CN111652001A - 一种数据处理方法及装置 - Google Patents
一种数据处理方法及装置 Download PDFInfo
- Publication number
- CN111652001A CN111652001A CN202010499962.1A CN202010499962A CN111652001A CN 111652001 A CN111652001 A CN 111652001A CN 202010499962 A CN202010499962 A CN 202010499962A CN 111652001 A CN111652001 A CN 111652001A
- Authority
- CN
- China
- Prior art keywords
- user
- behavior
- target
- historical
- current
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种数据处理方法及装置,方法包括:接收当前用户的当前输入内容;在对话轨迹集合中获得与当前输入内容对应的至少一个目标用户行为;其中,对话轨迹集合中包含至少一个目标历史对话中的历史用户行为,历史用户行为为历史用户与客服***进行交互中历史用户的输入内容对应的行为标签,目标历史对话对应的目标对话日志所具有的至少一个日志特征的特征值满足预设的高满意度条件;至少输出至少一个目标用户行为。本申请通过在满足高满意度条件的历史对话中的历史用户行为中获得到与当前用户的当前输入内容相对应的目标用户行为并输出给当前用户,这样可以针对短期内用户选择的用户行为反馈答复内容,从而提高答复内容的准确性。
Description
技术领域
本申请涉及智能客服技术领域,尤其涉及一种数据处理方法及装置。
背景技术
在智能客服***中,针对用户的每个咨询问题,智能客服通常会给出一个或多个语句,以反馈给用户。
但是,由于用户的问题描述可能会隐含某些信息等情况,智能客服***可能会无法准确识别用户问题,从而导致反馈给用户的答复内容与用户问题不相符,因此,存在客服反馈的答复内容不准确的情况。
发明内容
有鉴于此,本申请提供一种数据处理方法及装置,如下:
一种数据处理方法,包括:
接收当前用户的当前输入内容;
在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为;
其中,所述对话轨迹集合中包含至少一个目标历史对话中的历史用户行为,所述历史用户行为为历史用户与客服***进行交互中所述历史用户的输入内容对应的行为标签,所述目标历史对话对应的目标对话日志所具有的至少一个日志特征的特征值满足预设的高满意度条件;
至少输出所述至少一个目标用户行为。
上述方法,优选的,在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为,包括:
在预设的对话轨迹集合中,获得第一行为集合,所述第一行为集合中包括至少一个第一用户行为,所述第一用户行为所对应的对话轨迹与所述当前输入内容对应的对话轨迹的语义相似度高于预设的相似阈值;
对所述第一行为集合中的第一用户行为进行排序;
选取所述第一行为集合中排序在前M位的用户行为为目标用户行为,M为大于或等于1的正整数。
上述方法,优选的,所述对话轨迹集合中还包含所述目标历史对话中的历史***行为,所述历史***行为为所述历史用户与所述客服***进行交互中所述客服***的反馈内容对应的行为标签;
其中,对所述第一行为集合中的第一用户行为进行排序,包括:
获得所述第一用户行为在其所在的目标历史对话中对应的前一个的目标***行为;
获得所述目标***行为在所述第一行为集合中的第一频率值,并获得所述目标***行为在所述对话轨迹集合中的第二频率值;
根据所述第一频率值和所述第二频率值,对所述第一行为集合中的第一用户行为进行排序。
上述方法,优选的,所述对话轨迹集合通过以下方式获得:
获得所述客服***与多个历史用户之间进行交互的历史日志集合,所述历史日志集合中包括多个历史对话日志;
获得所述历史对话日志的至少一个日志特征,所述日志特征具有特征值,所述特征值表征在所述日志特征对应的维度上相应历史用户对所述客服***的交互满意程度;
根据所述日志特征的特征值,在所述历史日志集合中获得至少一个目标对话日志,任意一个所述目标对话日志的日志特征的特征值满足预设的高满意度条件;
获得所述目标对话日志对应的目标历史对话中的历史对话轨迹,所述历史对话轨迹中包括至少一个历史用户行为对应的节点和至少一个历史***行为对应的节点,所述历史用户行为和所述历史***行为组成对话轨迹集合。
上述方法,优选的,所述高满意度条件包括:将所述目标对话日志的日志特征的特征值分别加权后再求和所得到的值大于预设的满意度阈值。
上述方法,优选的,在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为之前,所述方法还包括:
判断所述当前输入内容是否满足预设的行为推荐条件;所述行为推荐条件包括:所述当前输入内容表征所述客服***的前一次反馈内容与所述当前用户的前一次输入内容不相符;
如果所述当前输入内容满足所述行为推荐条件,执行所述:在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为;
如果所述当前输入内容不满足所述行为推荐条件,输出针对所述当前输入内容所生成的当前反馈内容。
上述方法,优选的,至少将所述至少一个目标用户行为进行输出,包括:
输出所述至少一个目标用户行为和针对所述当前输入内容所生成的当前反馈内容。
上述方法,优选的,输出所述至少一个目标用户行为和针对所述当前输入内容所生成的当前反馈内容,包括:
在所述当前用户对应的交互界面上的目标位置,输出针对所述当前输入内容所生成的当前反馈内容;
在所述目标位置关联的目标区域中,将所述至少一个目标用户行为以列表的形式进行输出。
上述方法,优选的,还包括:
接收所述当前用户针对所述至少一个目标用户行为中的第二用户行为的操作数据;
输出所述第二用户行为对应的反馈内容。
一种数据处理装置,包括:
输入接收单元,用于接收当前用户的当前输入内容;
行为获得单元,用于在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为;
其中,所述对话轨迹集合中包含至少一个目标历史对话中的历史用户行为,所述历史用户行为为历史用户与客服***进行交互中所述历史用户的输入内容对应的行为标签,所述目标历史对话对应的目标对话日志所具有的至少一个日志特征的特征值满足预设的高满意度条件;
行为输出单元,用于至少输出所述至少一个目标用户行为。
一种电子设备,包括:
存储器,用于存储应用程序及应用程序运行所产生的数据;
输入输出装置,用于接收输入,并输出内容;
处理器,用于执行存储器中的应用程序,以实现:通过输入输出装置接收当前用户的当前输入内容;在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为;其中,所述对话轨迹集合中包含至少一个目标历史对话中的历史用户行为,所述历史用户行为为历史用户与客服***进行交互中所述历史用户的输入内容对应的行为标签,所述目标历史对话对应的目标对话日志所具有的至少一个日志特征的特征值满足预设的高满意度条件;通过输入输出装置至少输出所述至少一个目标用户行为。
从上述技术方案可以看出,本申请公开的一种数据处理方法及装置,在接收到当前用户的当前输入内容之后,在对话轨迹集合中所包含的至少一个目标历史对话中的历史用户行为中,获得到与当前输入内容所对应的至少一个目标用户行为并输出,而历史用户行为是历史用户与客服***进行交互中历史用户的输入内容所对应的行为标签,这些历史用户行为则是从所具有的日志特征的特征值满足高满意度条件的对话日志所对应的目标历史对话中的用户行为。因此,本申请中通过在满足高满意度条件的历史对话中的历史用户行为中获得到与当前用户的当前输入内容相对应的目标用户行为,并输出给当前用户,基于此,当前用户可以在输出的目标用户行为中选择更加满足需求的用户行为,这样可以针对被选择的目标用户行为为当前用户反馈答复内容,从而提高答复内容的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例一提供的一种数据处理方法的流程图;
图2-图4分别为本申请实施例的示例图;
图5及图6分别为本申请实施例一提供的一种数据处理方法的部分流程图;
图7为本申请实施例一提供的一种数据处理方法的另一流程图;
图8-图10分别为本申请实施例的另一示例图;
图11为本申请实施例二提供的一种数据处理装置的结构示意图;
图12为本申请实施例二提供的一种数据处理装置的另一结构示意图;
图13为本申请实施例三提供的一种电子设备的结构示意图;
图14为本申请实施例在应用在智能客服***中的示例流程图。
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,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参考图1,为本申请实施例一提供的一种数据处理方法的实现流程图,该方法可以适用于能够进行数据处理的电子设备中,如配置有客服***的计算机或服务器等设备。本实施例中的技术方案主要用于针对用户的当前输入内容向用户推荐一个或多个可能满足用户需求的用户行为,以避免针对错误的用户行为所反馈的答复内容准确性较差的情况。
具体的,本实施例中的方法可以包含以下步骤:
步骤101:接收当前用户的当前输入内容。
其中,当前用户可以理解为当前与客服***进行交互的用户,而当前输入内容是指当前用户与客服***交互中最新输入的内容。如图2中所示,当前用户A在与客服***进行交互中,用户A在交互界面中输入“这个有优惠吗”,当然在交互界面中还有用户A与客服***的历史对话内容,如“这个多少钱”以及“单机价格3500,鼠标99”等内容,而用户A最新输入的“这个年代久了吧”为用户A的当前输入内容。
步骤102:在对话轨迹集合中,获得与当前用户的当前输入内容对应的至少一个目标用户行为。
其中,对话轨迹集合中包含有:至少一个目标历史对话中的历史用户行为。这里的目标历史对话是指在一个或多个历史用户与客服***进行交互所形成的多个历史对话,对应的目标对话日志所具有的日志特征的特征值满足预设的高满意度条件的目标历史对话。
也就是说,目标历史对话是在所有的历史对话中所筛选出的历史对话,而筛选的原则为:目标历史对话对应的目标对话日志所具有的至少一个日志特征的特征值满足高满意度条件。
这里的日志特征可以包含有:客服***不理解次数的特征、对话持续轮数的特征、对话折返次数的特征、对话中断次数的特征、负面情绪程度的特征、用户主动转人工次数的特征以及用户主动评价的特征等中的任意一种或任意多种的组合,而日志特征的特征值满足高满意度条件是指:日志特征的特征值能够表征目标历史对话中的历史用户对客服***的满意度高于阈值。
需要说明的是,对话轨迹集合中的历史用户行为可以理解为:历史用户与客服***进行交互中历史用户的输入内容对应的行为标签。例如,用户打招呼的输入行为标签、用户咨询价格的输入行为标签、用户询问优惠的输入行为标签、用户表达情绪的输入行为标签等等。
当然,在对话轨迹集合中还可以包含有至少一个目标历史对话中的历史***行为,而历史***行为可以理解为:历史用户与客服***进行交互中客服***的反馈内容对应的行为标签。例如,***打招呼的输入行为标签、***答复价格的输入行为标签、***答复优惠内容的输入行为标签、***感谢或道歉的输入行为标签等等。
需要说明的是,对话轨迹集合中的历史用户行为和历史***行为以对话轨迹的形式存在,也就是说,对话轨迹集合中的历史用户行为之间和历史***行为之间以及历史用户行为与历史***行为之间是具有前后顺序的,这些行为是按照交互顺序形成对话或行为的轨迹。因此,对话轨迹集合中可以包含多个历史对话轨迹,这些历史对话轨迹即为目标历史对话的对话轨迹,其所对应的目标对话日志所具有的日志特征的特征值满足预设的高满意度条件。而其中的每个历史对话轨迹中包含有一个或多个历史用户行为和一个或多个历史***行为,每个历史对话轨迹中的行为按照交互顺序形成轨迹。
