CN116911867A - 问题处理方法、装置、计算机设备和存储介质 - Google Patents
问题处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116911867A CN116911867A CN202310909685.0A CN202310909685A CN116911867A CN 116911867 A CN116911867 A CN 116911867A CN 202310909685 A CN202310909685 A CN 202310909685A CN 116911867 A CN116911867 A CN 116911867A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- behavior
- current
- data
- 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
Links
- 238000003672 processing method Methods 0.000 title abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000003066 decision tree Methods 0.000 claims abstract description 23
- 238000012216 screening Methods 0.000 claims abstract description 22
- 230000006399 behavior Effects 0.000 claims description 288
- 238000004590 computer program Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000003542 behavioural effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 17
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种问题处理方法、装置、计算机设备和存储介质。本申请涉及大数据和人工智能技术领域。所述方法包括：获取用户在应用程序产生的当前行为数据，并基于所述用户的当前行为数据和问题决策树模型，识别所述用户的当前行为意图信息；基于所述用户的当前行为意图信息，识别所述用户的问题类型，以及所述用户的问题内容信息，并基于所述用户的问题类型，筛选所述问题类型对应的问题解决策略；基于所述用户的当前行为数据、所述用户的问题内容信息和所述用户的问题类型对应的问题解决策略，生成所述用户的问题解决方案信息。采用本方法能够提升对用户的问题处理效率。
Description
技术领域
本申请涉及大数据和人工智能技术领域，特别是涉及一种问题处理方法、装置、计算机设备和存储介质。
背景技术
手机银行APP(Application，应用程序)的功能众多，也拥有极为庞大的用户量。很多用户如果对APP不够熟悉，无法准确进入自己需要的功能，在遇到报错时也不知道如何进行后续的操作，需要寻求客服系统的帮助。因此如何设置客服系统是当前研究的重点。
传统的用户系统是用户在遇到问题时，需要主动去访问客服系统，且描述自己遇到的问题和希望达成的目标，客服系统从而根据该信息查询用户问题的解决手段，但是对该APP不熟悉的用户可能不清楚如何描述自己的问题，以及不知道问题出现的原因，从而导致对用户的问题处理效率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种问题处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种问题处理方法。所述方法包括：
获取用户使用应用程序产生的当前行为数据，并基于所述用户的当前行为数据和问题决策树模型，识别所述用户的当前行为意图信息；
基于所述用户的当前行为意图信息，识别所述用户的问题类型，以及所述用户的问题内容信息，并基于所述用户的问题类型，筛选所述问题类型对应的问题解决策略；
基于所述用户的当前行为数据、所述用户的问题内容信息和所述用户的问题类型对应的问题解决策略，生成所述用户的问题解决方案信息。
可选的，所述获取用户的当前行为数据，包括：
采集用户的当前操作信息、以及所述用户的当前客服操作信息；
基于所述用户的当前操作信息、以及所述用户的当前客服操作信息，通过行为知识图谱，识别所述用户的当前行为数据。
可选的，所述获取用户的当前行为数据之前，还包括：
获取多个用户的样本操作信息、各所述用户的样本用户访问信息、以及各所述用户的样本行为数据，并提取各所述样本行为数据的行为特征数据；
针对每个用户，识别与所述用户的行为特征数据相关联的样本操作信息、以及与所述用户的行为特征数据相关联的样本用户访问信息，并基于每个用户的相同行为特征数据的相关联的样本操作信息、以及每个用户的相同行为特征数据的相关联的样本用户访问信息，建立所述行为特征数据对应的样本行为数据的子知识图谱；
将所有样本行为数据的子知识图谱进行连接处理，得到行为知识图谱。
可选的，所述基于所述用户的当前行为数据，通过问题决策树模型，识别所述用户的当前行为意图信息，包括：
分析各所述当前行为数据的行为目的信息，并将各所述行为目的信息，按照采集时间顺序进行排列，得到行为目的序列；
将所述行为目的序列输入所述问题决策树模型，识别所述行为目的序列中每个行为目的信息的子意图数据，并将各所述子意图数据按照所述行为目的序列的顺序进行排列，得到意图数据序列；
基于所述意图数据序列、以及所述用户的当前行为数据，确定所述用户的当前行为意图信息。
可选的，所述基于所述用户的当前行为意图信息，识别所述用户的问题类型，以及所述用户的问题内容信息，包括：
识别所述用户的当前行为意图信息对应的用户意图信息，并生成所述用户意图信息对应的意图标识信息；
基于所述意图标识信息，在数据库中查询所述意图标识信息对应的问题类型，作为所述用户的问题类型，并基于所述问题类型对应的问题分析网络，分析所述用户意图信息中的问题内容信息。
可选的，所述基于所述用户的问题类型，筛选所述问题类型对应的问题解决策略，包括：
识别所述问题类型所属的程序单元，并在数据库中，查询所述程序单元中的所述问题类型对应的解决策略，作为所述问题类型对应的问题解决策略。
可选的，基于所述用户的当前行为数据、以及所述用户的问题内容信息，通过所述用户的问题类型对应的问题解决策略，生成所述用户的问题解决方案信息，包括：
基于所述用户的问题内容信息、以及所述用户的问题类型对应的问题解决策略，确定所述用户的全流程解决方案信息，并在所述全流程解决方案信息中，识别所述用户的当前行为数据对应的当前流程节点；
将所述全流程解决方案信息中，所述当前流程节点之后的所有流程节点对应的方案信息，作为所述用户的问题解决方案信息。
第二方面，本申请还提供了一种问题处理装置。所述装置包括：
获取模块，用于获取用户使用应用程序产生的当前行为数据，并基于所述用户的当前行为数据和问题决策树模型，识别所述用户的当前行为意图信息；
筛选模块，用于基于所述用户的当前行为意图信息，识别所述用户的问题类型，以及所述用户的问题内容信息，并基于所述用户的问题类型，筛选所述问题类型对应的问题解决策略；
生成模块，用于基于所述用户的当前行为数据、所述用户的问题内容信息和所述用户的问题类型对应的问题解决策略，生成所述用户的问题解决方案信息。
可选的，所述获取模块，具体用于：
采集用户的当前操作信息、以及所述用户的当前客服操作信息；
基于所述用户的当前操作信息、以及所述用户的当前客服操作信息，通过行为知识图谱，识别所述用户的当前行为数据。
可选的，所述装置还包括：
样本获取模块，用于获取多个用户的样本操作信息、各所述用户的样本用户访问信息、以及各所述用户的样本行为数据，并提取各所述样本行为数据的行为特征数据；
识别模块，用于针对每个用户，识别与所述用户的行为特征数据相关联的样本操作信息、以及与所述用户的行为特征数据相关联的样本用户访问信息，并基于每个用户的相同行为特征数据的相关联的样本操作信息、以及每个用户的相同行为特征数据的相关联的样本用户访问信息，建立所述行为特征数据对应的样本行为数据的子知识图谱；
连接模块，用于将所有样本行为数据的子知识图谱进行连接处理，得到行为知识图谱。
可选的，所述获取模块，具体用于：
分析各所述当前行为数据的行为目的信息，并将各所述行为目的信息，按照采集时间顺序进行排列，得到行为目的序列；
将所述行为目的序列输入所述问题决策树模型，识别所述行为目的序列中每个行为目的信息的子意图数据，并将各所述子意图数据按照所述行为目的序列的顺序进行排列，得到意图数据序列；
基于所述意图数据序列、以及所述用户的当前行为数据，确定所述用户的当前行为意图信息。
可选的，所述筛选模块，具体用于：
识别所述用户的当前行为意图信息对应的用户意图信息，并生成所述用户意图信息对应的意图标识信息；
基于所述意图标识信息，在数据库中查询所述意图标识信息对应的问题类型，作为所述用户的问题类型，并基于所述问题类型对应的问题分析网络，分析所述用户意图信息中的问题内容信息。
可选的，所述筛选模块，具体用于：
识别所述问题类型所属的程序单元，并在数据库中，查询所述程序单元中的所述问题类型对应的解决策略，作为所述问题类型对应的问题解决策略。
可选的，所述生成模块，具体用于：
基于所述用户的问题内容信息、以及所述用户的问题类型对应的问题解决策略，确定所述用户的全流程解决方案信息，并在所述全流程解决方案信息中，识别所述用户的当前行为数据对应的当前流程节点；
将所述全流程解决方案信息中，所述当前流程节点之后的所有流程节点对应的方案信息，作为所述用户的问题解决方案信息。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
上述问题处理方法、装置、计算机设备和存储介质，通过获取用户使用应用程序产生的当前行为数据，并基于所述用户的当前行为数据和问题决策树模型，识别所述用户的当前行为意图信息；基于所述用户的当前行为意图信息，识别所述用户的问题类型，以及所述用户的问题内容信息，并基于所述用户的问题类型，筛选所述问题类型对应的问题解决策略；基于所述用户的当前行为数据、所述用户的问题内容信息和所述用户的问题类型对应的问题解决策略，生成所述用户的问题解决方案信息。通过用户的当前行为数据，分析用户的当前行为意图信息，并识别用户的问题类型和问题内容信息，从而基于不同的问题类型对应的问题解决策略，生成该用户的问题解决方案信息，使得用户在产生问题的第一时间便给用户提供解决方案信息，避免用户主动查询问题寻找解决方案信息，而由于无法描述问题内容使得问题无法解决的情况，提升了对用户的问题处理效率。
附图说明
图1为一个实施例中问题处理方法的流程示意图；
图2为一个实施例中问题处理示例的流程示意图；
图3为一个实施例中问题处理装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案信息及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的问题处理方法，可应用于终端，也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。其中，终端通过用户的当前行为数据，分析用户的当前行为意图信息，并识别用户的问题类型和问题内容信息，从而基于不同的问题类型对应的问题解决策略，生成该用户的问题解决方案信息，使得用户在产生问题的第一时间便给用户提供解决方案信息，避免用户主动查询问题寻找解决方案信息，而由于无法描述问题内容使得问题无法解决的情况，提升了对用户的问题处理效率。
在一个实施例中，如图1所示，提供了一种问题处理方法，以该方法应用于终端为例进行说明，包括以下步骤：
步骤S101，获取用户使用应用程序产生的当前行为数据，并基于用户的当前行为数据和问题决策树模型，识别用户的当前行为意图信息。
本实施例中，终端在获得用户授权的情况下，当用户访问应用程序APP时，终端实时获取用户访问该应用程序APP中的操作信息，以及该用户访问客服系统的访问信息，然后终端基于用户访问该应用程序APP时的操作信息，以及该用户访问客服系统的访问信息，确定该用户的当前行为数据信息。然后，终端通过问题决策树模型，基于该用户的当前行为数据，识别该用户的当前行为意图信息。其中，问题决策树模型为机器学习决策树模型(Decision Tree model)，该问题决策树模型为通过多个不同用户的行为数据、以及多个不同用户的行为数据对应的行为意图信息训练的机器学习决策树模型得到的。其中，操作信息包括但不限于是资源交易信息、信息查询信息、页面交互信息、信息阅览信息、以及产品筛选信息等。其中，当前客服操作信息为用户访问客服系统时，用户在客服系统中的操作信息，比如输入问题操作、寻找解决方案信息操作等。当前行为数据信息为用户在应用程序以及客服系统的操作信息对应的用户的行为数据信息，其中该行为数据信息包括交易资源信息、查询信息、交互页面、阅览信息、筛选产品等。用户的当前行为意图信息用于表征该用户当前使用该APP的使用目的。具体的识别过程后续将详细说明。
步骤S102，基于用户的当前行为意图信息，识别用户的问题类型，以及用户的问题内容信息，并基于用户的问题类型，筛选问题类型对应的问题解决策略。
本实施例中，终端识别该用户的当前行为意图信息对应的问题类型，并基于该问题类型，识别该用户的当前行为意图信息对应的问题内容信息。其中，问题类型包括但不限于是：没有问题、APP内报错、重复操作、以及无法执行进程等。每个问题类型对应的问题内容信息，为该问题类型对应的该APP内的用户所处的程序单元的问题内容，例如，问题类型为APP内报错，用户所处的程序单元为交易程序单元，则该用户的当前行为意图信息对应的问题内容信息为交易过程报错。其中，程序单元为该应用程序中包括的各个功能程序的单元，例如，交易程序单元、查询程序单元、阅览程序单元、筛选产品程序单元等。然后，终端预设每个问题类型对应的不同程序单元的问题解决策略，并基于该用户的问题类型，在各问题解决策略中，筛选该问题类型对应的不同程序单元的问题解决策略。其中，问题解决策略为一个程序单元的问题类型对应的全流程的处理过程的策略。具体的识别过程和筛选过程，后续将详细说明。
步骤S103，基于用户的当前行为数据、用户的问题内容信息和用户的问题类型对应的问题解决策略，生成用户的问题解决方案信息。
本实施例中，终端基于用户的问题内容信息，确定该用户在问题类型对应的各程序单元的问题解决策略中的该问题内容信息对应的程序单元的问题解决策略，然后，基于用户的当前行为数据所处的流程节点，确定该用户在该问题解决策略中对应的问题解决方案信息，然后将该问题解决方案信息发送至用户的显示终端。
基于上述方案，通过用户的当前行为数据，分析用户的当前行为意图信息，并识别用户的问题类型和问题内容信息，从而基于不同的问题类型对应的问题解决策略，生成该用户的问题解决方案信息，使得用户在产生问题的第一时间便给用户提供解决方案信息，避免用户主动查询问题寻找解决方案信息，而由于无法描述问题内容使得问题无法解决的情况，提升了对用户的问题处理效率。
可选的，获取用户的当前行为数据，包括：采集用户的当前操作信息、以及用户的当前客服操作信息，并基于用户的当前操作信息、以及用户的当前客服操作信息，通过行为知识图谱，识别用户的当前行为数据。
本实施例中，终端通过接收APP和客户系统发送的用户访问记录，采集用户在APP中的当前操作信息、以及该用户在客户系统中的当前客服操作信息。然后，终端预设已训练的行为知识图谱，并基于用户的当前操作信息、以及用户的当前客服操作信息，遍历该行为知识图谱，得到该用户的当前行为数据。其中行为知识图谱为用户在该app中的行为数据对应的知识图谱，该知识图谱的训练过程后续将详细说明。
基于上述方案，终端通过遍历行为知识图谱识别用户的当前行为数据，提升了识别的当前行为数据的精准度。
可选的，获取用户的当前行为数据之前，还包括：获取多个用户的样本操作信息、各用户的样本用户访问信息、以及各用户的样本行为数据，并提取各样本行为数据的行为特征数据；针对每个用户，识别与用户的行为特征数据相关联的样本操作信息、以及与用户的行为特征数据相关联的样本用户访问信息，并基于每个用户的相同行为特征数据的相关联的样本操作信息、以及每个用户的相同行为特征数据的相关联的样本用户访问信息，建立行为特征数据对应的样本行为数据的子知识图谱；将所有样本行为数据的子知识图谱进行连接处理，得到行为知识图谱。
本实施例中，终端在获得每个用户授权的情况下，在历史数据库中，获取多个用户在APP的样本操作信息、各用户在客户系统的样本用户访问信息、以及各用户的样本行为数据。然后，终端将该用户的样本行为数据转化为文本信息，并提取该文本信息中的特征文本字段，并将该特征文本字段对应的样本行为数据，作为该用户的行为特征数据。终端针对每个用户，通过预设于终端的行为特征数据与各样本操作信息关联信息和行为特征数据与各样本用户访问信息的关联信息，识别与该用户的行为特征数据相关联的样本操作信息、以及与该用户的行为特征数据相关联的样本用户访问信息。然后，终端基于每个用户的相同行为特征数据的相关联的样本操作信息、以及每个用户的相同行为特征数据的相关联的样本用户访问信息，建立该行为特征数据对应的样本行为数据的子知识图谱。最后，终端将所有样本行为数据的子知识图谱进行连接处理，得到行为知识图谱。
基于上述方案，终端通过多个用户在该APP的样本操作信息、样本用户访问信息、以及样本行为数据，建立所有样本行为数据对应的行为知识图谱，提升了该行为知识图谱对该APP的普适性，并为后续基于该行为知识图谱提取用户的当前行为数据提供筛选依据。
可选的，基于用户的当前行为数据，通过问题决策树模型，识别用户的当前行为意图信息，包括：分析各当前行为数据的行为目的信息，并将各行为目的信息，按照采集时间顺序进行排列，得到行为目的序列；将行为目的序列输入问题决策树模型，识别行为目的序列中每个行为目的信息的子意图数据，并将各子意图数据按照行为目的序列的顺序进行排列，得到意图数据序列；基于意图数据序列，确定用户的当前行为意图信息。
本实施例中，终端基于用户的各当前行为数据，分别分析每个当前行为数据对应的行为目的信息。例如，当前行为数据为重复进入交易界面，则该当前行为数据对应的行为目的信息为进行资源交易操作；当前行为数据为在A页面停留时间大于预设停留时间范围，且，用户在空白界面多次输入点击指令，则该当前行为数据对应的行为目的信息为与该A页面进行交互操作。然后，终端将各行为目的信息，按照每个当前行为数据对应的采集时间点的时间顺序进行排列，得到所有当前行为数据对应的行为目的序列。终端将行为目的序列输入问题决策树模型，识别行为目的序列中每个行为目的信息的子意图数据。然后，终端将各子意图数据按照行为目的序列的顺序进行排列，得到意图数据序列。其中，每个子意图数据为该行为目的信息对应的用户意图，例如行为目的信息为进行资源交易操作，则该行为目的信息的子意图数据对应的用户意图为进行资源交易、浏览资源交易进程、查询资源交易结果、覆盖上次资源交易过程中的一个；行为目的信息为与A页面进行交互操作对应的用户意图为浏览A页面、在A页面输入信息、通过A页面进行页面跳转中的一个。然后，终端将各子意图数据按照行为目的序列的顺序进行排列，得到意图数据序列，并基于意图数据序列，分析用户的当前行为意图信息。例如，意图数据序列为1.浏览A页面、在A页面输入信息、通过A页面进行页面跳转，2.进行资源交易、浏览资源交易进程、查询资源交易结果、覆盖上次资源交易过程。
然后，终端通过APP中的每个程序单元的操作流程，在上述每个子意图数据中的各意图数据中，筛选符合每个程序单元的操作流程对应的意图数据的序列，作为该用户的当前行为意图信息。例如，上述意图数据序列，其中，交易页面(即A页面)程序单元的操作流程为，进入A页面，并与A页面进行交互操作，然后通过在A页面输入资源数额，并点击提交，从而进行资源交易，则上述意图数据序列对应的用户的当前行为意图信息为在A页面输入资源数额从而进行资源交易。
基于上述方案，通过识别各当前行为数据的行为目的信息，并按照时间顺序进行排列，从而确定用户的当前行为意图信息，即，基于多个意图节点数据，分析整体意图，从而提升了用户的当前意图信息的精准度。
可选的，基于用户的当前行为意图信息，识别用户的问题类型，以及用户的问题内容信息，包括：识别用户的当前行为意图信息对应的用户意图信息，并生成用户意图信息对应的意图标识信息；基于意图标识信息，在数据库中查询意图标识信息对应的问题类型，作为用户的问题类型，并基于问题类型对应的问题分析网络，以及该用户的当前行为数据，分析用户意图信息中的问题内容信息。
本实施例中，终端通过将该用户的当前行为意图信息转化为文本信息，并通过文本特征提取算法，提取该文本信息的特征信息，并将该特征信息拟转化为意图信息，得到该用户的用户意图信息。其中该用户意图信息用于表征用户的当前行为意图信息中的用户意图，例如，当前行为意图信息为在A页面输入资源数额从而进行资源交易，则该当前行为意图信息中的用户意图信息为资源交易，当前行为意图信息为资源交易。终端提取该用户意图信息的意图特征，并将该意图特征作为该用户意图信息的标识信息，即意图标识信息(例如资源交易标识)，然后终端基于该意图标识信息，在数据库中查询意图标识信息对应的问题类型，作为用户的问题类型。其中数据库中存储的数据类型均包含与用户意图标识信息的对应关系，最后，终端，基于该问题类型对应的问题分析网络，基于用户的当前行为数据，分析用户意图信息中的问题内容信息。其中，问题分析网络，为基于每个问题类型对应的样本行为数据训练的强化学习神经网络，终端基于该用户的当前行为数据，通过该问题类型对应的问题分析网络，识别该用户的当前问题内容信息。例如，用户的当前行为数据为，长时间在单一页面停留，该用户的问题类型为资源交易，则该用户的当前问题内容信息为资源交易出错、用户不会资源交易等。
基于上述方案，通过识别用户的用户意图信息，确定用户的问题类型，并基于该问题类型，分析用户意图信息中的问题内容信息，提升了识别的问题类型和问题内容信息的精准度。
可选的，基于用户的问题类型，筛选问题类型对应的问题解决策略，包括：
识别问题类型所属的程序单元，并在数据库中，查询程序单元中的问题类型对应的解决策略，作为问题类型对应的问题解决策略。
本实施例中，数据库中预设每个问题类型对应的每个程序单元的解决策略，然后，终端基于该用户的问题类型，识别该用户的问题类型的程序单元，然后终端在数据库中，查询该程序单元中的该问题类型对应的解决策略，并将该解决策略，作为该用户的问题类型对应的问题解决策略。其中每个程序单元包括该程序单元对应的多个程序功能的全流程节点的执行方案。
基于上述方案，通过每个问题类型对应的每个程序单元的解决策略，并基于该用户的问题类型所属的程序单元，筛选用户的问题类型对应的问题解决策略，提升了该问题解决策略解决用户的问题的精准度。
可选的，基于用户的当前行为数据、以及用户的问题内容信息，通过用户的问题类型对应的问题解决策略，生成用户的问题解决方案信息，包括：基于用户的问题内容信息、以及用户的问题类型对应的问题解决策略，确定用户的全流程解决方案信息，并在全流程解决方案信息中，识别用户的当前行为数据对应的当前流程节点；将全流程解决方案信息中，当前流程节点之后的所有流程节点对应的方案信息，作为用户的问题解决方案信息。
本实施例中，终端基于用户的问题内容信息、以及用户的问题类型对应的问题解决策略，确定该用户的全流程解决方案信息。其中问题解决策略中包含每种问题内容信息对应的全流程解决方案信息。然后，终端在该用户的全流程解决方案信息中，识别该用户的当前行为数据对应的当前流程节点。其中用户的当前行为数据与流程节点一一对应。例如，当前行为数据为交互页面，则与该当前行为数据对应的流程节点为页面打开/关闭；当前行为数据为资源交易，则与该当前行为数据对应的流程节点为输入资源值。最后，终端将全流程解决方案信息中，当前流程节点之后的所有流程节点对应的方案信息，作为用户的问题解决方案信息。
基于上述方案，通过将全流程解决方案信息中，当前流程节点之后的所有流程节点对应的方案信息，作为用户的问题解决方案信息，避免用户需要返回初始流程节点重新进行执行全流程的过程，提升了用户的问题的解决效率。
在一个实施例中，如图2所示，提供了一种问题处理示例，该示例包括以下步骤：
步骤S201，获取多个用户的样本操作信息、各用户的样本用户访问信息、以及各用户的样本行为数据，并提取各样本行为数据的行为特征数据。
步骤S202，针对每个用户，识别与用户的行为特征数据相关联的样本操作信息、以及与用户的行为特征数据相关联的样本用户访问信息，并基于每个用户的相同行为特征数据的相关联的样本操作信息、以及每个用户的相同行为特征数据的相关联的样本用户访问信息，建立行为特征数据对应的样本行为数据的子知识图谱。
步骤S203，将所有样本行为数据的子知识图谱进行连接处理，得到行为知识图谱。
步骤S204，采集用户的当前操作信息、以及用户的当前客服操作信息。
步骤S205，基于用户的当前操作信息、以及用户的当前客服操作信息，通过行为知识图谱，识别用户的当前行为数据。
步骤S206，分析各当前行为数据的行为目的信息，并将各行为目的信息，按照采集时间顺序进行排列，得到行为目的序列。
步骤S207，将行为目的序列输入问题决策树模型，识别行为目的序列中每个行为目的信息的子意图数据，并将各子意图数据按照行为目的序列的顺序进行排列，得到意图数据序列。
步骤S208，基于意图数据序列、以及用户的当前行为数据，确定用户的当前行为意图信息。
步骤S209，识别用户的当前行为意图信息对应的用户意图信息，并生成用户意图信息对应的意图标识信息。
步骤S210，基于意图标识信息，在数据库中查询意图标识信息对应的问题类型，作为用户的问题类型，并基于问题类型对应的问题分析网络，分析用户意图信息中的问题内容信息。
步骤S211，识别问题类型所属的程序单元，并在数据库中，查询程序单元中的问题类型对应的解决策略，作为问题类型对应的问题解决策略。
步骤S212，基于用户的问题内容信息、以及用户的问题类型对应的问题解决策略，确定用户的全流程解决方案信息，并在全流程解决方案信息中，识别用户的当前行为数据对应的当前流程节点。
步骤S213，将全流程解决方案信息中，当前流程节点之后的所有流程节点对应的方案信息，作为用户的问题解决方案信息。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的问题处理方法的问题处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个问题处理装置实施例中的具体限定可以参见上文中对于问题处理方法的限定，在此不再赘述。
在一个实施例中，如图3所示，提供了一种问题处理装置，包括：获取模块310、筛选模块320和生成模块330，其中：
获取模块310，用于获取用户使用应用程序产生的当前行为数据，并基于所述用户的当前行为数据和问题决策树模型，识别所述用户的当前行为意图信息；
筛选模块320，用于基于所述用户的当前行为意图信息，识别所述用户的问题类型，以及所述用户的问题内容信息，并基于所述用户的问题类型，筛选所述问题类型对应的问题解决策略；
生成模块330，用于基于所述用户的当前行为数据、所述用户的问题内容信息和所述用户的问题类型对应的问题解决策略，生成所述用户的问题解决方案信息。
可选的，所述获取模块310，具体用于：
采集用户的当前操作信息、以及所述用户的当前客服操作信息；
基于所述用户的当前操作信息、以及所述用户的当前客服操作信息，通过行为知识图谱，识别所述用户的当前行为数据。
可选的，所述装置还包括：
样本获取模块，用于获取多个用户的样本操作信息、各所述用户的样本用户访问信息、以及各所述用户的样本行为数据，并提取各所述样本行为数据的行为特征数据；
识别模块，用于针对每个用户，识别与所述用户的行为特征数据相关联的样本操作信息、以及与所述用户的行为特征数据相关联的样本用户访问信息，并基于每个用户的相同行为特征数据的相关联的样本操作信息、以及每个用户的相同行为特征数据的相关联的样本用户访问信息，建立所述行为特征数据对应的样本行为数据的子知识图谱；
连接模块，用于将所有样本行为数据的子知识图谱进行连接处理，得到行为知识图谱。
可选的，所述获取模块310，具体用于：
分析各所述当前行为数据的行为目的信息，并将各所述行为目的信息，按照采集时间顺序进行排列，得到行为目的序列；
将所述行为目的序列输入所述问题决策树模型，识别所述行为目的序列中每个行为目的信息的子意图数据，并将各所述子意图数据按照所述行为目的序列的顺序进行排列，得到意图数据序列；
基于所述意图数据序列、以及所述用户的当前行为数据，确定所述用户的当前行为意图信息。
可选的，所述筛选模块320，具体用于：
识别所述用户的当前行为意图信息对应的用户意图信息，并生成所述用户意图信息对应的意图标识信息；
基于所述意图标识信息，在数据库中查询所述意图标识信息对应的问题类型，作为所述用户的问题类型，并基于所述问题类型对应的问题分析网络，分析所述用户意图信息中的问题内容信息。
可选的，所述筛选模块320，具体用于：
识别所述问题类型所属的程序单元，并在数据库中，查询所述程序单元中的所述问题类型对应的解决策略，作为所述问题类型对应的问题解决策略。
可选的，所述生成模块330，具体用于：
基于所述用户的问题内容信息、以及所述用户的问题类型对应的问题解决策略，确定所述用户的全流程解决方案信息，并在所述全流程解决方案信息中，识别所述用户的当前行为数据对应的当前流程节点；
将所述全流程解决方案信息中，所述当前流程节点之后的所有流程节点对应的方案信息，作为所述用户的问题解决方案信息。
上述问题处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种问题处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案信息相关的部分结构的框图，并不构成对本申请方案信息所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现第一方面中任一项所述的方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种问题处理方法，其特征在于，所述方法包括：
获取用户使用应用程序产生的当前行为数据，并基于所述用户的当前行为数据和问题决策树模型，识别所述用户的当前行为意图信息；
基于所述用户的当前行为意图信息，识别所述用户的问题类型，以及所述用户的问题内容信息，并基于所述用户的问题类型，筛选所述问题类型对应的问题解决策略；
基于所述用户的当前行为数据、所述用户的问题内容信息和所述用户的问题类型对应的问题解决策略，生成所述用户的问题解决方案信息。
2.根据权利要求1所述的方法，其特征在于，所述获取用户的当前行为数据，包括：
采集用户的当前操作信息、以及所述用户的当前客服操作信息；
基于所述用户的当前操作信息、以及所述用户的当前客服操作信息，通过行为知识图谱，识别所述用户的当前行为数据。
3.根据权利要求2所述的方法，其特征在于，所述获取用户的当前行为数据之前，还包括：
获取多个用户的样本操作信息、各所述用户的样本用户访问信息、以及各所述用户的样本行为数据，并提取各所述样本行为数据的行为特征数据；
针对每个用户，识别与所述用户的行为特征数据相关联的样本操作信息、以及与所述用户的行为特征数据相关联的样本用户访问信息，并基于每个用户的相同行为特征数据的相关联的样本操作信息、以及每个用户的相同行为特征数据的相关联的样本用户访问信息，建立所述行为特征数据对应的样本行为数据的子知识图谱；
将所有样本行为数据的子知识图谱进行连接处理，得到行为知识图谱。
4.根据权利要求1所述的方法，其特征在于，所述基于所述用户的当前行为数据，通过问题决策树模型，识别所述用户的当前行为意图信息，包括：
分析各所述当前行为数据的行为目的信息，并将各所述行为目的信息，按照采集时间顺序进行排列，得到行为目的序列；
将所述行为目的序列输入所述问题决策树模型，识别所述行为目的序列中每个行为目的信息的子意图数据，并将各所述子意图数据按照所述行为目的序列的顺序进行排列，得到意图数据序列；
基于所述意图数据序列、以及所述用户的当前行为数据，确定所述用户的当前行为意图信息。
5.根据权利要求1所述的方法，其特征在于，所述基于所述用户的当前行为意图信息，识别所述用户的问题类型，以及所述用户的问题内容信息，包括：
识别所述用户的当前行为意图信息对应的用户意图信息，并生成所述用户意图信息对应的意图标识信息；
基于所述意图标识信息，在数据库中查询所述意图标识信息对应的问题类型，作为所述用户的问题类型，并基于所述问题类型对应的问题分析网络，分析所述用户意图信息中的问题内容信息。
6.根据权利要求1所述的方法，其特征在于，所述基于所述用户的问题类型，筛选所述问题类型对应的问题解决策略，包括：
识别所述问题类型所属的程序单元，并在数据库中，查询所述程序单元中的所述问题类型对应的解决策略，作为所述问题类型对应的问题解决策略。
7.根据权利要求1所述的方法，其特征在于，基于所述用户的当前行为数据、以及所述用户的问题内容信息，通过所述用户的问题类型对应的问题解决策略，生成所述用户的问题解决方案信息，包括：
基于所述用户的问题内容信息、以及所述用户的问题类型对应的问题解决策略，确定所述用户的全流程解决方案信息，并在所述全流程解决方案信息中，识别所述用户的当前行为数据对应的当前流程节点；
将所述全流程解决方案信息中，所述当前流程节点之后的所有流程节点对应的方案信息，作为所述用户的问题解决方案信息。
8.一种问题处理装置，其特征在于，所述装置包括：
获取模块，用于获取用户使用应用程序产生的当前行为数据，并基于所述用户的当前行为数据和问题决策树模型，识别所述用户的当前行为意图信息；
筛选模块，用于基于所述用户的当前行为意图信息，识别所述用户的问题类型，以及所述用户的问题内容信息，并基于所述用户的问题类型，筛选所述问题类型对应的问题解决策略；
生成模块，用于基于所述用户的当前行为数据、所述用户的问题内容信息和所述用户的问题类型对应的问题解决策略，生成所述用户的问题解决方案信息。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
11.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310909685.0A CN116911867A (zh) | 2023-07-24 | 2023-07-24 | 问题处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310909685.0A CN116911867A (zh) | 2023-07-24 | 2023-07-24 | 问题处理方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116911867A true CN116911867A (zh) | 2023-10-20 |
Family
ID=88367766
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310909685.0A Pending CN116911867A (zh) | 2023-07-24 | 2023-07-24 | 问题处理方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116911867A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117407514A (zh) * | 2023-11-28 | 2024-01-16 | 星环信息科技(上海)股份有限公司 | 一种解决计划生成方法、装置、设备及存储介质 |
-
2023
- 2023-07-24 CN CN202310909685.0A patent/CN116911867A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117407514A (zh) * | 2023-11-28 | 2024-01-16 | 星环信息科技(上海)股份有限公司 | 一种解决计划生成方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6393805B2 (ja) | カラムナデータベース内のヒストグラムを使用した効率的なクエリー処理 | |
| US9361320B1 (en) | Modeling big data | |
| AU2013329525C1 (en) | System and method for recursively traversing the internet and other sources to identify, gather, curate, adjudicate, and qualify business identity and related data | |
| Olmezogullari et al. | Representation of click-stream datasequences for learning user navigational behavior by using embeddings | |
| CN102158365A (zh) | 一种网络日志挖掘中的用户聚类方法及系统 | |
| CN102222098A (zh) | 一种网页预取方法和系统 | |
| US20210311969A1 (en) | Automatically generating user segments | |
| CN114579584B (zh) | 数据表处理方法、装置、计算机设备和存储介质 | |
| CN116911867A (zh) | 问题处理方法、装置、计算机设备和存储介质 | |
| CN114238085A (zh) | 接口测试方法、装置、计算机设备、存储介质 | |
| AU2021276239A1 (en) | Identifying claim complexity by integrating supervised and unsupervised learning | |
| CN117312657A (zh) | 金融应用的异常功能定位方法、装置、计算机设备和介质 | |
| CN116155597A (zh) | 访问请求的处理方法、装置及计算机设备 | |
| Sahoo et al. | On the study of GRBF and polynomial kernel based support vector machine in web logs | |
| Xia et al. | The distributed user trace collection and storage system based on interface window tree model | |
| CN116866419A (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
| CN116842171A (zh) | 文章推荐方法、装置、计算机设备和存储介质 | |
| Banchhor et al. | A comprehensive study of data intelligence in the context of big data analytics | |
| CN118132656A (zh) | 知识图谱构建方法、装置、计算机设备和存储介质 | |
| CN118133044A (zh) | 问题扩展方法、装置、计算机设备、存储介质和产品 | |
| CN117435910A (zh) | 一种异常数据的检测方法、装置、计算机设备 | |
| CN117370695A (zh) | 页面显示方法、装置、设备、介质和产品 | |
| CN117667999A (zh) | 数据推送方法、装置、计算机设备及计算机可读存储介质 | |
| CN118152504A (zh) | 非结构化数据的索引方法、装置、设备、介质和程序产品 | |
| CN117111800A (zh) | 菜单配置方法、装置、计算机设备、存储介质和程序产品 |
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 |