CN110046231A - 一种客服信息处理方法、服务器和*** - Google Patents

一种客服信息处理方法、服务器和*** Download PDF

Info

Publication number
CN110046231A
CN110046231A CN201811569433.3A CN201811569433A CN110046231A CN 110046231 A CN110046231 A CN 110046231A CN 201811569433 A CN201811569433 A CN 201811569433A CN 110046231 A CN110046231 A CN 110046231A
Authority
CN
China
Prior art keywords
state
information
sample
vocabulary
target
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.)
Granted
Application number
CN201811569433.3A
Other languages
English (en)
Other versions
CN110046231B (zh
Inventor
毛德峰
石志伟
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.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201811569433.3A priority Critical patent/CN110046231B/zh
Publication of CN110046231A publication Critical patent/CN110046231A/zh
Application granted granted Critical
Publication of CN110046231B publication Critical patent/CN110046231B/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
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Technology Law (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Machine Translation (AREA)

Abstract

本说明书实施例公开了一种客服信息处理方法、服务器和***，其中，所述方法包括：接收客户端发来的客户提问，识别所述客户提问中包括的客户述求信息；从所述客户述求信息中识别得到述求特征词汇，确定所述述求特征词汇对应的目标述求标签，以及确定所述述求特征词汇之间的目标述求修饰关系；根据所述述求特征词汇和所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息；将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。本说明书实施例提供的技术方案，能够有效提高针对客户问题提供的答***度。

Description

一种客服信息处理方法、服务器和***
技术领域
本说明书实施例方案属于互联网技术领域，特别涉及一种客服信息处理方法、服务器和***。
背景技术
随着互联网技术的快速发展，人们服务意识的提高，网络客服已经普及到各行各业，深入到日常商业服务的各个环节。
目前，常见的网络客户通常由智能客服机器人和人工客服组成，相较于传统的客服方式，智能客服机器人可以实现昼夜和节假日的全天候服务，分流人工客服负担，从而有效降低企业客服领域的运营成本。因此，越来越多的企业客服***的服务量主要由客服机器人承接。
但是，客户普遍反映现有智能客服机器人，很多时候无法准确理解客户的问题，使得提供的答案与客户的问题并不匹配，严重影响了客户体验。因此，亟需一种更加有效的智能机器人客服方法，以提高针对客户问题提供的答***度。
发明内容
本说明书实施例的目的是提供一种客服信息处理方法、服务器和***，能够有效提高针对客户问题提供的答***度。
为实现上述目的，本说明书实施例提供一种客服信息处理***，所述***包括问题样本库、词汇库，以及处理器和存储计算机程序的存储器，其中，所述问题样本库中包括问题样本和所述问题样本对应的答案，其中，所述问题样本中包括具备多种述求标签的样本述求信息；所述词汇库中包括所述样本述求信息关联的所述述求标签对应的述求描述词汇、所述述求描述词汇之间的述求修饰关系；所述计算机程序被所述处理器执行时，实现下述步骤：接收客户端发来的客户提问，识别所述客户提问中包括的客户述求信息；从所述客户述求信息中识别得到述求特征词汇，从所述述求标签中确定所述述求特征词汇对应的目标述求标签，以及从所述述求修饰关系中确定所述述求特征词汇之间的目标述求修饰关系；根据所述述求特征词汇和所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息；将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。
为实现上述目的，本说明书实施例还提供一种服务器，所述服务器提供问题样本库和词汇库，所述问题样本库中包括问题样本和所述问题样本对应的答案，其中，所述问题样本中包括具备多种述求标签的样本述求信息，所述词汇库中包括所述样本述求信息关联的所述述求标签对应的述求描述词汇、所述述求描述词汇之间的述求修饰关系；所述服务器包括第一识别单元、第二识别单元、样本确定单元和发送单元；其中，所述第一识别单元，用于接收客户端发来的客户提问，识别所述客户提问中包括的客户述求信息；所述第二识别单元，用于从所述客户述求信息中识别得到述求特征词汇，并从所述述求标签中确定所述述求特征词汇对应的目标述求标签，以及从所述述求修饰关系中确定两个所述述求特征词汇之间的目标述求修饰关系；所述样本确定单元，用于根据所述述求特征词汇和所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息；所述发送单元，用于将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。
为实现上述目的，本说明书实施例还提供一种客服方法，所述方法包括：接收客户端发来的客户提问，识别所述客户提问中包括的客户述求信息；从所述客户述求信息中识别得到述求特征词汇，确定所述述求特征词汇对应的目标述求标签，以及确定所述述求特征词汇之间的目标述求修饰关系；根据所述述求特征词汇和所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息；将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。
为实现上述目的，本说明书实施例还提供一种服务器，所述服务器包括存储器和处理器，所述存储器中存储有问题样本库、词汇库和计算机程序，所述问题样本库中包括问题样本和所述问题样本对应的答案，其中，所述问题样本中包括具备多种述求标签的样本述求信息，所述词汇库中包括所述样本述求信息关联的所述述求标签对应的述求描述词汇、所述述求描述词汇之间的述求修饰关系；所述计算机程序被所述处理器执行时，实现上述的客服方法。
由上可见，本说明书实施例提供的技术方案，客户可以通过客服端向服务器发出包括客户提问的提问请求，服务器接收到提问请求后，可以提取提问请求中的客户问题。在提取客户问题后，服务器可以识别所述客户问题中包括的客户述求信息，并从所述客户述求信息中识别得到多个述求特征词汇。这时，服务器可以从所述词汇库中查询与所述述求特征词汇相匹配的述求描述词汇，从而可以从所述词汇库中确定所述述求特征对应的目标述求标签，以及述求特征词汇之间的目标述求修饰关系。那么，服务器可以基于查询得到的所述述求描述词汇和确定的所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息，便可以将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。这样，便可以结合与所述述求特征词汇相匹配的述求描述词汇以及述求特征词汇之间准确的述求修饰关系，更加准确地得到与客户问题相匹配的问题样本，从而可以提供更加准确的答案。
附图说明
为了更清楚地说明本说明书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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本说明书实施例中问题样本的结构化关联关系的示意图；
图2是本说明书实施例中以业务标签为根节点的组织关系的示意图；
图3是本说明书实施例中客服信息处理方法的一种流程图；
图4是本说明书实施例中一种服务器的结构示意图；
图5是本说明书实施例中另一种服务器的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书实施例保护的范围。
本说明书实施例提供一种客服信息处理方法，所述客服信息处理方法可以应用于客户端和服务器的***架构中。所述客户端可以是用于登录客户的账号信息的电子设备。具体地，所述客户端例如可以是台式电脑、平板电脑、笔记本电脑、智能手机、数字助理、智能可穿戴设备、具有网络访问功能的电视机等。或者，所述客户端也可以为能够运行于上述电子设备中的软件。具体地，所述客户端可以为电子设备中的移动应用，所述移动应用例如可以是微信、QQ、京东商城等。
在本说明书一个或多个实施例中，所述服务器可以是用于为客户提供客服服务的设备。具体地，所述服务器可以为一个具有数据运算、存储功能以及网络交互功能的电子设备；也可以为运行于该电子设备中，为数据处理、存储和网络交互提供支持的软件。在上述实施例中并不具体限定所述服务器的数量。所述服务器可以为一个服务器，还可以为几个服务器，或者，若干服务器形成的服务器集群。
本说明书实施例提供一种客服信息处理方法，所述客服信息处理方法可以应用于上述的服务器中。所述服务器在接收到客户提问之后，可以提供针对客户提问的答案。所述服务器可以提供问题样本库和词汇库，所述问题样本库中包括问题样本和所述问题样本对应的答案，其中，所述问题样本中包括具备多种述求标签的样本述求信息，所述词汇库中包括所述样本述求信息关联的所述述求标签对应的述求描述词汇、所述述求描述词汇之间的述求修饰关系。
在本说明书的一个实施例中，所述服务器可以针对大量客户提出的问题以及针对这些问题提供的答案，归纳出问题样本库和词汇库。其中，所述问题样本库可以是存储问题样本和对应的答案的数据集。所述词汇库可以是存储与所述问题样本关联的词汇的数据集。所述问题样本库可以采用MySQL、Oracle、DB2、Sybase等数据库格式中的任意一种。所述词汇库也可以采用MySQL、Oracle、DB2、Sybase等数据库格式中的任意一种。所述问题样本库和所述词汇库可以分别部署在服务器中的存储介质上。
在本说明书的一个实施例中，所述问题样本库中可以存储不同的问题样本以及各个问题样本分别对应的答案。在实际应用中，所述问题样本通常可以由样本条件信息和样本述求信息组成。其中，所述样本条件信息可以用于表征客户提出问题述求时所处的状态或者已经完成的操作，所述样本述求信息可以用于表征客户提出问题的具体述求。例如，问题样本的内容是“xx***已经还款为何还提醒还款”，那么，所述样本条件信息便可以是“xx***已经还款”，也就是客户提出“为何还提醒还款”的问题述求时所处的业务状态或已经完成“还款”的操作，所述样本述求信息便可以是“为何还提醒还款”。在对一些业务或产品的简单问题进行询问时，所述问题样本也可以仅由样本述求信息组成，例如，问题样本的内容是“xx***分期有手续费吗”，直接可以作为所述样本述求信息。
在本说明书的一个实施例中，可以通过对所述问题样本进行分析，识别出所述问题样本中包括的样本条件信息和样本述求信息。通常情况下，所述样本述求信息是所述问题样本的主干部分，而所述样本条件信息是所述问题样本的枝干部分。那么，可以通过预先训练的识别模型，识别所述问题样本的主干部分，便可以将主干部分作为样本述求信息，而所述问题样本的剩余部分作为样本条件信息。具体地，可以通过机器学习的方式进行识别，例如，可以采用预先训练的序列标注模型对问题样本的文本进行特征标注，计算所标注的特征的概率值，并根据概率值来确定识别结果。其中，待标注的特征可以是条件信息开头、条件信息中间和条件信息结尾，以及述求信息开头、述求信息中间和述求信息结尾。这样，便可以对识别结果中各个标注特征分别对应的文字或词汇进行组合，得到所述样本条件信息和样本述求信息。其中，常用的序列标注模型例如可以是CRF(Conditional RandomField algorithm，条件随机场算法)模型、HMM(Hidden Markov Model，隐马尔可夫模型)等。在上述实施例中，在识别出所述问题样本中的样本条件信息和样本述求信息之后，可以通过树状结构建立所述问题样本与对应的样本条件信息和样本述求信息之间的关联关系，并可以通过key-value(键值对)的形式对建立的关联关系进行存储，这样，通过查询到的样本述求信息或样本条件信息，便可以从所述问题样本库中获取到对应的问题样本。
在本说明书的一个实施例中，参阅图1，由于客户提出的问题述求中往往会涉及到具体的业务或产品、述求属性、述求操作以及问题类型等等述求要素，那么，所述样本述求信息便可以具备多种用于表征这些述求要素的述求标签。其中，所述述求标签可以包括业务标签、产品标签、操作标签、问题类型标签、属性标签、其他标签等等。针对一个问题样本中的样本述求信息，该样本述求信息的述求标签对应的具体内容可以从该述求信息中得到。具体地，可以将该样本述求信息拆分为多个词汇，并根据拆分出的词汇的词义，确定该词汇对应的述求标签，便可以将该词汇作为该述求标签对应的具体内容。这样，针对所述问题样本库中的问题样本，便可以确定该问题样本中样本述求信息具备的各个述求标签分别对应的述求描述词汇，即各个述求标签分别对应的具体内容。例如，问题样本中的样本述求信息是“xx***分期有手续费吗”，那么，该样本述求信息的业务标签或产品标签对应的述求描述词汇可以是“xx***”，操作标签对应的述求描述词汇可以是“分期”，属性标签对应的述求描述词汇可以是“手续费”，问题类型标签对应的述求描述词汇可以是“有吗”。
参阅图1，由于问题样本中样本条件信息往往也会涉及到具体的业务或产品、条件属性、条件操作等等条件要素，那么，所述样本述求信息便可以具备多种用于表征这些述求要素的条件标签。其中，所述条件标签可以包括业务标签、产品标签、操作标签、属性标签、其他标签等等。类似地，针对问题样本中的样本条件信息，该样本条件信息的条件标签对应的具体内容可以从该条件信息中得到。从而，针对所述问题样本库中的问题样本，便可以确定该问题样本中样本条件信息具备的各个条件标签分别对应的条件描述词汇，即各个条件标签分别对应的具体内容。在上述实施例中，在得到所述问题样本中的样本条件信息具备的各个条件标签分别对应的条件描述词汇，以及样本述求信息具备的各个述求标签分别对应的述求描述词汇之后，便可以基于这些条件描述词汇和述求描述词汇，构建出上述的词汇库。在上述实施例中，可以通过字符串匹配或者机器学习的方法对所述样本述求信息或所述样本条件信息的文本进行分词。在通过字符串匹配时，可以通过正向/反向最大匹配、长词优先等原则，对文本进行字符串扫描，并将扫描得到的字符串对应的词汇作为分词结果。在通过机器学习的方式进行分词时，可以采用序列标注模型对文本中可能出现的词汇计算概率值，并根据概率值来确定分词结果。其中，常用的序列标注模型例如可以是CRF(Conditional Random Field algorithm，条件随机场算法)模型、HMM(Hidden MarkovModel，隐马尔可夫模型)等。
不仅如此，还可以通过树状结构建立样本条件信息与各个条件标签分别对应的条件描述词汇之间的关联关系，以及样本述求信息与各个述求标签分别对应的述求描述词汇之间的关联关系，并可以通过key-value(键值对)的形式对建立的关联关系进行存储，可以将这些关联关系存储于上述的词汇库中。这样，通过从词汇库中查询到的条件描述词汇或述求描述词汇，以及对应的关联关系，便可以从问题样本库中获取到对应的样本条件信息或样本述求信息，从而可以从所述问题样本库中获取到对应的问题样本。如此，通过这些关联关系，上述的问题样本库与词汇库便可以相互关联，可以保证后续客服过程的顺利进行。
在本说明书的一个实施例中，在实际应用中，针对所述样本述求信息关联的各个述求标签分别对应的述求描述词汇，两个述求描述词汇之间往往存在修饰关系，而正是结合这些修饰关系，才能将这些述求描述词汇组合起来，构成完整的样本述求信息。例如，针对问题样本中的样本述求信息是“xx***分期有手续费吗”，存在“xx***”、“分期”和“有吗”修饰“手续费”的修饰关系，以及“xx***”修饰“分期”的修饰关系。通常情况下可以从所述样本述求信息中识别两个述求描述词汇之间的修饰关系。具体地，可以采用NLP(Natural Language Processing，自然语言处理)分析技术中的句法分析技术识别出各个描述词汇之间的修饰关系。
这样，通过将问题样本拆分为样本条件信息和样本述求信息，进一步分别将样本条件信息和样本述求信息拆分为不同条件标签对应的条件描述词汇和不同述求标签对应的述求描述词汇，以及挖掘两个述求描述词汇之间的修饰关系和两个条件描述词汇之间的修饰关系，可以实现对问题样本的结构化表达。如此，可以使得构建的问题样本库和词汇库的表达能力更强，从而可以适用于各种复杂的提问场景，便于后续针对客户问题进行客服时提供更加准确的答案。
在本说明书的一个实施例中，在实际应用中，通过所述问题样本库中建立的所述问题样本与对应的样本条件信息和样本述求信息之间的关联关系，以及所述词汇库与所述问题样本库之间相互关联关系，可以构建问题样本分别与对应的条件描述词汇、述求描述词汇以及修饰关系之间的组织结构，以便实现问题样本库和词汇库的表达能力。具体地，可以采用以任一述求标签对应的述求描述词汇作为根结点的树状结构，将关联该述求标签对应的述求描述词汇的所有问题样本构建成一棵树。例如，如图2所示，根结点为业务标签对应的述求描述词汇，即业务名称“好医保住院医疗”，其二级节点是和业务相关的基本操作或者基本属性，三级节点是这些基本操作/基本属性的子属性/子操作。例如，子属性可以包括保障范围、责任免除、犹豫期、保障时间、等待期、保单、承保公司、增值服务、保额、保费和免赔额等。子操作可以包括投保、续保、理赔和退保等。进一步地，四级节点是问题类型，更深层次的节点是问题样本的其他标签，叶子节点是一个具体问题样本。这样，通过上述组织方式，可以便于对问题样本库和词汇库进行管理。还可以从行业角度，对属于同一行业的问题样本进行组织，构建以指定行业为主题的组织结构。这样，在为该行业的新业务构建知识库时，例如保险行业，便可以将多种保险业务共有的属性、操作等标签特点对应的组织结构，比如投保、理赔、退保、保费、保额等等，直接应用于新保险业务对应的组织结构。
在本说明书的一个实施例中，可以通过对问题样本库中各个问题样本分别对应的条件描述词汇和述求描述词汇进行归纳，每一个述求标签都可以对应多个述求描述词汇，每一个条件标签都可以对应多个条件描述词汇，便可以在词汇库中构建述求标签与对应的述求描述词汇的标签词表，或条件标签与对应的条件描述词汇的标签词表。例如，针对述求属性标签，可以构建述求属性标签与对应的述求描述词汇的标签词表。这样，可以便于后续客服过程中进行词汇查询和标签类型的确定。
在本说明书的一个实施例中，在实际应用中，在所述词汇库中，某个述求描述词汇可能出现在上述至少两个标签词表中，表明该述求描述词汇对应的述求标签可能至少有两种。针对这种情况，可以对该述求描述词汇对应的述求标签为指定述求标签时关联的样本述求信息的数量进行统计，得到该述求描述词汇关联的标签分布数据，并可以将该标签分布数据存储于所述词汇库中。具体地，可以对该述求描述词汇关联的第一指定样本述求信息和该述求描述词汇关联的样本述求信息进行统计，并计算该述求描述词汇关联的第一指定样本述求信息在该述求描述词汇关联的样本述求信息中的样本占比。其中，在所述第一指定样本述求信息中，该述求描述词汇对应的述求标签为至少两种述求标签中的指定述求标签。可以将计算得到的样本占比数据作为该述求描述词汇关联的标签分布数据。类似地，若某个条件描述词汇可能出现在上述至少两个标签词表中，还可以得到该条件描述词汇关联的标签分布数据。
在本说明书的一个实施例中，在实际应用中，在所述词汇库中，两个述求描述词汇之间的述求修饰关系可能会包含两种述求修饰关系，例如，两个述求描述词汇分别为第一述求描述词汇和第二述求描述词汇，可能会存在第一述求描述词汇修饰第二述求描述词汇的述求修饰关系，也可能存在第二述求描述词汇修饰第一述求描述词汇的述求修饰关系。针对这种情况，同样可以对对应的述求修饰关系为指定述求修饰关系时关联的样本述求信息的数量进行统计，得到这两个述求描述词汇关联的修饰关系分布数据，并可以将该修饰关系分布数据存储于所述词汇库中。具体地，可以这两个述求描述词汇共同关联的第二指定样本述求信息，以及这两个述求描述词汇共同关联的样本述求信息进行统计，并计算这两个述求描述词汇共同关联的第二指定样本述求信息在共同关联的样本述求信息中的样本占比。其中，在所述第二指定样本述求信息中，这两个述求描述词汇之间的述求修饰关系为所述两种述求修饰关系中的指定述求修饰关系。类似地，若两个条件描述词汇之间的条件修饰关系可能会包含两种条件修饰关系，还可以得到这两个条件描述词汇关联的修饰关系分布数据。
请参阅图3，所述方法可以包括以下步骤。
S11：接收客户端发来的客户提问，识别所述客户提问中包括的客户述求信息。
在本说明书的一个实施例中，在实际应用中，所述客户提问可以是客户输入的问题文本，也可以是客户录制的语音问题。例如，所述客户端中可以展示用于客户输入问题文本的窗口和确认发送该问题的链接。所述链接可以是文字链接或者图片链接。在窗口中输入客户提问的文本之后，客户通过点击该链接，从而可以向所述服务器发送包括该问题文本的提问请求。不仅如此，所述客户端中还可以装载用于录取客户语音的录音设备，例如麦克风等。这样，客户可以点击所述客户端上的语音录制按钮，对准麦克风录制语音问题，录制完成之后，通过点击确认发送该语音问题的链接，从而可以向所述服务器发送包括该语音问题的提问请求。
在本说明书的一个实施例中，所述提问请求可以是按照预设规则进行编写的字符串。其中，所述预设规则可以是所述客户端与所述服务器之间遵循的网络通信协议。例如，所述提问请求可以是按照HTTP协议进行编写的字符串。所述预设规则可以限定提问请求中的各个组成部分以及各个组成部分之间的排列顺序。
在本说明书的一个实施例式中，在接收到所述提问请求之后，所述服务器便可以获取所述客户提问。为了从所述问题样本库中查询到与所述客户提问相匹配的问题样本，在获取所述客户提问之后，可以先识别所述客户提问中包括的客户述求信息，由于通常情况下，客户述求是客户提问中比较关注的部分，如此，在识别出客户述求信息之后，后续便可以直接根据查询到的与所述客户述求信息相匹配的样本述求信息，确定与所述客户提问相匹配的问题样本。在实际应用中，通常情况下，识别所述客户提问中的客户述求信息时，可以先识别所述客户提问中的文字信息。针对问题文本形式的客户提问，可以将所述客户提问直接作为识别出的文字信息。针对语音问题形式的客户提问，可以通过自动化语音识别(Automatic Speech Recognition,ASR)的技术，将语音问题转换为机器能够识别的二进制编码或者字符序列，从而将语音信息转换为对应的文字信息。在识别出文字信息之后，可以直接将识别出的文字信息作为所述客户述求信息。例如，在客户提问比较简短的情况下，便可以直接将识别出的文字信息作为所述客户述求信息。而在客户提问比较复杂的情况下，在识别出文字信息之后，可以利用预先训练的句子主干识别模型，识别所述文字信息中的主干部分。例如，可以通过预先训练的序列标注模型进行识别，常用的序列标注模型例如可以是CRF(Conditional Random Field algorithm，条件随机场算法)模型、HMM(HiddenMarkov Model，隐马尔可夫模型)等。在识别出主干部分之后，可以将识别出的主干部分作为所述客户述求信息。
S13：从所述客户述求信息中识别得到述求特征词汇，确定所述述求特征词汇对应的目标述求标签，以及确定所述述求特征词汇之间的目标述求修饰关系。
在本说明书的一个实施例中，在识别出所述客户提问中包括的客户述求信息之后，为了从所述问题标问库中查询到与所述客户述求信息相匹配的样本述求信息，可以先从所述客户述求信息中识别得到多个述求特征词汇，并从所述词汇库内的述求标签中确定所述述求特征词汇对应的目标述求标签，以及从所述词汇库内的述求修饰关系中确定两个所述述求特征词汇之间的目标述求修饰关系。这样，后续便可以根据识别得到的述求特征词汇和确定的目标述求修饰关系，更加准确地确定与所述客户述求信息相匹配的目标样本述求信息。
在上述实施例中，在对所述客户述求信息进行识别时，可以将所述客户诉求信息拆分为多个词汇。具体地，可以通过字符串匹配或者机器学习的方法对客户述求信息进行分词。在通过字符串匹配时，可以通过正向/反向最大匹配、长词优先等原则，对客户述求信息进行字符串扫描，并将扫描得到的字符串对应的词汇作为分词结果。在通过机器学习的方式进行分词时，可以采用序列标注模型对客户述求信息中可能出现的词汇计算概率值，并根据概率值来确定分词结果。其中，常用的序列标注模型例如可以是CRF(ConditionalRandom Field algorithm，条件随机场算法)模型、HMM(Hidden Markov Model，隐马尔可夫模型)等。在本上述实施例中，在将所述客户诉求信息拆分为多个词汇之后，可以将拆分得到的所述词汇作为所述客户诉求信息中包含的述求特征词汇。
在上述实施例中，在确定所述述求特征词汇对应的目标述求标签时，可以在所述词汇库中查询与所述述求特征词汇相匹配的目标述求描述词汇。具体地，可以通过计算述求特征词汇与述求描述词汇之间的相似度，来判断与述求特征词汇相匹配的述求描述词汇。例如，针对所述多个述求特征词汇中的当前述求特征词汇，可以计算所述当前述求特征词汇与所述词汇库中各个述求描述词汇之间的相似度。在计算这两者之间的相似度时，可以通过词向量(wordvector)的方式来分别表示所述当前述求特征词汇和词汇库中的述求描述词汇。这样，可以通过两个词向量之间的空间距离来表示这两者之间的相似度。两个词向量之间的空间距离越近，表明两者之间的相似度越高；相反地，两个词向量之间的空间距离越远，表明两者之间的相似度越低。这样，在实际应用场景中，可以将两个词向量之间的空间距离的倒数，作为当前述求特征词汇和词汇库中的述求描述词汇之间的相似度。将依次计算所述当前述求特征词汇与各个述求描述词汇之间的相似度之后，可以将计算得到的最高相似度对应的述求描述词汇作为所述述求特征词汇在所述词汇库中相匹配的述求描述词汇。在查询出与各个述求特征词汇相匹配的述求描述词汇之后，可以将查询得到的所述述求描述词汇对应的述求标签作为所述述求特征词汇对应的目标述求标签。
在上述实施例中，考虑到会出现词汇库中的述求描述词汇可能会与多个述求标签相对应的情况，在所述词汇库中查询与所述述求特征词汇相匹配的述求描述词汇之后，当查询得到的所述述求描述词汇与至少两种述求标签相对应时，为了更加准确地确定所述当前述求特征词汇对应的目标述求标签，可以确定所述至少两种述求标签分别对应的标签分布数据。其中，所述标签分布数据可以用于表征在查询得到的所述述求描述词汇对应的述求标签为所述至少两种述求标签中的指定述求标签时，关联的样本述求信息的样本占比。接着可以将符合第一约定条件的样本占比对应的述求标签作为所述述求特征词汇对应的目标述求标签，从而确定所述当前述求特征词汇对应的唯一目标述求标签。其中，所述第一约定条件例如可以是最高样本占比。或者，还可以将查询得到的所述述求描述词汇对应的至少两种述求标签均作为所述述求特征词汇对应的目标述求标签，其中，查询得到的所述述求描述词汇对应的述求标签为所述至少两种述求标签中的指定述求标签时对应的权重值为关联的标签分布数据中所述指定述求标签对应的样本占比。所述指定述求标签可以是指至少两种述求标签中任意述求标签。这样，后续在利用所述目标述求标签确定匹配的样本述求信息时，便将指定述求标签对应的权重值作为附加参考。
在上述实施例中，在确定两个述求特征词汇之间的目标述求修饰关系时，可以在所述词汇库中查询与两个所述述求特征词汇分别相匹配的两个述求描述词汇。在查询出与各个述求特征词汇相匹配的述求描述词汇之后，可以将查询得到的两个所述述求描述词汇之间的修饰关系作为两个所述述求特征词汇之间的目标述求修饰关系。
在上述实施例中，考虑到会出现词汇库中的两个述求描述词汇之间的述求修饰关系包含两种述求修饰关系的情况，在所述词汇库中查询与两个所述述求特征词汇分别相匹配的两个述求描述词汇之后，当查询得到的两个述求描述词汇之间的述求修饰关系包含两种述求修饰关系时，确定所述两种述求修饰关系分别对应的修饰关系分布数据。其中，所述修饰关系分布数据用于表征在查询得到的所述述求描述词汇之间的述求修饰关系为所述两种述求修饰关系中的指定述求修饰关系时，关联的样本述求信息的样本占比。接着可以将符合第二约定条件的样本占比对应的述求修饰关系作为这两个述求特征词汇之间的目标述求修饰关系。其中，所述第二约定条件例如可以是最高样本占比。或者，还可以将查询得到的这两个述求描述词汇之间的两种述求修饰关系均作为两个所述述求特征词汇之间的目标述求修饰关系，其中，查询得到的这两个述求描述词汇之间的述求修饰关系为所述两种述求修饰关系中指定述求修饰关系时对应的权重值为关联的修饰关系分布数据中所述指定述求修饰关系对应的样本占比。所述指定述求修饰关系可以是指这两种述求修饰关系中任一述求修饰关系。这样，后续在利用所述目标述求修饰关系确定匹配的样本述求信息时，便将指定述求修饰关系对应的权重值作为附加参考。
S15：根据所述述求特征词汇和所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息。
在本说明书的一个实施例中，在从所述客户述求信息中识别得到多个述求特征词汇，并从所述述求标签中确定所述述求特征词汇对应的目标述求标签，以及从所述述求修饰关系中确定两个所述述求特征词汇之间的目标述求修饰关系之后，可以根据所述述求特征词汇和所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息。在实际应用中，通常是以一个述求标签为根节点作为一个查询路径，来查询样本述求信息的。那么，针对识别出的多个述求特征词汇分别对应的目标述求标签，便存在多种查询路径，为了综合考虑各个查询路径得到的结果，在从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息之前，可以先按照指定规则设定以所述述求标签为根节点查询样本述求信息时对应的权重值。所述指定规则例如可以针对各中述求标签，设定相同的权重值，也可以根据实际情况，针对比较关注的述求标签，设定较高的权重值。
在上述实施例中，在确定与所述客户述求信息相匹配的目标样本述求信息时，可以先在所述词汇库中查询与所述多个述求特征词汇分别相匹配的目标述求描述词汇。接着针对所述多个述求特征词汇中当前述求特征词汇，可以以所述当前述求特征词汇对应的目标述求标签为根节点，从具备所述目标述求标签的样本述求信息中查询满足指定条件的样本述求信息。其中，所述指定条件与所述述求特征词汇、所述目标述求修饰关系相关联。具体地，所述指定条件可以包括与所述当前述求特征词汇对应的目标述求描述词汇、修饰述求特征词汇对应的目标述求描述词汇以及所述修饰述求特征词汇修饰所述当前述求特征词汇的目标述求修饰关系相关联。所述修饰述求特征词汇可以表示所述多个述求特征词汇中用于修饰所述当前述求特征词汇的述求特征词汇。在依次以各个述求特征词汇对应的目标述求标签为根节点查询得到的样本述求信息之后，可以依次计算查询得到的各个所述样本述求信息与所述客户述求信息之间的初始问题相似度。然后，根据计算得到的所述初始问题相似度，以及所述当前述求特征词汇对应的目标述求标签为根节点查询样本述求信息时对应的权重值，可以依次确定查询得到的各个所述样本述求信息与所述客户述求信息之间的目标述求相似度。具体地，可以将所述当前述求特征词汇对应的目标述求标签为根节点查询样本述求信息时对应的权重值与初始问题相似度的乘积，作为查询得到的所述样本述求信息与所述客户述求信息之间的目标述求相似度。最后，可以根据所述目标述求相似度，从查询得到的所述样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息。具体地，可以将计算得到的最高相似度对应的样本述求信息作为与所述客户述求信息相匹配的目标样本述求信息。
在上述实施例中，考虑到所述多个述求特征词汇中某些词汇可能是实际客户述求中比较关注的，在确定与所述客户述求信息相匹配的目标样本述求信息的过程中，针对所述多个述求特征词汇中当前述求特征词汇，可以根据所述目标述求修饰关系，判断所述当前述求特征词汇是否为核心述求特征词汇，即实际客户述求中比较关注的述求特征词汇。具体地，可以根据所述目标述求修饰关系，判断当所述当前述求特征词汇是否修饰其他述求特征词汇，若否，判定所述当前述求特征词汇为核心述求特征词汇。若所述当前述求特征词汇是核心述求特征词汇，可以对以所述当前述求特征词汇对应的目标述求标签为根节点查询样本述求信息时对应的权重值进行修正，以使得以所述当前述求特征词汇对应的目标述求标签为根节点查询样本述求信息时对应的权重值高于以指定述求特征词汇对应的目标述求标签为根节点查询样本述求信息时对应的权重值。其中，所述指定述求特征词汇表示所述多个述求特征词汇中除所述当前述求特征词汇以外的述求特征词汇。例如，客户述求信息是“xx***逾期还款有手续费么”，存在述求特征词汇“xx***”、“逾期还款”和“有么”修饰述求特征词汇“手续费”的修饰关系，以及“述求特征词汇xx***”修饰述求特征词汇“逾期还款”的修饰关系，如此，仅有述求特征词汇是不修饰其他述求特征词汇的，那么便可以将述求特征词汇“手续费”作为核心述求特征词汇。
S17：将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。
在本说明书的一个实施例中，在确定与所述客户述求信息相匹配的目标样本述求信息，便可以从所述问题样本库中获取包括所述目标样本述求信息的问题样本，以及对应的答案，便可以将对应的答案反馈给所述客户端。
在本说明书的一个实施例中，在实际应用场景中，客户提问过于简短，可能导致所述客户述求信息中缺少一些必要的述求标签对应的特征词汇。这样，可能会导致在查询与所述客户述求信息相匹配的样本述求信息时，得到的查询结果的准确度较低。为此，所述服务器可以预先设定必备述求标签。其中，所述必备述求标签可以与至少一个外部服务接口相关联。在从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息之前，可以判断确定的所述述求特征词汇对应的目标述求标签中是否包含指定必备述求标签。若不包含，可以利用所述指定必备述求标签关联的外部服务接口，确定所述指定必备述求标签对应的述求特征词汇。例如，在流程处理的应用场景中，客户在某网店购买了一件产品，收到货以后不满意，想走退款流程。客户提问“我想退款”，服务器接收到该问题述求后，识别对应的述求标签中缺少必要的订单信息标签，这时，服务器便可以向订单信息标签关联的外部订单查询接口发送请求，以获取该客户的订单信息。或者，可以向所述客户端反馈与所述指定必备述求标签相关联的反问问题，以使得根据所述客户端针对所述反问问题反馈的反问信息，确定所述指定必备述求标签对应的述求特征词汇。
在本说明书的一个实施例中，在实际应用场景中，若按照上述步骤获取的所述目标问题样本中包括至少两种问题样本，由于上述步骤是通过客户述求信息查询到的目标问题样本，那么，这些目标问题样本中包括的样本述求信息是相同的。这样，表明这些目标问题样本中包括的条件信息是不相同的。为了进一步提高所确定的问题样本的准确度，在将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端之前，可以先从所述问题样本库中获取包括所述目标样本述求信息的目标问题样本。若获取的所述目标问题样本中包括至少两种问题样本，可以将所述文字信息中除所述主干部分以外的剩余部分作为所述客户条件信息，并可以从所述目标问题样本的样本条件信息中确定与所述客户条件信息相匹配的目标样本条件信息。相应的，可以将包括所述目标样本述求信息和所述目标样本条件信息的目标问题样本对应的答案反馈给所述客户端。
在本说明书的一个实施例中，在确定与所述客户条件信息相匹配的目标样本条件信息时，可以先从所述客户条件信息中识别得到多个条件特征词汇，并从所述条件标签中确定所述条件特征词汇对应的目标条件标签，以及从所述条件修饰关系中确定所述条件特征词汇之间的目标条件修饰关系。根据所述条件特征词汇和所述目标条件修饰关系，从具备所述目标条件标签所述目标问题样本的样本条件信息中确定与所述客户条件信息相匹配的目标样本条件信息。其中，识别条件特征词汇、确定所述条件特征词汇对应的目标条件标签以及确定两个所述条件特征词汇之间的目标条件修饰关系的具体实施步骤，分别与识别述求特征词汇、确定所述条件述求词汇对应的目标述求标签以及确定两个所述述求特征词汇之间的目标述求修饰关系的具体实施步骤类似，此处不再一一赘述。
本说明书还提供一种计算机存储介质，所述计算机存储介质中存储计算机程序问题样本库、词汇库和计算机程序，所述问题样本库中包括问题样本和所述问题样本对应的答案，其中，所述问题样本中包括具备多种述求标签的样本述求信息，所述词汇库中包括所述样本述求信息关联的所述述求标签对应的述求描述词汇、所述述求描述词汇之间的述求修饰关系；所述计算机程序被所述处理器执行时，可以实现以下步骤：
S11：接收客户端发来的客户提问，识别所述客户提问中包括的客户述求信息；
S13：从所述客户述求信息中识别得到述求特征词汇，确定所述述求特征词汇对应的目标述求标签，以及确定所述述求特征词汇之间的目标述求修饰关系；
S15：根据所述述求特征词汇和所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息；
S17：将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。
需要说明的是，上述计算机存储介质中的计算机程序所能实现的功能，均可以参照前述的方法实施实施例，实现的技术效果也与前述方法实施例中实现的技术效果类似，这里便不再赘述。
请参阅图4，本说明书还提供一种服务器，所述服务器提供问题样本库和词汇库，所述问题样本库中包括问题样本和所述问题样本对应的答案，其中，所述问题样本中包括具备多种述求标签的样本述求信息，所述词汇库中包括所述样本述求信息关联的所述述求标签对应的述求描述词汇、所述述求描述词汇之间的述求修饰关系；所述服务器包括第一识别单元、第二识别单元、样本确定单元和发送单元。
所述第一识别单元，可以用于接收客户端发来的客户提问，识别所述客户提问中包括的客户述求信息。
所述第二识别单元，可以用于从所述客户述求信息中识别得到多个述求特征词汇，从所述述求标签中确定所述述求特征词汇对应的目标述求标签，以及从所述述求修饰关系中确定所述述求特征词汇之间的目标述求修饰关系。
所述样本确定单元，可以用于根据所述述求特征词汇和所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息。
所述发送单元，可以用于将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。
在一个实施例中，所述第二识别单元中包括拆分模块和特征词汇确定模块；其中，
所述拆分模块，用于将所述客户诉求信息拆分为多个词汇；
所述特征词汇确定模块，用于将拆分得到的所述词汇作为所述客户诉求信息中包含的述求特征词汇。
在一个实施例中，所述第二识别单元中还包括词汇查询模块和述求标签确定模块；其中，所述词汇查询模块，用于在所述词汇库中查询与所述述求特征词汇相匹配的目标述求描述词汇；
所述述求标签确定模块，用于将查询得到的所述述求描述词汇对应的述求标签作为所述述求特征词汇对应的目标述求标签。
在一个实施例中，所述词汇查询模块还包括计算子模块和匹配子模块；其中，
所述计算子模块，用于计算所述述求特征词汇与所述词汇库中述求描述词汇之间的相似度；
所述匹配子模块，用于将计算得到的最高相似度对应的述求描述词汇作为所述述求特征词汇在所述词汇库中相匹配的述求描述词汇。
在一个实施例中，所述第二识别单元中包括词汇查询模块和修饰关系确定模块；其中，所述词汇查询模块，用于在所述词汇库中查询与所述述求特征词汇相匹配的述求描述词汇；
所述修饰关系确定模块，用于将查询得到的所述述求描述词汇之间的修饰关系作为所述述求特征词汇之间的目标述求修饰关系。
在一个实施例中，所述服务器还包括权重设定单元，所述权重设定单元用于按照指定规则设定以所述述求标签为根节点查询样本述求信息时对应的权重值；
相应的，所述样本确定单元中包括：述求信息查询模块、初始问题相似度确定模块、目标问题相似度确定模块和目标述求信息确定模块；其中，
所述述求信息查询模块，用于以所述述求特征词汇对应的目标述求标签为根节点，从具备所述目标述求标签的样本述求信息中查询满足指定条件的样本述求信息；其中，所述指定条件与所述述求特征词汇和所述目标述求修饰关系相关联；
所述初始问题相似度确定模块，用于计算查询得到的所述样本述求信息与所述客户述求信息之间的初始问题相似度；
所述目标问题相似度确定模块，用于根据所述初始问题相似度，以及所述述求特征词汇对应的目标述求标签为根节点查询样本述求信息时对应的权重值，确定查询得到的所述样本述求信息与所述客户述求信息之间的目标述求相似度；
所述目标述求信息确定模块，用于根据所述目标述求相似度，从查询得到的所述样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息。
在一个实施例中，所述第一识别单元中包括文字信息识别模块和第一确定模块；其中，所述文字信息识别模块，用于识别所述客户提问中的文字信息；
所述第一确定模块，用于将识别出的文字信息作为所述客户述求信息。
在一个实施例中，所述第一识别单元中包括文字信息识别模块、主干识别模块和第二确定模块；其中，
所述文字信息识别模块，用于识别所述客户提问中的文字信息；
所述主干识别模块，用于利用预先训练的句子主干识别模型，识别所述文字信息中的主干部分；
所述第二确定模块，用于将识别出的主干部分作为所述客户述求信息。
在一个实施例中，所述问题样本中还包括样本条件信息；所述服务器还包括样本获取模块和条件信息确定模块；其中，
所述样本获取模块，用于从所述问题样本库中获取包括所述目标样本述求信息的目标问题样本；
所述条件信息确定模块，用于若获取的所述目标问题样本中包括至少两种问题样本，将所述文字信息中除所述主干部分以外的剩余部分作为客户条件信息，并从所述目标问题样本的样本条件信息中确定与所述客户条件信息相匹配的目标样本条件信息；
相应的，所述发送单元还用于将包括所述目标样本述求信息和所述目标样本条件信息的目标问题样本对应的答案反馈给所述客户端。
本说明书实施例提供的服务器，其各个模块实现的具体功能，可以与本说明书中的前述实施例相对照解释，并能够达到前述实施例的技术效果，这里便不再赘述。
请参阅图5，本说明书还提供一种服务器，所述服务器包括存储器和处理器，所述存储器中存储有问题样本库、词汇库和计算机程序，所述问题样本库中包括问题样本和所述问题样本对应的答案，其中，所述问题样本中包括具备多种述求标签的样本述求信息，所述词汇库中包括所述样本述求信息关联的所述述求标签对应的述求描述词汇、所述述求描述词汇之间的述求修饰关系；所述计算机程序被所述处理器执行时，可以实现以下步骤：
S11：接收客户端发来的客户提问，识别所述客户提问中包括的客户述求信息；
S13：从所述客户述求信息中识别得到多个述求特征词汇，从所述述求标签中确定所述述求特征词汇对应的目标述求标签，以及从所述述求修饰关系中确定所述述求特征词汇之间的目标述求修饰关系；
S15：根据所述述求特征词汇和所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息，并将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。
在本说明书的一个实施例中，所述存储器可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方法的媒体加以存储。本实施例所述的存储器又可以包括：利用电能方式存储信息的装置，如RAM、ROM等；利用磁能方式存储信息的装置，如硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置，如CD或DVD。当然，还有其他方式的存储器，例如量子存储器、石墨烯存储器等等。
在本说明书的一个实施例中，所述处理器可以按任何适当的方式实现。例如，所述处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。
本说明书实施例提供的服务器，其存储器和处理器实现的具体功能，可以与本说明书中的前述实施例相对照解释，并能够达到前述实施例的技术效果，这里便不再赘述。
本说明书还提供一种客服信息处理***，所述***包括问题样本库、词汇库，以及处理器和存储计算机程序的存储器。
所述问题样本库中包括问题样本和所述问题样本对应的答案，其中，所述问题样本中包括具备多种述求标签的样本述求信息。
所述词汇库中包括所述样本述求信息关联的所述述求标签对应的述求描述词汇、所述述求描述词汇之间的述求修饰关系。
所述计算机程序被所述处理器执行时，实现下述步骤：
接收客户端发来的客户提问，识别所述客户提问中包括的客户述求信息；
从所述客户述求信息中识别得到述求特征词汇，从所述述求标签中确定所述述求特征词汇对应的目标述求标签，以及从所述述求修饰关系中确定所述述求特征词汇之间的目标述求修饰关系；
根据所述述求特征词汇和所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息；
将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。
本说明书实施例提供的客服信息处理***，其存储器和处理器实现的具体功能，可以与本说明书中的前述实施例相对照解释，并能够达到前述实施例的技术效果，这里便不再赘述。
由上可见，本说明书实施例提供的技术方案，客户可以通过客服端向服务器发出包括客户提问的提问请求，服务器接收到提问请求后，可以提取提问请求中的客户问题。在提取客户问题后，服务器可以识别所述客户问题中包括的客户述求信息，并从所述客户述求信息中识别得到多个述求特征词汇。这时，服务器可以从所述词汇库中查询与所述述求特征词汇相匹配的述求描述词汇，从而可以从所述词汇库中确定所述述求特征对应的目标述求标签，以及两个述求特征词汇之间的目标述求修饰关系。那么，服务器可以基于查询得到的所述述求描述词汇和确定的所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息，便可以将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。这样，便可以结合与所述述求特征词汇相匹配的述求描述词汇以及两个述求特征词汇之间准确的述求修饰关系，更加准确地得到与客户问题相匹配的问题样本，从而可以提供更加准确的答案。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。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、产品或者设备不仅包括那些要素，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、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本说明书的实施例可提供为方法、***或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书实施例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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。

Claims (26)

1.一种客服信息处理***，所述***包括问题样本库、词汇库，以及处理器和存储计算机程序的存储器，其中，
所述问题样本库中包括问题样本和所述问题样本对应的答案，其中，所述问题样本中包括具备多种述求标签的样本述求信息；
所述词汇库中包括所述样本述求信息关联的所述述求标签对应的述求描述词汇、所述述求描述词汇之间的述求修饰关系；
所述计算机程序被所述处理器执行时，实现下述步骤：
接收客户端发来的客户提问，识别所述客户提问中包括的客户述求信息；
从所述客户述求信息中识别得到述求特征词汇，从所述述求标签中确定所述述求特征词汇对应的目标述求标签，以及从所述述求修饰关系中确定所述述求特征词汇之间的目标述求修饰关系；
根据所述述求特征词汇和所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息；
将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。
2.一种服务器，所述服务器提供问题样本库和词汇库，所述问题样本库中包括问题样本和所述问题样本对应的答案，其中，所述问题样本中包括具备多种述求标签的样本述求信息，所述词汇库中包括所述样本述求信息关联的所述述求标签对应的述求描述词汇、所述述求描述词汇之间的述求修饰关系；所述服务器包括第一识别单元、第二识别单元、样本确定单元和发送单元；其中，
所述第一识别单元，用于接收客户端发来的客户提问，识别所述客户提问中包括的客户述求信息；
所述第二识别单元，用于从所述客户述求信息中识别得到述求特征词汇，并从所述述求标签中确定所述述求特征词汇对应的目标述求标签，以及从所述述求修饰关系中确定两个所述述求特征词汇之间的目标述求修饰关系；
所述样本确定单元，用于根据所述述求特征词汇和所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息；
所述发送单元，用于将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。
3.根据权利要求2所述的服务器，所述第二识别单元中包括拆分模块和特征词汇确定模块；其中，
所述拆分模块，用于将所述客户诉求信息拆分为多个词汇；
所述特征词汇确定模块，用于将拆分得到的所述词汇作为所述客户诉求信息中包含的述求特征词汇。
4.根据权利要求2所述的服务器，所述第二识别单元中还包括词汇查询模块和述求标签确定模块；其中，
所述词汇查询模块，用于在所述词汇库中查询与所述述求特征词汇相匹配的目标述求描述词汇；
所述述求标签确定模块，用于将查询得到的所述述求描述词汇对应的述求标签作为所述述求特征词汇对应的目标述求标签。
5.根据权利要求4所述的服务器，所述词汇查询模块还包括计算子模块和匹配子模块；其中，
所述计算子模块，用于计算所述述求特征词汇与所述词汇库中述求描述词汇之间的相似度；
所述匹配子模块，用于将计算得到的最高相似度对应的述求描述词汇作为所述述求特征词汇在所述词汇库中相匹配的述求描述词汇。
6.根据权利要求2所述的服务器，所述第二识别单元中包括词汇查询模块和修饰关系确定模块；其中，
所述词汇查询模块，用于在所述词汇库中查询与两个所述述求特征词汇分别相匹配的两个述求描述词汇；
所述修饰关系确定模块，用于将查询得到的两个所述述求描述词汇之间的修饰关系作为两个所述述求特征词汇之间的目标述求修饰关系。
7.根据权利要求2所述的服务器，所述服务器还包括权重设定单元，所述权重设定单元用于按照指定规则设定以所述述求标签为根节点查询样本述求信息时对应的权重值；
相应的，所述样本确定单元中包括：述求信息查询模块、初始问题相似度确定模块、目标问题相似度确定模块和目标述求信息确定模块；其中，
所述述求信息查询模块，用于以所述述求特征词汇对应的目标述求标签为根节点，从具备所述目标述求标签的样本述求信息中查询满足指定条件的样本述求信息；其中，所述指定条件与所述述求特征词汇和所述目标述求修饰关系相关联；
所述初始问题相似度确定模块，用于计算查询得到的所述样本述求信息与所述客户述求信息之间的初始问题相似度；
所述目标问题相似度确定模块，用于根据所述初始问题相似度，以及所述述求特征词汇对应的目标述求标签为根节点查询样本述求信息时对应的权重值，确定查询得到的所述样本述求信息与所述客户述求信息之间的目标述求相似度；
所述目标述求信息确定模块，用于根据所述目标述求相似度，从查询得到的所述样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息。
8.根据权利要求2所述的服务器，所述第一识别单元中包括文字信息识别模块和第一确定模块；其中，
所述文字信息识别模块，用于识别所述客户提问中的文字信息；
所述第一确定模块，用于将识别出的文字信息作为所述客户述求信息。
9.根据权利要求2所述的服务器，所述第一识别单元中包括文字信息识别模块、主干识别模块和第二确定模块；其中，
所述文字信息识别模块，用于识别所述客户提问中的文字信息；
所述主干识别模块，用于利用预先训练的句子主干识别模型，识别所述文字信息中的主干部分；
所述第二确定模块，用于将识别出的主干部分作为所述客户述求信息。
10.根据权利要求9所述的服务器，所述问题样本中还包括样本条件信息；所述服务器还包括样本获取模块和条件信息确定模块；其中，
所述样本获取模块，用于从所述问题样本库中获取包括所述目标样本述求信息的目标问题样本；
所述条件信息确定模块，用于若获取的所述目标问题样本中包括至少两种问题样本，将所述文字信息中除所述主干部分以外的剩余部分作为客户条件信息，并从所述目标问题样本的样本条件信息中确定与所述客户条件信息相匹配的目标样本条件信息；
相应的，所述发送单元还用于将包括所述目标样本述求信息和所述目标样本条件信息的目标问题样本对应的答案反馈给所述客户端。
11.一种客服信息处理方法，所述方法包括：
接收客户端发来的客户提问，识别所述客户提问中包括的客户述求信息；
从所述客户述求信息中识别得到述求特征词汇，确定所述述求特征词汇对应的目标述求标签，以及确定所述述求特征词汇之间的目标述求修饰关系；
根据所述述求特征词汇和所述目标述求修饰关系，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息；
将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端。
12.根据权利要求11所述的方法，从所述客户述求信息中识别得到述求特征词汇包括：
将所述客户诉求信息拆分为多个词汇；
将拆分得到的所述词汇作为所述客户诉求信息中包含的述求特征词汇。
13.根据权利要求11所述的方法，确定所述述求特征词汇对应的目标述求标签包括：
在词汇库中查询与所述述求特征词汇相匹配的述求描述词汇；
将查询得到的所述述求描述词汇对应的述求标签作为所述述求特征词汇对应的目标述求标签。
14.根据权利要求13所述的方法，在词汇库中查询与所述述求特征词汇相匹配的述求描述词汇包括：
计算所述述求特征词汇与所述词汇库中述求描述词汇之间的相似度；
将计算得到的最高相似度对应的述求描述词汇作为所述述求特征词汇在所述词汇库中相匹配的述求描述词汇。
15.根据权利要求14所述的方法，在所述词汇库中查询与所述述求特征词汇相匹配的述求描述词汇之后，所述方法还包括：
当查询得到的所述述求描述词汇与至少两种述求标签相对应时，
确定所述至少两种述求标签分别对应的标签分布数据；其中，所述标签分布数据用于表征在查询得到的所述述求描述词汇对应的述求标签为所述至少两种述求标签中的指定述求标签时，关联的样本述求信息的样本占比；
将符合第一约定条件的样本占比对应的述求标签作为所述述求特征词汇对应的目标述求标签；
或者，将查询得到的所述述求描述词汇对应的至少两种述求标签作为所述述求特征词汇对应的目标述求标签，其中，查询得到的所述述求描述词汇对应的述求标签为所述指定述求标签时对应的权重值为所述指定述求标签对应的样本占比。
16.根据权利要求11所述的方法，确定所述述求特征词汇之间的目标述求修饰关系包括：
在词汇库中查询与所述述求特征词汇相匹配的述求描述词汇；
将查询得到的所述述求描述词汇之间的修饰关系作为所述述求特征词汇之间的目标述求修饰关系。
17.根据权利要求16所述的方法，在所述词汇库中查询与所述述求特征词汇相匹配的述求描述词汇之后，所述方法还包括：
当查询得到的所述述求描述词汇之间的述求修饰关系包含两种述求修饰关系时，
确定所述两种述求修饰关系分别对应的修饰关系分布数据；其中，所述修饰关系分布数据用于表征在查询得到的所述述求描述词汇之间的述求修饰关系为所述两种述求修饰关系中的指定述求修饰关系时，关联的样本述求信息的样本占比；
将符合第二约定条件的样本占比对应的述求修饰关系作为所述述求特征词汇之间的目标述求修饰关系；
或者，将查询得到的所述述求描述词汇之间的两种述求修饰关系作为所述述求特征词汇之间的目标述求修饰关系，其中，查询得到的所述述求描述词汇之间的述求修饰关系为所述指定述求修饰关系时对应的权重值为所述指定述求修饰关系对应的样本占比。
18.根据权利要求11所述的方法，按照指定规则设定以所述述求标签为根节点查询样本述求信息时对应的权重值；相应的，从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息，包括：
以所述述求特征词汇对应的目标述求标签为根节点，从具备所述目标述求标签的样本述求信息中查询满足指定条件的样本述求信息；其中，所述指定条件与所述述求特征词汇、所述目标述求修饰关系相关联；
计算查询得到的所述样本述求信息与所述客户述求信息之间的初始问题相似度；
根据所述初始问题相似度，以及所述述求特征词汇对应的目标述求标签为根节点查询样本述求信息时对应的权重值，确定查询得到的所述样本述求信息与所述客户述求信息之间的目标述求相似度；
根据所述目标述求相似度，从查询得到的所述样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息。
19.根据权利要求18所述的方法，所述方法还包括：
根据所述目标述求修饰关系，判断所述述求特征词汇是否为核心述求特征词汇；
若是，对以所述述求特征词汇对应的目标述求标签为根节点查询样本述求信息时对应的权重值进行修正，以使得以所述述求特征词汇对应的目标述求标签为根节点查询样本述求信息时对应的权重值高于以非核心述求特征词汇对应的目标述求标签为根节点查询样本述求信息时对应的权重值。
20.根据权利要求19所述的方法，判断所述述求特征词汇是否为核心述求特征词汇包括：
根据所述目标述求修饰关系，判断当所述述求特征词汇是否修饰其他述求特征词汇，若否，判定所述述求特征词汇为核心述求特征词汇。
21.根据权利要求11所述的方法，在从具备所述目标述求标签的样本述求信息中确定与所述客户述求信息相匹配的目标样本述求信息之前，所述方法还包括：
判断所述述求特征词汇对应的目标述求标签中是否包含指定必备述求标签；
若不包含，利用所述指定必备述求标签关联的外部服务接口，确定所述指定必备述求标签对应的述求特征词汇；或者，
向所述客户端反馈与所述指定必备述求标签相关联的反问问题，以使得根据所述客户端针对所述反问问题反馈的反问信息，确定所述指定必备述求标签对应的述求特征词汇。
22.根据权利要求11所述的方法，识别所述客户提问中包括的客户述求信息包括：
识别所述客户提问中的文字信息；
将识别出的文字信息作为所述客户述求信息。
23.根据权利要求11所述的方法，识别所述客户提问中包括的客户述求信息还包括：
识别所述客户提问中的文字信息；
利用预先训练的句子主干识别模型，识别所述文字信息中的主干部分；
将识别出的主干部分作为所述客户述求信息。
24.根据权利要求23所述的方法，在将包括所述目标样本述求信息的问题样本对应的答案反馈给所述客户端之前，所述方法还包括：
从问题样本库中获取包括所述目标样本述求信息的目标问题样本；
若获取的所述目标问题样本中包括至少两种问题样本，将所述文字信息中除所述主干部分以外的剩余部分作为客户条件信息，并从所述目标问题样本的样本条件信息中确定与所述客户条件信息相匹配的目标样本条件信息；
相应的，将包括所述目标样本述求信息和所述目标样本条件信息的目标问题样本对应的答案反馈给所述客户端。
25.根据权利要求24所述的方法，从所述目标问题样本的样本条件信息中确定与所述客户条件信息相匹配的目标样本条件信息包括：
从所述客户条件信息中识别得到条件特征词汇，中确定所述条件特征词汇对应的目标条件标签，以及确定所述条件特征词汇之间的目标条件修饰关系；
根据所述条件特征词汇和所述目标条件修饰关系，从所述目标问题样本中具备所述目标条件标签的样本条件信息中确定与所述客户条件信息相匹配的目标样本条件信息。
26.一种服务器，其特征在于，所述服务器包括存储器和处理器，所述存储器中存储有问题样本库、词汇库和计算机程序，所述问题样本库中包括问题样本和所述问题样本对应的答案，其中，所述问题样本中包括具备多种述求标签的样本述求信息，所述词汇库中包括所述样本述求信息关联的所述述求标签对应的述求描述词汇、所述述求描述词汇之间的述求修饰关系；所述计算机程序被所述处理器执行时，实现如权利要求11至25中任一所述的方法。
CN201811569433.3A 2018-12-21 2018-12-21 一种客服信息处理方法、服务器和*** Active CN110046231B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811569433.3A CN110046231B (zh) 2018-12-21 2018-12-21 一种客服信息处理方法、服务器和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811569433.3A CN110046231B (zh) 2018-12-21 2018-12-21 一种客服信息处理方法、服务器和***

Publications (2)

Publication Number Publication Date
CN110046231A true CN110046231A (zh) 2019-07-23
CN110046231B CN110046231B (zh) 2023-08-04

Family

ID=67274026

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811569433.3A Active CN110046231B (zh) 2018-12-21 2018-12-21 一种客服信息处理方法、服务器和***

Country Status (1)

Country Link
CN (1) CN110046231B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111125336A (zh) * 2019-12-28 2020-05-08 上海智臻智能网络科技股份有限公司 信息提示方法、装置、设备及介质
WO2021139184A1 (zh) * 2020-01-07 2021-07-15 平安科技（深圳）有限公司 数据查询展示方法、装置、计算机***及可读存储介质
CN113761206A (zh) * 2021-09-10 2021-12-07 平安科技（深圳）有限公司 基于意图识别的信息智能查询方法、装置、设备及介质
CN114443847A (zh) * 2022-01-27 2022-05-06 北京字节跳动网络技术有限公司 文本分类、文本处理方法、装置、计算机设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170039271A1 (en) * 2015-08-03 2017-02-09 International Business Machines Corporation Scoring Automatically Generated Language Patterns for Questions using Synthetic Events
CN107767195A (zh) * 2016-08-16 2018-03-06 阿里巴巴集团控股有限公司 描述信息的展示***和展示、生成方法及电子设备
CN109033156A (zh) * 2018-06-13 2018-12-18 腾讯科技（深圳）有限公司 一种信息处理方法、装置及终端

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170039271A1 (en) * 2015-08-03 2017-02-09 International Business Machines Corporation Scoring Automatically Generated Language Patterns for Questions using Synthetic Events
CN107767195A (zh) * 2016-08-16 2018-03-06 阿里巴巴集团控股有限公司 描述信息的展示***和展示、生成方法及电子设备
CN109033156A (zh) * 2018-06-13 2018-12-18 腾讯科技（深圳）有限公司 一种信息处理方法、装置及终端

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JAN DIRK WEGNER 等: "Combining High-Resolution Optical and InSAR Features for Height Estimation of Buildings With Flat Roofs", 《 IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING ( VOLUME: 52, ISSUE: 9, SEPTEMBER 2014)》 *
刘臣 等: "基于二分网中心节点识别的产品评论特征-观点词对提取研究", 《计算机***应用》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111125336A (zh) * 2019-12-28 2020-05-08 上海智臻智能网络科技股份有限公司 信息提示方法、装置、设备及介质
WO2021139184A1 (zh) * 2020-01-07 2021-07-15 平安科技（深圳）有限公司 数据查询展示方法、装置、计算机***及可读存储介质
CN113761206A (zh) * 2021-09-10 2021-12-07 平安科技（深圳）有限公司 基于意图识别的信息智能查询方法、装置、设备及介质
WO2023035529A1 (zh) * 2021-09-10 2023-03-16 平安科技（深圳）有限公司 基于意图识别的信息智能查询方法、装置、设备及介质
CN114443847A (zh) * 2022-01-27 2022-05-06 北京字节跳动网络技术有限公司 文本分类、文本处理方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN110046231B (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
CN110309283A (zh) 一种智能问答的答案确定方法及装置
CN110046231A (zh) 一种客服信息处理方法、服务器和***
CN111984779B (zh) 一种对话文本分析方法、装置、设备和可读介质
CN112632961B (zh) 基于上下文推理的自然语言理解处理方法、装置以及设备
CN112799747A (zh) 智能助理评价、推荐方法、***、终端及可读存储介质
CN105096935A (zh) 一种语音输入方法、装置和***
CN111046667B (zh) 一种语句识别方法、语句识别装置及智能设备
CN114298121B (zh) 基于多模态的文本生成方法、模型训练方法和装置
CN115952272B (zh) 一种生成对话信息的方法、装置、设备及可读存储介质
CN111046653B (zh) 一种语句识别方法、语句识别装置及智能设备
CN111651572A (zh) 一种多领域任务型对话***、方法和终端
CN108346107A (zh) 一种社交内容风险识别方法、装置以及设备
CN110032730A (zh) 一种文本数据的处理方法、装置和设备
CN105677636A (zh) 智能问答***的信息处理方法及信息处理装置
CN115545010A (zh) 一种导航播报语句生成网络的训练方法、装置及设备
CN114661951A (zh) 一种视频处理方法、装置、计算机设备以及存储介质
CN110390015B (zh) 一种数据信息处理方法、装置及***
CN116662495A (zh) 问答处理方法、训练问答处理模型的方法及装置
CN113807102B (zh) 建立语义表示模型的方法、装置、设备和计算机存储介质
CN114201582A (zh) 一种基于BiLSTM-CRF模型的文本数据智能提取方法和装置
CN114511376A (zh) 基于多模型的信用数据处理方法及装置
Ham et al. Extensions to hybrid code networks for FAIR dialog dataset
CN111159421A (zh) 基于知识图谱的基金查询方法及装置
CN110163482A (zh) 确定活动方案的安全方案数据的方法、终端设备及服务器
CN111461352B (zh) 模型训练、业务节点识别方法、装置及电子设备

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
TA01 Transfer of patent application right

Effective date of registration: 20201013

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: Greater Cayman, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

Effective date of registration: 20201013

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant