CN107784033B - 一种基于会话进行推荐的方法和装置 - Google Patents
一种基于会话进行推荐的方法和装置 Download PDFInfo
- Publication number
- CN107784033B CN107784033B CN201610798166.1A CN201610798166A CN107784033B CN 107784033 B CN107784033 B CN 107784033B CN 201610798166 A CN201610798166 A CN 201610798166A CN 107784033 B CN107784033 B CN 107784033B
- Authority
- CN
- China
- Prior art keywords
- current
- knowledge
- answer
- client
- session
- 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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06N5/022—Knowledge engineering; Knowledge acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明的目的是提供一种基于会话进行实时推荐的方法和装置,基于当前用户与其当前客户之间的当前会话,根据所述当前客户的属性信息,自知识库中匹配获得与所述当前会话中的当前问题对应的推荐答案;将所述推荐***给所述当前用户;其中,所述知识库中的知识的结构包括<客户属性,问题,答案>;与现有技术相比,本发明有效地利用了现有知识,方便当前用户来解答当前客户的询问,提升了用户的使用体验。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于会话进行推荐的技术。
背景技术
针对需要大量语音通话的部门或公司,其积累了大量的语音材料,这些语音材料里包括很多的经验和知识。但是由于缺乏有效的管理,新进入的职员很难从中受益。一个主要的问题是,通过人工来进行语音翻译需要大量的人力物力,要让新职员熟练地掌握提取出的知识也并非易事。
现有方案主要是靠人工进行知识抽取,靠用户自己去记忆和应用,然而现有的这种方式存在以下弊端:1)人工抽取难以保证知识的全面,完全依靠个人的经验,可能把好的知识忽略了,或者把坏的知识抽取出来,难以保证最优的答案;2)知识的记忆需要时间,增加用户的工作负担,不一定能在适当的时机记忆起正确的知识;3)不能对知识进行优化,好的知识不能得到更多的曝光,不好的知识也不会减少曝光次数。
因此,如何基于会话进行答案推荐,成为本领域技术人员亟需解决的问题之一。
发明内容
本发明的目的是提供一种基于会话进行推荐的方法和装置。
根据本发明的一个方面,提供了一种基于会话进行推荐的方法,其中,该方法包括以下步骤:
基于当前用户与其当前客户之间的当前会话,根据所述当前客户的属性信息,自知识库中匹配获得与所述当前会话中的当前问题对应的推荐答案;
将所述推荐***给所述当前用户;
其中,所述知识库中的知识的结构包括<客户属性,问题,答案>。
优选地,所述知识库采用下述过程建立或更新:
获取各个用户与其客户之间的历史会话记录;
对所述历史会话记录进行知识抽取,获得对应的知识,其中,所述知识的结构包括<客户属性,问题,答案>;
根据所述知识,建立或更新所述知识库。
优选地,所述对所述历史会话记录进行知识抽取,获得对应的知识的步骤包括:
将所述历史会话记录转换为对应的会话文本信息;
对所述会话文本信息进行知识抽取,获得所述知识,其中,所述知识的结构包括<客户属性,问题,答案>。
更优选地,所述对所述会话文本信息进行知识抽取,获得对应的知识的步骤包括:
将所述会话文本信息抽象为二元知识结构,其中,所述二元知识结构包括<用户或客户,所说的话>;
将所述二元知识结构重组为三元知识结构,其中,所述三元知识结构包括<客户,问题,答案>;
对所述三元知识结构中的每一元素分别进行聚类,获得所述知识,其中,所述知识的结构包括<客户属性,问题,答案>。
优选地,该方法还包括:
根据所述推荐答案及其对应的当前问题在所述知识库中的出现次数,确定所述推荐答案的优先级;
其中,所述将所述推荐***给所述当前用户的步骤包括:
根据所述优先级,将所述推荐***给所述当前用户。
优选地,该方法还包括:
根据所述当前用户在所述当前会话中针对所述当前问题的实际回答,调整所述推荐答案的优先级。
优选地,该方法还包括:
根据所述当前用户与所述当前客户在所述当前会话中的问答,实时修改所述当前客户的属性信息。
优选地,该方法还包括:
获取所述当前用户与所述当前客户之间的所述当前会话,作为历史会话记录,以进行对应的知识抽取。
根据本发明的另一个方面,还提供了一种基于会话进行推荐的推荐装置,其中,该推荐装置包括:
用于基于当前用户与其当前客户之间的当前会话,根据所述当前客户的属性信息,自知识库中匹配获得与所述当前会话中的当前问题对应的推荐答案的装置;
用于将所述推荐***给所述当前用户的装置;
其中,所述知识库中的知识的结构包括<客户属性,问题,答案>。
优选地,该推荐装置还包括:
用于获取各个用户与其客户之间的历史会话记录的装置;
用于对所述历史会话记录进行知识抽取,获得对应的知识的装置,其中,所述知识的结构包括<客户属性,问题,答案>;
用于根据所述知识,建立或更新所述知识库的装置;
优选地,所述用于对所述历史会话记录进行知识抽取,获得对应的知识的装置包括:
用于将所述历史会话记录转换为对应的会话文本信息的单元;
用于对所述会话文本信息进行知识抽取,获得所述知识的单元,其中,所述知识的结构包括<客户属性,问题,答案>。
更优选地,所述用于对所述会话文本信息进行知识抽取,获得所述知识的单元用于:
将所述会话文本信息抽象为二元知识结构,其中,所述二元知识结构包括<用户或客户,所说的话>;
将所述二元知识结构重组为三元知识结构,其中,所述三元知识结构包括<客户,问题,答案>;
对所述三元知识结构中的每一元素分别进行聚类,获得所述知识,其中,所述知识的结构包括<客户属性,问题,答案>。
优选地,该推荐装置还包括:
用于根据所述推荐答案及其对应的当前问题在所述知识库中的出现次数,确定所述推荐答案的优先级的装置;
其中,所述用于将所述推荐***给所述当前用户的装置用于:
根据所述优先级,将所述推荐***给所述当前用户。
优选地,该推荐装置还包括:
用于根据所述当前用户在所述当前会话中针对所述当前问题的实际回答,调整所述推荐答案的优先级的装置。
优选地,该推荐装置还包括:
用于根据所述当前用户与所述当前客户在所述当前会话中的问答,实时修改所述当前客户的属性信息的装置。
优选地,该推荐装置还包括:
用于获取所述当前用户与所述当前客户之间的所述当前会话,作为历史会话记录,以进行对应的知识抽取的装置。
根据本发明的再一个方面,还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个计算机程序;
当所述一个或多个计算机程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上所述的方法。
与现有技术相比,本发明基于当前用户与其当前客户之间的当前会话,根据所述当前客户的属性信息,自知识库中匹配获得与所述当前会话中的当前问题对应的推荐答案,将所述推荐***给所述当前用户,其中,所述知识库中的知识的结构包括<客户属性,问题,答案>,有效地利用了现有知识,方便当前用户来解答当前客户的询问,提升了用户的使用体验。
进一步地,本发明根据各个用户与其客户之间的历史会话记录,从中抽取知识,将该知识以<客户属性,问题,答案>的方式进行存储,这样,当后续有用户与客户进行通话时,根据该客户的属性信息,从中匹配推荐答案给用户进行解答,一方面实现了对知识的管理,另一方面根据上下文场景实时进行知识推荐,提升了***效率,提高了用户的使用体验。
进一步地,本发明还可以根据推荐答案及其对应的当前问题在知识库中的出现次数,确定其优先级,并按照优先级将推荐***给该当前用户,进一步提升了用户的使用体验。更进一步地,本发明还可以根据当前用户的实际回答与推荐答案是否一致,来调整该推荐答案的优先级,有效利用了用户的实际反馈,进一步提升了用户的使用体验。
进一步地,本发明根据当前客户的问答,实时修改其属性信息,使得后续的匹配操作更准确,进一步提升了用户的使用体验。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1示出根据本发明一个方面的用于基于会话进行推荐的装置的结构示意图;
图2示出根据本发明一个实施例的用于基于会话进行推荐的装置的结构示意图;
图3示出根据本发明另一个方面的用于基于会话进行推荐的方法的流程示意图;
图4示出根据本发明另一个实施例的用于基于会话进行推荐的方法的流程示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
在上下文中所称“计算机设备”,也称为“电脑”,是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备,其可以包括处理器与存储器,由处理器执行在存储器中预存的存续指令来执行预定处理过程,或是由ASIC、FPGA、DSP等硬件执行预定处理过程,或是由上述二者组合来实现。计算机设备包括但不限于服务器、个人电脑、笔记本电脑、平板电脑等。
所述计算机设备包括用户设备与网络设备。其中,所述用户设备包括但不限于个人电脑、笔记本电脑、平板电脑等;所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中,所述计算机设备可单独运行来实现本发明,也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。其中,所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
需要说明的是,所述用户设备、网络设备和网络等仅为举例,其他现有的或今后可能出现的计算机设备或网络如可适用于本发明,也应包含在本发明保护范围以内,并以引用方式包含于此。
后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时,用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。
这里所公开的具体结构和功能细节仅仅是代表性的,并且是用于描述本发明的示例性实施例的目的。但是本发明可以通过许多替换形式来具体实现,并且不应当被解释成仅仅受限于这里所阐述的实施例。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
应当理解的是,当一个单元被称为“连接”或“耦合”到另一单元时,其可以直接连接或耦合到所述另一单元,或者可以存在中间单元。与此相对,当一个单元被称为“直接连接”或“直接耦合”到另一单元时,则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于...之间”相比于“直接处于...之间”,“与...邻近”相比于“与...直接邻近”等等)。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指,否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是,这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在,而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
还应当提到的是,在一些替换实现方式中,所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说,取决于所涉及的功能/动作,相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。
下面结合附图对本发明作进一步详细描述。
图1示出根据本发明一个方面的用于基于会话进行推荐的装置的结构示意图。
推荐装置1例如位于计算机设备中,该推荐装置1包括用于基于当前用户与其当前客户之间的当前会话,根据所述当前客户的属性信息,自知识库中匹配获得与所述当前会话中的当前问题对应的推荐答案的装置,以下简称匹配装置101;以及用于将所述推荐***给所述当前用户的装置,以下简称提供装置102,其中,所述知识库中的知识的结构包括<客户属性,问题,答案>。
其中,匹配装置101基于当前用户与其当前客户之间的当前会话,根据所述当前客户的属性信息,自所述知识库中匹配获得与所述当前会话中的当前问题对应的推荐答案,其中,所述知识库中的知识的结构包括<客户属性,问题,答案>。
具体地,在知识库中存储有各类知识,例如,这些知识以结构<客户属性,问题,答案>存储于该知识库中,这些知识都是按照大量用户与其客户之间的会话经验,从中抽取出来的。例如,针对某一属性的客户,当其询问某个问题时,所给出的答案是什么,通过对这些问题或答案的统计、整理,并存储于该知识库中,可以方便其他用户来参考如何回答客户的问题。该知识库可以以语音形式存储各类知识,也可以以文字形式存储各类知识,该知识库可以位于该推荐装置1中,也可以位于与该推荐装置1通过网络相连接的第三方设备中。
在当前用户与其当前客户进行当前会话时,例如,其正在进行语音通话,匹配装置101根据所述当前客户的属性信息,自所述知识库中匹配获得与所述当前会话中的当前问题对应的推荐答案,例如,匹配装置101首先根据该当前客户的属性信息,如当前客户的行业、地域、规模等属性信息,在知识库中匹配得到与该属性信息相对应的客户属性及其所对应的所有知识,再根据该当前客户在当前会话中所问的当前问题,在这些知识中匹配得到与该问题对应的推荐答案。
在此,该当前客户的属性信息例如为该当前用户已知的,例如,在该当前用户进行该当前会话之前就已知的,或者,也可以是由该推荐装置1实时分析得出或经调整后的属性信息。
在此,该匹配装置101还可以首先通过语音识别,将该当前会话中的当前问题转换为文字信息,再根据该文字信息,在知识库中进行匹配查找。
本领域技术人员应能理解,上述匹配推荐答案的方式仅为举例,其他现有的或今后可能出现的匹配推荐答案的方式如可适用于本发明,也应包含在本发明保护范围以内,并以引用方式包含于此。
提供装置102将所述推荐***给所述当前用户。
具体地,针对匹配装置101所匹配得到的推荐答案,提供装置102例如通过语音、文字或其他约定的呈现方式,将所述推荐***给所述当前用户,供该当前用户进行选择。例如,当该当前用户使用穿戴式设备与该当前客户进行当前会话时,提供装置102与该穿戴式设备进行交互,将该匹配装置101所匹配得到的推荐答案经由该穿戴式设备提供给该当前用户。优选地,针对当前会话中的当前问题,若匹配装置101匹配到多个推荐答案,则提供装置102可以随机地或按照一定顺序,将该多个推荐***给该用户。
本领域技术人员应能理解,上述提供推荐答案的方式仅为举例,其他现有的或今后可能出现的提供推荐答案的方式如可适用于本发明,也应包含在本发明保护范围以内,并以引用方式包含于此。
在此,推荐装置1基于当前用户与其当前客户之间的当前会话,根据所述当前客户的属性信息,自知识库中匹配获得与所述当前会话中的当前问题对应的推荐答案,将所述推荐***给所述当前用户,其中,所述知识库中的知识的结构包括<客户属性,问题,答案>,有效地利用了现有知识,方便当前用户来解答当前客户的询问,提升了用户的使用体验。
图2示出根据本发明一个实施例的用于基于会话进行推荐的装置的结构示意图。
推荐装置1还包括用于获取各个用户与其客户之间的历史会话记录的装置,以下简称第一获取装置203;用于对所述历史会话记录进行知识抽取,获得对应的知识的装置,其中,所述知识的结构包括<客户属性,问题,答案>,以下简称知识抽取装置204;以及用于根据所述知识,建立或更新所述知识库的装置,以下简称更新装置205。其中,匹配装置201、提供装置202与图1所示对应装置相同或基本相同,故此处不再赘述,并通过引用的方式包含于此。
其中,第一获取装置203获取各个用户与其客户之间的历史会话记录。
具体地,用户与客户进行交流的时候,可以将其交流的内容记录下来,例如,当用户与客户打电话的时候,通过该用户所使用的语音通话装置进行录音,将其语音通话内容记录下来,第一获取装置203例如通过与各个语音通话装置的交互,定期地或实时地获取各个用户与其客户之间的多个历史会话记录。
本领域技术人员应能理解,上述获取历史会话记录的方式仅为举例,其他现有的或今后可能出现的获取历史会话记录的方式如可适用于本发明,也应包含在本发明保护范围以内,并以引用方式包含于此。
知识抽取装置204对所述历史会话记录进行知识抽取,获得对应的知识,其中,所述知识的结构包括<客户属性,问题,答案>。
具体地,针对第一获取装置203所获取的历史会话记录,知识抽取装置204对该历史会话记录进行知识抽取,例如,首先将该语音形式的历史会话记录转换成文字形式的历史会话记录,再从该文字形式的历史会话记录中抽取出知识,该知识的结构包括<客户属性,问题,答案>,例如,根据不同的客户所对应的客户属性,将该客户对应的问题或答案进行分类,再将同属于一个会话中的问题和答案作为一个知识,从而获得结构为<客户属性,问题,答案>的知识。
优选地,所述知识抽取装置204包括转换单元(未示出)和抽取单元(未示出)。该转换单元将所述历史会话记录转换为对应的会话文本信息;抽取单元对所述会话文本信息进行知识抽取,获得所述知识,其中,所述知识的结构包括<客户属性,问题,答案>。
具体地,针对第一获取装置203所获取的语音形式的历史会话记录,转换单元例如通过语音识别、文字转换等技术,将该语音形式的历史会话记录转换为对应的会话文本信息;进一步地,转换单元还可以首先对该第一获取装置203所获取的历史会话记录进行预处理,如判断该历史会话记录的语系、确定该历史会话记录的前后鼻音等,以获得预处理信息;再根据该历史会话记录,或进一步结合该用户相关信息与该预处理信息,确定对应的会话文本信息。
随后,抽取单元对该转换单元所转换得到的会话文本信息进行知识抽取,获得所述知识,例如,根据不同的客户所对应的客户属性,将该客户对应的问题或答案进行分类,再将同属于一个会话中的问题和答案作为一个知识,从而获得结构为<客户属性,问题,答案>的知识。
更优选地,所述抽取单元将所述会话文本信息抽象为二元知识结构,其中,所述二元知识结构包括<用户或客户,所说的话>;将所述二元知识结构重组为三元知识结构,其中,所述三元知识结构包括<客户,问题,答案>;对所述三元知识结构中的每一元素分别进行聚类,获得所述知识,其中,所述知识的结构包括<客户属性,问题,答案>。
具体地,在转换单元将历史会话记录转换成会话文本信息之后,抽取单元例如通过归类的方式,将该会话文本信息抽象为二元知识结构,其中,所述二元知识结构包括<用户或客户,所说的话>,在此,所说的话可以是问题,也可以是答案,也即,抽取单元将会话文本信息归类为<用户,问题>、<用户,答案>、<客户,问题>、<客户,答案>;随后,该抽取单元再将该二元知识结构重组为三元知识结构,其中,所述三元知识结构包括<客户,问题,答案>,例如,将针对同一个客户的同一个会话中相互对应的问题和答案作为一个三元知识结构;接着,抽取单元对所述三元知识结构中的每一元素分别进行聚类,获得所述知识,其中,所述知识的结构包括<客户属性,问题,答案>,例如,抽取单元将客户的行业、地域、规模等客户属性抽象出来,基于这些客户属性,对该三元知识结构中的每一元素分别进行聚类,得到对应的聚类结果,若该聚类结果中三种元素,即,客户、问题、答案,出现在同一个会话中,则将该客户对应的客户属性、问题以及对应的答案作为一个知识,从而得到知识结构为<客户属性,问题,答案>的知识。
本领域技术人员应能理解,上述抽取知识的方式仅为举例,其他现有的或今后可能出现的抽取知识的方式如可适用于本发明,也应包含在本发明保护范围以内,并以引用方式包含于此。本领域技术人员还应能理解,上述客户属性仅为举例,其他现有的或今后可能出现的客户属性如可适用于本发明,也应包含在本发明保护范围以内,并以引用方式包含于此。
更新装置205根据所述知识,建立或更新对应的知识库。
具体地,更新装置205将该知识抽取装置204所抽取出来的知识,存入对应的知识库中,以实现对该知识库的建立或更新,该知识以结构<客户属性,问题,答案>存储于该知识库中。该知识库可以是普通的数据库,优选地,可以是lucene文本索引库。
在此,该知识库可以位于该推荐装置1中,也可以位于与该推荐装置1通过网络相连接的第三方设备中,更新装置205通过网络与该知识库交互,当有新的知识被抽取出时,通过网络存入该知识库中。
在此,推荐装置1根据各个用户与其客户之间的历史会话记录,从中抽取知识,将该知识以<客户属性,问题,答案>的方式进行存储,这样,当后续有用户与客户进行通话时,根据该客户的属性信息,从中匹配推荐答案给用户进行解答,一方面实现了对知识的管理,另一方面根据上下文场景实时进行知识推荐,提升了***效率,提高了用户的使用体验。
优选地(参见图1),该推荐装置1还包括用于根据所述推荐答案及其对应的当前问题在所述知识库中的出现次数,确定所述推荐答案的优先级的装置,以下简称优先级装置(未示出);其中,所述提供装置102根据所述优先级,将所述推荐***给所述当前用户。
具体地,推荐答案可以具有一定的优先级,例如,每个问题或者答案在知识库中均可能出现不止一次,优先级装置根据匹配装置101所匹配得到的推荐答案及其对应的当前问题,统计该推荐答案及其对应的当前问题在知识库中出现的次数,确定该推荐答案的优先级,例如,出现次数越多,则优先级越高,出现次数越少,则优先级越低,在此,该优先级装置可以分别根据推荐答案出现的次数或者当前问题出现的次数,来确定该优先级,也可以综合考虑两者来确定该优先级;随后,提供装置102根据该确定的优先级,将推荐***给该当前用户,例如,按照优先级从高到低的排列,将该推荐***给该当前用户。
优选地,该知识库中存储知识的时候可以同时存储问题或答案在整个知识库中出现的次数,例如,将知识以结构<客户属性,问题,问题出现次数,答案,答案出现次数>存储于该知识库中。
在此,根据推荐答案及其对应的当前问题在知识库中的出现次数,推荐装置1可以确定其优先级,并按照优先级将推荐***给该当前用户,进一步提升了用户的使用体验。
更优选地(参见图1),该推荐装置还包括用于根据所述当前用户在所述当前会话中针对所述当前问题的实际回答,调整所述推荐答案的优先级的装置,以下简称调整装置(未示出)。
具体地,提供装置102在将匹配装置101匹配得到的推荐***给用户之后,用户可以选择按照或者参考该推荐答案来回答当前客户的当前问题,也可以选择不按照该推荐答案来回答,因此,调整装置可以获取该当前用户在当前会话中针对该当前问题的实际回答,例如,调整装置通过与当前用户所使用的语音通话装置的交互,实时地获取该当前用户在当前会话中针对该当前问题的实际回答;随后,该调整装置根据该实际回答,调整该推荐答案的优先级,例如,调整装置将获取到的实际回答与推荐答案进行比较,若一致,则表示该当前用户采用了该推荐答案,调整装置可以提高该推荐答案的优先级,若不一致,则表示该当前用户并未采用该推荐答案,调整装置可以降低该推荐答案的优先级。
优选地,调整装置可以通过对大量用户针对推荐答案的使用率的统计,再行调整该推荐答案的优先级,例如,可以设置一个使用率阈值,当该推荐答案的使用率低于该使用率阈值时,降低该推荐答案的优先级。在此,该使用率阈值例如是***预置的,也可以根据实际情况由用户进行调整。
在此,该实际回答或推荐答案可以是文字形式的,也可以是语音形式的,若该实际回答和推荐答案都是语音形式的,则调整装置可以先通过语音识别等方式,将该实际回答和推荐答案转换为文字信息,再对该文字信息进行比较。
在此,“实际回答”与“推荐答案”“一致”并非表示该两者“完全一致,丝毫不差”,而是只要相似度达到预定阈值,即可认为该实际回答与推荐答案一致,例如,针对已经转换为文字信息的实际回答和推荐答案,若该两者的相似度达到90%,则可以认为该实际回答与推荐答案一致。在此,该预定阈值例如是***预置的,也可以根据实际情况由用户进行调整。
在此,推荐装置1还可以根据当前用户的实际回答与推荐答案是否一致,来调整该推荐答案的优先级,有效利用了用户的实际反馈,进一步提升了用户的使用体验。
优选地(参见图1),该推荐装置1还包括用于根据所述当前用户与所述当前客户在所述当前会话中的问答,实时修改所述当前客户的属性信息的装置,以下简称修改装置(未示出)。
具体地,当前用户与当前客户在当前会话中可以有好几次的往来问答,当前客户可以是提问者,也可以是回答者,在该当前客户的提问或者回答当中,可能隐含了该当前客户的属性信息,例如,隐含了该当前客户的行业、地域、规模等属性信息,这些当前客户在当前会话中所透露出来的属性信息可能与***中预存的、或当前用户已知的属性信息有出入,因此,修改装置可以获取该当前用户与当前客户在当前会话中的问答,例如,通过与语音通话装置的交互,获得该问答,并从该问答中提取该当前客户的属性信息,若该属性信息与***中预存的该当前客户的属性信息不同,则修改装置实时地修改该当前客户的属性信息。
基于该修改后的属性信息,匹配装置101可以重新为该当前客户匹配获得与该当前会话中的当前问题对应的推荐答案,或者,匹配装置101可以在针对该当前客户的下一轮问题的匹配时,匹配与该修改后的属性信息对应的推荐答案;或者,若该当前客户已经结束该当前会话,则该修改后的属性信息可以用来在该当前客户下一次会话时匹配对应的推荐答案。
在此,推荐装置1根据当前客户的问答,实时修改其属性信息,使得后续的匹配操作更准确,进一步提升了用户的使用体验。
优选地,该推荐装置1还包括用于获取所述当前用户与所述当前客户之间的所述当前会话,作为历史会话记录,以进行对应的知识抽取的装置,以下简称第二获取装置(未示出)。
具体地,针对当前用户与当前客户之间的当前会话,其也可以作为历史会话记录,用来进行知识抽取,第二获取装置例如通过与语音通话装置的交互,实时地获取该当前会话,例如,每当该当前用户或当前客户说完一句话,第二获取装置就将该句话获取过来,或者,当该当前用户与当前客户将该当前会话中所有的问答都完成之后,第二获取装置才将该当前会话中的所有语音进行获取,并将这些语音作为历史会话记录,从而进行对应的知识抽取,例如,交由知识抽取装置进行知识抽取。
图3示出根据本发明另一个方面的用于基于会话进行推荐的方法的流程示意图。
在步骤S301中,推荐装置1基于当前用户与其当前客户之间的当前会话,根据所述当前客户的属性信息,自所述知识库中匹配获得与所述当前会话中的当前问题对应的推荐答案,其中,所述知识库中的知识的结构包括<客户属性,问题,答案>。
具体地,在知识库中存储有各类知识,例如,这些知识以结构<客户属性,问题,答案>存储于该知识库中,这些知识都是按照大量用户与其客户之间的会话经验,从中抽取出来的。例如,针对某一属性的客户,当其询问某个问题时,所给出的答案是什么,通过对这些问题或答案的统计、整理,并存储于该知识库中,可以方便其他用户来参考如何回答客户的问题。该知识库可以以语音形式存储各类知识,也可以以文字形式存储各类知识,该知识库可以位于该推荐装置1中,也可以位于与该推荐装置1通过网络相连接的第三方设备中。
在当前用户与其当前客户进行当前会话时,例如,其正在进行语音通话,在步骤S301中,推荐装置1根据所述当前客户的属性信息,自所述知识库中匹配获得与所述当前会话中的当前问题对应的推荐答案,例如,在步骤S301中,推荐装置1首先根据该当前客户的属性信息,如当前客户的行业、地域、规模等属性信息,在知识库中匹配得到与该属性信息相对应的客户属性及其所对应的所有知识,再根据该当前客户在当前会话中所问的当前问题,在这些知识中匹配得到与该问题对应的推荐答案。
在此,该当前客户的属性信息例如为该当前用户已知的,例如,在该当前用户进行该当前会话之前就已知的,或者,也可以是由该推荐装置1实时分析得出或经调整后的属性信息。
在此,在步骤S301中,推荐装置1还可以首先通过语音识别,将该当前会话中的当前问题转换为文字信息,再根据该文字信息,在知识库中进行匹配查找。
本领域技术人员应能理解,上述匹配推荐答案的方式仅为举例,其他现有的或今后可能出现的匹配推荐答案的方式如可适用于本发明,也应包含在本发明保护范围以内,并以引用方式包含于此。
在步骤S302中,推荐装置1将所述推荐***给所述当前用户。
具体地,针对在步骤S301中,推荐装置1所匹配得到的推荐答案,在步骤S302中,推荐装置1例如通过语音、文字或其他约定的呈现方式,将所述推荐***给所述当前用户,供该当前用户进行选择。例如,当该当前用户使用穿戴式设备与该当前客户进行当前会话时,在步骤S302中,推荐装置1与该穿戴式设备进行交互,将该在步骤S301中所匹配得到的推荐答案经由该穿戴式设备提供给该当前用户。优选地,针对当前会话中的当前问题,若在步骤S301中,推荐装置1匹配到多个推荐答案,则在步骤S302中,推荐装置1可以随机地或按照一定顺序,将该多个推荐***给该用户。
本领域技术人员应能理解,上述提供推荐答案的方式仅为举例,其他现有的或今后可能出现的提供推荐答案的方式如可适用于本发明,也应包含在本发明保护范围以内,并以引用方式包含于此。
在此,推荐装置1基于当前用户与其当前客户之间的当前会话,根据所述当前客户的属性信息,自知识库中匹配获得与所述当前会话中的当前问题对应的推荐答案,将所述推荐***给所述当前用户,其中,所述知识库中的知识的结构包括<客户属性,问题,答案>,有效地利用了现有知识,方便当前用户来解答当前客户的询问,提升了用户的使用体验。
图4示出根据本发明另一个实施例的用于基于会话进行推荐的方法的流程示意图。
该方法还包括步骤S403:获取各个用户与其客户之间的历史会话记录;步骤S404:对所述历史会话记录进行知识抽取,获得对应的知识,其中,所述知识的结构包括<客户属性,问题,答案>;以及步骤S405:根据所述知识,建立或更新所述知识库。其中,步骤S401、S402与图3所示对应步骤相同或基本相同,故此处不再赘述,并通过引用的方式包含于此。
在步骤S403中,推荐装置1获取各个用户与其客户之间的历史会话记录。
具体地,用户与客户进行交流的时候,可以将其交流的内容记录下来,例如,当用户与客户打电话的时候,通过该用户所使用的语音通话装置进行录音,将其语音通话内容记录下来,在步骤S403中,推荐装置1例如通过与各个语音通话装置的交互,定期地或实时地获取各个用户与其客户之间的多个历史会话记录。
本领域技术人员应能理解,上述获取历史会话记录的方式仅为举例,其他现有的或今后可能出现的获取历史会话记录的方式如可适用于本发明,也应包含在本发明保护范围以内,并以引用方式包含于此。
在步骤S404中,推荐装置1对所述历史会话记录进行知识抽取,获得对应的知识,其中,所述知识的结构包括<客户属性,问题,答案>。
具体地,针对在步骤S403中所获取的历史会话记录,在步骤S404中,推荐装置1对该历史会话记录进行知识抽取,例如,首先将该语音形式的历史会话记录转换成文字形式的历史会话记录,再从该文字形式的历史会话记录中抽取出知识,该知识的结构包括<客户属性,问题,答案>,例如,根据不同的客户所对应的客户属性,将该客户对应的问题或答案进行分类,再将同属于一个会话中的问题和答案作为一个知识,从而获得结构为<客户属性,问题,答案>的知识。
优选地,所述步骤S404包括子步骤S404a(未示出)和子步骤S404b(未示出)。在子步骤S404a中,推荐装置1将所述历史会话记录转换为对应的会话文本信息;在子步骤S404b中,推荐装置1对所述会话文本信息进行知识抽取,获得所述知识,其中,所述知识的结构包括<客户属性,问题,答案>。
具体地,针对在步骤S403所获取的语音形式的历史会话记录,在子步骤S404a中,推荐装置1例如通过语音识别、文字转换等技术,将该语音形式的历史会话记录转换为对应的会话文本信息;进一步地,在子步骤S404a中,推荐装置1还可以首先对在步骤S403中所获取的历史会话记录进行预处理,如判断该历史会话记录的语系、确定该历史会话记录的前后鼻音等,以获得预处理信息;再根据该历史会话记录,或进一步结合该用户相关信息与该预处理信息,确定对应的会话文本信息。
随后,在子步骤S404b中,推荐装置1对在子步骤S404a中所转换得到的会话文本信息进行知识抽取,获得所述知识,例如,根据不同的客户所对应的客户属性,将该客户对应的问题或答案进行分类,再将同属于一个会话中的问题和答案作为一个知识,从而获得结构为<客户属性,问题,答案>的知识。
更优选地,在子步骤S404b中,推荐装置1将所述会话文本信息抽象为二元知识结构,其中,所述二元知识结构包括<用户或客户,所说的话>;将所述二元知识结构重组为三元知识结构,其中,所述三元知识结构包括<客户,问题,答案>;对所述三元知识结构中的每一元素分别进行聚类,获得所述知识,其中,所述知识的结构包括<客户属性,问题,答案>。
具体地,在子步骤S404a中,推荐装置1将历史会话记录转换成会话文本信息之后,在子步骤S404b中,推荐装置1例如通过归类的方式,将该会话文本信息抽象为二元知识结构,其中,所述二元知识结构包括<用户或客户,所说的话>,在此,所说的话可以是问题,也可以是答案,也即,在子步骤S404b中,推荐装置1将会话文本信息归类为<用户,问题>、<用户,答案>、<客户,问题>、<客户,答案>;随后,推荐装置1再将该二元知识结构重组为三元知识结构,其中,所述三元知识结构包括<客户,问题,答案>,例如,将针对同一个客户的同一个会话中相互对应的问题和答案作为一个三元知识结构;接着,推荐装置1对所述三元知识结构中的每一元素分别进行聚类,获得所述知识,其中,所述知识的结构包括<客户属性,问题,答案>,例如,在子步骤S404b中,推荐装置1将客户的行业、地域、规模等客户属性抽象出来,基于这些客户属性,对该三元知识结构中的每一元素分别进行聚类,得到对应的聚类结果,若该聚类结果中三种元素,即,客户、问题、答案,出现在同一个会话中,则将该客户对应的客户属性、问题以及对应的答案作为一个知识,从而得到知识结构为<客户属性,问题,答案>的知识。
本领域技术人员应能理解,上述抽取知识的方式仅为举例,其他现有的或今后可能出现的抽取知识的方式如可适用于本发明,也应包含在本发明保护范围以内,并以引用方式包含于此。本领域技术人员还应能理解,上述客户属性仅为举例,其他现有的或今后可能出现的客户属性如可适用于本发明,也应包含在本发明保护范围以内,并以引用方式包含于此。
在步骤S405中,推荐装置1根据所述知识,建立或更新对应的知识库。
具体地,在步骤S405中,推荐装置1将在步骤S404中所抽取出来的知识,存入对应的知识库中,以实现对该知识库的建立或更新,该知识以结构<客户属性,问题,答案>存储于该知识库中。该知识库可以是普通的数据库,优选地,可以是lucene文本索引库。
在此,该知识库可以位于该推荐装置1中,也可以位于与该推荐装置1通过网络相连接的第三方设备中,在步骤S405中,推荐装置1通过网络与该知识库交互,当有新的知识被抽取出时,通过网络存入该知识库中。
在此,推荐装置1根据各个用户与其客户之间的历史会话记录,从中抽取知识,将该知识以<客户属性,问题,答案>的方式进行存储,这样,当后续有用户与客户进行通话时,根据该客户的属性信息,从中匹配推荐答案给用户进行解答,一方面实现了对知识的管理,另一方面根据上下文场景实时进行知识推荐,提升了***效率,提高了用户的使用体验。
优选地(参见图3),该方法还包括步骤S306(未示出):根据所述推荐答案及其对应的当前问题在所述知识库中的出现次数,确定所述推荐答案的优先级;其中,在步骤S302中,推荐装置1根据所述优先级,将所述推荐***给所述当前用户。
具体地,推荐答案可以具有一定的优先级,例如,每个问题或者答案在知识库中均可能出现不止一次,在步骤S306中,推荐装置1根据在步骤S301中所匹配得到的推荐答案及其对应的当前问题,统计该推荐答案及其对应的当前问题在知识库中出现的次数,确定该推荐答案的优先级,例如,出现次数越多,则优先级越高,出现次数越少,则优先级越低,在此,在步骤S306中,推荐装置1可以分别根据推荐答案出现的次数或者当前问题出现的次数,来确定该优先级,也可以综合考虑两者来确定该优先级;随后,在步骤S302中,推荐装置1根据该确定的优先级,将推荐***给该当前用户,例如,按照优先级从高到低的排列,将该推荐***给该当前用户。
优选地,该知识库中存储知识的时候可以同时存储问题或答案在整个知识库中出现的次数,例如,将知识以结构<客户属性,问题,问题出现次数,答案,答案出现次数>存储于该知识库中。
在此,根据推荐答案及其对应的当前问题在知识库中的出现次数,推荐装置1可以确定其优先级,并按照优先级将推荐***给该当前用户,进一步提升了用户的使用体验。
更优选地(参见图3),该方法还包括步骤S307(未示出):根据所述当前用户在所述当前会话中针对所述当前问题的实际回答,调整所述推荐答案的优先级。
具体地,在步骤S302中,推荐装置1在将在步骤S301中匹配得到的推荐***给用户之后,用户可以选择按照或者参考该推荐答案来回答当前客户的当前问题,也可以选择不按照该推荐答案来回答,因此,在步骤S307中,推荐装置1可以获取该当前用户在当前会话中针对该当前问题的实际回答,例如,在步骤S307中,推荐装置1通过与当前用户所使用的语音通话装置的交互,实时地获取该当前用户在当前会话中针对该当前问题的实际回答;随后,在步骤S307中,推荐装置1根据该实际回答,调整该推荐答案的优先级,例如,在步骤S307中,推荐装置1将获取到的实际回答与推荐答案进行比较,若一致,则表示该当前用户采用了该推荐答案,推荐装置1可以提高该推荐答案的优先级,若不一致,则表示该当前用户并未采用该推荐答案,推荐装置1可以降低该推荐答案的优先级。
优选地,在步骤S307中,推荐装置1可以通过对大量用户针对推荐答案的使用率的统计,再行调整该推荐答案的优先级,例如,可以设置一个使用率阈值,当该推荐答案的使用率低于该使用率阈值时,降低该推荐答案的优先级。在此,该使用率阈值例如是***预置的,也可以根据实际情况由用户进行调整。
在此,该实际回答或推荐答案可以是文字形式的,也可以是语音形式的,若该实际回答和推荐答案都是语音形式的,则在步骤S307中,推荐装置1可以先通过语音识别等方式,将该实际回答和推荐答案转换为文字信息,再对该文字信息进行比较。
在此,“实际回答”与“推荐答案”“一致”并非表示该两者“完全一致,丝毫不差”,而是只要相似度达到预定阈值,即可认为该实际回答与推荐答案一致,例如,针对已经转换为文字信息的实际回答和推荐答案,若该两者的相似度达到90%,则可以认为该实际回答与推荐答案一致。在此,该预定阈值例如是***预置的,也可以根据实际情况由用户进行调整。
在此,推荐装置1还可以根据当前用户的实际回答与推荐答案是否一致,来调整该推荐答案的优先级,有效利用了用户的实际反馈,进一步提升了用户的使用体验。
优选地(参见图3),该方法还包括步骤S308(未示出):根据所述当前用户与所述当前客户在所述当前会话中的问答,实时修改所述当前客户的属性信息。
具体地,当前用户与当前客户在当前会话中可以有好几次的往来问答,当前客户可以是提问者,也可以是回答者,在该当前客户的提问或者回答当中,可能隐含了该当前客户的属性信息,例如,隐含了该当前客户的行业、地域、规模等属性信息,这些当前客户在当前会话中所透露出来的属性信息可能与***中预存的、或当前用户已知的属性信息有出入,因此,在步骤S308中,推荐装置1可以获取该当前用户与当前客户在当前会话中的问答,例如,通过与语音通话装置的交互,获得该问答,并从该问答中提取该当前客户的属性信息,若该属性信息与***中预存的该当前客户的属性信息不同,则在步骤S308中,推荐装置1实时地修改该当前客户的属性信息。
基于该修改后的属性信息,在步骤S301中,推荐装置1可以重新为该当前客户匹配获得与该当前会话中的当前问题对应的推荐答案,或者,在步骤S301中,推荐装置1可以在针对该当前客户的下一轮问题的匹配时,匹配与该修改后的属性信息对应的推荐答案;或者,若该当前客户已经结束该当前会话,则该修改后的属性信息可以用来在该当前客户下一次会话时匹配对应的推荐答案。
在此,推荐装置1根据当前客户的问答,实时修改其属性信息,使得后续的匹配操作更准确,进一步提升了用户的使用体验。
优选地(参见图3),该方法还包括步骤S309(未示出):获取所述当前用户与所述当前客户之间的所述当前会话,作为历史会话记录,以进行对应的知识抽取。
具体地,针对当前用户与当前客户之间的当前会话,其也可以作为历史会话记录,用来进行知识抽取,在步骤S309中,推荐装置1例如通过与语音通话装置的交互,实时地获取该当前会话,例如,每当该当前用户或当前客户说完一句话,在步骤S309中,推荐装置1就将该句话获取过来,或者,当该当前用户与当前客户将该当前会话中所有的问答都完成之后,在步骤S309中,推荐装置1才将该当前会话中的所有语音进行获取,并将这些语音作为历史会话记录,从而进行对应的知识抽取,例如,交由推荐装置1进行知识抽取。
需要注意的是,本发明可在软件和/或软件与硬件的组合体中被实施,例如,本发明的各个装置可采用专用集成电路(ASIC)或任何其他类似硬件设备来实现。在一个实施例中,本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本发明的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (15)
1.一种基于会话进行推荐的方法,其中,该方法包括以下步骤:
基于当前用户与其当前客户之间的当前会话,根据所述当前客户的属性信息,自知识库中匹配获得与所述当前会话中的当前问题对应的推荐答案;
将所述推荐***给所述当前用户;
其中,所述知识库中的知识的结构包括<客户属性,问题,答案>,所述客户属性所对应的客户、所述问题以及所述答案为聚类结果中出现在同一个会话中的三个元素,所述聚类结果是基于历史会话记录得到的三元知识结构中的各元素被聚类后得到的,所述三元知识结构包括<客户,问题,答案>。
2.根据权利要求1所述的方法,其中,所述知识库通过下述过程建立或更新:
获取各个用户与其客户之间的所述历史会话记录;
将所述历史会话记录转换为对应的会话文本信息;
对所述会话文本信息进行知识抽取,得到所述三元知识结构;
对所述三元知识结构中的每一元素分别进行聚类,获得所述知识。
3.根据权利要求2所述的方法,其中,所述对所述会话文本信息进行知识抽取,得到所述三元知识结构的步骤包括:
将所述会话文本信息抽象为二元知识结构,其中,所述二元知识结构包括<用户或客户,所说的话>;
将所述二元知识结构重组为所述三元知识结构。
4.根据权利要求1至3中任一项所述的方法,其中,该方法还包括:
根据所述推荐答案及其对应的当前问题在所述知识库中的出现次数,确定所述推荐答案的优先级;
其中,所述将所述推荐***给所述当前用户的步骤包括:
根据所述优先级,将所述推荐***给所述当前用户。
5.根据权利要求4所述的方法,其中,该方法还包括:
根据所述当前用户在所述当前会话中针对所述当前问题的实际回答,调整所述推荐答案的优先级。
6.根据权利要求1至3、5中任一项所述的方法,其中,该方法还包括:
根据所述当前用户与所述当前客户在所述当前会话中的问答,实时修改所述当前客户的属性信息。
7.根据权利要求1至3、5中任一项所述的方法,其中,该方法还包括:
获取所述当前用户与所述当前客户之间的所述当前会话,作为历史会话记录,以进行对应的知识抽取。
8.一种基于会话进行推荐的推荐装置,其中,该推荐装置包括:
用于基于当前用户与其当前客户之间的当前会话,根据所述当前客户的属性信息,自知识库中匹配获得与所述当前会话中的当前问题对应的推荐答案的装置;
用于将所述推荐***给所述当前用户的装置;
其中,所述知识库中的知识的结构包括<客户属性,问题,答案>,所述客户属性所对应的客户、所述问题以及所述答案为聚类结果中出现在同一个会话中的三个元素,所述聚类结果是基于历史会话记录得到的三元知识结构中的各元素被聚类后得到的,所述三元知识结构包括<客户,问题,答案>。
9.根据权利要求8所述的推荐装置,其中,该推荐装置还包括:
用于获取各个用户与其客户之间的所述历史会话记录的装置;
用于将所述历史会话记录转换为对应的会话文本信息的单元;
用于对所述会话文本信息进行知识抽取,得到所述三元知识结构的单元;
对所述三元知识结构中的每一元素分别进行聚类,获得所述知识的单元。
10.根据权利要求9所述的推荐装置,其中,所述用于对所述会话文本信息进行知识抽取,得到所述三元知识结构的单元用于:
将所述会话文本信息抽象为二元知识结构,其中,所述二元知识结构包括<用户或客户,所说的话>;
将所述二元知识结构重组为所述三元知识结构。
11.根据权利要求8至10中任一项所述的推荐装置,其中,该推荐装置还包括:
用于根据所述推荐答案及其对应的当前问题在所述知识库中的出现次数,确定所述推荐答案的优先级的装置;
其中,所述用于将所述推荐***给所述当前用户的装置用于:
根据所述优先级,将所述推荐***给所述当前用户。
12.根据权利要求11所述的推荐装置,其中,该推荐装置还包括:
用于根据所述当前用户在所述当前会话中针对所述当前问题的实际回答,调整所述推荐答案的优先级的装置。
13.根据权利要求8至10、12中任一项所述的推荐装置,其中,该推荐装置还包括:
用于根据所述当前用户与所述当前客户在所述当前会话中的问答,实时修改所述当前客户的属性信息的装置。
14.根据权利要求8至10、12中任一项所述的推荐装置,其中,该推荐装置还包括:
用于获取所述当前用户与所述当前客户之间的所述当前会话,作为历史会话记录,以进行对应的知识抽取的装置。
15.一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个计算机程序;
当所述一个或多个计算机程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610798166.1A CN107784033B (zh) | 2016-08-31 | 2016-08-31 | 一种基于会话进行推荐的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610798166.1A CN107784033B (zh) | 2016-08-31 | 2016-08-31 | 一种基于会话进行推荐的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107784033A CN107784033A (zh) | 2018-03-09 |
CN107784033B true CN107784033B (zh) | 2021-10-22 |
Family
ID=61451782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610798166.1A Active CN107784033B (zh) | 2016-08-31 | 2016-08-31 | 一种基于会话进行推荐的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107784033B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110874781A (zh) * | 2018-09-03 | 2020-03-10 | 上海汽车集团股份有限公司 | 一种汽车的选配方法和*** |
CN109446411A (zh) * | 2018-09-21 | 2019-03-08 | 广州神马移动信息科技有限公司 | 知识社区中预约答题方法及其装置、电子设备、计算机可读介质 |
CN109460504A (zh) * | 2018-09-21 | 2019-03-12 | 广州神马移动信息科技有限公司 | 知识社区中预约答题的解答主体推荐方法及其装置、电子设备、计算机可读介质 |
CN109408678A (zh) * | 2018-09-21 | 2019-03-01 | 广州神马移动信息科技有限公司 | 问答交互方法及其装置 |
CN109766425A (zh) * | 2018-12-29 | 2019-05-17 | 重庆木舌科技有限公司 | 在线实时校园法律咨询*** |
CN110203154B (zh) * | 2019-05-29 | 2022-09-30 | 阿波罗智联(北京)科技有限公司 | 车辆功能的推荐方法、装置、电子设备和计算机存储介质 |
CN111581363B (zh) * | 2020-04-30 | 2023-08-29 | 北京百度网讯科技有限公司 | 知识抽取方法、装置、设备及存储介质 |
CN112015789A (zh) * | 2020-09-01 | 2020-12-01 | 中国银行股份有限公司 | 知识库的检索方法、装置、电子设备及计算机存储介质 |
CN112818225A (zh) * | 2021-01-27 | 2021-05-18 | 上海明略人工智能(集团)有限公司 | 一种推送数据的显示方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103081491A (zh) * | 2010-08-27 | 2013-05-01 | 索尼公司 | 发送设备和方法、接收设备和方法、以及发送接收*** |
CN103455535A (zh) * | 2013-05-08 | 2013-12-18 | 深圳市明唐通信有限公司 | 基于历史咨询数据构建知识库的方法 |
CN105335400A (zh) * | 2014-07-22 | 2016-02-17 | 阿里巴巴集团控股有限公司 | 针对用户的提问意图获取答案信息的方法及装置 |
CN105591882A (zh) * | 2015-12-10 | 2016-05-18 | 北京中科汇联科技股份有限公司 | 一种智能机器人与人混合客服的方法及*** |
CN105824970A (zh) * | 2016-04-12 | 2016-08-03 | 华南师范大学 | 基于大数据知识库和用户反馈的机器人交互方法和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150309988A1 (en) * | 2014-04-29 | 2015-10-29 | International Business Machines Corporation | Evaluating Crowd Sourced Information Using Crowd Sourced Metadata |
-
2016
- 2016-08-31 CN CN201610798166.1A patent/CN107784033B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103081491A (zh) * | 2010-08-27 | 2013-05-01 | 索尼公司 | 发送设备和方法、接收设备和方法、以及发送接收*** |
CN103455535A (zh) * | 2013-05-08 | 2013-12-18 | 深圳市明唐通信有限公司 | 基于历史咨询数据构建知识库的方法 |
CN105335400A (zh) * | 2014-07-22 | 2016-02-17 | 阿里巴巴集团控股有限公司 | 针对用户的提问意图获取答案信息的方法及装置 |
CN105591882A (zh) * | 2015-12-10 | 2016-05-18 | 北京中科汇联科技股份有限公司 | 一种智能机器人与人混合客服的方法及*** |
CN105824970A (zh) * | 2016-04-12 | 2016-08-03 | 华南师范大学 | 基于大数据知识库和用户反馈的机器人交互方法和*** |
Non-Patent Citations (1)
Title |
---|
基于人工智能的湖南移动在线客服研究;令妍;《万方学位论文电子库》;20150817;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107784033A (zh) | 2018-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107784033B (zh) | 一种基于会话进行推荐的方法和装置 | |
JP7464098B2 (ja) | 電子会議システム | |
US11004013B2 (en) | Training of chatbots from corpus of human-to-human chats | |
CN107680019B (zh) | 一种考试方案的实现方法、装置、设备及存储介质 | |
CN106685916B (zh) | 电子会议智能装置及方法 | |
US11003863B2 (en) | Interactive dialog training and communication system using artificial intelligence | |
CN107153965A (zh) | 一种多终端的智能客服解决方法 | |
CN107451110A (zh) | 一种生成会议纪要的方法、装置及服务器 | |
EP4297030A2 (en) | Polling questions for a conference call discussion | |
US20180075354A1 (en) | Method and system for using existing models in connection with new model development | |
CN116595150A (zh) | 一种对话推荐方法、装置、设备及存储介质 | |
CN112418779A (zh) | 一种基于自然语言理解的在线自助面试方法 | |
CN116501960B (zh) | 内容检索方法、装置、设备及介质 | |
US11487948B2 (en) | Method and system for automated autonomous intent mining | |
CN114254158A (zh) | 视频生成方法及其装置、神经网络的训练方法及其装置 | |
CN111695360A (zh) | 语义分析方法、装置、电子设备及存储介质 | |
CN111723180A (zh) | 一种面试方法和装置 | |
CN113505606B (zh) | 一种培训信息获取方法、装置、电子设备及存储介质 | |
CN111858560B (zh) | 基于数据仓库的金融数据自动化测试与监控*** | |
CN110311943A (zh) | 一种电力企业大数据平台中数据的查询与展示方法 | |
CN116303951A (zh) | 对话处理方法、装置、电子设备和存储介质 | |
CN115831125A (zh) | 语音识别方法、装置、设备、存储介质及产品 | |
CN114240250A (zh) | 一种职业评测的智能管理方法及*** | |
CN114328947A (zh) | 一种基于知识图谱的问答方法和装置 | |
US20240112197A1 (en) | Artificial Intelligence Based Topic Detection |
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 |