CN109002434A - 客服问答匹配方法、服务器及存储介质 - Google Patents

客服问答匹配方法、服务器及存储介质 Download PDF

Info

Publication number
CN109002434A
CN109002434A CN201810547370.5A CN201810547370A CN109002434A CN 109002434 A CN109002434 A CN 109002434A CN 201810547370 A CN201810547370 A CN 201810547370A CN 109002434 A CN109002434 A CN 109002434A
Authority
CN
China
Prior art keywords
answer
question
event
customer service
matching process
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
Application number
CN201810547370.5A
Other languages
English (en)
Inventor
杨鑫
周全强
段亮亮
李壮
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.)
Qingdao University of Technology
Original Assignee
Qingdao University of Technology
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 Qingdao University of Technology filed Critical Qingdao University of Technology
Priority to CN201810547370.5A priority Critical patent/CN109002434A/zh
Publication of CN109002434A publication Critical patent/CN109002434A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/289Phrasal analysis, e.g. finite state techniques or chunking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种客服问答匹配方法,该客服问答匹配方法包括如下步骤:服务器接收用户提出的待解答问题;判断所述待解答问题是否为多个问题;若是,将所述待解答问题切分成多个问题;根据每个所述问题,获取对应的答对数据作为答复数据。本发明旨在解决现有技术中电商平台的自动问答一次只能发送一个问题的技术问题。

Description

客服问答匹配方法、服务器及存储介质
技术领域
本发明涉及计算机数据处理技术领域,尤其涉及一种客服问答匹配方法、 服务器及存储介质。
背景技术
自动问答是指用户与计算机进行交互,由用户提出问题计算机自动返回 答案的技术。
目前电商平台都会提供客服自动问答,但是存在很多限制,例如一次只 能发送一个问题,若一次输入两个问题,则得到的答案会仅针对一个问题, 而无法同时回复多个问题。
发明内容
本发明的主要目的在于提供一种客服问答匹配方法、服务器及存储介质, 旨在解决现有技术中电商平台的自动问答一次只能发送一个问题的技术问 题。
为实现上述目的,本发明提供一种客服问答匹配方法,包括如下步骤:
服务器接收用户提出的待解答问题;
判断所述待解答问题是否为多个问题;
若是,将所述待解答问题切分成多个问题;
根据每个所述问题,获取对应的答对数据作为答复数据。
优选地,所述判断所述待解答问题是否为多个问题的步骤,具体包括:
根据所述待解答问题中的符号标识的个数,确定所述待解答问题是否为 多个问题。
优选地,所述将所述待解答问题切分成多个问题的步骤,具体包括:
根据所述待解答问题的符号标识,将所述待解答问题切成多个问题,所 述符号标识为句号或逗号或空格。
优选地,在所述接收用户提出的待解答问题的步骤之前,还包括:
在知识库中建立答对数据与候选问题的映射关系。
优选地,所述根据每个所述问题,获取对应的答对数据的步骤,具体包 括:
将所述问题和所述候选问题进行匹配;
若匹配度达到预设的第一阀值,则所述候选问题对应的答对数据为答复 数据。
优选地,所述将所述问题和所述候选问题进行匹配的步骤之前,所述客 服问答匹配方法还包括:
根据电商的语料库,建立概念从属树模型和事件模型,其中所述事件模 型的槽值包括施动对象、受动对象、动词、时间以及结果;
所述将所述问题和所述候选问题进行匹配的步骤,具体包括:
对所述问题和所述候选问题进行切词,得到两个切词向量并分别作为第 一输入和第二输入;
将所述第一输入和所述第二输入分别输入事件模型,得到第一事件和第 二事件;
比较所述第一事件和所述第二事件的相似度。
优选地,所述比较所述第一事件和所述第二事件的相似度的步骤,具体 包括:
根据所述概念从属树模型,得到所述第一事件和所述第二事件中每个槽 值的距离;
根据所述第一事件和所述第二事件中每个槽值的距离以及各槽值的权 值,计算所述第一事件和所述第二事件的相似度。
优选地,所述将所述问题和所述候选问题进行匹配的步骤,具体包括:
建立多个LSTM模型,将所述多个问题正序依次输入LSTM模型中,输 出第一上下文语义向量;
将所述多个问题逆序依次输入LSTM模型中,输出第二上下文语义向量;
将所述第一上下文语义向量和所述第二上下语义向量拼接在一起,作为 完整的上下文语义向量;
根据完整的上下文语义向量,计算所述问题和所述候选问题匹配的匹配 度。
为了实现上述目的,本发明还提供一种服务器,所述服务器包括:存储 器、处理器及存储在所述存储器上并可在所述处理器上运行的客服问答匹配, 所述客服问答匹配配置为实现上述的客服问答匹配方法的远程升级方法的步 骤。
为了实现上述目的,本发明还提供一种计算机可读存储介质,所述计算 机可读存储介质上存储有车辆电子设备的远程升级程序,所述客服问答匹配 被处理器执行时实现上述的客服问答匹配方法的步骤。
本发明通过接收用户提出的待解答问题;判断所述待解答问题是否为多 个问题,若是,将所述待解答问题切分成多个问题;根据每个所述问题,获 取对应的答对数据作为答复数据;从而可以针对用户提出的多个问题,同时 答复,解决了电商平台中的自动问答一次只能发送一个问题的技术问题。。
附图说明
图1为现有技术中某电商平台智能机器人的自动问答的示意图;
图2为本发明实施例方案涉及的硬件运行环境的服务器端结构示意图;
图3为本发明客服问答匹配方法的第一实施例的流程示意图;
图4为本发明客服问答匹配方法的第二实施例的流程示意图;
图5为本发明客服问答匹配方法的第三实施例的流程示意图;
图6为本发明客服问答匹配方法的第四实施例的流程示意图;
图7为本发明客服问答匹配方法的第五实施例的流程示意图;
图8为本发明客服问答匹配方法的第六实施例的流程示意图;
图9为本发明客服问答匹配方法的第七实施例的流程示意图;
图10为本发明客服问答匹配方法的第八实施例的流程示意图;
图11为本发明概念从属树的示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步 说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限 定本发明。
本发明各个实施例所涉及的一种实施环境的结构示意图。该实施环境包 括:服务器、车载终端和电子设备。
服务器可以是一台服务器,也可以是若干台服务器组成的服务器集群, 后者是一个云计算服务中心。服务器用于与终端交互实现自动问答。
如图2所示,该服务器可以包括:处理器1001、处理器1001,例如CPU, 通信总线1002,用户接口1003,网络接口1004,存储器1005。其中通信总线 1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏 (Display)、输入单元比如键盘(Keyboard),可选的用户接口1003还可以包 括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、 无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器可选的还可以 是独立于前述处理器2001的存储装置。
本领域技术人员可以理解,图2中示出的结构并不构成对服务器的限定, 可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布 置。
如图2所示,作为一种计算机存储介质的存储器中可以包括操作***、 网络通信模块、用户接口模块以及客服问答匹配。
在图2所示的移动终端中,网络接口1004主要用于连接服务器,与服务 器进行数据通信;用户接口1003主要用于接收用户的操作指令;所述移动终 端通过处理器1001调用存储器1005中存储的客服问答匹配,并执行以下操 作:
服务器接收用户提出的待解答问题;
判断所述待解答问题是否为多个问题;
若是,将所述待解答问题切分成多个问题;
根据每个所述问题,获取对应的答对数据作为答复数据。
进一步地,处理器1001可以调用存储器1005中存储的客服问答匹配, 还执行以下操作:
根据所述待解答问题中的符号标识的个数,确定所述待解答问题是否为 多个问题。
进一步地,处理器1001可以调用存储器1005中存储的客服问答匹配, 还执行以下操作:
根据所述待解答问题的符号标识,将所述待解答问题切成多个问题。
进一步地,处理器1001可以调用存储器1005中存储的客服问答匹配, 还执行以下操作:
在知识库中建立答对数据与候选问题的映射关系。
进一步地,处理器1001可以调用存储器1005中存储的客服问答匹配, 还执行以下操作:
将所述问题和所述候选问题进行匹配;
若匹配度达到预设的第一阀值,则所述候选问题对应的答对数据为答复 数据。
进一步地,处理器1001可以调用存储器1005中存储的客服问答匹配, 还执行以下操作:
根据电商的语料库,建立概念从属树模型和事件模型,其中所述事件模 型的槽值包括施动对象、受动对象、动词、时间以及结果;
所述将所述问题和所述候选问题进行匹配的步骤,具体包括:
对所述问题和所述候选问题进行切词,得到两个切词向量并分别作为第 一输入和第二输入;
将所述第一输入和所述第二输入分别输入事件模型,得到第一事件和第 二事件;
比较所述第一事件和所述第二事件的相似度。
进一步地,处理器1001可以调用存储器1005中存储的客服问答匹配, 还执行以下操作:
根据所述概念从属树模型,得到所述第一事件和所述第二事件中每个槽 值的距离;
根据所述第一事件和所述第二事件中每个槽值的距离以及各槽值的权 值,计算所述第一事件和所述第二事件的相似度。
进一步地,处理器1001可以调用存储器1005中存储的客服问答匹配, 还执行以下操作:
建立多个LSTM模型,将所述多个问题正序依次输入LSTM模型中,输 出第一上下文语义向量;
将所述多个问题逆序依次输入LSTM模型中,输出第二上下文语义向量;
将所述第一上下文语义向量和所述第二上下语义向量拼接在一起,作为 完整的上下文语义向量;
根据完整的上下文语义向量,计算所述问题和所述候选问题匹配的匹配 度。
本实施例通过上述方案,接收用户提出的待解答问题;判断所述待解答 问题是否为多个问题,若是,将所述待解答问题切分成多个问题;根据每个 所述问题,获取对应的答对数据作为答复数据;从而可以针对用户提出的多 个问题,同时答复,解决了电商平台中的自动问答一次只能发送一个问题的 技术问题。
基于上述硬件结构,提出本发明客服问答匹配方法实施例。
参照图3,图3为本发明客服问答匹配方法第一实施例的流程示意图。
在第一实施例中,所述客服问答匹配方法包括以下步骤:
步骤S10:接收用户提出的待解答问题;
应理解的是,所述终端可以为移动终端设备,也可以为其他终端设备, 移动终端设备为可用于移动的终端设备,例如:智能手机、平板电脑或笔记 本电脑等设备,本实施例对此不加以限制。
需要说明的是,用户提出的待解答问题为用户输入的一条关于问题的语 句,该语句中可能包括一个或多个问题,例如图1中“这个吹风机质量怎么 样,价格多少”,这条待解答问题实质上包括多个问题,问题一,这个吹风机 质量怎么样;问题二,价格多少。
步骤S20:判断所述待解答问题是否为多个问题;
在具体实现中,可以是通过判断待解答问题中的符号标识来判断,例如 用逗号,句号,或者是空格等。
在其他实施方式,也可以通过设置关键词,例如价格、质量,利用符号 标识和关键词进行综合考虑,以判断该待解答问题是否为多个问题。例如“这 个吹风机质量怎么样,多少”,由于“多少”中不涉及关键词“质量”或“价 格”,这条待解答问题实质上包括一个问题。
步骤S30:若是,将所述待解答问题切分成多个问题;
可以理解的是,将包括多个问题的待解答问题切成多个问题进行单独回 复。例如若有问题一和问题二,则对问题一和问题二分别作答。
步骤S40:根据每个所述问题,获取对应的答对数据作为答复数据。
最后需要将每个问题对应的答对数据发送至终端,以通过终端显示答复。
本实施例接收用户提出的待解答问题;判断所述待解答问题是否为多个 问题,若是,将所述待解答问题切分成多个问题;根据每个所述问题,获取 对应的答对数据作为答复数据;从而可以针对用户提出的多个问题,同时答 复,解决了电商平台中的自动问答一次只能发送一个问题的技术问题。
进一步地,如图4所示,基于第一实施例提出本发明客服问答匹配方法 第二实施例,在本实施例中,步骤S20,具体包括:
步骤S21,根据所述待解答问题中的符号标识的个数,确定所述待解答问 题是否为多个。
进一步地,如图5所示,基于第二实施例提出本发明客服问答匹配方法 第三实施例,在本实施例中,步骤S30,具体包括:
步骤S31,根据所述待解答问题的符号标识,将所述待解答问题切成多个 问题。
需要说明的是,其中符号标识可以是逗号或句号,也可以是其他符号, 在此不做具体限制。
进一步地,如图6所示,基于第一实施例提出本发明客服问答匹配方法 第四实施例,在本实施例中,步骤S10之前,所述客服问答匹配方法还包括:
步骤S01,在知识库中建立答对数据与候选问题的映射关系。
需要说明的是,答对数据与候选问题可以是一对一,可以是一对多;若 答对数据与候选问题是多对一或多对多的情况,则可以通过多个答对数据与 问题进行一一匹配,根据匹配度来选择最终输出的答对数据。。
进一步地,如图7所示,基于第四实施例提出本发明客服问答匹配方法 第五实施例,在本实施例中,步骤S40,具体包括:
步骤S41,将所述问题和所述候选问题进行匹配;
需要说明的是,将问题和候选问题进行匹配,可以是比较问题与候选问 题的相似度,根据相似度来判断问题和候选问题是否匹配。
在本实施例中相似度的计算公式如下:
其中,L为两个概念词w1与w2之间的最短路径长度;
Hc表示w1和w2公共上位词集的深度;
H1表示w1的深度;
H2表示w2的深度;
a为常数,在本实施例中取0.1,也可以取0.25或0.15。
步骤S42,若匹配度达到预设的第一阀值,则所述候选问题对应的答对数 据为答复数据。
进一步地,如图8所示,基于第五实施例提出本发明客服问答匹配方法 第六实施例,在本实施例中,步骤S41之前,还包括:
步骤S401,根据电商的语料库,建立概念从属树模型和事件模型,其中 所述事件模型的槽值包括施动对象、受动对象、动词、时间以及结果。
概念从属树模型表示的是概念间的从属关系,指一个概念的外延包括另 一个概念的所有外延,从属从属关系引入后,可以利用从属关系对特定领域 的知识进行抽象化处理,使其形成具有不同抽象层次的知识结点形成的树状 层次结构。
在概念从属树上,体现了概念之间的属性继承关系,每个名词概念都是 一个抽象程度不同的具体概念,如图11中,最底层中的概念111是其上一层 中概念11的子结点,两者存在从属关系。
本实施例中,概念从属树模型为概念={概念名称,属性,关系}。其中, 属性是概念的基本特征,对概念起表示和区分的作用;关系是概念间的相互 联系,概念的属性和行为因关系的存在得以继承和发展。
事件模型={施动对象,受动对象,动词,时间,结果},例如“我打了他” 的事件模型为{我,他,打,缺省,我打他}。
所述步骤S41,具体包括:
所述将所述问题和所述候选问题进行匹配的步骤,具体包括:
步骤S411,对所述问题和所述候选问题进行切词,得到两个切词向量并 分别作为第一输入和第二输入;
步骤S412,将所述第一输入和所述第二输入分别输入事件模型,得到第 一事件和第二事件;
步骤S413,比较所述第一事件和所述第二事件的相似度。
进一步地,如图9所示,基于第六实施例提出本发明客服问答匹配方法 第七实施例,在本实施例中,步骤S414,具体包括:
步骤S4141,根据所述概念从属树模型,得到所述第一事件和所述第二事 件中每个槽值的距离;
需要说明的是,此处的槽值是指的事件模型中各值,而每个槽值的距离 指的是每个槽值在概念从属树所处的深度,例如图11中,概念111的深度为 3。
步骤S4142,根据所述第一事件和所述第二事件中每个槽值的距离以及各 槽值的权值,计算所述第一事件和所述第二事件的相似度。
需要说明的是,其中各槽值的权值指的是,每个槽对应一个权值,通常 将槽值的距离*权值之和来进行计算,事件模型各槽的权值的大小可以在建模 是设定好,也可以是动态调整的。也可以是根据实际情况进行计算。
进一步地,如图10所示,基于第实施例提出本发明客服问答匹配方法第 七实施例,在本实施例中,步骤S41,具体包括:
步骤S411’,建立多个LSTM模型,将所述多个问题正序依次输入LSTM 模型中,输出第一上下文语义向量;
步骤S412’,将所述多个问题逆序依次输入LSTM模型中,输出第二上 下文语义向量;
步骤S413’,将所述第一上下文语义向量和所述第二上下语义向量拼接在 一起,作为完整的上下文语义向量;
步骤S414’,根据完整的上下文语义向量,计算所述问题和所述候选问题 匹配的匹配度。
根据上下文语义向量,能更准确地分析问题和候选问题之间的匹配度。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读 存储介质上存储有客服问答匹配,所述客服问答匹配被处理器执行时实现如 下操作:
服务器获取用户提出的待解答问题;
判断所述待解答问题是否为多个;
若是,将所述待解答问题切分成多个问题;
根据每个所述问题,获取对应的答对数据作为答复数据。
进一步地,所述客服问答匹配被处理器执行时还实现如下操作:
所述判断所述待解答问题是否为多个的步骤,具体包括:
根据所述待解答问题中的符号标识的个数,确定所述待解答问题是否为 多个。
进一步地,所述客服问答匹配被处理器执行时还实现如下操作:
所述将所述待解答问题切分成多个问题的步骤,具体包括:
根据所述待解答问题的符号标识,将所述待解答问题切成多个问题。
进一步地,所述客服问答匹配被处理器执行时还实现如下操作:
在所述获取用户提出的待解答问题的步骤之前,还包括:
在知识库中建立答对数据与候选问题的映射关系。
进一步地,所述客服问答匹配被处理器执行时还实现如下操作:
所述根据每个所述问题,获取对应的答对数据的步骤,具体包括:
将所述问题和所述候选问题进行匹配;
若匹配度达到预设的第一阀值,则所述候选问题对应的答对数据为答复 数据。
进一步地,所述客服问答匹配被处理器执行时还实现如下操作:
所述将所述问题和所述候选问题进行匹配的步骤之前,所述客服问答匹 配方法还包括:
根据电商的语料库,建立概念从属树模型和事件模型,其中所述事件模 型的槽值包括施动对象、受动对象、动词、时间以及结果;
所述将所述问题和所述候选问题进行匹配的步骤,具体包括:
对所述问题和所述候选问题进行切词,得到两个切词向量并分别作为第 一输入和第二输入;
将所述第一输入和所述第二输入分别输入事件模型,得到第一事件和第 二事件;
比较所述第一事件和所述第二事件的相似度;
若相似度达到预设的第二阀值,则将所述候选问题对应的答对数据为答 复数据。
进一步地,所述客服问答匹配被处理器执行时还实现如下操作:
所述比较所述第一事件和所述第二事件的相似度的步骤,具体包括:
根据所述概念从属树模型,得到所述第一事件和所述第二事件中每个槽 值的距离;
根据所述第一事件和所述第二事件中每个槽值的距离以及各槽值的权 值,计算所述第一事件和所述第二事件的相似度。
进一步地,所述客服问答匹配被处理器执行时还实现如下操作:
所述将所述问题和所述候选问题进行匹配的步骤,具体包括:
建立多个LSTM模型,将所述多个问题正序依次输入LSTM模型中,输 出第一上下文语义向量;
将所述多个问题逆序依次输入LSTM模型中,输出第二上下文语义向量;
将所述第一上下文语义向量和所述第二上下语义向量拼接在一起,作为 完整的上下文语义向量;
根据完整的上下文语义向量,计算所述问题和所述候选问题匹配的匹配 度。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体 意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或 者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还 包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情 况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、 方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通 过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、 磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机, 服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是 利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间 接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种客服问答匹配方法,其特征在于,包括如下步骤:
服务器接收用户提出的待解答问题;
判断所述待解答问题是否为多个问题;
若是,将所述待解答问题切分成多个问题;
根据每个所述问题,获取对应的答对数据作为答复数据;其中,所述判断所述待解答问题是根据所述待解答问题中的符号标识的个数,确定所述待解答问题是否为多个问题,所述符号标识为句号或逗号或空格。
2.如权利要求1所述的客服问答匹配方法,其特征在于,所述将所述待解答问题切分成多个问题的步骤,具体包括:
根据所述待解答问题的符号标识,将所述待解答问题切成多个问题。
3.如权利要求1所述的客服问答匹配方法,其特征在于,在所述接收用户提出的待解答问题的步骤之前,还包括:
在知识库中建立答对数据与候选问题的映射关系。
4.如权利要求3所述的客服问答匹配方法,其特征在于,所述根据每个所述问题,获取对应的答对数据的步骤,具体包括:
将所述问题和所述候选问题进行匹配;
若匹配度达到预设的第一阀值,则所述候选问题对应的答对数据为答复数据。
5.如权利要求4所述的客服问答匹配方法,其特征在于,所述将所述问题和所述候选问题进行匹配的步骤之前,所述客服问答匹配方法还包括:
根据电商的语料库,建立概念从属树模型和事件模型,其中所述事件模型的槽值包括施动对象、受动对象、动词、时间以及结果;
所述将所述问题和所述候选问题进行匹配的步骤,具体包括:
对所述问题和所述候选问题进行切词,得到两个切词向量并分别作为第一输入和第二输入;
将所述第一输入和所述第二输入分别输入事件模型,得到第一事件和第二事件;
比较所述第一事件和所述第二事件的相似度。
6.如权利要求5所述的客服问答匹配方法,其特征在于,所述比较所述第一事件和所述第二事件的相似度的步骤,具体包括:
根据所述概念从属树模型,得到所述第一事件和所述第二事件中每个槽值的距离;
根据所述第一事件和所述第二事件中每个槽值的距离以及各槽值的权值,计算所述第一事件和所述第二事件的相似度。
7.如权利要求4所述的客服问答匹配方法,其特征在于,所述将所述问题和所述候选问题进行匹配的步骤,具体包括:
建立多个LSTM模型,将所述多个问题正序依次输入LSTM模型中,输出第一上下文语义向量;
将所述多个问题逆序依次输入LSTM模型中,输出第二上下文语义向量;
将所述第一上下文语义向量和所述第二上下语义向量拼接在一起,作为完整的上下文语义向量;
根据完整的上下文语义向量,计算所述问题和所述候选问题匹配的匹配度。
8.一种服务器,其特征在于,所述服务器包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的客服问答匹配,所述客服问答匹配配置为实现如权利要求1至7任意一项所述的客服问答匹配方法的远程升级方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有车辆电子设备的远程升级程序,所述客服问答匹配被处理器执行时实现如权利要求1至7任意一项所述的客服问答匹配方法的步骤。
CN201810547370.5A 2018-05-31 2018-05-31 客服问答匹配方法、服务器及存储介质 Pending CN109002434A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810547370.5A CN109002434A (zh) 2018-05-31 2018-05-31 客服问答匹配方法、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810547370.5A CN109002434A (zh) 2018-05-31 2018-05-31 客服问答匹配方法、服务器及存储介质

Publications (1)

Publication Number Publication Date
CN109002434A true CN109002434A (zh) 2018-12-14

Family

ID=64574168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810547370.5A Pending CN109002434A (zh) 2018-05-31 2018-05-31 客服问答匹配方法、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN109002434A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110138986A (zh) * 2019-04-30 2019-08-16 五竹科技(天津)有限公司 与外呼流程相关的知识图谱的构建方法、装置及存储介质
CN110533324A (zh) * 2019-08-29 2019-12-03 深圳市慧择时代科技有限公司 保险客服的自动分配的方法及装置
CN110727783A (zh) * 2019-10-23 2020-01-24 支付宝(杭州)信息技术有限公司 一种基于对话***对用户问句提出反问的方法和装置
CN113377934A (zh) * 2021-05-21 2021-09-10 海南师范大学 一种实现智能客服的***及方法

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101937430A (zh) * 2010-09-03 2011-01-05 清华大学 一种汉语句子中事件句式的抽取方法
CN103377245A (zh) * 2012-04-27 2013-10-30 腾讯科技(深圳)有限公司 一种自动问答方法及装置
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***
CN105159996A (zh) * 2015-09-07 2015-12-16 百度在线网络技术(北京)有限公司 基于人工智能的深度问答服务提供方法和装置
CN106503236A (zh) * 2016-10-28 2017-03-15 北京百度网讯科技有限公司 基于人工智能的问题分类方法以及装置
CN106844400A (zh) * 2015-12-07 2017-06-13 南京中兴新软件有限责任公司 智能应答方法及装置
CN107031617A (zh) * 2017-02-22 2017-08-11 湖北文理学院 一种汽车智能驾驶的方法及装置
CN107220380A (zh) * 2017-06-27 2017-09-29 北京百度网讯科技有限公司 基于人工智能的问答推荐方法、装置和计算机设备
CN107305575A (zh) * 2016-04-25 2017-10-31 北京京东尚科信息技术有限公司 人机智能问答***的断句识别方法和装置
CN107329949A (zh) * 2017-05-24 2017-11-07 北京捷通华声科技股份有限公司 一种语义匹配方法和***
CN107392311A (zh) * 2016-05-17 2017-11-24 阿里巴巴集团控股有限公司 序列切分的方法和装置
CN107517216A (zh) * 2017-09-08 2017-12-26 瑞达信息安全产业股份有限公司 一种网络安全事件关联方法
CN107562792A (zh) * 2017-07-31 2018-01-09 同济大学 一种基于深度学习的问答匹配方法
CN107656948A (zh) * 2016-11-14 2018-02-02 平安科技(深圳)有限公司 自动问答***中的问题聚类处理方法及装置
CN107679234A (zh) * 2017-10-24 2018-02-09 上海携程国际旅行社有限公司 客服信息提供方法、装置、电子设备、存储介质
CN107704450A (zh) * 2017-10-13 2018-02-16 威盛电子股份有限公司 自然语言识别设备以及自然语言识别方法
CN107748757A (zh) * 2017-09-21 2018-03-02 北京航空航天大学 一种基于知识图谱的问答方法
CN107798126A (zh) * 2017-11-13 2018-03-13 北京邮电大学 基于知识库的问答处理方法
CN107832308A (zh) * 2017-12-11 2018-03-23 中译语通科技股份有限公司 一种机器翻译的断句方法及***、计算机程序、计算机
CN107918634A (zh) * 2017-06-27 2018-04-17 上海壹账通金融科技有限公司 智能问答方法、装置及计算机可读存储介质
CN107992543A (zh) * 2017-11-27 2018-05-04 上海智臻智能网络科技股份有限公司 问答交互方法和装置、计算机设备及计算机可读存储介质

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101937430A (zh) * 2010-09-03 2011-01-05 清华大学 一种汉语句子中事件句式的抽取方法
CN103377245A (zh) * 2012-04-27 2013-10-30 腾讯科技(深圳)有限公司 一种自动问答方法及装置
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***
CN105159996A (zh) * 2015-09-07 2015-12-16 百度在线网络技术(北京)有限公司 基于人工智能的深度问答服务提供方法和装置
CN106844400A (zh) * 2015-12-07 2017-06-13 南京中兴新软件有限责任公司 智能应答方法及装置
CN107305575A (zh) * 2016-04-25 2017-10-31 北京京东尚科信息技术有限公司 人机智能问答***的断句识别方法和装置
CN107392311A (zh) * 2016-05-17 2017-11-24 阿里巴巴集团控股有限公司 序列切分的方法和装置
CN106503236A (zh) * 2016-10-28 2017-03-15 北京百度网讯科技有限公司 基于人工智能的问题分类方法以及装置
CN107656948A (zh) * 2016-11-14 2018-02-02 平安科技(深圳)有限公司 自动问答***中的问题聚类处理方法及装置
CN107031617A (zh) * 2017-02-22 2017-08-11 湖北文理学院 一种汽车智能驾驶的方法及装置
CN107329949A (zh) * 2017-05-24 2017-11-07 北京捷通华声科技股份有限公司 一种语义匹配方法和***
CN107220380A (zh) * 2017-06-27 2017-09-29 北京百度网讯科技有限公司 基于人工智能的问答推荐方法、装置和计算机设备
CN107918634A (zh) * 2017-06-27 2018-04-17 上海壹账通金融科技有限公司 智能问答方法、装置及计算机可读存储介质
CN107562792A (zh) * 2017-07-31 2018-01-09 同济大学 一种基于深度学习的问答匹配方法
CN107517216A (zh) * 2017-09-08 2017-12-26 瑞达信息安全产业股份有限公司 一种网络安全事件关联方法
CN107748757A (zh) * 2017-09-21 2018-03-02 北京航空航天大学 一种基于知识图谱的问答方法
CN107704450A (zh) * 2017-10-13 2018-02-16 威盛电子股份有限公司 自然语言识别设备以及自然语言识别方法
CN107679234A (zh) * 2017-10-24 2018-02-09 上海携程国际旅行社有限公司 客服信息提供方法、装置、电子设备、存储介质
CN107798126A (zh) * 2017-11-13 2018-03-13 北京邮电大学 基于知识库的问答处理方法
CN107992543A (zh) * 2017-11-27 2018-05-04 上海智臻智能网络科技股份有限公司 问答交互方法和装置、计算机设备及计算机可读存储介质
CN107832308A (zh) * 2017-12-11 2018-03-23 中译语通科技股份有限公司 一种机器翻译的断句方法及***、计算机程序、计算机

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
徐英卓 等: "基于树结构的本体概念相似度计算方法", 《计算机***应用》, vol. 26, no. 03, 15 March 2017 (2017-03-15), pages 275 - 279 *
李弼程: "《网络舆情分析 理论技术与应对策略》", 北京:国防工业出版社, pages: 216 - 230 *
樊康新: "基于常见问题集的OTC问答***的设计与实现", 《计算机***应用》 *
樊康新: "基于常见问题集的OTC问答***的设计与实现", 《计算机***应用》, no. 12, 15 December 2008 (2008-12-15), pages 30 - 34 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110138986A (zh) * 2019-04-30 2019-08-16 五竹科技(天津)有限公司 与外呼流程相关的知识图谱的构建方法、装置及存储介质
CN110533324A (zh) * 2019-08-29 2019-12-03 深圳市慧择时代科技有限公司 保险客服的自动分配的方法及装置
CN110533324B (zh) * 2019-08-29 2022-04-22 深圳市慧择时代科技有限公司 保险客服的自动分配的方法及装置
CN110727783A (zh) * 2019-10-23 2020-01-24 支付宝(杭州)信息技术有限公司 一种基于对话***对用户问句提出反问的方法和装置
CN113377934A (zh) * 2021-05-21 2021-09-10 海南师范大学 一种实现智能客服的***及方法
CN113377934B (zh) * 2021-05-21 2022-07-05 海南师范大学 一种实现智能客服的***及方法

Similar Documents

Publication Publication Date Title
CN109002434A (zh) 客服问答匹配方法、服务器及存储介质
CN109308357B (zh) 一种用于获得答案信息的方法、装置和设备
CN107688398B (zh) 确定候选输入的方法和装置及输入提示方法和装置
US20180359197A1 (en) Automatic reply method, device, apparatus, and storage medium
CN108540831B (zh) 用于推送信息的方法和装置
CN110785970B (zh) 使网页的机器人创建自动化的技术
CN107170446A (zh) 语义处理服务器及用于语义处理的方法
CN109919244A (zh) 用于生成场景识别模型的方法和装置
US9720982B2 (en) Method and apparatus for natural language search for variables
CN109858045A (zh) 机器翻译方法和装置
TW202134931A (zh) 一種自動生成數據採集模組的方法和系統
CN109829164A (zh) 用于生成文本的方法和装置
CN111460120A (zh) 一种对话管理方法、装置、设备及存储介质
CN108446659A (zh) 用于检测人脸图像的方法和装置
CN115470318A (zh) 客服问题处理方法及装置
CN106356056B (zh) 语音识别方法和装置
CN110059172B (zh) 基于自然语言理解的推荐答案的方法和装置
CN107690002A (zh) 通信方法及装置、***、计算机装置及可读存储介质
CN106502648A (zh) 应用显示特定语言的方法和终端
CN108776685A (zh) 自动问答方法、服务器及存储介质
CN113779346A (zh) 用于识别一人多账号的方法及装置
CN107911315B (zh) 报文分类方法及网络设备
CN105988992A (zh) 图标推送方法及装置
CN109840072A (zh) 信息处理方法和装置
CN112328871B (zh) 一种基于rpa模块的回复生成方法、装置、设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181214

RJ01 Rejection of invention patent application after publication