CN112052323A - 群聊机器人自主应答的方法和*** - Google Patents
群聊机器人自主应答的方法和*** Download PDFInfo
- Publication number
- CN112052323A CN112052323A CN202010952296.2A CN202010952296A CN112052323A CN 112052323 A CN112052323 A CN 112052323A CN 202010952296 A CN202010952296 A CN 202010952296A CN 112052323 A CN112052323 A CN 112052323A
- Authority
- CN
- China
- Prior art keywords
- target
- group
- answer
- candidate list
- instant messaging
- 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 69
- 230000004044 response Effects 0.000 title claims abstract description 39
- 238000004891 communication Methods 0.000 claims abstract description 34
- 230000001960 triggered effect Effects 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000013145 classification model Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 239000011521 glass Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised 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
- G06F16/332—Query formulation
- G06F16/3322—Query formulation using system suggestions
-
- 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
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- 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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/35—Clustering; Classification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
- H04L51/046—Interoperability with other network applications or services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本说明书提供的群聊机器人自主应答的方法和***,在接收到所述目标通讯群中的目标用户发送的输入语句后,基于输入语句和预设的知识库生成一个与输入语句匹配的目标,并将所述目标答案发送给目标客户端或包括目标客户端在内的第二组客户端,以降低对其他用户的影响。所述方法不仅可以主动对用户提出的问题进行回答,同时又不会对群聊中的其他用户造成干扰,在提升工作效率的同时,又可以提升用户体验。
Description
技术领域
本说明书涉及互联网技术领域,尤其涉及一种群聊机器人自主应答的方法和***。
背景技术
随着信息技术和互联网技术的快速发展,人们的工作、生活、学习等与网络密切相连,即时通信(Instant Messaging,简称IM)技术支持两人或多人通过网络进行沟通,从而被广泛地应用于人们的工作和生活中,比如日常工作和生活交流等等,为人们的工作和生活带来各种便利。常见IM软件从早期的MSN、ICQ、OICQ,到如今的QQ、微信、钉钉、百度Hi等,即时通信技术正在不断地朝向更加便利用户的方向演进。很多即时通信应用都支持群聊技术,比如微信、钉钉和百度Hi都支持群聊技术。群聊技术可以允许在现实生活中的多个用户聚集在一起进行信息的交互与分享。在一些服务群中,既存在服务群的使用用户,也存在客服人员,比如客服机器人。在服务群的使用中,用户会在服务群中进行对话沟通或者事务咨询。当用户在服务群中进行事务咨询时,用户往往希望客服机器人能主动应答咨询的问题,但同时又不希望客服机器人打扰其他用户。因此,如何保证客服机器人能够主动对用户咨询的事务进行应答同时又不会打扰用户之间的对话沟通是亟需解决的问题。
因此,为了保证机器人对用户咨询的事务进行主动应答同时又不打扰用户的对话沟通,需要一种更高效的群聊机器人自主应答的方法和***。
发明内容
为了保证机器人对用户咨询的事务进行主动应答同时又不打扰用户的对话沟通,本说明书提供一种更高效的群聊机器人自主应答的方法和***。
本说明书提供的群聊机器人自主应答的方法和***,在接收到群聊中的用户发送的输入语句后,基于输入语句和预设的知识库生成一个与输入语句匹配的目标答案,并将目标答案发送给发送输入语句的用户以及发送输入语句的用户选定的可见用户。所述方法和***不仅可以主动对用户提出的问题进行回答,同时又不会对群聊中的其他用户造成干扰,在提升工作效率的同时,又可以提升用户体验。
第一方面,本说明书提供一种群聊机器人自主应答的方法,包括:接收输入语句,所述输入语句是目标客户端在即时通讯群界面上输入的;基于所述输入语句和预设的知识库生成与所述输入语句匹配的目标答案;以及向所述即时通讯群发送所述目标答案,其中,所述目标答案被标记为仅对所述即时通讯群中的第二组客户端可见,所述第二组客户端为包括所述目标客户端在内的至少部分客户端。
在一些实施例中,所述基于所述输入语句和预设的知识库生成与所述输入语句匹配的目标答案,包括:识别所述输入语句是否包括同预设事务相关的目标提问,所述预设事务为针对所述即时通讯群定制的;确定所述输入语句包括所述目标提问;以及基于所述输入语句和所述预设的知识库,生成所述目标答案。
在一些实施例中,所述识别所述输入语句是否包括同预设事务相关的目标提问,包括:将所述输入语句与预设的多个问题模板进行匹配,以识别所述输入语句是否为问句;以及当所述输入语句是问句时,对所述输入语句进行分类,识别所述输入语句是否包括同所述预设事务相关的目标提问。
在一些实施例中,所述基于所述输入语句和所述预设的知识库,生成所述目标答案,包括:基于所述输入语句和所述预设的知识库,生成候选列表,所述候选列表包括与所述输入语句相关的至少一个推荐知识点;向所述即时通讯群发送所述候选列表,所述候选列表被标记为只对所述目标客户端可见;接收所述目标客户端对所述候选列表的选择;以及生成与所述匹配的所述目标答案。
在一些实施例中,所述向所述即时通讯群发送所述候选列表包括:向所述即时通讯群发送第一图标数据,所述第一图标数据被标记为只对所述目标客户端可见,所述第一图标数据包括列表显示请求;接收所述目标客户端触发所述列表显示请求的信号;以及向所述即时通讯群发送所述候选列表,所述候选列表被标记为对触发所述列表显示请求的所述目标客户端可见。
在一些实施例中,所述向所述即时通讯群发送所述候选列表包括:向所述即时通讯群发送所述候选列表和第一图标数据,其中,所述第一图标数据被标记为只对所述目标客户端可见,所述第一图标数据包括列表显示请求,当所述第一图标数据被所述目标客户端触发时,在触发所述第一图标数据的所述目标客户端显示所述候选列表。
在一些实施例中,所述向所述即时通讯群发送所述目标答案,包括:向所述即时通讯群发送所述目标答案和第二图标数据,其中,所述第二图标数据被标记为对所述第二组客户端可见,所述第二图标数据包括答案显示请求,当所述第二图标数据被客户端触发时,在触发所述第二图标数据的客户端显示所述目标答案。
在一些实施例中,所述群聊机器人自主应答的方法还包括:向所述即时通讯群发送答案评价请求,所述答案评价请求被标记为只对所述目标客户端可见;以及接收所述目标客户端的答案评价。
在一些实施例中,所述第二组客户端包括:所述目标客户端从所述即时通讯群中选择的客户端或者所述即时通讯群中的全部客户端。
第二方面,本说明书提供一种群聊机器人自主应答的***,包括至少一个存储介质和至少一个处理器,所述至少一个存储介质包括至少一个指令集,用于群聊机器人自主应答;所述至少一个处理器同所述至少一个存储介质通讯连接,其中,当所述***运行时,所述至少一个处理器读取所述至少一个指令集,并且根据所述至少一个指令集的指示执行本说明书第一方面所述的群聊机器人自主应答的方法。
第三方面,本说明书提供一种群聊机器人自主应答的方法,应用于目标客户端,包括:接收输入语句,并发送给服务器端,所述输入语句是目标用户在即时通讯群界面输入的;接收所述服务器端发送的目标答案,并显示在所述即时通讯群界面上,所述目标答案是基于所述输入语句和预设的知识库生成的,所述目标答案被标记为只对所述即时通讯群中的第二组客户端可见,所述第二组客户端为包括所述目标客户端在内的至少部分客户端。
在一些实施例中,所述接收所述服务器端发送的目标答案,包括:接收所述服务器端发送的候选列表,并显示在所述即时通讯群界面上,所述候选列表是基于所述输入语句和所述预设的知识库生成的,所述候选列表被标记为只对所述目标客户端可见,所述候选列表包括与所述输入语句相关的至少一个推荐知识点;接收所述目标用户对所述候选列表的选择,并向所述服务器端发送;向所述服务器端发送所述选择;以及接收所述服务器端发送的与所述选择匹配的目标答案。
在一些实施例中,所述接收所述服务器端发送的候选列表,包括:接收所述服务器发送的所述候选列表和第一图标数据,其中,所述第一图标数据包括列表显示请求,当所述第一图标数据被客户端触发时,在触发所述第一图标数据的客户端显示所述候选列表;接收所述目标用户对所述第一图标数据的触发操作;以及在所述即时通讯群显示所述候选列表。
第四方面,本说明书提供一种群聊机器人自主应答的***,包括至少一个存储介质以及至少一个处理器,所述至少一个存储介质包括至少一个指令集,用于群聊机器人自主应答;所述至少一个处理器同所述至少一个存储介质通讯连接,其中,当所述***运行时,所述至少一个处理器读取所述至少一个指令集,并且根据所述至少一个指令集的指示执行本说明书第三方面所述的群聊机器人自主应答的方法。
本说明书提供的群聊机器人自主应答的方法和***的其他功能将在以下说明中部分列出。根据描述,以下数字和示例介绍的内容将对那些本领域的普通技术人员显而易见。本说明书提供的群聊机器人自主应答的方法、***和存储介质的创造性方面可以通过实践或使用下面详细示例中所述的方法、装置和组合得到充分解释。
附图说明
为了更清楚地说明本说明书实施例中的技术方案,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说明书的一些实施例,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示出了根据本说明书的实施例提供的一种群聊机器人自主应答的***示意图;
图2示出了根据本说明书的实施例提供的一种群聊机器人自主应答的设备结构示意图;
图3示出了根据本说明书的实施例提供的一种群聊机器人自主应答的方法流程图;
图4示出了根据本说明书的实施例提供的一种生成候选列表的流程图;
图5示出了根据本说明书的实施例提供的一种群聊机器人自主应答的方法流程图;以及
图6示出了根据本说明书的实施例提供的一种所述即时通讯群界面的示意图。
具体实施方式
以下描述提供了本说明书的特定应用场景和要求,目的是使本领域技术人员能够制造和使用本说明书中的内容。对于本领域技术人员来说,对所公开的实施例的各种局部修改是显而易见的,并且在不脱离本说明书的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用。因此,本说明书不限于所示的实施例,而是与权利要求一致的最宽范围。
这里使用的术语仅用于描述特定示例实施例的目的,而不是限制性的。比如,除非上下文另有明确说明,这里所使用的,单数形式“一”,“一个”和“该”也可以包括复数形式。当在本说明书中使用时,术语“包括”、“包含”或“含有”意思是指所关联的整数,步骤、操作、元素或组件存在,但不排除一个或多个其他特征、整数、步骤、操作、元素、组件或组的存在或在该***/方法中可以添加其他特征、整数、步骤、操作、元素、组件或组。
考虑到以下描述,本说明书的这些特征和其他特征、以及结构的相关元件的操作和功能、以及部件的组合和制造的经济性可以得到明显提高。参考附图,所有这些形成本说明书的一部分。然而,应该清楚地理解,附图仅用于说明和描述的目的,并不旨在限制本说明书的范围。还应理解,附图未按比例绘制。
本说明书中使用的流程图示出了根据本说明书中的一些实施例的***实现的操作。应该清楚地理解,流程图的操作可以不按顺序实现。相反,操作可以以反转顺序或同时实现。此外,可以向流程图添加一个或多个其他操作。可以从流程图中移除一个或多个操作。
群聊技术是即时通信应用软件的一项重要功能,可以允许在现实生活中的多个用户聚集在一起进行信息的交互与分享。为了提升工作效率,在普通群聊的基础上,推出了服务群。所述服务群是指以服务用户为目的而建立的群聊。所述服务群中不仅有用户,还有客服。所述用户可以是所述服务群中的被服务者。所述用户可以在所述服务群中进行群聊沟通,也可以在所述服务群中进行事务咨询、事务求助或事务反馈。所述客服可以是所述服务群中的服务者,可以在所述服务群中解答用户的疑问、回应用户的诉求,或向用户发送通知或公告,等等。所述客服可以包括人工客服,还可以包括客服机器人。所述客服机器人可以帮助人工客服回应用户的诉求,减轻人工客服的压力,提升服务群的工作效率。客服机器人可以为人工客服提供包括服务提醒、答案推荐、问答入库等一系列辅助功能。客服机器人也可以直接回答用户的问题。
本说明书提供的群聊机器人自主应答的方法和***,在接收到群聊中的用户发送的输入语句后,基于输入语句和预设的知识库生成一个与输入语句相关的候选列表,并将候选列表发送给发送输入语句的用户,在用户对候选列表做出选择后,再将与选择结果匹配的答案发送给群聊中的其他用户。所述方法和***不仅可以主动对用户提出的问题进行回答,同时又不会对群聊中的其他用户造成干扰,在提升工作效率的同时,又可以提升用户体验。
图1示出了一种群聊机器人自主应答的***100的示意图。***100可以包括服务器200、客户端300、网络120以及数据库150。在一些实施例中,客户端300可以包括目标客户端301、客户端302、客户端303、客户端304,等等。
服务器200可以存储有执行本说明书描述的群聊机器人自主应答的方法的数据或指令,并可以执行或用于执行所述数据或指令。服务器200可以包括所述机器人服务器。在一些实施例中,服务器200还可以包括提供所述群聊服务的服务器。在一些实施例中,所述群聊服务也可以由所述机器人服务器提供。
如图1所示,用户110是客户端300的使用者。用户110可以包括目标用户111、用户112、用户113、用户114,等等。目标用户111是目标客户端301的使用者,用户112是客户端302的使用者,用户113是客户端303的使用者,用户114是客户端304的使用者,等等。客户端300是一般目标用户110与服务器200建立沟通的连接设备。客户端300与服务器200通讯连接。服务器200可以同时和多个客户端300通讯连接。在一些实施例中,客户端300可以安装有一个或多个应用(APP)。所述APP能够为用户110提供通过网络120同外界交互的能力以及界面。所述APP包括但不限于:聊天类APP程序、购物类APP程序、视频类APP程序、理财类APP程序等等,例如支付宝TM、淘宝TM、京东TM或银行等金融服务机构、理财产品等APP程序。在一些实施例中,客户端300可以包括移动设备、平板电脑、笔记本电脑、机动车辆的内置设备或类似内容,或其任意组合。在一些实施例中,所述移动设备可包括智能家居设备、智能移动设备、虚拟现实设备、增强现实设备或类似设备,或其任意组合。在一些实施例中,所述智能家居装置可包括智能电视、台式电脑等,或任意组合。在一些实施例中,所述智能移动设备可包括智能手机、个人数字辅助、游戏设备、导航设备等,或其任意组合。在一些实施例中,所述虚拟现实设备或增强现实设备可能包括虚拟现实头盔、虚拟现实眼镜、虚拟现实补丁、增强现实头盔、增强现实眼镜、增强现实补丁或类似内容,或其中的任何组合。例如,所述虚拟现实设备或所述增强现实设备可能包括谷歌眼镜、头戴式显示器、齿轮VR等。在一些实施例中,所述机动车中的内置装置可包括车载计算机、车载电视等。在一些实施例中,客户端300可以是具有定位技术的设备,用于定位客户端300的位置。
客户端300上装载有与服务器200相对应的即时通信应用软件,例如,钉钉TM。所述即时通信应用软件上设有即时通讯群。用户110是所述即时通讯群中的用户。用户110可以在所述即时通讯群中输入聊天信息。所述即时通讯群中至少包括两个用户110。
网络120可以促进信息或数据的交换。如图1所示,客户端300、服务器200、数据库150可以同网络120连接,并且通过网络120互相传输信息或数据。例如,服务器200可以通过网络120从客户端300获取输入信息。在一些实施例中,网络120可以是任何类型的有线或无线网络,也可以是其组合。比如,网络120可以包括电缆网络,有线网络、光纤网络、电信通信网络、内联网、互联网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、大都市市区网(MAN)、广域网(WAN)、公用电话交换网(PSTN)、蓝牙网络、ZigBee网络、近场通信(NFC)网络或类似网络。在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括有线或无线网络接入点,如基站或互联网交换点120-1、120-2,……,通过该接入点,客户端300、服务器200、数据库150的一个或多个组件可以连接到网络120以交换数据或信息。
数据库150可以存储数据或指令。在一些实施例中,数据库150可以存储从服务器200或客户端300获得的数据。在一些实施例中,数据库150可以存储服务器200可以执行或用于执行本说明书中描述的群聊机器人自主应答的方法的数据或指令。在一些实施例中,数据库150可以存储有与所述即时通讯群预设事务相关的知识库。服务器200和客户端300可能具有访问数据库150的权限,服务器200和客户端300可以通过网络120访问存储在数据库150中的数据或指令。在一些实施例中,数据库150可以直接连接到服务器200和客户端300。在一些实施例中,数据库150可以是服务器200的一部分。在一些实施例中,数据库150可以包括大容量存储、可移动存储、易失性读写存储器、只读存储器(ROM)或类似内容,或其任意组合。示例性大容量存储可能包括磁盘、光盘、固态驱动器等非暂时性存储介质(non-transitory storage medium)。可移动存储可能包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等。典型的易失性读写内存可能包括随机存取存储器(RAM)。RAM可能包括动态RAM(DRAM)、双日期速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容RAM(Z-RAM)等。ROM可能包括掩码ROM(MROM)、可编程ROM(PROM)、可虚拟可编程ROM(PEROM)、电子可编程ROM(EEPROM)、光盘(CD-ROM)和数字多功能磁盘ROM等。在一些实施例中,数据库150可以在云平台上实现。仅仅作为例子,所述云平台可能包括私有云、公共云、混合云、社区云、分布式云、云间云等形式,或者同上述形式类似的形式,或这上述形式的任意组合。
如图1所示,目标用户111通过目标客户端301上的即时通信应用软件的即时通讯群输入聊天信息,所述聊天信息通过网络120传输给服务器200;服务器200执行存储在服务器200内置存储器和/或数据库150中的群聊机器人自主应答的方法的指令,对输入的聊天信息中包含的问题作出回答生成候选列表,并将候选列表发送给目标用户111或者所述即时通讯群中的部分用户;当目标用户111对所述候选列表作出选择后,服务器200向所述即时通讯群中的所有用户或一部分用户发送与所述选择匹配的目标答案。
图2示出了一种群聊机器人自主应答的设备的结构示意图。所述设备可以是服务器200,也可以是客户端300。下面的介绍中以服务器200为例介绍所述设备。
服务器200可以执行本说明书描述的群聊机器人自主应答的方法。所述方法在本说明书中的其他部分介绍。比如,在图3至图4的描述中介绍了服务器200执行所述群聊机器人自主应答的方法P200。
如图2所示,服务器200包括至少一个存储介质230和至少一个处理器220。在一些实施例中,服务器200还可以包括通信端口250和内部通信总线210。同时,服务器200还可以包括I/O组件260。
内部通信总线210可以连接不同的***组件,包括存储介质230和处理器220。
I/O组件260支持服务器200和其他组件之间的输入/输出。
存储介质230可以包括数据存储装置。所述数据存储装置可以是非暂时性存储介质,也可以是暂时性存储介质。比如,所述数据存储装置可以包括磁盘232、只读存储介质(ROM)234或随机存取存储介质(RAM)236中的一种或多种。存储介质230还包括存储在所述数据存储装置中的至少一个指令集。所述指令是计算机程序代码,所述计算机程序代码可以包括执行本说明书提供的群聊机器人自主应答的方法的程序、例程、对象、组件、数据结构、过程、模块等等。
通信端口250用于服务器200同外界的数据通讯。比如,服务器200可以通过通信端口250连接网络120,接收目标用户111通过所述通用即时通讯APP(例如钉钉TM)输入的输入语句,进而通过通信端口250向目标用户111推荐答案。
至少一个处理器220同至少一个存储介质230通过内部通信总线210通讯连接。至少一个处理器220用以执行上述至少一个指令集。当***100运行时,至少一个处理器220读取所述至少一个指令集,并且根据所述至少一个指令集的指示执行本说明书提供的群聊机器人自主应答的方法P200。处理器220可以执行群聊机器人自主应答的方法P200包含的所有步骤。处理器220可以是一个或多个处理器的形式,在一些实施例中,处理器220可以包括一个或多个硬件处理器,例如微控制器,微处理器,精简指令集计算机(RISC),专用集成电路(ASIC),特定于应用的指令集处理器(ASIP),中央处理单元(CPU),图形处理单元(GPU),物理处理单元(PPU),微控制器单元,数字信号处理器(DSP),现场可编程门阵列(FPGA),高级RISC机器(ARM),可编程逻辑器件(PLD),能够执行一个或多个功能的任何电路或处理器等,或其任何组合。仅仅为了说明问题,在本说明书中服务器200中仅描述了一个处理器220。然而,应当注意,本说明书中服务器200还可以包括多个处理器,因此,本说明书中披露的操作或方法步骤可以如本说明书所述的由一个处理器执行,也可以由多个处理器联合执行。例如,如果在本说明书中服务器200的处理器220执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同处理器220联合或分开执行(例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一和第二处理器共同执行步骤A和B)。
虽然上述结构描述的是服务器200,此结构也适用于客户端300。目标客户端301可以执行本说明书描述的群聊机器人自主应答的方法。所述方法在本说明书中的其他部分介绍。比如,在图5和图6的描述中介绍了目标客户端301执行所述群聊机器人自主应答的方法P300。
图3示出了一种群聊机器人自主应答的方法P200的流程图。如前所述,服务器200可以执行本说明书提供的群聊机器人自主应答的方法P200。具体地,服务器200中的处理器220可以读取存储在其本地存储介质和/或数据库150中的指令集,然后根据所述指令集的规定,执行本说明书提供的群聊机器人自主应答的方法P200。所述方法P200可以包括通过服务器200端的至少一个处理器220执行:
S220:接收输入语句,所述输入语句是目标客户端301在即时通讯群界面上输入的。
如前所述,所述群聊机器人自主应答的方法P200主要用于群聊服务。目标客户端301上可以安装有通用即时通讯应用软件,例如,钉钉TMAPP。钉钉TMAPP中可以设有服务群,即所述即时通讯群。所述即时通讯群的服务可以由服务器200提供,可以由服务器200中的群聊服务服务器提供,也可以由所述机器人服务器提供。所述即时通讯群为至少两个用户110在所述界面上提供共享的即时公共通讯服务。比如,当一个用户(例如目标用户111)在所述即时通讯群中输入留言的时候,所述留言可以即时地被所有其他用户(例如用户112、用户113、用户114,等等)看见。任何用户110都可以针对所述输入留言进行回答。所述即时通讯群中的所有用户110和所述机器人可以同时在线。目标用户111为所述即时通讯群中的用户。
所述即时通讯群可以是事务服务群。进一步地,所述即时通讯群可以是对特定人群定制化的事务服务群。所述即时通讯群中的客服机器人可以为所述即时通讯群中的用户提供事务咨询服务。所述事务为与所述即时通讯群相关联的事务。不同的用户对所述事务的定义不同的。例如,汽车公司定义的事务可以是与汽车相关的事务,比如,汽车的发动机、汽车的轮胎,等等。金融公司定义的事务可以是与金融想干的事务,例如,股票、基金、保险,等等。同一汽车公司中不同的部门对于事务的定义也不同。例如,发动机部门对事务的定义可以是发动机的型号、发动机的功率、发动机的排量,等等。例如,汽车轮胎部门对事务的定义可以是轮胎的结构、轮胎的承压、轮胎的花纹,等等。由于不同的用户所定义的事务是不同的,因此,不同的通讯群所关联的事务也是不同的。所述即时通讯群常常会根据使用用户的需求预设事务,因此所述预设事务为针对所述即时通讯群定制的。所述预设事务可以补充、修改和变更。所述即时通讯群中的机器人根据所述预设事务提供的事务咨询服务。
目标用户111可以通过目标客户端301上的所述即时通讯群的界面输入所述输入语句。所述输入语句可以是目标用户111在所述即时通讯群中实时输入的聊天信息。所述输入语句可以是语音数据,也可以是文字数据。当所述输入语句为语音数据时,服务器200可以将所述语音数据转换为文字数据。所述输入语句可以是目标用户111在所述即时通讯群中的输入的任何语句,可以是与用户110的沟通语句,又或者是一些疑惑或遇到的困难,等等。所述输入语句可以是和所述预设事务相关的数据,也可以是和所述预设事务不相关的数据。所述输入语句可以是所述即时通讯群中的用户相互对话沟通的数据,也可以是目标用户111向所述机器人或其他用户110的提问。所述输入语句中可能没有任何向所述机器人提问的标志,比如,在用户相互对话沟通的情境下,所述输入语句是用户之间的自然对话,因此没有任何向机器人提问的标志。所述输入语句中也可能存在一些提问,比如“花呗是什么”。
所述即时通讯群的工作方式可以是:目标用户111在目标客户端301的所述即时通讯群界面上输入所述输入语句,所述输入语句通过网络120传输至服务器200,所述即时通讯群中其他用户的客户端,比如客户端302、客户端303、客户端304,等等,会主动监听服务器200,一旦监听到所述输入语句,主动从服务器200中获取所述输入语句,并显示在所述即时通讯群的界面上。
S230:基于所述输入语句和预设的所述知识库生成候选列表。
服务器200可以根据所述输入语句的内容对所述输入语句作出回应。具体地,服务器200可以根据所述输入语句的内容以及所述即时通讯群预设的所述知识库生成与所述输入语句相关的候选列表。所述预设的所述知识库可以是与所述预设事务相关的知识点的集合。所述知识库可以用于说明所述预设事务的功能或规则。比如,所述即时通讯群为支付宝事务群,所述预设事务可以是与支付宝相关的事务,所述预设的所述知识库可以包括多个与支付宝支持的功能相关的知识点。所述知识库可以包括预设的多个知识点,所述多个知识点中的每个知识点包括知识点标题和知识点答案。通常所述知识点标题可以是对所述预设事务提问的问题,所述知识点答案可以是对所述问题的回答内容。例如,在支付宝事务群中,所述知识库的知识点可以是“标题:花呗是什么?答案:花呗是一种借贷产品。”、“标题:余额宝是什么?答案:余额宝是一种货币基金。”、“标题:忘记密码怎么办?答案:使用手机号码找回密码。”等等。所述知识库是基于所述即时通讯群的预设事务预设的。所述知识库可以补充、修改和变更。所述知识库可以存储在服务器200中,也可以存储在数据库150中。
所述候选列表可以是服务器200根据所述输入语句和所述知识库生成的与所述输入语句相关的若干个知识点标题。所述候选列表可以包括与所述输入语句相关的至少一个推荐知识点。具体地,所述候选列表可以包括与所述输入语句相关的至少一个推荐知识点标题。
无论所述输入语句是什么,为了保证所述机器人可以对与所述即时通讯群的预设事务相关的提问快速响应,同时又不打扰所述即时通讯群中的用户110之间的正常沟通交流,所述机器人需要对所述输入语句进行事务问题识别,判断是否需要介入对话提供答案。图4示出了根据本说明书的实施例提供的一种实施步骤S230的流程图,即生成所述候选列表的流程图。具体地,步骤S230可以包括:
S232:识别所述输入语句是否包括同预设事务相关的目标提问。
当目标用户111通过目标客户端301上的所述即时通讯群输入所述输入语句后,服务器200需要对所述输入语句进行事务问题识别,以识别所述输入语句是否是与所述预设事务相关的目标提问。当所述输入语句不是与所述预设事务相关的提问时,服务器200对所述输入语句不做回应;当所述输入语句是与所述预设事务相关的提问时,服务器200则对所述输入语句进行自主应答。所述与所述预设事务相关的目标提问可以是与所述知识库中的多个知识点相关的问题。所述目标提问也可以是所述知识库中的多个知识点标题中的至少一个。
服务器200可以通过问句识别模块282和事务识别模块284对所述输入语句进行事务问题识别。问句识别模块282可以接收所述输入语句,并被配置为识别所述输入语句是否为问句。其中,所述问句识别模块282是基于预设的多个问句模板训练得到的。所述预设的多个问句模板可以是基于多个问句格式信息创建的。所述问句识别模块282可以使用所述预设的多个问句模板与所述输入语句进行匹配,以判断是否有模板与所述输入语句相匹配,从而识别所述输入语句是否为问句语句。在本说明书中,问句格式信息可以包括通用问句格式信息和陈述式的问句格式信息。通用问句格式可以是指语法意义上的问句格式,例如明显的疑问句格式,比如“天气怎么样?”、“钉钉是什么?”、“为什么余额宝的收益变低?”等。对所述陈述式的问句格式可以是指用于描述某种事实以寻求响应(比如,希望他人帮助处理)的陈述句格式,比如“考勤打卡失败了”、“帮我审批一下”、“淘宝无法登录”等等。
事务识别模块284可以接收所述输入语句,并被配置为对所述输入语句进行分类,即事务问题识别,识别所述输入语句是否包括同所述预设事务相关的目标提问。事务识别模块284是基于所述预设的所述知识库和预设的非事务语料信息训练得到的。事务识别模块284可以是文本分类模型,分类结果为二分类。事务识别模块284将所述预设的所述知识库作为训练的正样本,将所述预设的非事务语料信息作为训练的负样本,由此组成训练样本集进行模型的训练。所述正样本的数据量和所述负样本的数据量的比例可以是1:1,也可以是其他比例,比如1.2:1,等等。服务器200将所述输入语句输入事务识别模块284,事务识别模块284的输出结果为所述输入语句属于所述知识库类或者所述输入语句属于非事务语料类。所述预设的非事务语料信息可以是通用的闲聊信息,比如,“你好”、“今天天气怎么样”等等。当事务识别模块284的输出结果为所述输入语句属于所述知识库类时,服务器200判定所述输入语句包括同所述预设事务相关的目标提问,服务器200可以对所述目标提问进行自主应答;当事务识别模块284的输出结果为所述输入语句属于非事务语料类时,服务器200判定所述输入语句不包括同所述预设事务相关的目标提问,因此可以选择不做回答。通过这样的设置,可以使得用户110之间在正常聊天的时候受到尽量少的打扰,增强了用户的使用体验。
事务识别模块284可以包括FastText模型、CNN模型和LSTM模型中的一种。事务识别模块284所采用的文本分类模型的类型可以是基于文本分类模型训练时使用的样本的数据量来确定的。例如,在文本分类模型训练时使用的样本是大数据量时,可以使用CNN模型或LSTM模型。在文本分类模型训练时使用的样本是小数据量时,可以使用FastText模型。本说明书提供的事务识别模块284可以基于文本分类模型训练时使用的样本的数据量来确定所采用的文本分类模型的类型,可以基于不同的应用场景来选用适合的文本分类模型进行分类,即事务问题识别,由此提高事务问题识别的效率。
由问句识别模块282和事务识别模块284可以对所述输入语句先进行问句识别,在所述输入语句为问句时才对所述输入语句进行事务问题识别,在所述输入语句不是问句时,不进行事务问题识别,可以有效节省计算量,节约资源。
具体地,步骤S232可以包括:
S232-2:将所述输入语句与所述预设的多个问句模板进行匹配,以识别所述输入语句是否为问句。
服务器200通过问句识别模块282对所述输入语句进行问句格式匹配,使用所述输入语句来遍历所述预设的多个问句格式中的所有问句格式。如果存在匹配的问句格式,服务器200则判定所述输入语句是问句语句。否则,服务器200判定所述输入语句不是问句语句。如果所述输入语句被服务器200判定为问句语句,则服务器200将所述输入语句视为潜在事务问题,并进行事务问题识别。
S232-4:当所述输入语句是问句时,对所述输入语句进行分类,识别所述输入语句是否包括同所述预设事务相关的目标提问。
当所述输入语句不是问句语句时,服务器200判定所述输入语句不包括与所述预设事务相关的目标提问。服务器200认为所述输入语句不是对所述预设事务的提问,对所述输入语句不作回应。
当所述输入语句是问句时,服务器200需要进一步对所述输入语句进行分类,即事务问题识别,判断所述输入语句中是否包括与所述预设事务相关的目标提问。具体地,服务器200通过事务识别模块284对所述输入语句进行分类,识别所述输入语句是否包括同所述预设事务相关的目标提问。事务识别模块284在对所述输入语句进行分类时,可以先对所述输入语句进行分词处理,例如,将被识别为问句的输入语句“花呗如何开通?”分词为“花呗”、“如何”和“开通”;然后,对经过所述分词处理后得到的分词进行文本分类处理。例如,在事务识别模块284是FastText模型的情况下,首先,事务识别模块284将分词“花呗”、“如何”和“开通”表示为三个词向量,例如,利用Word2Vec来将分词“花呗”、“如何”和“开通”表示为3个词向量;接着,事务识别模块284利用卷积处理来将所得到的3个词向量转换为语义矩阵;随后,事务识别模块284利用池化计算来将语义矩阵转换为语义向量;最后,事务识别模块284利用Softmax层来进行分类,以得到分类为所述知识库类和非事务语料类两个类目的分值,并且将分值较大的类目作为事务识别模块284文本分类结果输出。当事务识别模块284的输出结果为所述输入语句属于所述知识库类时,服务器200判定所述输入语句包括同所述预设事务相关的目标提问;当事务识别模块284的输出结果为所述输入语句属于非事务语料类时,服务器200判定所述输入语句不包括同所述预设事务相关的目标提问。
本说明书提供的群聊机器人自主应答的方法P200和***100,通过问句识别模块282和事务识别模块284,先对所述输入语句进行问句识别282,只有在所述输入语句为问句语句的情况下才对所述输入语句进行分类,即事务问题识别,而不需要对所有的输入语句都进行事务问题识别,从而减少计算量,同时提高了的工作效率。
在一些实施例中,服务器200也可以通过语义识别模块识别所述输入语句是否包括同预设事务相关的目标提问。所述语义识别模块可以是基于历史输入语句训练得到的。所述历史输入语句中可以包括与所述预设事务相关的提问,也可以包括用户110间的交流对话。所述语义识别模块可以对所述输入语句进行语义分析,并根据语义分析的结果判断所述输入语句的语义中是否包括同所述预设事务相关的目标提问。比如,与所述预设事务相关的历史输入语句可以是“钉钉是什么?”、“为什么余额宝的收益变低?”、“考勤打卡失败了”、“淘宝无法登录”等。比如,与所述预设事务不相关的历史输入语句可以是“天气怎么样”等。比如,所述输入语句可以是“我上个月的余额宝收益是100,这个月只有50”。服务器200通过对所述输入语句进行语义分析可以得出语义分析结果“余额宝收益变低了”,因此,判断所述输入语句可能包括同所述预设事务相关的目标提问。服务器200通过所述语义识别模块可以对所述输入语句进行语义识别,分析出输入语句所想表达的语义,从而识别出所述输入语句是否包括同所述预设事务相关的目标提问。所述语义识别模块可以对问句表达不明显的输入语句进行语义分析,挖掘出输入语句潜在的表达,从而作出更准确的判断。
当所述输入语句不包括与所述预设事务相关的目标提问时,服务器200认为所述输入语句不是对所述预设事务的提问,对所述输入语句不作回应。当所述输入语句包括与所述预设事务相关的目标提问时,服务器200可以对所述输入语句主动应答。这样既能保证服务器200(即机器人)在用户110没有主动@机器人的情况下,也能对所述即时通讯群中的用户110提出的事务问题主动应答,又能保证服务器200(即机器人)不打扰所述即时通讯群中各个用户110之间的对话沟通,提升用户的体验感,同时还可以缓解人工客服的工作压力,减少人工客服的工作量,提高所述机器人的利用率,提升客服(包括所述人工客服和机器人)的工作效率。具体地,在识别出所述输入语句包括与所述预设事务相关的目标提问后,服务器200可以执行:
S234:确定所述输入语句包括与所述预设事务相关的目标提问。
S236:基于所述输入语句和所述预设的所述知识库,生成所述候选列表。
如前所述,所述候选列表可以包括与所述输入语句相关的至少一个推荐知识点标题。在步骤S236中,服务器200可以通过找出与所述输入语句最相似的知识点标题,生成所述候选列表给用户回复。在步骤S236中,所述基于所述输入语句和所述预设的所述知识库,生成候选列表,可以包括通过服务器200的至少一个处理器220执行:
S236-2:对所述输入语句进行分词处理,提取所述输入语句对应的关键词。
例如,服务器200将所述输入语句“花呗如何开通?”分词为“花呗”、“如何”和“开通”;然后,提取对经过所述分词处理后得到的分词中的关键词,例如,关键词为“花呗”和“开通”。
S236-4:将所述输入语句对应的关键词与所述预设的所述知识库进行匹配,获取至少一个召回知识点,所述多个知识点包括所述至少一个召回知识点。
服务器200提取到所述输入语句的关键词后,将所述输入语句的关键词与所述知识库中的多个知识点进行匹配,实际上是将所述输入语句的关键词与所述知识库中的多个知识点标题进行匹配,并从所述知识库中召回至少一条与所述输入语句的关键词相匹配的知识点作为所述召回知识点。所述召回即从所述知识库中挑选出与所述输入语句的关键词相匹配的知识点。所述召回知识点即挑选出的候选知识点。例如,所述输入语句的关键词为“花呗”和“开通”。服务器200在所述知识库中查找是否存在与“花呗”和“开通”一致的知识点标题。例如,所述召回知识点的标题可以是“花呗如何开通”和“花呗开通后额度如何调整”,等等。
S236-6:计算所述输入语句与所述至少一个召回知识点的关联值。
服务器200召回所述至少一个知识点后,可以计算所述输入语句和所述至少一个召回知识点中的每个召回知识点的关联值。所述关联值可以是所述输入语句与所述每个召回知识点的相似度值。服务器200通过对所述输入语句进行语义分析,计算所述输入语句与所述每个召回知识点标题的语义相似度值。
S236-8:基于所述关联值,从所述至少一个召回知识点中选取至少一个推荐知识点,基于所述推荐知识点的标题生成所述候选列表。
服务器200计算出所述输入语句与所述每个召回知识点的关联值后,基于所述关联值,对所述至少一个召回知识点进行排序。所述排序可以是基于所述关联值从大到小对所述至少一个召回知识点排序。服务器200可以从所述至少一个召回知识点中选取所述关联值最大的至少一个召回知识点作为推荐知识点,并根据所述推荐知识点的标题生成所述候选列表。所述候选列表可以包括至少一个推荐知识点标题。
服务器200通过上述方式从所述知识库中选取出与所述输入语句相似度最高的推荐知识点作为所述候选列表向所述即时通讯群发送,提高客服群聊机器人自主应答的准确度,提升用户体验感。生成所述候选列表后,服务器200继续执行:
S240:向所述即时通讯群发送所述候选列表。
当服务器200生成所述候选列表之后,可以向所述即时通讯群发送所述候选列表。为了不打扰所述即时通讯群中的用户110,所述候选列表被标记为只对所述即时通讯群中的第一组客户端310可见,所述第一组客户端310为包括所述目标客户端301在内的部分客户端。所述第一组客户端310可以是所述即时通讯群中的目标客户端301,还可以是拥有特殊权利的用户的客户端,例如,群主的客户端、管理员的客户端,等等,还可以是目标客户端301选定的客户端,例如目标客户端301在收到所述候选列表后,可以选择将所述候选列表显示给所述即时通讯群中的指定用户可见。所述第一组客户端310还可以是所述即时通讯群中与所述输入语句相关的历史输入语句对应的客户端。例如,所述输入语句可以是“花呗额度如何调整?”,与所述输入语句相关的历史输入语句可以是“我的花呗额度不够了”,则所述历史输入语句对应的客户端可以是所述第一组客户端310的一部分。
可以通过多种方式使得所述候选列表被标记为只对所述即时通讯群中的第一组客户端310可见。比如,可以通过定义所述候选列表的属性数据实现。所述属性数据可以是标签数据,也可以是数据符号,等等任何可以做标记的数据。所述候选列表的属性数据被标记为只对所述即时通讯群中的第一组客户端310可见,具体地,可以是所述候选列表的标签数据与第一组客户端310的设备相关联,也可以是所述属性数据与第一组客户端310具有相同的标记,使得只有第一组客户端310可以监听到服务器200中的所述候选列表,因此,只有第一组客户端310可以接收所述候选列表。此外,还可以通过在候选列表的数据结构中预留特定的显示位标识位,然后通过对所述显示标识位进行赋值来定义在所述即时通讯群中哪些客户端可见。当客户端300对运行在服务器200上的所述即时通讯群中的信息进行监听时,客户端300首先检测所述显示标识位的数值是否允许自己显示。对于第一组客户端310来说,所述显示标识位的数值允许自己显示所述候选列表的内容,对于其他客户端300,所述显示标识位的数值不允许自己显示所述候选列表的内容。因此,所述显示标识位使得只有第一组客户端310可以监听到服务器200中的所述候选列表。
所述候选列表可以直接发送并显示在第一组客户端310的即时通讯群中,也可以采用一种低侵入式的表达方式。比如,服务器200向第一组客户端310的所述即时通讯群的界面展示列表显示请求。当用户选择同意显示所述候选列表时,服务器200可以显示所述候选列表。当用户选择不同意显示所述候选列表时,服务器200则不显示所述候选列表。所述列表显示请求可以是一个可操作的图标,显示在第一组客户端310的即时通讯群界面上。比方说,服务器200在目标客户端301的即时通讯群界面上的所述输入语句的旁边显示一个红点图标表示这里有机器人推荐的候选列表。只有当目标用户111触摸或者点击这个红点图标的时候才显示所述候选列表。或者,第一组客户端310的其他部分或者全部用户也可以通过触摸或者点击这个红点图标显示所述候选列表。通过这种方式,服务器200在目标通讯界面上可以做到尽量小的打扰目标用户111与其他用户110的正常沟通。
为了实现上述功能,服务器200向所述即时通讯群发送所述候选列表可以包括以下步骤:服务器200向所述即时通讯群发送第一图标数据,所述第一图标数据的属性被标记为只对第一组客户端310可见,所述第一图标数据中包括所述列表显示请求,比如,所述第一图标数据中包含了一个指向所述列表的链接;服务器200接收第一组客户端310中的任何一个客户端触发所述列表显示请求的信号(比如所述图标在第一组客户端310的任何一个客户端被触发),所述链接被激活;服务器200向所述即时通讯群发送所述候选列表,所述候选列表被标记为对触发所述列表显示请求的客户端可见。
服务器200向所述即时通讯群发送所述候选列表还可以是:服务器200向所述即时通讯群同时发送所述候选列表和第一图标数据,其中,所述第一图标数据包括列表显示请求,所述第一图标数据的属性被标记为只对第一组客户端310可见,并且所述候选列表和第一图标数据被定义为:首先在第一组客户端310显示所述第一图标数据,当所述第一图标数据被第一组客户端310中的任一个客户端触发时,才会在触发所述第一图标数据的客户端显示所述候选列表。当第一组客户端310中的任意一个客户端收到所述候选列表和所述第一图标数据时,所述客户端只显示所述第一图标数据,所述第一图标数据可以是一个可操作的图标,只有在用户触发所述可操作图标时,所述客户端才会将所述候选列表显示在界面上。
S250:接收第一组客户端310中的管理客户端对所述候选列表的选择。
如前所述,所述候选列表可以包括与所述输入语句相关的至少一个推荐知识点标题。目标用户111在目标客户端301接收到所述候选列表后,可以从所述候选列表中选择一个或多个与自己的提问最相关或者自己最关心或最想查看的推荐知识点标题,从而查看所选标题对应的答案内容。这时候,所述目标客户端301就是所述管理客户端。服务器200可以接收目标用户111在目标客户端301上的选择。当然,管理客户端还可以是第一组客户端310中的其他客户端。比如,所述管理客户端可以是第一组客户端310中一些有特殊权限的客户端(比如管理员),所述管理客户端也可以是第一组客户端310中任何客户端。这种时候,第一组客户端310中的用户都可以对所述候选列表做出选择,服务器200可以接收第一组客户端310中的用户在对应的客户端上的选择。
S270:向所述即时通讯群发送与所述选择匹配的目标答案。
所述目标答案可是与目标客户端301选择的知识点标题对应的目标知识点答案。服务器200接收了目标用户111在目标客户端301上的选择后,可以将所述目标答案发送给所述即时通讯群。其中,所述目标答案被标记为对所述即时通讯群中的第二组客户端320可见。第二组客户端320可以包括所述即时通讯群中的至少一部分客户端,也可以包括目标客户端301。第二组客户端320可以是目标用户111从所述即时通讯群中选择的用户对应的客户端,也可以是第一组客户端310中的客户端,也可以是第一组客户端310中对所述候选列表做出选择的客户端,也可以是全部客户端300。当然,第二组客户端320也可以是第一组客户端310中的管理客户端从所述即时通讯群中选择的用户对应的客户端。
服务器200向所述即时通讯群发送所述目标答案可以有多种方式。所述目标答案可以直接发送并显示在第二组客户端320的即时通讯群中,也可以采用上述低侵入式的表达方式。比如,服务器200向第二组客户端320的所述即时通讯群的界面展示答案显示请求,当用户选择同意显示所述目标答案时,服务器200可以显示所述目标答案,当用户选择不同意显示所述目标答案时,服务器200则不显示所述目标答案。所述答案显示请求可以是一个可操作的图标,显示在第二组客户端320的即时通讯群界面上。比方说,服务器200在目标客户端301的即时通讯群界面上的所述候选列表或目标用户111对所述候选列表的选择的旁边显示一个红点图标表示这里有机器人推荐的目标答案。只有当目标用户111触摸或者点击这个红点图标的时候才显示所述目标答案。或者,第二组客户端320的其他部分或者全部用户也可以通过触摸或者点击这个红点图标显示所述目标答案。通过这种方式,服务器200在目标通讯界面上可以做到尽量小的打扰目标用户111与其他用户110的正常沟通。
服务器200向所述即时通讯群发送所述目标答案可以包括:服务器200向所述即时通讯群发送第二图标数据,所述第二图标数据的属性被标记为只对第二组客户端320可见,所述第二图标数据中包括所述答案显示请求,比如,所述第一图标数据中包含了一个指向所述列表的链接;服务器200接收第二组客户端320中的任何一个客户端触发所述答案显示请求的信号(比如所述图标在第二组客户端320的任何一个客户端被触发),所述链接被激活;服务器200向所述即时通讯群发送所述目标答案,所述目标答案被标记为对触发所述答案显示请求的客户端可见。
服务器200向所述即时通讯群发送所述目标答案还可以是:服务器200向所述即时通讯群同时发送所述候选列表和第二图标数据,其中,所述第二图标数据包括答案显示请求,所述第二图标数据的属性被标记为只对第二组客户端320可见,并且所述目标答案和第二图标数据被定义为:首先在第二组客户端320显示所述第二图标数据,当所述第二图标数据被第二组客户端320中的任一客户端触发时,才会在触发所述第二图标数据的客户端显示所述目标答案。当第二组客户端320中的任意一个客户端收到所述目标答案和所述第二图标数据时,所述客户端只显示所述第二图标数据,所述第二图标数据可以是一个可操作的图标,只有在用户触发所述可操作图标时,所述客户端才会将所述目标答案显示在界面上。
服务器200向客户端300发送所述目标答案时可以根据所述输入语句的语义或者结合历史输入语句的语义进行语义分析,根据语义分析的结果以对话交流的方式给出所述目标答案,以提升用户体验感。比如,所述输入语句为“怎么回事?我上个月的余额宝收益是100,可是这个月只有50!”。服务器200可以回答“客官不必担心呢,余额宝收益浮动是正常的,这是因为……”,然后给出所述目标答案。这种智能对话交流式的应答相比于机械式的应答可以使用户110更容易接受,在轻松愉快的氛围中为用户110解答疑惑,而且一定程度上降低了用户110对于人工智能的敏感度和排斥感,同时提升用户110与机器人的粘合度,提升机器人的使用率。
如图3所示,所述方法P200还可以包括,通过服务器200的至少一个处理器220执行:
S280:向目标客户端301发送答案评价请求。
S290:接收目标客户端301的答案评价。
当服务器200向目标客户端301发送了所述目标答案之后,服务器200还可以向目标客户端301发送答案评价请求,请目标用户111对显示的答案内容作出评价,并接收目标客户端301的答案评价结果,存储在服务器200或数据库150中,以便于服务器200的升级和改进。
综上所述,本说明书提供的群聊机器人自主应答的方法P200,服务器200在接收到所述即时通讯群中的目标用户111发送的输入语句后,基于输入语句和预设的所述知识库生成一个与输入语句相关的候选列表,并将所述候选列表发送给目标用户111对应的目标客户端301或包括目标客户端301在内的第一组客户端310,以降低对其他用户的影响;在目标用户111对候选列表做出选择后,再将与选择匹配的目标答案发送给目标用户111对应的目标客户端301或者包括目标客户端301在内的第二组客户端320。所述方法P200不仅可以主动对用户提出的问题进行回答,同时又不会对群聊中的其他用户造成干扰,在提升工作效率的同时,又可以提升用户体验。
图5示出了一种群聊机器人自主应答的方法P300的流程图。如前所述,客户端300可以执行本说明书提供的群聊机器人自主应答的方法P300。具体地,目标客户端301中的至少一个处理器可以读取存储在其本地存储介质和/或数据库150中的指令集,然后根据所述指令集的规定,执行本说明书提供的群聊机器人自主应答的方法P300。所述方法P300可以包括通过目标客户端301的至少一个处理器执行:
S310:接收所述输入语句,并发送给服务器端200。
所述输入语句是目标用户111在即时通讯群界面输入的。
S330:接收服务器200端发送的所述候选列表,并显示在所述即时通讯群界面上。
目标客户端301在接收到所述候选列表后,可以在所述即时通讯群界面上展示所述候选列表。所述候选列表可以直接展示在所述即时通讯群界面上,也可以以一种低侵入的方式展示在所述即时通讯群界面上。比如,在所述即时通讯群界面上展示列表显示请求,目标用户111可以对所述列表显示请求作出选择操作。当目标用户111选择同意显示所述候选列表时,目标客户端301在所述即时通讯群界面显示所述候选列表。当目标用户111选择不同意显示所述候选列表时,目标客户端301不在所述即时通讯群界面上显示所述候选列表。
步骤S330可以包括:接收服务器200端发送的所述候选列表和所述第一图标数据,所述第一图标数据包括所述列表显示请求,所述第一图标数据在客户端300可以显示为一个可操作的图标,所述第一图标数据被定义为:当所述第一图标数据被用户触发时,在触发所述第一图标数据的客户端显示所述候选列表;接收目标用户111对所述第一图标数据的触发操作;以及在所述即时通讯群显示所述候选列表。
图6示出了根据本说明书的实施例提供的一种所述即时通讯群界面的示意图600。如图6所示,所述第一图标数据可以是一个图标620,显示在目标客户端301的即时通讯群界面上,勾选或者点击所述图标620代表同意显示,不勾选或者不点击所述图标代表不同意显示。比方说,服务器200在目标客户端301的即时通讯群界面上,在所述输入语句640的旁边显示一个红点表示这里有机器人推荐的候选列表。只有当目标用户111触摸或者点击这个红点的时候才显示答案内容。
S350:接收目标用户111对所述候选列表的选择,并向服务器200发送。
如前所述,所述候选列表可以包括至少一个推荐知识点。目标用户111对所述候选列表的选择包括从所述至少一个推荐知识点中选择一个或多个与自己的提问最相关或者自己最关心或最想查看的推荐知识点。目标客户端301可以将所述选择发送至服务器200。
S370:向所述即时通讯群发送所述选择。
目标客户端301也可以将所述选择发送至所述即时通讯群中。所述选择可以被标记为对所述即时通讯群中的所有用户可见或部分用户可见。目标用户111可以从所述即时通讯群中对可见用户作出选择。
S380:接收服务器200发送的与所述选择匹配的目标答案。
目标客户端301在接收到所述目标答案后,可以在所述即时通讯群界面上展示所述目标答案。所述目标答案可以被标记为对所述即时通讯群中的所有用户可见或部分用户可见。目标用户111可以从所述即时通讯群中对可见用户做出选择。所述目标答案可以直接展示在所述即时通讯群界面上,也可以以一种低侵入的方式展示在所述即时通讯群界面上。比如,在所述即时通讯群界面上展示答案显示请求,目标用户111可以对所述答案显示请求作出选择操作。当目标用户111选择同意显示所述目标答案时,目标客户端301在所述即时通讯群界面显示所述目标答案。当目标用户111选择不同意显示所述目标答案时,目标客户端301不在所述即时通讯群界面上显示所述目标答案。
步骤S380可以包括:接收服务器200端发送的所述目标答案和所述第二图标数据,所述第二图标数据包括所述答案显示请求,所述第二图标数据在客户端300可以显示为一个可操作的图标,所述第二图标数据被定义为:当所述第二图标数据被用户触发时,在触发所述第二图标数据的客户端显示所述目标答案;接收目标用户111对所述第二图标数据的触发操作;以及在所述即时通讯群显示所述目标答案。
综上所述,本说明书提供的群聊机器人自主应答的方法P200、方法P300和***100,服务器200在接收到所述即时通讯群中的目标用户111发送的输入语句后,基于输入语句和预设的所述知识库生成一个与输入语句相关的候选列表,并将所述候选列表发送给目标用户111对应的目标客户端301或包括目标客户端301在内的第一组客户端310,以降低对其他用户的影响;在目标用户111或者第一组客户端310中的管理客户端对候选列表做出选择后,再将与选择匹配的目标答案发送给第二组客户端320。所述方法P200、方法P300和***100不仅可以主动对用户提出的问题进行回答,同时又不会对群聊中的其他用户造成干扰,在提升工作效率的同时,又可以提升用户体验。
上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者是可能有利的。
综上所述,在阅读本详细公开内容之后,本领域技术人员可以明白,前述详细公开内容可以仅以示例的方式呈现,并且可以不是限制性的。尽管这里没有明确说明,本领域技术人员可以理解本说明书需求囊括对实施例的各种合理改变,改进和修改。这些改变,改进和修改旨在由本说明书提出,并且在本说明书的示例性实施例的精神和范围内。
此外,本说明书中的某些术语已被用于描述本说明书的实施例。例如,“一个实施例”,“实施例”或“一些实施例”意味着结合该实施例描述的特定特征,结构或特性可以包括在本说明书的至少一个实施例中。因此,可以强调并且应当理解,在本说明书的各个部分中对“实施例”或“一个实施例”或“替代实施例”的两个或更多个引用不一定都指代相同的实施例。此外,特定特征,结构或特性可以在本说明书的一个或多个实施例中适当地组合。
应当理解,在本说明书的实施例的前述描述中,为了帮助理解一个特征,出于简化本说明书的目的,本说明书将各种特征组合在单个实施例、附图或其描述中。然而,这并不是说这些特征的组合是必须的,本领域技术人员在阅读本说明书的时候完全有可能将其中一部分特征提取出来作为单独的实施例来理解。也就是说,本说明书中的实施例也可以理解为多个次级实施例的整合。而每个次级实施例的内容在于少于单个前述公开实施例的所有特征的时候也是成立的。
本文引用的每个专利,专利申请,专利申请的出版物和其他材料,例如文章,书籍,说明书,出版物,文件,物品等,可以通过引用结合于此。用于所有目的的全部内容,除了与其相关的任何起诉文件历史,可能与本文件不一致或相冲突的任何相同的,或者任何可能对权利要求的最宽范围具有限制性影响的任何相同的起诉文件历史。现在或以后与本文件相关联。举例来说,如果在与任何所包含的材料相关联的术语的描述、定义或使用与本文档相关的术语、描述、定义或之间存在任何不一致或冲突时,使用本文件中的术语为准。
最后,应理解,本文公开的申请的实施方案是对本说明书的实施方案的原理的说明。其他修改后的实施例也在本说明书的范围内。因此,本说明书披露的实施例仅仅作为示例而非限制。本领域技术人员可以根据本说明书中的实施例采取替代配置来实现本说明书中的申请。因此,本说明书的实施例不限于申请中被精确地描述过的实施例。
Claims (14)
1.一种群聊机器人自主应答的方法,包括:
接收输入语句,所述输入语句是目标客户端在即时通讯群界面上输入的;
基于所述输入语句和预设的知识库生成与所述输入语句匹配的目标答案;以及
向所述即时通讯群发送所述目标答案,其中,所述目标答案被标记为仅对所述即时通讯群中的第二组客户端可见,所述第二组客户端为包括所述目标客户端在内的至少部分客户端。
2.如权利要求1所述的群聊机器人自主应答的方法,其中,所述基于所述输入语句和预设的知识库生成与所述输入语句匹配的目标答案,包括:
识别所述输入语句是否包括同预设事务相关的目标提问,所述预设事务为针对所述即时通讯群定制的;
确定所述输入语句包括所述目标提问;以及
基于所述输入语句和所述预设的知识库,生成所述目标答案。
3.如权利要求2所述的群聊机器人自主应答的方法,其中,所述识别所述输入语句是否包括同预设事务相关的目标提问,包括:
将所述输入语句与预设的多个问题模板进行匹配,以识别所述输入语句是否为问句;以及
当所述输入语句是问句时,对所述输入语句进行分类,识别所述输入语句是否包括同所述预设事务相关的目标提问。
4.如权利要求2所述的群聊机器人自主应答的方法,其中,所述基于所述输入语句和所述预设的知识库,生成所述目标答案,包括:
基于所述输入语句和所述预设的知识库,生成候选列表,所述候选列表包括与所述输入语句相关的至少一个推荐知识点;
向所述即时通讯群发送所述候选列表,所述候选列表被标记为只对所述目标客户端可见;
接收所述目标客户端对所述候选列表的选择;以及
生成与所述匹配的所述目标答案。
5.如权利要求4所述的群聊机器人自主应答的方法,其中,所述向所述即时通讯群发送所述候选列表包括:
向所述即时通讯群发送第一图标数据,所述第一图标数据被标记为只对所述目标客户端可见,所述第一图标数据包括列表显示请求;
接收所述目标客户端触发所述列表显示请求的信号;以及
向所述即时通讯群发送所述候选列表,所述候选列表被标记为对触发所述列表显示请求的所述目标客户端可见。
6.如权利要求4所述的群聊机器人自主应答的方法,其中,所述向所述即时通讯群发送所述候选列表包括:
向所述即时通讯群发送所述候选列表和第一图标数据,
其中,所述第一图标数据被标记为只对所述目标客户端可见,所述第一图标数据包括列表显示请求,当所述第一图标数据被所述目标客户端触发时,在触发所述第一图标数据的所述目标客户端显示所述候选列表。
7.如权利要求4所述的群聊机器人自主应答的方法,其中,所述向所述即时通讯群发送所述目标答案,包括:
向所述即时通讯群发送所述目标答案和第二图标数据,
其中,所述第二图标数据被标记为对所述第二组客户端可见,所述第二图标数据包括答案显示请求,当所述第二图标数据被客户端触发时,在触发所述第二图标数据的客户端显示所述目标答案。
8.如权利要求1所述的群聊机器人自主应答的方法,还包括:
向所述即时通讯群发送答案评价请求,所述答案评价请求被标记为只对所述目标客户端可见;以及
接收所述目标客户端的答案评价。
9.如权利要求1所述的群聊机器人自主应答的方法,其中,所述第二组客户端包括:所述目标客户端从所述即时通讯群中选择的客户端或者所述即时通讯群中的全部客户端。
10.一种群聊机器人自主应答的***,包括:
至少一个存储介质,包括至少一个指令集,用于群聊机器人自主应答;以及
至少一个处理器,同所述至少一个存储介质通讯连接,
其中,当所述***运行时,所述至少一个处理器读取所述至少一个指令集,并且根据所述至少一个指令集的指示执行权利要求1-9中任一项所述的群聊机器人自主应答的方法。
11.一种群聊机器人自主应答的方法,应用于目标客户端,包括:
接收输入语句,并发送给服务器端,所述输入语句是目标用户在即时通讯群界面输入的;
接收所述服务器端发送的目标答案,并显示在所述即时通讯群界面上,所述目标答案是基于所述输入语句和预设的知识库生成的,所述目标答案被标记为只对所述即时通讯群中的第二组客户端可见,所述第二组客户端为包括所述目标客户端在内的至少部分客户端。
12.如权利要求11所述的群聊机器人自主应答的方法,其中,所述接收所述服务器端发送的目标答案,包括:
接收所述服务器端发送的候选列表,并显示在所述即时通讯群界面上,所述候选列表是基于所述输入语句和所述预设的知识库生成的,所述候选列表被标记为只对所述目标客户端可见,所述候选列表包括与所述输入语句相关的至少一个推荐知识点;
接收所述目标用户对所述候选列表的选择,并向所述服务器端发送;
向所述服务器端发送所述选择;以及
接收所述服务器端发送的与所述选择匹配的目标答案。
13.如权利要求12所述的群聊机器人自主应答的方法,其中,所述接收所述服务器端发送的候选列表,包括:
接收所述服务器发送的所述候选列表和第一图标数据,其中,所述第一图标数据包括列表显示请求,当所述第一图标数据被客户端触发时,在触发所述第一图标数据的客户端显示所述候选列表;
接收所述目标用户对所述第一图标数据的触发操作;以及
在所述即时通讯群显示所述候选列表。
14.一种群聊机器人自主应答的***,包括:
至少一个存储介质,包括至少一个指令集,用于群聊机器人自主应答;以及
至少一个处理器,同所述至少一个存储介质通讯连接,
其中,当所述***运行时,所述至少一个处理器读取所述至少一个指令集,并且根据所述至少一个指令集的指示执行权利要求11-13中任一项所述的群聊机器人自主应答的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010952296.2A CN112052323B (zh) | 2020-05-27 | 群聊机器人自主应答的方法和*** |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010461146.1A CN111368059B (zh) | 2020-05-27 | 2020-05-27 | 群聊机器人自主应答的方法和*** |
CN202010952296.2A CN112052323B (zh) | 2020-05-27 | 群聊机器人自主应答的方法和*** |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010461146.1A Division CN111368059B (zh) | 2020-05-27 | 2020-05-27 | 群聊机器人自主应答的方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112052323A true CN112052323A (zh) | 2020-12-08 |
CN112052323B CN112052323B (zh) | 2024-07-16 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112685552A (zh) * | 2021-02-26 | 2021-04-20 | 深圳追一科技有限公司 | 信息推送方法、推送机器人、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106034068A (zh) * | 2015-03-20 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 群聊中进行私聊的方法、装置、客户端、服务器及*** |
US20190197181A1 (en) * | 2017-12-21 | 2019-06-27 | Shanghai Xiaoi Robot Technology Co., Ltd. | Questioning and answering method, method for generating questioning and answering system, and method for modifying questioning and answering system |
CN110765247A (zh) * | 2019-09-30 | 2020-02-07 | 支付宝(杭州)信息技术有限公司 | 一种用于问答机器人的输入提示方法及装置 |
CN111078856A (zh) * | 2019-12-26 | 2020-04-28 | 联想(北京)有限公司 | 一种群聊对话处理方法、装置及电子设备 |
CN111159363A (zh) * | 2018-11-06 | 2020-05-15 | 航天信息股份有限公司 | 一种基于知识库的问题答案确定方法及装置 |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106034068A (zh) * | 2015-03-20 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 群聊中进行私聊的方法、装置、客户端、服务器及*** |
US20190197181A1 (en) * | 2017-12-21 | 2019-06-27 | Shanghai Xiaoi Robot Technology Co., Ltd. | Questioning and answering method, method for generating questioning and answering system, and method for modifying questioning and answering system |
CN111159363A (zh) * | 2018-11-06 | 2020-05-15 | 航天信息股份有限公司 | 一种基于知识库的问题答案确定方法及装置 |
CN110765247A (zh) * | 2019-09-30 | 2020-02-07 | 支付宝(杭州)信息技术有限公司 | 一种用于问答机器人的输入提示方法及装置 |
CN111078856A (zh) * | 2019-12-26 | 2020-04-28 | 联想(北京)有限公司 | 一种群聊对话处理方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
王飞鸿;: "自动生成知识库的设计和应用探索", 科技资讯, no. 14 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112685552A (zh) * | 2021-02-26 | 2021-04-20 | 深圳追一科技有限公司 | 信息推送方法、推送机器人、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111368059B (zh) | 2020-09-15 |
WO2021239002A1 (zh) | 2021-12-02 |
CN111368059A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368059B (zh) | 群聊机器人自主应答的方法和*** | |
US11379529B2 (en) | Composing rich content messages | |
KR101886373B1 (ko) | 딥러닝 인공신경망 기반의 타스크 제공 플랫폼 | |
US11929072B2 (en) | Using textual input and user state information to generate reply content to present in response to the textual input | |
CN107846350B (zh) | 一种语境感知网络聊天的方法、计算机可读介质和*** | |
EP3504705B1 (en) | Multi computational agent performance of tasks | |
US11699039B2 (en) | Virtual assistant providing enhanced communication session services | |
US10585991B2 (en) | Virtual assistant for generating personalized responses within a communication session | |
US20180052824A1 (en) | Task identification and completion based on natural language query | |
US11882084B1 (en) | Enhanced chatbot responses through machine learning | |
US11861315B2 (en) | Continuous learning for natural-language understanding models for assistant systems | |
EP3563267B1 (en) | Contextual voice-driven deep bookmarking | |
EP3593346B1 (en) | Graphical data selection and presentation of digital content | |
CN110313010B (zh) | 一种为结构化问题组织答案的方法及相应计算设备 | |
JP2020512651A (ja) | 検索方法、装置及び非一時的コンピュータ読取可能記憶媒体 | |
US10762438B1 (en) | Extracting questions and answers | |
US11749272B2 (en) | Voice-based time-sensitive task processing over a high generation cellular network | |
CN113486170A (zh) | 基于人机交互的自然语言处理方法、装置、设备及介质 | |
Wirawan et al. | Balinese historian chatbot using full-text search and artificial intelligence markup language method | |
CN117421398A (zh) | 人机交互方法、装置、设备以及存储介质 | |
CN110377706B (zh) | 基于深度学习的搜索语句挖掘方法及设备 | |
CN114490986B (zh) | 计算机实施的数据挖掘方法、装置、电子设备及存储介质 | |
CN112052323B (zh) | 群聊机器人自主应答的方法和*** | |
CN111475652B (zh) | 数据挖掘的方法和*** | |
US11966570B2 (en) | Automated processing and dynamic filtering of content for display |
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 |