CN112115276A - 基于知识图谱的智能客服方法、装置、设备及存储介质 - Google Patents
基于知识图谱的智能客服方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112115276A CN112115276A CN202010988375.9A CN202010988375A CN112115276A CN 112115276 A CN112115276 A CN 112115276A CN 202010988375 A CN202010988375 A CN 202010988375A CN 112115276 A CN112115276 A CN 112115276A
- Authority
- CN
- China
- Prior art keywords
- intention
- node
- layer
- actual
- execution
- 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 59
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 230000002776 aggregation Effects 0.000 claims description 10
- 238000004220 aggregation Methods 0.000 claims description 10
- 238000010845 search algorithm Methods 0.000 claims description 9
- 238000001556 precipitation Methods 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000013145 classification model Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000969 carrier Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001376 precipitating effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于知识图谱的智能客服方法、装置、设备及存储介质,所述方法包括:创建与客服场景对应的层次化知识图谱,其中,所述层次化知识图谱包括意图层、服务层以及实体层;根据所述意图层中的节点数据获取客户的实际意图;根据所述实际意图以及服务层中的节点数据生成执行路径;根据所述执行路径以及实体层中的对象完成人机对话。本发明公开的基于知识图谱的智能客服方法,使用图谱的形式建模具体业务规则,不仅有利于知识沉淀,而且便于进行直观动态的调整,引擎和知识图谱独立,在应用过程中,只需修改具体的知识图谱,不需要修改引擎就能生效,可应用于数字医疗保险领域,有助于提升客户体验。
Description
技术领域
本发明涉及智能客服技术领域,特别涉及一种基于知识图谱的智能客服方法、装置、设备及存储介质。
背景技术
医疗保险为我国居民的健康提供基本的保障,买医疗保险比如意外医疗险等已经成为非常普遍的保障生命财产的方式之一。每天有大量的居民需要报销医疗保险,或者有医疗保险方面的问题需要咨询。而医疗保险客服是医疗保险行业中最接近客户的服务之一,不但关系到公司业务的宣传、业务的拓展、售前售后的咨询等,更直接牵动着公司的业务量和业绩,因此,优秀的医疗保险客服将会不断吸引更多的客户,提升客户的服务体验度。随着人工智能技术和自然语言技术的发展,越来越多的公司采用机器人提供客服问答服务。
目前智能客服***存在流程固化,无法可视化的进行动态调整的问题,业务层面变更需要更新版本才能完成调整,而且各个服务功能彼此独立,相同业务领域没有整合在一起,无法进行具体业务领域的知识沉淀,因此,现有技术无法为智能客服***提供更好的解决方案。
发明内容
本公开实施例提供了一种基于知识图谱的智能客服方法、装置、设备及存储介质。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
第一方面,本公开实施例提供了一种基于知识图谱的智能客服方法,包括:
创建与客服场景对应的层次化知识图谱,其中,层次化知识图谱包括意图层、服务层以及实体层;
根据意图层中的节点数据获取客户的实际意图;
根据实际意图以及服务层中的节点数据生成执行路径;
根据执行路径以及实体层中的对象完成人机对话。
在一个实施例中,意图层包括抽象意图节点和实际意图节点,抽象意图节点包含一个或多个实际意图节点。
在一个实施例中,实际意图节点配置有路径标识,实际意图节点与服务层中的节点相连。
在一个实施例中,根据意图层中的节点数据获取客户的实际意图,包括:
根据抽象意图节点产生对话,获取客户的抽象意图;
根据客户的抽象意图节点包含的实际意图节点产生对话,获取客户的实际意图。
在一个实施例中,根据实际意图以及服务层中的节点数据生成执行路径,包括:
根据实际意图确定对应的路径标识以及与其相连的服务层中的节点;
根据路径标识以及服务层中节点的执行顺序生成执行路径。
在一个实施例中,当服务层中节点的执行顺序有分支时,还包括:
根据分支处预设的分支执行策略确定执行几条分支;
通过基于图的搜索算法计算分支汇聚节点;
当执行到分支汇聚节点时,根据分支执行策略判断是否需要继续执行其他分支。
在一个实施例中,还包括:
记录当前对话成功执行的节点序列;
记录对话完成后执行的所有节点序列。
第二方面,本公开实施例提供了一种基于知识图谱的智能客服装置,包括:
创建模块,用于创建与客服场景对应的层次化知识图谱,其中,层次化知识图谱包括意图层、服务层以及实体层;
获取模块,用于根据意图层中的节点数据获取客户的实际意图;
执行模块,用于根据实际意图以及服务层中的节点数据生成执行路径;
对话模块,用于根据执行路径以及实体层中的对象完成人机对话。
第三方面,本公开实施例提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述实施例提供的基于知识图谱的智能客服方法。
第四方面,本公开实施例提供了一种存储有计算机可读指令的存储介质,计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述实施例提供的基于知识图谱的智能客服方法。
本公开实施例提供的技术方案可以包括以下有益效果:
本公开实施例提供的基于知识图谱的智能客服方法,使用图谱的形式建模具体业务规则,不仅有利于知识沉淀,而且便于进行直观动态的调整。针对知识图谱建模方式创建了对话管理引擎平台,对话管理引擎平台利用知识图谱作为指导驱动完成人机对话,引擎和知识图谱独立,在应用过程中,只需修改具体的知识图谱,不需要修改引擎就能生效。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种基于知识图谱的智能客服方法的实施环境图;
图2是根据一示例性实施例示出的一种计算机设备的内部结构图;
图3是根据一示例性实施例示出的一种基于知识图谱的智能客服方法的流程示意图;
图4是根据一示例性实施例示出的一种意图层的结构示意图;
图5是根据一示例性实施例示出的一种实体层的结构示意图;
图6是根据一示例性实施例示出的一种知识图谱的结构示意图;
图7是根据一示例性实施例示出的一种执行路径的示意图;
图8是根据一示例性实施例示出的一种执行路径的示意图;
图9是根据一示例性实施例示出的一种基于知识图谱的智能客服装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一字段及算法确定模块成为第二字段及算法确定模块,且类似地,可将第二字段及算法确定模块成为第一字段及算法确定模块。
图1是根据一示例性实施例示出的一种基于知识图谱的智能客服方法的实施环境图,如图1所示,在该实施环境中,包括服务器110以及终端120。
服务器110为基于知识图谱的智能客服设备,例如为技术人员使用的电脑等计算机设备,服务器110上安装有智能客服工具。终端120上安装有需要进行智能客服的应用,当需要提供智能客服时,技术人员可以在计算机设备110发出提供智能客服的请求,该请求中携带有请求标识,计算机设备110接收该请求,获取计算机设备110中存储的知识图谱。然后利用知识图谱驱动对话管理引擎平台完成人机对话。
需要说明的是,终端120以及计算机设备110可为智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此。计算机设备110以及终端120可以通过蓝牙、USB(Universal Serial Bus,通用串行总线)或者其他通讯连接方式进行连接,本发明在此不做限制。
图2是根据一示例性实施例示出的一种计算机设备的内部结构图。如图2所示,该计算机设备包括通过***总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作***、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种基于知识图谱的智能客服方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种基于知识图谱的智能客服方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图2中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
下面将结合附图3-附图6,对本申请实施例提供的基于知识图谱的智能客服方法进行详细介绍。该方法可依赖于计算机程序实现,可运行于基于冯诺依曼体系的数据传输装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。
请参见图3,为本申请实施例提供了一种基于知识图谱的智能客服方法的流程示意图,如图3所示,本申请实施例的方法可以包括以下步骤:
S301,创建与客服场景对应的层次化知识图谱,其中,层次化知识图谱包括意图层、服务层以及实体层。
其中,知识图谱是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,分析、绘制和显示知识以及它们之间的相互联系。
针对客服领域的特点,采用分层建模的方式创建与客服场景对应的知识图谱,包括意图层、服务层以及实体层。
其中,意图层采用树形结构,例如,意图层可以采用二叉树结构、四叉树结构、红黑树结构、B树结构、AVL树结构等等,本公开实施例不做具体限制,本领域技术人员可根据实际情况自行选定。
意图层包括抽象意图节点以及实际意图节点,上层节点为抽象意图节点,底层节点为离散的实际意图节点,关系为从上到下的包含关系,抽象意图节点可以包含一个或多个实际意图节点。在一些示例性场景中,其中一个抽象意图节点为“查询保单的有效期”,包含的实际意图节点有“查询车险保单的有限期”以及“查询人身保单的有效期”。
底层离散的实际意图节点上配置有路径标识,例如实际意图节点“查询车险保单的有效期”上配置了独立的路径标识routerKey:autopolicydate query,且与服务层的节点相连。
图4是根据一示例性实施例示出的一种意图层的结构示意图,如图4所示,意图层为树形结构,从上到下为包含关系,第一层为抽象意图节点,第二层为抽象意图节点,底层为实际意图节点,其中,有的抽象意图节点包含一个实际意图节点,有的抽象意图节点包含两个实际意图节点。
服务层包括对话采集节点、业务数据接口调用节点、业务处理节点,每个节点单一完成一个具体的功能,节点之间互联互通,节点之间标注有执行顺序,形成有向图的结构,且节点与节点之间的路径上配置有路径标识,用于根据路径标识以及执行顺序,确定执行路径。
服务层中的部分节点与实体层中的节点相连,用于获取业务领域的对象。
实体层包括业务实体本体节点以及业务实体属性节点,根据节点之间的连接关系,确定实体拥有的属性,形成实体属性三元组结构,表述实体层与服务层各个功能节点之间的业务属性值存取,业务实体值存取。
图5是根据一示例性实施例示出的一种实体层的结构示意图,如图5所示,一个实体节点与多个属性节点相连,表述一个实体可以拥有多个属性。
图6是根据一示例性实施例示出的一种知识图谱的示意图,如图6所示,知识图谱包括意图层、服务层以及实体层,意图层为树形结构,底部的实际意图节点与服务层的网络节点相连,且标注有Next的顺序执行关系,服务层的网络节点之间标注有Next的顺序执行关系,且配置有路径标识,服务层网络节点与实体层网络节点相连,实体层网络节点包含实体节点和属性节点,组成实体属性三元组结构。
通过建立层次化的知识图谱,不仅有利于沉淀业务知识,还便于进行直观动态的调整。
S302,根据意图层中的节点数据获取客户的实际意图。
具体地,知识图谱构建完成后,利用意图层的节点数据训练意图分类模型,对话管理***获取用户的语音信息,将意图层中的节点数据作为意图分类目标,通过NLU(NaturalLanguage Understanding,自然语义理解)语义理解算法训练意图分类模型。将获取的用户语音信息输入训练好的意图分类模型,得到意图分类结果。
在一种可能的实现方式中,对话引擎根据输入的意图分类结果进行查询,根据意图层的树形结构,从上到下,从抽象到具体,产生对话引导客户确认准确的实际意图。例如,首先根据抽象意图节点产生对话,获取客户的抽象意图,根据客户的抽象意图节点包含的实际意图节点产生对话,获取客户的实际意图。
根据该步骤,可以获取客户的实际意图,根据客户的实际意图确定执行路径。
S303,根据实际意图以及服务层中的节点数据生成执行路径。
在一种可能的实现方式中,根据实际意图确定对应的路径标识以及与其相连的服务层中的节点,根据路径标识以及服务层中节点的执行顺序生成执行路径。
具体地,每个实际意图节点都接入到服务层网络节点上,而且每个实际意图节点上都配置独立的路径标识,比如查询车险保单有效期意图节点配置了router Key:autopolicy date query,具体一个实际意图在业务服务图谱节点之间的顺序关系上都标注有对应的routerKey标志,引擎根据确定的实际意图节点、与其相连的服务层网络节点、对应的路径标识以及服务层网络节点之间的连接顺序进行导航,得到执行路径。
图7是根据一示例性实施例示出的一种执行路径的示意图,如图7所示,该执行路径没有分支,引擎根据服务层网络节点之间的连接关系顺序执行即可,得到的执行路径为A-B-C-D。
可选地,当服务层中节点的执行顺序有分支时,还包括根据分支处预设的分支执行策略确定执行几条分支,通过基于图的搜索算法计算分支汇聚节点,当执行到分支汇聚节点时,根据分支执行策略判断是否需要继续执行其他分支。
其中,分支执行策略包括:M个分支选择N个执行,N大于等于1且小于等于M,M为实际分支数,在关系上配置N值,例如查询车险保单有效期意图节点有两个分支,通过询问保单号查询和通过车牌号查询,这个分支任选其一就可以往下执行,所以在分支的路径上配置router auto policy date query:1。通过在路径上配置分支执行策略可以用来处理有分支的情况。
遇到分支时,引擎根据基于图的搜索算法计算分支汇聚节点,主要包括两个步骤:
(1)搜索潜在汇聚节点,基于neo4j图数据库的cypher查询实现,MATCH(a)-[r1:Next*1..]->(x)<-[r2:Next*1..]-(b)return distinct x,其中a和b表示一个节点下级所有分支节点集合,a,b往下搜索到至少有一个以上Next关系汇聚的x,通过这个查询出分支节点两两的汇聚节点。
(2)剔除局部汇聚节点,根据步骤一筛选的潜在分支节点集合,逐个判断是否每一个分支节点都有路径可以到达该潜在节点,剔除局部汇聚节点,(各个分支节点..)-[r:NEXT{路径标识}*1..]->(待验证汇聚节点x..)return count(r),r为0则只是局部汇聚节点需要剔除。
根据该步骤,得到分支的汇聚节点,当引擎执行分支到汇聚节点时,根据分支执行策略判断是否还需执行其他分支,当需要执行其他分支时,继续执行其他分支,当不需要执行其他分支时,继续往下执行,直到没有后续服务节点。
通过计算分支汇聚节点,可以确保所有分支都执行完成,避免在服务节点分支复杂时漏掉需要执行的分支。
图8是根据一示例性实施例示出的一种执行路径的示意图,如图8所示,服务层的节点之间具有执行顺序,而且存在分支路径,分支路径处标注有分支执行策略,基于图的搜索算法可知,F节点和G节点为潜在汇聚节点,G节点为汇聚节点,由标注的分支执行策略可知,K节点到G节点要执行两条分支,在一种可能的实现方式中,首先执行K节点、A节点到G节点的分支,其中,A节点到F节点存在两条分支,根据分支执行策略需要执行两条分支,因此,根据分支执行策略,K节点到G节点的一条分支路径为K-A-D-E-F,执行到G分支汇聚节点时,根据分支执行策略可知,还需执行一条分支,例如,执行K-B分支。因此K节点到G节点的执行路径为K-A-D-E-F-B-G,G节点到J节点同样存在分支路径,由分支执行策略可知,只需执行一条分支路径即可。因此,完整的分支执行路径可为K-A-D-E-F-B-G-H-J。
根据该步骤,可以根据客户的实际意图确定执行路径,根据执行路径依次执行服务层中的网络节点。
S304,根据执行路径以及实体层中的对象完成人机对话。
具体地,对话管理引擎平台根据执行路径往下导航,途径节点,执行节点,主流程调用具体节点对应的处理器,检查是否有对话输出,若有就输出对话,进行人机交流,并且保留当前节点的执行位置,待对话结束后,继续往下执行,若没有对话输出,则继续往下执行。
其中,服务层网络节点与实体层中的网络节点相连,用于获取业务领域的对象。
在一个实施例中,若遇到节点无法成功往下执行时,则执行失败,转接人工客服电话。
在一个实施例中,在进行人机对话的过程中,实时记录当前对话成功执行的节点序列,用于后续多意图复用成功完成的节点。根据该步骤,当需要增加新功能时,只需要增加新的意图,然后可以在现有功能节点网络中找到能完成新功能的路径标注出来即可,有必要才添加新的功能节点。
在一个实施例中,记录对话完成后执行的所有节点序列,通过该步骤,可以追溯会话执行过程,优化业务功能图谱建模。
在一个实施例中,意图层包括抽象意图节点和实际意图节点,抽象意图节点包含一个或多个实际意图节点。
在一个实施例中,实际意图节点配置有路径标识,实际意图节点与服务层中的节点相连。
在一个实施例中,根据意图层中的节点数据获取客户的实际意图,还可以包括:根据抽象意图节点产生对话,获取客户的抽象意图,根据客户的抽象意图节点包含的实际意图节点产生对话,获取客户的实际意图。
在一个实施例中,根据实际意图以及服务层中的节点数据生成执行路径,还可以包括:根据实际意图确定对应的路径标识以及与其相连的服务层中的节点,根据路径标识以及服务层中节点的执行顺序生成执行路径。
在一个实施例中,当服务层中节点的执行顺序有分支时,还可以包括:根据分支处预设的分支执行策略确定执行几条分支,通过基于图的搜索算法计算分支汇聚节点,当执行到分支汇聚节点时,根据分支执行策略判断是否需要继续执行其他分支。
基于本公开实施例提供的基于知识图谱的智能客服方法,使用图谱的形式建模具体业务规则,不仅有利于知识沉淀,而且便于进行直观动态的调整。针对知识图谱建模方式创建了对话管理引擎平台,对话管理引擎平台利用知识图谱作为指导驱动完成人机对话,引擎和知识图谱独立,在应用过程中,只需修改具体的知识图谱,不需要修改引擎就能生效。本发明实施例可应用于数字医疗保险领域,有助于提升客户体验。
下述为本申请装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
请参见图9,其示出了本发明一个示例性实施例提供的基于知识图谱的智能客服装置的结构示意图。如图9所示,该基于知识图谱的智能客服装置可以集成于上述的计算机设备110中,具体可以包括创建模块901、获取模块902、执行模块903以及对话模块904。
创建模块901,用于创建与客服场景对应的层次化知识图谱,其中,层次化知识图谱包括意图层、服务层以及实体层。
获取模块902,用于根据意图层中的节点数据获取客户的实际意图。
执行模块903,用于根据实际意图以及服务层中的节点数据生成执行路径。
对话模块904,用于根据执行路径以及实体层中的对象完成人机对话。
在一个实施例中,意图层包括抽象意图节点和实际意图节点,抽象意图节点包含一个或多个实际意图节点。
在一个实施例中,实际意图节点配置有路径标识,实际意图节点与服务层中的节点相连。
在一个实施例中,获取模块902,包括:
抽象意图获取单元,用于根据抽象意图节点产生对话,获取客户的抽象意图。
实际意图获取单元,用于根据客户的抽象意图节点包含的实际意图节点产生对话,获取客户的实际意图。
在一个实施例中,执行模块903,包括:
第一执行单元,用于根据实际意图确定对应的路径标识以及与其相连的服务层中的节点;
第二执行单元,用于根据路径标识以及服务层中节点的执行顺序生成执行路径。
在一个实施例中,执行模块903还可以包括:
分支执行单元,用于根据分支处预设的分支执行策略确定执行几条分支,通过基于图的搜索算法计算分支汇聚节点,当执行到分支汇聚节点时,根据分支执行策略判断是否需要继续执行其他分支。
在一个实施例中,基于知识图谱的智能客服装置还可以包括:
记录模块,用于记录当前对话成功执行的节点序列,记录对话完成后执行的所有节点序列。
基于本公开实施例提供的基于知识图谱的智能客服装置,使用图谱的形式建模具体业务规则,不仅有利于知识沉淀,而且便于进行直观动态的调整。针对知识图谱建模方式创建了对话管理引擎平台,对话管理引擎平台利用知识图谱作为指导驱动完成人机对话,引擎和知识图谱独立,在应用过程中,只需修改具体的知识图谱,不需要修改引擎就能生效。
需要说明的是,上述实施例提供的基于知识图谱的智能客服装置在执行基于知识图谱的智能客服方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的基于知识图谱的智能客服装置与基于知识图谱的智能客服方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
在一个实施例中,提出了一种计算机设备,计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:创建与客服场景对应的层次化知识图谱,其中,层次化知识图谱包括意图层、服务层以及实体层,根据意图层中的节点数据获取客户的实际意图,根据实际意图以及服务层中的节点数据生成执行路径,根据执行路径以及实体层中的对象完成人机对话。
在一个实施例中,意图层包括抽象意图节点和实际意图节点,抽象意图节点包含一个或多个实际意图节点。
在一个实施例中,实际意图节点配置有路径标识,实际意图节点与服务层中的节点相连。
在一个实施例中,在根据意图层中的节点数据获取客户的实际意图时,包括:根据抽象意图节点产生对话,获取客户的抽象意图,根据客户的抽象意图节点包含的实际意图节点产生对话,获取客户的实际意图。
在一个实施例中,在根据实际意图以及服务层中的节点数据生成执行路径时,包括:根据实际意图确定对应的路径标识以及与其相连的服务层中的节点,根据路径标识以及服务层中节点的执行顺序生成执行路径。
在一个实施例中,当服务层中节点的执行顺序有分支时,还包括:根据分支处预设的分支执行策略确定执行几条分支,通过基于图的搜索算法计算分支汇聚节点,当执行到分支汇聚节点时,根据分支执行策略判断是否需要继续执行其他分支。
在一个实施例中,处理器执行计算机可读指令时还执行以下步骤:记录当前对话成功执行的节点序列,记录对话完成后执行的所有节点序列。
在一个实施例中,提出了一种存储有计算机可读指令的存储介质,该计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行以下步骤:创建与客服场景对应的层次化知识图谱,其中,层次化知识图谱包括意图层、服务层以及实体层,根据意图层中的节点数据获取客户的实际意图,根据实际意图以及服务层中的节点数据生成执行路径,根据执行路径以及实体层中的对象完成人机对话。
在一个实施例中,意图层包括抽象意图节点和实际意图节点,抽象意图节点包含一个或多个实际意图节点。
在一个实施例中,实际意图节点配置有路径标识,实际意图节点与服务层中的节点相连。
在一个实施例中,在根据意图层中的节点数据获取客户的实际意图时,包括:根据抽象意图节点产生对话,获取客户的抽象意图,根据客户的抽象意图节点包含的实际意图节点产生对话,获取客户的实际意图。
在一个实施例中,在根据实际意图以及服务层中的节点数据生成执行路径时,包括:根据实际意图确定对应的路径标识以及与其相连的服务层中的节点,根据路径标识以及服务层中节点的执行顺序生成执行路径。
在一个实施例中,当服务层中节点的执行顺序有分支时,还包括:根据分支处预设的分支执行策略确定执行几条分支,通过基于图的搜索算法计算分支汇聚节点,当执行到分支汇聚节点时,根据分支执行策略判断是否需要继续执行其他分支。
在一个实施例中,处理器执行计算机可读指令时还执行以下步骤:记录当前对话成功执行的节点序列,记录对话完成后执行的所有节点序列。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于知识图谱的智能客服方法,其特征在于,包括:
创建与客服场景对应的层次化知识图谱,其中,所述层次化知识图谱包括意图层、服务层以及实体层;
根据所述意图层中的节点数据获取客户的实际意图;
根据所述实际意图以及服务层中的节点数据生成执行路径;
根据所述执行路径以及实体层中的对象完成人机对话。
2.根据权利要求1所述的方法,其特征在于,所述意图层包括抽象意图节点和实际意图节点,所述抽象意图节点包含一个或多个实际意图节点。
3.根据权利要求2所述的方法,其特征在于,所述实际意图节点配置有路径标识,所述实际意图节点与服务层中的节点相连。
4.根据权利要求1所述的方法,其特征在于,根据所述意图层中的节点数据获取客户的实际意图,包括:
根据抽象意图节点产生对话,获取客户的抽象意图;
根据客户的抽象意图节点包含的实际意图节点产生对话,获取客户的实际意图。
5.根据权利要求1所述的方法,其特征在于,根据所述实际意图以及服务层中的节点数据生成执行路径,包括:
根据所述实际意图确定对应的路径标识以及与其相连的服务层中的节点;
根据所述路径标识以及所述服务层中节点的执行顺序生成执行路径。
6.根据权利要求5所述的方法,其特征在于,当所述服务层中节点的执行顺序有分支时,还包括:
根据分支处预设的分支执行策略确定执行几条分支;
通过基于图的搜索算法计算分支汇聚节点;
当执行到分支汇聚节点时,根据所述分支执行策略判断是否需要继续执行其他分支。
7.根据权利要求1所述的方法,其特征在于,还包括:
记录当前对话成功执行的节点序列;
记录对话完成后执行的所有节点序列。
8.一种基于知识图谱的智能客服装置,其特征在于,包括:
创建模块,用于创建与客服场景对应的层次化知识图谱,其中,所述层次化知识图谱包括意图层、服务层以及实体层;
获取模块,用于根据所述意图层中的节点数据获取客户的实际意图;
执行模块,用于根据所述实际意图以及服务层中的节点数据生成执行路径;
对话模块,用于根据所述执行路径以及实体层中的对象完成人机对话。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项权利要求所述的基于知识图谱的智能客服方法的步骤。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述的基于知识图谱的智能客服方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010988375.9A CN112115276B (zh) | 2020-09-18 | 2020-09-18 | 基于知识图谱的智能客服方法、装置、设备及存储介质 |
PCT/CN2020/135260 WO2021189956A1 (zh) | 2020-09-18 | 2020-12-10 | 基于知识图谱的智能客服方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010988375.9A CN112115276B (zh) | 2020-09-18 | 2020-09-18 | 基于知识图谱的智能客服方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112115276A true CN112115276A (zh) | 2020-12-22 |
CN112115276B CN112115276B (zh) | 2024-05-24 |
Family
ID=73800741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010988375.9A Active CN112115276B (zh) | 2020-09-18 | 2020-09-18 | 基于知识图谱的智能客服方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112115276B (zh) |
WO (1) | WO2021189956A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018473A (zh) * | 2022-08-03 | 2022-09-06 | 平安银行股份有限公司 | 一种业务处理方法、装置、存储介质及设备 |
CN115982391A (zh) * | 2023-03-17 | 2023-04-18 | 恒生电子股份有限公司 | 信息处理方法及装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114510582B (zh) * | 2022-04-18 | 2022-09-27 | 支付宝(杭州)信息技术有限公司 | 基于知识图谱的信息处理方法及装置 |
CN116662578B (zh) * | 2023-08-02 | 2023-10-31 | 中国标准化研究院 | 一种基于端到端的大型知识图谱构建和存储方法和*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130080461A1 (en) * | 2011-09-22 | 2013-03-28 | International Business Machines Corporation | Semantic questioning mechanism to enable analysis of information architectures |
CN106649878A (zh) * | 2017-01-07 | 2017-05-10 | 陈翔宇 | 基于人工智能的物联网实体搜索方法及*** |
CN107688614A (zh) * | 2017-08-04 | 2018-02-13 | 平安科技(深圳)有限公司 | 意图获取方法、电子装置及计算机可读存储介质 |
WO2019119916A1 (zh) * | 2017-12-22 | 2019-06-27 | 科沃斯商用机器人有限公司 | 人机交互方法、***及其电子设备 |
CN110019844A (zh) * | 2019-02-20 | 2019-07-16 | 众安信息技术服务有限公司 | 一种保险行业知识图谱问答***构建方法及装置 |
US20190236469A1 (en) * | 2018-02-01 | 2019-08-01 | International Business Machines Corporation | Establishing a logical connection between an indirect utterance and a transaction |
CN110347810A (zh) * | 2019-05-30 | 2019-10-18 | 重庆金融资产交易所有限责任公司 | 对话式检索回答方法、装置、计算机设备及存储介质 |
CN110825862A (zh) * | 2019-11-06 | 2020-02-21 | 北京诺道认知医学科技有限公司 | 基于药学知识图谱的智能问答方法及装置 |
CN110941693A (zh) * | 2019-10-09 | 2020-03-31 | 深圳软通动力信息技术有限公司 | 基于任务的人机对话方法、***、电子设备及存储介质 |
CN111309879A (zh) * | 2020-01-20 | 2020-06-19 | 北京文思海辉金信软件有限公司 | 基于知识图谱的人机训练场景构建方法和装置 |
CN111611407A (zh) * | 2020-05-27 | 2020-09-01 | 北京一维大成科技有限公司 | 客服服务交互方法、装置、存储介质及设备 |
CN111639082A (zh) * | 2020-06-08 | 2020-09-08 | 成都信息工程大学 | 基于Ceph的十亿级节点规模知识图谱的对象存储管理方法及*** |
CN111666399A (zh) * | 2020-06-23 | 2020-09-15 | 中国平安人寿保险股份有限公司 | 基于知识图谱的智能问答方法、装置和计算机设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106469169A (zh) * | 2015-08-19 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 信息处理方法及装置 |
CN110895561B (zh) * | 2019-11-13 | 2022-04-01 | 中国科学院自动化研究所 | 基于多模态知识感知的医疗问答检索方法、***、装置 |
CN111414465B (zh) * | 2020-03-16 | 2023-09-01 | 北京明略软件***有限公司 | 基于知识图谱的问答***中的处理方法和装置 |
CN111488402B (zh) * | 2020-03-26 | 2023-11-28 | 天津大学 | 一种带有层次关系结构知识图谱的表示学习方法 |
-
2020
- 2020-09-18 CN CN202010988375.9A patent/CN112115276B/zh active Active
- 2020-12-10 WO PCT/CN2020/135260 patent/WO2021189956A1/zh active Application Filing
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130080461A1 (en) * | 2011-09-22 | 2013-03-28 | International Business Machines Corporation | Semantic questioning mechanism to enable analysis of information architectures |
CN106649878A (zh) * | 2017-01-07 | 2017-05-10 | 陈翔宇 | 基于人工智能的物联网实体搜索方法及*** |
CN107688614A (zh) * | 2017-08-04 | 2018-02-13 | 平安科技(深圳)有限公司 | 意图获取方法、电子装置及计算机可读存储介质 |
WO2019119916A1 (zh) * | 2017-12-22 | 2019-06-27 | 科沃斯商用机器人有限公司 | 人机交互方法、***及其电子设备 |
US20190236469A1 (en) * | 2018-02-01 | 2019-08-01 | International Business Machines Corporation | Establishing a logical connection between an indirect utterance and a transaction |
CN110019844A (zh) * | 2019-02-20 | 2019-07-16 | 众安信息技术服务有限公司 | 一种保险行业知识图谱问答***构建方法及装置 |
CN110347810A (zh) * | 2019-05-30 | 2019-10-18 | 重庆金融资产交易所有限责任公司 | 对话式检索回答方法、装置、计算机设备及存储介质 |
CN110941693A (zh) * | 2019-10-09 | 2020-03-31 | 深圳软通动力信息技术有限公司 | 基于任务的人机对话方法、***、电子设备及存储介质 |
CN110825862A (zh) * | 2019-11-06 | 2020-02-21 | 北京诺道认知医学科技有限公司 | 基于药学知识图谱的智能问答方法及装置 |
CN111309879A (zh) * | 2020-01-20 | 2020-06-19 | 北京文思海辉金信软件有限公司 | 基于知识图谱的人机训练场景构建方法和装置 |
CN111611407A (zh) * | 2020-05-27 | 2020-09-01 | 北京一维大成科技有限公司 | 客服服务交互方法、装置、存储介质及设备 |
CN111639082A (zh) * | 2020-06-08 | 2020-09-08 | 成都信息工程大学 | 基于Ceph的十亿级节点规模知识图谱的对象存储管理方法及*** |
CN111666399A (zh) * | 2020-06-23 | 2020-09-15 | 中国平安人寿保险股份有限公司 | 基于知识图谱的智能问答方法、装置和计算机设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018473A (zh) * | 2022-08-03 | 2022-09-06 | 平安银行股份有限公司 | 一种业务处理方法、装置、存储介质及设备 |
CN115982391A (zh) * | 2023-03-17 | 2023-04-18 | 恒生电子股份有限公司 | 信息处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2021189956A1 (zh) | 2021-09-30 |
CN112115276B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112115276B (zh) | 基于知识图谱的智能客服方法、装置、设备及存储介质 | |
CN108733713B (zh) | 数据仓库中的数据查询方法及装置 | |
CN108628894A (zh) | 数据仓库中的数据指标查询方法及装置 | |
CN105556517A (zh) | 智能搜索精细化 | |
CN109949108A (zh) | 基于区块链的***创建方法和装置、电子设备 | |
CN105138802A (zh) | 一种枪管智能设计***及设计方法 | |
CN105786941A (zh) | 一种信息挖掘方法和装置 | |
CN115270202A (zh) | 一种基于多方协作的隐私计算方法及装置 | |
CN113918149A (zh) | 接口开发方法、装置、计算机设备和存储介质 | |
CN112035676B (zh) | 用户操作行为知识图谱构建方法及装置 | |
CN103116498B (zh) | 并行业务规则引擎及其实现方法 | |
CN111522840A (zh) | 标签的配置方法、装置、设备及计算机可读存储介质 | |
CN108256077B (zh) | 一种面向***智能客服的动态扩展知识图推理方法 | |
CN114691630B (zh) | 一种智慧供应链大数据共享方法及*** | |
CN114564523B (zh) | 针对智慧虚拟场景的大数据漏洞分析方法及云端ai*** | |
CN115543428A (zh) | 一种基于策略模板的模拟数据生成方法和装置 | |
CN106330556B (zh) | 一种用于生成服务模块调用关联信息的方法与装置 | |
CN114661887A (zh) | 一种跨领域数据推荐方法、装置、计算机设备及介质 | |
CN114780700A (zh) | 基于机器阅读理解的智能问答方法、装置、设备及介质 | |
CN114418120A (zh) | 联邦树模型的数据处理方法、装置、设备及存储介质 | |
CN114492844A (zh) | 机器学习工作流的构建方法、装置、电子设备及存储介质 | |
CN113159926A (zh) | 贷款业务的还款日期确定方法及装置 | |
CN113239034A (zh) | 一种基于人工智能的大数据资源整合方法、***及云平台 | |
CN104462467A (zh) | 一种用于电子地图界面的坐标点处理方法及装置 | |
Sormaz et al. | Distributed integration of design and planning activities in manufacturing using intelligent agents |
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 |