CN116578682A - 一种法务服务的智能咨询方法及系统 - Google Patents
一种法务服务的智能咨询方法及系统 Download PDFInfo
- Publication number
- CN116578682A CN116578682A CN202310573537.6A CN202310573537A CN116578682A CN 116578682 A CN116578682 A CN 116578682A CN 202310573537 A CN202310573537 A CN 202310573537A CN 116578682 A CN116578682 A CN 116578682A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- consultation
- text information
- intelligent
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000003993 interaction Effects 0.000 claims abstract description 16
- 239000013598 vector Substances 0.000 claims description 51
- 238000004891 communication Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 6
- 230000004044 response Effects 0.000 abstract description 3
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 210000001503 joint Anatomy 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 239000000047 product Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000003032 molecular docking Methods 0.000 description 3
- 238000009223 counseling Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- G06F16/3343—Query execution using phonetics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—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
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Technology Law (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Machine Translation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能语义处理技术领域,公开了一种法务服务的智能咨询方法及系统,包括:获取用户输入的咨询信息,并将所述咨询信息转化为对应的文本信息;根据所述文本信息与数据库中用户与法务的历史交互信息数据,召回并输出符合所述用户咨询意图的最优推荐回复;根据用户输入问题、当前用户咨询信息、历史咨询、用户需求提供出当前问题最贴切的应答,完成整个法律服务过程,以解决用户的需求;将大量规范化、流程化问题交由智能咨询系统自动回复,实现法律咨询的自动化、智能化,同时确保该系统对用户提出的法律问题、业务问题给出专业规范解答,有效降低人工对接环节中可能出现的专业性流程记忆差错等各种风险。
Description
技术领域
本发明涉及智能语义处理技术领域,具体涉及一种法务服务的智能咨询方法及系统。
背景技术
法律咨询系统是咨询法务与客户进行信息交互、获取案由、确定案件证据材料的服务平台,其智能咨询系统是法务与客户沟通平台不可或缺的功能之一,其目的是为在面对大规模用户时提升咨询法务的效率,同时确保法务对用户提出的法律问题、业务问题给出专业性、规范性解答,有效降低咨询环节中可能出现的专业性流程记忆差错等各种风险。
但面对大规模、多需求用户时,一个咨询法务需要同时人工对接几百甚至上千个客户,在应答客户的问题时难免出现解答不规范、流程不专业、效率不高等问题。
发明内容
本发明的目的在于提供一种法务服务的智能咨询方法及系统,解决以下技术问题:
如何基于用户历史问答信息与当前问题召回咨询应答,同时引导用户完成法律咨询过程,提供能够提升咨询法务工作效率,降低法律服务的人力成本与时间成本的推荐方法及系统。
本发明的目的可以通过以下技术方案实现:
一种法务服务的智能咨询方法,包括:
步骤S10,获取用户输入的咨询信息,并将所述咨询信息转化为对应的文本信息;
步骤S20,根据所述文本信息召回并输出符合被咨询者的沟通习惯和所述用户咨询意图的最优推荐回复。
作为本发明进一步的方案:所述将所述咨询信息转化为对应的文本信息的方法包括:
获取所述咨询信息的信息类别;
若所述信息类别为语音信息,将所述语音信息转换为所述文本信息;
若所述信息类别为文字信息,则直接将所述文字信息作为。
作为本发明进一步的方案:所述步骤S20,根据所述文本信息生成符合所述用户的沟通习惯的最优推荐回复的方法包括:
获取所述文本信息中的关键核心词;
将所述关键核心词和用户与法务的历史交互记录以及用户基础画像特征输入迭代训练后的MIND模块,获得所述用户的多个兴趣向量;
通过Label-aware注意力机制确定通过所述兴趣向量计算所述用户的最终兴趣向量时的各项的权重;
根据所述最终兴趣向量和所述关键核心词对应的词向量,通过多路召回策略获得候选top-N文本Item集合。
作为本发明进一步的方案:所述步骤S20,根据所述文本信息生成符合所述用户的沟通习惯的最优推荐回复的方法还包括:
对所述文本信息,进行意图分类和实体识别,获得所述用户本轮的意图类别和关键实体信息;
根据所述意图类别和所述关键实体信息对当前所述top-N文本Item集合的回复文本进行排序,获取所述最优推荐回复。
作为本发明进一步的方案:所述进行意图分类和实体识别的方法包括:
将所述文本信息中的句子视为token序列;
对整个所述句子中及其上下文场景信息进行编码;
计算意图分类损失IL;
从所述文本信息中提取所述关键实体信息,计算实体抽取损失EL;
将部分随机选择的源词符替换为屏蔽词符或者随机词符,再计算掩码损耗ML来预测随机掩码输入tokens;
通过最小化模型计算总损失TL,以多任务训练模型,获取所述用户的最优输入意图的前n项,即为所述最优推荐回复;
其中,所述最小化模型包括:
TL=IL+EL+ML
其中,所述token为单词或子词。
作为本发明进一步的方案:所述获得所述用户的多个兴趣向量的方法包括:
获取所述文本信息中的关键核心词;
将所述关键核心词和用户与法务的历史交互记录以及用户基础画像特征输入迭代训练后的MIND模块,获得所述用户的多个兴趣向量;
根据所述MIND模块获取所述关键核心词、用户与法务的历史交互记录以及用户基础画像特征所对应的向量表示;
根据候选打分公式计算打分值;
所述候选打分公式:
其中,Xu为所述用户历史交互记录,Yu为所述用户基础画像特征,Zi为所述关键核心词,Vu为M×N维的矩阵,M表示每个向量的维度,N表示向量的个数,即兴趣的数量,为M维向量,fitem表示embedding&pooling层。
作为本发明进一步的方案:所述通过Label-aware注意力机制确定通过所述兴趣向量计算所述用户的最终兴趣向量时的各项的权重的方法包括:
其中,p为调节参数;
当p为0时,那么每个所述兴趣向量有相同的权重;
当p>1时,p越大,与点积更大的所述兴趣向量的权重更大;
当p=∞时,只使用与点积最大的所述兴趣向量作为所述最终兴趣向量。
作为本发明进一步的方案:所述步骤S20,根据所述文本信息生成符合所述用户的沟通习惯的最优推荐回复的方法还包括:
根据历史输入关键词和当前轮次关键词信息,对话管理组件记录对话状态并决定生成何种推荐回复。
作为本发明进一步的方案:一种法务服务的智能咨询系统,包括:
信息获取模块,用于获取用户输入的咨询信息,并将所述咨询信息转化为对应的文本信息;
回复信息推荐模块,用于根据所述文本信息召回并输出符合被咨询者的沟通习惯和所述用户咨询意图的最优推荐回复。
本发明的有益效果:本发明通过融合深度学习、自然语言处理技术、信息检索技术、大数据技术等,凭借深度学习技术的强大表征能力,挖掘用户的历史行为数据、上下文场景信息,根据聊天的上下文进行互动,并根据历史聊天信息引导咨询过程,根据用户输入问题、当前用户咨询信息、历史咨询、用户需求提供出当前问题最贴切的应答,完成整个法律服务过程,以解决用户的需求将大量规范化、流程化问题交由智能咨询系统自动回复,实现法律咨询的自动化、智能化,同时确保该系统对用户提出的法律问题、业务问题给出专业规范解答,有效降低人工对接环节中可能出现的专业性流程记忆差错等各种风险。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明中法务服务的智能咨询方法的应用情景示意图;
图2为本发明中法务服务的智能咨询方法流程示意图;
图3为本发明中法务服务的智能咨询方法的原理框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种法务服务的智能咨询方法,包括:
步骤S10,获取用户输入的咨询信息,并将所述咨询信息转化为对应的文本信息;
步骤S20,根据所述文本信息与数据库中用户与法务的历史交互信息数据,召回并输出符合所述用户咨询意图的最优推荐回复。
作为本发明进一步的方案:所述将所述咨询信息转化为对应的文本信息的方法包括:
获取所述咨询信息的信息类别;
若所述信息类别为语音信息,将所述语音信息转换为所述文本信息;
若所述信息类别为文字信息,则直接将所述文字信息作为。
作为本发明进一步的方案:所述步骤S20,根据所述文本信息生成符合所述用户的沟通习惯的最优推荐回复的方法包括:
获取所述文本信息中的关键核心词;
将所述关键核心词和用户与法务的历史交互记录以及用户基础画像特征输入迭代训练后的MIND模块,获得所述用户的多个兴趣向量;
通过Label-aware注意力机制确定通过所述兴趣向量计算所述用户的最终兴趣向量时的各项的权重;
根据所述最终兴趣向量和所述关键核心词对应的词向量,通过多路召回策略获得候选top-N文本Item集合。
作为本发明进一步的方案:所述步骤S20,根据所述文本信息生成符合所述用户的沟通习惯的最优推荐回复的方法还包括:
对所述文本信息,进行意图分类和实体识别,获得所述用户本轮的意图类别和关键实体信息;
根据所述意图类别和所述关键实体信息对当前所述top-N文本Item集合的回复文本进行排序,获取top-k的回复作为所述最优推荐回复,k为预设数量。
作为本发明进一步的方案:所述进行意图分类和实体识别的方法包括:
将所述文本信息中的句子视为token序列;
对整个所述句子中及其上下文场景信息进行编码;
计算意图分类损失IL;
从所述文本信息中提取所述关键实体信息,计算实体抽取损失EL;
将部分随机选择的源词符替换为屏蔽词符或者随机词符,再计算掩码损耗ML来预测随机掩码输入tokens;
通过最小化模型计算总损失TL,以多任务训练模型,获取所述用户的最优输入意图的前n项,即为所述最优推荐回复;
其中,所述最小化模型包括:
TL=IL+EL+ML
其中,所述token为单词或子词。
作为本发明进一步的方案:所述获得所述用户的多个兴趣向量的方法包括:
获取所述文本信息中的关键核心词;
将所述关键核心词和用户与法务的历史交互记录以及用户基础画像特征输入迭代训练后的MIND模块,获得所述用户的多个兴趣向量;
根据所述MIND模块获取所述关键核心词、用户与法务的历史交互记录以及用户基础画像特征所对应的向量表示;
根据候选打分公式计算打分值;
所述候选打分公式:
其中,Xu为所述用户历史交互记录,Yu为所述用户基础画像特征,Zi为所述关键核心词,Vu为M×N维的矩阵,M表示每个向量的维度,N表示向量的个数,即兴趣的数量,为M维向量,fitem表示embedding&pooling层。
作为本发明进一步的方案:所述通过Label-aware注意力机制确定通过所述兴趣向量计算所述用户的最终兴趣向量时的各项的权重的方法包括:
其中,p为调节参数;
当p为0时,那么每个所述兴趣向量有相同的权重;
当p>1时,p越大,与点积更大的所述兴趣向量的权重更大;
当p=∞时,只使用与点积最大的所述兴趣向量作为所述最终兴趣向量。
作为本发明进一步的方案:所述步骤S20,根据所述文本信息生成符合所述用户的沟通习惯的最优推荐回复的方法还包括:
根据历史输入关键词和当前轮次关键词信息,对话管理组件记录对话状态并决定生成何种推荐回复。
如图2和图3所示,对话状态追踪是根据当前用户的输入及对话的上下文,通过业务规则来决定系统下一步的行为,包括说什么和做什么,避免出现重复的问询与答复。具体来讲,数据库中存有每个业务需求在每个阶段的问答流程,比如,用户需要系统拟一份欠款起诉状,具体的流程可能为客户诉说需求,系统要求客户发送证据材料,客户发送证据,系统确认服务主体,系统询问事情经过,查看证据确认证据可行,系统询问诉求内容,利息,保全,双方身份信息,系统确认证据材料无误,将相关证据材料提交到数据库,交由法务确认,系统会判断当前问答在流程中所处位置,每个流程包含各种细节性问答,系统会按照流程逐个抛出剩余问题,引导用户完成整个案件咨询流程,同时对话追踪会对整个对话状态进行判断,避免出现重复或者不合理问答,实现法律服务的智能咨询。
对话管理模块目的是为实现多轮对话的管理,根据历史输入关键词和当前轮次关键词信息,对话管理组件记录对话状态并决定生成何种推荐回复。
单纯的自然语言理解和自然语言生成也可以构成一个咨询对话系统,但是并没有综合历史聊天记录,在与上次相似的输入语句下,生成的推荐列表可能与上一次的推荐列表重复,所以需要对对话状态进行实时追踪,根据意图识别与命名实体识别明确最优的action和实体信息以便生成最终回复。
对话管理模块:
对话状态追踪:实现多轮问答
action文本分类器:意图识别属于文本分类问题,对当前状态选取最高概率的咨询回复
另一方面,若规定时间内用户无输入内容,但按照据库中为不同案情制定的不同问题流程列表显示整个对接流程还未结束时,系统将调用数库中的流程来引导用户完成剩余案件信息对接过程,以补充案件信息与相关证据材料;在需要法务对接的重要信息环节,可由法务进行关键信息的确认。智能咨询系统降低了人工成本、时间成本,并保证了整个法律咨询过程的准确性、灵活性以满足业务需求。
作为本发明进一步的方案:一种法务服务的智能咨询系统,包括:
信息获取模块,用于获取用户输入的咨询信息,并将所述咨询信息转化为对应的文本信息;
回复信息推荐模块,用于根据所述文本信息召回并输出符合被咨询者的沟通习惯和所述用户咨询意图的最优推荐回复。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (9)
1.一种法务服务的智能咨询方法,其特征在于,包括:
步骤S10,获取用户输入的咨询信息,并将所述咨询信息转化为对应的文本信息;
步骤S20,根据所述文本信息与数据库中用户与法务的历史交互信息数据,召回并输出符合所述用户咨询意图的最优推荐回复。
2.根据权利要求1所述的法务服务的智能咨询方法,其特征在于,所述将所述咨询信息转化为对应的文本信息的方法包括:
获取所述咨询信息的信息类别;
若所述信息类别为语音信息,将所述语音信息转换为所述文本信息;
若所述信息类别为文字信息,则直接将所述文字信息作为所述文本信息。
3.根据权利要求1所述的法务服务的智能咨询方法,其特征在于,所述步骤S20,根据所述文本信息生成符合所述用户的沟通习惯的最优推荐回复的方法包括:
获取所述文本信息中的关键核心词;
将所述关键核心词和用户与法务的历史交互记录以及用户基础画像特征输入迭代训练后的MIND模块,获得所述用户的多个兴趣向量;
通过Label-aware注意力机制确定通过所述兴趣向量计算所述用户的最终兴趣向量时的各项的权重;
根据所述最终兴趣向量和所述关键核心词对应的词向量,通过多路召回策略获得候选top-N文本Item集合。
4.根据权利要求3所述的法务服务的智能咨询方法,其特征在于,所述步骤S20,根据所述文本信息生成符合所述用户的沟通习惯的最优推荐回复的方法还包括:
对所述文本信息,进行意图分类和实体识别,获得所述用户本轮的意图类别和关键实体信息;
根据所述意图类别和所述关键实体信息对当前所述top-N文本Item集合的回复文本进行排序,获取所述最优推荐回复。
5.根据权利要求4所述的法务服务的智能咨询方法及系统,其特征在于,所述进行意图分类和实体识别的方法包括:
将所述文本信息中的句子视为token序列;
对整个所述句子中及其上下文场景信息进行编码;
计算意图分类损失IL;
从所述文本信息中提取所述关键实体信息,计算实体抽取损失EL;
将部分随机选择的源词符替换为屏蔽词符或者随机词符,再计算掩码损耗ML来预测随机掩码输入tokens;
通过最小化模型计算总损失TL,以多任务训练模型,获取所述用户的最优输入意图的前n项,即为所述最优推荐回复;
其中,所述最小化模型包括:
TL=IL+EL+ML
其中,所述token为单词或子词。
6.根据权利要求5所述的法务服务的智能咨询方法及系统,其特征在于,所述获得所述用户的多个兴趣向量的方法包括:
获取所述文本信息中的关键核心词;
将所述关键核心词和用户与法务的历史交互记录以及用户基础画像特征输入迭代训练后的MIND模块,获得所述用户的多个兴趣向量;
根据所述MIND模块获取所述关键核心词、用户与法务的历史交互记录以及用户基础画像特征所对应的向量表示;
根据候选打分公式计算打分值;
所述候选打分公式:
其中,Xu为所述用户历史交互记录,Yu为所述用户基础画像特征,Zi为所述关键核心词,Vu为M×N维的矩阵,M表示每个向量的维度,N表示向量的个数,即兴趣的数量,为M维向量,fitem表示embedding&pooling层。
7.根据权利要求6所述的法务服务的智能咨询方法及系统,其特征在于,所述通过Label-aware注意力机制确定通过所述兴趣向量计算所述用户的最终兴趣向量时的各项的权重的方法包括:
其中,p为调节参数;
当p为0时,那么每个所述兴趣向量有相同的权重;
当p>1时,p越大,与点积更大的所述兴趣向量的权重更大;
当p=∞时,只使用与点积最大的所述兴趣向量作为所述最终兴趣向量。
8.根据权利要求3所述的法务服务的智能咨询方法及系统,其特征在于,所述步骤S20,根据所述文本信息生成符合所述用户的沟通习惯的最优推荐回复的方法还包括:
根据历史输入关键词和当前轮次关键词信息,对话管理组件记录对话状态并决定生成何种推荐回复。
9.一种法务服务的智能咨询系统,其特征在于,采用如权利要求1-8中任意一项的所述法务服务的智能咨询方法,包括:
信息获取模块,用于获取用户输入的咨询信息,并将所述咨询信息转化为对应的文本信息;
回复信息推荐模块,用于根据所述文本信息召回并输出符合被咨询者的沟通习惯和所述用户咨询意图的最优推荐回复。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310573537.6A CN116578682B (zh) | 2023-05-22 | 2023-05-22 | 一种法务服务的智能咨询方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310573537.6A CN116578682B (zh) | 2023-05-22 | 2023-05-22 | 一种法务服务的智能咨询方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116578682A true CN116578682A (zh) | 2023-08-11 |
CN116578682B CN116578682B (zh) | 2024-02-13 |
Family
ID=87540962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310573537.6A Active CN116578682B (zh) | 2023-05-22 | 2023-05-22 | 一种法务服务的智能咨询方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116578682B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990544A (zh) * | 2019-11-01 | 2020-04-10 | 上海百事通信息技术股份有限公司 | 一种用于法务咨询的智能问答平台 |
WO2021047186A1 (zh) * | 2019-09-09 | 2021-03-18 | 深圳壹账通智能科技有限公司 | 咨询对话处理的方法、装置、设备及存储介质 |
US20210375404A1 (en) * | 2019-06-05 | 2021-12-02 | Boe Technology Group Co., Ltd. | Medical question-answering method, medical question-answering system, electronic device, and computer readable storage medium |
CN113918702A (zh) * | 2021-10-25 | 2022-01-11 | 北京航空航天大学 | 一种基于语义匹配的在线法律自动问答方法及系统 |
CN114357126A (zh) * | 2020-10-13 | 2022-04-15 | 深圳前海微众银行股份有限公司 | 一种智能问答系统 |
CN114528491A (zh) * | 2022-02-18 | 2022-05-24 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、计算机设备和存储介质 |
CN114942982A (zh) * | 2022-04-26 | 2022-08-26 | 上海勤联物联网有限公司 | 一种提问式商务信息咨询方法及系统 |
CN115099680A (zh) * | 2022-07-14 | 2022-09-23 | 平安科技(深圳)有限公司 | 风险管理方法、装置、设备及存储介质 |
CN115795156A (zh) * | 2022-11-30 | 2023-03-14 | 微梦创科网络科技(中国)有限公司 | 物料召回和神经网络训练方法、装置、设备及存储介质 |
-
2023
- 2023-05-22 CN CN202310573537.6A patent/CN116578682B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210375404A1 (en) * | 2019-06-05 | 2021-12-02 | Boe Technology Group Co., Ltd. | Medical question-answering method, medical question-answering system, electronic device, and computer readable storage medium |
WO2021047186A1 (zh) * | 2019-09-09 | 2021-03-18 | 深圳壹账通智能科技有限公司 | 咨询对话处理的方法、装置、设备及存储介质 |
CN110990544A (zh) * | 2019-11-01 | 2020-04-10 | 上海百事通信息技术股份有限公司 | 一种用于法务咨询的智能问答平台 |
CN114357126A (zh) * | 2020-10-13 | 2022-04-15 | 深圳前海微众银行股份有限公司 | 一种智能问答系统 |
CN113918702A (zh) * | 2021-10-25 | 2022-01-11 | 北京航空航天大学 | 一种基于语义匹配的在线法律自动问答方法及系统 |
CN114528491A (zh) * | 2022-02-18 | 2022-05-24 | 腾讯科技(深圳)有限公司 | 信息处理方法、装置、计算机设备和存储介质 |
CN114942982A (zh) * | 2022-04-26 | 2022-08-26 | 上海勤联物联网有限公司 | 一种提问式商务信息咨询方法及系统 |
CN115099680A (zh) * | 2022-07-14 | 2022-09-23 | 平安科技(深圳)有限公司 | 风险管理方法、装置、设备及存储介质 |
CN115795156A (zh) * | 2022-11-30 | 2023-03-14 | 微梦创科网络科技(中国)有限公司 | 物料召回和神经网络训练方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
郭山;: "图书馆参考咨询服务应用WeChatPN+QAR模式探析", 图书馆研究, no. 02 * |
Also Published As
Publication number | Publication date |
---|---|
CN116578682B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6718368B1 (en) | System and method for content-sensitive automatic reply message generation for text-based asynchronous communications | |
US20060078862A1 (en) | Answer support system, answer support apparatus, and answer support program | |
KR20180022762A (ko) | 실시간 답변 메시지 생성을 이용한 고객 상담 서비스 제공 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 | |
CN111062220B (zh) | 一种基于记忆遗忘装置的端到端意图识别系统和方法 | |
CN103593412B (zh) | 一种基于树形结构问题的应答方法及系统 | |
KR20170137419A (ko) | 실시간 답변 메시지 생성을 이용한 고객 상담 서비스 제공 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 | |
CN110516057B (zh) | 一种信访问题答复方法及装置 | |
EP3667586A1 (en) | Electronic communication system with drafting assistant and method of using same | |
Windiatmoko et al. | Developing facebook chatbot based on deep learning using rasa framework for university enquiries | |
CN114153955B (zh) | 一种融合闲聊和常识的多技能任务型对话系统构建方法 | |
Li et al. | Development of an intelligent NLP-based audit plan knowledge discovery system | |
CN117592489B (zh) | 一种利用大语言模型实现电商商品信息交互的方法及系统 | |
CN112395885B (zh) | 短文本语义理解模板生成方法、语义理解处理方法及装置 | |
CN112784011B (zh) | 一种基于cnn和lstm的情感问题处理方法、装置和介质 | |
CN117573834A (zh) | 一种用于面向软件即服务平台的多机器人对话方法及系统 | |
US20220129628A1 (en) | Artificial intelligence system for business processes | |
TWI734085B (zh) | 使用意圖偵測集成學習之對話系統及其方法 | |
CN116578682B (zh) | 一种法务服务的智能咨询方法及系统 | |
CN116542676A (zh) | 一种基于大数据分析的智能客服系统及其方法 | |
CN114004599A (zh) | 基于人工智能的物资需求计划审查系统 | |
CN111046151B (zh) | 一种消息处理方法及装置 | |
CN117633540B (zh) | 样本数据构建方法及装置 | |
Sarker et al. | Anglo-Bangla Language-Based AI Chatbot for Bangladeshi University Admission System | |
CN112818108B (zh) | 基于形近字的文本语义曲解聊天机器人及其数据处理方法 | |
DE102012221927A1 (de) | Verfahren zum Verwalten von E-Mail |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |