CN109213842A - 一种智能客服实现方法、装置及存储介质 - Google Patents
一种智能客服实现方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109213842A CN109213842A CN201810367192.8A CN201810367192A CN109213842A CN 109213842 A CN109213842 A CN 109213842A CN 201810367192 A CN201810367192 A CN 201810367192A CN 109213842 A CN109213842 A CN 109213842A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- customer service
- default
- log
- intelligent customer
- 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
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/527—Centralised call answering arrangements not requiring operator intervention
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Signal Processing (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明实施例公开了一种智能客服实现方法,该方法包括:获取异常日志;对异常日志进行分析,得到异常信息特征;根据异常信息特征和预设异常问题模型,得到异常问题,预设异常问题模型用于确定异常问题;根据异常问题和预设异常解决方案库,得到智能客服答复信息,预设异常解决方案库存储有异常问题对应的解决方案。
Description
技术领域
本发明涉及计算机网络通信技术领域中的智能客服技术,尤其涉及一种智能客服实现方法、装置及存储介质。
背景技术
为了提高客户的满意度,企业推出了一种以客户为导向的客户服务***,即客服***。目前,客服***通常由机器客服和人工客服组成,在客户服务过程中,当接收到来自客户的会话消息时,先由机器客服进行答复服务,在机器客服认为其无法解决客户提出的问题时,由机器客服将自身与客户的后续会话业务中的状态设置为会话挂起状态,并向客户发送与该会话消息的内容相匹配的安抚性应答消息,同时将客户的会话消息发送至人工客服,由人工客服进行答复服务。由于在上述客户服务过程中,需要人工客服的参与,客服***成本大,并且当需要服务的客户较多而人工客服较少时,会存在客户等待的问题,导致解决问题的效率低。
另外,客服***在向客户推送问题解决方案时,常用的方法是,先判断客户是否提问过问题,没有的话,则根据该客户所属的群组中提问的问题平均深度,判断该问题平均深度对应的问题的首次提问次数与所有问题的提问总数的比值是否大于预设值,将大于预设值的对应的问题及问题解决方案推送给客户。由于客服***在向客户推送问题解决方案时,所推送的问题是通过将该客户所属的群组中提问的问题平均深度对应的问题的首次提问次数与所有问题的提问总数的比值,和预设值进行比较得出的,问题推送针对性差,客户问题解决成功率低。
发明内容
为解决上述技术问题,本发明实施例期望提供一种智能客服实现方法、装置及存储介质,能够将准确的解决方案发送给客户端,提升问题解决的效率和成功率。
本发明的技术方案是这样实现的:
本发明实施例提供了一种智能客服实现方法,所述方法包括:
获取异常日志;
对所述异常日志进行分析,得到异常信息特征;
根据所述异常信息特征和预设异常问题模型,得到异常问题,所述预设异常问题模型用于确定所述异常问题;
根据所述异常问题和预设异常解决方案库,得到智能客服答复信息,所述预设异常解决方案库存储有所述异常问题对应的解决方案。
在上述方案中,所述获取异常日志,包括:
向业务服务器发送异常监测指令;
接收所述业务服务器响应所述异常监测指令发送的所述异常日志。
在上述方案中,所述对所述异常日志进行分析,得到异常信息特征,包括:
获取所述异常日志对应的实时业务数据;
根据所述实时业务数据对所述异常日志进行分析,得到所述异常信息特征。
在上述方案中,所述对所述异常日志进行分析,得到异常信息特征,包括:
获取所述异常日志对应的实时业务数据和历史业务搜索数据;
根据所述实时业务数据和所述历史业务搜索数据对所述异常日志进行分析,得到所述异常信息特征。
在上述方案中,所述获取异常日志,包括:
接收到客户端发送的会话信息;
对所述会话信息进行分析,得到会话信息特征;
根据所述会话信息特征,得到所述异常日志。
在上述方案中,所述对所述异常日志进行分析,得到异常信息特征,包括:
获取所述异常日志对应的历史业务数据;
根据所述历史业务数据对所述异常日志进行分析,得到所述异常信息特征。
在上述方案中,所述根据所述异常行为特征和预设异常问题模型,得到异常问题之前,所述方法还包括:
获取至少一个维度的异常样本信息,所述至少一个维度的异常样本信息为历史异常日志、所述历史业务数据和所述历史业务搜索数据中的至少一种;
对所述至少一个维度的异常样本信息进行分析,得到对应的异常样本信息特征;
利用预设网络模型,对所述异常样本信息特征进行训练,得到所述预设异常问题模型。
在上述方案中,所述根据所述异常问题和预设异常解决方案库,得到智能客服答复信息之后,所述方法还包括:
将所述智能客服答复信息发送至所述客户端。
在上述方案中,所述将所述智能客服答复信息发送至所述客户端之后,所述方法还包括:
接收所述客户端响应所述智能客服答复信息发送的反馈信息;
根据所述反馈信息和所述智能客服答复信息,更新所述预设异常问题模型和所述预设异常解决方案库。
本发明实施例提供了一种智能客服实现装置,所述装置包括:
获取单元,用于获取异常日志;
分析单元,用于对所述异常日志进行分析,得到异常信息特征;
处理单元,用于根据所述异常信息特征和预设异常问题模型,得到异常问题,所述预设异常问题模型用于确定所述异常问题;
匹配单元,用于根据所述异常问题和预设异常解决方案库,得到智能客服答复信息,所述预设异常解决方案库存储有所述异常问题对应的解决方案。
本发明实施例又提供了一种智能客服实现装置,所述装置包括处理器、接收器、发送器、存储器和通信总线,所述接收器、所述发送器和所述存储器通过所述通信总线与所述处理器进行通信,所述存储器存储所述处理器可执行的指令,当所述指令被执行时,通过所述处理器执行如上述所述的方法。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上述所述的方法。
本发明实施例提供了一种智能客服实现方法、装置及存储介质,首先,客服服务器获取异常日志;并对异常日志进行分析,得到异常信息特征;然后,根据异常信息特征和预设异常问题模型,得到异常问题,预设异常问题模型用于确定异常问题;最后,根据异常问题和预设异常解决方案库,得到智能客服答复信息,预设异常解决方案库存储有异常问题对应的解决方案。采用上述技术实现方案,由于异常问题和解决方案的确定是根据客户的异常信息特征确定的,与客户的关联性大,因此,能够将准确的解决方案发送给客户端,提升了问题解决的效率和成功率。
附图说明
图1为本发明实施例提供的一种智能客服***架构图;
图2为本发明实施例提供的一种应用于客服服务器的智能客服实现方法的流程图;
图3为本发明实施例提供的一种应用于客户端的智能客服实现方法的流程图;
图4为本发明实施例提供的一种智能客服实现方法的流程图;
图5为本发明实施例提供的一种示例性的主动推送智能客服答复信息的流程图;
图6为本发明实施例提供的一种示例性的问题咨询智能客服答复信息推送的流程图;
图7为本发明实施例提供的一种应用于客服服务器的智能客服实现装置的结构示意图一;
图8为本发明实施例提供的一种应用于客服服务器的智能客服实现装置的结构示意图二;
图9为本发明实施例提供的一种应用于客服服务器的智能客服实现装置的结构示意图三;
图10为本发明实施例提供的一种应用于客服服务器的智能客服实现装置的结构示意图四;
图11为本发明实施例提供的一种应用于客服服务器的智能客服实现装置的结构示意图五;
图12为本发明实施例提供的一种应用于客户端的智能客服实现装置的结构示意图一;
图13为本发明实施例提供的一种应用于客户端的智能客服实现装置的结构示意图二;
图14为本发明实施例提供的一种应用于业务服务器的智能客服实现装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
如图1所示为本发明实施例提供的一种智能客服***架构图,本发明实施例提供的智能客服实现方法是基于该智能客服***架构实现的。本发明实施例中的智能客服***1包括:客户端2、客服服务器3和业务服务器4。其中,客户端与客服服务器建立了通信连接,客服服务器和业务服务器建立了通信连接,来执行本发明实施例提供的智能客服实现方法。
下面的实施例都是基于图1的***架构实现的。
实施例一
本发明提供了一种智能客服实现方法,应用于客服服务器,图2为本发明实施例提供的一种应用于客服服务器的智能客服实现方法的流程图,如图2所示,该智能客服实现方法包括:
S201、获取异常日志;
需要说明的是,客服服务器为本发明实施例提供的通过创新和使用客户知识,帮助企业提高优化客户关系的决策能力和整体运营能力的一种服务器,该客服服务器包括挖掘分析模块和智能客服引擎模块。而异常日志是指在一个业务***中自动生成的异常记录。一般地,异常日志的产生有多种方式,比如网络异常产生的异常日志,设备内存溢出产生的异常日志,业务操作产生的异常日志,本发明实施例对此不作具体限定。
在本发明实施例中,客服服务器从业务***中的业务服务器获取异常日志,通过挖掘分析模块接入业务***,实时检测业务***中的异常日志,当检测到异常日志时,获取异常日志。
具体地,在本发明实施例中,客服服务器的挖掘分析模块获取异常日志,包括:挖掘分析模块向业务服务器发送异常监测指令;接收业务服务器响应异常监测指令发送的异常日志。
本发明实施例还提供了另一种客服服务器获取异常日志的场景,具体地,客服服务器的挖掘分析模块获取异常日志,包括:挖掘分析模块接收到客户端发送的会话信息;对会话信息进行分析,得到会话信息特征;根据会话信息特征,得到异常日志。
示例性地,获取到异常日志:<error code=10007,连接异常:手机连接未允许授权>和<error code=-1,安装失败:未知的异常导致解析失败>。
S202、对异常日志进行分析,得到异常信息特征;
在本发明实施例中,客服服务器的挖掘分析模块获取到异常日志后,对该异常日志进行分析得到异常信息特征。这里,异常信息特征是指可以输入到预设异常问题模型中的向量特征,即将异常日志经过大数据分析模型的分析诊断,转换成适合输入至预设异常问题模型中的数据。
需要说明的是,由于异常日志的产生可能是由于业务操作异常产生的,此时,挖掘分析模块在对异常日志进行分析时,还可以根据该异常日志获取到该异常日志对应的实时业务数据,综合异常日志和实时业务数据进行分析,得到异常信息特征。
具体地,挖掘分析模块对异常日志进行分析,得到异常信息特征,包括:获取异常日志对应的实时业务数据;根据实时业务数据对异常日志进行分析,得到异常信息特征。
还需要说明的是,由于用户在该异常日志产生之前,可能曾遇到过相同的异常,基于该异常向客服服务器发送过问题咨询,此时挖掘分析模块在对异常日志进行分析时,还可以根据该异常日志获取该异常日志对应的历史业务搜索数据,再综合实时业务数据进行分析,得到异常信息特征。
具体地,挖掘分析模块对异常日志进行分析,得到异常信息特征,包括:获取异常日志对应的实时业务数据和历史业务搜索数据;根据实时业务数据和历史业务搜索数据对异常日志进行分析,得到异常信息特征。
在本发明实施例中,基于挖掘分析模块根据客户端发送的会话信息获取异常日志的场景中,挖掘分析模块对异常日志进行分析,得到异常信息特征,包括:获取异常日志对应的历史业务数据;根据历史业务数据对异常日志进行分析,得到异常信息特征。
示例性的,获取到异常日志后,通过分析诊断用户可能在手机连接、应用安装环节遇到问题。
S203、根据异常信息特征和预设异常问题模型,得到异常问题,预设异常问题模型用于确定异常问题;
在本发明实施例中,客服服务器在得到了用户异常信息特征之后,即得到了预设异常问题模型的输入数据,再结合训练好的预设异常问题模型,就能得到该用户的异常问题。这里客服服务器的挖掘分析模块将异常信息特征发送给客服服务器的智能客服引擎模块,由智能客服引擎模块根据异常信息特征和预设异常问题模型,得到异常问题
需要说明的是,预设异常问题模型为客服服务器预先训练好的用于确定用户异常问题的模型,智能客服引擎模块通过分析诊断至少一个维度的异常样本信息,获取异常样本信息特征。这里,异常样本信息特征获取时,可以是仅是分析一个维度的历史异常日志,也可以是分析两个维度的历史异常日志和历史业务数据,还可以是分析三个维度的历史异常日志、历史业务数据和历史业务搜索数据。进一步地,当通过分析一个维度的历史异常日志得到异常样本信息特征而训练出的预设异常问题模型,适用于通过分析异常日志得到异常信息特征的场景;当通过分析两个维度的历史异常日志和历史业务数据得到异常样本信息特征而训练出的预设异常问题模型,适用于通过分析异常日志和业务数据得到异常信息特征的场景;当通过分析三个维度的历史异常日志、历史业务数据和历史业务搜索数据得到异常样本信息特征而训练出的预设异常问题模型,适用于通过分析异常日志、业务数据和历史业务搜索数据得到异常信息特征的场景。这里,对预设异常问题模型进行训练时,可以是对用户***、异常日志分析诊断,对用户业务异常故障进行分析聚类,确定与用户相匹配的行为特征数据辅助分析,例如:手机数据线拔插、手机连接客户端、应用安装包下载、推送安装等行为进行分类。
具体地,智能客服引擎模块根据异常行为特征和预设异常问题模型,得到异常问题之前,还包括:获取至少一个维度的异常样本信息,至少一个维度的异常样本信息为历史异常日志、历史业务数据和历史业务搜索数据中的至少一种;对至少一个维度的异常样本信息进行分析,得到对应的异常样本信息特征;利用预设网络模型,对异常样本信息特征进行训练,得到预设异常问题模型。
优选地,预设网络模型可以为长短期记忆网络模型(Long-Short Term Memory,LSTM)和卷积神经网络模型(Convolutional Neural Network,CNN)。其中,LSTM模型用于处理和预测时间序列中间隔和延迟非常长的重要事件。CNN模型是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型,这种网络依靠***的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。
可以理解的,由于将LSTM模型和CNN模型应用在异常问题确定中,能够综合较长时间段内用户异常信息特征与用户异常问题的关系,使得确定的异常问题准确性较高,能够准确的定位用户的异常问题。
示例性地,智能客服引擎将异常信息特征输入至预设异常问题模型中,输出异常问题,将该异常问题与用户实际的问题进行匹配,当匹配时,记为异常问题确定成功。当异常问题确定成功率在90%以上时,表征该预设异常问题模型已训练完成;当客服服务器将不同异常信息特征输入至该预设异常问题模型,确定异常问题的成功率小于90%,则重新调整训练数据,具体可以为调整训练数据的权重等参数信息。直到训练出的预设异常问题模型确定异常问题的成功率在90%以上时,结束预设异常问题模型的训练,并将该预设异常问题模型作为本发明实施例的预设异常问题模型。
S204、根据异常问题和预设异常解决方案库,得到智能客服答复信息,预设异常解决方案库存储有异常问题对应的解决方案。
需要说明的是,预设异常解决方案库存储有异常问题对应的解决方案,作为一具体实现方式,预设异常解决方案库中可存储有异常问题与该异常问题对应的解决方案的对应关系,在确定了异常问题之后,智能客服引擎模块将该异常问题与预设异常解决方案库中的异常问题进行匹配,并获取预设异常解决方案库中和异常问题相匹配的异常问题对应的解决方案,将该异常问题与对应的解决方案作为智能客服答复信息。这里,在接收到客户端发送的会话消息时,智能客服答复信息可以仅包含解决方案。
在本发明实施例中,智能客服引擎模块在根据异常问题和预设异常解决方案库,得到智能客服答复信息之后,还包括:智能客服引擎模块将智能客服答复信息发送至客户端。
需要说明的是,客户端收到智能客服引擎模块发送的智能客服答复信息,根据实际情况对该智能客服答复信息进行评估,并向客服服务器发送一个反馈信息。此时智能客服引擎模块将智能客服答复信息发送至客户端之后,还包括:智能客服引擎模块接收客户端响应智能客服答复信息发送的反馈信息;根据反馈信息和智能客服答复信息,更新预设异常问题模型和预设异常解决方案库。
这里,智能客服引擎模块接收到的反馈信息可以包括满意和不满意,当反馈信息为满意时,表征客服服务器通过分析异常日志确定的解决方案是符合实际应用场景的,此时,将该异常信息特征作为预设异常问题模型的训练样本,利用预设网络模型,根据该异常信息特征更新预设异常问题模型;另外,将该智能客服答复信息中的异常问题和对应的解决方案存储在预设异常解决方案库中,以完成预设异常解决方案库的更新。当反馈信息为不满意时,表征此次推送的智能客服答复信息不符合实际应用场景,重新调整训练样本数据,以生成新的智能客服答复信息。
需要说明的是,客服服务器对预设异常问题模型进行更新时,与预设异常问题模型训练时一样,利用LSTM模型和CNN模型根据智能客服答复信息更新预设异常问题模型。
可以理解的是,由于客服服务器确定的异常问题和解决方案是根据客户的异常信息特征确定的,与客户的关联性大,因此,能够将准确的解决方案发送给客户端,提升了问题解决的效率和成功率;另外,整个智能客服实现过程中客服答复信息是通过分析业务数据和异常日志,并结合预设异常问题模型和和预设异常解决方案库得到的,不需要人工客服的参与,降低了客服***的成本。
实施例二
本发明实施例又提供了一种智能客服实现方法,应用于客户端,图3为本发明实施例提供的一种应用于客户端的智能客服实现方法的流程图,如图3所示,该智能客服实现方法包括:
S301、接收客服服务器发送的智能客服答复信息;
在本发明实施例中,客户端可以为应用小程序,比如,网上营业厅、微信公众号等,本发明实施例对客户端的具体形式不作具体限定。
优选地,当客户端接收到为客服服务器主动推送的智能客服答复信息时,该智能客服答复信息包括异常问题和该异常问题对应的解决方案;当客户端接收到的为客服服务器响应客户端的会话消息推送的智能答复信息时,该智能客服答复信息可以仅包括异常问题对应的解决方案。
S302、根据智能客服答复信息,获取反馈信息;
当客户端接收到智能客服答复信息后,优选地,可以根据该智能客服答复信息生成反馈问题信息;根据该反馈问题信息,获取反馈信息。
这里,客户端获取到的反馈信息可以包括满意和不满意,当反馈信息为满意时,表征客服服务器通过分析异常日志确定的解决方案是符合实际应用场景的;当反馈信息为不满意时,表征此次推送的智能客服答复信息不符合实际应用场景。
S303、将反馈信息发送至客服服务器。
客户端将反馈信息发送至客服服务器,以供客服服务器进行后续的处理。
可以理解的是,由于异常问题和解决方案的确定是根据客户的异常信息特征确定的,与客户的关联性大,因此,能够将准确的解决方案发送给客户端,提升了问题解决的效率和成功率;另外,整个智能客服实现过程中客服答复信息是通过分析业务数据和异常日志,并结合预设异常问题模型和和预设异常解决方案库得到的,不需要人工客服的参与,降低了客服***的成本。
实施例三
本发明实施例还提供了一种智能客服实现方法,应用于业务服务器,该智能客服实现方法包括:
向客服服务器发送异常日志。
需要说明的是,业务服务器为业务***对应的后台服务器,在该业务服务器中存储有异常日志。异常日志是指在一个业务***中自动生成的异常记录。一般地,异常日志的产生有多种方式,比如网络异常产生的异常日志,设备内存溢出产生的异常日志,业务操作产生的异常日志,本发明实施例对此不作具体限定。
在本发明实施例中,业务服务器向客服服务器发送异常日志,一种应用场景为接收到业务服务器发送的异常检测指令,向客服服务器发送响应该异常检测指令获取到的异常日志;另一种应用场景为业务服务器接收到客服服务器发送的会话信息特征,根据该会话信息特征获取异常日志,并将该异常日志发送至客服服务器。
可以理解的是,由于业务服务器将异常日志发送至客服服务器,通过分析该异常日志生成异常信息特征,使得异常问题和解决方案的确定是根据客户的异常信息特征确定的,与客户的关联性大,因此,能够将准确的解决方案发送给客户端,提升了问题解决的效率和成功率;另外,整个智能客服实现过程中客服答复信息是通过分析业务数据和异常日志,并结合预设异常问题模型和和预设异常解决方案库得到的,不需要人工客服的参与,降低了客服***的成本。
实施例四
本发明提供了一种智能客服实现方法,图4为本发明实施例提供的一种智能客服实现方法的流程图,如图4所示,该智能客服实现方法包括:
S401、业务服务器向客服服务器发送异常日志;
在本发明实施例中,S401实现过程的描述与实施例三的实现过程的描述一致,此处不再赘述。
S402、客服服务器对异常日志进行分析,得到异常信息特征;
在本发明实施例中,S402实现过程的描述与实施例一中S202实现过程的描述一致,此处不再赘述。
S403、客服服务器根据异常信息特征和预设异常问题模型,得到异常问题,预设异常问题模型用于确定异常问题;
在本发明实施例中,S403实现过程的描述与实施例一中S203实现过程的描述一致,此处不再赘述。
S404、客服服务器根据异常问题和预设异常解决方案库,得到智能客服答复信息,预设异常解决方案库存储有异常问题对应的解决方案;
在本发明实施例中,S404实现过程的描述与实施例一中S204实现过程的描述一致,此处不再赘述。
S405、客户端接收客服服务器发送的智能客服答复信息;
在本发明实施例中,S405实现过程的描述与实施例二中S301实现过程的描述一致,此处不再赘述。
S406、客户端根据智能客服答复信息,获取反馈信息;
在本发明实施例中,S406实现过程的描述与实施例二中S302实现过程的描述一致,此处不再赘述。
S407、客户端将反馈信息发送至客服服务器;
在本发明实施例中,S407实现过程的描述与实施例二中S303实现过程的描述一致,此处不再赘述。
S408、客服服务器根据反馈信息和智能客服答复信息,更新预设异常问题模型和预设异常解决方案库。
在本发明实施例中,客服服务器接收到的反馈信息可以包括满意和不满意,当反馈信息表征满意时,表征客服服务器通过分析异常日志确定的解决方案是符合实际应用场景的,此时,客户服务器将该异常信息特征作为预设异常问题模型的训练样本,利用预设网络模型,根据该异常信息特征更新预设异常问题模型;另外,客服服务器将该智能客服答复信息中的异常问题和对应的解决方案存储在预设异常解决方案库中,以完成预设异常解决方案库的更新。
以一个现实应用场景为例对本发明实施例阐述如下:
图5为本发明实施例提供的一种示例性的主动推送智能客服答复信息的流程图,如图5所示,该示例性的主动推送智能客服答复信息的步骤包括:
S501、业务服务器接收客服服务器发送的异常检测指令;
S502、业务服务器向客服服务器发送响应异常检测指令获取的异常日志;
S503、客服服务器客服服务器对异常日志进行分析,得到异常信息特征;
S504、客服服务器根据异常信息特征和预设异常问题模型,得到异常问题,预设异常问题模型用于确定异常问题;
S505、客服服务器根据异常问题和预设异常解决方案库,得到智能客服答复信息,预设异常解决方案库存储有异常问题对应的解决方案;
S506、客户端接收客服服务器发送的智能客服答复信息;
S507、客户端根据智能客服答复信息,获取反馈信息;
S508、客户端将反馈信息发送至客服服务器;
S509、客服服务器根据反馈信息和智能客服答复信息,更新预设异常问题模型和预设异常解决方案库。
以另一个现实应用场景为例对本发明实施例阐述如下:
图6为本发明实施例提供的一种示例性的问题咨询智能客服答复信息推送的流程图,如图6所示,该示例性的问题咨询智能客服答复信息推送的步骤包括:
S601、客服服务器接收客户端发送的会话信息;
S602、客服服务器对会话信息进行分析,得到会话信息特征;
需要说明的是,客服服务器通过对会话信息进行语义分析、关键字提取,对用户情感聚类分析,获取客户意图等关键信息,从而得到会话信息特征。
S603、客服服务器向业务服务器发送会话信息特征;
S604、业务服务器根据会话信息特征向客服服务器发送异常日志;
需要说明的是,业务服务器通过将会话信息特征与业务***的异常日志通过用户标识进行关联,以得到异常日志。
可以理解的是,客服服务器获取的异常日志是根据客户的会话信息获得的,实现了异常日志与客户的会话信息的双重辅助分析。
示例性地,用户在频繁拔插数据线电缆,及异常日志中产生连接错误代码,则用户可能在连接手机阶段时出现问题,客服引擎则结合用户特征生成解决方案,提高问题解决成功率。
S605、客服服务器客服服务器对异常日志进行分析,得到异常信息特征;
S606、客服服务器根据异常信息特征和预设异常问题模型,得到异常问题,预设异常问题模型用于确定异常问题;
需要说明的是,客服服务器进行预设异常问题模型训练时,对用户业务进行分类,确定与用户相匹配的行为特征数据分析,作为用户报障及问题咨询的辅助分析来源,例如:手机数据线拔插、手机连接客户端、应用安装包下载、推送安装等行为进行分类。
S607、客服服务器根据异常问题和预设异常解决方案库,得到智能客服答复信息,预设异常解决方案库存储有异常问题对应的解决方案;
S608、客户端接收客服服务器发送的智能客服答复信息;
S609、客户端根据智能客服答复信息,获取反馈信息;
S610、客户端将反馈信息发送至客服服务器;
S611、客服服务器根据反馈信息和智能客服答复信息,更新预设异常问题模型和预设异常解决方案库。
可以理解的是,由于异常问题和解决方案的确定是根据客户的异常信息特征确定的,与客户的关联性大,因此,能够将准确的解决方案发送给客户端,提升了问题解决的效率和成功率;另外,整个智能客服实现过程中客服答复信息是通过分析业务数据和异常日志,并结合预设异常问题模型和和预设异常解决方案库得到的,不需要人工客服的参与,降低了客服***的成本。
实施例五
基于与实施例一同一发明构思,本发明实施例提供了一种智能客服实现装置,对应于一种应用于客服服务器的智能客服实现方法,图7为本发明实施例提供的一种应用于客服服务器的智能客服实现装置的结构示意图一,如图7所示,该客服服务器3包括:
第一获取单元30,用于获取异常日志;
第一分析单元31,用于对所述异常日志进行分析,得到异常信息特征;
第一处理单元32,用于根据所述异常信息特征和预设异常问题模型,得到异常问题,所述预设异常问题模型用于确定所述异常问题;
第一匹配单元33,用于根据所述异常问题和预设异常解决方案库,得到智能客服答复信息,所述预设异常解决方案库存储有所述异常问题对应的解决方案。
可选地,所述第一获取单元30,具体用于向业务服务器发送异常监测指令;以及接收所述业务服务器响应所述异常监测指令发送的所述异常日志。
可选地,所述第一获取单元30,还具体用于获取所述异常日志对应的实时业务数据;以及根据所述实时业务数据对所述异常日志进行分析,得到所述异常信息特征。
可选地,所述第一获取单元30,还具体用于获取所述异常日志对应的实时业务数据和历史业务搜索数据;以及根据所述实时业务数据和所述历史业务搜索数据对所述异常日志进行分析,得到所述异常信息特征。
可选地,所述第一获取单元30,具体用于接收到客户端发送的会话信息;对所述会话信息进行分析,得到会话信息特征;根据所述会话信息特征,得到所述异常日志。
可选地,所述第一获取单元30,还具体用于获取所述异常日志对应的历史业务数据;以及根据所述历史业务数据对所述异常日志进行分析,得到所述异常信息特征。
可选地,如图8所示,所述装置还包括:第一训练单元34,用于获取至少一个维度的异常样本信息,所述至少一个维度的异常样本信息为历史异常日志、所述历史业务数据和所述历史业务搜索数据中的至少一种;对所述至少一个维度的异常样本信息进行分析,得到对应的异常样本信息特征;利用预设网络模型,对所述异常样本信息特征进行训练,得到所述预设异常问题模型。
可选地,如图9所示,所述装置还包括:第一发送单元35,用于将所述智能客服答复信息发送至所述客户端。
可选地,如图10所示,所述装置还包括:第一更新单元36,用于接收所述客户端响应所述智能客服答复信息发送的反馈信息;以及根据所述反馈信息和所述智能客服答复信息,更新所述预设异常问题模型和所述预设异常解决方案库。
在实际应用中,上述第一获取单元30、第一分析单元31、第一处理单元32、第一匹配单元33、第一训练单元34、第一发送单元35和第一更新单元36可由位于客服服务器上的处理器实现,具体为CPU(Central Processing Unit,中央处理器)、MPU(MicroprocessorUnit,微处理器)、DSP(Digital Signal Processing,数字信号处理器)或现场可编程门阵列(FPGA,Field Programmable Gate Array)等实现。
本发明实施例提供了一种智能客服实现装置,如图11所示,所述装置包括第一处理器37、第一接收器38、第一发送器39、第一存储器310和第一通信总线311,所述第一接收器38、所述第一发送器39和所述第一存储器310通过所述第一通信总线311与所述第一处理器37进行通信,所述第一存储器310存储所述第一处理器37可执行的指令,当所述指令被执行时,通过所述第一处理器37执行如下步骤:
获取异常日志;对所述异常日志进行分析,得到异常信息特征;根据所述异常信息特征和预设异常问题模型,得到异常问题,所述预设异常问题模型用于确定所述异常问题;根据所述异常问题和预设异常解决方案库,得到智能客服答复信息,所述预设异常解决方案库存储有所述异常问题对应的解决方案。
在本发明实施例中,进一步地,所述第一处理器37,具体用于向业务服务器发送异常监测指令;以及接收所述业务服务器响应所述异常监测指令发送的所述异常日志。
在本发明实施例中,进一步地,所述第一处理器37,还具体用于获取所述异常日志对应的实时业务数据;以及根据所述实时业务数据对所述异常日志进行分析,得到所述异常信息特征。
在本发明实施例中,进一步地,所述第一处理器37,还具体用于获取所述异常日志对应的实时业务数据和历史业务搜索数据;以及根据所述实时业务数据和所述历史业务搜索数据对所述异常日志进行分析,得到所述异常信息特征。
在本发明实施例中,进一步地,所述第一处理器37,具体用于接收到客户端发送的会话信息;对所述会话信息进行分析,得到会话信息特征;根据所述会话信息特征,得到所述异常日志。
在本发明实施例中,进一步地,所述第一处理器37,还具体用于获取所述异常日志对应的历史业务数据;以及根据所述历史业务数据对所述异常日志进行分析,得到所述异常信息特征。
在本发明实施例中,进一步地,所述第一处理器37,还用于获取至少一个维度的异常样本信息,所述至少一个维度的异常样本信息为历史异常日志、所述历史业务数据和所述历史业务搜索数据中的至少一种;对所述至少一个维度的异常样本信息进行分析,得到对应的异常样本信息特征;利用预设网络模型,对所述异常样本信息特征进行训练,得到所述预设异常问题模型。
在本发明实施例中,进一步地,所述第一处理器37,还用于将所述智能客服答复信息发送至所述客户端。
在本发明实施例中,进一步地,所述第一处理器37,还用于接收所述客户端响应所述智能客服答复信息发送的反馈信息;以及根据所述反馈信息和所述智能客服答复信息,更新所述预设异常问题模型和所述预设异常解决方案库。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如下步骤:
获取异常日志;对所述异常日志进行分析,得到异常信息特征;根据所述异常信息特征和预设异常问题模型,得到异常问题,所述预设异常问题模型用于确定所述异常问题;
根据所述异常问题和预设异常解决方案库,得到智能客服答复信息,所述预设异常解决方案库存储有所述异常问题对应的解决方案。
在本发明实施例中,进一步地,所述获取异常日志时,上述一个或者多个程序被上述一个或者多个处理器执行,具体实现以下步骤:
向业务服务器发送异常监测指令;
接收所述业务服务器响应所述异常监测指令发送的所述异常日志。
在本发明实施例中,进一步地,所述对所述异常日志进行分析,得到异常信息特征时,上述一个或者多个程序被上述一个或者多个处理器执行,具体实现以下步骤:
获取所述异常日志对应的实时业务数据;
根据所述实时业务数据对所述异常日志进行分析,得到所述异常信息特征。
在本发明实施例中,进一步地,所述对所述异常日志进行分析,得到异常信息特征时,上述一个或者多个程序被上述一个或者多个处理器执行,具体实现以下步骤:
获取所述异常日志对应的实时业务数据和历史业务搜索数据;
根据所述实时业务数据和所述历史业务搜索数据对所述异常日志进行分析,得到所述异常信息特征。
在本发明实施例中,进一步地,所述获取异常日志时,上述一个或者多个程序被上述一个或者多个处理器执行,具体实现以下步骤:
接收到客户端发送的会话信息;
对所述会话信息进行分析,得到会话信息特征;
根据所述会话信息特征,得到所述异常日志。
在本发明实施例中,进一步地,所述对所述异常日志进行分析,得到异常信息特征时,上述一个或者多个程序被上述一个或者多个处理器执行,具体实现以下步骤:获取所述异常日志对应的历史业务数据;
根据所述历史业务数据对所述异常日志进行分析,得到所述异常信息特征。
在本发明实施例中,进一步地,所述根据所述异常行为特征和预设异常问题模型,得到异常问题之前,上述一个或者多个程序被上述一个或者多个处理器执行,具体实现以下步骤:
获取至少一个维度的异常样本信息,所述至少一个维度的异常样本信息为历史异常日志、所述历史业务数据和所述历史业务搜索数据中的至少一种;
对所述至少一个维度的异常样本信息进行分析,得到对应的异常样本信息特征;
利用预设网络模型,对所述异常样本信息特征进行训练,得到所述预设异常问题模型。
在本发明实施例中,进一步地,所述根据所述异常问题和预设异常解决方案库,得到智能客服答复信息之后,上述一个或者多个程序被上述一个或者多个处理器执行,具体实现以下步骤:
将所述智能客服答复信息发送至所述客户端。
在本发明实施例中,进一步地,所述将所述智能客服答复信息发送至所述客户端之后,上述一个或者多个程序被上述一个或者多个处理器执行,具体实现以下步骤:
接收所述客户端响应所述智能客服答复信息发送的反馈信息;
根据所述反馈信息和所述智能客服答复信息,更新所述预设异常问题模型和所述预设异常解决方案库。
可以理解的是,由于异常问题和解决方案的确定是根据客户的异常信息特征确定的,与客户的关联性大,因此,能够将准确的解决方案发送给客户端,提升了问题解决的效率和成功率;另外,整个智能客服实现过程中客服答复信息是通过分析业务数据和异常日志,并结合预设异常问题模型和和预设异常解决方案库得到的,不需要人工客服的参与,降低了客服***的成本。
实施例六
基于与实施例二同一发明构思,本发明实施例提供了一种应用于客户端的智能客服实现装置,对应于一种应用与客户端的智能客服实现方法,图12为本发明实施例提供的一种应用于客户端的智能客服实现装置的结构示意图一,如图12所示,该客户端2包括:
第一接收单元20,用于接收客服服务器发送的智能客服答复信息;
第二获取单元21,用于根据智能客服答复信息,获取反馈信息;
第二发送单元22,用于将反馈信息发送至客服服务器。
在实际应用中,上述第一接收单元20、第二获取单元21和第二发送单元22可由位于客户端上的处理器实现,具体为CPU、微处理器、数字信号处理器MPU或DSP等实现。
本发明实施例提供了一种客户端,如图13所示,所述客户端包括第二处理器23、第二接收器24、第二发送器25、第二存储器26和第二通信总线27,所述第二接收器24、所述第二发送器25和所述第二存储器26通过所述第二通信总线27与所述第二处理器23进行通信,所述第二存储器26存储所述第二处理器23可执行的指令,当所述指令被执行时,通过所述第二处理器23执行如下步骤:
接收客服服务器发送的智能客服答复信息;根据智能客服答复信息,获取反馈信息;将反馈信息发送至客服服务器。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,应用于客户端中,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如下步骤:
接收客服服务器发送的智能客服答复信息;根据智能客服答复信息,获取反馈信息;将反馈信息发送至客服服务器。
可以理解的是,由于异常问题和解决方案的确定是根据客户的异常信息特征确定的,与客户的关联性大,因此,能够将准确的解决方案发送给客户端,提升了问题解决的效率和成功率;另外,整个智能客服实现过程中客服答复信息是通过分析业务数据和异常日志,并结合预设异常问题模型和和预设异常解决方案库得到的,不需要人工客服的参与,降低了客服***的成本。
实施例七
基于与实施例三同一发明构思,本发明实施例提供了一种智能客服实现装置,对应于一种应用于业务服务器的智能客服实现方法,该业务服务器4包括:
第三发送单元40,用于向客服服务器发送异常日志。
在实际应用中,上述第三发送单元40可由位于业务服务器上的处理器实现,具体为CPU、微处理器、数字信号处理器MPU或DSP等实现。
本发明实施例提供了一种业务服务器,如图14所示,所述客户端包括第三处理器41、第三接收器42、第三发送器43、第三存储器44和第三通信总线45,所述第三接收器42、所述第三发送器43和所述第三存储器44通过所述第三通信总线45与所述第三处理器41进行通信,所述第三存储器44存储所述第三处理器41可执行的指令,当所述指令被执行时,通过所述第三处理器41执行如下步骤:
向客服服务器发送异常日志。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,应用于业务服务器中,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如下步骤:
向客服服务器发送异常日志。
可以理解的是,由于业务服务器将异常日志发送至客服服务器,通过分析该异常日志生成异常信息特征,使得异常问题和解决方案的确定是根据客户的异常信息特征确定的,与客户的关联性大,因此,能够将准确的解决方案发送给客户端,提升了问题解决的效率和成功率;另外,整个智能客服实现过程中客服答复信息是通过分析业务数据和异常日志,并结合预设异常问题模型和和预设异常解决方案库得到的,不需要人工客服的参与,降低了客服***的成本。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (12)
1.一种智能客服实现方法,其特征在于,所述方法包括:
获取异常日志;
对所述异常日志进行分析,得到异常信息特征;
根据所述异常信息特征和预设异常问题模型,得到异常问题,所述预设异常问题模型用于确定所述异常问题;
根据所述异常问题和预设异常解决方案库,得到智能客服答复信息,所述预设异常解决方案库存储有所述异常问题对应的解决方案。
2.根据权利要求1所述的方法,其特征在于,所述获取异常日志,包括:
向业务服务器发送异常监测指令;
接收所述业务服务器响应所述异常监测指令发送的所述异常日志。
3.根据权利要求1或2所述的方法,其特征在于,所述对所述异常日志进行分析,得到异常信息特征,包括:
获取所述异常日志对应的实时业务数据;
根据所述实时业务数据对所述异常日志进行分析,得到所述异常信息特征。
4.根据权利要求1或2所述的方法,其特征在于,所述对所述异常日志进行分析,得到异常信息特征,包括:
获取所述异常日志对应的实时业务数据和历史业务搜索数据;
根据所述实时业务数据和所述历史业务搜索数据对所述异常日志进行分析,得到所述异常信息特征。
5.根据权利要求1所述的方法,其特征在于,所述获取异常日志,包括:
接收到客户端发送的会话信息;
对所述会话信息进行分析,得到会话信息特征;
根据所述会话信息特征,得到所述异常日志。
6.根据权利要求5所述的方法,其特征在于,所述对所述异常日志进行分析,得到异常信息特征,包括:
获取所述异常日志对应的历史业务数据;
根据所述历史业务数据对所述异常日志进行分析,得到所述异常信息特征。
7.根据权利要求1所述的方法,其特征在于,所述根据所述异常行为特征和预设异常问题模型,得到异常问题之前,所述方法还包括:
获取至少一个维度的异常样本信息,所述至少一个维度的异常样本信息为历史异常日志、所述历史业务数据和所述历史业务搜索数据中的至少一种;
对所述至少一个维度的异常样本信息进行分析,得到对应的异常样本信息特征;
利用预设网络模型,对所述异常样本信息特征进行训练,得到所述预设异常问题模型。
8.根据权利要求1所述的方法,其特征在于,所述根据所述异常问题和预设异常解决方案库,得到智能客服答复信息之后,所述方法还包括:
将所述智能客服答复信息发送至所述客户端。
9.根据权利要求8所述的方法,其特征在于,所述将所述智能客服答复信息发送至所述客户端之后,所述方法还包括:
接收所述客户端响应所述智能客服答复信息发送的反馈信息;
根据所述反馈信息和所述智能客服答复信息,更新所述预设异常问题模型和所述预设异常解决方案库。
10.一种智能客服实现装置,其特征在于,所述装置包括:
获取单元,用于获取异常日志;
分析单元,用于对所述异常日志进行分析,得到异常信息特征;
处理单元,用于根据所述异常信息特征和预设异常问题模型,得到异常问题,所述预设异常问题模型用于确定所述异常问题;
匹配单元,用于根据所述异常问题和预设异常解决方案库,得到智能客服答复信息,所述预设异常解决方案库存储有所述异常问题对应的解决方案。
11.一种智能客服实现装置,其特征在于,所述装置包括处理器、接收器、发送器、存储器和通信总线,所述接收器、所述发送器和所述存储器通过所述通信总线与所述处理器进行通信,所述存储器存储所述处理器可执行的指令,当所述指令被执行时,通过所述处理器执行如权利要求1-9任一项所述的方法。
12.一种计算机可读存储介质,其上存储有程序,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810367192.8A CN109213842A (zh) | 2018-04-23 | 2018-04-23 | 一种智能客服实现方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810367192.8A CN109213842A (zh) | 2018-04-23 | 2018-04-23 | 一种智能客服实现方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109213842A true CN109213842A (zh) | 2019-01-15 |
Family
ID=64991266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810367192.8A Pending CN109213842A (zh) | 2018-04-23 | 2018-04-23 | 一种智能客服实现方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109213842A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221857A (zh) * | 2019-06-18 | 2019-09-10 | 北京字节跳动网络技术有限公司 | 应用程序的问题修复方法、装置、电子设备及存储介质 |
CN110661818A (zh) * | 2019-10-30 | 2020-01-07 | 腾讯云计算(北京)有限责任公司 | 事件异常检测方法、装置、可读存储介质和计算机设备 |
CN111274089A (zh) * | 2020-01-15 | 2020-06-12 | 福建奇点时空数字科技有限公司 | 一种基于旁路技术的服务器异常行为感知*** |
CN111309889A (zh) * | 2020-02-27 | 2020-06-19 | 支付宝(杭州)信息技术有限公司 | 用于文本处理的方法和装置 |
CN112036899A (zh) * | 2019-05-14 | 2020-12-04 | 阿里巴巴集团控股有限公司 | 提供服务信息的方法、装置及电子设备 |
CN112069197A (zh) * | 2019-06-10 | 2020-12-11 | ***通信集团湖南有限公司 | 异常工单的方法及装置 |
CN112734062A (zh) * | 2021-02-22 | 2021-04-30 | 北京罗克维尔斯科技有限公司 | 用车问题自动分析方法、装置、介质、维修***和车辆 |
CN112885348A (zh) * | 2021-01-25 | 2021-06-01 | 广州中汇信息科技有限公司 | 结合ai智能语音电销方法 |
CN113159107A (zh) * | 2021-02-26 | 2021-07-23 | ***股份有限公司 | 一种异常处理的方法及装置 |
CN113360308A (zh) * | 2021-05-31 | 2021-09-07 | 珠海大横琴科技发展有限公司 | 一种异常事件处理方法和装置 |
CN114077525A (zh) * | 2020-08-17 | 2022-02-22 | 鸿富锦精密电子(天津)有限公司 | 异常日志处理方法、装置、终端设备、云服务器及*** |
CN116361429A (zh) * | 2023-01-19 | 2023-06-30 | 北京伽睿智能科技集团有限公司 | 一种业务异常员工管理方法、***、设备及存储介质 |
US11874730B2 (en) | 2022-02-26 | 2024-01-16 | International Business Machines Corporation | Identifying log anomaly resolution from anomalous system logs |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102937930A (zh) * | 2012-09-29 | 2013-02-20 | 重庆新媒农信科技有限公司 | 应用程序监控***及方法 |
CN104134116A (zh) * | 2014-07-18 | 2014-11-05 | 国家电网公司 | 一种用于电力***异常分类封装的方法 |
CN105608519A (zh) * | 2015-11-09 | 2016-05-25 | 国家电网公司 | 一种电网通信设备运行状态的预测算法 |
CN106776245A (zh) * | 2016-11-18 | 2017-05-31 | 维沃移动通信有限公司 | 一种异常应用处理方法、装置及移动终端 |
WO2017096968A1 (zh) * | 2015-12-10 | 2017-06-15 | 乐视控股(北京)有限公司 | 日志上传方法及装置 |
CN106911494A (zh) * | 2016-07-04 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 一种故障解决方法及装置 |
CN107085549A (zh) * | 2016-02-16 | 2017-08-22 | 腾讯科技(深圳)有限公司 | 故障信息生成的方法和装置 |
-
2018
- 2018-04-23 CN CN201810367192.8A patent/CN109213842A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102937930A (zh) * | 2012-09-29 | 2013-02-20 | 重庆新媒农信科技有限公司 | 应用程序监控***及方法 |
CN104134116A (zh) * | 2014-07-18 | 2014-11-05 | 国家电网公司 | 一种用于电力***异常分类封装的方法 |
CN105608519A (zh) * | 2015-11-09 | 2016-05-25 | 国家电网公司 | 一种电网通信设备运行状态的预测算法 |
WO2017096968A1 (zh) * | 2015-12-10 | 2017-06-15 | 乐视控股(北京)有限公司 | 日志上传方法及装置 |
CN107085549A (zh) * | 2016-02-16 | 2017-08-22 | 腾讯科技(深圳)有限公司 | 故障信息生成的方法和装置 |
CN106911494A (zh) * | 2016-07-04 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 一种故障解决方法及装置 |
CN106776245A (zh) * | 2016-11-18 | 2017-05-31 | 维沃移动通信有限公司 | 一种异常应用处理方法、装置及移动终端 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036899A (zh) * | 2019-05-14 | 2020-12-04 | 阿里巴巴集团控股有限公司 | 提供服务信息的方法、装置及电子设备 |
CN112069197A (zh) * | 2019-06-10 | 2020-12-11 | ***通信集团湖南有限公司 | 异常工单的方法及装置 |
CN110221857A (zh) * | 2019-06-18 | 2019-09-10 | 北京字节跳动网络技术有限公司 | 应用程序的问题修复方法、装置、电子设备及存储介质 |
CN110661818B (zh) * | 2019-10-30 | 2022-07-08 | 腾讯云计算(北京)有限责任公司 | 事件异常检测方法、装置、可读存储介质和计算机设备 |
CN110661818A (zh) * | 2019-10-30 | 2020-01-07 | 腾讯云计算(北京)有限责任公司 | 事件异常检测方法、装置、可读存储介质和计算机设备 |
CN111274089A (zh) * | 2020-01-15 | 2020-06-12 | 福建奇点时空数字科技有限公司 | 一种基于旁路技术的服务器异常行为感知*** |
CN111274089B (zh) * | 2020-01-15 | 2022-06-17 | 福建奇点时空数字科技有限公司 | 一种基于旁路技术的服务器异常行为感知*** |
CN111309889A (zh) * | 2020-02-27 | 2020-06-19 | 支付宝(杭州)信息技术有限公司 | 用于文本处理的方法和装置 |
CN111309889B (zh) * | 2020-02-27 | 2023-04-14 | 支付宝(杭州)信息技术有限公司 | 用于文本处理的方法和装置 |
CN114077525A (zh) * | 2020-08-17 | 2022-02-22 | 鸿富锦精密电子(天津)有限公司 | 异常日志处理方法、装置、终端设备、云服务器及*** |
CN112885348A (zh) * | 2021-01-25 | 2021-06-01 | 广州中汇信息科技有限公司 | 结合ai智能语音电销方法 |
CN112885348B (zh) * | 2021-01-25 | 2024-03-08 | 广州中汇信息科技有限公司 | 结合ai智能语音电销方法 |
CN112734062A (zh) * | 2021-02-22 | 2021-04-30 | 北京罗克维尔斯科技有限公司 | 用车问题自动分析方法、装置、介质、维修***和车辆 |
CN113159107A (zh) * | 2021-02-26 | 2021-07-23 | ***股份有限公司 | 一种异常处理的方法及装置 |
CN113159107B (zh) * | 2021-02-26 | 2023-09-01 | ***股份有限公司 | 一种异常处理的方法及装置 |
CN113360308A (zh) * | 2021-05-31 | 2021-09-07 | 珠海大横琴科技发展有限公司 | 一种异常事件处理方法和装置 |
US11874730B2 (en) | 2022-02-26 | 2024-01-16 | International Business Machines Corporation | Identifying log anomaly resolution from anomalous system logs |
CN116361429A (zh) * | 2023-01-19 | 2023-06-30 | 北京伽睿智能科技集团有限公司 | 一种业务异常员工管理方法、***、设备及存储介质 |
CN116361429B (zh) * | 2023-01-19 | 2024-02-02 | 北京伽睿智能科技集团有限公司 | 一种业务异常员工管理方法、***、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109213842A (zh) | 一种智能客服实现方法、装置及存储介质 | |
AU2020201883B2 (en) | Call center system having reduced communication latency | |
CN105408919B (zh) | 查询响应设备 | |
US20130066944A1 (en) | Social gathering of distributed knowledge | |
CN106445652A (zh) | 用于智能云计划和停用的方法和*** | |
CN1751278A (zh) | 用于过程控制***的基于开放网络的数据获取、集合和优化 | |
US10684890B2 (en) | Network deployment for cellular, backhaul, fiber optic and other network infrastructure | |
CN106549810A (zh) | 云服务平台新版本发布前测试方法、装置以及*** | |
John et al. | Ai on the edge: Architectural alternatives | |
CN109829679A (zh) | 项目管理方法、装置、计算机装置及存储介质 | |
CN109542780A (zh) | 自然语言处理应用的测试方法、测试设备及存储介质 | |
EP4182854A1 (en) | Federated learning using heterogeneous labels | |
CN106910075B (zh) | 移动通信客户投诉的智能处理***和方法 | |
CN109118151B (zh) | 一种工单事务处理方法及工单事务处理*** | |
Cirkovic et al. | Preferential attachment with reciprocity: properties and estimation | |
US20230206130A1 (en) | Interactive and dynamic mapping engine (idme) | |
EP4285292A1 (en) | Distributed machine learning with new labels using heterogeneous label distribution | |
Berrocal et al. | mQoL lab: step-by-step creation of a flexible platform to conduct studies using interactive, mobile, wearable and ubiquitous devices | |
CN108038671A (zh) | 一种智能打卡的方法和装置 | |
CN111815339B (zh) | 一种营销信息推送方法及设备 | |
US11188548B2 (en) | Profile data store automation via bots | |
John et al. | Hermes: a platform for context-aware enterprise communication | |
CN112884168A (zh) | 用于跨站点学习的***和方法 | |
CN109726085A (zh) | 性能问题追踪的方法及*** | |
Sanchez-Pi et al. | Evaluating interaction of MAS providing context-aware services |
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: 20190115 |
|
RJ01 | Rejection of invention patent application after publication |