CN111061831A - 机器客服向人工客服切换方法、装置及电子设备 - Google Patents
机器客服向人工客服切换方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111061831A CN111061831A CN201911039210.0A CN201911039210A CN111061831A CN 111061831 A CN111061831 A CN 111061831A CN 201911039210 A CN201911039210 A CN 201911039210A CN 111061831 A CN111061831 A CN 111061831A
- Authority
- CN
- China
- Prior art keywords
- customer service
- analysis result
- session
- machine
- session record
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000004458 analytical method Methods 0.000 claims abstract description 114
- 230000008451 emotion Effects 0.000 claims description 68
- 230000004044 response Effects 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000007935 neutral effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000036651 mood Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000001052 transient effect Effects 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
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Child & Adolescent Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种机器客服向人工客服切换方法、装置及电子设备,该方法包括:获取与机器客服的目标会话记录;对所述目标会话记录进行分析,得到会话分析结果;确定所述会话分析结果是否满足客服切换条件;如果所述会话分析结果满足所述客服切换条件,则将机器客服切换为人工客服。本方法通过对目标会话记录的分析来确定是否将机器客服转换为人工客服,且通过对目标会话记录不同角度的分析可以使机器客服与人工客服的转换更加准确。
Description
技术领域
本申请涉及数据处理技术领域,更具体地,涉及一种机器客服向人工客服切换方法、装置及电子设备。
背景技术
随着移动互联网用户规模的不断增长,越来越多的企业上线智能客服***,而基于人工智能的虚拟机器人在企业用户客服领域的应用也越来越广泛。与人工客服相比,机器客服具有记忆力强、知识点容易扩充、响应迅速、24小时无间断服务等优势,但是对具有特殊性、突发性的用户问题不能很好的处理;与机器客服相比,人工客服具有个性化、精准服务等优势,但是响应舒服较慢、精力有限。显然,对一些非常规的用户问题,机器客服往往难以给出令用户满意的答案,故如何准确有效的将机器客服转换为人工客服是亟待解决的问题。
发明内容
有鉴于此,本申请实施例提出了一种机器客服向人工客服切换方法、装置及电子设备,以改善上述缺陷。
第一方面,本申请实施例提供了一种机器客服向人工客服切换方法,该方法包括:获取与机器客服的目标会话记录;对所述目标会话记录进行分析,得到会话分析结果;确定所述会话分析结果是否满足客服切换条件;如果所述会话分析结果满足所述客服切换条件,则将机器客服切换为人工客服。
第二方面,本申请实施例提供了一种机器客服向人工客服切换装置,所述装置包括:记录获取模块、结果获取模块、结果确定模块和客服切换模块。记录获取模块用于获取与机器客服的目标会话记录。结果获取模块用于对所述目标会话记录进行分析,得到会话分析结果。结果确定模块用于确定所述会话分析结果是否满足客服切换条件。客服切换模块用于如果所述会话分析结果满足所述客服切换条件,则将机器客服切换为人工客服。
第三方面,本发明实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储器,用于存储一个或多个程序;一个或多个应用程序;其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行本申请任意实施例提供的机器客服向人工客服切换的方法。
第四方面,本申请实施例提供了一种计算机***,计算机可读存储介质中存储有程序代码,所述程序代码可被处理器调用执行本申请任意实施例提供的机器客服向人工客服切换的方法。
相对于现有技术,本申请实施例提出了一种机器客服向人工客服切换方法、装置及电子设备,机器客服向人工客服切换方法可以先获取与机器客服的会话记录,将该会话记录作为目标会话记录,然后可以对该目标会话记录进行分析,得到会话分析结果,最后确定该会话分析结果是否满足客服切换条件,如果所述会话分析结果满足客服切换条件,则将机器客服切换为人工客服。本申请通过对目标会话记录的分析来确定是否将机器客服转换为人工客服,只要其满足客服切换条件则可以实现客服的自动切换,其不仅可以减少客服切换的成本,而且在一定程度上可以提高客服切换的效率。
为使本申请的上述目的、特征和优点能够更明显易懂,下文特举较佳实施例,并配合所附附图,做详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例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申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请一个实施例提出的一种机器客服向人工客服切换方法流程图;
图2示出了本申请另一个实施例提出的一种机器客服向人工客服切换方法流程图;
图3示出了本申请另一个实施例提出的一种机器客服向人工客服切换方法中步骤S230的流程图;
图4示出了本申请另一个实施例提出的一种机器客服向人工客服切换方法中步骤S230的流程图;
图5示出了本申请另一个实施例提出的一种机器客服向人工客服切换方法中步骤S230的流程图;
图6示出了本申请另一个实施例提出的一种机器客服向人工客服切换方法中利用情感分析模型获取情绪分类的示意图;
图7示出了本申请又一个实施例提出的一种机器客服向人工客服切换方法流程图;
图8示出了本申请又一个实施例提出的一种机器客服向人工客服切换方法中步骤S330的流程图;
图9示出了本申请又一个实施例提出的一种机器客服向人工客服切换方法中步骤S330的流程图;
图10示出了本申请实施例提出的一种机器客服向人工客服切换装置的结构框图;
图11示出了本申请实施例提出的用于执行根据本申请实施例的机器客服向人工客服切换方法的电子设备的结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号或字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
为了更好的服务于用户,现有的智能客服通常是结合机器客服和人工客服这两种客服的,主要原因是机器客服无法准确智能的回答用户的所有问题。但是如何判断用户到达需要转接人工客服的依据是多样化的,且切换条件的判断多数是不完整的,即现有的机器客服转人工客服技术存在着误转换的情形,其无法满足用户对客服切换的实际要求。
因此,为了克服上述缺陷,如图1,本申请实施例提供了一种机器客服向人工客服切换方法,该方法包括步骤S110至步骤S140。
步骤S110:获取与机器客服的目标会话记录。
本申请的实施例可以应用在任何具有计算和存储能力的设备上,例如可以是手机、平板电脑PC(Personal Computer,个人电脑)、笔记本、服务器、虚拟机等物理设备或逻辑设备;也可以由两个或两个以上分担不同职责的物理或逻辑设备、相互协同来实现本申请实施例中的各项功能。
在一个实施例中,电子设备可以获取用户与机器客服的目标会话记录,该目标会话记录指的是用户通过电子设备用户端与机器客服进行交流所产生的会话记录,而用户端指在与机器客服进行会话时,用户所使用的端口设备/软件。例如,网页端或者运行在电子设备(如手机、平板电脑)上的应用程序。显然,本实施例中目标会话记录不仅包括用户输入的询问信息,而且包括机器客服针对用户输入的询问信息所产生的应答信息,即机器客服接收到用户输入的询问信息后,可以根据所述用户输入的询问信息生成应答信息,多个询问的信息和应答信息共同组成目标会话记录。
本实施例中目标会话记录的形式可以是文本、语音或者图像等的至少一种,即用户输入的询问信息的形式可以是文本也可以是语音,或者可以是图像、网址等中的任意一种,也可以是这三种形式的任意组合。例如,用户输入的询问信息可以是文本形式的“麻烦问一下我买的米家锁什么时候可以发货?”,其也可以是用户通过用户端以语音的形式输入的,同时为了更清楚的表达用户的意愿,用户输入的询问信息也可以包括产品图像或者产品链接等,目标会话记录的形式具体是哪一种这里不进行明确的限制。
步骤S120:对所述目标会话记录进行分析,得到会话分析结果。
在一种实施方式中,电子设备获取到目标记录后可以对该目标会话记录进行分析,得到会话分析结果。具体的,可以先确定目标会话记录的形式,然后根据不同的会话记录形式进行对应的分析,因为目标会话记录的形式不相同则其对应的分析方式也是不相同的。当目标会话记录的形式为文本时,可以直接对目标会话记录进行文本识别,即对用户输入的询问信息进行语句分割、关键词提取以及语义分析等处理;当目标会话记录的形式为语音时,可以先对用户输入的询问信息进行形式转换,即将语音信息转换为文本信息,具体实施例中,可以通过ASR(Automatic Speech Recognition,自动语音识别)执行语音到文字的转换。然后再对该文本信息进行语句分割、关键词提取以及语音分析等处理,或者也可以直接对用户输入的询问信息进行语音识别进而得到语音识别结果;当目标会话记录的形式为图像时,电子设备可以对该图像进行图像识别,在此之前可以对所述图像进行去噪、滤波等处理。
步骤S130:确定所述会话分析结果是否满足客服切换条件。
获取到会话分析结果后,电子设备可以判断该会话分析结果是否满足客服切换条件,如果满足客服切换条件则进入步骤S140,如果不满足所述客服切换条件,则继续利用机器客服与用户进行沟通。本实施例中客服切换条件可以是“指定关键词出现的次数是否大于预设阈值”,也可以是“问题未解决的次数是否大于预设阈值”,或者也可以是“用户出现的负面情绪次数是否大于预设阈值”等,显然,本申请实施例可以从不同角度对会话记录进行分析,进而确定用户是否需要进行客服切换,具体情况下述实施例将进行详细介绍。
步骤S140:如果所述会话分析结果满足所述客服切换条件,则将机器客服切换为人工客服。
当判定会话分析结果满足客服切换条件时,电子设备可以自动将机器客服切换为人工客服,也可以经过用户允许将机器客服切换为人工客服,即电子设备确定会话分析结果满足客服切换条件时,其可以向电子设备发送客服切换提示,如发送“是否同意转人工客服”,如果用户选择同意,则将机器客服切换为人工客服。
本申请实施例提出了一种机器客服向人工客服切换方法,通过分析与机器客服的会话记录可以综合分析用户是否想进行客服切换操作,即只要满足客服切换条件即可以将机器客服切换为人工客服,如此可以使客服切换更加智能化,且在一定程度上可以使机器客服与人工客服的转换更加准确。
本申请另一实施例提出了一种机器客服向人工客服切换方法,请参阅图2,从图2可以看出该方法包括步骤S210至步骤S240。
步骤S210:获取与机器客服的目标会话记录。
步骤S220:对所述目标会话记录进行分析,得到会话分析结果。
步骤S230:确定所述会话分析结果是否满足客服切换条件。
如图3所示,步骤S230可以包括步骤S231至步骤S233。
步骤S231:根据所述会话分析结果获取所述目标会话记录中指定关键词出现的次数,得到第一关键次数,所述指定关键词用于表示机器客服转换为人工客服的词。
在一个实施例中,电子设备对目标会话记录进行分析得到会话分析结果后,可以根据该会话分析结果获取目标会话记录中指定关键词出现的次数,得到第一关键次数,所述指定关键词用于表示机器客服转为人工客服的词。具体的,指定关键词指的是在与机器客服进行沟通时表达用户想与人工客服进行交流的关键词,常用的指定关键词可以包括:“人工客服”、“转人工”、“转换人工”或者是“替换机器客服”等。本实施例中,指定关键词可以包括多个,只要其语义表达的是用户想将客服从机器客服转换为人工客服即可,而指定关键词的语义可以通过对目标会话记录进行语义分析获取。
另外,指定关键词出现的次数不仅仅指的是某一个特定关键词出现的次数,而是所有和指定关键词语义相近的词出现的次数。例如,目标会话记录中用户输入的询问信息有“机器客服回答不准确,请转人工;我想与人工客服进行沟通;请替换机器客服!”,显然,该目标会话记录中指定关键词有“转人工”、“人工客服”以及“替换机器客服”,显然,此时指定关键词出现的次数为3次,即第一关键次数为3。需要说明的是,本实施例中如果某一指定关键词重复多次出现,则指定关键词出现的次数是按照重复次数来记录的,而不是仅记录一次。例如,用户输入的询问信息是“我想转人工、转人工、转人工,请帮我转人工....”,此时指定关键词出现的次数为4次,即第一关键次数为4次。
步骤S232:判断所述第一关键次数是否大于等于第一预设阈值。
获取到目标会话记录中指定关键词出现的次数后,电子设备可以判断该第一关键次数是否大于等于第一预设阈值,如果第一关键次数大于等于第一预设阈值,则进入步骤S233,否则的话判断会话分析结果是否满足其他客服切换条件,如果其他的客服切换条件均不满足,则不需要将机器客服转换为人工客服。本实施例中第一预设阈值可以是预先设置好的,具体的,可以将第一预设阈值设置为2,则当第一关键次数>=2时即可进入步骤S233。第一预设阈值也可以根据实际情况设置为其他值,具体设置为多少这里不进行明确限制。
步骤S233:如果所述第一关键次数大于等于第一预设阈值,则确定所述会话分析结果满足客服切换条件。
当获取到的第一关键次数大于等于第一预设阈值时,则确定会话分析结果满足客服切换条件,此时即可将机器客服切换为人工客服,本申请实施例通过对指定关键词出现次数的判定可以对用户的意愿进行初步确定,进而可以准确有效的得出用户是否想执行客服切换操作。
如图4所示,步骤S230还可以包括步骤S234至步骤S236。
步骤S234:根据所述会话分析结果获取所述目标会话记录中问题未解决的次数,得到第二关键次数,所述问题未解决包括用户对机器客服问题回复的评价结果。
在一种实施方式中,会话分析结果包括用户点击未解决按钮的次数,而根据会话分析结果获取目标会话记录中问题未解决的次数,包括:获取所述分析结果中所述用户点击问题未解决按钮的次数,将该次数作为问题未解决的次数。通过上述介绍可以知道目标会话记录可以包括用户输入的询问信息和机器应答信息,且所述用户输入的询问信息与机器应答信息是相互对应的,即用户输入一个询问信息,则机器客服可以根据该询问信息输出一个应答信息。
当电子设备获取到该应答信息时,可以对其进行显示,同时每个应答信息可以对应显示两个按钮,这两个按钮分别是“问题未解决按钮”和“问题已解决按钮”,此时电子设备可以检测用户是否基于这两个按钮进行了选择,如果进行了选择则判断用户的选择是否是基于“问题未解决按钮”的,如果是基于“问题未解决按钮”做出的选择,则记录该选择次数。显然,电子设备对两个选择按钮进行显示后,用户可以对这两个按钮中的任意一个进行点击操作,也可以不进行点击直接跳过,而后继续输入询问信息。本实施例中问题未解决是用户对机器客服问题回复的评价结果之一,而该评价结果主要指的是用户对机器客服的应答信息不满意,或者是机器客服所做出的应答信息并没有真正的解决用户的疑问。问题已解决与问题未解决恰恰相反,其同样是用户对机器客服问题回复的评价结果之一,但是该评价结果主要指的是用户对机器客服的应答信息满意,或者是机器客服所做出的应答信息已解决用户的疑问。
需要说明的是,问题未解决的次数不仅仅指的用户基于“问题未解决按钮”做出的选择次数,其也可以包括目标会话记录中关键字“未解决”出现的次数。例如,电子设备获取到用户点击“问题未解决按钮”的次数是2次,同时用户的询问信息中出现关键词“未解决”的次数是1次,那么问题未解决的次数为3次,而询问信息中出现“未解决”的情形可以是多种多样的。例如,“我的问题你并未解决,请重新回答......”,此时第二关键次数即为3次。
步骤S235:判断所述第二关键次数是否大于等于第二预设阈值。
在一个实施例中,电子设备获取到第二关键次数后,可以判断该第二关键次数是否大于等于第二预设阈值,如果第二关键次数大于等于第二预设阈值,则进入步骤S236,否则的话判断会话分析结果是否满足其他客服切换条件,如果其他的客服切换条件均不满足,则不需要将机器客服转换为人工客服。本实施例中第二预设阈值可以是预先设置好的,具体的,可以将第二预设阈值设置为3,则当第二关键次数>=3时即可进入步骤S236。第二预设阈值也可以根据实际情况设置为其他值,具体设置为多少这里不进行明确限制。
步骤S236:如果所述第二关键次数大于等于第二预设阈值,则确定所述会话分析结果满足客服切换条件。
当获取到的第二关键次数大于等于第二预设阈值时,则确定会话分析结果满足客服切换条件,此时即可将机器客服切换为人工客服,本申请实施例通过对问题未解决的次数的统计可以进一步对用户的意愿进行确定,即更准确的分析出用户对机器客服的满意程度,在一定程度上也可以保证客服切换的有效性。
如图5所示,确定所述会话分析结果是否满足客服切换条件还可以包括步骤S237至步骤S239。
步骤S237:根据所述情绪分析结果确定所述负面情绪出现的次数,得到第三关键次数。
在一种实施方式中,目标会话记录可以包括至少一个子会话记录,而所述子会话记录对应一个用户情绪,所述用户情绪包括正面情绪、负面情绪或中性情绪。对目标会话记录进行分析,得到会话分析结果,包括:获取所述子会话记录对应的用户情绪,得到情绪分析结果,其中,子会话记录可以指的是用户的询问信息,而情绪分析是指对目标会话记录进行情绪判断,通常把情绪分为三种:正面(积极)情绪、负面(消极)情绪以及中性情绪。电子设备获取到子会话记录后可以将其输入至情感分析模型中,通过所述情感分析模型可以计算出每个子会话记录的情绪类别。例如,用户输入的询问信息是“米家锁已经下单1个多月了,太慢了!为什么还没人来安装”,情感分析模型可以将其判断为负面情绪。本实施例中情感分析模型可以通过RNN(Recurrent Neural Network,循环神经网络)、LSTM(Long Short-Term Memory,长短期记忆网络)等算法实现。
利用情感分析模型获取子会话记录的情绪类别的具体流程如图6所示,从图6可以看出当用户输入询问信息后,可以通过嵌入的方式转化成句向量,在此之前可以先判断该询问信息的形式是否为文本,如果是文本则直接将其输入至情感分析模型进行情绪分类,如果不是文本则需先将其转换为文本形式,然后再进行情绪分类。将文本转换为句向量后,可以对所述句向量进行情感分类,并输出分类结果,具体的,可以从正面情绪/负面情绪/中性情绪这三个可能性里输出一个结果。最后可以将获取到的结果进行结构化处理得到结构化数据,而结构化数据的展示可以包括两部分,分别是询问信息和分类结果。例如,{‘query’:‘家锁已经下单1个多月了,太慢了!为什么还没人来安装’,‘polarity’:‘negative’}。
通过上述介绍可以知道目标会话记录中可以包括至少一个子会话记录,而每个子会话记录对应一个用户的情绪,而其中子会话记录主要指的是用户输入的询问信息,即通过对用户输入的询问信息的识别,可以确定出用户整体的情绪。例如,目标会话记录包括三个子会话记录,其分别为“米家锁是如何使用呢”、“米家锁已经下单1个多月了,太慢了!为什么还没人来安装”以及“为什米家锁一直是联网失败呢”,利用情感分析模型对所述目标子会话记录进行分析可以知道,第一个子会话记录对应的情绪类别是中性情绪,而第二个子会话记录和第三个子会话记录对应的情绪类别均是负面情绪,此时目标会话记录中负面情绪出现的次数为2次,即第三关键次数为3次。
步骤S238:判断所述第三关键次数是否大于等于第三预设阈值。
在一个实施例中,电子设备获取到第三关键次数后,可以判断该第三关键次数是否大于等于第三预设阈值,如果第三关键次数大于等于第三预设阈值,则进入步骤S239,否则的话判断会话分析结果是否满足其他客服切换条件,如果其他的客服切换条件均不满足,则不需要将机器客服转换为人工客服。本实施例中第三预设阈值可以是预先设置好的,具体的,可以将第三预设阈值设置为3,则当第三关键次数>=3时即可进入步骤S239。第三预设阈值也可以根据实际情况设置为其他值,具体设置为多少这里不进行明确限制。
步骤S239:如果所述第三关键次数大于等于第三预设阈值,则确定所述会话分析结果满足客服切换条件。
当获取到的第三关键次数大于等于第三预设阈值时,则确定会话分析结果满足客服切换条件,此时即可将机器客服切换为人工客服。本申请实施例利用机器学习对用户的情绪进行分析,进而获取到目标会话记录中用户负面情绪出现的次数,通过对用户负面情绪出现次数的统计可以使客服切换更加智能化。
步骤S240:如果所述会话分析结果满足所述客服切换条件,则将机器客服切换为人工客服。
本申请又一实施例提出了一种机器客服向人工客服切换方法,请参阅图7,通过图7可以看出该方法包括步骤S310至步骤S340。
步骤S310:获取与机器客服的目标会话记录。
步骤S320:对所述目标会话记录进行分析,得到会话分析结果。
步骤S330:确定所述会话分析结果是否满足客服切换条件。
如图8所示,步骤S330可以包括步骤S331至步骤S333。
步骤S331:根据所述会话分析结果获取所述目标会话记录中热点产品出现的次数,得到第四关键次数。
热点产品也可以称为关键产品,其主要针对的是比较重要的产品,或者是公关比较严格的产品,在一些实施方式中,热点产品也可以是指高价产品或销量高的产品,***获取产品的定价或销量并进行排序,将最高价前一定百分比的产品或者销量最高前一定百分比的产品确定为热点产品。而厂商对该类产品的重视等级比较高。本实施例中热点产品出现的次数可以通过识别热点产品的名称来确定,即只要目标会话记录中出现热点产品的名称则热点产品出现的次数就可以加一。在一个实施例中,可以同时存在有多个热点产品,这些热点产品的名称可以存储于热点产品列表中,本申请实施例可以分别对这些热点产品出现的次数进行统计。例如,目标会话记录为“米家智能门锁有哪些型号;麻烦请给出米家智能门锁的安装说明书;麻烦推荐一款适合家用的米家路由器......”,而热点产品列表中包含有“米家智能门锁”和“米家路由器”,因此该目标会话记录包含有两个热点产品,而这两个热点产品出现的次数分别是2次和1次。为了使客服切换更加准确,当目标会话记录中同时存在有多个热点产品时,可以将出现次数最多的热点产品作为目标热点产品,该目标热点产品出现的次数即为第四关键次数。
需要说明的是,当目标会话记录中热点产品以文本的形式存在时,可以直接进行文本识别,确定目标会话记录中是否包含有热点产品的名称,而当热点产品以图像的形式存在于目标会话记录中时,则需要进行产品图像识别。具体的,可以先确定所述目标会话记录中是否包含产品图像,如果所述目标会话记录中包含产品图像,则对所述产品图像进行识别,得到图像识别结果,而后可以根据所述图像识别结果判断所述产品是否为热点产品,如果是热点产品,则将其计入热点产品出现的次数中。本实施例中图像识别结果包括三种情况,第一种是产品图像上包含有热点产品,第二种是产品图像上包含有热点产品的名称,第三种是产品图像上同时出现热点产品的图像和热点产品的名称。只要产品图像属于这三种的任意一种,则确定目标会话记录中存在热点产品,且该热点产品出现的次数可以和文本识别获取的热点产品次数相加,得到第四关键次数。
步骤S332:判断所述第四关键次数是否大于等于第四预设阈值。
在一个实施例中,电子设备获取到第四关键次数后,可以判断该第四关键次数是否大于等于第四预设阈值,如果第四关键次数大于等于第四预设阈值,则进入步骤S333,否则的话判断会话分析结果是否满足其他客服切换条件,如果其他的客服切换条件均不满足,则不需要将机器客服转换为人工客服。本实施例中第四预设阈值可以是预先设置好的,具体的,可以将第四预设阈值设置为3,则当第四关键次数>=3时即可进入步骤S333。第四预设阈值也可以根据实际情况设置为其他值,具体设置为多少这里不进行明确限制。
步骤S333:如果所述第四关键次数大于等于第四预设阈值,则确定所述会话分析结果满足客服切换条件。
当获取到的第四关键次数大于等于第四预设阈值时,则确定会话分析结果满足客服切换条件,此时即可将机器客服切换为人工客服。本申请实施例通过对热点产品出现的次数的统计,可以实现对关键产品的实时监控,如此可以使用户对热点产品的满意度不断提高,同时可以提高客服切换的有效性。
在一种实施方式中,如图9所示确定所述会话分析结果是否满足客服切换条件还包括步骤S334至步骤S337。
步骤S334:根据所述会话分析结果获取所述目标会话记录中热点产品出现的次数,得到第四关键次数。
步骤S335:判断所述第四关键次数是否小于第四预设阈值且大于等于第五预设阈值。
为了使客服切换更加准确,本实施例可以结合热点产品次数和其他次数来确定会话分析结果是否满足客服切换条件,其中,其他次数可以包括指定关键词出现的次数、问题未解决的次数以及负面情绪出现的次数。当第四关键次数小于第四预设阈值且大于等于第五预设阈值时,进入步骤S336。例如,第四预设阈值为3,第五预设阈值为1,而此时第四关键次数为2,则其满足上述条件。
步骤S336:如果是,确定目标会话记录中指定关键词出现的次数、问题未解决的次数以及负面情绪出现的次数中是否至少有一个大于或等于所述第五预设阈值。
在第四关键次数满足步骤S336条件时,电子设备可以分别获取指定关键词出现的次数、问题未解决的次数以及负面情绪出现的次数,并判断这些次数中是否至少有一个大于或等于第五预设阈值,如果有则进入步骤S337。例如,第四预设阈值为3,第五预设阈值为1,且此时第四关键次数为2,则进入该步骤,同时获取到的问题未解决的次数为2,显然该次数大于等于第五预设阈值,此时则可以进入步骤S337。
本申请实施例中只要指定关键词出现的次数、问题未解决的次数以及负面情绪出现的次数这三个关键中有一个次数大于或等于第五预设阈值则确定会话分析结果满足客服切换条件。例如,热点产品为“米家智能门锁”,则目标会话记录中“米家智能门锁”的负面情绪大于等于2次时,则将机器客服转换为人工客服。需要说明的是,当热点产品出现的次数不满足上述条件时,可以先判断其是否出现于目标会话记录中,如果出现则可以将其与指定关键词出现的次数、问题未解决的次数以及负面情绪出现的次数结合进行判定是否需要进行客服切换,具体如何结合这里就不进行一一赘述。
步骤S337:如果有,则确定所述会话分析结果满足客服切换条件。
本申请实施例通过结合热点产品出现的次数和指定关键词出现的次数、问题未解决的次数以及负面情绪出现的次数来综合判断是否进行客服切换,其可以充分考虑不同情况下用户进行客服切换的需求,使得客服切换更加准确有效。
步骤S340:如果所述会话分析结果满足所述客服切换条件,则将机器客服切换为人工客服。
请参阅图10,本申请实施例提出的一种机器客服向人工客服切换装置400,该装置包括记录获取模块410、结果获取模块420、结果确定模块430和客服切换模块440。
记录获取模块410,用于获取与机器客服的目标会话记录。
进一步的,所述目标会话记录包括文本、语音和图像中的至少一种。
结果获取模块420,用于对所述目标会话记录进行分析,得到会话分析结果。
进一步的,结果获取模块420用于获取所述子会话记录对应的用户情绪,得到情绪分析结果。其中,目标会话记录包括至少一个子会话记录,所述子会话记录对应一个用户情绪,所述用户情绪包括正面情绪、负面情绪或中性情绪。
结果确定模块430,用于确定所述会话分析结果是否满足客服切换条件。
进一步的,结果确定模块430用于根据所述会话分析结果获取所述目标会话记录中指定关键词出现的次数,得到第一关键次数,所述指定关键词用于表示机器客服转换为人工客服的词,判断所述第一关键次数是否大于等于第一预设阈值,如果所述第一关键次数大于等于第一预设阈值,则确定所述会话分析结果满足客服切换条件。
进一步的,结果确定模块430还用于根据所述会话分析结果获取所述目标会话记录中问题未解决的次数,得到第二关键次数,所述问题未解决包括用户对机器客服问题回复的评价结果,判断所述第二关键次数是否大于等于第二预设阈值,如果所述第二关键次数大于等于第二预设阈值,则确定所述会话分析结果满足客服切换条件。本实施例中会话分析结果包括用户点击问题未解决按钮的次数,所述根据所述会话分析结果获取所述目标会话记录中所述问题未解决的次数,包括:获取所述分析结果中所述用户点击问题未解决按钮的次数,将该次数作为问题未解决的次数。
进一步的,结果确定模块430还用于根据所述情绪分析结果确定所述负面情绪出现的次数,得到第三关键次数,判断所述第三关键次数是否大于等于第三预设阈值,如果所述第三关键次数大于等于第三预设阈值,则确定所述会话分析结果满足客服切换条件。
进一步的,结果确定模块430还用于根据所述会话分析结果获取所述目标会话记录中热点产品出现的次数,得到第四关键次数,判断所述第四关键次数是否大于等于第四预设阈值,如果所述第四关键次数大于等于第四预设阈值,则确定所述会话分析结果满足客服切换条件。另外,结果确定模块430还可用于确定所述目标会话记录中是否包含产品图像,如果所述目标会话记录中包含产品图像,则对所述产品图像进行识别,得到图像识别结果,根据所述图像识别结果判断所述产品是否为热点产品,如果是热点产品,则将其计入热点产品出现的次数。
进一步的,结果确定模块430还用于根据所述会话分析结果获取所述目标会话记录中热点产品出现的次数,得到第四关键次数,判断所述第四关键次数是否小于第四预设阈值且大于等于第五预设阈值,如果是,确定目标会话记录中指定关键词出现的次数、问题未解决的次数以及负面情绪出现的次数中是否至少有一个大于或等于所述第五预设阈值,如果有,则确定所述会话分析结果满足客服切换条件。
客服切换模块440,用于如果所述会话分析结果满足所述客服切换条件,则将机器客服切换为人工客服。
图11是本发明实施例提供的一种机器客服向人工客服切换方法的电子设备的硬件结构框图。具体的,电子设备可以执行并实现如上述方法实施例所提供任一的机器客服向人工客服切换方法。如图11所示,该电子设备1100可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(ProcessingUnits,CPU)1110(处理器1110可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器1130,一个或一个以上存储应用程序1123或数据1122的存储介质1120(例如一个或一个以上海量存储设备)。其中,存储器1130和存储介质1120可以是短暂存储或持久存储。存储在存储介质1120的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,处理器1110可以设置为与存储介质1120通信,在电子设备1100上执行存储介质1120中的一系列指令操作。电子设备1100还可以包括一个或一个以上电源1160,一个或一个以上有线或无线网络接口1150,一个或一个以上输入输出接口1140,和/或,一个或一个以上操作***1121,例如WindowsserverTM,MacOSXTM,UnixTM,LinuxTM,FreeBSDTM等等。
输入输出接口1140可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括电子设备1100的通信供应商提供的无线网络。在一个实例中,输入输出接口1140包括一个网络适配器(NetworkInterfaceController,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,输入输出接口1140可以为射频(RadioFrequency,RF)模块,其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解,图11所示的结构仅为示意,其并不对上述电子设备的结构造成限定。例如,电子设备1100还可包括比图11中所示更多或者更少的组件,或者具有与图11所示不同的配置。本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述机器客服向人工客服切换方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-OnlyMemory,简称ROM)、随机存取存储器(RandomAccessMemory,简称RAM)、磁碟或者光盘等。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,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。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅是本申请的较佳实施例而已,并非对本申请作任何形式上的限制,虽然本申请已以较佳实施例揭露如上,然而并非用以限定本申请,任何熟悉本专业的技术人员,在不脱离本申请技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本申请技术方案内容,依据本申请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,均仍属于本申请技术方案的范围内。
Claims (12)
1.一种机器客服向人工客服切换方法,其特征在于,该方法包括:
获取与机器客服的目标会话记录;
对所述目标会话记录进行分析,得到会话分析结果;
确定所述会话分析结果是否满足客服切换条件;
如果所述会话分析结果满足所述客服切换条件,则将机器客服切换为人工客服。
2.根据权利要求1所述的方法,其特征在于,所述确定所述会话分析结果是否满足客服切换条件,包括:
根据所述会话分析结果获取所述目标会话记录中指定关键词出现的次数,得到第一关键次数,所述指定关键词用于表示机器客服转换为人工客服的词;
判断所述第一关键次数是否大于等于第一预设阈值;
如果所述第一关键次数大于等于第一预设阈值,则确定所述会话分析结果满足客服切换条件。
3.根据权利要求1所述的方法,其特征在于,所述确定所述会话分析结果是否满足客服切换条件,包括:
根据所述会话分析结果获取所述目标会话记录中问题未解决的次数,得到第二关键次数,所述问题未解决包括用户对机器客服问题回复的评价结果;
判断所述第二关键次数是否大于等于第二预设阈值;
如果所述第二关键次数大于等于第二预设阈值,则确定所述会话分析结果满足客服切换条件。
4.根据权利要求3所述的方法,其特征在于,所述会话分析结果包括用户点击问题未解决按钮的次数;
所述根据所述会话分析结果获取所述目标会话记录中所述问题未解决的次数,包括:
获取所述分析结果中所述用户点击问题未解决按钮的次数,将该次数作为问题未解决的次数。
5.根据权利要求1-4任一权利要求所述的方法,其特征在于,所述目标会话记录包括至少一个子会话记录,所述子会话记录对应一个用户情绪,所述用户情绪包括正面情绪、负面情绪或中性情绪;
所述对所述目标会话记录进行分析,得到会话分析结果,包括:
获取所述子会话记录对应的用户情绪,得到情绪分析结果;
所述确定所述会话分析结果是否满足客服切换条件,包括:
根据所述情绪分析结果确定所述负面情绪出现的次数,得到第三关键次数;
判断所述第三关键次数是否大于等于第三预设阈值;
如果所述第三关键次数大于等于第三预设阈值,则确定所述会话分析结果满足客服切换条件。
6.根据权利要求1-4任一权利要求所述的方法,其特征在于,所述确定所述会话分析结果是否满足客服切换条件,包括:
根据所述会话分析结果获取所述目标会话记录中热点产品出现的次数,得到第四关键次数;
判断所述第四关键次数是否大于等于第四预设阈值;
如果所述第四关键次数大于等于第四预设阈值,则确定所述会话分析结果满足客服切换条件。
7.根据权利要求6所述的方法,其特征在于,所述根据所述会话分析结果获取所述目标会话记录中热点产品出现的次数,包括:
确定所述目标会话记录中是否包含产品图像;
如果所述目标会话记录中包含产品图像,则对所述产品图像进行识别,得到图像识别结果;
根据所述图像识别结果判断所述产品是否为热点产品;
如果是热点产品,则将其计入热点产品出现的次数。
8.根据权利要求1所述的方法,其特征在于,所述确定所述会话分析结果是否满足客服切换条件,还包括:
根据所述会话分析结果获取所述目标会话记录中热点产品出现的次数,得到第四关键次数;
判断所述第四关键次数是否小于第四预设阈值且大于等于第五预设阈值;
如果是,确定目标会话记录中指定关键词出现的次数、问题未解决的次数以及负面情绪出现的次数中是否至少有一个大于或等于所述第五预设阈值;
如果有,则确定所述会话分析结果满足客服切换条件。
9.根据权利要求1所述的方法,其特征在于,所述目标会话记录包括文本、语音和图像中的至少一种。
10.一种机器客服向人工客服切换装置,其特征在于,所述装置包括:
记录获取模块,用于获取与机器客服的目标会话记录;
结果获取模块,用于对所述目标会话记录进行分析,得到会话分析结果;
结果确定模块,用于确定所述会话分析结果是否满足客服切换条件;
客服切换模块,用于如果所述会话分析结果满足所述客服切换条件,则将机器客服切换为人工客服。
11.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至9中任一项所述的机器客服向人工客服切换方法的步骤。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的机器客服向人工客服切换方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039210.0A CN111061831A (zh) | 2019-10-29 | 2019-10-29 | 机器客服向人工客服切换方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039210.0A CN111061831A (zh) | 2019-10-29 | 2019-10-29 | 机器客服向人工客服切换方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111061831A true CN111061831A (zh) | 2020-04-24 |
Family
ID=70298454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911039210.0A Pending CN111061831A (zh) | 2019-10-29 | 2019-10-29 | 机器客服向人工客服切换方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111061831A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111540358A (zh) * | 2020-04-26 | 2020-08-14 | 云知声智能科技股份有限公司 | 人机交互方法、装置、设备和存储介质 |
CN111901487A (zh) * | 2020-08-13 | 2020-11-06 | 周铭 | 基于大数据处理的用户语音呼叫***及方法 |
CN112182149A (zh) * | 2020-09-15 | 2021-01-05 | 中信银行股份有限公司 | 异常的处理方法、装置、电子设备及计算机可读存储介质 |
CN112269863A (zh) * | 2020-10-15 | 2021-01-26 | 和美(深圳)信息技术股份有限公司 | 智能机器人的人机对话数据处理方法及*** |
CN112365894A (zh) * | 2020-11-09 | 2021-02-12 | 平安普惠企业管理有限公司 | 基于ai的复合语音交互方法、装置及计算机设备 |
CN112700781A (zh) * | 2020-12-24 | 2021-04-23 | 江西台德智慧科技有限公司 | 一种基于人工智能的语音交互*** |
CN114117157A (zh) * | 2021-11-19 | 2022-03-01 | 招联消费金融有限公司 | 会话处理方法、装置、计算机设备和存储介质 |
CN115017291A (zh) * | 2022-08-04 | 2022-09-06 | 太平金融科技服务(上海)有限公司深圳分公司 | 热点问题分析方法、装置、计算机设备和存储介质 |
CN116362759A (zh) * | 2023-03-27 | 2023-06-30 | 广州联欣信息科技有限公司 | 一种移动互联网订单管理*** |
TWI807569B (zh) * | 2022-01-03 | 2023-07-01 | 中華電信股份有限公司 | 基於即時通訊服務的自動應答系統和自動應答方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120155630A1 (en) * | 2010-12-17 | 2012-06-21 | Sridhar Raghavan | System, Method, and Computer Program Product for Detecting Redundancies in Information Provided by Customers in a Customer Service System |
CN105592237A (zh) * | 2014-10-24 | 2016-05-18 | ***通信集团公司 | 一种会话切换的方法、装置及智能客服机器人 |
CN109145101A (zh) * | 2018-09-06 | 2019-01-04 | 北京京东尚科信息技术有限公司 | 人机对话方法、装置和计算机可读存储介质 |
-
2019
- 2019-10-29 CN CN201911039210.0A patent/CN111061831A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120155630A1 (en) * | 2010-12-17 | 2012-06-21 | Sridhar Raghavan | System, Method, and Computer Program Product for Detecting Redundancies in Information Provided by Customers in a Customer Service System |
CN105592237A (zh) * | 2014-10-24 | 2016-05-18 | ***通信集团公司 | 一种会话切换的方法、装置及智能客服机器人 |
CN109145101A (zh) * | 2018-09-06 | 2019-01-04 | 北京京东尚科信息技术有限公司 | 人机对话方法、装置和计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
小小青龙: "《一洽智能客服机器人怎么转人工?》", 《公开网址:HTTPS://WWW.ZHIHU.COM/QUESTION/316550655?UTM_ID=0》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111540358A (zh) * | 2020-04-26 | 2020-08-14 | 云知声智能科技股份有限公司 | 人机交互方法、装置、设备和存储介质 |
CN111901487B (zh) * | 2020-08-13 | 2021-05-21 | 山东泰盈科技有限公司 | 基于大数据处理的用户语音呼叫***及方法 |
CN111901487A (zh) * | 2020-08-13 | 2020-11-06 | 周铭 | 基于大数据处理的用户语音呼叫***及方法 |
CN112182149A (zh) * | 2020-09-15 | 2021-01-05 | 中信银行股份有限公司 | 异常的处理方法、装置、电子设备及计算机可读存储介质 |
CN112269863A (zh) * | 2020-10-15 | 2021-01-26 | 和美(深圳)信息技术股份有限公司 | 智能机器人的人机对话数据处理方法及*** |
CN112365894A (zh) * | 2020-11-09 | 2021-02-12 | 平安普惠企业管理有限公司 | 基于ai的复合语音交互方法、装置及计算机设备 |
CN112365894B (zh) * | 2020-11-09 | 2024-05-17 | 青岛易蓓教育科技有限公司 | 基于ai的复合语音交互方法、装置及计算机设备 |
CN112700781A (zh) * | 2020-12-24 | 2021-04-23 | 江西台德智慧科技有限公司 | 一种基于人工智能的语音交互*** |
CN112700781B (zh) * | 2020-12-24 | 2022-11-11 | 江西台德智慧科技有限公司 | 一种基于人工智能的语音交互*** |
CN114117157A (zh) * | 2021-11-19 | 2022-03-01 | 招联消费金融有限公司 | 会话处理方法、装置、计算机设备和存储介质 |
CN114117157B (zh) * | 2021-11-19 | 2024-04-09 | 招联消费金融股份有限公司 | 会话处理方法、装置、计算机设备和存储介质 |
TWI807569B (zh) * | 2022-01-03 | 2023-07-01 | 中華電信股份有限公司 | 基於即時通訊服務的自動應答系統和自動應答方法 |
CN115017291A (zh) * | 2022-08-04 | 2022-09-06 | 太平金融科技服务(上海)有限公司深圳分公司 | 热点问题分析方法、装置、计算机设备和存储介质 |
CN116362759A (zh) * | 2023-03-27 | 2023-06-30 | 广州联欣信息科技有限公司 | 一种移动互联网订单管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111061831A (zh) | 机器客服向人工客服切换方法、装置及电子设备 | |
US20220391421A1 (en) | Systems and methods for analyzing entity profiles | |
US11645321B2 (en) | Calculating relationship strength using an activity-based distributed graph | |
US8997117B1 (en) | System and method for creating personal connection alerts | |
CA2823835C (en) | Voice search and response based on relevancy | |
CN111026971A (zh) | 内容的推送方法及装置、计算机存储介质 | |
US20150006442A1 (en) | Facilitating machine learning in an online social network | |
US11238132B2 (en) | Method and system for using existing models in connection with new model development | |
KR102207632B1 (ko) | 전문가 긴급 추천 서비스 시스템 | |
US10901992B2 (en) | System and method for efficiently handling queries | |
US10706359B2 (en) | Method and system for generating predictive models for scoring and prioritizing leads | |
CN112231533A (zh) | 数据处理方法、装置、设备及存储介质 | |
US11900320B2 (en) | Utilizing machine learning models for identifying a subject of a query, a context for the subject, and a workflow | |
US20170178000A1 (en) | Generation and handling of situation definitions | |
US20220222688A1 (en) | Methodology of analyzing consumer intent from user interaction with digital environments | |
CN112148939A (zh) | 数据处理方法、装置及电子设备 | |
CN110543635A (zh) | 基于深度学习的信息检测方法、装置及计算机存储介质 | |
JP6750838B1 (ja) | 業務自動処理の手順定義装置、及び業務自動処理の手順定義システム | |
RU182968U1 (ru) | Устройство для автоматизированной экспертной оценки факторов риска проекта | |
CN112052353A (zh) | 广告视频检索方法、智能终端 | |
US20240202212A1 (en) | Contextualizing data to augment processes using semantic technologies and artificial intelligence | |
CN110503482B (zh) | 一种物品处理方法、装置、终端及存储介质 | |
US20180189803A1 (en) | A method and system for providing business intelligence | |
CN117422473A (zh) | 一种事务转接方法、装置、存储介质及电子设备 | |
CN116610581A (zh) | 一种测试结果生成方法及装置 |
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 |