CN117131183B - 一种基于会话模拟的客服自动回复方法及系统 - Google Patents

一种基于会话模拟的客服自动回复方法及系统 Download PDF

Info

Publication number
CN117131183B
CN117131183B CN202311395926.0A CN202311395926A CN117131183B CN 117131183 B CN117131183 B CN 117131183B CN 202311395926 A CN202311395926 A CN 202311395926A CN 117131183 B CN117131183 B CN 117131183B
Authority
CN
China
Prior art keywords
session
round
scene
simulation
matching
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.)
Active
Application number
CN202311395926.0A
Other languages
English (en)
Other versions
CN117131183A (zh
Inventor
岳峰
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.)
Nantong Beiruisman Information Technology Co ltd
Original Assignee
Nantong Beiruisman Information 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 Nantong Beiruisman Information Technology Co ltd filed Critical Nantong Beiruisman Information Technology Co ltd
Priority to CN202311395926.0A priority Critical patent/CN117131183B/zh
Publication of CN117131183A publication Critical patent/CN117131183A/zh
Application granted granted Critical
Publication of CN117131183B publication Critical patent/CN117131183B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/3346—Query execution using probabilistic model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/247—Thesauruses; Synonyms
    • 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
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • 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)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及数据处理技术领域，提供一种基于会话模拟的客服自动回复方法及系统，包括：得到一串会话关键字；输出多个会话模拟场景；输出多个匹配概率并判断，获取二轮匹配场景，以二轮匹配场景生成二轮回复信息，将二轮回复信息发送至用户，得到下一轮会话信息；将保留的会话模拟场景作为下一轮会话信息进行场景匹配概率计算的场景库，以此类推，直至会话结束，解决了会话回复受限于已有数据和规则，多轮会话使得问题复杂度不断提升，固定的模板无法提供令人满意的回复内容的技术问题，实现了在多轮会话过程中，记忆之前的会话历史，理解会话的上下文，能够提供更加智能和灵活的回复，从而能够进行连贯的会话的技术效果。

Description

一种基于会话模拟的客服自动回复方法及系统
技术领域
本发明涉及数据处理相关技术领域，具体涉及一种基于会话模拟的客服自动回复方法及系统。
背景技术
客服自动回复广泛适用于金融、电商、旅游、电信等多个行业，比如应用于银行、证券、保险等金融行业，帮助客户解答常见问题、查询账户信息、办理业务等，有效提高客户服务质量。
常见的，预先准备了一系列回复模板，每个模板对应一种类型的问题或情境，当用户提出问题时，会选择最匹配的模板，并填充相关信息生成回复，但这种方法仍然受限于固定的模板，处理简单和常见问题时效果不错，但在面对复杂和多样性较大的问题时表现不佳。通常需要手动设置规则和模板，难以应对新问题和变化。
综上所述，现有技术中存在会话回复受限于已有数据和规则，多轮会话使得问题复杂度不断提升，固定的模板无法提供令人满意的回复内容的技术问题。
发明内容
本申请通过提供了一种基于会话模拟的客服自动回复方法及系统，旨在解决现有技术中的会话回复受限于已有数据和规则，多轮会话使得问题复杂度不断提升，固定的模板无法提供令人满意的回复内容的技术问题。
鉴于上述问题，本申请提供了一种基于会话模拟的客服自动回复方法及系统。
本申请公开的第一个方面，提供了一种基于会话模拟的客服自动回复方法，其中，所述方法包括：获取用户与客服之间的一轮会话信息，根据所述一轮会话信息进行关键词提取，得到一轮会话关键字；对所述一组会话关键字进行近义语料转换，根据语料转换后的多个会话关键字进行场景模拟，输出多个会话模拟场景；获取用户与客服之间的二轮会话信息，根据所述二轮会话信息与所述多个会话模拟场景进行场景匹配概率计算，输出多个会话模拟场景对应的多个匹配概率；通过对所述多个匹配概率进行判断，获取二轮匹配场景，以所述二轮匹配场景生成二轮回复信息，将所述二轮回复信息发送至所述用户，得到下一轮会话信息；根据所述多个匹配概率进行模拟场景淘汰，并将保留的会话模拟场景作为下一轮会话信息进行场景匹配概率计算的场景库，以此类推，直至会话结束。
本申请公开的另一个方面，提供了一种基于会话模拟的客服自动回复系统，其中，所述系统包括：关键词提取模块，用于获取用户与客服之间的一轮会话信息，根据所述一轮会话信息进行关键词提取，得到一轮会话关键字；近义语料转换模块，用于对所述一组会话关键字进行近义语料转换，根据语料转换后的多个会话关键字进行场景模拟，输出多个会话模拟场景；场景匹配概率计算模块，用于获取用户与客服之间的二轮会话信息，根据所述二轮会话信息与所述多个会话模拟场景进行场景匹配概率计算，输出多个会话模拟场景对应的多个匹配概率；匹配概率判断模块，用于通过对所述多个匹配概率进行判断，获取二轮匹配场景，以所述二轮匹配场景生成二轮回复信息，将所述二轮回复信息发送至所述用户，得到下一轮会话信息；模拟场景淘汰模块，用于根据所述多个匹配概率进行模拟场景淘汰，并将保留的会话模拟场景作为下一轮会话信息进行场景匹配概率计算的场景库，以此类推，直至会话结束。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了得到一串会话关键字；输出多个会话模拟场景；输出多个会话模拟场景对应的多个匹配概率；通过对多个匹配概率进行判断，获取二轮匹配场景，以二轮匹配场景生成二轮回复信息，将二轮回复信息发送至用户，得到下一轮会话信息；将保留的会话模拟场景作为下一轮会话信息进行场景匹配概率计算的场景库，以此类推，直至会话结束，实现了在多轮会话过程中，记忆之前的会话历史，理解会话的上下文，能够提供更加智能和灵活的回复，从而能够进行连贯的会话的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种基于会话模拟的客服自动回复方法可能的流程示意图；
图2为本申请实施例提供了一种基于会话模拟的客服自动回复方法中概率调整可能的流程示意图；
图3为本申请实施例提供了一种基于会话模拟的客服自动回复系统可能的结构示意图。
附图标记说明：关键词提取模块100，近义语料转换模块200，场景匹配概率计算模块300，匹配概率判断模块400，模拟场景淘汰模块500。
具体实施方式
以下结合附图对本发明的示范性实施例作出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例一
如图1所示，本申请实施例提供了一种基于会话模拟的客服自动回复方法，其中，所述方法包括：
Step-1：获取用户与客服之间的一轮会话信息，根据所述一轮会话信息进行关键词提取，得到一串会话关键字；
Step-2：对所述一组会话关键字进行近义语料转换，根据语料转换后的多个会话关键字进行场景模拟，输出多个会话模拟场景；
所述一轮会话信息是指用户与客服之间的一次会话或交流，包括用户提出的问题、请求、评论等，以及客服对这些信息的回应；从一轮会话信息中提取出具有重要意义或代表性的词汇或短语的过程，通常，关键词提取旨在捕捉会话中的主题或重要内容，比如，查询话费余额，其中，关键词为“话费余额”；近义语料转换即将提取的关键词或短语与包含相似含义的其他词汇或短语进行匹配或转换，进而更全面地理解用户的意图，因为用户可能会用不同的词汇表达相似的需求或问题；
场景模拟是一种将会话关键字或经过语料转换后的关键字用于模拟不同情境或场景的过程，用于更好地理解用户需求，是根据用户的问题和上下文动态生成的；多个会话模拟场景是指模拟出多个不同的情境或场景，以更好地适应用户的需求，进而增加适应性和智能性，以更好地响应各种用户情况。
一方面，通过关键词提取、近义语料转换和多个会话模拟场景，系统变得更智能，能够更好地理解和适应用户的需求，提供更准确的回应。另一方面，更快速地理解问题并提供解决方案，提高效率，根据不同的一轮会话信息动态生成多个场景，因此更具灵活性，可以适应不同用户的需求和不同上下文。
Step-3：获取用户与客服之间的二轮会话信息，根据所述二轮会话信息与所述多个会话模拟场景进行场景匹配概率计算，输出多个会话模拟场景对应的多个匹配概率；
Step-4：通过对所述多个匹配概率进行判断，获取二轮匹配场景，以所述二轮匹配场景生成二轮回复信息，将所述二轮回复信息发送至所述用户，得到下一轮会话信息；
Step-5：根据所述多个匹配概率进行模拟场景淘汰，并将保留的会话模拟场景作为下一轮会话信息进行场景匹配概率计算的场景库，以此类推，直至会话结束。
所述二轮会话信息指会话中的第二轮交流，通常包括用户的问题或请求以及第一轮回复后的进一步交流；会话模拟场景是一组预定义的会话情境或场景，用于模拟不同类型的会话，每个场景包含了可能的用户问题和客服回复。场景匹配概率是指对于给定的二轮会话信息，通过分析文本内容来估计每个会话模拟场景与当前会话的匹配程度的概率。
对多个会话模拟场景进行匹配概率计算（常见的，采用块匹配中的概率原理，即计算所述多个会话模拟场景的观测概率，可以进行块匹配的计算，例如倾向得分匹配法），并根据匹配概率最高的场景来确定得到二轮匹配场景，下将生成回复信息；二轮回复信息是客服生成的回复，根据选定的二轮匹配场景生成，然后发送给用户；场景库包含了一系列保留的会话模拟场景，场景被用于下一轮会话信息的匹配概率计算。
通过不断缩小场景库，维持场景不偏离的条件下准确识别用户的需求进行回复，提高了客服回复的个性化和智能程度。通过分析用户与客服之间的会话，能够根据不同的场景匹配概率生成更合适的回复，以满足用户的需求，进而提高用户体验，使得会话更加流畅和有针对性；此外，通过淘汰不相关的模拟场景，可以更快速地生成回复，提高了响应速度；总之，有助于提高客服回复的智能性和效率。
如图2所示，本申请实施例还包括：
获取用户多轮会话信息所匹配得到的多轮匹配模拟场景；
判断所述多轮匹配模拟场景是否为同一会话模拟场景，若所述多轮匹配模拟场景为同一会话模拟场景，对所述会话模拟场景进行标识，得到标识会话模拟场景；
对所述标识会话模拟场景配置第一优先权重；
利用所述第一优先权重在每轮场景匹配概率计算时，对所述标识会话模拟场景进行概率调整。
在多轮会话的匹配和标识，以及使用优先权重来调整匹配概率，具体包括：所述多轮会话信息是指用户与客服回复之间的多次会话或交互，通常包括用户提出问题或请求，然后客服做出回应，然后可能再次交互以解决问题或继续会话；多轮匹配模拟场景是指根据用户的输入模拟多轮会话，其中，每个场景可能代表不同的会话或问题类型。
已知的，会话存在连贯性，同一会话模拟场景指的是多轮匹配模拟场景中可能相互关联或属于同一个用户会话的部分，如果多轮匹配模拟场景被判断为同一会话模拟场景，那么它们可能属于相同的会话，简单来说就是如果多轮匹配模拟场景是同一场景，说明一直在这个场景下进行，下一轮对话可以优先选取这个会话场景；标识会话模拟场景即识别并记录哪些多轮匹配模拟场景属于同一会话，以便后续处理；
第一优先权重是一个权重或优先级，用于确定在每一轮对话中哪个模拟场景应该被优先选择，标识为同一会话模拟场景的场景可能会被配置为具有更高的第一优先权重；场景匹配概率是用来衡量模拟场景与用户输入或对话内容的相似程度的概率，较高的场景匹配概率表示场景更符合当前的对话情境；在每轮场景匹配概率计算时，对标识为同一会话模拟场景的场景进行概率调整，意味着在选择下一轮回复时，更倾向于选择具有较高权重的场景，以确保对话的连贯性和准确性。
一方面，通过标识和优先选择同一会话模拟场景，可以确保对话在不同轮次之间保持一致，提高用户体验；另一方面，通过根据匹配概率智能地选择模拟场景，可以更高效地响应用户请求，减少了不必要的场景切换，同时，通过优先权重和概率调整，更好地根据上下文选择合适的模拟场景，增强了客服在选择回复时的准确性和相关性，使其更符合用户需求；总的来说，通过标识和优先权重确保了更好的会话管理，更好地区分和处理不同类型的会话情境，提高对话系统的效率、连贯性和准确性，降低了误解用户意图或选择不合适回复的风险，提供更个性化的用户体验。
本申请实施例还包括：
对所述标识会话模拟场景配置第一优先权重，所述第一优先权重的表达式如下：，其中，/>表示第/>个标识会话模拟场景的更新权重，，/>为当前会话轮次的保留场景的总数量；/>表示第/>个标识会话模拟场景的初始权重，/>；/>表示第/>个标识会话模拟场景的多轮匹配连续系数；/>随着/>的减小而增大。
经多次验证，配置得到标识会话模拟场景配置中的第一优先权重的表达式，具体包括：更新权重（）表示每个标识会话模拟场景的权重，在本申请实施例中，权重用于表示每个场景的重要性或优先级，是根据一些规则或算法进行动态更新的；保留场景的总数量（/>）表示在当前会话轮次中保留的不同会话场景的总数；初始权重（/>）表示每个标识会话模拟场景的初始权重，通常在会话开始时分配给每个场景；多轮匹配连续系数（/>）是一个用于调整场景权重的增加或减少的系数。
随着/>的减小而增大表示随着多轮匹配连续系数（/>）的减小，随着场景的权重会增加，可以根据设计和目标来调整，以在会话中更好地管理场景的重要性；设置管理标识会话模拟场景的权重的表达式，保在更好地管理和优化不同情境下的回复选择，通过调整权重来实现的，以更好地满足用户需求。
根据所述多个匹配概率进行模拟场景淘汰，Step-5还包括：
获取预设匹配概率，判断所述多个匹配概率是否小于所述预设匹配概率；
将所述多个匹配概率中小于预设匹配概率的N个模拟场景进行淘汰，将所述多个匹配概率中大于等于所述预设匹配概率的M个模拟场景进行保留，其中，N,M均为大于等于0的正整数。
根据预设的匹配概率来筛选和保留不同的模拟场景，包括：匹配概率是指一个模拟场景与用户输入或上下文的匹配程度的概率，通常，为每个模拟场景计算其与当前会话情境的匹配概率，以确定哪个场景更适合作为回复；预设匹配概率是事先设定的一个阈值，用来判断模拟场景的匹配概率是否足够高，以被保留或淘汰，如果一个场景的匹配概率小于预设匹配概率，那么可能会被淘汰。
在本申请实施例中，淘汰指的是将匹配概率低于预设值的模拟场景从备选列表中移除或丢弃，不考虑其作为回复的可能性；保留是指将匹配概率高于或等于预设值的模拟场景保留在备选列表中，以便在需要时考虑其作为回复的可能性；N,M是用来控制淘汰和保留的模拟场景数量的参数，其中，N 表示要淘汰的场景数量，M 表示要保留的场景数量，必须是大于等于零的正整数。通过筛选模拟场景，确保在会话中选择最匹配的场景，从而提高回复质量和用户体验，可以通过调整预设匹配概率的选择以及 N 和 M 的值，进行场景保留或淘汰，进而更准确的回复选择、更高的用户满意度或其他相关指标的改进。
根据所述二轮会话信息与所述多个会话模拟场景进行场景匹配概率计算，输出多个会话模拟场景对应的多个匹配概率，Step-3还包括：
根据所述二轮会话信息进行关键词提取，得到二轮会话关键字；
根据客服所属企业的业务管理系统，建立业务关键字识别库；
连接所述业务关键字识别库，基于所述二轮会话关键字对所述多个会话模拟场景进行适应度识别，输出多个适应度指标，其中，所述多个适应度指标用于表示各个会话模拟场景分别与所述二轮会话关键字之间的场景融合适应程度；
以所述多个适应度指标进行场景匹配概率计算，输出所述多个匹配概率。
通过分析二轮会话信息与多个预定义的会话模拟场景之间的匹配程度，以确定哪个场景最适合当前会话，包括：二轮会话信息是指用户与虚拟助手或客服之间的会话内容，通常包括两轮（两次）的交流，用于确定用户的需求或问题；会话模拟场景是预定义的情境或情景，用于模拟可能发生的不同情况或用户需求。每个场景都具有特定的属性和关键词，以便与用户的会话信息进行匹配；匹配概率用于表示某个会话模拟场景与当前二轮会话信息之间的匹配程度，通常情况下，匹配概率越高，意味着该场景与用户的需求更匹配；关键词提取是从二轮会话信息中提取出的关键字或关键短语，用于描述用户的需求或问题的关键要素。
业务管理系统是客服所属企业使用的系统，用于管理其业务操作和数据，可能包含了与客户互动相关的信息，如产品、服务或常见问题；业务关键字识别库是一个包含了与客户业务相关的关键字或短语的数据库，用于识别用户在会话中提到的关键词与特定业务场景之间的关联性；所述适应度识别是指对于每个会话模拟场景，根据二轮会话关键字与业务关键字识别库的匹配程度，确定该场景与用户需求的适应程度。
一方面，通过综合考虑关键词和适应度指标，可以更精确地确定哪个会话模拟场景与用户需求最匹配，通过选择最适合用户需求的场景，可以提供更相关和有针对性的响应，提高用户满意度和体验；另一方面，帮助自动化客服或虚拟助手的响应过程，减少了手动干预的需要，提高了效率；总的来说，是通过分析会话内容和关键词，将用户的需求与不同的会话模拟场景进行匹配，以提供更好的用户体验和响应。
以所述多个适应度指标进行场景匹配概率计算，Step-3还包括：
采集所述多个会话模拟场景中基于各个会话模拟场景下用户的业务触发概率；
根据所述业务触发概率和所述多个适应度指标进行条件概率计算，输出所述多个会话模拟场景对应的多个匹配概率。
匹配用户输入与多个预定义会话模拟场景之间的概率计算，以确定哪个场景最适合用户的需求，包括，适应度指标是用于衡量一个会话模拟场景与用户需求匹配程度的标准或指标，包括文本相似性、关键词匹配度、历史成功匹配的概率等，不同的适应度指标可以用来评估不同方面的匹配质量。
会话模拟场景是预定义的、模拟真实会话的情境或场景，每个场景可能包含一组可能的用户问题、回答、会话流程等，以便能够根据用户输入提供适当的响应；业务触发概率是指在每个会话模拟场景下，用户触发某项业务操作或需求的概率，不同的场景可能有不同的业务触发概率，因为不同的场景可能对用户需求的特定方面更具有相关性。
条件概率计算是一种统计方法，用于计算在给定一组条件下某事件发生的概率，在本申请实施例中，条件包括业务触发概率和适应度指标，用来计算每个会话模拟场景与用户需求的匹配概率；进行场景匹配，可以提高自动化客服的性能，通过综合考虑多个适应度指标和业务触发概率，更准确地选择最合适的会话模拟场景，从而提高用户满意度和效率，能够理解和响应用户的需求，提供更好的用户体验。
根据所述多个匹配概率进行模拟场景淘汰，Step-5还包括：
当所述多个匹配概率均小于所述预设匹配概率，基于所述二轮会话信息，得到二轮会话关键字；
对所述二轮会话关键字进行近义语料转换，根据语料转换后的多个会话关键字进行场景模拟，建立二轮多个会话模拟场景；
以所述二轮多个会话模拟场景作为下一轮会话信息进行场景匹配概率计算的场景库。
在一轮场景无法满足的情况下，用二轮作为新一轮场景，进而改进自动化客服的性能，包括：匹配概率是指根据用户输入或需求，与预定义的会话模拟场景进行匹配的可能性，每个会话模拟场景都有一个相关的匹配概率，表示该场景与用户的需求的相符程度；所述预设匹配概率是一个事先设定的匹配概率阈值，用于确定哪些会话模拟场景可以被选择，如果多个会话模拟场景的匹配概率都小于这个预设匹配概率，会采取进一步的步骤；二轮会话信息指的是用户和客服之间的会话中的第二轮交互，包括用户的问题或需求以及系统的回应，这一轮会话的关键字和内容可以提供更多信息来精确匹配会话模拟场景。
近义语料转换是一种处理文本的技术，通常涉及将文本中的词语或短语替换为其近义词或相关词汇，以扩展匹配的可能性或改进语义相似性；多个会话模拟场景是指通过近义语料转换生成的多个与二轮会话信息相关的会话模拟场景，用于更全面地考虑可能的场景匹配；场景库是一个包含各种会话模拟场景的数据库，可以从中选择最佳场景以满足用户需求。
通过考虑多个匹配概率、利用二轮会话信息、进行近义语料转换以及建立多个会话模拟场景，更准确地选择适合的场景，从而提高了用户满意度和效率，更能够理解用户的需求，并能够以更智能的方式响应，从而提供更好的用户体验，增强了对不同用户需求的适应能力，使之更具灵活性和智能性。
综上所述，本申请实施例所提供的一种基于会话模拟的客服自动回复方法及系统具有如下技术效果：
1．基于会话模拟的客服自动回复方法可以减轻客服人员的工作负担，快速响应用户问题，从而提高客服效率。
2．能够在不同时间和不同客服代表之间提供一致的回复，确保用户获得一致的服务质量。
3．对于常见的问题和任务，可以快速生成回复，无需人工干预，从而加快响应时间。
4．由于采用了采集多个会话模拟场景中基于各个会话模拟场景下用户的业务触发概率；根据业务触发概率和多个适应度指标进行条件概率计算，输出多个会话模拟场景对应的多个匹配概率。进行场景匹配，可以提高自动化客服的性能，通过综合考虑多个适应度指标和业务触发概率，更准确地选择最合适的会话模拟场景，从而提高用户满意度和效率，能够理解和响应用户的需求，提供更好的用户体验。
实施例二
基于与前述实施例中一种基于会话模拟的客服自动回复方法相同的发明构思，如图3所示，本申请实施例提供了一种基于会话模拟的客服自动回复系统，其中，所述系统包括：
关键词提取模块100，用于获取用户与客服之间的一轮会话信息，根据所述一轮会话信息进行关键词提取，得到一串会话关键字；
近义语料转换模块200，用于对所述一组会话关键字进行近义语料转换，根据语料转换后的多个会话关键字进行场景模拟，输出多个会话模拟场景；
场景匹配概率计算模块300，用于获取用户与客服之间的二轮会话信息，根据所述二轮会话信息与所述多个会话模拟场景进行场景匹配概率计算，输出多个会话模拟场景对应的多个匹配概率；
匹配概率判断模块400，用于通过对所述多个匹配概率进行判断，获取二轮匹配场景，以所述二轮匹配场景生成二轮回复信息，将所述二轮回复信息发送至所述用户，得到下一轮会话信息；
模拟场景淘汰模块500，用于根据所述多个匹配概率进行模拟场景淘汰，并将保留的会话模拟场景作为下一轮会话信息进行场景匹配概率计算的场景库，以此类推，直至会话结束。
进一步的，所述一种基于会话模拟的客服自动回复系统还用于执行以下步骤：
获取用户多轮会话信息所匹配得到的多轮匹配模拟场景；
判断所述多轮匹配模拟场景是否为同一会话模拟场景，若所述多轮匹配模拟场景为同一会话模拟场景，对所述会话模拟场景进行标识，得到标识会话模拟场景；
对所述标识会话模拟场景配置第一优先权重；
利用所述第一优先权重在每轮场景匹配概率计算时，对所述标识会话模拟场景进行概率调整。
进一步的，所述一种基于会话模拟的客服自动回复系统还用于执行以下步骤：
对所述标识会话模拟场景配置第一优先权重，所述第一优先权重的表达式如下：，其中，/>表示第/>个标识会话模拟场景的更新权重，，/>为当前会话轮次的保留场景的总数量；/>表示第/>个标识会话模拟场景的初始权重，/>；/>表示第/>个标识会话模拟场景的多轮匹配连续系数；/>随着/>的减小而增大。
进一步的，所述模拟场景淘汰模块500还用于执行以下步骤：
获取预设匹配概率，判断所述多个匹配概率是否小于所述预设匹配概率；
将所述多个匹配概率中小于预设匹配概率的N个模拟场景进行淘汰，将所述多个匹配概率中大于等于所述预设匹配概率的M个模拟场景进行保留，其中，N、M均为大于等于0的正整数。
进一步的，所述场景匹配概率计算模块300还用于执行以下步骤：
根据所述二轮会话信息进行关键词提取，得到二轮会话关键字；
根据客服所属企业的业务管理系统，建立业务关键字识别库；
连接所述业务关键字识别库，基于所述二轮会话关键字对所述多个会话模拟场景进行适应度识别，输出多个适应度指标，其中，所述多个适应度指标用于表示各个会话模拟场景分别与所述二轮会话关键字之间的场景融合适应程度；
以所述多个适应度指标进行场景匹配概率计算，输出所述多个匹配概率。
进一步的，所述场景匹配概率计算模块300还用于执行以下步骤：
采集所述多个会话模拟场景中基于各个会话模拟场景下用户的业务触发概率；
根据所述业务触发概率和所述多个适应度指标进行条件概率计算，输出所述多个会话模拟场景对应的多个匹配概率。
进一步的，所述模拟场景淘汰模块500还用于执行以下步骤：
当所述多个匹配概率均小于所述预设匹配概率，基于所述二轮会话信息，得到二轮会话关键字；
对所述二轮会话关键字进行近义语料转换，根据语料转换后的多个会话关键字进行场景模拟，建立二轮多个会话模拟场景；
以所述二轮多个会话模拟场景作为下一轮会话信息进行场景匹配概率计算的场景库。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (7)

1.一种基于会话模拟的客服自动回复方法，其特征在于，所述方法包括：
获取用户与客服之间的一轮会话信息，根据所述一轮会话信息进行关键词提取，得到一组会话关键字；
对所述一组会话关键字进行近义语料转换，根据语料转换后的多个会话关键字进行场景模拟，输出多个会话模拟场景；
获取用户与客服之间的二轮会话信息，根据所述二轮会话信息与所述多个会话模拟场景进行场景匹配概率计算，输出多个会话模拟场景对应的多个匹配概率；
通过对所述多个匹配概率进行判断，获取二轮匹配场景，以所述二轮匹配场景生成二轮回复信息，将所述二轮回复信息发送至所述用户，得到下一轮会话信息；
根据所述多个匹配概率进行模拟场景淘汰，并将保留的会话模拟场景作为下一轮会话信息进行场景匹配概率计算的场景库，以此类推，直至会话结束；
其中，所述方法还包括：
获取用户多轮会话信息所匹配得到的多轮匹配模拟场景；
判断所述多轮匹配模拟场景是否为同一会话模拟场景，若所述多轮匹配模拟场景为同一会话模拟场景，对所述会话模拟场景进行标识，得到标识会话模拟场景；
对所述标识会话模拟场景配置第一优先权重；
利用所述第一优先权重在每轮场景匹配概率计算时，对所述标识会话模拟场景进行概率调整。
2.如权利要求1所述的方法，其特征在于，对所述标识会话模拟场景配置第一优先权重，所述第一优先权重的表达式如下：
，
其中，表示第/>个标识会话模拟场景的更新权重，/>，/>为当前会话轮次的保留场景的总数量；/>表示第/>个标识会话模拟场景的初始权重，/>；/>表示第/>个标识会话模拟场景的多轮匹配连续系数；/>随着/>的减小而增大。
3.如权利要求1所述的方法，其特征在于，以及根据所述多个匹配概率进行模拟场景淘汰，方法还包括：
获取预设匹配概率，判断所述多个匹配概率是否小于所述预设匹配概率；
将所述多个匹配概率中小于预设匹配概率的N个模拟场景进行淘汰，将所述多个匹配概率中大于等于所述预设匹配概率的M个模拟场景进行保留，其中，N、M均为大于等于0的正整数。
4.如权利要求1所述的方法，其特征在于，根据所述二轮会话信息与所述多个会话模拟场景进行场景匹配概率计算，输出多个会话模拟场景对应的多个匹配概率，方法还包括：
根据所述二轮会话信息进行关键词提取，得到二轮会话关键字；
根据客服所属企业的业务管理系统，建立业务关键字识别库；
连接所述业务关键字识别库，基于所述二轮会话关键字对所述多个会话模拟场景进行适应度识别，输出多个适应度指标，其中，所述多个适应度指标用于表示各个会话模拟场景分别与所述二轮会话关键字之间的场景融合适应程度；
以所述多个适应度指标进行场景匹配概率计算，输出所述多个匹配概率。
5.如权利要求4所述的方法，其特征在于，以所述多个适应度指标进行场景匹配概率计算，方法还包括：
采集所述多个会话模拟场景中基于各个会话模拟场景下用户的业务触发概率；
根据所述业务触发概率和所述多个适应度指标进行条件概率计算，输出所述多个会话模拟场景对应的多个匹配概率。
6.如权利要求3所述的方法，其特征在于，根据所述多个匹配概率进行模拟场景淘汰，方法还包括：
当所述多个匹配概率均小于所述预设匹配概率，基于所述二轮会话信息，得到二轮会话关键字；
对所述二轮会话关键字进行近义语料转换，根据语料转换后的多个会话关键字进行场景模拟，建立二轮多个会话模拟场景；
以所述二轮多个会话模拟场景作为下一轮会话信息进行场景匹配概率计算的场景库。
7.一种基于会话模拟的客服自动回复系统，其特征在于，用于实施权利要求1-6任意一项所述的一种基于会话模拟的客服自动回复方法，包括：
关键词提取模块，用于获取用户与客服之间的一轮会话信息，根据所述一轮会话信息进行关键词提取，得到一组会话关键字；
近义语料转换模块，用于对所述一组会话关键字进行近义语料转换，根据语料转换后的多个会话关键字进行场景模拟，输出多个会话模拟场景；
场景匹配概率计算模块，用于获取用户与客服之间的二轮会话信息，根据所述二轮会话信息与所述多个会话模拟场景进行场景匹配概率计算，输出多个会话模拟场景对应的多个匹配概率；
匹配概率判断模块，用于通过对所述多个匹配概率进行判断，获取二轮匹配场景，以所述二轮匹配场景生成二轮回复信息，将所述二轮回复信息发送至所述用户，得到下一轮会话信息；
模拟场景淘汰模块，用于根据所述多个匹配概率进行模拟场景淘汰，并将保留的会话模拟场景作为下一轮会话信息进行场景匹配概率计算的场景库，以此类推，直至会话结束。
CN202311395926.0A 2023-10-26 2023-10-26 一种基于会话模拟的客服自动回复方法及系统 Active CN117131183B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311395926.0A CN117131183B (zh) 2023-10-26 2023-10-26 一种基于会话模拟的客服自动回复方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311395926.0A CN117131183B (zh) 2023-10-26 2023-10-26 一种基于会话模拟的客服自动回复方法及系统

Publications (2)

Publication Number Publication Date
CN117131183A CN117131183A (zh) 2023-11-28
CN117131183B true CN117131183B (zh) 2024-01-26

Family

ID=88858578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311395926.0A Active CN117131183B (zh) 2023-10-26 2023-10-26 一种基于会话模拟的客服自动回复方法及系统

Country Status (1)

Country Link
CN (1) CN117131183B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110674634A (zh) * 2019-09-10 2020-01-10 吴杰 一种文字交互方法及服务端设备
CN112328758A (zh) * 2020-10-27 2021-02-05 创泽智能机器人集团股份有限公司 一种会话意图识别方法、装置、设备及存储介质
CN112632242A (zh) * 2020-12-17 2021-04-09 竹间智能科技（上海）有限公司 智能对话方法及装置、电子设备
CN116860934A (zh) * 2023-07-03 2023-10-10 东云睿连(武汉)计算技术有限公司 一种用于虚拟客服的多场景多轮对话方法与系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110674634A (zh) * 2019-09-10 2020-01-10 吴杰 一种文字交互方法及服务端设备
CN112328758A (zh) * 2020-10-27 2021-02-05 创泽智能机器人集团股份有限公司 一种会话意图识别方法、装置、设备及存储介质
CN112632242A (zh) * 2020-12-17 2021-04-09 竹间智能科技（上海）有限公司 智能对话方法及装置、电子设备
CN116860934A (zh) * 2023-07-03 2023-10-10 东云睿连(武汉)计算技术有限公司 一种用于虚拟客服的多场景多轮对话方法与系统

Also Published As

Publication number Publication date
CN117131183A (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
CN110334201B (zh) 一种意图识别方法、装置及系统
CN110377911B (zh) 对话框架下的意图识别方法和装置
CN112346567B (zh) 基于ai的虚拟交互模型生成方法、装置及计算机设备
US11641330B2 (en) Communication content tailoring
CN108021934B (zh) 多要素识别的方法及装置
KR20180022762A (ko) 실시간 답변 메시지 생성을 이용한 고객 상담 서비스 제공 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
KR20170137419A (ko) 실시간 답변 메시지 생성을 이용한 고객 상담 서비스 제공 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
CN113360622B (zh) 用户对话信息的处理方法、装置及计算机设备
US20230139628A1 (en) Supporting automation of customer service
US20210398150A1 (en) Method and computer network for gathering evaluation information from users
CN110516057B (zh) 一种信访问题答复方法及装置
CN112163081A (zh) 标签确定方法、装置、介质及电子设备
CN111858854A (zh) 一种基于历史对话信息的问答匹配方法及相关装置
CN111695360B (zh) 语义分析方法、装置、电子设备及存储介质
CN111797320A (zh) 数据处理方法、装置、设备及存储介质
CN114896291A (zh) 多智能体模型的训练方法和排序方法
CN113850077A (zh) 基于人工智能的话题识别方法、装置、服务器及介质
CN117131183B (zh) 一种基于会话模拟的客服自动回复方法及系统
CN113111157B (zh) 问答处理方法、装置、计算机设备和存储介质
CN116127011A (zh) 意图识别方法、装置、电子设备及存储介质
CN115455984A (zh) 一种任务型客服服务升级方法及装置
CN115186179A (zh) 保险产品推送方法和装置
CN114254088A (zh) 自动应答模型的构建方法和自动应答方法
CN113780610A (zh) 一种客服画像构建方法和装置
CN113743435A (zh) 业务数据分类模型的训练、业务数据的分类方法和装置

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