CN111144091A - 客服成员的确定方法、装置以及群成员身份的确定方法 - Google Patents
客服成员的确定方法、装置以及群成员身份的确定方法 Download PDFInfo
- Publication number
- CN111144091A CN111144091A CN201911213507.4A CN201911213507A CN111144091A CN 111144091 A CN111144091 A CN 111144091A CN 201911213507 A CN201911213507 A CN 201911213507A CN 111144091 A CN111144091 A CN 111144091A
- Authority
- CN
- China
- Prior art keywords
- text data
- members
- customer service
- time period
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000009471 action Effects 0.000 claims abstract description 140
- 238000012216 screening Methods 0.000 claims abstract description 44
- 230000006399 behavior Effects 0.000 claims description 63
- 238000012790 confirmation Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 11
- 238000007477 logistic regression Methods 0.000 claims description 6
- 230000003542 behavioural effect Effects 0.000 claims 3
- 230000000875 corresponding effect Effects 0.000 description 51
- 230000006870 function Effects 0.000 description 24
- 238000004891 communication Methods 0.000 description 18
- 239000013598 vector Substances 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本说明书提供了客服成员的确定方法、装置以及群成员身份的确定方法。在一个实施例中,客服成员的确定方法通过获取并根据目标客服群中预设时间段的聊天记录,先确定出在预设时间段内群成员所发布的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;再根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从在预设时间段发布过文本数据的成员中筛选出候选成员;进而,确定出候选成员的行为特征数据,再根据上述行为特征数据,从候选成员中确定出客服成员。从而能够高效地从客服群的群成员中识别确定出身份为客服的成员。
Description
技术领域
本说明书属于互联网技术领域,尤其涉及客服成员的确定方法、装置以及群成员身份的确定方法。
背景技术
为了更好地服务客户,业务服务提供方或者商品售后服务方往往会利用QQ、微信等社交软件,建立对应的客服群。并在该客服群中配备客服成员,负责为客服群中的客户成员答疑解惑,解决、处理客户在使用业务服务或商品时遇到的问题。通常一个客服群中客服成员的客服身份需要通过群管理员人工进行识别、确认,并为身份为客服的成员分配相应的客服权限,以便客服成员能更好地服务客服群中的客户成员。
目前,亟需一种能够自动识别、确认客服群中的身份为客服的成员的方法。
发明内容
本说明书提供了一种客服成员的确定方法、装置以及群成员身份的确定方法,以达到能自动、高效地从客服群的成员中识别确定出身份为客服的成员。
本说明书提供的一种客服成员的确定方法、装置以及群成员身份的确定方法是这样实现的:
一种客服成员的确定方法,包括:获取目标客服群中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标客服群中的成员在预设时间段发布的多个文本数据;根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员;确定并根据候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员。
一种群成员身份的确定方法,包括:获取目标群组中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标群组中的群成员在预设时间段发布的多个文本数据;根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;确定在预设时间段发布文本数据的群成员的行为特征数据;根据聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,以及在预设时间段发布文本数据的群成员的行为特征数据,确定出群成员的身份。
一种客服成员的确定装置,包括:获取模块,用于获取目标客服群中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标客服群中的成员在预设时间段发布的多个文本数据;第一确定模块,用于根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;筛选模块,用于根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员;第二确定模块,用于确定并根据候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员。
一种服务器,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现获取目标客服群中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标客服群中的成员在预设时间段发布的多个文本数据;根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员;确定并根据候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员。
一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现获取目标客服群中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标客服群中的成员在预设时间段发布的多个文本数据;根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员;确定并根据候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员。
本说明书提供的一种客服成员的确定方法、装置以及群成员身份的确定方法,通过获取并根据目标客服群中预设时间段的聊天记录,先确定出在预设时间段内群成员所发布的文本数据的动作类型,以及上述文本数据与预设的邻近范围内的其他文本数据之间的关联关系;再根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从在预设时间段内发布过文本数据的群成员中筛选出候选成员;进而,再通过有针对性地确定并根据上述候选成员的行为特征数据,从候选成员中确定出身份为客服的成员。从而能够自动、高效地从客服群的成员中识别确定出身份为客服的成员。
附图说明
为了更清楚地说明本说明书实施例,下面将对实施例中所需要使用的附图作简单地介绍,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是应用本说明书实施例提供的客服成员的确定方法的***结构组成的一个实施例的示意图;
图2是在一个场景示例中,应用本说明书实施例提供的客服成员的确定方法的一种实施例的示意图;
图3是在一个场景示例中,应用本说明书实施例提供的客服成员的确定方法的一种实施例的示意图;
图4是在一个场景示例中,应用本说明书实施例提供的客服成员的确定方法的一种实施例的示意图;
图5是在一个场景示例中,应用本说明书实施例提供的客服成员的确定方法的一种实施例的示意图;
图6是在一个场景示例中,应用本说明书实施例提供的客服成员的确定方法的一种实施例的示意图;
图7是本说明书的一个实施例提供的客服成员的确定方法的流程示意图;
图8是本说明书的一个实施例提供的服务器的结构组成示意图;
图9是本说明书的一个实施例提供的客服成员的确定装置的结构组成示意图。
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,都应当属于本说明书保护的范围。
本说明书实施例提供一种客服成员的确定方法。该方法具体可以应用于包含有采集端设备和服务器的***中。具体可以参阅图1所示。其中,采集端设备可以预先布设于目标客服群中。并且采集端设备与服务器耦合,相互之间可以进行数据交互。所述客服群具体可以包括某个业务服务提供方利用社交软件的群聊或群组等功能所建立的用户群,该客服群中通常会包括多个客户成员和至少一个客服成员。在客服群中,客户成员和客服成员可以通过发布文本数据,例如,对话语句等,进行交流互动。但如果客服群刚刚建立,往往暂时还没有设置对应客服成员;或者如果客服群中接入了新的客服成员,但还没有来得及为新接入的客服成员分配相应权限时,可以通过上述***自动地从客服群的成员中识别并确定出具有客服身份的成员,并为该客服成员分配相应的客服权限。
