CN111026855A - 智能客服应答方法、***以及控制器和介质 - Google Patents
智能客服应答方法、***以及控制器和介质 Download PDFInfo
- Publication number
- CN111026855A CN111026855A CN201911242811.1A CN201911242811A CN111026855A CN 111026855 A CN111026855 A CN 111026855A CN 201911242811 A CN201911242811 A CN 201911242811A CN 111026855 A CN111026855 A CN 111026855A
- Authority
- CN
- China
- Prior art keywords
- customer service
- information
- visitor
- knowledge base
- robot
- 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
- 230000004044 response Effects 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005516 engineering process Methods 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 18
- 238000003058 natural language processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 241001178520 Stomatepia mongo Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06F16/3343—Query execution using phonetics
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种智能客服应答方法、***以及控制器和介质，所述方法包括：接入并配置机器人客服和对应的第一知识库；获取访客输入的问题信息；所述机器人客服基于所述第一知识库以及预先设置的第二知识库对所述访客输入的问题信息进行应答，其中，所述第一知识库用于存储专用的问题信息和对应的应答信息，所述第二知识库用于存储通用的问题信息和对应的应答信息。本发明的智能客服应答技术具有通用性，仅需用户登录***即可接入机器人客服，无需自行开发，成本低，且机器人客服能够充分配合人工客服，提升了访客咨询体验。
Description
技术领域
本发明涉及人机交互技术领域，尤其涉及一种智能客服应答方法、***以及控制器和介质。
背景技术
随着各行各业的快速发展，线上购买和售后服务不断增多，客服需求越来越多，业务越来越复杂，这对客服需求和能力要求更高。目前很多行业的客服须7x24小时在线服务，每天需回答大量的问题，企业若仅通过招聘、培训人工客服来实现，将耗费大量的成本。客服处理的更多的是重复性的问答工作，机器人客服能做到解决重复性知识问答，且比较人性化，可以做到7x24小时实时在线，能够很好地减少用户等待时长，快速解答客户问题，但是，还是会存在一部分机器人客服无法解决的问题，需要人工客服来处理。
因此，现有的技术中可采用机器人客服配合人工客服的智能客服***来为用户提供服务，但是，往往需要企业单独开发、维护符合自己应用需求智能客服***，成本高，且不具备通用性，此外，机器人客服不能很好的配合人工客服，用户体验差。
发明内容
本发明目的在于，提供一种智能客服应答方法、***以及控制器和介质，具有通用性，仅需用户登录***即可接入机器人客服，无需自行开发，成本低，且机器人客服能够充分配合人工客服，提升了访客咨询体验。
根据本发明第一实施例，提供了一种智能客服应答方法，包括：
接入并配置机器人客服和对应的第一知识库；
获取访客输入的问题信息；
所述机器人客服基于所述第一知识库以及预先设置的第二知识库对所述访客输入的问题信息进行应答，其中，所述第一知识库用于存储专用的问题信息和对应的应答信息，所述第二知识库用于存储通用的问题信息和对应的应答信息。
进一步的，所述接入并配置机器人客服和对应的第一知识库，包括：
接入所述机器人客服和对应的第一知识库；
对所述机器人客服进行配置，包括为机器人客服设置姓名、头像、提示语和等待超时时间中的一种或多种；
对所述机器人客服对应的第一知识库进行配置，所述第一知识库包括文字数据、图片数据、视频数据和链接数据中的一种或多种。
进一步的，所述获取访客输入的问题信息，包括：
获取访客输入的问题文本信息，通过机器人识别引擎处理，提取问题对应的词向量，或者，
获取访客输入的问题语音信息，将所述问题语音信息转换为对应的文本信息，采用自然语言处理技术提取问题对应的词向量。
进一步的，所述机器人客服基于所述第一知识库以及预先设置的第二知识库对所述访客输入的问题信息进行应答，包括：
将所述访客输入的问题信息与所述第一知识库中的问题信息做匹配，得到第一匹配率，若所述第一匹配率超过预设的第一阈值，则回复所述第一知识库中对应的应答信息；
若所述第一匹配率未超过预设的第一阈值，将所述访客输入的问题信息与所述第二知识库中的问题信息做匹配，得到第二匹配率，若所述第二匹配率超过预设的第二阈值，则回复所述第二知识库中对应的应答信息；
若所述第二匹配率未超过预设的第二阈值，所述机器人客服自动生成回复信息，并将所生成的回复信息录入待学习的第三知识库中；
若所述机器人客服无法自动生成回复信息，则回复无法回答信息。
进一步的，所述机器人客服自动生成回复信息，包括：
所述机器人客服基于seq2seq模型生成回复信息。
进一步的，还包括：若回复无法回答信息或接收到访客输入的转人工信息，则进行接入人工客服，包括：
判断当前人工客服是否在线；
若在线，则将访客端接入对应的客服队列，等待人工客服接入；
若不在线，则发送访客咨询消息提醒。
进一步的，还包括人工客服接入访客流程，包括：
在线客服人员选择访客接入，并通知其他在线客服人员；
获取该访客之前与机器人客服的对话信息，基于所述对话信息回答访客问题；
若访客离线或者未继续咨询，则人工客服继续接入其他等待的访客；
若无访客在线，则人工客服等待访客上线、查看数据或维护所述第一知识库。
根据本发明第二实施例，提供了一种智能客服应答***，包括：
机器人客服管理模块，配置为接入并配置机器人客服和对应的第一知识库；
访客问题获取模块，配置为获取访客输入的问题信息；
机器人客服，配置为基于所述第一知识库以及预先设置的第二知识库对所述访客输入的问题信息进行应答，其中，所述第一知识库用于存储专用的问题信息和对应的应答信息，所述第二知识库用于存储通用的问题信息和对应的应答信息。
进一步的，所述机器人客服管理模块，包括：
接入单元，配置为接入所述机器人客服和对应的第一知识库；
第一配置单元，用于配置所述机器人客服，包括为机器人客服设置姓名、头像、提示语和等待超时时间中的一种或多种；
第二配置单元，用于配置对所述机器人客服对应的第一知识库，所述第一知识库包括文字数据、图片数据、视频数据和链接数据中的一种或多种。
进一步的，所述获访客问题获取模块包括：
第一问题获取单元，配置为获取访客输入的问题文本信息，通过机器人识别引擎处理，提取问题对应的词向量；
第二问题获取单元，配置为获取访客输入的问题语音信息，将所述问题语音信息转换为对应的文本信息，采用自然语言处理技术提取问题对应的词向量。
进一步的，所述机器人客服包括：
第一应答单元，配置为将所述访客输入的问题信息与所述第一知识库中的问题信息做匹配，得到第一匹配率，若所述第一匹配率超过预设的第一阈值，则回复所述第一知识库中对应的应答信息；
第二应答单元，配置为若所述第一匹配率未超过预设的第一阈值，将所述访客输入的问题信息与所述第二知识库中的问题信息做匹配，得到第二匹配率，若所述第二匹配率超过预设的第二阈值，则回复所述第二知识库中对应的应答信息；
第三应答单元，配置为若所述第二匹配率未超过预设的第二阈值，所述机器人客服自动生成回复信息，并将所生成的回复信息录入待学习的第三知识库中；
第四应答单元，配置为若所述机器人客服无法自动生成回复信息，则回复无法回答信息。
进一步的，所述第三应答单元还配置为基于seq2seq模型生成回复信息。
进一步的，还包括人工客服接入模块，配置为若回复无法回答信息或接收到访客输入的转人工信息，则进行接入人工客服，具体配置为：
判断当前人工客服是否在线；
若在线，则将访客端接入对应的客服队列，等待人工客服接入；
若不在线，则发送访客咨询消息提醒。
进一步的，还包括人工客服接入访客模块，配置为：
在线客服人员选择访客接入，并通知其他在线客服人员；
获取该访客之前与机器人客服的对话信息，基于所述对话信息回答访客问题；
若访客离线或者未继续咨询，则人工客服继续接入其他等待的访客；
若无访客在线，则人工客服等待访客上线、查看数据或维护所述第一知识库。
根据本发明第三实施例，提供了一种控制器，其包括存储器与处理器，所述存储器存储有计算机程序，所述程序在被所述处理器执行时能够实现所述方法的步骤。
根据本发明第四实施例，提供了一种计算机可读存储介质，用于存储计算机程序，所述程序在由一计算机或处理器执行时实现所述方法的步骤。
本发明与现有技术相比具有明显的优点和有益效果。借由上述技术方案，本发明提供的一种智能客服应答方法、***以及控制器和介质可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有下列优点：
本发明无需用户额外开发客服***，只需注册和使用，一键接入机器人客服，用户可自主维护专用的第一知识库，配置自己的机器人，成本低；机器人客服可24h在线服务，也可充分配合人工客服协同服务访客，提升了访客的咨询体验；此外人工客服可以在不繁忙时维护***的知识库等，充分利用了人力资源。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。
附图说明
图1为本发明实施例提供的智能客服应答方法流程图；
图2为本发明实施例提供的机器人客服应答访客流程图；
图3为本发明实施例提供的接入人工客服流程图；
图4为本发明实施例提供的人工客服接入访客流程图；
图5为本发明实施例提供的智能客服应答***示意图；
图6为本发明另一实施例提供的智能客服应答***示意图；
图7为本发明实施例提供的智能客服应答***架构图。
【符号说明】
1：机器人客服管理模块 2：访客问题获取模块
3：机器人客服 4：人工客服接入模块
5：人工客服接入访客模块
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的一种智能客服应答方法、***以及控制器和介质的具体实施方式及其功效，详细说明如后。
本发明实施例提供了一种智能客服应答方法，如图1所示，包括：
步骤S1、接入并配置机器人客服和对应的第一知识库；
其中，用户可以统一注册登录***，或通过第三方软件登录***，用户通常为有智能客服需求的商家，第三方软件包括微信等。商家登录***后可以一键嵌入机器人客服聊天咨询框，接入并配置机器人客服和对应的第一知识库，从而使得商家可以单独管理自己的用户体系，全部接入机器人设置都是以管理员设置的为基准。
步骤S2、获取访客输入的问题信息；
步骤S3、所述机器人客服基于所述第一知识库以及预先设置的第二知识库对所述访客输入的问题信息进行应答，其中，所述第一知识库为专业对话语料库，用于存储专用的问题信息和对应的应答信息，第一知识库由用户根据自身业务需求来维护。所述第二知识库为通用对话语料库，用于存储通用的问题信息和对应的应答信息，适用于所有用户。
本发明实施例所述智能客服应答方法具有通用性，仅需直接接入机器人客服，无需自行开发，成本低。
作为一种示例，所述步骤S1包括：
步骤S11、接入所述机器人客服和对应的第一知识库；
步骤S12、对所述机器人客服进行个性化置，包括为机器人客服设置姓名、头像、提示语和等待超时时间等等中的一种或多种，此外商家还可以配置和嵌入自己的小程序和微信公众号的机器人咨询对话框。
步骤S13、对所述机器人客服对应的第一知识库进行配置，所述第一知识库包括文字数据、图片数据、视频数据和链接数据等等中的一种或多种，从而使得用户可以将机器人客服接入网页，小程序，公众号等客户端中，接入操作只需几行代码，操作简单，进一步的实现***极大的方便用户接入，降低人工成本。
作为一种示例，所述步骤S2包括：
步骤S21、获取访客输入的问题文本信息，通过机器人识别引擎处理，提取问题对应的词向量，或者，
步骤S22、获取访客输入的问题语音信息，将所述问题语音信息转换为对应的文本信息，采用自然语言处理技术提取问题对应的词向量。
例如可采用语音识别技术将语音信息转换为文本信息，也可将文本信息转换为语音信息输出。采用自然语言处理(NLP)，是的计算机能以智能和高效的方式对文本数据进行***化分析和理解，并提取信息，通过NLP可以解决自动摘要、机器翻译、命名实体识别、关系提取、情感分析以及主题分割等难题。
作为一种示例，所述步骤S3包括：
步骤S31、将所述访客输入的问题信息与所述第一知识库中的问题信息做匹配，得到第一匹配率，若所述第一匹配率超过预设的第一阈值，则回复所述第一知识库中对应的应答信息，并记录第一知识库被访问热度；
其中，用户可根据需求设置所述第一阈值，例如设为0.75，商家可以设置文字类型，图片类型，链接类型等单一或混合的答案方式，让解决客户问题的方式不再局限于单一的文本，使得答案具备富媒体的功能，从而便于客户快速找到问题解决方式。
步骤S32、若所述第一匹配率未超过预设的第一阈值，将所述访客输入的问题信息与所述第二知识库中的问题信息做匹配，得到第二匹配率，若所述第二匹配率超过预设的第二阈值，则回复所述第二知识库中对应的应答信息；
其中，第二知识库为通用的内部开放知识库，大多数基于闲聊，第二阈值也是预先设置的，例如设为0.8。
步骤S33、若所述第二匹配率未超过预设的第二阈值，所述机器人客服自动生成回复信息，并将所生成的回复信息录入待学习的第三知识库中；
其中，所述机器人客服可基于序列到序列(Sequence to sequence，简称seq2seq)模型生成回复信息，seq2seq是一种建模两个序列间关系的通用深度学习模型，可以应用到机器翻译，问答***等多种序列化的自然语言处理任务。一个标准的Sequence tosequence模型通常由两部分组成：Encoder和Decoder。Encoder部分负责依次读入输入序列的每个单位，将其编码成一个模型的中间表示(一般为一个向量)，在本实施例中，将其称为上下文向量c。Decoder部分负责在给定上下文向量c的情况下预测出输出序列，通过输出序列回复相应问答答案。
步骤S34、若所述机器人客服无法自动生成回复信息，则回复无法回答信息，此外，还可自动将未知问题录入到待学习的第三知识库中，进行增量人工修改录入答案。
其中，回复无法回答信息的模板由商家根据具体业务场景自行配置。
本发明实施例还可以设置人工客服，人工客服只需针对性回答客户的问题，从而减少人客服数量，每个用户可以看到自己***的访客访问统计数据和详细记录，方便做出人工调整。
基于步骤S31-步骤S34的一具体应用实例的流程图如图2所示。
所述方法还包括步骤S4、若回复无法回答信息或接收到访客输入的转人工信息，则进行接入人工客服，其中，可采用WebSocket(WebSocket是一种在单个TCP连接上进行全双工通信的协议)监听访客对话信息，从而获知是否需要接入人工客服。
步骤S4具体包括：
步骤S41、判断当前人工客服是否在线，若在线，进行步骤S42，否则，进行步骤S43；
步骤S42、将访客端接入对应的客服队列，等待人工客服接入；
作为示例，如果商家业务问题涉及多个领域，可以根据不同的业务问题设置一个技能客服组，这个组下的客服只解决该业务下的相关问题。
如果当前商家人工客服在线，判断是否商家有设置技能客服组，有则供访客选择在线技能组客服咨询，若没有则直接进入客服接入队列，等待客服接入。
步骤S43、向商家发送访客咨询消息提醒，提醒商家尽快登入人工客服工作台。
基于步骤S41-步骤S42的一具体应用实例的流程图如图3所示。
本发明实施例所述方法还包括步骤S5，具体包括：
步骤S51、客服登录人工客服工作台，若此时有访客接入，在线客服人员选择访客接入，并通知其他在线客服人员该访客已被接入，防止重复接入；
步骤S52、获取该访客之前与机器人客服的对话信息，基于所述对话信息回答访客问题，以便更好回答访客问题；
步骤S53、若访客离线或者未继续咨询，则人工客服继续接入其他等待的访客；
步骤S54、若无访客在线，则人工客服等待访客上线、查看数据或维护所述第一知识库。
基于步骤S51-步骤S54的一具体应用实例的流程图如图4所示。
机器人客服可24h在线服务，也可充分配合人工客服协同服务访客，提升了访客的咨询体验；此外人工客服可以在不繁忙时维护***的知识库等，充分利用了人力资源，商家还还可以查看机器人客服和人工客服的工作效率，工作内容和访客来源相关统计等数据，便于管理。
本发明实施例还提供了一种智能客服应答***，如图5所示，包括机器人客服管理模块1、访客问题获取模块2和机器人客服3，其中，机器人客服管理模块1配置为接入并配置机器人客服和对应的第一知识库，其中，用户可以统一注册登录***，或通过第三方软件登录***，用户通常为有智能客服需求的商家，第三方软件包括微信等。商家登录***后可以通过机器人客服管理模块1一键嵌入机器人客服聊天咨询框，接入并配置机器人客服和对应的第一知识库，从而使得商家可以单独管理自己的用户体系，全部接入机器人设置都是以管理员设置的为基准。访客问题获取模块2配置为获取访客输入的问题信息。机器人客服3配置为基于所述第一知识库以及预先设置的第二知识库对所述访客输入的问题信息进行应答，其中，所述第一知识库为专业对话语料库，用于存储专用的问题信息和对应的应答信息，第一知识库由用户根据自身业务需求来维护。所述第二知识库为通用对话语料库，用于存储通用的问题信息和对应的应答信息，适用于所有用户。本发明实施例所述智能客服应答***具有通用性，仅需直接接入机器人客服，无需自行开发，成本低。
作为一种示例，所述机器人客服管理模块1，包括接入单元、第一配置单元和第二配置单元，其中，接入单元配置为接入所述机器人客服和对应的第一知识库；第一配置单元用于配置所述机器人客服，包括为机器人客服设置姓名、头像、提示语和等待超时时间等等中的一种或多种，此外商家还可以配置和嵌入自己的小程序和微信公众号的机器人咨询对话框。第二配置单元用于配置对所述机器人客服对应的第一知识库，所述第一知识库包括文字数据、图片数据、视频数据和链接数据等等中的一种或多种，此外商家还可以配置和嵌入自己的小程序和微信公众号的机器人咨询对话框，从而使得用户可以将机器人客服接入网页，小程序，公众号等客户端中，接入操作只需几行代码，操作简单，进一步的实现***极大的方便用户接入，降低人工成本。
作为一种示例，所述获访客问题获取模块2包括第一问题获取单元和第二问题获取单元，第一问题获取单元配置为获取访客输入的问题文本信息，通过机器人识别引擎处理，提取问题对应的词向量；第二问题获取单元配置为获取访客输入的问题语音信息，将所述问题语音信息转换为对应的文本信息，采用自然语言处理技术提取问题对应的词向量。例如可采用语音识别技术将语音信息转换为文本信息，也可将文本信息转换为语音信息输出。采用自然语言处理(NLP)，是的计算机能以智能和高效的方式对文本数据进行***化分析和理解，并提取信息，通过NLP可以解决自动摘要、机器翻译、命名实体识别、关系提取、情感分析以及主题分割等难题。
作为一种示例，所述机器人客服3包括第一应答单元、第二应答单元、第三应答单元和第四应答单元，第一应答单元配置为将所述访客输入的问题信息与所述第一知识库中的问题信息做匹配，得到第一匹配率，若所述第一匹配率超过预设的第一阈值，则回复所述第一知识库中对应的应答信息，并记录第一知识库被访问热度；其中，用户可根据需求设置所述第一阈值，例如设为0.75，商家可以设置文字类型，图片类型，链接类型等单一或混合的答案方式，让解决客户问题的方式不再局限于单一的文本，使得答案具备富媒体的功能，从而便于客户快速找到问题解决方式。第二应答单元配置为若所述第一匹配率未超过预设的第一阈值，将所述访客输入的问题信息与所述第二知识库中的问题信息做匹配，得到第二匹配率，若所述第二匹配率超过预设的第二阈值，则回复所述第二知识库中对应的应答信息，其中，第二知识库为通用的内部开放知识库，大多数基于闲聊，第二阈值也是预先设置的，例如设为0.8。第三应答单元配置为若所述第二匹配率未超过预设的第二阈值，所述机器人客服自动生成回复信息，并将所生成的回复信息录入待学习的第三知识库中，其中，所述第三应答单元还可配置为基于序列到序列(Sequence to sequence，简称seq2seq)模型生成回复信息，seq2seq是一种建模两个序列间关系的通用深度学习模型，可以应用到机器翻译，问答***等多种序列化的自然语言处理任务。一个标准的Sequence to sequence模型通常由两部分组成：Encoder和Decoder。Encoder部分负责依次读入输入序列的每个单位，将其编码成一个模型的中间表示(一般为一个向量)，在本实施例中，将其称为上下文向量c。Decoder部分负责在给定上下文向量c的情况下预测出输出序列，通过输出序列回复相应问答答案。第四应答单元配置为若所述机器人客服无法自动生成回复信息，则回复无法回答信息，其中，回复无法回答信息的模板由商家根据具体业务场景自行配置。
本发明实施例还可以设置人工客服，人工客服只需针对性回答客户的问题，从而减少人客服数量，每个用户可以看到自己***的访客访问统计数据和详细记录，方便做出人工调整。作为一种示例，如图6所示，所述***还包括人工客服接入模块4，配置为若回复无法回答信息或接收到访客输入的转人工信息，则进行接入人工客服，其中，可采用WebSocket(WebSocket是一种在单个TCP连接上进行全双工通信的协议)监听访客对话信息，从而获知是否需要接入人工客服。人工客服接入模块4具体配置为：判断当前人工客服是否在线；若在线，则将访客端接入对应的客服队列，等待人工客服接入，作为示例，如果商家业务问题涉及多个领域，可以根据不同的业务问题设置一个技能客服组，这个组下的客服只解决该业务下的相关问题。如果当前商家人工客服在线，判断是否商家有设置技能客服组，有则供访客选择在线技能组客服咨询，若没有则直接进入客服接入队列，等待客服接入。若不在线，则发送访客咨询消息提醒，提醒商家尽快登入人工客服工作台。
作为一种示例，所述***还包括人工客服接入访客模块5，配置为：在线客服人员选择访客接入，并通知其他在线客服人员该访客已被接入，防止重复接入；获取该访客之前与机器人客服的对话信息，基于所述对话信息回答访客问题，以便更好回答访客问题；若访客离线或者未继续咨询，则人工客服继续接入其他等待的访客；若无访客在线，则人工客服等待访客上线、查看数据或维护所述第一知识库。
图7所示示例从多个层面具体描述了智能客服应答***具体实施例的组成架构，依次包括基础设施、数据层、服务层和显示层。
基础设施包括网络模块、服务器和存储模块，其中，网络模块用于提供对外访问的域名和IP,应用部署的服务器和运营商的网络宽带；服务器负载均衡采用的nginx代理；存储模块包括物理文件存储和各大数据库存储。
数据层包括***配置数据库、redis数据库、mongo数据库和文件数据库，其中，***配置数据库采用mysql，用来存储各类信息，包括用户信息，机器人信息，聊天记录信息等等，主要存储业务的基本信息；redis数据库用于进行中间缓存和存储用户登录的会话信息，将常用的不变更的数据进行缓存，从而加快***的运行速度；mongo数据库用于存储知识库，主要以json数据格式存储，也存储了部分用户部分头像信息等；文件数据库用于提供文件的上传和下载访问，视频文件的访问，采用cdn加速。服务层包括访客管理模块、人工客服管理模块、机器人客服接入模块、机器人客服配置模块、知识库管理模块、知识库学***台管理模块用于管理人工客服平台信息。
显示层包括机器人客服嵌入页面、商家后台页面、人工客服工作台和内部后台管理模块，其中，机器人客服嵌入界面用于实现机器人客服与访客对话，商家可根据自身需求在机器人客服嵌入界面配置机器人头像、名字等；商家后台页面用于实现服务层对应的功能；人工客服工作台页面用于实现人工客服与访客对话；内部后台管理模块用于开发者控制商家，机器人客服，和相关的通用的服务功能，包括知识库学习，知识库管理，监控报表，聊天记录，满意度评价分析和管理，敏感词设置，商家购买价格设置等等。所有商家都使用统一的基础设施层，基础设施层可由开发者统一迭代开发新功能和运营维护。本发明实施例的智能客服应答***具有通用性，使得商家无需额外开发客服***，只需注册和使用，一键接入机器人客服，还可自主维护专用的第一知识库，配置自己的机器人，成本低。
根据本发明第三实施例，提供了一种控制器，其包括存储器与处理器，所述存储器存储有计算机程序，所述程序在被所述处理器执行时能够实现所述智能客服应答方法的步骤。
根据本发明第四实施例，提供了一种计算机可读存储介质，用于存储计算机程序，所述程序在由一计算机或处理器执行时实现所述智能客服应答方法的步骤。
本发明实施例无需用户额外开发客服***，只需注册和使用，一键接入机器人客服，用户可自主维护专用的第一知识库，配置自己的机器人，成本低；机器人客服可24h在线服务，也可充分配合人工客服协同服务访客，提升了访客的咨询体验；此外人工客服可以在不繁忙时维护***的知识库等，充分利用了人力资源。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (16)
1.一种智能客服应答方法，其特征在于，包括：
接入并配置机器人客服和对应的第一知识库；
获取访客输入的问题信息；
所述机器人客服基于所述第一知识库以及预先设置的第二知识库对所述访客输入的问题信息进行应答，其中，所述第一知识库用于存储专用的问题信息和对应的应答信息，所述第二知识库用于存储通用的问题信息和对应的应答信息。
2.根据权利要求1所述的智能客服应答方法，其特征在于，
所述接入并配置机器人客服和对应的第一知识库，包括：
接入所述机器人客服和对应的第一知识库；
对所述机器人客服进行配置，包括为机器人客服设置姓名、头像、提示语和等待超时时间中的一种或多种；
对所述机器人客服对应的第一知识库进行配置，所述第一知识库包括文字数据、图片数据、视频数据和链接数据中的一种或多种。
3.根据权利要求1所述的智能客服应答方法，其特征在于，
所述获取访客输入的问题信息，包括：
获取访客输入的问题文本信息，通过机器人识别引擎处理，提取问题对应的词向量，或者，
获取访客输入的问题语音信息，将所述问题语音信息转换为对应的文本信息，采用自然语言处理技术提取问题对应的词向量。
4.根据权利要求1-3中任意一项所述的智能客服应答方法，其特征在于，
所述机器人客服基于所述第一知识库以及预先设置的第二知识库对所述访客输入的问题信息进行应答，包括：
将所述访客输入的问题信息与所述第一知识库中的问题信息做匹配，得到第一匹配率，若所述第一匹配率超过预设的第一阈值，则回复所述第一知识库中对应的应答信息；
若所述第一匹配率未超过预设的第一阈值，将所述访客输入的问题信息与所述第二知识库中的问题信息做匹配，得到第二匹配率，若所述第二匹配率超过预设的第二阈值，则回复所述第二知识库中对应的应答信息；
若所述第二匹配率未超过预设的第二阈值，所述机器人客服自动生成回复信息，并将所生成的回复信息录入待学习的第三知识库中；
若所述机器人客服无法自动生成回复信息，则回复无法回答信息。
5.根据权利要求4所述的智能客服应答方法，其特征在于，
所述机器人客服自动生成回复信息，包括：
所述机器人客服基于seq2seq模型生成回复信息。
6.根据权利要求4所述的智能客服应答方法，其特征在于，
还包括：若回复无法回答信息或接收到访客输入的转人工信息，则进行接入人工客服，包括：
判断当前人工客服是否在线；
若在线，则将访客端接入对应的客服队列，等待人工客服接入；
若不在线，则发送访客咨询消息提醒。
7.根据权利要求6所述的智能客服应答方法，其特征在于，
还包括人工客服接入访客流程，包括：
在线客服人员选择访客接入，并通知其他在线客服人员；
获取该访客之前与机器人客服的对话信息，基于所述对话信息回答访客问题；
若访客离线或者未继续咨询，则人工客服继续接入其他等待的访客；
若无访客在线，则人工客服等待访客上线、查看数据或维护所述第一知识库。
8.一种智能客服应答***，其特征在于，包括：
机器人客服管理模块，配置为接入并配置机器人客服和对应的第一知识库；
访客问题获取模块，配置为获取访客输入的问题信息；
机器人客服，配置为基于所述第一知识库以及预先设置的第二知识库对所述访客输入的问题信息进行应答，其中，所述第一知识库用于存储专用的问题信息和对应的应答信息，所述第二知识库用于存储通用的问题信息和对应的应答信息。
9.根据权利要求8所述的智能客服应答***，其特征在于，
所述机器人客服管理模块，包括：
接入单元，配置为接入所述机器人客服和对应的第一知识库；
第一配置单元，用于配置所述机器人客服，包括为机器人客服设置姓名、头像、提示语和等待超时时间中的一种或多种；
第二配置单元，用于配置对所述机器人客服对应的第一知识库，所述第一知识库包括文字数据、图片数据、视频数据和链接数据中的一种或多种。
10.根据权利要求8所述的智能客服应答***，其特征在于，
所述获访客问题获取模块包括：
第一问题获取单元，配置为获取访客输入的问题文本信息，通过机器人识别引擎处理，提取问题对应的词向量；
第二问题获取单元，配置为获取访客输入的问题语音信息，将所述问题语音信息转换为对应的文本信息，采用自然语言处理技术提取问题对应的词向量。
11.根据权利要求8-10中任意一项所述的智能客服应答***，其特征在于，
所述机器人客服包括：
第一应答单元，配置为将所述访客输入的问题信息与所述第一知识库中的问题信息做匹配，得到第一匹配率，若所述第一匹配率超过预设的第一阈值，则回复所述第一知识库中对应的应答信息；
第二应答单元，配置为若所述第一匹配率未超过预设的第一阈值，将所述访客输入的问题信息与所述第二知识库中的问题信息做匹配，得到第二匹配率，若所述第二匹配率超过预设的第二阈值，则回复所述第二知识库中对应的应答信息；
第三应答单元，配置为若所述第二匹配率未超过预设的第二阈值，所述机器人客服自动生成回复信息，并将所生成的回复信息录入待学习的第三知识库中；
第四应答单元，配置为若所述机器人客服无法自动生成回复信息，则回复无法回答信息。
12.根据权利要求11所述的智能客服应答***，其特征在于，
所述第三应答单元还配置为基于seq2seq模型生成回复信息。
13.根据权利要求11所述的智能客服应答***，其特征在于，
还包括人工客服接入模块，配置为若回复无法回答信息或接收到访客输入的转人工信息，则进行接入人工客服，具体配置为：
判断当前人工客服是否在线；
若在线，则将访客端接入对应的客服队列，等待人工客服接入；
若不在线，则发送访客咨询消息提醒。
14.根据权利要求13所述的智能客服应答***，其特征在于，
还包括人工客服接入访客模块，配置为：
在线客服人员选择访客接入，并通知其他在线客服人员；
获取该访客之前与机器人客服的对话信息，基于所述对话信息回答访客问题；
若访客离线或者未继续咨询，则人工客服继续接入其他等待的访客；
若无访客在线，则人工客服等待访客上线、查看数据或维护所述第一知识库。
15.一种控制器，其包括存储器与处理器，其特征在于：所述存储器存储有计算机程序，所述程序在被所述处理器执行时能够实现权利要求1至7中任意一项权利要求所述的方法的步骤。
16.一种计算机可读存储介质，用于存储计算机程序，其特征在于：所述程序在由一计算机或处理器执行时实现如权利要求1至7中任意一项权利要求所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911242811.1A CN111026855A (zh) | 2019-12-06 | 2019-12-06 | 智能客服应答方法、***以及控制器和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911242811.1A CN111026855A (zh) | 2019-12-06 | 2019-12-06 | 智能客服应答方法、***以及控制器和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111026855A true CN111026855A (zh) | 2020-04-17 |
Family
ID=70207396
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911242811.1A Pending CN111026855A (zh) | 2019-12-06 | 2019-12-06 | 智能客服应答方法、***以及控制器和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111026855A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111627433A (zh) * | 2020-06-16 | 2020-09-04 | 北京云迹科技有限公司 | 机器人语音订单处理的方法和装置 |
| CN111831360A (zh) * | 2020-07-15 | 2020-10-27 | 神思电子技术股份有限公司 | 一种基于上下文状态的问答***分布式部署方法 |
| CN111857668A (zh) * | 2020-07-24 | 2020-10-30 | 高浩然 | 效果广告机制的智能网页客服*** |
| CN111951023A (zh) * | 2020-07-07 | 2020-11-17 | 西安丝路智慧科技有限公司 | 一种基于机器人问答的智慧咨询和投诉处理*** |
| CN112035640A (zh) * | 2020-08-31 | 2020-12-04 | 重庆长安汽车股份有限公司 | 一种基于智能问答机器人的精细化问答方法、存储介质和智能设备 |
| CN112561609A (zh) * | 2020-12-04 | 2021-03-26 | 航天信息股份有限公司 | 开票软件智能客服机器人服务方法及*** |
| CN112860873A (zh) * | 2021-03-23 | 2021-05-28 | 北京小米移动软件有限公司 | 智能应答方法、装置及存储介质 |
| CN113079263A (zh) * | 2021-03-16 | 2021-07-06 | 京东数字科技控股股份有限公司 | 智能客服转接的方法、装置、***及介质 |
| CN113327129A (zh) * | 2021-06-01 | 2021-08-31 | 支付宝(杭州)信息技术有限公司 | 客服任务处理方法及装置 |
| CN113360626A (zh) * | 2021-07-02 | 2021-09-07 | 北京容联七陌科技有限公司 | 一种智能客服机器人的多场景混合问答推荐方法 |
| CN113379229A (zh) * | 2021-06-08 | 2021-09-10 | 北京沃东天骏信息技术有限公司 | 一种资源调度方法和装置 |
| CN113743956A (zh) * | 2021-08-18 | 2021-12-03 | 郑州时空隧道信息技术有限公司 | 一种在线客服即时聊天的***及方法 |
| CN114117021A (zh) * | 2022-01-24 | 2022-03-01 | 北京数智新天信息技术咨询有限公司 | 一种确定回复内容的方法、装置及电子设备 |
| CN115460555A (zh) * | 2022-09-01 | 2022-12-09 | 中国银行股份有限公司 | 一种5g消息应答处理方法及装置 |
| CN115473864A (zh) * | 2022-11-02 | 2022-12-13 | 平安银行股份有限公司 | 机器人聊天方法、计算机设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106484916A (zh) * | 2016-11-04 | 2017-03-08 | 上海智臻智能网络科技股份有限公司 | 一种招生问答方法及装置 |
| WO2017041372A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术（北京）有限公司 | 基于人工智能的人机交互方法和*** |
| CN108197167A (zh) * | 2017-12-18 | 2018-06-22 | 深圳前海微众银行股份有限公司 | 人机对话处理方法、设备及可读存储介质 |
| CN108509463A (zh) * | 2017-02-28 | 2018-09-07 | 华为技术有限公司 | 一种问题的应答方法及装置 |
| WO2018200295A1 (en) * | 2017-04-28 | 2018-11-01 | Microsoft Technology Licensing, Llc | Chat conversation based on knowledge base specific to object |
| CN109189898A (zh) * | 2018-07-27 | 2019-01-11 | 北京新广视通科技有限公司 | 一种智能应答方法和*** |
-
2019
- 2019-12-06 CN CN201911242811.1A patent/CN111026855A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017041372A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术（北京）有限公司 | 基于人工智能的人机交互方法和*** |
| CN106484916A (zh) * | 2016-11-04 | 2017-03-08 | 上海智臻智能网络科技股份有限公司 | 一种招生问答方法及装置 |
| CN108509463A (zh) * | 2017-02-28 | 2018-09-07 | 华为技术有限公司 | 一种问题的应答方法及装置 |
| WO2018200295A1 (en) * | 2017-04-28 | 2018-11-01 | Microsoft Technology Licensing, Llc | Chat conversation based on knowledge base specific to object |
| CN108197167A (zh) * | 2017-12-18 | 2018-06-22 | 深圳前海微众银行股份有限公司 | 人机对话处理方法、设备及可读存储介质 |
| CN109189898A (zh) * | 2018-07-27 | 2019-01-11 | 北京新广视通科技有限公司 | 一种智能应答方法和*** |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111627433A (zh) * | 2020-06-16 | 2020-09-04 | 北京云迹科技有限公司 | 机器人语音订单处理的方法和装置 |
| CN111627433B (zh) * | 2020-06-16 | 2023-11-28 | 北京云迹科技股份有限公司 | 机器人语音订单处理的方法和装置 |
| CN111951023A (zh) * | 2020-07-07 | 2020-11-17 | 西安丝路智慧科技有限公司 | 一种基于机器人问答的智慧咨询和投诉处理*** |
| CN111831360A (zh) * | 2020-07-15 | 2020-10-27 | 神思电子技术股份有限公司 | 一种基于上下文状态的问答***分布式部署方法 |
| CN111831360B (zh) * | 2020-07-15 | 2023-06-20 | 神思电子技术股份有限公司 | 一种基于上下文状态的问答***分布式部署方法 |
| CN111857668A (zh) * | 2020-07-24 | 2020-10-30 | 高浩然 | 效果广告机制的智能网页客服*** |
| CN112035640A (zh) * | 2020-08-31 | 2020-12-04 | 重庆长安汽车股份有限公司 | 一种基于智能问答机器人的精细化问答方法、存储介质和智能设备 |
| CN112561609A (zh) * | 2020-12-04 | 2021-03-26 | 航天信息股份有限公司 | 开票软件智能客服机器人服务方法及*** |
| CN113079263B (zh) * | 2021-03-16 | 2023-05-02 | 京东科技控股股份有限公司 | 智能客服转接的方法、装置、***及介质 |
| CN113079263A (zh) * | 2021-03-16 | 2021-07-06 | 京东数字科技控股股份有限公司 | 智能客服转接的方法、装置、***及介质 |
| CN112860873A (zh) * | 2021-03-23 | 2021-05-28 | 北京小米移动软件有限公司 | 智能应答方法、装置及存储介质 |
| CN112860873B (zh) * | 2021-03-23 | 2024-03-05 | 北京小米移动软件有限公司 | 智能应答方法、装置及存储介质 |
| CN113327129A (zh) * | 2021-06-01 | 2021-08-31 | 支付宝(杭州)信息技术有限公司 | 客服任务处理方法及装置 |
| CN113379229A (zh) * | 2021-06-08 | 2021-09-10 | 北京沃东天骏信息技术有限公司 | 一种资源调度方法和装置 |
| CN113360626A (zh) * | 2021-07-02 | 2021-09-07 | 北京容联七陌科技有限公司 | 一种智能客服机器人的多场景混合问答推荐方法 |
| CN113743956A (zh) * | 2021-08-18 | 2021-12-03 | 郑州时空隧道信息技术有限公司 | 一种在线客服即时聊天的***及方法 |
| CN114117021B (zh) * | 2022-01-24 | 2022-04-01 | 北京数智新天信息技术咨询有限公司 | 一种确定回复内容的方法、装置及电子设备 |
| CN114117021A (zh) * | 2022-01-24 | 2022-03-01 | 北京数智新天信息技术咨询有限公司 | 一种确定回复内容的方法、装置及电子设备 |
| CN115460555A (zh) * | 2022-09-01 | 2022-12-09 | 中国银行股份有限公司 | 一种5g消息应答处理方法及装置 |
| CN115460555B (zh) * | 2022-09-01 | 2024-05-24 | 中国银行股份有限公司 | 一种5g消息应答处理方法及装置 |
| CN115473864A (zh) * | 2022-11-02 | 2022-12-13 | 平安银行股份有限公司 | 机器人聊天方法、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111026855A (zh) | 智能客服应答方法、***以及控制器和介质 | |
| US10951554B1 (en) | Systems and methods facilitating bot communications | |
| US9621728B2 (en) | System and method for prioritizing agent intervention into automated customer engagements | |
| CN110321273A (zh) | 一种业务统计方法及装置 | |
| CN110570215A (zh) | 智能客服*** | |
| CN110489749B (zh) | 一种智能办公自动化***的业务流程优化方法 | |
| CN116644145B (zh) | 会话数据处理方法、装置、设备和存储介质 | |
| CN111402071B (zh) | 保险业智能客服机器人***以及设备 | |
| US20170180219A1 (en) | System and method of analyzing user skill and optimizing problem determination steps with helpdesk representatives | |
| CN112330269A (zh) | 一种基于局域网的云模式无纸化办公和管理*** | |
| CN109493186A (zh) | 确定推送信息的方法和装置 | |
| US20220366427A1 (en) | Systems and methods relating to artificial intelligence long-tail growth through gig customer service leverage | |
| US10620799B2 (en) | Processing system for multivariate segmentation of electronic message content | |
| CN112860873A (zh) | 智能应答方法、装置及存储介质 | |
| CN116860938A (zh) | 一种基于大语言模型的语音问答构建方法、装置及介质 | |
| US7711595B2 (en) | Method and system for generating a value proposition for a company in an industry | |
| CN115203617A (zh) | 一种基于rpa的网页访问单按钮辅助输入*** | |
| CN107844366A (zh) | 电网应用服务调用方法、装置、存储介质和计算机设备 | |
| JP7418766B1 (ja) | プログラム、コンピュータおよび情報処理方法 | |
| CN109189364B (zh) | 一种多信道语音采集***及方法 | |
| JP7474538B1 (ja) | チャットプログラム、チャットシステム及びチャット方法 | |
| US20230245658A1 (en) | Asynchronous pipeline for artificial intelligence service requests | |
| US20240169361A1 (en) | Systems and methods for capturing sentiments and delivering elevated proactive user experience | |
| US20230127725A1 (en) | Systems and methods for using employee public data to identify and confidence score recruitment opportunities | |
| CN116684529A (zh) | 外呼处理方法、装置、计算机设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |