CN110399465A - 用于处理信息的方法和装置 - Google Patents
用于处理信息的方法和装置 Download PDFInfo
- Publication number
- CN110399465A CN110399465A CN201910696240.2A CN201910696240A CN110399465A CN 110399465 A CN110399465 A CN 110399465A CN 201910696240 A CN201910696240 A CN 201910696240A CN 110399465 A CN110399465 A CN 110399465A
- Authority
- CN
- China
- Prior art keywords
- intention
- identified
- text data
- information
- user
- 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
- 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
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Machine Translation (AREA)
Abstract
本公开的实施例公开了用于处理信息的方法和装置。该方法的一具体实施方式包括:获取待识别意图的文本数据,其中,待识别意图的文本数据用于记录用户的咨询内容;基于该待识别意图的文本数据,从预设的意图标签集合中确定与该待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与该待识别意图的文本数据对应的至少一个优先级信息;根据至少一个意图标签和至少一个优先级信息,执行对应的应答操作。该实施方式在确定用户咨询意图的基础上实现了对用户咨询内容的紧急程度的划分,从而可以依托云计算技术提升对用户咨询的处理效率。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于处理信息的方法和装置。
背景技术
随着互联网与人工智能技术的发展,自然语言处理(Natural LanguageProcessing,NLP)技术被越来越多的应用。
在客户服务领域,相关的方式通常有两种:其一是将客户的需求直接转接至提供客户服务的处理端;其二是首先将客户的需求进行分类,然后转接至与需求所属分类相对应的提供客户服务的处理端。
发明内容
本公开的实施例提出了用于处理信息的方法和装置。
第一方面,本公开的实施例提供了一种用于处理信息的方法,该方法包括:获取待识别意图的文本数据,其中,待识别意图的文本数据用于记录用户的咨询内容;基于待识别意图的文本数据,从预设的意图标签集合中确定与待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据对应的至少一个优先级信息;根据至少一个意图标签和至少一个优先级信息,执行对应的应答操作。
在一些实施例中,上述从预设的意图标签集合中确定与待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据对应的至少一个优先级信息,包括:获取待识别意图的文本数据所指示的用户的用户信息;根据待识别意图的文本数据和用户信息,从预设的意图标签集合中确定与待识别意图的文本数据和用户信息对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据和用户信息对应的至少一个优先级信息。
在一些实施例中,上述根据待识别意图的文本数据和用户信息,从预设的意图标签集合中确定与待识别意图的文本数据和用户信息对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据和用户信息对应的至少一个优先级信息,包括:将待识别意图的文本数据和用户信息输入至预先训练的意图分类模型,生成与待识别意图的文本数据和用户信息对应的至少一个意图标签和至少一个优先级信息。
在一些实施例中,上述意图分类模型包括意图分类子模型和优先级确定模型,优先级确定模型用于表征意图标签与优先级信息之间的对应关系;以及上述意图分类子模型通过如下步骤训练得到:获取训练样本集合,其中,训练样本集合包括未标注的第一训练样本集合和已标注的第二训练样本集合,第一训练样本包括第一样本文本数据,第二训练样本包括第二样本文本数据、第二样本用户信息和与第二样本文本数据、第二样本用户信息对应的至少一个样本意图标签;获取初始意图分类子模型;利用第一训练样本集合对初始意图分类子模型进行预训练,得到预训练意图分类子模型;将第二训练样本集合中的第二样本文本数据、第二样本用户信息作为预训练意图分类子模型的输入,将与输入的第二样本文本数据、第二样本用户信息对应的至少一个样本意图标签作为预训练意图分类子模型的期望输出,训练得到意图分类子模型。
在一些实施例中,上述执行对应的应答操作,包括:响应于确定至少一个意图标签和至少一个优先级信息满足预设的智能应答条件,确定与至少一个意图标签对应的预设应答信息集合中是否存在与待识别意图的文本数据匹配的应答信息;响应于确定预设应答信息集合中存在至少一个与待识别意图的文本数据匹配的应答信息,从至少一个与待识别意图的文本数据匹配的应答信息中选取应答信息作为应答文本;将应答文本发送至待识别意图的文本数据指示的用户端。
在一些实施例中,上述执行对应的应答操作,包括:响应于确定至少一个意图标签和至少一个优先级信息不满足预设的智能应答条件,将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接,其中,目标执行终端包括与至少一个意图标签和至少一个优先级信息匹配的执行终端。
在一些实施例中,在将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接之前,上述执行对应的应答操作,还包括:将待识别意图的文本数据发送至目标执行终端。
在一些实施例中,在将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接之前,上述执行对应的应答操作,还包括:响应于确定至少一个优先级信息所指示的优先级大于预设阈值,获取待识别意图的文本数据指示的用户端的位置信息;将至少一个意图标签、所指示的优先级大于预设阈值的优先级信息和位置信息发送至匹配执行终端,其中,匹配执行终端包括与至少一个意图标签、所指示的优先级大于预设阈值的优先级信息和位置信息匹配的执行终端。
在一些实施例中,上述获取待识别意图的文本数据,包括:响应于接收到目标用户端发送的语音数据,发送表征提示输入咨询内容的提示信息;获取目标用户端发送的待识别意图的语音数据;对待识别意图的语音数据进行语音识别,生成待识别意图的文本数据。
第二方面,本公开的实施例提供了一种用于处理信息的装置,该装置包括:获取单元,被配置成获取待识别意图的文本数据,其中,待识别意图的文本数据用于记录用户的咨询内容;确定单元,被配置成基于待识别意图的文本数据,从预设的意图标签集合中确定与待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据对应的至少一个优先级信息;执行单元,被配置成根据至少一个意图标签和至少一个优先级信息,执行对应的应答操作。
在一些实施例中,上述确定单元包括:第一获取模块,被配置成获取待识别意图的文本数据所指示的用户的用户信息;确定模块,被配置成根据待识别意图的文本数据和用户信息,从预设的意图标签集合中确定与待识别意图的文本数据和用户信息对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据和用户信息对应的至少一个优先级信息。