具体实施时,上述采集端设备可以获取目标客服群预设时间段聊天记录,并将该预设时间段的聊天记录发送至服务器。其中,所述预设时间段的聊天记录包括目标客服群中的成员在预设时间段发布的多个文本数据。上述服务器在接收到上述预设时间段的聊天记录中,可以从聊天记录中提取出多个文本数据,并确定多个文本数据中各个文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系。进而服务器可以根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员。最后服务器可以有针对性地确定出候选成员的行为特征数据,并根据侯选成员的行为特征数据,从候选成员中确定出身份为客服的成员。进一步,服务器可以向群管理员发送身份确认请求,其中,所述身份确认请求携带有所确定出的身份为客服的成员的身份信息。群管理员在接收到上述身份确认请求后会根据上述身份信息,对该成员是否是目标客服群的客服成员进行确认。在确认该成员确实是客服成员的情况下,向服务器发送确认指示。服务器可以接收并响应群管理员根据所述身份确认请求反馈的确认指示,为身份为客服的成员分配客服权限。从而能够自动地识别、确定出客服群中的客服成员,并及时为客服成员分配相应的客服权限,以便服务客服群中的客户,提高了客服群的数据处理效率。
在本实施例中,所述服务器具体可以包括一种应用于业务平台一侧,能够实现数据传输、数据处理等功能的后台负责数据处理的服务器。具体的,所述服务器例如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。或者,所述服务器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程序。在本实施例中,并不具体限定所述服务器的数量。所述服务器具体可以为一个服务器,也可以为几个服务器,或者,由若干服务器形成的服务器集群。
在本实施例中,所述采集端设备具体可以包括一种能够实现数据采集、数据传输等功能的前端设备。具体的,所述采集端设备例如可以为采集器等实体电子设备。或者,所述采集端设备也可以为能够运行于实体电子设备中具有文本数据采集功能的软件应用。例如,可以是在手机上运行的内嵌于相应的APP中的用于采集客服群中的聊天记录的后台程序等。
在一个具体的场景示例中,有大量客户使用甲业务服务。甲业务服务的服务提供方为了提高客户的使用体验,准备批量建立多个能容纳上述使用甲业务服务的大量客户的客服群,并分别在各个客服群中配置至少一个专业的客服成员,为客服群中的客户成员服务。
在具体建立客服群时,甲业务服务的服务提供方中负责客服群建立和管理的群管理员,或者负责建立客服群的服务器,可以利用社交软件(例如,QQ、微信等)自带的群组功能或者群聊功能等,从甲业务服务的客户成员名单中拉取多个客户成员的社交账号(例如,QQ号、微信的注册手机号等),和从客服成员名单中拉取出的至少一个客服成员的社交账号拉入同一个群组,建立得到对应的一个客服群。按照上述方式可以建立得到多个客服群。可以参阅图2所示。
其中,上述多个客服群中的各个客服群,都包含有大量的客户成员,以及至少一个客服成员。但是,此时管理员还没设置各个客服群中的客服成员,各个客服成员当前还没有被分配客服权限,客服成员当前所拥有的权限与普通的客户成员的权限相同。
因此,在按照上述方式批量建立了多个客服群后,通常还需要群管理员再人工依次对多个客服群中的各个客服群所包含的群成员的社交账号进行检索、匹配,以找到并确认各个客服群中的客服成员,进而为该客服成员分配相应的客服权限,以便客服成员可以利用上述客服权限更好地为所在的客服群中的客户成员服务。
由于批量建立的客服群的数量相对较多,且每个客服群所包含的群成员的数量也相对较多,导致群管理员在按照上述方式逐个地确定各个客服群中的客服成员时,工作量会相对较大,影响客服群的管理效率,也容易出现误差。
在本场景示例中,可以应用本说明书实施例提供的客服成员的确定方法,通过服务器自动地识别、确定出各个客服群中的客服成员,并完成为客服成员的客服权限的自动配置,而不需要再依赖群管理员人工进行逐一的检索、匹配,从而可以有效地减少群管理员的工作量,提高客服群的管理效率。
具体的,服务器在响应群管理员的指令,批量建立多个客服群的同时,还会为每一个客服群分别布设对应的采集端设备。进而可以通过采集端设备采集客服群建成以后的一个预设时间段(例如,建群后1天)群成员在客服群的聊天对话框中的聊天记录。
在建成客服群后的预设时间段内,客服群中的客户成员如果在使用甲业务服务时,碰到不清楚的问题或困难,可以通过在客服群的聊天对话框中发布相应的文本数据,例如,发布对话语句等,进行提问咨询。客服成员看到后会及时地发布文本数据进行答复处理。同时,客服成员还会适时地在客服群的聊天对话框中发布文本数据来进行消息通知。此外,客服群中群成员(包括客服成员和客户成员)还可以通过在客服群的聊天对话框中发布文本数据进行交流互动。这时,布设在客服群的采集端设备会时时采集并记录下客服群的聊天对话框中出现的文本数据,得到预设时间段的聊天记录。并将各个客服群中预设时间段的聊天记录发送至服务器,以便服务器可以根据各个客服群中预设时间段的聊天记录自动识别确定出各个客服群中客服成员。
下面以多个客服群中的1号客服群为例进行具体说明,在建群后的预设时间段,1号客服群中的用户A在使用甲业务服务时,不知道如何办理甲业务服务的VIP会员,可以参阅图3所示。用户A可以在1号客服群的聊天对话框中发布以下用于提问的文本数据提出自己的问题:“请问,怎么申请VIP会员”。这时1号客服群中的客服成员Lucy虽然还没有客服权限,但看到用户A在客服群的聊天对话框中提出的问题,也会积极地进行答复。例如,参阅图4所示。客服成员Lucy在1号客服群的聊天对话框中,紧接着用户A发布的用于提问的文本数据下面,发布用于答复用户A的问题的文本数据,并@用户A。
此外,客服成员Lucy还会时常通过在1号客服群的聊天对话框中发布一些用于通知的文本数据,以向客服群中的客户成员通知相关的消息。例如,参阅图5所示,客服成员Lucy还会主动在1号客服群的聊天对话框中以下发布文本数据:“今天甲业务服务VIP会员费用半价优惠!欢迎大家办理VIP会员”,以通知甲业务服务的相关信息。
在预设时间段,1号客服群中客户成员、客服成员还可以通过在聊天对话框中发布相关的文本数据与其他群成员进行交流、互动。例如,参阅图5所示,用户B可以通过在客服群的聊天对话框中发布针对用户C的提问语句,来向用户C咨询如何领取YY网店的优惠券。用户D可以通过在客服群发布类似“大家好!”的问候语句,向客服群里的其他成员打招呼问好等。这类文本数据并不是针对客服成员的提问。因此,客服成员Lucy可以不用进行答复处理。
布设在1号客服群的采集端设备会将上述在预设时间段1号客服群的聊天对话框中出现的各个文本数据按发布顺序(或者发布时间)逐一进行采集、记录,同时采集端设备还会记录下例如文本数据的发布者、对应的发布时间等文本数据的相关信息。例如,在记录文本数据“请问,怎么申请VIP会员”的同时,还会在该文本数据中对应记录下该文本数据的发布者为“用户甲”,以及发布时间为“2019/11/06/17:40:21”作为该文本数据的相关信息。因此,采集端设备所记录的聊天记录上还携带有聊天记录中各个文本数据的发布者、发布时间等文本数据的相关信息。在按照上述方式,记录得到了1号客服群中预设时间段的聊天记录后,采集端设备可以将该聊天记录发送至服务器。
服务器在接收到采集端设备发送的1号客服群中预设时间段的聊天记录后,可以根据该聊天记录提取出该聊天记录中所包含的各个文本数据。并根据该聊天记录,以及所携带的文本数据的相关信息,通过数据解析处理,确定出该聊天记录中各个文本数据的动作类型,以及各个文本数据与预设的邻近范围内的其他文本数据的关联关系。具体可以参阅图6所示。
其中,上述动作类型具体可以用于表征发布者发布该文本数据的意图目的。具体的,上述动作类型可以包括提问类型。例如,用户A发布的“请问,怎么申请VIP会员”所对应的动作类型可以为上述提问类型。上述动作类型还可以包括答复类型。例如。Lucy发布的关于如何申请VIP的文本数据所对应的动作类型可以为上述答复类型。此外,上述动作类型还可以包括通知类型。例如,Lucy发布的“今天甲业务服务VIP会员费用半价优惠!欢迎大家办理VIP会员”所对应的动作类型就可以记为通知类型。上述动作类型还可以包括问候类型。例如,用户D发布的“大家好!”所对应的动作类型就可以记为问候类型。当然,需要说明的是,上述所列举的多种动作类型只是一种示意性说明。具体实施时,根据具体的应用场景和处理要求,还可以引入除上述所列举的动作类型之外其他的动作类型。对此,本说明书不作限定。
上述预设的邻近范围具体可以包括:以文本数据的发布时间作为参照时间,在该参照时间之前的预设时间范围(例如,参照时间之前的1分钟),和在该参照时间之后的预设时间范围(例如,参照时间之后的一分钟)。其中,上述预设时间范围可以根据具体情况灵活设置。对此,本说明书不作限定。
上述关联关系具体可以包括文本数据与预设的邻近范围内的其他文本数据中的某一个文本数据在语义内容上相互关系。具体的,上述关联关系可以包括问答关系。例如,图4中Lucy发布的文本数据与邻近的用户A发布的文本数据之间的关联关系可以表示为问答关系。
当然需要说明的是,上述所列举的问答关系只是一种示意性说明。具体实施时,根据具体的应用场景,还可以引入除问答关系以外的其他类型相互关系作为上述关联关系。例如,上述关联关系还可以包括问候应答关系等等。
在本场景示例中,具体实施时,服务器可以调用预先训练好的对话解析模型根据上述1号客服群中预设时间段的聊天记录,确定出该聊天记录中所包含的多个文本数据中的各个文本数据的动作类型,以及各个文本数据与预设的邻近范围内其他文本数据之间的关联关系。
具体的,服务器可以将1号客服群中预设时间段的聊天记录作为模型输入,输入至对话解析模型中。运行对话解析模型,得到对应模型输出。根据上述模型输出确定出该聊天记录中所包含的文本数据的动作类型,以及与预设的邻近范围内其他文本数据之间的关联关系。
其中,上述对话解析模型具体可以包括一种预先利用样本聊天记录训练得到的,能够对一段对话数据,例如,某一个时间段的聊天记录,所包含的文本数据进行解析处理,以确定出该段对话数据中所包含的文本数的动作类型,以及文本数据与其他文本数据之间的关联关系的模型。
具体的,可以先获取样本客服群(例如,测试客服群)中某一个时间段的聊天记录作为样本聊天记录。再根据样本聊天记录中所包含的文本数据的具体内容,标注出各个文本数据的动作类型,以及各个文本数据与预设的邻近范围内其他的文本数据之间的关联关系,得到标注后的样本聊天记录。再根据标注后的样本聊天记录进行训练学习,得到上述对话解析模型。
考虑到在客服群中,客服成员主要的一项工作就是答复客户成员提出的问题。因此,在客服群中,客服成员相对于客户成员会更有可能发布答复类型的文本数据。基于上述逻辑,服务器可以根据文本数据的动作类型,先从1号客服群中预设时间段的聊天记录所包含的多个文本数据中筛选出动作类型为答复类型的文本数据作为第一类文本数据。
进一步,又考虑到客服成员具体的职责要求和工作特点,客服成员往往会在看到客户成员提出的问题后,会及时、快速地针对客户成员的问题进行答复。因此,在客服群中,客服成员针对客户成员的问题发布对应的答复类型的文本数据的效率通常会高于其他客户成员;答复的文本数据的内容也会更有针对性,与客户成员提出问题的文本数据之间的关联关系也会更强。基于上述逻辑,进一步,服务器可以根据第一类文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从第一类文本数据中筛选出时针对预设的邻近范围内的其他文本数据进行答复的文本数据作为相对于第一类文本数据,具有更高的概率是客服成员发布的文本数据,作为第二类文本数据。
服务器可以根据聊天记录中携带的文本数据的相关信息(例如,文本数据的发布者),确定出聊天记录中各个文本数据的发布成员(或者称发布者),再从上述发布成员中筛选在聊天记录中发布了第二类文本数据的发布成员作为相对于其他的发布成员具有较高概率为客服成员的候选成员。后续,可以只针对上述候选成员进行更加精细的分析确定,以从上述候选成员中再进一步找出客服成员。
在本场景示例中,服务器可以根据聊天记录分别分析确定出各个候选成员的行为特征数据,再以行为特征数据从多个候选成员中筛选最有可能为客服成员的候选成员作为客服成员。
其中,上述行为特征数据具体可以包括用于反映成员在聊天记录中发布文本数据的行为特点的特征向量。
具体实施时,服务器可以根据1号客服群中预设时间段的聊天记录,结合文本数据的相关信息,分别统计各个候选成员在预设时间段内发布的动作类型为答复类型的文本数据数量,以及动作类型为提问类型的文本数据数量。通常客服成员答复时发布的文本数据数量会相对多于提问时发布的文本数据数量。
同时,还可以先通过根据候选成员在预设时间段发布的文本数据与预设的邻近范围内的其他文本数据之间的关联关系,找到在预设的邻近范围内出现的与候选成员所发布的文本数据的关联关系为问答关系的其他文本数据,再确定出上述在预设的邻近范围内出现的与候选成员所发布的文本数据的关联关系为问答关系的其他文本数据的发布成员。进而可以统计上述在预设的邻近范围内出现的与候选成员所发布的文本数据的关联关系为问答关系的其他文本数据的发布成员的成员数量,作为候选成员在预设时间段所答复的成员数量。通常客服成员在预设时间段内可能通过答复客服成员提出的问题,与客户成员相比,会与以答复的方式与更多的群成员发生交互。
进而,服务器可以根据上述所确定出的候选成员在预设时间段发布的动作类型为答复类型的文本数据数量、动作类型为提问类型的文本数据数量,以及在预设时间段所答复的成员数量,确定出该候选成员的行为特征数据。
具体的,服务器可以根据预设的映射规则,例如,基于等量分桶方案的映射规则,将候选成员在预设时间段发布的动作类型为答复类型的文本数据数量、动作类型为提问类型的文本数据数量,以及在预设时间段所答复的成员数量分别映射成对应的特征向量,再将上述特征向量通过拼接组合后得到一个能够综合反映候选成员在预设时间段内的行为特征的向量,作为该候选成员的行为特征数据。
在确定出各个候选成员的行为特征数据后,服务器可以根据候选成员的行为特征数据,从多个候选成员中确定出最有可能为客服成员的候选成员作为1号客服群中身份为客服的成员。
具体实施时,服务器可以调用预先训练好的预设的身份确定模型,根据侯选成员的特征数据,确定出身份为客服的成员。
其中,上述预设的身份确定模型具体可以包括一种预先训练好的,能够根据成员的行为特征数据,预测该成员的身份为客服的概率值的模型。
在具体实施之前,服务器可以先构建初始的逻辑回归模型作为初始模型。同时,服务器还会获取样本客服群中聊天记录,并根据样本客服群中的聊天记录,获取样本客服群中身份为客服的成员的特征数据作为样本数据。再利用上述样本数据对初始模型进行学习训练,得到精度满足要求的模型作为符合要求的预设的身份确定模型。
在获取样本数据时,还可以根据样本客服群中的聊天记录,获取样本客服群中身份为客户的成员的特征数据作为负样本数据,连同身份为客服的成员的特征数据(作为正样本数据)一起参与对初始模型的学习训练,从而可以得到准确度更高的预设的身份确定模型。
具体的,服务器可以将候选成员的特征数据作为模型输入,依次输入至预设的身份确定模型中。并运行预设的身份确定模型,得到对应的预测出的候选成员的身份为客服的概率值。进而可以根据上述概率值,从多个候选成员中确定出客服成员。
具体实施时,服务器可以根据候选成员的身份为客服的概率值,筛选出概率值最高的候选成员确定为客服成员。当然,也可以将各个候选成员的身份为客服的概率值,与预设的概率阈值分别进行比较,将身份为客服的概率值大于等于预设的概率阈值的成员确定为客服成员。
例如,按照上述方式,服务器通过预设的身份确定模型分别确定出候选成员Lucy的身份为客服的概率值为87.5%,候选成员用户A的身份为客服的概率值为64.3%,候选成员用户D的身份为客服的概率值为72.1%。根据上述三个候选成员的身份为客服的概率值,可以将概率值最高的Lucy确定为1号客服群中身份为客服的成员,即客服成员。
服务器在按照上述方式识别并确定出1号客服群中成员Lucy为客服成员后,进一步可以自动将成员Lucy设置为1号客服群的客服成员,并分配给Lucy相应的客服权限。其中,上述客服权限具体可以包括使用问题识别、答案推荐、问答入库等辅助功能的权限。这样Lucy在被确认为1号客服群的客服成员后,可以通过利用上述客服权限,使用相应的辅助功能,更好地为客服群中的客户成员服务。
为了减少误差,避免服务向不是客服成员的成员分配客服权限。具体实施时,服务器在确定出1号客服群的客服成员后,可以先生成身份确认请求,其中,该身份确认请求中携带有被确定为客服成员的成员Lucy的身份信息。进而可以先将该身份确认请求发送至群管理员或者管理服务器。群管理员或者管理服务器在接收到上述身份确认请求后,只需要对该身份确认请求中所携带一个或几个身份信息,与所拥有的客服成员名单进行匹配就可以快速地判断出服务器所识别确定的客服成员是否真的是客服成员。在确定身份确认请求中所携带的客服成员的身份信息,与客服成员名单中某个客服成员的身份信息匹配时,判定服务器所确定出的客服成员是准确的。这时可以向服务器反馈对应的确认指示。
服务器在接收到群管理员或者管理服务器反馈的确认指示后,可以确定所识别确定出的客服成员是准确的,这时可以为该客服成员设置客服的身份标签,例如,在该客服成员在客服群的头像上设置“客服”的标签信息,并为该客服成员分配相应的客服权限。
通过上述方式,服务器可以分别自动地确定甲业务服务的多个客服群中各个客服群中的客服成员,并自动为各个客服成员分配对应的客服权限。而不用再依赖群管理员人工地进行检索、匹配来确定各个客服群的客服成员,减少了群管理员的工作量,提高了客服群的数据处理效率。
参阅图7所示,本说明书实施例提供了一种客服成员的确定方法,其中,该方法具体应用于服务器一侧。具体实施时,该方法可以包括以下内容。
S701:获取目标客服群中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标客服群中的成员在预设时间段发布的多个文本数据。
在一些实施例中,上述目标客服群具体可以包括一种基于社交软件的群组功能或群聊功能所建立的客服群。其中,该客服群中具体可以包括使用某业务服务或者某实体商品的客户成员,以及至少一个该业务服务提供方或者实体商品提供方的客服成员。其中,在该客服群中还没有正式为客服成员设置对应的客服身份标签、分配相应的客服权限。
在该目标客服群中,群成员(包括客服成员和客户成员)可以通过在客服群的聊天对话框中发布相应的文本数据与其他的群成员进行交互。具体的,例如,客户成员在使用某业务服务出现问题,或者有不清楚的地方,可以通过在该客服群中的聊天对话框中发布相应用于提问的文本数据,以提出自己的问题,寻求客服群中群成员的帮助。客服群中的客服成员,虽然目前还没有被服务器确认客服身份,也没有被分配相应的客服权限,但基于自身的工作职责,如果在客服群的聊天对话框中看到客户成员发布的问题,会及时地通过发布用于答复的文本数据来答复处理客户成员提出的问题。此外,客服成员还会主动地在客服群的聊天对话框中通过发布相应的文本数据进行消息的通知公告。在该客服群中,群成员之间还可以通过发布问候类的文本数据进行与其他群成员进行问候交流等。
在一些实施例中,上述预设时间段具体可以是过去的一个小时,或者昨天一天等。具体实施时,可以根据具体的应用场景和处理要求设置上述预设时间段。对此,本说明书不作限定。
在一些实施例中,上述目标客服群中预设时间段的聊天记录,具体可以包括在预设时间段中,目标客服群中群成员在该客服群的聊天对话框中所发布的多个文本数据。
其中,上述目标客服群中预设时间段的聊天记录还可以携带有所包含的各个文本数据的相关信息。其中,上述文本数据的相关信息具体可以包括:文本数据的发布者信息、文本数据的发布时间信息等等。当然,需要说明的是,上述所列举相关信息只是一种示意性说明。具体实施时,根据具体情况,上述文本数据的相关信息还可以包括其他内容的与文本数据相关的信息。对此,本说明书不作限定。
在一些实施例中,可以通过预先布设于目标客服群的聊天对话框中的采集端设备采集在预设时间段内群成员发布的文本数据,以得到上述目标客服群中预设时间段的聊天记录。也可以通过目标客服群所基于的社交软件的相应功能,获取该客服群中的历史聊天记录,从历史聊天记录中截取预设时间段的历史聊天记录作为上述目标客服群中预设时间段的聊天记录。
S703:根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系。
在一些实施例中,上述动作类型具体可以用于表征文本数据的发布者发布该文本数据的意图目的。具体的,上述动作类型可以包括提问类型。例如,客户成员发布的“请问,怎么申请VIP会员”所对应的动作类型可以为上述提问类型。上述动作类型还可以包括答复类型。例如。客服成员发布的关于如何申请VIP的文本数据所对应的动作类型可以为上述答复类型。此外,上述动作类型还可以包括通知类型。例如,客服成员发布的“今天甲业务服务VIP会员费用半价优惠!欢迎大家办理VIP会员”所对应的动作类型就可以记为通知类型。上述动作类型还可以包括问候类型。例如,客服成员发布的“大家好!”所对应的动作类型就可以记为问候类型。当然,需要说明的是,上述所列举的多种动作类型只是一种示意性说明。具体实施时,根据具体的应用场景和处理要求,还可以引入除上述所列举的动作类型之外其他的动作类型。对此,本说明书不作限定。
在一些实施例中,上述预设的邻近范围具体可以包括:以文本数据的发布时间作为参照时间,在该参照时间之前的预设时间范围(例如,参照时间之前的1分钟),和在该参照时间之后的预设时间范围(例如,参照时间之后的一分钟)。其中,上述预设时间范围可以根据具体情况灵活设置。对此,本说明书不作限定。
在一些实施例中,上述关联关系具体可以包括文本数据与预设的邻近范围内的其他问本数据中的某一个文本数据在语义内容上相互关系。具体的,上述关联关系可以包括问答关系。例如,某个文本数据是针对答复该文本数据之前的第二个文本数据(在预设的邻近范围)的,因此这两个文本数据之间存在问答关系这种关联关系。当然需要说明的是,上述所列举的问答关系只是一种示意性说明。具体实施时,根据具体的应用场景,还可以引入除问答关系以外的其他类型相互关系作为上述关联关系。例如,上述关联关系还可以包括问候应答关系等等。
在一些实施例中,可以先从目标客服群中预设时间段的聊天记录中提取出各个文本数据,以及各个文本数据的相关信息。进一步,可以对各个文本数据单独进行解析处理,确定出各个文本数据的动作类型。再根据文本数据的相关信息,将各个文本数据分别与该文本数据预设的邻近范围内的其他文本数据进行组合,以组合为单位进行解析处理,确定出各个文本数据与预设的邻近范围内的其他文本数据之间的关联关系。
在一些实施例中,具体实施时,还可以调用预先训练好的对话解析模型对目标客服群中预设时间段的聊天记录进行解析处理,以确定出该目标客服群中预设时间段的聊天记录中所包含的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系。
在一些实施例中,上述对话解析模型具体可以包括一种预先利用样本聊天记录训练得到的,能够对某一段对话数据(例如,某一个时间段的聊天记录)所包含的文本数据进行解析处理,以确定出该段对话数据中所包含的文本数的动作类型,以及文本数据与其他文本数据之间的关联关系的模型。
在一些实施例中,具体实施时,可以按照以下方式获取上述对话解析模型:先获取样本客服群(例如,测试客服群)中某一个时间段的聊天记录作为样本聊天记录。再根据样本聊天记录中所包含的文本数据的具体内容,标注出各个文本数据的动作类型,以及各个文本数据与预设的邻近范围内其他的文本数据之间的关联关系,得到标注后的样本聊天记录。进而可以根据标注后的样本聊天记录,进行训练学习,得到上述对话解析模型。
在一些实施例中,具体实施时,可以将上述目标客服群中预设时间段的聊天记录作为模型输入,输入至上述对话解析模型中。并运行上述对话解析模型,得到对应的模型输出。根据该模型输出,确定出目标客服群中预设时间段的聊天记录所包含的各个文本数据的动作类型,以及各个文本数据与预设的邻近范围内其他文本数据之间的关联关系。
S705:根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员。
在本实施例中,上述候选成员具体可以包括目标客服群中在预设时间段发布过文本数据的成员中具有相对较高的可能性为客服成员的群成员。
在本实施例中,具体实施时,结合客服成员所发布的文本数据的特点,可以根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,结合文本数据的相关信息,从发布文本数据的成员(即文本数据的发布者)中筛选出具有具有较高的可能性身份为客服的成员作为候选成员。
在一些实施例中,具体实施时,上述根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员,具体实施时,可以包括以下内容。
考虑到由于工作要求,客服成员在客服群中发布的文本数据大多用于答复客户成员的问题的答复类型的文本数据。因此,可以根据文本数据的动作类型,从目标客服群中预设时间段的聊天记录所包含的多个文本数据中先确定出动作类型为答复类型的文本数据作为第一类文本数据。第一类文本数据相对于其他文本数据,更有可能是客服成员所发布的文本数据。
进一步,又考虑到由于工作要求,客服成员在答复客户成员提出的问题时相对于其他群成员会更加及时、有针对性。相应的,客服成员发布的答复类型的文本数据相对于其他群成员发布的答复类型的文本数据,有更高的可能性就位于客户提问的文本数据附近。因此,可以根据第一类文本数据与预设的邻近范围内的其他文本数据之间的关联关系,进一步,从所述第一类文本数据中筛选确定出是针对预设的邻近范围内的其他文本数据进行答复的文本数据作为第二类文本数据。上述第二类文本数据相对第一类文本数据,具有更高的可能性是客服成员发布的文本数据。
继而,可以根据第二类文本数据的相关信息,确定出发布第二类文本数据的成员(即第二类文本数据的发布者),并将发布第二类文本数据的成员,确定上述候选成员。
在一些实施例中,又考虑到客服成员由于工作要求,相对于客户成员往往会发布更多的用于通知的文本数据。因此,客服成员发布的通知类型的文本数据通常也会明显多于普通客户成员。
基于上述考虑,可以利用客服成员发布的文本数据中动作类型为通知类型的文本数据数量通常会多于客户成员的特点,对上述所确定的发布第二类文本数据成员中进行进一步筛选,以缩小候选确定客服成员的成员范围,得到更加精确的候选成员。
具体的,可以先将发布第二类文本数据的成员确定为待定成员。进一步可以根据目标客服群中预设时间段的聊天记录,有针对性地统计上述待定成员在预设时间段发布的动作类型为通知类型的文本数据数量。再根据待定成员在预设时间段发布的动作类型为通知类型的文本数据数量,从上述待定成员中,进一步筛选出候选成员。例如,可以根据待定成员在预设时间段发布的动作类型为通知类型的文本数据数量,按照在预设时间段发布的动作类型为通知类型的文本数据数量从到小的顺序,排序待定成员,并从待定成员筛选出排序靠前的几个成员作为候选成员。
在一些实施例中,还可以采用其他方式对上述发布第二类文本数的成员进行进一步的筛选,以得到为客服的可能性更高的候选成员。具体的,可以获取发布第二类文本数据的成员在其他客服群中的身份信息。如果发布第二类文本数据的成员在其他客服群中的身份信息为客服,则可以判断该成员具有相对更高的概率为目标客服群中的客服成员,因此可以优先将该类成员划分为候选成员。
也可以根据目标客服群中预设时间段的聊天记录,分别统计各个发布第二类文本数据的成员在预设时间段内所发布的文本数据的数量。通常,在客服群中客服成员相对于客户成员往往更加活跃,发布的文本数据的数量也会相对更多。因此,可以根据发布第二类文本数据的成员在预设时间段内所发布的文本数据的数量,筛选出在预设时间段发布的文本数据的数量相对较多的成员,确定为候选成员。
还可以根据目标客服群中预设时间段的聊天记录,以及第二类文本数据与预设的邻近范围内的其他文本数据之间关联关系,确定发布第二类文本数据的成员在预设时间段内主动发布的文本数据的数量。通常,在客服群中客服成员相对于客户成员更容易主动地发布文本数据。因此,可以根据发布第二类文本数据的成员在预设时间段内主动发布的文本数据的数量,进一步筛选得到候选成员。
S707:确定并根据候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员。
在一些实施例中,上述行为特征数据具体可以包括用于反映成员在聊天记录中发布文本数据的行为特点的特征向量。
在一些实施例中,考虑到由于工作要求,客服成员更多时候往往是在为客户成员提出的问题进行答复,因此,所发布的文本数据中答复类型的文本数据往往会多于提问类型的文本数据。此外,客服成员往往需要为客服群中大量客户成员服务,因此,客服成员所答复的成员数量相对于客户成员也会更多。基于上述行为特点,可以根据确定并根据候选成员的行为特征数据,从所述候选成员中再进一步筛选出更有可能性为客服的成员作为身份为客服的成员。
在一些实施例中,基于上述考虑,具体实施时,可以按照以下方式确定出候选成员的行为特征数据。先根据目标客服群中预设时间段的聊天记录,结合文本数据的相关信息,统计出各个候选成员在预设时间段发布的动作类型为答复类型的文本数据数量,以及动作类型为提问类型的文本数据数量。同时,可以根据候选成员在预设时间段所发布的文本数据与预设的邻近范围内的其他文本数据之间的关联关系,结合目标客服群中预设时间段的聊天记录和文本数据的相关信息,分别统计确定出候选成员在预设时间段所答复的成员数量。进而可以根据述候选成员在预设时间段发布的动作类型为答复类型的文本数据数量、动作类型为提问类型的文本数据数量,以及在预设时间段所答复的成员数量,确定出各个候选成员的行为特征数据。
在一些实施例中,可以将上述候选成员在预设时间段发布的动作类型为答复类型的文本数据数量、动作类型为提问类型的文本数据数量,以及在预设时间段所答复的成员数量按照预设的映射规则分别映射成对应的特征向量,再综合上述特征向量,得到能够综合反映出候选成员在预设时间段的行为特征的向量,作为该候选成员的特征数据。
在一些实施例中,上述预设的映射规则具体可以包括基于等量分桶方案的映射规则,进而可以根据基于等量分桶方案的映射规则来将候选成员在预设时间段发布的动作类型为答复类型的文本数据数量、动作类型为提问类型的文本数据数量,以及在预设时间段所答复的成员数量映射成对应的特征响铃。具体的,例如,可以根据文本数据的数量,等量分为5个桶,得到5维0/1的特征向量,根据动作类型为提问类型的文本数据数量,等量分为5个桶,得到5维0/1特征特征向量,根据动作类型为答复类型的文本数据的数量,等量分为5个桶,得到5维0/1特征向量,根据在预设时间段所答复的成员数量,等量分为3个桶,得到3维0/1特征向量。
此外,进一步,还可以引入其他的行为特征得到其他的特征向量。例如,可以根据在预设时间段被答复过成员数量,等量分为3个桶,得到3维0/1特征向量。可以根据候选成员在其他客服群的身份信息,确定该候选成员是否为其他群的客服,得到1维0/1特征的向量等等。
进一步,可以根据候选成员的上述行为特征的数值进行排序,将排序后的候选成员切分为n份,得到一个n维向量,其中,候选成员所在的桶的下标维度为1,其余均为0。从而可以得到各个候选成员所对应的特征向量,作为候选成员的特征数据。
在一些实施例中,可以根据候选成员的特征数据,筛选出行为特征与客服成员较为接近的候选成员作为目标客服群中身份为客服的成员。
在一些实施例中,具体实施时,可以通过调用预先训练好的预设的身份确定模型,根据侯选成员的特征数据,确定出身份为客服的成员。
其中,上述预设的身份确定模型具体可以包括一种预先训练好的,能够根据成员的行为特征数据,预测该成员的身份为客服的概率值的模型。
在一些实施例中,具体实施时之前,可以按照以下方式获取预设的身份确定模型。先构建初始的逻辑回归模型作为初始模型。同时,还会获取样本客服群中聊天记录,并根据样本客服群中的聊天记录,获取样本客服群中身份为客服的成员的特征数据作为样本数据。再利用上述样本数据对初始模型进行学习训练,得到精度满足要求的模型作为符合要求的预设的身份确定模型。
在一些实施例中,根据具体情况,也可以采用神经网络模型作为初始模型,以训练得到预设的身份确定模型。
在一些实施例中,具体的,可以将候选成员的特征数据作为模型输入,依次输入至预设的身份确定模型中。并运行预设的身份确定模型,得到对应的预测出的候选成员的身份为客服的概率值。进而可以根据上述概率值,从多个候选成员中确定出客服成员。具体实施时,可以根据候选成员的身份为客服的概率值,筛选出概率值最高的候选成员确定为客服成员。当然,也可以将各个候选成员的身份为客服的概率值,与预设的概率阈值分别进行比较,将身份为客服的概率值大于等于预设的概率阈值的成员确定为客服成员。
在一些实施例中,在按照上述方式确定出目标客服群中的客服成员后,可以为该成员设置对应的客服身份标签。例如,可以在该成员在目前客服群中头像上设置用于标识客服的标签或标志。同时,可以为上述客服成员分配在目标客服群中使用的客服权限,以便客服成员可以在目标客服群中更好地客户成员服务。
其中,上述客服权限具体可以包括:问题识别辅助功能的使用权限、答案推荐辅助功能的使用权限、问答入库辅助功能的使用权限等等。当然,需要说明的是,上述所列举的客服权限只是一种示意性说明。具体实施时,根据具体情况和处理需要,还可以引入其他类型的权限作为上述客服权限,分配给客服成员使用。对此,本说明书不作限定。
在一些实施例中,为了保证所确定的客服成员准确,在按照上述方式确定出目标客服群中的客服成员后,进一步,还可以向群管理员发送身份确认请求,其中,所述身份确认请求携带有所确定出的身份为客服的成员的身份信息。
上述群管理员具体可以是负责管理客服群的技术人员,也可以是负责管理客服群的后台程序或者服务器等。
在本实施例中,群管理员拥有客服群的客服成员的相关信息,例如,客服成员的身份信息名单等。群管理员在接收到身份确认请求后,可以从身份确认请求中获取服务器所确定出的身份为客服的成员的身份信息,并根据该身份信息,与所拥有的客服群的客服成员的相关信息进行匹配,如果匹配成功则可以判断服务器所确定的客服成员是准确的。在这种情况下,群管理员可以生成相应的确认指示。服务器可以接收并响应群管理员根据所述身份确认请求反馈的确认指示,为身份为客服的成员分配客服权限。也可以为该客服成员设置对应的客服身份标签。相反,如果匹配不成功则可以判断服务器所确定的客服成员是不准确的。在这种情况下,群管理员不生成相应的确认指示。服务器在没有接收到群管理员根据所述身份确认请求反馈的确认指示的情况下,不会自动地为所确定的客服成员分配客服权限。
在一些实施例中,在匹配不成功的情况下,群管理员还可以生成并发送错误信息。服务器在接收到错误信息后,可以根据错误信息对所使用的预设的身份确定模型进行针对性的调整更新,以提高所使用的预设的身份确定模型的准确度,减少误差。
在本实施例中,通过获取并根据目标客服群中预设时间段内的聊天记录,先确定出在预设时间段群成员所发布的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;再根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从在预设时间段发布文本数据的成员中筛选出候选成员;进而,通过确定并根据候选成员的行为特征数据,从候选成员中确定出身份为客服的成员。从而能够自动、高效地从客服群的成员中识别确定出身份为客服的成员,并为所确定的客服成员分配相应的客服权限,减少了群管理员管理客服群的工作量,提高了客服群的数据处理效率。
在一些实施例中,所述动作类型具体可以包括以下至少之一:提问、答复、通知、问候等等。当然,上述所列举的动作类型只是一种示意性说明。具体实施时,根据具体情况和处理要求,还可以包含有除上述所列举的动作类型之外的其他的动作类型。对此,本说明书不作限定。
在一些实施例中,上述根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员,具体实施时,可以包括以下内容:根据文本数据的动作类型,确定出动作类型为答复类型的文本数据作为第一类文本数据;根据第一类文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从所述第一类文本数据中确定出针对预设的邻近范围内的其他文本数据进行答复的文本数据作为第二类文本数据;从发布文本数据的成员中,筛选出发布了第二类文本数据的成员,作为所述候选成员。
在一些实施例中,在根据第一类文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从所述第一类文本数据中确定出针对预设的邻近范围内的其他文本数据进行答复的文本数据作为第二类文本数据后,所述方法具体实施时,还可以包括以下内容:从发布文本数据的成员中,筛选出发布了第二类文本数据的成员,作为待定成员;统计所述待定成员在预设时间段发布的动作类型为通知类型的文本数据数量;根据所述待定成员在预设时间段发布的动作类型为通知类型的文本数据数量,从所述待定成员中,筛选出候选成员。
在一些实施例中,上述确定所述候选成员的行为特征数据,具体实施时,可以包括以下内容:统计候选成员在预设时间段发布的动作类型为答复类型的文本数据数量,以及动作类型为提问类型的文本数据数量;根据候选成员在预设时间段所发布的文本数据与预设的邻近范围内的其他文本数据之间的关联关系,确定候选成员在预设时间段所答复的成员数量;根据述候选成员在预设时间段发布的动作类型为答复类型的文本数据数量、动作类型为提问类型的文本数据数量,以及在预设时间段所答复的成员数量,确定出所述候选成员的行为特征数据。
在一些实施例中,上述根据所述候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员,具体实施时,可以包括以下内容:调用预设的身份确定模型,根据所述候选成员的行为特征数据,确定出候选成员的身份为客服的概率值;根据所述候选成员的身份为客服的概率值,从所述候选成员中确定出身份为客服的成员。
在一些实施例中,所述预设的身份确定模型具体可以按照以下方式获取:构建逻辑回归模型,作为初始模型;获取样本客服群中的聊天记录,并根据所述样本客服群中的聊天记录,获取样本客服群中身份为客服的成员的行为特征数据,作为样本数据;利用所述样本数据训练所述初始模型,得到符合要求的预设的身份确定模型。
在一些实施例中,在确定并根据所述候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员后,所述方法具体实施时,还可以包括以下内容:向群管理员发送身份确认请求,其中,所述身份确认请求携带有所确定出的身份为客服的成员的身份信息;接收并响应群管理员根据所述身份确认请求反馈的确认指示,为身份为客服的成员分配客服权限。
由上可见,本说明书实施例提供的客服成员的确定方法,通过获取并根据目标客服群中预设时间段内的聊天记录,先确定出在预设时间段群成员所发布的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;再根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从在预设时间段发布文本数据的成员中筛选出候选成员;进而,通过确定并根据候选成员的行为特征数据,从候选成员中确定出身份为客服的成员。从而能够自动、高效地从客服群的成员中识别确定出身份为客服的成员,并为所确定的客服成员分配相应的客服权限,以便能及时高效地确认并为新接入的客服成员分配相应的客服权限,减少了群管理员管理客服群的工作量,提高了客服群的数据处理效率。还通过针对候选成员,先确定出候选成员的行为特征数据,再利用预设的身份确定模型根据候选成员的行为特征数据确定出身份为客服的成员,提高了确定客服成员的准确率,减少了误差。
本说明书实施例还提供了一种群成员身份的确定方法,该方法具体实施时,可以包括以下内容。
S1:获取目标群组中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标群组中的群成员在预设时间段发布的多个文本数据。
S2:根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系。
S3:确定在预设时间段发布文本数据的群成员的行为特征数据。
S4:根据聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,以及在预设时间段发布文本数据的群成员的行为特征数据,确定出群成员的身份。
在本实施例中,上述群成员的身份具体可以包括:客户、客服等。当然,上述所列举的群身份只是一种示意性说明。具体实施时,根据具体的应用场景和处理需要,上述群成员的身份还可以包括上述所列举的身份以外其他类型的身份。对此,本说明书不作限定。
在本实施例中,上述目标群组具体可以包括某个业务服务或某个商品的客服群,也可以包括某个公司的工作交流群,还可以是学习交流群等等。当然,上述所列举的目标群组只是一种示意性说明。具体实施时,根据具体的应用场景,还可以引入其他类型的群组作为上述目标群组。对此,本说明书不作限定。
在本实施例中,具体实施时,可以根据所要确定的具体群成员的身份,以及该身份的成员在目标群组中所发布的文本数据的特点,以及该身份的成员在目标群组中的行为特点,来根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,以及在预设时间段发布文本数据的群成员的行为特征数据,有针对性地从目标群组识别确定出满足某个群员身份的群成员。
通过上述方式,可以自动地识别、确定出目标群组中各个群成员的身份,使得群管理更加的方便、高效,提高了目标群组的数据处理效率。
本说明书实施例还提供一种服务器,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器具体实施时可以根据指令执行以下步骤:获取目标客服群中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标客服群中的成员在预设时间段发布的多个文本数据;根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员;确定并根据候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员。
为了能够更加准确地完成上述指令,参阅图8所示,本说明书实施例还提供了另一种具体的服务器,其中,所述服务器包括网络通信端口801、处理器802以及存储器803,上述结构通过内部线缆相连,以便各个结构可以进行具体的数据交互。
其中,所述网络通信端口801,具体可以用于获取目标客服群中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标客服群中的成员在预设时间段发布的多个文本数据。
所述处理器802,具体可以用于根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员;确定并根据候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员。
所述存储器803,具体可以用于存储相应的指令程序。
在本实施例中,所述网络通信端口801可以是与不同的通信协议进行绑定,从而可以发送或接收不同数据的虚拟端口。例如,所述网络通信端口可以是负责进行web数据通信的80号端口,也可以是负责进行FTP数据通信的21号端口,还可以是负责进行邮件数据通信的25号端口。此外,所述网络通信端口还可以是实体的通信接口或者通信芯片。例如,其可以为无线移动网络通信芯片,如GSM、CDMA等;其还可以为Wifi芯片;其还可以为蓝牙芯片。
在本实施例中,所述处理器802可以按任何适当的方式实现。例如,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(Application SpecificIntegrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。本说明书并不作限定。
在本实施例中,所述存储器803可以包括多个层次,在数字***中,只要能保存二进制数据的都可以是存储器;在集成电路中,一个没有实物形式的具有存储功能的电路也叫存储器,如RAM、FIFO等;在***中,具有实物形式的存储设备也叫存储器,如内存条、TF卡等。
本说明书实施例还提供了一种基于上述客服成员的确定方法的计算机存储介质,所述计算机存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现:获取目标客服群中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标客服群中的成员在预设时间段发布的多个文本数据;根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员;确定并根据候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员。
在本实施例中,上述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的,用于进行网络连接通信的接口。
在本实施例中,该计算机存储介质存储的程序指令具体实现的功能和效果,可以与其它实施方式对照解释,在此不再赘述。
参阅图9所示,在软件层面上,本说明书实施例还提供了一种客服成员的确定装置,该装置具体可以包括以下的结构模块。
获取模块901,具体可以用于获取目标客服群中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标客服群中的成员在预设时间段发布的多个文本数据;
第一确定模块903,具体可以用于根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;
筛选模块905,具体可以用于根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员;
第二确定模块907,具体可以用于确定并根据候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员。
在一些实施例中,所述动作类型具体可以包括以下至少之一:提问、答复、通知、问候等等。
在一些实施例中,所述筛选模块805具体可以包括以下结构单元:
第一确定单元,具体可以用于根据文本数据的动作类型,确定出动作类型为答复类型的文本数据作为第一类文本数据;
第二确定单元,具体可以用于根据第一类文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从所述第一类文本数据中确定出针对预设的邻近范围内的其他文本数据进行答复的文本数据作为第二类文本数据;
第一筛选单元,具体可以用于从发布文本数据的成员中,筛选出发布了第二类文本数据的成员,作为所述候选成员。
在一些实施例中,所述筛选模块805具体还可以包括:第一统计单元和第二筛选单元。其中,
第一筛选单元,具体可以用于从发布文本数据的成员中,筛选出发布了第二类文本数据的成员,作为待定成员;
第一统计单元,具体可以用于统计所述待定成员在预设时间段发布的动作类型为通知类型的文本数据数量;
第二筛选单元,具体可以用于根据所述待定成员在预设时间段发布的动作类型为通知类型的文本数据数量,从所述待定成员中,筛选出候选成员。
在一些实施例中,所述第二确定模块807具体可以包括以下结构单元:
第二统计单元,具体可以用于统计候选成员在预设时间段发布的动作类型为答复类型的文本数据数量,以及动作类型为提问类型的文本数据数量;
第三确定单元,具体可以用于根据候选成员在预设时间段所发布的文本数据与预设的邻近范围内的其他文本数据之间的关联关系,确定候选成员在预设时间段所答复的成员数量;
第四确定单元,具体可以用于将所述候选成员在预设时间段发布的动作类型为答复类型的文本数据数量、动作类型为提问类型的文本数据数量,以及在预设时间段所答复的成员数量,确定为所述候选成员的行为特征数据。
在一些实施例中,所述第二确定模块807具体还可以包括以下结构单元:
调用单元,具体可以用于调用预设的身份确定模型,根据所述候选成员的行为特征数据,确定出候选成员的身份为客服的概率值;
第五确定单元,具体可以用于根据所述候选成员的身份为客服的概率值,从所述候选成员中确定出身份为客服的成员。
在一些实施例中,所述装置具体还可以包括建模模块,所述建模模块具体可以包括以下结构单元:
构建单元,具体可以用于构建逻辑回归模型,作为初始模型;
获取单元,具体可以用于获取样本客服群中的聊天记录,并根据所述样本客服群中的聊天记录,获取样本客服群中身份为客服的成员的行为特征数据,作为样本数据;
训练单元,具体可以用于利用所述样本数据训练所述初始模型,得到符合要求的预设的身份确定模型。
在一些实施例中,所述装置具体还可以包括处理模块,所述处理模块具体可以包括以下结构单元:
发送单元,具体可以用于向群管理员发送身份确认请求,其中,所述身份确认请求携带有所确定出的身份为客服的成员的身份信息;
处理单元,具体可以用于接收并响应群管理员根据所述身份确认请求反馈的确认指示,为身份为客服的成员分配客服权限。
需要说明的是,上述实施例阐明的单元、装置或模块等,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。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。
由上可见,本说明书实施例提供的客服成员的确定装置,通过获取模块获取并根据目标客服群中预设时间段内的聊天记录,通过第一确定模块先确定出在预设时间段群成员所发布的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;再通过筛选模块根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从在预设时间段发布文本数据的成员中筛选出候选成员;进而,通过第二确定模块确定并根据候选成员的行为特征数据,从候选成员中确定出身份为客服的成员。从而能够自动、高效地从客服群的成员中识别确定出身份为客服的成员,并为所确定的客服成员分配相应的客服权限,以便能及时高效地确认并为新接入的客服成员分配相应的客服权限,减少了群管理员管理客服群的工作量,提高了客服群的数据处理效率。
虽然本说明书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。在实际中的装置或客户端产品执行时,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。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
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。
本说明书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、类等等。也可以在分布式计算环境中实践本说明书,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。
通过以上的实施例的描述可知,本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本说明书的技术方案本质上可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,移动终端,服务器,或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述,各个实施例之间相同或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。本说明书可用于众多通用或专用的计算机***环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。
虽然通过实施例描绘了本说明书,本领域普通技术人员知道,本说明书有许多变形和变化而不脱离本说明书的精神,希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。
Claims (18)
1.一种客服成员的确定方法,包括:
获取目标客服群中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标客服群中的成员在预设时间段发布的多个文本数据;
根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;
根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员;
确定并根据候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员。
2.根据权利要求1所述的方法,所述动作类型包括以下至少之一:提问、答复、通知、问候。
3.根据权利要求2所述的方法,根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员,包括:
根据文本数据的动作类型,确定出动作类型为答复类型的文本数据作为第一类文本数据;
根据第一类文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从所述第一类文本数据中确定出针对预设的邻近范围内的其他文本数据进行答复的文本数据作为第二类文本数据;
从发布文本数据的成员中,筛选出发布了第二类文本数据的成员,作为所述候选成员。
4.根据权利要求3所述的方法,在根据第一类文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从所述第一类文本数据中确定出针对预设的邻近范围内的其他文本数据进行答复的文本数据作为第二类文本数据后,所述方法还包括:
从发布文本数据的成员中,筛选出发布了第二类文本数据的成员,作为待定成员;
统计所述待定成员在预设时间段发布的动作类型为通知类型的文本数据数量;
根据所述待定成员在预设时间段发布的动作类型为通知类型的文本数据数量,从所述待定成员中,筛选出候选成员。
5.根据权利要求2所述的方法,确定所述候选成员的行为特征数据,包括:
统计候选成员在预设时间段发布的动作类型为答复类型的文本数据数量,以及动作类型为提问类型的文本数据数量;
根据候选成员在预设时间段所发布的文本数据与预设的邻近范围内的其他文本数据之间的关联关系,确定候选成员在预设时间段所答复的成员数量;
根据所述候选成员在预设时间段发布的动作类型为答复类型的文本数据数量、动作类型为提问类型的文本数据数量,以及在预设时间段所答复的成员数量,确定出所述候选成员的行为特征数据。
6.根据权利要求1所述的方法,根据所述候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员,包括:
调用预设的身份确定模型,根据所述候选成员的行为特征数据,确定出候选成员的身份为客服的概率值;
根据所述候选成员的身份为客服的概率值,从所述候选成员中确定出身份为客服的成员。
7.根据权利要求6所述的方法,所述预设的身份确定模型按照以下方式获取:
构建逻辑回归模型,作为初始模型;
获取样本客服群中的聊天记录,并根据所述样本客服群中的聊天记录,获取样本客服群中身份为客服的成员的行为特征数据,作为样本数据;
利用所述样本数据训练所述初始模型,得到符合要求的预设的身份确定模型。
8.根据权利要求1所述的方法,在确定并根据所述候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员后,所述方法还包括:
向群管理员发送身份确认请求,其中,所述身份确认请求携带有所确定出的身份为客服的成员的身份信息;
接收并响应群管理员根据所述身份确认请求反馈的确认指示,为身份为客服的成员分配客服权限。
9.一种群成员身份的确定方法,包括:
获取目标群组中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标群组中的群成员在预设时间段发布的多个文本数据;
根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;
确定在预设时间段发布文本数据的群成员的行为特征数据;
根据聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,以及在预设时间段发布文本数据的群成员的行为特征数据,确定出群成员的身份。
10.一种客服成员的确定装置,包括:
获取模块,用于获取目标客服群中预设时间段的聊天记录,其中,所述预设时间段的聊天记录包括目标客服群中的成员在预设时间段发布的多个文本数据;
第一确定模块,用于根据所述预设时间段的聊天记录,确定出聊天记录中的文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系;
筛选模块,用于根据文本数据的动作类型,以及文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从发布文本数据的成员中筛选出候选成员;
第二确定模块,用于确定并根据候选成员的行为特征数据,从所述候选成员中确定出身份为客服的成员。
11.根据权利要求10所述的装置,所述动作类型包括以下至少之一:提问、答复、通知、问候。
12.根据权利要求11所述的装置,所述筛选模块包括:
第一确定单元,用于根据文本数据的动作类型,确定出动作类型为答复类型的文本数据作为第一类文本数据;
第二确定单元,用于根据第一类文本数据与预设的邻近范围内的其他文本数据之间的关联关系,从所述第一类文本数据中确定出针对预设的邻近范围内的其他文本数据进行答复的文本数据作为第二类文本数据;
第一筛选单元,用于从发布文本数据的成员中,筛选出发布了第二类文本数据的成员,作为所述候选成员。
13.根据权利要求12所述的装置,所述筛选模块还包括:第一统计单元和第二筛选单元,其中,
第一筛选单元,还用于从发布文本数据的成员中,筛选出发布了第二类文本数据的成员,作为待定成员;
第一统计单元,用于统计所述待定成员在预设时间段发布的动作类型为通知类型的文本数据数量;
第二筛选单元,用于根据所述待定成员在预设时间段发布的动作类型为通知类型的文本数据数量,从所述待定成员中,筛选出候选成员。
14.根据权利要求11所述的装置,所述第二确定模块包括:
第二统计单元,用于统计候选成员在预设时间段发布的动作类型为答复类型的文本数据数量,以及动作类型为提问类型的文本数据数量;
第三确定单元,用于根据候选成员在预设时间段所发布的文本数据与预设的邻近范围内的其他文本数据之间的关联关系,确定候选成员在预设时间段所答复的成员数量;
第四确定单元,用于将所述候选成员在预设时间段发布的动作类型为答复类型的文本数据数量、动作类型为提问类型的文本数据数量,以及在预设时间段所答复的成员数量,确定为所述候选成员的行为特征数据。
15.根据权利要求10所述的装置,所述第二确定模块还包括:
调用单元,用于调用预设的身份确定模型,根据所述候选成员的行为特征数据,确定出候选成员的身份为客服的概率值;
第五确定单元,用于根据所述候选成员的身份为客服的概率值,从所述候选成员中确定出身份为客服的成员。
16.根据权利要求15所述的装置,所述装置还包括建模模块,所述建模模块包括:
构建单元,用于构建逻辑回归模型,作为初始模型;
获取单元,用于获取样本客服群中的聊天记录,并根据所述样本客服群中的聊天记录,获取样本客服群中身份为客服的成员的行为特征数据,作为样本数据;
训练单元,用于利用所述样本数据训练所述初始模型,得到符合要求的预设的身份确定模型。
17.根据权利要求10所述的装置,所述装置还包括处理模块,所述处理模块包括:
发送单元,用于向群管理员发送身份确认请求,其中,所述身份确认请求携带有所确定出的身份为客服的成员的身份信息;
处理单元,用于接收并响应群管理员根据所述身份确认请求反馈的确认指示,为身份为客服的成员分配客服权限。
18.一种服务器,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911213507.4A CN111144091B (zh) | 2019-12-02 | 2019-12-02 | 客服成员的确定方法、装置以及群成员身份的确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911213507.4A CN111144091B (zh) | 2019-12-02 | 2019-12-02 | 客服成员的确定方法、装置以及群成员身份的确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111144091A true CN111144091A (zh) | 2020-05-12 |
CN111144091B CN111144091B (zh) | 2024-04-05 |
Family
ID=70517433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911213507.4A Active CN111144091B (zh) | 2019-12-02 | 2019-12-02 | 客服成员的确定方法、装置以及群成员身份的确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144091B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114500448A (zh) * | 2021-12-31 | 2022-05-13 | 上海掌门科技有限公司 | 选取目标用户的方法、设备及计算机可读介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2028647A1 (de) * | 2007-08-24 | 2009-02-25 | Deutsche Telekom AG | Verfahren und Vorrichtung zur Sprecherklassifizierung |
CN101510221A (zh) * | 2009-02-17 | 2009-08-19 | 北京大学 | 一种用于信息检索的查询语句分析方法与*** |
CN103811009A (zh) * | 2014-03-13 | 2014-05-21 | 华东理工大学 | 一种基于语音分析的智能电话客服*** |
US8898063B1 (en) * | 2013-03-15 | 2014-11-25 | Mark Sykes | Method for converting speech to text, performing natural language processing on the text output, extracting data values and matching to an electronic ticket form |
US9413710B1 (en) * | 2012-06-23 | 2016-08-09 | Microstrategy Incorporated | Targeted content delivery |
US20160294739A1 (en) * | 2015-04-03 | 2016-10-06 | Xsell Technologies | Method and apparatus to increase personalization and enhance chat experiences on the internet |
CN107623715A (zh) * | 2017-08-08 | 2018-01-23 | 阿里巴巴集团控股有限公司 | 一种身份信息获取方法和装置 |
CN107886955A (zh) * | 2016-09-29 | 2018-04-06 | 百度在线网络技术(北京)有限公司 | 一种语音会话样本的身份识别方法、装置及设备 |
WO2018214163A1 (en) * | 2017-05-26 | 2018-11-29 | Microsoft Technology Licensing, Llc | Providing product recommendation in automated chatting |
US20180349583A1 (en) * | 2010-11-29 | 2018-12-06 | Biocatch Ltd. | System, Device, and Method of Determining Personal Characteristics of a User |
CN110136727A (zh) * | 2019-04-16 | 2019-08-16 | 平安科技(深圳)有限公司 | 基于说话内容的说话者身份识别方法、装置及存储介质 |
-
2019
- 2019-12-02 CN CN201911213507.4A patent/CN111144091B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2028647A1 (de) * | 2007-08-24 | 2009-02-25 | Deutsche Telekom AG | Verfahren und Vorrichtung zur Sprecherklassifizierung |
CN101510221A (zh) * | 2009-02-17 | 2009-08-19 | 北京大学 | 一种用于信息检索的查询语句分析方法与*** |
US20180349583A1 (en) * | 2010-11-29 | 2018-12-06 | Biocatch Ltd. | System, Device, and Method of Determining Personal Characteristics of a User |
US9413710B1 (en) * | 2012-06-23 | 2016-08-09 | Microstrategy Incorporated | Targeted content delivery |
US8898063B1 (en) * | 2013-03-15 | 2014-11-25 | Mark Sykes | Method for converting speech to text, performing natural language processing on the text output, extracting data values and matching to an electronic ticket form |
CN103811009A (zh) * | 2014-03-13 | 2014-05-21 | 华东理工大学 | 一种基于语音分析的智能电话客服*** |
US20160294739A1 (en) * | 2015-04-03 | 2016-10-06 | Xsell Technologies | Method and apparatus to increase personalization and enhance chat experiences on the internet |
CN107886955A (zh) * | 2016-09-29 | 2018-04-06 | 百度在线网络技术(北京)有限公司 | 一种语音会话样本的身份识别方法、装置及设备 |
WO2018214163A1 (en) * | 2017-05-26 | 2018-11-29 | Microsoft Technology Licensing, Llc | Providing product recommendation in automated chatting |
CN107623715A (zh) * | 2017-08-08 | 2018-01-23 | 阿里巴巴集团控股有限公司 | 一种身份信息获取方法和装置 |
CN110136727A (zh) * | 2019-04-16 | 2019-08-16 | 平安科技(深圳)有限公司 | 基于说话内容的说话者身份识别方法、装置及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114500448A (zh) * | 2021-12-31 | 2022-05-13 | 上海掌门科技有限公司 | 选取目标用户的方法、设备及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111144091B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10904169B2 (en) | Passing chatbot sessions to the best suited agent | |
CN109450771B (zh) | 添加好友的方法、装置、计算机设备及存储介质 | |
US8156172B2 (en) | Monitoring and reporting enterprise data using a message-based data exchange | |
CN109976997B (zh) | 测试方法和装置 | |
CN109033342B (zh) | 应用于服务***的服务提供方法、装置和服务模型 | |
US10635987B1 (en) | System for improving user sentiment determination from social media and web site usage data | |
CN109600344B (zh) | 识别风险群体的方法、装置及电子设备 | |
US20210136122A1 (en) | Crowdsourced innovation laboratory and process implementation system | |
CN105744005A (zh) | 客户定位分析方法及服务器 | |
US10152475B2 (en) | Message tone evaluation in written media | |
US10740536B2 (en) | Dynamic survey generation and verification | |
CN107977855B (zh) | 一种管理用户信息的方法及装置 | |
CN111126071B (zh) | 提问文本数据的确定方法、装置和客服群的数据处理方法 | |
CN113902449A (zh) | 企业在线交易***风险的预警方法、装置和电子设备 | |
CN111144091B (zh) | 客服成员的确定方法、装置以及群成员身份的确定方法 | |
CN111882113B (zh) | 一种企业手机银行用户的预测方法和装置 | |
US9647970B2 (en) | Sorting electronic mail | |
CN112163155A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN112163154A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN112712270B (zh) | 信息处理方法、装置、设备及存储介质 | |
KR20120010676A (ko) | 고객 서비스 통합 시스템 | |
CN113254335B (zh) | 测试数据的处理方法、装置、服务器及存储介质 | |
CN115170087A (zh) | 任务数据的处理方法、装置和计算机可读存储介质 | |
CN114253957A (zh) | 数据处理方法、相关设备、存储介质及计算机程序产品 | |
CN112527991A (zh) | 信息处理方法、装置及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |