CN107729549B - 一种包含要素提取的机器人客服方法及*** - Google Patents
一种包含要素提取的机器人客服方法及*** Download PDFInfo
- Publication number
- CN107729549B CN107729549B CN201711060950.3A CN201711060950A CN107729549B CN 107729549 B CN107729549 B CN 107729549B CN 201711060950 A CN201711060950 A CN 201711060950A CN 107729549 B CN107729549 B CN 107729549B
- Authority
- CN
- China
- Prior art keywords
- question
- user
- robot
- instance
- knowledge
- 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
Links
Images
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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/3325—Reformulation based on results of preceding query
- G06F16/3326—Reformulation based on results of preceding query using relevance feedback from the user, e.g. relevance feedback on documents, documents sets, document terms or passages
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及一种包含要素提取的机器人客服方法及***,根据预先分类后的FAQ知识点对接收到的任务型知识点的用户提问进行要素提取;根据提取的要素进行机器人精确回答。本发明在利用自然语言处理和深度学习技术识别用户咨询意图的同时,收集用户问句中提到的要素,并综合要素信息给用户返回更加精准的答案。
Description
技术领域
本发明涉及一种机器人客服技术,具体涉及一种包含要素提取的机器人客服方法及***。
背景技术
现有的机器人客采用计算机对客服场景中的用户提问进行判断,并提供相应的回答从而减少客服场景中的人工坐席参与,目的在于减少客服中的人工成本。目前的机器人客服多采用对用户的每一个问句进行一个相应的回答,而这个回答的内容一般为预设好的标准回答。这些标准回答是针对FAQ(Frequently Asked Questions,经常问到的问题)设计的。
机器人客服不限于上述即时通讯形式的渠道,在电话客服和视频客服等渠道形式中,采用音视频编码、解码、语音合成、动画合成等技术,可以应用机器人客服。机器人客服一般做法是采用一问一答的方式。
1,首先对FAQ库建索引,设置FAQ的标准问题及其答案内容。例如对如下FAQ库的Question和Answer经过分词处理,建文本索引,如:
Q:忘记密码怎么办?
A:选择右上角的“…”->支付管理->忘记支付密码->选择银行卡->根据提示填写相关信息->重新设置密码即可。
2,在遇到用户提问的时候,机器人对用户问句进行理解,然后检索得到 FAQ并打分排序,最终将匹配最接近用户问句的FAQ,并将答案返回给用户。
其中返回给用户的答案可以分为两类:
第一类采用静态文本内容,通常用于通用性的客服咨询;
第二类需要进行动态函数调用,查询业务数据库后给用户返回结果,通常用于用户信息查询、自助操作、导购场景等。
由于现有的客服机器人采用用户问句与FAQ匹配的方式,仅支持问句语义与FAQ之间的单维度检索匹配,而无法识别用户在问句中提到的要素条件,因此在某些场景下返回给用户的答案不够精准。
例1:
在查询账单场景中,用户问“我上个月在上海花了多少钱”,其中用户提供了两个要素条件:时间=“上个月”,地点=“上海”;而目前的客服机器人仅能回复通用的当期***账单,无法根据用户的要素条件进行精确回复。
例2:
在订机票场景中,用户问“给我订一张到深圳的机票”,其中用户提供了一个要素条件:目的地=“深圳”;而目前的客服机器人仅能回复通用的文本答案,引导用户前往订票链接,并且订票链接中的目的地仍然为默认地址“上海”而非用户提供的目的地条件“深圳”。
亟需一种在某些场景下返回给用户的答案精准的客服机器人。
发明内容
针对现有技术中的不足,本发明的目的是提供一种包含要素提取的机器人客服方法及***,本发明在利用自然语言处理和深度学习技术识别用户咨询意图的同时,收集用户问句中提到的要素,并综合要素信息给用户返回更加精准的答案。
本发明的目的是采用下述技术方案实现的:
本发明提供一种包含要素提取的机器人客服方法,其改进之处在于:
根据预先分类后的知识点对接收到的任务型知识点的用户提问进行要素提取;
根据提取的要素进行机器人精确回答。
进一步地:所述预先分类后的知识点包括普通FAQ问答知识点和任务型知识点,并将分类后的知识点存储至知识库;当用户提问为普通FAQ问答时,不需要要素提取;当用户提问为任务型知识点时,需要要素提取;所述要素通过词槽的形式进行描述;
所述词槽是在任务中机器人需要从用户问句或回答中收集的要素信息类别;所述要素信息类别包括:
有实例关键词:可枚举且具有标准名称,在要素提取时需要进行归一化处理;
无实例关键词:此类词槽中的实例不可枚举,可以认为是没有实例,在要素提取时无需进行归一化处理;
语义型:此类词槽中具有可枚举的实例,但无法通过关键词直接归一化到某一个实例上。
进一步地:所述根据预先分类后的知识点对接收到的任务型知识点的用户提问进行要素提取,包括:
接收到用户提问后,根据用户问句中的文本内容,对知识库中的各个知识点的匹配度进行打分,并最终返回用户最匹配的知识点;
若知识点属于任务型知识点,则机器人从用户提问中提取相应的要素。
进一步地:在根据提取的要素进行机器人精确回答之前,还包括对提取的要素进行归一化处理,形成标准名称;
所述归一化处理包括:预先创建和管理在任务型场景中所涉及到的词槽,以及该词槽下的实例标准名和和实例的多个别名;当用户问句中的要素命中某实例的别名或置信度高的相似别名时,则归一化为标准实例名,再进行接口调用。
进一步地:所述根据提取的要素进行机器人精确回答,包括:机器人调用业务接口,根据要素条件进行精确回答。
6、一种包含要素提取的机器人客服***,其特征在于:
要素提取模块,用于根据预先分类后的知识点对接收到的任务型知识点的用户提问进行要素提取;
业务回答模块,用于根据提取的要素进行机器人精确回答。
进一步地:所述预先分类后的知识点包括普通FAQ问答和任务型知识点,并将分类后的FAQ知识点存储至知识库;当用户提问为普通FAQ问答时,不需要要素提取;当用户提问为任务型知识点时,需要要素提取;所述要素通过词槽的形式进行描述。
进一步地:所述要素提取模块,包括:
匹配单元,用户问句中的文本内容,对知识库中的各个知识点的匹配度进行打分,并最终返回用户最匹配的知识点;
提取单元,用于若知识点属于任务型知识点,则机器人从用户提问中提取相应的要素。
进一步地:还包括归一化模块,用于在根据提取的要素进行机器人精确回答之前,对提取的要素进行归一化处理,形成标准名称。
进一步地:所述根业务回答模块还用于机器人调用业务接口,根据要素条件进行精确回答。
与最接近的现有技术相比,本发明提供的技术方案达到的有益效果是:
(1)提升用户体验。根据用户问句中提到的要素条件进行精准回答。
(2)数据分析。可让机器人从用户的非结构化问句中,通过归一化处理收集到结构化要素信息,再按场景分析各要素词槽中的热门实例。
(3)本方案采用即时通讯渠道的机器人客服,但是并不限制这种方案应用于电话客服、视频客服等其他渠道形式,形式繁多,可用性强。
(4)本方案采用查账单场景作为例子,但是并不限制这种方案应用于其他查询类、自助操作类、导购类场景,如查电影座次、自助开户、订机票等,应用范围广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是一种包含要素提取的机器人客服方法的流程图;
图2是实施例一的效果图;
图3是要素管理方案的示意图;
图4是要素教育方案的示意图;
图5是意图标注的示意图;
图6是选择实例的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。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做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
实施例一、
本发明提供一种包含要素提取的机器人客服方法,其流程图如图1所示,包括:
根据预先分类后的FAQ知识点对接收到的任务型知识点的用户提问进行要素提取;
根据提取的要素进行机器人精确回答。用户提问时,机器人首先根据用户问句中的文本内容,对知识库中的各个知识点的匹配度进行打分,匹配到知识库中的一个知识点,如果该知识点属于任务型知识点,则机器人再从用户问句中提取相应的要素,并归一化为标准名称,以进行结构化查询。
所述预先分类后的FAQ知识点一类为普通的FAQ知识点,不需要进行要素提取;对于用户可能会提到要素的咨询意图,则划分为另一类知识点(下文中称为任务型知识点),需要进行要素提取,并将分类后的FAQ知识点存储至知识库;所述要素通过词槽的形式进行描述。
所述根据预先分类后的FAQ知识点对接收到的任务型知识点的用户提问进行要素提取,包括:
接收到用户提问后,通过意图识别与知识库中的FAQ知识点进行匹配;
若知识点属于任务型知识点,则机器人从用户提问中提取相应的要素。
在根据提取的要素进行机器人精确回答之前,还包括对提取的要素进行归一化处理,形成标准名称。
所述根据提取的要素进行机器人精确回答,包括:机器人调用业务接口,根据要素条件进行精确回答。实施例一的效果图如2所示。
实施例二、
一、要素提取时的要素管理方案:总体结构如图3所示:
1、词槽:
词槽是在任务中机器人需要从用户问句中(或者是回答中)收集的要素信息类别,例如查账场景中的“账单时间”、“消费地点”、“消费类型”;以及订机票场景中的“始发地”“目的地”“出发时间”。
2、实例:
对于某一个词槽,实例是该词槽中可能存在的值,例如词槽“始发地”中可能的值是“北京”、“深圳”、“上海”等城市的集合,其中“北京”即是词槽“始发地”的一个实例。
3、别名:
对于某一个实例,别名是该实例在用户口语化环境中可能存在的其他名称,例如“北京”的别名有“首都”、“帝都”等,其中“首都”即是实例“北京”的一个别名。
4、普通词槽分类:
1)有实例关键词
此类词槽中的实例可枚举且具有标准名称,在要素提取时需要进行归一化处理。如词槽“电影”中,有实例“速度与激情8”,同时“速8”为该实例的一个别名,在从用户问句中提取“速8”后,需要归一化为“速度与激情8”。
2)无实例关键词
此类词槽中的实例不可枚举,可以认为是没有实例,在要素提取时无需进行归一化处理。如词槽“人名”中实例不可枚举,且无法对实例归一化对应。
3)语义型
此类词槽中具有可枚举的实例,但无法通过关键词直接归一化到某一个实例上。如词槽“消费类型”,在用户问句中有时不能通过某个词来判断用户查询的是哪类消费类型,而是结合整句的语义来识别应该映射到哪类消费类型。
5、时间词槽分类:
1)时间点
该类型仅适用于***预置词槽“时间点”,其实例为时间轴上连续的值,因此不可枚举,但需要根据用户的文本归一化到时间轴上的某一个点。
2)时间区间
该类型仅适用于***预置词槽“时间区间”,其实例为时间轴上连续的任意区间,因此不可枚举,但需要根据用户的文本归一化到时间轴上的某个区间。
3)漂浮时间点
该类型仅适用于***预置词槽“漂浮时间点”,其实例为不归属于时间轴上的任意个时间点,如“每月1号”、“年初”、“月末”。此类型词槽不可枚举,但需要根据用户的文本归一化到某个漂浮时间点。
4)漂浮时间区间
该类型仅适用于***预置词槽“漂浮时间区间”,其实例为不归属于时间轴上的任意一段时间,如“几个月”、“1-3年”、“几天”。此类型词槽不可枚举,但需要根据用户的文本归一化到某个漂浮时间区间。
6、词槽继承:
词槽之间有继承关系:例如“始发地”“目的地”都继承自“城市”
1)新建词槽时可选继承某个已有词槽
2)继承内容包括:类型、实例及别名、标注数据
3)子词槽的编辑和教育不影响父词槽
二、要素教育方案
通过对问句进行人工标注的方式来进行要素教育。总体步骤如图4所示.
1、意图标注
第一步需要进行意图标注,即从语义维度将用户问句匹配到知识库中的一个已有知识点上。知识点被划分为“任务型知识点”和“FAQ知识点”,若标注为任务型知识点,则需要进行第二步词槽标注。如图5所示。
2、词槽标注
通过取词,选择词槽,选择实例三个步骤来完成词槽标注。
1)取词
从用户问句中选择要素关键词(语义型词槽除外,见下文),对应到要素管理中的“别名”。
2)选择词槽
选择该关键词所属的词槽。
3)选择实例
选择该关键词在选中的词槽下应该归一化到哪个实例中(无实例类型词槽及时间类型词槽除外,如图6所示。)
3、不同类型的词槽标注方式:
1)有实例关键词
有实例关键词在标注时需要取词,选择词槽,选择实例标准名称。
2)无实例关键词
无实例关键词在标注时需要取词,选择词槽,但不用选择实例标准名称。
3)语义型
语义型词槽在标注时不需要取词,而是选择“语义”;需要选择词槽以及选择实例标准名称。
4)时间点、时间区间、漂浮时间点、漂浮时间区间
标注时需要取词,选择词槽,但不用选择实例标准名称。
实施例三、
基于同样的发明构思,本发明还提供一种包含要素提取的机器人客服***,包括
要素提取模块,用于根据预先分类后的FAQ知识点对接收到的任务型知识点的用户提问进行要素提取;
业务回答模块,用于根据提取的要素进行机器人精确回答。
进一步地:所述预先分类后的FAQ知识点包括普通FAQ问答和任务型知识点,并将分类后的FAQ知识点存储至知识库;当用户提问为普通FAQ问答时,不需要要素提取;当用户提问为任务型知识点时,需要要素提取。
进一步地:所述要素提取模块,包括:
匹配单元,用于接收到用户提问后,根据用户问句中的文本内容,对知识库中的各个知识点的匹配度进行打分,并最终返回用户最匹配的知识点;
提取单元,用于若知识点属于任务型知识点,则机器人从用户提问中提取相应的要素。
进一步地:还包括归一化模块,用于在根据提取的要素进行机器人精确回答之前,对提取的要素进行归一化处理,形成标准名称。
进一步地:所述根业务回答模块还用于机器人调用业务接口,根据要素条件进行精确回答。
本发明提升用户体验。根据用户问句中提到的要素条件进行精准回答。进行数据分析,可让机器人从用户的非结构化问句中,通过归一化处理收集到结构化要素信息,再按场景分析各要素词槽中的热门实例,可以对用户用的提问进行精确回答。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种包含要素提取的机器人客服方法,其特征在于:
接收用户提问的问句;
对所述问句进行意图标注,所述意图标注为从语义维度将所述问句匹配到知识库中的一个已有知识点,所述已有知识点包括任务型知识点和普通FAQ问答知识点;
将分类后的知识点存储至知识库;当用户问句属于普通FAQ问答知识点时,不需要要素提取;当用户问句为任务型知识点时,需要通过词槽标注的形式进行要素提取;所述词槽是在任务中机器人需要从用户问句或回答中收集的要素信息类别;所述要素信息类别包括:有实例关键词:可枚举且具有标准名称,在要素提取时需要进行归一化处理;无实例关键词:此类词槽中的实例不可枚举,认为是没有实例,在要素提取时无需进行归一化处理;语义型:此类词槽中具有可枚举的实例,但无法通过关键词直接归一化到某一个实例上;不同类型的词槽标注方式包括:有实例关键词在标注时需要取词,选择词槽,选择实例标准名称;无实例关键词在标注时需要取词,选择词槽,但不用选择实例标准名称;语义型关键词在标注时需要取词,选择词槽,但不用选择实例标准名称;
根据提取的要素进行机器人精确回答。
2.如权利要求1所述的机器人客服方法,其特征在于:所述根据预先分类后的知识点对接收到的任务型知识点的用户提问进行要素提取,包括:
接收到用户提问后,根据用户问句中的文本内容,对知识库中的各个知识点的匹配度进行打分,并最终返回用户最匹配的知识点;
若知识点属于任务型知识点,则机器人从用户提问中提取相应的要素。
3.如权利要求1所述的机器人客服方法,其特征在于:在根据提取的要素进行机器人精确回答之前,还包括对提取的要素进行归一化处理,形成标准名称;
所述归一化处理包括:预先创建和管理在任务型场景中所涉及到的词槽,以及该词槽下的实例标准名称和实例的多个别名;当用户问句中的要素命中某实例的别名或置信度高的相似别名时,则归一化为标准实例名,再进行接口调用。
4.如权利要求3所述的机器人客服方法,其特征在于:所述根据提取的要素进行机器人精确回答,包括:机器人调用业务接口,根据要素条件进行精确回答。
5.一种包含要素提取的机器人客服***,其特征在于:
要素提取模块,用于接收用户提问的问句;对所述问句进行意图标注,所述意图标注为从语义维度将所述问句匹配到知识库中的一个已有知识点,所述已有知识点包括任务型知识点和普通FAQ问答知识点;将分类后的知识点存储至知识库;当用户问句属于普通FAQ问答知识点时,不需要要素提取;当用户问句为任务型知识点时,需要通过词槽标注的形式进行要素提取;所述词槽是在任务中机器人需要从用户问句或回答中收集的要素信息类别;所述要素信息类别包括:有实例关键词:可枚举且具有标准名称,在要素提取时需要进行归一化处理;无实例关键词:此类词槽中的实例不可枚举,认为是没有实例,在要素提取时无需进行归一化处理;语义型:此类词槽中具有可枚举的实例,但无法通过关键词直接归一化到某一个实例上;不同类型的词槽标注方式包括:有实例关键词在标注时需要取词,选择词槽,选择实例标准名称;无实例关键词在标注时需要取词,选择词槽,但不用选择实例标准名称;语义型关键词在标注时需要取词,选择词槽,但不用选择实例标准名称;
业务回答模块,用于根据提取的要素进行机器人精确回答。
6.如权利要求5所述的机器人客服***,其特征在于:所述要素提取模块,包括:
匹配单元,用于接收到用户提问后,用户问句中的文本内容,对知识库中的各个知识点的匹配度进行打分,并最终返回用户最匹配的知识点;
提取单元,用于若知识点属于任务型知识点,则机器人从用户提问中提取相应的要素。
7.如权利要求5所述的机器人客服***,其特征在于:还包括归一化模块,用于在根据提取的要素进行机器人精确回答之前,对提取的要素进行归一化处理,形成标准名称。
8.如权利要求5所述的机器人客服***,其特征在于:所述业务回答模块还用于机器人调用业务接口,根据要素条件进行精确回答。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711060950.3A CN107729549B (zh) | 2017-10-31 | 2017-10-31 | 一种包含要素提取的机器人客服方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711060950.3A CN107729549B (zh) | 2017-10-31 | 2017-10-31 | 一种包含要素提取的机器人客服方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107729549A CN107729549A (zh) | 2018-02-23 |
CN107729549B true CN107729549B (zh) | 2021-05-11 |
Family
ID=61221969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711060950.3A Active CN107729549B (zh) | 2017-10-31 | 2017-10-31 | 一种包含要素提取的机器人客服方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107729549B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110232573A (zh) * | 2018-03-06 | 2019-09-13 | 广州供电局有限公司 | 基于交互式的智能应答*** |
CN109241269B (zh) * | 2018-07-27 | 2020-07-17 | 深圳追一科技有限公司 | 任务型机器人词槽填充方法 |
CN109241251B (zh) * | 2018-07-27 | 2022-05-27 | 众安信息技术服务有限公司 | 一种会话交互方法 |
CN109992655B (zh) * | 2019-03-29 | 2021-04-13 | 深圳追一科技有限公司 | 智能客服方法、装置、设备和存储介质 |
CN110378485B (zh) * | 2019-06-03 | 2021-05-11 | 广东幽澜机器人科技有限公司 | 一种机器人自学习新业务知识方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598445B (zh) * | 2013-11-01 | 2019-05-10 | 腾讯科技(深圳)有限公司 | 自动问答***和方法 |
CN103902652A (zh) * | 2014-02-27 | 2014-07-02 | 深圳市智搜信息技术有限公司 | 自动问答*** |
CN104679910A (zh) * | 2015-03-25 | 2015-06-03 | 北京智齿博创科技有限公司 | 智能应答方法及*** |
CN105072173A (zh) * | 2015-08-03 | 2015-11-18 | 谌志群 | 自动客服和人工客服自动切换的客服方法及*** |
CN106844335A (zh) * | 2016-12-21 | 2017-06-13 | 海航生态科技集团有限公司 | 自然语言处理方法及装置 |
CN106888259A (zh) * | 2017-02-22 | 2017-06-23 | 镇江康恒信息科技有限公司 | 一种在线互动问答的方法 |
CN107239538B (zh) * | 2017-06-01 | 2021-01-19 | 深圳追一科技有限公司 | 具有自学***行客服机器人***及其自学习方法 |
-
2017
- 2017-10-31 CN CN201711060950.3A patent/CN107729549B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107729549A (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107729549B (zh) | 一种包含要素提取的机器人客服方法及*** | |
CN111984779B (zh) | 一种对话文本分析方法、装置、设备和可读介质 | |
CN107481720B (zh) | 一种显式声纹识别方法及装置 | |
CN109727041A (zh) | 智能客服多轮问答方法、设备、存储介质及装置 | |
CN109299320B (zh) | 一种信息交互方法、装置、计算机设备和存储介质 | |
CN110597952A (zh) | 信息处理方法、服务器及计算机存储介质 | |
CN109767318A (zh) | 贷款产品推荐方法、装置、设备及存储介质 | |
CN109508458B (zh) | 法律实体的识别方法及装置 | |
CN108305050B (zh) | 报案信息及服务需求信息的提取方法、装置、设备及介质 | |
CN116737915B (zh) | 基于知识图谱的语义检索方法、装置、设备及存储介质 | |
CN110399473B (zh) | 为用户问题确定答案的方法和装置 | |
US20220129491A1 (en) | Method for supporting agent and computing device thereof | |
CN102402717A (zh) | 数据分析设备和方法 | |
CN115238688B (zh) | 电子信息数据关联关系分析方法、装置、设备和存储介质 | |
CN110880142A (zh) | 一种风险实体获取方法及装置 | |
CN111222837A (zh) | 智能化面试的方法、***、设备及计算机存储介质 | |
CN110389941A (zh) | 数据库校验方法、装置、设备及存储介质 | |
CN112506981A (zh) | 一种线上培训服务推送方法和装置 | |
CN109241075A (zh) | 指标基础数据的处理方法、设备及计算机可读存储介质 | |
CN114186040A (zh) | 一种智能机器人客服的运作方法 | |
CN114186041A (zh) | 一种答案输出方法 | |
CN109660621A (zh) | 一种内容推送方法及服务设备 | |
CN111309882B (zh) | 用于实现智能客服问答的方法和装置 | |
CN117034949A (zh) | 咨询工单的分类方法、装置、电子设备及存储介质 | |
CN111488737B (zh) | 文本识别方法、装置及设备 |
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 |