在一些实施例中,上述确定模块进一步被配置成:将待识别意图的文本数据和用户信息输入至预先训练的意图分类模型,生成与待识别意图的文本数据和用户信息对应的至少一个意图标签和至少一个优先级信息。
在一些实施例中,上述意图分类模型包括意图分类子模型和优先级确定模型,优先级确定模型用于表征意图标签与优先级信息之间的对应关系;以及上述意图分类子模型通过如下步骤训练得到:获取训练样本集合,其中,训练样本集合包括未标注的第一训练样本集合和已标注的第二训练样本集合,第一训练样本包括第一样本文本数据,第二训练样本包括第二样本文本数据、第二样本用户信息和与第二样本文本数据、第二样本用户信息对应的至少一个样本意图标签;获取初始意图分类子模型;利用第一训练样本集合对初始意图分类子模型进行预训练,得到预训练意图分类子模型;将第二训练样本集合中的第二样本文本数据、第二样本用户信息作为预训练意图分类子模型的输入,将与输入的第二样本文本数据、第二样本用户信息对应的至少一个样本意图标签作为预训练意图分类子模型的期望输出,训练得到意图分类子模型。
在一些实施例中,上述执行单元包括:选取模块,被配置成响应于确定预设应答信息集合中存在至少一个与待识别意图的文本数据匹配的应答信息,从至少一个与待识别意图的文本数据匹配的应答信息中选取应答信息作为应答文本;第一发送模块,被配置成将应答文本发送至待识别意图的文本数据指示的用户端。
在一些实施例中,上述执行单元进一步被配置成:响应于确定至少一个意图标签和至少一个优先级信息不满足预设的智能应答条件,将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接,其中,目标执行终端包括与至少一个意图标签和至少一个优先级信息匹配的执行终端。
在一些实施例中,上述执行单元进一步被配置成:响应于确定至少一个意图标签和至少一个优先级信息不满足预设的智能应答条件,将待识别意图的文本数据发送至目标执行终端;以及将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接,其中,目标执行终端包括与至少一个意图标签和至少一个优先级信息匹配的执行终端。
在一些实施例中,上述执行单元进一步被配置成:响应于确定至少一个意图标签和至少一个优先级信息不满足预设的智能应答条件,执行发送步骤;其中,发送步骤包括:响应于确定至少一个优先级信息所指示的优先级大于预设阈值,获取待识别意图的文本数据指示的用户端的位置信息;将至少一个意图标签、所指示的优先级大于预设阈值的优先级信息和位置信息发送至匹配执行终端,其中,匹配执行终端包括与至少一个意图标签、所指示的优先级大于预设阈值的优先级信息和位置信息匹配的执行终端;将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接,其中,目标执行终端包括与至少一个意图标签和至少一个优先级信息匹配的执行终端。
在一些实施例中,上述获取单元包括:第二发送模块,被配置成响应于接收到目标用户端发送的语音数据,发送表征提示输入咨询内容的提示信息;第二获取模块,被配置成获取目标用户端发送的待识别意图的语音数据;生成模块,被配置成对待识别意图的语音数据进行语音识别,生成待识别意图的文本数据。
第三方面,本公开的实施例提供了一种服务器,该服务器包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的用于处理信息的方法和装置,首先获取待识别意图的文本数据。其中,待识别意图的文本数据用于记录用户的咨询内容。而后,基于待识别意图的文本数据,从预设的意图标签集合中确定与待识别意图的文本数据对应的至少一个意图标签;以及从预设的优先级信息集合中确定与待识别意图的文本数据对应的至少一个优先级信息。最后,根据至少一个意图标签和至少一个优先级信息,执行对应的应答操作。从而在确定用户咨询意图的基础上实现了对用户咨询内容的紧急程度的划分,进而执行相应的应答操作。进而可以提升对用户咨询的处理效率,降低劳动成本,避免由于对紧急事件的延迟处理而造成损失。
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,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性***架构图;
图2是根据本公开的用于处理信息的方法的一个实施例的流程图;
图3是根据本公开的实施例的用于处理信息的方法的一个应用场景的示意图;
图4是根据本公开的用于处理信息的方法的又一个实施例的流程图;
图5是根据本公开的用于处理信息的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于处理信息的方法或用于处理信息的装置的示例性架构100。
如图1所示,***架构100可以包括终端设备、网络104、106和服务器105。其中,终端设备可以包括用户终端设备101、102和执行终端设备103。网络104用以在用户终端设备101、102和服务器105之间提供通信链路的介质。网络106用以在执行终端设备103和服务器105之间提供通信链路的介质。网络104、106可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户终端设备101、102、执行终端设备103通过网络104、106与服务器105交互,以接收或发送消息等。用户终端设备101、102、执行终端设备103上可以安装有各种通讯客户端应用,例如网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、文本编辑类应用等。
用户终端设备101、102、执行终端设备103可以是硬件,也可以是软件。当用户终端设备101、102、执行终端设备103为硬件时,可以是具有显示屏并且支持即时通信的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当用户终端设备101、102、执行终端设备103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如为用户终端设备101、102发送的待识别意图的文本数据的处理提供支持的后台服务器。服务器105也可以是云端服务器。后台服务器可以对获取的待识别意图的文本数据进行意图识别和优先级分析确定等处理,并根据处理结果执行对应的应答操作或将处理结果发送至对应的执行终端设备103,以供执行终端设备103执行处理结果所指示的进一步操作。
需要说明的是,上述服务器也可以根据处理结果直接执行对应的应答操作而无需指示执行终端设备的进一步操作。此时,可以不存在执行终端设备103和网络106。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的用于处理信息的方法一般由服务器105执行,相应地,用于处理信息的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于处理信息的方法的一个实施例的流程200。该用于处理信息的方法包括以下步骤:
步骤201,获取待识别意图的文本数据。
在本实施例中,用于处理信息的方法的执行主体(如图1所示的服务器105)可以通过有线连接方式或者无线连接方式获取待识别意图的文本数据。其中,上述待识别意图的文本数据可以用于记录用户的咨询内容。作为示例,上述执行主体可以获取预先存储于本地的待识别意图的文本数据,也可以获取与之通信连接的电子设备发送的待识别意图的文本数据。其中,上述电子设备例如可以是图1所示的用户终端设备,也可以是作为上述执行主体前端的自动应答***。上述自动应答***可以接收用户终端设备发送的待识别意图的文本信息。
在本实施例中,上述咨询内容可以因实际的应用场景不同而不同。例如,上述咨询内容可以是“如何退货”、“咨询A商品”、“碎屏险如何理赔”、“交通事故报案”、“投诉定损员”等等。
在本实施例的一些可选的实现方式中,上述执行主体可以按照以下步骤获取待识别意图的文本数据:
第一步,响应于接收到目标用户端发送的语音数据,发送表征提示输入咨询内容的提示信息。
在这些实现方式中,上述执行主体可以接收目标用户端发送的语音数据。其中,上述目标用户端可以是根据实际的应用需求,预先指定的任意用户端,也可以是根据规则而定的用户端,例如IP(Internet Protocol,网际协议)地址在预设范围内的用户端。响应于接收到上述目标用户端发送的语音数据,上述执行主体可以发送表征提示输入咨询内容的提示信息。其中,上述提示信息可以包括用于引导使用上述用户端的用户描述咨询内容的信息。可选地,上述提示信息还可以包括简单的问候语。作为示例,上述提示信息可以是“客户您好,智能语音助手为您服务,请描述您的咨询问题”。
第二步,获取目标用户端发送的待识别意图的语音数据。
在这些实现方式中,上述执行主体可以通过有线连接方式或者无线连接方式获取上述目标用户端发送的待识别意图的语音数据。通常,上述待识别意图的语音数据可以由使用上述目标用户端的用户所使用的终端设备上安装的麦克风生成。
第三步,对待识别意图的语音数据进行语音识别,生成待识别意图的文本数据。
在这些实现方式中,上述执行主体可以对第二步所获取的待识别意图的语音数据进行语音识别,从而将语音数据转换为文本形式。作为示例,上述语音识别的方法可以采用预先训练的语音识别模型。上述语音识别模型可以由深层卷积网络(deep convolutionalneural networks,Deep CNNs)、长短时记忆网络(long short-term memory,LSTM)组成,采用CTC(Connectionist temporal classification,一种用于解决时序类数据的分类问题的算法)作为损失函数通过有监督训练得到。其中,上述Deep CNNs可以使上述语音识别模型具有很好的在时频域上的平移不变性。从而可以使得模型更加鲁棒(抗噪),进而提升CTC语音识别***的性能。上述LSTM可以通过循环连接结构来整合长时的信息,从而与CTC算法共同完成序列的分类任务。
基于上述可选的实现方式,上述执行主体可以对用户输入的语音进行识别。从而,上述执行主体可以对用户输入的语音形式的咨询内容进行识别,可以将本公开的实施例的适用范围扩展至实时语音交互领域,例如电话客服。
步骤202,基于待识别意图的文本数据,从预设的意图标签集合中确定与待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据对应的至少一个优先级信息。
在本实施例中,基于步骤201所获取的待识别意图的文本数据,上述执行主体可以采用各种方法从预设的意图标签集合中确定与待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据对应的至少一个优先级信息。其中,上述预设的意图标签集合可以根据待识别意图的文本数据的历史数据而确定。
作为示例,上述执行主体可以预先存储有记录文本关键词与意图标签之间对应关系的第一对应关系表和记录文本关键词与优先级信息之间对应关系的第二对应关系表。例如,上述第一对应关系表可以包括“退货-商品退货,理赔-催办理赔”;上述第二对应关系表可以包括“马上-紧急,尽快-一般紧急”。上述执行主体可以对所获取的待识别意图的文本数据进行分词,得到词集合。之后,上述执行主体还可以将属于预设停用词词典的词从上述词集合中删除。而后,上述执行主体可以将去掉停用词的词集合中的词与上述第一对应关系表和第二对应关系表进行匹配。最后,上述执行主体可以确定与上述去掉停用词的词集合中的词对应的意图标签与优先级信息。可以理解,上述执行主体可以对词集合中的多个词进行匹配,从而可以确定出至少一个意图标签和至少一个优先级信息。
在本实施例的一些可选的实现方式中,上述执行主体还可以按照以下步骤从预设的意图标签集合中确定与待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据对应的至少一个优先级信息:
第一步,获取待识别意图的文本数据所指示的用户的用户信息。
在这些实现方式中,上述执行主体可以通过各种方式获取待识别意图的文本数据所指示的用户的用户信息。其中,上述用户信息可以包括与用户身份和用户历史操作相关的信息。上述用户信息可以包括但不限于以下至少一项:用户名,职业,年龄,地理位置,年收入范围,历史咨询记录,商品购买记录,上一年的出险次数,上一年的赔款总额。可选地,上述执行主体还可以利用上述所获取的用户信息进一步生成用户画像。
作为示例,上述执行主体可以从发送上述待识别意图的文本数据的用户端获取用户名、地理位置信息。作为又一示例,上述执行主体可以从预设的用户信息集合中提取与上述待识别意图的文本数据所指示的用户相匹配的用户信息。
第二步,根据待识别意图的文本数据和用户信息,从预设的意图标签集合中确定与待识别意图的文本数据和用户信息对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据和用户信息对应的至少一个优先级信息。
在这些实现方式中,上述执行主体可以通过各种方式确定与待识别意图的文本数据和用户信息对应的至少一个意图标签和至少一个优先级信息。作为示例,上述执行主体可以预先存储有特征向量与意图标签之间对应关系的第三对应关系表和特征向量与优先级信息之间对应关系的第四对应关系表。其中,上述特征向量可以根据待识别意图的文本数据和用户信息提取得到。大量的待识别意图的文本数据和用户信息形成大量的特征向量。上述意图标签和优先级信息可以是根据历史数据中的待识别意图的文本数据和用户信息而预先设置的。上述执行主体可以利用与上述第三对应关系表、第四对应关系表中的特征向量提取方法一致的方法,对步骤201所获取的待识别意图的文本数据和上述第一步所获取的用户信息提取特征向量作为待识别特征向量。之后,上述执行主体可以利用上述待识别特征向量与上述第三对应关系表、第四对应关系表中的特征向量进行匹配。而后,上述执行主体可以确定相似度大于预设相似度阈值或距离小于预设距离阈值的特征向量对应的意图标签和优先级信息为与待识别意图的文本数据和用户信息对应的至少一个意图标签和至少一个优先级信息。
可选地,基于上述可选的实现方式,上述执行主体可以将待识别意图的文本数据和用户信息输入至预先训练的意图分类模型,生成与待识别意图的文本数据和用户信息对应的至少一个意图标签和至少一个优先级信息。其中,上述意图分类模型可以通过如下步骤训练得到:
S1、获取初始意图分类模型和样本集合。
在这些实现方式中,上述初始意图分类模型可以包括能够用于多标签分类(multi-label classification)的决策树或人工神经网络。样本集合中的样本可以包括样本文本数据、样本用户信息和与样本文本数据、样本用户信息对应的样本标注信息。其中,上述样本标注信息可以包括至少一个意图标签和至少一个优先级信息。
S2、利用机器学习的方法,将样本集合中的样本的样本文本数据、样本用户信息作为初始意图分类模型的输入,将与输入的样本文本数据、样本用户信息对应的样本标注信息作为期望输出,训练得到意图分类模型。
可选地,基于上述预先训练的意图分类模型,上述意图分类模型还可以包括意图分类子模型和优先级确定模型。其中,上述优先级确定模型可以用于表征意图标签与优先级信息之间的对应关系。上述意图分类子模型可以通过如下步骤训练得到:
S1、获取训练样本集合。
在这些实现方式中,用于训练意图分类子模型的执行主体可以获取预先存储于本地的训练样本集合,也可以从通信连接的电子设备(例如数据库服务器)获取上述训练样本集合。上述训练样本集合可以包括未标注的第一训练样本集合和已标注的第二训练样本集合。其中,上述第一训练样本集合中的第一训练样本可以包括第一样本文本数据。上述第二训练样本集合中的第二训练样本可以包括第二样本文本数据、第二样本用户信息和与第二样本文本数据、第二样本用户信息对应的预先标注的至少一个样本意图标签。
S2、获取初始意图分类子模型。
在这些实现方式中,上述训练步骤的执行主体可以获取预先存储于本地的初始意图分类子模型,也可以从通信连接的电子设备(例如数据库服务器)获取上述初始意图分类子模型。其中,上述初始意图分类子模型可以包括各种用于多标签分类的深度神经网络(Deep Neural Networks,DNN),例如CNN,LSTM等。作为示例,上述初始意图分类子模型还可以是基于BERT(Bidirectional Encoder Representations from Transformers)算法的语言模型与LSTM组合而成的神经网络。
S3、利用第一训练样本集合对初始意图分类子模型进行预训练,得到预训练意图分类子模型。
在这些实现方式中,上述训练步骤的执行主体可以利用步骤S1所获取的第一训练样本集合对初始意图分类子模型进行无监督的预训练。上述第一训练样本集合可以包括各种开源语料,例如百科数据等。
S4、将第二训练样本集合中的第二样本文本数据、第二样本用户信息作为预训练意图分类子模型的输入,将与输入的第二样本文本数据、第二样本用户信息对应的至少一个样本意图标签作为预训练意图分类子模型的期望输出,训练得到意图分类子模型。
具体地,上述训练步骤的执行主体可以将第二训练样本集合中的训练样本的第二样本文本数据、第二样本用户信息输入至步骤S3所得到的预训练意图分类子模型,得到该训练样本的至少一个意图标签。然后,可以利用预设的损失函数计算所得到的各意图标签对应的概率与该训练样本的各样本意图标签之间的差异程度。之后,基于计算所得的差异程度,调整上述预训练意图分类子模型的结构参数,并在满足预设的训练条件的情况下,结束训练。最后,将训练得到的预训练意图分类子模型确定为意图分类子模型。
基于上述可选的实现方式,上述意图分类子模型采用无监督的预训练与有监督的训练相结合,可以有效减少带标注样本的数量。从而,一方面可以降低人工标注数据的成本,另一方面尤其适用于缺乏带标注样本数据的应用领域(例如保险行业的电话客户服务)。
值得注意的是,上述训练步骤的执行主体可以与用于处理信息的方法的执行主体相同或者不同。如果相同,则上述训练步骤的执行主体可以在训练得到意图分类子模型后将训练好的意图分类子模型的结构信息和参数值存储在本地。如果不同,则上述训练步骤的执行主体可以在训练得到意图分类子模型后将训练好的意图分类子模型的结构信息和网络参数发送给用于处理信息的方法的执行主体。
基于上述可选的实现方式,用于处理信息的方法的执行主体可以结合用户的用户信息确定待识别意图的文本数据的至少一个意图标签。进而,上述执行主体可以根据优先级确定模型确定出与所生成的至少一个意图标签各自对应的优先级信息。从而提升了意图识别的准确性。
步骤203,根据至少一个意图标签和至少一个优先级信息,执行对应的应答操作。
在本实施例中,根据步骤202所确定的至少一个意图标签和至少一个优先级信息,上述执行主体可以通过各种方式执行对应的应答操作。其中,针对待识别意图的文本数据所指示的咨询内容,上述应答操作可以包括直接处理操作和请求转发操作。上述直接处理操作可以包括能够解决上述咨询内容所指示的问题的操作。上述请求转发操作可以包括将上述咨询内容所指示的问题转发至指定终端以供该终端处理的操作。
在本实施例的一些可选的实现方式中,上述执行主体可以按照如下步骤执行对应的应答操作:
第一步,响应于确定至少一个意图标签和至少一个优先级信息满足预设的智能应答条件,确定与至少一个意图标签对应的预设应答信息集合中是否存在与待识别意图的文本数据匹配的应答信息。
在这些实现方式中,上述预设的智能应答条件可以包括意图标签条件和/或优先级条件。作为示例,上述意图标签条件可以包括所确定的意图标签属于上述预设应答信息集合所涵盖的内容。上述优先级条件可以包括所确定的优先级信息所指示的优先级不超过预设的优先级阈值。例如,上述预设应答信息集合所涵盖的内容可以包括“退货政策”、“邮费计算”、“交通事故理赔流程”。上述预设的优先级阈值可以是“一般紧急”。那么,当所确定的意图标签和优先级信息分别为“退货政策”和“一般紧急”时,上述执行主体可以确定满足预设的智能应答条件。之后,上述执行主体可以确定预设应答信息集合中是否存在与待识别意图的文本数据匹配的应答信息。其中,上述预设应答信息集合可以与一个或多个意图标签相对应。例如,可以有“退货政策”应答信息集合,也可以有“理赔流程”应答信息集合。
第二步,响应于确定预设应答信息集合中存在至少一个与待识别意图的文本数据匹配的应答信息,从至少一个与待识别意图的文本数据匹配的应答信息中选取应答信息作为应答文本。
在这些实现方式中,响应于确定预设应答信息集合中存在至少一个与待识别意图的文本数据匹配的应答信息,上述执行主体可以从至少一个与待识别意图的文本数据匹配的应答信息中选取应答信息作为应答文本。作为示例,如果存在一个匹配的应答信息,则可以选取该应答信息。作为又一示例,如果存在多个匹配的应答信息,上述执行主体可以选取相似度最大的应答信息,也可以选取相似度超过预设相似度阈值的多个应答信息。
第三步,将应答文本发送至待识别意图的文本数据指示的用户端。
在这些实现方式中,上述执行主体可以将上述第二步所确定的应答文本发送至待识别意图的文本数据指示的用户端,从而使用该用户端的用户可以得知该应答文本。
在本实施例的一些可选的实现方式中,上述执行主体还可以将上述待识别意图的文本数据与对应的至少一个意图标签关联存储。可选地,上述执行主体还可以对以下至少一项进行存储:待识别意图的文本数据对应的咨询时间,待识别意图的文本数据指示的用户的用户信息。上述执行主体可以将上述数据存储于本地,也可以上传至云端服务器。从而,一方面可以将用户历史咨询内容的原始数据作为提取各用户的用户信息的数据基础;另一方面可以积累带标注信息,为相关的模型训练提供样本基础。
继续参见图3,图3是根据本公开的实施例的用于处理信息的方法的应用场景的一个示意图。在图3的应用场景中,车险用户301使用终端302向客服后台服务器303发送待识别意图的文本数据“A地点发生追尾,请尽快到达现场”304。其中,上述待识别意图的文本数据304可以由车险用户301使用终端302的文本输入页面直接输入,也可以由车险用户301使用终端302输入的语音经语音识别转换而成。而后,客服后台服务器303根据待识别意图的文本数据304,从预先存储的意图标签集合和优先级信息集合中分别确定意图标签“勘查现场”和优先级信息“紧急”305。之后,客服后台服务器303将待识别意图的文本数据304转发至负责处理“勘查现场”和“紧急”事务的客服人员3071所使用的终端3061。需要说明的是,图3中的客服人员3071、3073可以是负责其他事务客服人员。图3中的终端3062、3063可以分别是客服人员3071、3073所使用的终端设备。而后,终端3061与终端302建立通信连接。可选地,上述终端3061还可以向终端302发送提示信息“已为您连线快速通道”308来提示用户301可以直接与客服人员进行沟通。
目前,现有技术之一通常是仅根据客户的咨询内容的类别为客户分配相应的客服。因此,在咨询人数过多的情况下往往造成排队等待的现象。从而导致客户急切的咨询需求得不到尽快解决,进而造成更大的损失。而本公开的上述实施例提供的方法,通过对记录用户的咨询内容的待识别意图的文本数据进行分析,确定出意图标签和优先级,在确定用户咨询意图的基础上实现了对用户咨询内容的紧急程度的划分,进而执行相应的应答操作。从而,可以提升对用户咨询的处理效率,降低劳动成本,避免由于对紧急事件的延迟处理而造成损失。
进一步参考图4,其示出了用于处理信息的方法的又一个实施例的流程400。该用于处理信息的方法的流程400,包括以下步骤:
步骤401,获取待识别意图的文本数据。
步骤402,基于待识别意图的文本数据,从预设的意图标签集合中确定与待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据对应的至少一个优先级信息。
上述步骤401、步骤402分别与前述实施例中的步骤201、步骤202一致,上文针对步骤201及其可选的实现方式和步骤202的描述也适用于步骤401和步骤402,此处不再赘述。
步骤403,响应于确定至少一个意图标签和至少一个优先级信息不满足预设的智能应答条件,将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接。
在本实施例中,响应于确定至少一个意图标签和至少一个优先级信息不满足预设的智能应答条件,上述执行主体可以将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接。上述智能应答条件与前述实施例的步骤203的描述一致。例如,上述预设应答信息集合所涵盖的内容包括“退货政策”、“邮费计算”、“交通事故理赔流程”。上述预设的优先级阈值可以是“一般紧急”。那么,当所确定的意图标签和优先级信息分别为“紧急救援”和“紧急”时,上述执行主体可以根据所确定的优先级信息超过预设的优先级阈值,从而确定不满足预设的智能应答条件。而后,上述执行主体可以将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接。其中,上述目标执行终端可以包括与上述至少一个意图标签和至少一个优先级信息匹配的执行终端。例如,可以是分管与意图标签相匹配的业务的客服人员所使用的终端,也可以是处理紧急业务(例如交通事故现场查勘)的人员所使用的终端。
在本实施例的一些可选的实现方式中,在将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接之前,上述执行主体还可以将待识别意图的文本数据发送至上述目标执行终端。
在本实施例的一些可选的实现方式中,在将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接之前,上述执行主体还可以执行如下步骤:
第一步,响应于确定至少一个优先级信息所指示的优先级大于预设阈值,获取待识别意图的文本数据指示的用户端的位置信息。
在这些实现方式中,响应于确定至少一个优先级信息所指示的优先级大于预设阈值,上述执行主体可以直接从待识别意图的文本数据指示的用户端获取其位置信息,也可以利用各种定位技术获取待识别意图的文本数据指示的用户端的位置信息。
第二步,将至少一个意图标签、所指示的优先级大于预设阈值的优先级信息和位置信息发送至匹配执行终端。
在这些实现方式中,上述执行主体可以将至少一个意图标签、所指示的优先级大于预设阈值的优先级信息和位置信息发送至匹配执行终端。其中,上述匹配执行终端可以包括与至少一个意图标签、所指示的优先级大于预设阈值的优先级信息和位置信息匹配的执行终端。作为示例,上述执行终端可以是与位置信息距离较近、能够执行上述意图标签所指示的任务(例如勘查交通事故现场)的技术人员所使用的终端。从而,可以提升处理效率。
在本实施例的一些可选的实现方式中,上述执行主体还可以根据历史处理记录,将历史处理记录中对应的处理方案信息发送至上述目标执行终端。从而,可以为使用上述目标执行终端的人员提供参考。
在本实施例的一些可选的实现方式中,上述执行主体还可以对上述处理信息的过程进行图示化展示。作为示例,上述执行主体可以将一段时间内所获取的待识别意图的文本数据和所确定的意图标签及优先级信息进行统计,并将统计结果进行展示。作为又一示例,上述执行主体还可以根据上述一段时间内所获取的待识别意图的文本数据和所确定的意图标签及优先级信息提取进行咨询的用户的用户特征。从而,可以直观地展示用户所咨询的内容的整体情况和变化趋势。
在本实施例的一些可选的实现方式中,上述执行主体还可以进一步获取待识别意图的文本数据所指示的用户对上述应答操作的评价信息。可选地,还可以根据上述用户的评价信息重新执行应答操作,例如将上述用户端连接至另一个匹配的执行终端。从而,可以通过上述反馈机制来持续提升意图标签和优先级信息确定的准确性。
从图4中可以看出,本实施例中的用于处理信息的方法的流程400体现了将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接的步骤。由此,本实施例描述的方案可以将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接,从而实现了根据用户咨询内容的意图和紧急程度将用户的诉求转至适合的人员进行处理,使得对接受咨询的人员分配更加合理,提升了整体处理效率。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了用于处理信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例提供的用于处理信息的装置500包括获取单元501、确定单元502和执行单元503。其中,获取单元501被配置成获取待识别意图的文本数据,其中,待识别意图的文本数据用于记录用户的咨询内容;确定单元502被配置成基于待识别意图的文本数据,从预设的意图标签集合中确定与待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据对应的至少一个优先级信息;执行单元503被配置成根据至少一个意图标签和至少一个优先级信息,执行对应的应答操作。
在本实施例中,用于处理信息的装置500中:获取单元501、确定单元502和执行单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述确定单元502可以包括:第一获取模块(图中未示出)、确定模块(图中未示出)。其中,上述第一获取模块,可以被配置成获取待识别意图的文本数据所指示的用户的用户信息。上述确定模块,可以被配置成根据待识别意图的文本数据和用户信息,从预设的意图标签集合中确定与待识别意图的文本数据和用户信息对应的至少一个意图标签;以及从预设的优先级信息集合中确定与待识别意图的文本数据和用户信息对应的至少一个优先级信息。
在本实施例的一些可选的实现方式中,上述确定模块可以被进一步配置成将待识别意图的文本数据和用户信息输入至预先训练的意图分类模型,生成与待识别意图的文本数据和用户信息对应的至少一个意图标签和至少一个优先级信息。
在本实施例的一些可选的实现方式中,上述意图分类模型可以包括意图分类子模型和优先级确定模型。上述优先级确定模型可以用于表征意图标签与优先级信息之间的对应关系。上述意图分类子模型可以通过如下步骤训练得到:获取训练样本集合,其中,训练样本集合包括未标注的第一训练样本集合和已标注的第二训练样本集合,第一训练样本包括第一样本文本数据,第二训练样本包括第二样本文本数据、第二样本用户信息和与第二样本文本数据、第二样本用户信息对应的至少一个样本意图标签;获取初始意图分类子模型;利用第一训练样本集合对初始意图分类子模型进行预训练,得到预训练意图分类子模型;将第二训练样本集合中的第二样本文本数据、第二样本用户信息作为预训练意图分类子模型的输入,将与输入的第二样本文本数据、第二样本用户信息对应的至少一个样本意图标签作为预训练意图分类子模型的期望输出,训练得到意图分类子模型。
在本实施例的一些可选的实现方式中,上述执行单元503可以包括:选取模块(图中未示出)、第一发送模块(图中未示出)。其中,上述选取模块,可以被配置成响应于确定预设应答信息集合中存在至少一个与待识别意图的文本数据匹配的应答信息,从至少一个与待识别意图的文本数据匹配的应答信息中选取应答信息作为应答文本。上述第一发送模块,可以被配置成将应答文本发送至待识别意图的文本数据指示的用户端。
在本实施例的一些可选的实现方式中,上述执行单元503可以进一步被配置成:响应于确定至少一个意图标签和至少一个优先级信息不满足预设的智能应答条件,将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接。其中,上述目标执行终端可以包括与至少一个意图标签和至少一个优先级信息匹配的执行终端。
在本实施例的一些可选的实现方式中,上述执行单元503可以进一步被配置成:响应于确定至少一个意图标签和至少一个优先级信息不满足预设的智能应答条件,将待识别意图的文本数据发送至目标执行终端;以及将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接。其中,上述目标执行终端可以包括与至少一个意图标签和至少一个优先级信息匹配的执行终端。
在本实施例的一些可选的实现方式中,上述执行单元503可以进一步被配置成:响应于确定至少一个意图标签和至少一个优先级信息不满足预设的智能应答条件,执行发送步骤。其中,上述发送步骤可以包括:响应于确定至少一个优先级信息所指示的优先级大于预设阈值,获取待识别意图的文本数据指示的用户端的位置信息;将至少一个意图标签、所指示的优先级大于预设阈值的优先级信息和位置信息发送至匹配执行终端;将目标执行终端与待识别意图的文本数据指示的用户端进行通信连接。其中,上述匹配执行终端可以包括与至少一个意图标签、所指示的优先级大于预设阈值的优先级信息和位置信息匹配的执行终端。上述目标执行终端可以包括与至少一个意图标签和至少一个优先级信息匹配的执行终端。
在本实施例的一些可选的实现方式中,上述获取单元501可以包括:第二发送模块(图中未示出)、第二获取模块(图中未示出)、生成模块(图中未示出)。其中,上述第二发送模块,可以被配置成响应于接收到目标用户端发送的语音数据,发送表征提示输入咨询内容的提示信息。上述第二获取模块,可以被配置成获取目标用户端发送的待识别意图的语音数据。上述生成模块,可以被配置成对待识别意图的语音数据进行语音识别,生成待识别意图的文本数据。
本公开的上述实施例提供的装置,通过获取单元501获取待识别意图的文本数据。其中,待识别意图的文本数据用于记录用户的咨询内容。而后,基于待识别意图的文本数据,确定单元502从预设的意图标签集合中确定与待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据对应的至少一个优先级信息。最后,根据至少一个意图标签和至少一个优先级信息,执行单元503执行对应的应答操作。从而在确定用户咨询意图的基础上实现了对用户咨询内容的紧急程度的划分,进而执行相应的应答操作。进而可以提升对用户咨询的处理效率,降低劳动成本,避免由于对紧急事件的延迟处理而造成损失。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)等等的移动终端以及诸如台式计算机等等的固定终端。图6示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风等的输入装置606;包括例如液晶显示器(LCD,Liquid Crystal Display)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(Radio Frequency,射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务器执行时,使得该服务器:获取待识别意图的文本数据,其中,待识别意图的文本数据用于记录用户的咨询内容;基于待识别意图的文本数据,从预设的意图标签集合中确定与待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与待识别意图的文本数据对应的至少一个优先级信息;根据至少一个意图标签和至少一个优先级信息,执行对应的应答操作。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开的各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器,包括获取单元、确定单元、执行单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取待识别意图的文本数据的单元,其中,待识别意图的文本数据用于记录用户的咨询内容”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (20)
1.一种用于处理信息的方法,包括:
获取待识别意图的文本数据,其中,所述待识别意图的文本数据用于记录用户的咨询内容;
基于所述待识别意图的文本数据,从预设的意图标签集合中确定与所述待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与所述待识别意图的文本数据对应的至少一个优先级信息;
根据所述至少一个意图标签和至少一个优先级信息,执行对应的应答操作。
2.根据权利要求1所述的方法,其中,所述从预设的意图标签集合中确定与所述待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与所述待识别意图的文本数据对应的至少一个优先级信息,包括:
获取所述待识别意图的文本数据所指示的用户的用户信息;
根据所述待识别意图的文本数据和所述用户信息,从预设的意图标签集合中确定与所述待识别意图的文本数据和所述用户信息对应的至少一个意图标签,以及从预设的优先级信息集合中确定与所述待识别意图的文本数据和所述用户信息对应的至少一个优先级信息。
3.根据权利要求2所述的方法,其中,所述根据所述待识别意图的文本数据和所述用户信息,从预设的意图标签集合中确定与所述待识别意图的文本数据和所述用户信息对应的至少一个意图标签,以及从预设的优先级信息集合中确定与所述待识别意图的文本数据和所述用户信息对应的至少一个优先级信息,包括:
将所述待识别意图的文本数据和所述用户信息输入至预先训练的意图分类模型,生成与所述待识别意图的文本数据和所述用户信息对应的至少一个意图标签和至少一个优先级信息。
4.根据权利要求3所述的方法,其中,所述意图分类模型包括意图分类子模型和优先级确定模型,所述优先级确定模型用于表征意图标签与优先级信息之间的对应关系;以及
所述意图分类子模型通过如下步骤训练得到:
获取训练样本集合,其中,所述训练样本集合包括未标注的第一训练样本集合和已标注的第二训练样本集合,第一训练样本包括第一样本文本数据,第二训练样本包括第二样本文本数据、第二样本用户信息和与第二样本文本数据、第二样本用户信息对应的至少一个样本意图标签;
获取初始意图分类子模型;
利用所述第一训练样本集合对所述初始意图分类子模型进行预训练,得到预训练意图分类子模型;
将所述第二训练样本集合中的第二样本文本数据、第二样本用户信息作为所述预训练意图分类子模型的输入,将与输入的第二样本文本数据、第二样本用户信息对应的至少一个样本意图标签作为所述预训练意图分类子模型的期望输出,训练得到所述意图分类子模型。
5.根据权利要求1所述的方法,其中,所述执行对应的应答操作,包括:
响应于确定所述至少一个意图标签和所述至少一个优先级信息满足预设的智能应答条件,确定与所述至少一个意图标签对应的预设应答信息集合中是否存在与所述待识别意图的文本数据匹配的应答信息;
响应于确定所述预设应答信息集合中存在至少一个与所述待识别意图的文本数据匹配的应答信息,从所述至少一个与所述待识别意图的文本数据匹配的应答信息中选取应答信息作为应答文本;
将所述应答文本发送至所述待识别意图的文本数据指示的用户端。
6.根据权利要求1所述的方法,其中,所述执行对应的应答操作,包括:
响应于确定所述至少一个意图标签和所述至少一个优先级信息不满足预设的智能应答条件,将目标执行终端与所述待识别意图的文本数据指示的用户端进行通信连接,其中,所述目标执行终端包括与所述至少一个意图标签和所述至少一个优先级信息匹配的执行终端。
7.根据权利要求6所述的方法,其中,在所述将目标执行终端与所述待识别意图的文本数据指示的用户端进行通信连接之前,所述执行对应的应答操作,还包括:
将所述待识别意图的文本数据发送至所述目标执行终端。
8.根据权利要求6所述的方法,其中,在所述将目标执行终端与所述待识别意图的文本数据指示的用户端进行通信连接之前,所述执行对应的应答操作,还包括:
响应于确定所述至少一个优先级信息所指示的优先级大于预设阈值,获取所述待识别意图的文本数据指示的用户端的位置信息;
将所述至少一个意图标签、所指示的优先级大于预设阈值的优先级信息和所述位置信息发送至匹配执行终端,其中,所述匹配执行终端包括与所述至少一个意图标签、所指示的优先级大于预设阈值的优先级信息和所述位置信息匹配的执行终端。
9.根据权利要求1-8之一所述的方法,其中,所述获取待识别意图的文本数据,包括:
响应于接收到目标用户端发送的语音数据,发送表征提示输入咨询内容的提示信息;
获取所述目标用户端发送的待识别意图的语音数据;
对所述待识别意图的语音数据进行语音识别,生成所述待识别意图的文本数据。
10.一种用于处理信息的装置,包括:
获取单元,被配置成获取待识别意图的文本数据,其中,所述待识别意图的文本数据用于记录用户的咨询内容;
确定单元,被配置成基于所述待识别意图的文本数据,从预设的意图标签集合中确定与所述待识别意图的文本数据对应的至少一个意图标签,以及从预设的优先级信息集合中确定与所述待识别意图的文本数据对应的至少一个优先级信息;
执行单元,被配置成根据所述至少一个意图标签和至少一个优先级信息,执行对应的应答操作。
11.根据权利要求10所述的装置,其中,所述确定单元包括:
第一获取模块,被配置成获取所述待识别意图的文本数据所指示的用户的用户信息;
确定模块,被配置成根据所述待识别意图的文本数据和所述用户信息,从预设的意图标签集合中确定与所述待识别意图的文本数据和所述用户信息对应的至少一个意图标签,以及从预设的优先级信息集合中确定与所述待识别意图的文本数据和所述用户信息对应的至少一个优先级信息。
12.根据权利要求11所述的装置,其中,所述确定模块进一步被配置成:
将所述待识别意图的文本数据和所述用户信息输入至预先训练的意图分类模型,生成与所述待识别意图的文本数据和所述用户信息对应的至少一个意图标签和至少一个优先级信息。
13.根据权利要求12所述的装置,其中,所述意图分类模型包括意图分类子模型和优先级确定模型,所述优先级确定模型用于表征意图标签与优先级信息之间的对应关系;以及
所述意图分类子模型通过如下步骤训练得到:
获取训练样本集合,其中,所述训练样本集合包括未标注的第一训练样本集合和已标注的第二训练样本集合,第一训练样本包括第一样本文本数据,第二训练样本包括第二样本文本数据、第二样本用户信息和与第二样本文本数据、第二样本用户信息对应的至少一个样本意图标签;
获取初始意图分类子模型;
利用所述第一训练样本集合对所述初始意图分类子模型进行预训练,得到预训练意图分类子模型;
将所述第二训练样本集合中的第二样本文本数据、第二样本用户信息作为所述预训练意图分类子模型的输入,将与输入的第二样本文本数据、第二样本用户信息对应的至少一个样本意图标签作为所述预训练意图分类子模型的期望输出,训练得到所述意图分类子模型。
14.根据权利要求10所述的装置,其中,所述执行单元包括:
选取模块,被配置成响应于确定所述预设应答信息集合中存在至少一个与所述待识别意图的文本数据匹配的应答信息,从所述至少一个与所述待识别意图的文本数据匹配的应答信息中选取应答信息作为应答文本;
第一发送模块,被配置成将所述应答文本发送至所述待识别意图的文本数据指示的用户端。
15.根据权利要求10所述的装置,其中,所述执行单元进一步被配置成:
响应于确定所述至少一个意图标签和所述至少一个优先级信息不满足预设的智能应答条件,将目标执行终端与所述待识别意图的文本数据指示的用户端进行通信连接,其中,所述目标执行终端包括与所述至少一个意图标签和所述至少一个优先级信息匹配的执行终端。
16.根据权利要求15所述的装置,其中,所述执行单元进一步被配置成:
响应于确定所述至少一个意图标签和所述至少一个优先级信息不满足预设的智能应答条件,将所述待识别意图的文本数据发送至所述目标执行终端;以及将目标执行终端与所述待识别意图的文本数据指示的用户端进行通信连接,其中,所述目标执行终端包括与所述至少一个意图标签和所述至少一个优先级信息匹配的执行终端。
17.根据权利要求15所述的装置,其中,所述执行单元进一步被配置成:
响应于确定所述至少一个意图标签和所述至少一个优先级信息不满足预设的智能应答条件,执行发送步骤;
其中,所述发送步骤包括:
响应于确定所述至少一个优先级信息所指示的优先级大于预设阈值,获取所述待识别意图的文本数据指示的用户端的位置信息;
将所述至少一个意图标签、所指示的优先级大于预设阈值的优先级信息和所述位置信息发送至匹配执行终端,其中,所述匹配执行终端包括与所述至少一个意图标签、所指示的优先级大于预设阈值的优先级信息和所述位置信息匹配的执行终端;
将目标执行终端与所述待识别意图的文本数据指示的用户端进行通信连接,其中,所述目标执行终端包括与所述至少一个意图标签和所述至少一个优先级信息匹配的执行终端。
18.根据权利要求10-17之一所述的装置,其中,所述获取单元包括:
第二发送模块,被配置成响应于接收到目标用户端发送的语音数据,发送表征提示输入咨询内容的提示信息;
第二获取模块,被配置成获取所述目标用户端发送的待识别意图的语音数据;
生成模块,被配置成对所述待识别意图的语音数据进行语音识别,生成所述待识别意图的文本数据。
19.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
20.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910696240.2A CN110399465A (zh) | 2019-07-30 | 2019-07-30 | 用于处理信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910696240.2A CN110399465A (zh) | 2019-07-30 | 2019-07-30 | 用于处理信息的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110399465A true CN110399465A (zh) | 2019-11-01 |
Family
ID=68326651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910696240.2A Pending CN110399465A (zh) | 2019-07-30 | 2019-07-30 | 用于处理信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110399465A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191092A (zh) * | 2019-12-31 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 画像数据处理方法和画像模型训练方法 |
CN111710338A (zh) * | 2020-06-28 | 2020-09-25 | 上海优扬新媒信息技术有限公司 | 一种话术播放方法及装置 |
CN112035659A (zh) * | 2020-08-12 | 2020-12-04 | 北京字节跳动网络技术有限公司 | 数据处理方法及装置 |
CN112542167A (zh) * | 2020-12-02 | 2021-03-23 | 上海卓繁信息技术股份有限公司 | 一种非接触式新冠咨询方法和*** |
CN113723099A (zh) * | 2021-09-07 | 2021-11-30 | 中国工商银行股份有限公司 | 模型训练方法、用户意图识别方法、装置和计算机设备 |
CN115796150A (zh) * | 2022-11-29 | 2023-03-14 | 广发银行股份有限公司 | 针对金融机构名称的模糊匹配模型建立方法、装置及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040093218A1 (en) * | 2002-11-12 | 2004-05-13 | Bezar David B. | Speaker intent analysis system |
CN106649694A (zh) * | 2016-12-19 | 2017-05-10 | 北京云知声信息技术有限公司 | 语音交互中确定用户意图的方法及装置 |
CN107666544A (zh) * | 2017-06-15 | 2018-02-06 | 平安科技(深圳)有限公司 | 一种管理ivr进线的方法、装置及设备 |
CN109710941A (zh) * | 2018-12-29 | 2019-05-03 | 上海点融信息科技有限责任公司 | 基于人工智能的用户意图识别方法和装置 |
CN110060663A (zh) * | 2019-04-28 | 2019-07-26 | 北京云迹科技有限公司 | 一种应答服务的方法、装置及*** |
-
2019
- 2019-07-30 CN CN201910696240.2A patent/CN110399465A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040093218A1 (en) * | 2002-11-12 | 2004-05-13 | Bezar David B. | Speaker intent analysis system |
CN106649694A (zh) * | 2016-12-19 | 2017-05-10 | 北京云知声信息技术有限公司 | 语音交互中确定用户意图的方法及装置 |
CN107666544A (zh) * | 2017-06-15 | 2018-02-06 | 平安科技(深圳)有限公司 | 一种管理ivr进线的方法、装置及设备 |
CN109710941A (zh) * | 2018-12-29 | 2019-05-03 | 上海点融信息科技有限责任公司 | 基于人工智能的用户意图识别方法和装置 |
CN110060663A (zh) * | 2019-04-28 | 2019-07-26 | 北京云迹科技有限公司 | 一种应答服务的方法、装置及*** |
Non-Patent Citations (2)
Title |
---|
马克,埃梅尔曼等: "《车联网 汽车应用及其他应用》", 31 March 2018 * |
黄冬梅等: "《案例驱动的大数据原理技术及应用》", 30 November 2018 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191092A (zh) * | 2019-12-31 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 画像数据处理方法和画像模型训练方法 |
CN111191092B (zh) * | 2019-12-31 | 2023-07-14 | 腾讯科技(深圳)有限公司 | 标签确定方法和标签确定模型训练方法 |
CN111710338A (zh) * | 2020-06-28 | 2020-09-25 | 上海优扬新媒信息技术有限公司 | 一种话术播放方法及装置 |
CN112035659A (zh) * | 2020-08-12 | 2020-12-04 | 北京字节跳动网络技术有限公司 | 数据处理方法及装置 |
CN112542167A (zh) * | 2020-12-02 | 2021-03-23 | 上海卓繁信息技术股份有限公司 | 一种非接触式新冠咨询方法和*** |
CN113723099A (zh) * | 2021-09-07 | 2021-11-30 | 中国工商银行股份有限公司 | 模型训练方法、用户意图识别方法、装置和计算机设备 |
CN115796150A (zh) * | 2022-11-29 | 2023-03-14 | 广发银行股份有限公司 | 针对金融机构名称的模糊匹配模型建立方法、装置及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110399465A (zh) | 用于处理信息的方法和装置 | |
CN112685565B (zh) | 基于多模态信息融合的文本分类方法、及其相关设备 | |
CN111932144B (zh) | 一种客服坐席分配方法、装置、服务器及存储介质 | |
CN108305626A (zh) | 应用程序的语音控制方法和装置 | |
CN112732911A (zh) | 基于语义识别的话术推荐方法、装置、设备及存储介质 | |
US11798539B2 (en) | Systems and methods relating to bot authoring by mining intents from conversation data via intent seeding | |
CN109190114A (zh) | 用于生成回复信息的方法和装置 | |
CN108268450B (zh) | 用于生成信息的方法和装置 | |
CN110019742B (zh) | 用于处理信息的方法和装置 | |
CN108388674A (zh) | 用于推送信息的方法和装置 | |
CN109299477A (zh) | 用于生成文本标题的方法和装置 | |
CN109766418A (zh) | 用于输出信息的方法和装置 | |
CN110263142A (zh) | 用于输出信息的方法和装置 | |
CN111651571A (zh) | 基于人机协同的会话实现方法、装置、设备及存储介质 | |
CN112995414A (zh) | 基于语音通话的行为质检方法、装置、设备及存储介质 | |
CN109190123A (zh) | 用于输出信息的方法和装置 | |
CN117421398A (zh) | 人机交互方法、装置、设备以及存储介质 | |
CN117312535B (zh) | 基于人工智能的问题数据处理方法、装置、设备及介质 | |
CN105653360A (zh) | 一种用于跨应用取得功能的方法和*** | |
CN109947526A (zh) | 用于输出信息的方法和装置 | |
KR20220154935A (ko) | 인공 지능 모델을 이용하는 질의 답변 서버의 제어 방법 | |
KR20220154941A (ko) | 인공 지능 모델을 이용한 쇼핑몰 종합 관리 챗봇 | |
CN117392379B (zh) | 目标检测的方法和装置 | |
CN112101035B (zh) | 命名实体识别方法、装置、可读存储介质及电子设备 | |
US20230409616A1 (en) | Hybrid guided communication session with artificial intelligence |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191101 |