具体的,本实施例中可以对当前用户的当前输入内容进行语义分析,并根据语义分析的分析结果在对话轨迹集合中找到与当前输入内容相对应的目标用户行为。
步骤103:至少输出所述的至少一个目标用户行为。
其中,本实施例中可以在当前用户与客服***的交互界面上输出这些目标用户行为,如图3中所示,以便于当前用户能够对其中的一个或多个目标用户行为进行选择。进一步的,本实施例中可以针对当前用户所选择的目标用户行为输出相应的反馈内容(答复内容),以提供给当前用户参考。
从上述技术方案可以看出,本申请实施例一提供的一种数据处理方法,在接收到当前用户的当前输入内容之后,在对话轨迹集合中所包含的至少一个目标历史对话中的历史用户行为中,获得到与当前输入内容所对应的至少一个目标用户行为并输出,而历史用户行为是历史用户与客服***进行交互中历史用户的输入内容所对应的行为标签,这些历史用户行为则是从所具有的日志特征的特征值满足高满意度条件的对话日志所对应的目标历史对话中的用户行为。因此,本实施例中通过在满足高满意度条件的历史对话中的历史用户行为中获得到与当前用户的当前输入内容相对应的目标用户行为,并输出给当前用户,基于此,当前用户可以在输出的目标用户行为中选择更加满足需求的用户行为,这样可以针对被选择的目标用户行为为当前用户反馈答复内容,从而提高答复内容的准确性。
具体的,在步骤103之后,本实施例中可以接收当前用户针对至少一个目标用户行为中的第二用户行为的操作数据,如单击第二用户行为所在位置或区域的操作数据,或者,在第二用户行为所在位置或区域上进行滑动的操作数据,等等;之后,本实施例中在客服***中与当前用户的交互界面上输出第二用户行为对应的反馈内容。例如,客服***针对当前用户选择的“咨询新产品价格”的第二用户行为输出相应的“单机4000,保护膜299”的反馈内容,如图4中所示。
在一种实现方式中,步骤102中在对话轨迹集合中获得与当前用户的当前输入内容对应的至少一个目标用户行为时,具体可以通过以下方式实现,如图5中所示:
步骤501:在预设的对话轨迹集合中,获得第一行为集合。
其中,第一行为集合中包括至少一个第一用户行为,第一用户行为所对应的对话轨迹与当前输入内容对应的对话轨迹的语义相似度高于预设的相似阈值。
具体的,本实施例中首先分别对当前用户的当前输入内容所在的当前对话轨迹与对话轨迹集合中的对话轨迹进行语义比对,进而得到当前对话轨迹与对话轨迹集合中的每个对话轨迹之间的语义相似度,之后,在对话轨迹集合中抽取出语义相似度高于相似度阈值的对话轨迹,并获得这些抽取出的对话轨迹中的用户行为,即为第一用户行为,形成第一行为集合。
其中,相似阈值可以根据需求或者经验值设置,如80%或60%等,语义相似度高于相似阈值表征:对话轨迹中的用户行为的相似程度高于一定阈值,也可理解为:当前用户的当前输入内容对应的用户行为与第一用户行为之间的相似度是较高的。
需要说明的是,第一行为集合中除了包含有第一用户行为,还包含有该第一用户行为在其所述对话轨迹中对应的***行为。也就是说,第一行为集合中包含有对话轨迹集合中的一个或多个对话轨迹中的所有用户行为和***行为,而这些一个或多个对话轨迹是与当前输入内容对应的对话轨迹的语义相似度高于预设的相似阈值的。
步骤502:对第一行为集合中的第一用户行为进行排序。
其中,本实施例中可以对第一用户行为按照各第一用户行为在对话轨迹集合和/或在第一行为集合中的频率值的大小进行排序,例如,第一用户行为在第一行为集合或对话轨迹集合中出现的频率越高,排序越靠前;
或者,本实施例中可以对第一用户行为按照其他的标准进行排序,如按照第一用户行为所在目标历史对话中对应的前一个目标***行为的相关属性进行排序,如按照目标***行为在第一行为集合中的频率值、目标***行为在对话轨迹集合中的频率值或者目标***行为的tf-idf特征值对第一用户行为进行排序。
步骤503:选取所述第一行为集合中排序在前M位的用户行为为目标用户行为,M为大于或等于1的正整数。
例如,M为3,此时,将第一行为集合中排序在前3位的第一用户行为为目标用户行为,进一步,将这些目标用户行为输出给当前用户,以表征这些目标用户行为为可能更加符合当前用户的输入意图的行为,如咨询价格或者咨询优惠等行为,当前用户可以点击这些目标用户行为,基于此,客服***可以针对所选择的目标用户行为反馈相应的答复内容,以使得答复内容更加满足当前用户的需求。
具体的,步骤502中在对第一行为集合中的第一用户行为进行排序时,具体如下:
首先,获得第一用户行为在其所在的目标历史对话中对应的前一个的目标***行为。这里需要特别说明的是,对话轨迹集合中除了包含至少一个目标历史对话中的历史用户行为,还包含相应目标历史对话中的历史***行为,因此,本实施例中在对话轨迹集合中,针对每个第一用户行为,获得其所在目标历史对话中对应的前一个目标***行为。例如,第一用户行为为用户询问优惠的输入行为标签,相应的,在对话轨迹集合中获得到用户询问优惠的输入行为所对应的前一个客服***的反馈内容对应的行为标签,即***答复价格的输入行为标签;再如,第一用户行为为用户表达开心情绪的输入行为标签,相应的,在对话轨迹集合中获得到用户表达开心情绪的输入行为所对应的前一个客服***的反馈内容对应的行为标签,中获得***答复优惠内容的输入行为标签;等等。
之后,获得目标***行为在第一行为集合中的第一频率值,并获得目标***行为在对话轨迹集合中的第二频率值。
其中,本实施例中可以统计目标***行为在第一行为集合中出现的次数一级目标***行为在对话轨迹集合中出现的次数,再基于第一行为集合中历史***行为的总数量以及对话轨迹集合中历史***行为的总数量,获得到目标***行为在第一行为集合中的第一频率值和目标***行为在对话轨迹集合中的第二频率值;
或者,本实施例中可以在统计目标***行为在第一行为集合中出现的次数一级目标***行为在对话轨迹集合中出现的次数之后,基于第一行为集合中所有行为的总数量(包含历史用户行为和历史***行为)以及对话轨迹集合中所有行为的总数量,获得到目标***行为在第一行为集合中的第一频率值和目标***行为在对话轨迹集合中的第二频率值。
最后,根据第一频率值和第二频率值,对第一行为集合中的第一用户行为进行排序。
具体的,本实施例中可以单独按照第一频率值的大小,对第一行为集合中的第一用户行为进行排序,此时,第一频率值越大,相应的第一用户行为的排序越靠前;
或者,本实施例中可以单独按照第二频率值的大小,对第一行为集合中的第一用户行为进行排序,此时,第二频率值越大,相应的第一用户行为的排序越靠前;
或者,本实施例中可以结合第一频率值和第二频率值,获得到第一用户行为在其所在的目标历史对话中对应的前一个的目标***行为的tf-idf特征值,如将第一频率值除以第二频率值后所得到的值,按照该特征值对第一用户行为进行排序,此时特征值越大,相应第一用户行为的排序越靠前。
在一种实现方式中,本实施例中的对话轨迹集合可以预先通过以下方式获得,如图6中所示:
步骤601:获得客服***与多个历史用户之间进行交互的历史日志集合。
其中,历史日志集合中包括多个历史对话日志,每个历史对话日志分别对应于每个历史用户分别与客服***进行交互所形成的每个历史对话。需要说明的是,历史对话日志是在相应历史对话形成时所生成,并记录在客服***对应的日志集合中,这里的日志集合可以理解为客服***所在电子设备的存储区域中历史日志所形成的集合。
步骤602:获得历史对话日志的至少一个日志特征。
其中,日志特征具有特征值,特征值表征在所述日志特征对应的维度上相应历史用户对客服***的交互满意程度。
例如,历史对话日志中包含有如下一个或多个日志特征:客服***不理解次数的特征、对话持续轮数的特征、对话折返次数的特征、对话中断次数的特征、负面情绪程度的特征、用户主动转人工次数的特征以及用户主动评价的特征,而日志特征的特征值的大小表征历史用户对客服***的交互满意程度。例如,客服***不理解次数的特征值越大,表征历史用户对客服***的交互满意程度越低;对话持续轮数的特征值越大,表征历史用户对客服***的交互满意程度越高;对话折返次数的特征值越大,表征历史用户对客服***的交互满意程度越高;对话中断次数的特征值越大,表征历史用户对客服***的交互满意程度越低;负面情绪程度的特征值越大,表征历史用户对客服***的交互满意程度越低;用户主动转人工次数的特征值越大,表征历史用户对客服***的交互满意程度越低;用户主动评价的特征值越大,表征历史用户对客服***的交互满意程度越高,等等。
具体的,本实施例中可以在历史对话日志中提取出以上日志特征中的一个或多个,并获得到每个日志特征的特征值。
步骤603:根据日志特征的特征值,在历史日志集合中获得至少一个目标对话日志。
其中,本实施例中所获得的任意一个目标对话日志的日志特征的特征值满足预设的高满意度条件。也就是说,本实施例中筛选出日志特征的特征值满足预设的高满意度条件的对话日志作为目标对话日志,而剔除掉其他不满足高满意度条件的对话日志。
具体的,目标对话日志的日志特征的特征值满足预设的高满意度条件,可以为:对日志特征的特征值按照各自相应的预设权值进行加权求和之后所得到的值大于满意度阈值,如大于0.5或大于0.7等。其中每个日志特征对应的预设权值可以根据需求设置,不同的日志特征所对应的预设权值可能相同也可以不同,例如,客服***不理解次数的特征权重为0.2、对话持续轮数的特征权重为0.3、对话折返次数的特征权重为0.3,等等。
步骤604:获得目标对话日志对应的目标历史对话中的历史对话轨迹。
其中,在获得到目标对话日志之后,就可以针对目标对话日志所对应的目标历史对话进行行为提取,例如,对目标历史对话以用户行为和***行为为轨迹节点进行行为标签的提取,由此,得到每个目标历史对话对应的历史对话轨迹,这里的历史对话轨迹中包括至少一个历史用户行为对应的节点和至少一个历史***行为对应的节点,而历史用户行为和所述历史***行为组成对话轨迹集合。
在一种实现方式中,在步骤101之后,在步骤102之前,本实施例中的方法还可以包括以下步骤,如图7中所示:
步骤104:判断当前输入内容是否满足预设的行为推荐条件,如果满足,执行步骤102,否则,执行步骤105。
其中,行为推荐条件可以为:当前输入内容表征客服***的前一次反馈内容与当前用户的前一次输入内容不相符,即当前用户的当前输入内容表征当前用户对客服***的前一次反馈内容满意度低于一定的阈值。
具体的,本实施例中可以对当前输入内容进行语义分析等处理,进而根据语义分析结果判断当前输入内容是否满足行为推荐条件。
例如,本实施例中识别出当前输入内容为愤怒情绪表达的内容或者识别出当前输入内容为转人工处理的内容,此时,表征当前用户对客服***的前一次反馈内容满意度较低,此时,满足行为推荐条件,那么执行步骤102,以便于为当前用户输出一个或多个目标用户行为,而这些目标用户行为属于可能符合当前用户行为意图的行为,因此,当前用户可以针对这些目标用户行为进行选择,以使得客服***针对当前用户选择的目标用户行为反馈相应的答复内容,进而使得答复内容更加符合当前用户需求,以提高答复内容的准确性。
而如果识别出当前输入内容为开心情绪表达的内容,此时,表征当前用户对客服***的前一次反馈内容满意度较高,此时,不满足行为推荐条件,那么执行步骤105。
步骤105:输出针对当前输入内容所生成的当前反馈内容。
也就是说,本实施例中在发现客服***的前一次反馈内容与当前用户的前一次输入内容相符,即当前用户的当前输入内容表征当前用户对客服***的前一次反馈内容满意度较高的情况下,客服***可以不再为当前用户提供目标用户行为,而是可以直接针对当前输入内容进行反馈即可,如图8中所示,将针对当前输入内容的当前反馈内容进行输出。
在一种实现方式中,步骤103中可以在输出至少一个目标用户行为时,同时输出针对当前输入内容所生成的当前反馈内容,如图9中所示。基于此,如果当前用户认为当前反馈内容能够满足自己的需求,那么可以采用当前反馈内容中的信息进行下一步操作,而如果当前用户认为当前反馈内容不能满足自己的需求,那么可以在输出的目标用户行为中选择一个满足自己需求的目标用户行为,相应的,本实施例中的客服***根据当前用户所选择的目标用户行为反馈相应的答复内容。
具体的,步骤103中在输出所述至少一个目标用户行为和针对所述当前输入内容所生成的当前反馈内容时,可以在当前用户对应的交互界面上的目标位置上,输出针对当前输入内容所生成的当前反馈内容,而同时,在目标位置关联的目标区域中,将至少一个目标用户行为以列表的形式进行输出。
其中,目标区域是指当前用户对应的交互界面上的特定区域,例如,目标区域可以在目标位置的上方区域,相应的,目标用户行为以列表的形式输出在目标区域上,如图10中所示。
参考图11,为本申请实施例二提供的一种数据处理装置的结构示意图,该装置可以配置在能够进行数据处理的电子设备中,如配置有客服***的计算机或服务器等设备。本实施例中的技术方案主要用于针对用户的当前输入内容向用户推荐一个或多个可能满足用户需求的用户行为,以避免针对错误的用户行为所反馈的答复内容准确性较差的情况。
具体的,本实施例中的装置可以包括以下单元:
输入接收单元1101,用于接收当前用户的当前输入内容;
行为获得单元1102,用于在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为;
其中,所述对话轨迹集合中包含至少一个目标历史对话中的历史用户行为,所述历史用户行为为历史用户与客服***进行交互中所述历史用户的输入内容对应的行为标签,所述目标历史对话对应的目标对话日志所具有的至少一个日志特征的特征值满足预设的高满意度条件;
行为输出单元1103,用于至少输出所述至少一个目标用户行为。
从上述技术方案可以看出,本申请实施例二提供的一种数据处理装置,在接收到当前用户的当前输入内容之后,在对话轨迹集合中所包含的至少一个目标历史对话中的历史用户行为中,获得到与当前输入内容所对应的至少一个目标用户行为并输出,而历史用户行为是历史用户与客服***进行交互中历史用户的输入内容所对应的行为标签,这些历史用户行为则是从所具有的日志特征的特征值满足高满意度条件的对话日志所对应的目标历史对话中的用户行为。因此,本实施例中通过在满足高满意度条件的历史对话中的历史用户行为中获得到与当前用户的当前输入内容相对应的目标用户行为,并输出给当前用户,基于此,当前用户可以在输出的目标用户行为中选择更加满足需求的用户行为,这样可以针对被选择的目标用户行为为当前用户反馈答复内容,从而提高答复内容的准确性。
在一种实现方式中,行为获得单元1102具体用于:
在预设的对话轨迹集合中,获得第一行为集合,所述第一行为集合中包括至少一个第一用户行为,所述第一用户行为所对应的对话轨迹与所述当前输入内容对应的对话轨迹的语义相似度高于预设的相似阈值;对所述第一行为集合中的第一用户行为进行排序;选取所述第一行为集合中排序在前M位的用户行为为目标用户行为,M为大于或等于1的正整数。
可选的,所述对话轨迹集合中还包含所述目标历史对话中的历史***行为,所述历史***行为为所述历史用户与所述客服***进行交互中所述客服***的反馈内容对应的行为标签;
其中,行为获得单元1102中对所述第一行为集合中的第一用户行为进行排序,具体为:获得所述第一用户行为在其所在的目标历史对话中对应的前一个的目标***行为;获得所述目标***行为在所述第一行为集合中的第一频率值,并获得所述目标***行为在所述对话轨迹集合中的第二频率值;根据所述第一频率值和所述第二频率值,对所述第一行为集合中的第一用户行为进行排序。
在一种实现方式中,本实施例中的行为获得单元1102还用于获得对话轨迹集合,其中,对话轨迹集合通过以下方式获得:
获得所述客服***与多个历史用户之间进行交互的历史日志集合,所述历史日志集合中包括多个历史对话日志;获得所述历史对话日志的至少一个日志特征,所述日志特征具有特征值,所述特征值表征在所述日志特征对应的维度上相应历史用户对所述客服***的交互满意程度;根据所述日志特征的特征值,在所述历史日志集合中获得至少一个目标对话日志,任意一个所述目标对话日志的日志特征的特征值满足预设的高满意度条件;获得所述目标对话日志对应的目标历史对话中的历史对话轨迹,所述历史对话轨迹中包括至少一个历史用户行为对应的节点和至少一个历史***行为对应的节点,所述历史用户行为和所述历史***行为组成对话轨迹集合。
其中,所述高满意度条件包括:将所述目标对话日志的日志特征的特征值分别加权后再求和所得到的值大于预设的满意度阈值。
在一种实现方式中,本实施例中的装置还可以包括以下结构,如图12中所示:
推荐判断单元1104,用于在行为获得单元1102在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为之前,判断所述当前输入内容是否满足预设的行为推荐条件;所述行为推荐条件包括:所述当前输入内容表征所述客服***的前一次反馈内容与所述当前用户的前一次输入内容不相符;如果所述当前输入内容满足所述行为推荐条件,执行所述行为获得单元1102;如果所述当前输入内容不满足所述行为推荐条件,触发所述行为输出单元1103输出针对所述当前输入内容所生成的当前反馈内容。
在一种实现方式中,行为输出单元1103具体用于:输出所述至少一个目标用户行为和针对所述当前输入内容所生成的当前反馈内容。例如,在所述当前用户对应的交互界面上的目标位置,输出针对所述当前输入内容所生成的当前反馈内容;在所述目标位置关联的目标区域中,将所述至少一个目标用户行为以列表的形式进行输出。
在一种实现方式中,输入接口单元1101还用于:接收所述当前用户针对所述至少一个目标用户行为中的第二用户行为的操作数据;
基于此,行为输出单元1103还用于:输出所述第二用户行为对应的反馈内容。
参考图13,为本申请实施例三提供的一种电子设备的结构示意图,该电子设备可以为能够进行数据处理的电子设备,如配置有客服***的计算机或服务器等设备。本实施例中的技术方案主要用于针对用户的当前输入内容向用户推荐一个或多个可能满足用户需求的用户行为,以避免针对错误的用户行为所反馈的答复内容准确性较差的情况。
具体的,本实施例中的电子设备可以包括以下结构:
存储器1301,用于存储应用程序及应用程序运行所产生的数据;
输入输出装置1302,用于接收输入,并输出内容,如具有触控功能的显示器等;
处理器1303,用于执行存储器中的应用程序,以实现:通过输入输出装置1302接收当前用户的当前输入内容;在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为;其中,所述对话轨迹集合中包含至少一个目标历史对话中的历史用户行为,所述历史用户行为为历史用户与客服***进行交互中所述历史用户的输入内容对应的行为标签,所述目标历史对话对应的目标对话日志所具有的至少一个日志特征的特征值满足预设的高满意度条件;通过输入输出装置1302至少输出所述至少一个目标用户行为。
从上述技术方案可以看出,本申请实施例三提供的一种电子设备,在接收到当前用户的当前输入内容之后,在对话轨迹集合中所包含的至少一个目标历史对话中的历史用户行为中,获得到与当前输入内容所对应的至少一个目标用户行为并输出,而历史用户行为是历史用户与客服***进行交互中历史用户的输入内容所对应的行为标签,这些历史用户行为则是从所具有的日志特征的特征值满足高满意度条件的对话日志所对应的目标历史对话中的用户行为。因此,本实施例中通过在满足高满意度条件的历史对话中的历史用户行为中获得到与当前用户的当前输入内容相对应的目标用户行为,并输出给当前用户,基于此,当前用户可以在输出的目标用户行为中选择更加满足需求的用户行为,这样可以针对被选择的目标用户行为为当前用户反馈答复内容,从而提高答复内容的准确性。
以智能客服***为例,以下对本申请中的技术方案进行详细说明:
首先,本申请的技术方案主要是一种能够在智能客服***中结合用户的对话轨迹满意度推荐用户行为的实现方案,通过用户行为推荐的方式让用户可以参考推荐的历史满意度较高的对话行为继续进行对话,给用户更多的选择和引导。
参考图14中所示的流程,本申请中的技术方案主要分为以下几部分:
1、对已有(历史)的离线对话日志按照日志特征进行聚类,聚类的特征为与对话满意度相关的日志特征,具体特征如下表1中X1-X7所示,而聚类类别数为2,即满意度高的一类和满意度低的一类;
表1
2、对以上聚类出的满意度高的一类日志对应的历史对话中,以用户行为和***行为为节点提取出所有的对话轨迹,这里的用户行为是根据语义理解模块得到的语义标签,***行为是***设计时定义好的对话策略集合,这样所有的对话轨迹就映射到了对应的满意度类别,用户行为和***行为的示例如下表2和表3所示:
表2用户行为
用户行为 |
询问相关问题 |
提供槽位信息 |
闲聊 |
转人工客服 |
开场白 |
答案不理解 |
尝试后失败 |
需要更多解决方案 |
寻求帮助 |
主动离开 |
…… |
表3***行为
3、在实时的对话开始之后,持续监测对话过程中是否出现负面的用户反馈,若出现负面的用户反馈,则触发用户行为推荐流程,如图13中左侧分支,推荐的方法可以参考基于item的协同过滤方法,具体步骤如下:
(1)在属于满意度高的对话轨迹集合中,根据语义距离计算当前用户对话轨迹和集合中的对话轨迹之间的相似性,得到下一步用户行为候选集,候选集中的对话轨迹是从对话轨迹集合筛选出的与当前用户对话轨迹的相似性高于相似阈值的对话轨迹;
(2)对候选集中的各个用户行为,按照其所在对话的上一轮***行为的tf-idf特征值进行排序,从而得到最可能的下一步用户行为推荐列表,用户行为推荐列表中包含多个目标用户行为,且目标用户行为之间按照其所在对话的上一轮***行为的tf-idf特征值排序;
(3)将用户行为推荐列表和当前的智能客服***的答复内容一起输出给用户。
基于此,用户可以针对当前的推荐列表做出下一步的点击,也可以不做选择,重新输入。
可见,本申请的技术方案中,当用户在对话的过程中产生不好的体验时,智能客服***可以主动对用户的下一步可能的行为进行推荐,这些推荐的行为来自于日志中对话轨迹相似的对话流程,给不知所措或者想要离开的用户一个进一步的指引。在本申请的具体实现中,以用户行为和***行为作为对话轨迹的节点,挖掘已有的对话日志中的所有对话轨迹,并对这些对话轨迹的满意度进行聚类,实现无监督的对话轨迹满意度预测,进而在实时的对话的过程中,当出现负反馈的用户行为时,智能客服***可以主动推荐可能的下一步用户行为给用户选择,而智能客服***推荐的下一步用户行为基于协同过滤的方法,同时聚类的时候缩小了选择的范围,只从预测结果为满意度高的对话轨迹中进行查找,使得推荐的用户行为更能参考那些用户满意度高的相似对话。
本说明书中各个实施例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部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种数据处理方法,包括:
接收当前用户的当前输入内容;
在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为;
其中,所述对话轨迹集合中包含至少一个目标历史对话中的历史用户行为,所述历史用户行为为历史用户与客服***进行交互中所述历史用户的输入内容对应的行为标签,所述目标历史对话对应的目标对话日志所具有的至少一个日志特征的特征值满足预设的高满意度条件;
至少输出所述至少一个目标用户行为。
2.根据权利要求1所述的方法,在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为,包括:
在预设的对话轨迹集合中,获得第一行为集合,所述第一行为集合中包括至少一个第一用户行为,所述第一用户行为所对应的对话轨迹与所述当前输入内容对应的对话轨迹的语义相似度高于预设的相似阈值;
对所述第一行为集合中的第一用户行为进行排序;
选取所述第一行为集合中排序在前M位的用户行为为目标用户行为,M为大于或等于1的正整数。
3.根据权利要求2所述的方法,所述对话轨迹集合中还包含所述目标历史对话中的历史***行为,所述历史***行为为所述历史用户与所述客服***进行交互中所述客服***的反馈内容对应的行为标签;
其中,对所述第一行为集合中的第一用户行为进行排序,包括:
获得所述第一用户行为在其所在的目标历史对话中对应的前一个的目标***行为;
获得所述目标***行为在所述第一行为集合中的第一频率值,并获得所述目标***行为在所述对话轨迹集合中的第二频率值;
根据所述第一频率值和所述第二频率值,对所述第一行为集合中的第一用户行为进行排序。
4.根据权利要求1所述的方法,所述对话轨迹集合通过以下方式获得:
获得所述客服***与多个历史用户之间进行交互的历史日志集合,所述历史日志集合中包括多个历史对话日志;
获得所述历史对话日志的至少一个日志特征,所述日志特征具有特征值,所述特征值表征在所述日志特征对应的维度上相应历史用户对所述客服***的交互满意程度;
根据所述日志特征的特征值,在所述历史日志集合中获得至少一个目标对话日志,任意一个所述目标对话日志的日志特征的特征值满足预设的高满意度条件;
获得所述目标对话日志对应的目标历史对话中的历史对话轨迹,所述历史对话轨迹中包括至少一个历史用户行为对应的节点和至少一个历史***行为对应的节点,所述历史用户行为和所述历史***行为组成对话轨迹集合。
5.根据权利要求4所述的方法,所述高满意度条件包括:将所述目标对话日志的日志特征的特征值分别加权后再求和所得到的值大于预设的满意度阈值。
6.根据权利要求1所述的方法,在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为之前,所述方法还包括:
判断所述当前输入内容是否满足预设的行为推荐条件;所述行为推荐条件包括:所述当前输入内容表征所述客服***的前一次反馈内容与所述当前用户的前一次输入内容不相符;
如果所述当前输入内容满足所述行为推荐条件,执行所述:在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为;
如果所述当前输入内容不满足所述行为推荐条件,输出针对所述当前输入内容所生成的当前反馈内容。
7.根据权利要求1所述的方法,至少将所述至少一个目标用户行为进行输出,包括:
输出所述至少一个目标用户行为和针对所述当前输入内容所生成的当前反馈内容。
8.根据权利要求7所述的方法,输出所述至少一个目标用户行为和针对所述当前输入内容所生成的当前反馈内容,包括:
在所述当前用户对应的交互界面上的目标位置,输出针对所述当前输入内容所生成的当前反馈内容;
在所述目标位置关联的目标区域中,将所述至少一个目标用户行为以列表的形式进行输出。
9.根据权利要求1所述的方法,还包括:
接收所述当前用户针对所述至少一个目标用户行为中的第二用户行为的操作数据;
输出所述第二用户行为对应的反馈内容。
10.一种数据处理装置,包括:
输入接收单元,用于接收当前用户的当前输入内容;
行为获得单元,用于在对话轨迹集合中获得与所述当前用户的当前输入内容对应的至少一个目标用户行为;
其中,所述对话轨迹集合中包含至少一个目标历史对话中的历史用户行为,所述历史用户行为为历史用户与客服***进行交互中所述历史用户的输入内容对应的行为标签,所述目标历史对话对应的目标对话日志所具有的至少一个日志特征的特征值满足预设的高满意度条件;
行为输出单元,用于至少输出所述至少一个目标用户行为。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010499962.1A CN111652001B (zh) | 2020-06-04 | 2020-06-04 | 一种数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010499962.1A CN111652001B (zh) | 2020-06-04 | 2020-06-04 | 一种数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652001A true CN111652001A (zh) | 2020-09-11 |
CN111652001B CN111652001B (zh) | 2023-01-17 |
Family
ID=72345048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010499962.1A Active CN111652001B (zh) | 2020-06-04 | 2020-06-04 | 一种数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652001B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862327A (zh) * | 2021-02-19 | 2021-05-28 | 杭州拼便宜网络科技有限公司 | 一种服务标签生成方法、装置及介质 |
CN112949305A (zh) * | 2021-05-13 | 2021-06-11 | 平安科技(深圳)有限公司 | 负反馈信息采集方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103389988A (zh) * | 2012-05-10 | 2013-11-13 | 腾讯科技(深圳)有限公司 | 一种引导用户进行信息搜索的方法及装置 |
CN104951428A (zh) * | 2014-03-26 | 2015-09-30 | 阿里巴巴集团控股有限公司 | 用户意图识别方法及装置 |
CN106202301A (zh) * | 2016-07-01 | 2016-12-07 | 武汉泰迪智慧科技有限公司 | 一种基于深度学习的智能应答*** |
CN106599278A (zh) * | 2016-12-23 | 2017-04-26 | 北京奇虎科技有限公司 | 应用搜索意图的识别方法及装置 |
US20190012371A1 (en) * | 2017-07-06 | 2019-01-10 | International Business Machines Corporation | Dialog agent for conducting task-oriented computer-based communications |
CN109670025A (zh) * | 2018-12-19 | 2019-04-23 | 北京小米移动软件有限公司 | 对话管理方法及装置 |
CN110609890A (zh) * | 2019-09-11 | 2019-12-24 | 浙江大搜车软件技术有限公司 | 自助式客服交互方法、装置、计算机设备和存储介质 |
CN111143524A (zh) * | 2019-12-06 | 2020-05-12 | 联想(北京)有限公司 | 一种用户意图确定方法及电子设备 |
-
2020
- 2020-06-04 CN CN202010499962.1A patent/CN111652001B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103389988A (zh) * | 2012-05-10 | 2013-11-13 | 腾讯科技(深圳)有限公司 | 一种引导用户进行信息搜索的方法及装置 |
CN104951428A (zh) * | 2014-03-26 | 2015-09-30 | 阿里巴巴集团控股有限公司 | 用户意图识别方法及装置 |
CN106202301A (zh) * | 2016-07-01 | 2016-12-07 | 武汉泰迪智慧科技有限公司 | 一种基于深度学习的智能应答*** |
CN106599278A (zh) * | 2016-12-23 | 2017-04-26 | 北京奇虎科技有限公司 | 应用搜索意图的识别方法及装置 |
US20190012371A1 (en) * | 2017-07-06 | 2019-01-10 | International Business Machines Corporation | Dialog agent for conducting task-oriented computer-based communications |
CN109670025A (zh) * | 2018-12-19 | 2019-04-23 | 北京小米移动软件有限公司 | 对话管理方法及装置 |
CN110609890A (zh) * | 2019-09-11 | 2019-12-24 | 浙江大搜车软件技术有限公司 | 自助式客服交互方法、装置、计算机设备和存储介质 |
CN111143524A (zh) * | 2019-12-06 | 2020-05-12 | 联想(北京)有限公司 | 一种用户意图确定方法及电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862327A (zh) * | 2021-02-19 | 2021-05-28 | 杭州拼便宜网络科技有限公司 | 一种服务标签生成方法、装置及介质 |
CN112949305A (zh) * | 2021-05-13 | 2021-06-11 | 平安科技(深圳)有限公司 | 负反馈信息采集方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111652001B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104951428B (zh) | 用户意图识别方法及装置 | |
CN111414462B (zh) | 一种对话语句确定方法、装置、计算机设备和介质 | |
CN113360622B (zh) | 用户对话信息的处理方法、装置及计算机设备 | |
CN110059182A (zh) | 面向客服的话术推荐方法和装置 | |
WO2012099840A1 (en) | Method and system of selecting responders | |
CN111652001B (zh) | 一种数据处理方法及装置 | |
CN108198017B (zh) | 个性化客服处理方法及装置 | |
EP3685245B1 (en) | Method, apparatus, and computer-readable media for customer interaction semantic annotation and analytics | |
CN112364234B (zh) | 一种在线讨论的自动分组*** | |
CN111209477A (zh) | 一种信息推荐的方法及装置、电子设备、存储介质 | |
CN115618101A (zh) | 基于负反馈的流媒体内容推荐方法、装置及电子设备 | |
CN114330752A (zh) | 排序模型训练方法和排序方法 | |
CN113535991A (zh) | 一种多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN115455158A (zh) | 智能聊天的信息处理方法、装置、电子设备及存储设备 | |
CN113157898B (zh) | 候选问题的推荐方法、装置、计算机设备及存储介质 | |
CN111723189B (zh) | 交互问答的提示方法和装置、存储介质、电子设备 | |
US20200302541A1 (en) | Resource processing method, storage medium, and computer device | |
CN111368131B (zh) | 用户关系识别方法、装置、电子设备及存储介质 | |
CN112182189A (zh) | 一种对话处理方法、装置、电子设备及存储介质 | |
CN110874432A (zh) | 排序方法、信息推荐方法、***及装置 | |
CN111931035B (zh) | 业务推荐方法、装置及设备 | |
CN114331572A (zh) | 一种潜在客户的确定方法、装置、电子设备及存储介质 | |
CN114490288A (zh) | 一种基于用户操作行为的信息匹配方法及装置 | |
CN113901328A (zh) | 信息推荐方法和装置、电子设备和存储介质 | |
KR102078541B1 (ko) | 이슈 관심도 기반의 뉴스 가치 평가 장치 및 방법, 이를 기록한 기록매체 |
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 |