集信息对应的进行中的解决方案推送窗口；
在所述目标用户对应的档案中已经存在与所述目标用户的所述请求信息和所述收集信息对应的进行中的解决方案推送窗口的情况下，跳转至所述进行中的解决方案推送窗口。
7.一种信息处理装置，其特征在于，包括：
场景确定模块，用于在接收到目标用户的目标请求信息的情况下，确定所述目标请求信息对应的目标场景类型；
信息确定模块，用于确定所述目标场景类型对应的目标回复信息；
信息输出模块，用于输出所述目标回复信息至所述目标用户。
8.根据权利要求7所述的信息处理装置，其特征在于，还包括：
场景划分模块，用于划分多个场景类型，以及每个所述场景类型各自对应的关键字；
信息配置模块，用于为每个所述场景类型设置对应的回复信息。
9.根据权利要求8所述的信息处理装置，其特征在于，所述场景确定模块，包括：
处理单元，用于在接收到目标用户的请求信息的情况下，将所述目标请求信息处理为文字形式的请求信息；
场景确定单元，用于根据所述文字形式的请求信息中的关键字确定所述目标场景类型。
10.根据权利要求8所述的信息处理装置，其特征在于，所述回复信息包括每个所述场景类型各自对应的量表收集单和解决方案中的至少一种，其中，所述解决方案与所述量表收集单的收集信息和所述场景类型对应。
11.根据权利要求10所述的信息处理装置，其特征在于，在目标回复信息包括目标量表收集单和目标解决方案的情况下，所述信息输出模块，包括：
第一输出单元，用于输出所述目标量表收集单至所述目标用户，以使所述目标用户填写所述量表收集单；
信息提取单元，用于提取所述目标用户填写后的所述量表收集单中的收集信息；
方案确定单元，用于确定与所述收集信息和所述目标场景类型对应的目标解决方案；
第二输出单元，用于输出所述目标解决方案至所述目标用户。
12.根据权利要求11所述的信息处理装置，其特征在于，还包括：
窗口确定模块，用于确定所述目标用户对应的档案中是否已经存在与所述目标用户的所述目标请求信息和所述收集信息对应的进行中的解决方案推送窗口；
跳转模块，用于在所述目标用户对应的档案中已经存在与所述目标用户的所述请求信息和所述收集信息对应的进行中的解决方案推送窗口的情况下，跳转至所述进行中的解决方案推送窗口。
13.一种电子设备，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6中任一项所述的信息处理方法。
14.一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至6中任一项所述的信息处理方法。
15.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的信息处理方法。
CN202310399825.4A 2023-04-13 2023-04-13 信息处理方法、装置、电子设备及存储介质 Pending CN116484880A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310399825.4A CN116484880A (zh) 2023-04-13 2023-04-13 信息处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310399825.4A CN116484880A (zh) 2023-04-13 2023-04-13 信息处理方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116484880A true CN116484880A (zh) 2023-07-25

Family

ID=87214883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310399825.4A Pending CN116484880A (zh) 2023-04-13 2023-04-13 信息处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116484880A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116647727A (zh) * 2023-07-27 2023-08-25 中邮消费金融有限公司 录屏信息收集方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116647727A (zh) * 2023-07-27 2023-08-25 中邮消费金融有限公司 录屏信息收集方法、装置、设备及存储介质
CN116647727B (zh) * 2023-07-27 2024-02-06 中邮消费金融有限公司 录屏信息收集方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
US11599729B2 (en) Method and apparatus for intelligent automated chatting
CN109522483B (zh) 用于推送信息的方法和装置
CN111552880B (zh) 基于知识图谱的数据处理方法、装置、介质及电子设备
CN107741976B (zh) 智能应答方法、装置、介质和电子设备
WO2020088058A1 (zh) 生成信息的方法和装置
CN111819566A (zh) 通过自动助理在先前对话场境之间的转变
CN112733042A (zh) 推荐信息的生成方法、相关装置及计算机程序产品
JP7096172B2 (ja) キャラクタ性に応じた形容発話を含む対話シナリオを生成する装置、プログラム及び方法
CN113407677B (zh) 评估咨询对话质量的方法、装置、设备和存储介质
JP6442807B1 (ja) 対話サーバ、対話方法及び対話プログラム
CN111104590A (zh) 信息推荐方法、装置、介质及电子设备
CN116484880A (zh) 信息处理方法、装置、电子设备及存储介质
CN113782195A (zh) 一种体检套餐定制方法和装置
CN115481227A (zh) 人机交互对话方法、装置以及设备
Kraus et al. Customer service combining human operators and virtual agents: a call for multidisciplinary AI Research
CN116894498A (zh) 网络模型的训练方法、策略识别方法、装置以及设备
CN111787042A (zh) 用于推送信息的方法和装置
CN116775815B (zh) 对话数据的处理方法、装置、电子设备及存储介质
CN113343664B (zh) 图像文本之间的匹配度的确定方法及装置
CN111556096B (zh) 信息推送方法、装置、介质及电子设备
WO2018161306A1 (en) Application recommendation
Prasomphan Using chatbot in trading system for small and medium enterprise (smes) by Convolution Neural Network Technique
CN114300127A (zh) 问诊处理方法、装置、设备及存储介质
CN111046151B (zh) 一种消息处理方法及装置
CN110535749A (zh) 对话推送方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination