CN115577089B - 一种优化对话流程中节点的方法、装置、设备和存储介质 - Google Patents

一种优化对话流程中节点的方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN115577089B
CN115577089B CN202211479213.8A CN202211479213A CN115577089B CN 115577089 B CN115577089 B CN 115577089B CN 202211479213 A CN202211479213 A CN 202211479213A CN 115577089 B CN115577089 B CN 115577089B
Authority
CN
China
Prior art keywords
node
current node
proportions
users
conversation
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.)
Active
Application number
CN202211479213.8A
Other languages
English (en)
Other versions
CN115577089A (zh
Inventor
齐琛
冯梦盈
曾文佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lingxi Beijing Technology Co Ltd
Original Assignee
Lingxi Beijing Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lingxi Beijing Technology Co Ltd filed Critical Lingxi Beijing Technology Co Ltd
Priority to CN202211479213.8A priority Critical patent/CN115577089B/zh
Publication of CN115577089A publication Critical patent/CN115577089A/zh
Application granted granted Critical
Publication of CN115577089B publication Critical patent/CN115577089B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Computer Interaction (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本申请提供一种优化对话流程中节点的方法、装置、设备和存储介质，该方法包括，获取多个用户在当前节点的多个选择结果，其中，选择结果包括多个对话节点中的一个对话节点或者一个终止对话节点；计算多个用户在当前节点的多个选择结果中选择每一对话节点的多个比例；根据多个比例，确定是否优化当前节点。通过该方法可以达到准确的对对话流程中节点进行优化的效果。

Description

一种优化对话流程中节点的方法、装置、设备和存储介质
技术领域
本申请涉及人工智能的领域，具体而言，涉及一种优化对话流程中节点的方法、装置、设备和存储介质。
背景技术
目前，随着科技的进步，机器人客服也在不断的完善，在优化对话流程中节点时，用到的方法主要是通过计算每一节点的转化率和流失率，进而对每一节点进行优化。
上述优化节点的方法存在很大的局限性，若流程的节点顺序发生调换，则需要重新计算并且可能存在计算错误的现象。
因此，如何准确的对对话流程中节点进行优化，是一个需要解决的技术问题。
发明内容
本申请实施例的目的在于提供一种优化对话流程中节点的方法，通过本申请的实施例的技术方案可以达到准确的对对话流程中节点进行优化的效果。
第一方面，本申请实施例提供了一种优化对话流程中节点的方法，包括，获取多个用户在当前节点的多个选择结果，其中，选择结果包括多个对话节点中的一个对话节点或者一个终止对话节点；计算多个用户在当前节点的多个选择结果中选择每一对话节点的多个比例；根据多个比例，确定是否优化当前节点。
本申请在上述实施例中，通过多个用户中每一用户的选择的节点，可以计算出多个用户选择每一节点的比例，进而判断当前节点是否需要优化，通过比例的计算可以准确的确定多个用户选择对话节点的信息，进而可以达到准确的判断哪些对话流程中节点需要进行优化。
在一些实施例中，计算多个用户在当前节点的多个选择结果中选择每一对话节点的多个比例，包括：
计算多个用户在当前节点的流失率和转化率，其中，流失率表示多个用户在经过当前节点时选择终止对话节点的比例，转化率表示多个用户在经过当前节点时选择多个对话节点中的一个对话节点的比例；
通过流失率和转化率计算多个比例。
本申请在上述实施例中，通过流失率和转化率的计算，可以确定当前节点是否符合要求，达到准确的对当前节点进行是否需要优化的判断的效果。
在一些实施例中，根据多个比例，确定是否优化当前节点，包括：
计算多个用户在当前节点的流失率，其中，流失率表示多个用户在经过当前节点时选择终止对话的比例；
根据多个比例和流失率，确定是否优化当前节点。
本申请在上述实施例中，通过流失率和用户选择每一对话节点的比例可以准确的判断出当前节点流失用户的数量和用户选择每一对话节点是否相同，进而准确的判断出当前节点是否需要进行优化。
在一些实施例中，在根据多个比例和流失率，确定是否优化当前节点之后，还包括：
若多个比例均小于预设选择比例或者流失率大于预设流失比例，则对当前节点进行优化或者向客户端发送需要优化的信息；
若多个比例存在大于等于预设选择比例的比例并且流失率小于等于预设流失比例，则确定当前节点不需要优化。
本申请在上述实施例中，可以将多个比例、流失率和具体的预设值具体的比较可以准确的判断出当前节点是否需要优化。
在一些实施例中，在根据多个比例，确定是否优化当前节点之后，还包括：
若多个比例均小于预设选择比例，则对当前节点进行优化或者向客户端发送需要优化的信息；
若多个比例存在大于等于预设选择比例的比例，当前节点不需要优化。
本申请在上述实施例中，可以将多个比例、流失率和具体的预设值具体的比较可以准确的判断出当前节点是否需要优化。
在一些实施例中，则对当前节点进行优化或者向客户端发送需要优化的信息，包括：
对当前节点的部分话术进行替换，并再次对多个比例进行计算，直到多个比例存在大于等于预设选择比例的比例为止。
本申请在上述实施例中，若当前节点需要优化，则可以直接对当前节点的部分话术进行替换，并再次进行是否优化当前节点的判断，直到当前节点满足预设要求为止。
在一些实施例中，根据多个比例，确定是否优化当前节点，包括：
根据多个比例，计算当前节点的信息熵，其中，信息熵表示多个用户在当前节点选择相同节点的程度；
根据信息熵，确定是否优化当前节点；
当信息熵小于预设熵值时，则对当前节点进行优化或者向客户端发送需要优化的信息。
本申请在上述实施例中，通过计算信息熵可以判断出当前节点对应的多个用户选择的对话节点是否单一，进而准确的判断出当前节点是否需要优化。
在一些实施例中，信息熵是通过如下公式得到的：
Figure M_221111120257092_092331001
其中，i为i个节点、j为第j个节点、n为用户数量，k为k个对话节点，
Figure M_221111120257154_154821001
为第i个节点的信息熵，
Figure M_221111120257190_190432002
为第j个节点的第k个对话节点，
Figure M_221111120257210_210451003
是第j个节点的第k个对话节点的转化率,
Figure M_221111120257226_226599004
是第i个节点后用户的流失率。
本申请在上述实施例中，通过上述公式计算得到的信息熵，可以同时考虑流失率和转化率以及多个用户在当前节点选择每一对话节点的比例准确的判断出当前节点是否需要优化。
第二方面，本申请实施例提供了一种优化对话流程中节点的装置，包括：
可选的，所述装置还包括：
获取模块，用于获取多个用户在当前节点的多个选择结果，其中，选择结果包括多个对话节点中的一个对话节点或者一个终止对话节点；
计算模块，用于计算多个用户在当前节点的多个选择结果中选择每一对话节点的多个比例；
确定模块，用于根据多个比例，确定是否优化当前节点。
可选的，计算模块具体用于：
计算多个用户在当前节点的流失率和转化率，其中，流失率表示多个用户在经过当前节点时选择终止对话节点的比例，转化率表示多个用户在经过当前节点时选择多个对话节点中的一个对话节点的比例；
通过流失率和转化率计算多个比例。
可选的，确定模块具体用于：
计算多个用户在当前节点的流失率，其中，流失率表示多个用户在经过当前节点时选择终止对话的比例；
根据多个比例和流失率，确定是否优化当前节点。
可选的，所述装置还包括：
处理模块，用于所述确定模块在根据多个比例和流失率，确定是否优化当前节点之后，若多个比例均小于预设选择比例或者流失率大于预设流失比例，则对当前节点进行优化或者向客户端发送需要优化的信息；
若多个比例存在大于等于预设选择比例的比例并且流失率小于等于预设流失比例，则确定当前节点不需要优化。
可选的，所述装置还包括：
第二处理模块，用于所述确定模块在根据多个比例，确定是否优化当前节点之后，若多个比例均小于预设选择比例，则对当前节点进行优化或者向客户端发送需要优化的信息；
若多个比例存在大于等于预设选择比例的比例，当前节点不需要优化。
可选的，第二处理模块具体用于：
对当前节点的部分话术进行替换，并再次对多个比例进行计算，直到多个比例存在大于等于预设选择比例的比例为止。
可选的，确认模块具体用于：
根据多个比例，计算当前节点的信息熵，其中，信息熵表示多个用户在当前节点选择相同节点的程度；
根据信息熵，确定是否优化当前节点；
当信息熵小于预设熵值时，则对当前节点进行优化或者向客户端发送需要优化的信息。
可选的，信息熵是通过如下公式得到的：
Figure M_221111120257257_257841001
其中，i为i个节点、j为第j个节点、n为用户数量，k为k个对话节点，
Figure M_221111120257304_304727001
为第i个节点的信息熵，
Figure M_221111120257335_335973002
为第j个节点的第k个对话节点，
Figure M_221111120257351_351616003
是第j个节点的第k个对话节点的转化率,
Figure M_221111120257382_382919004
是第i个节点后用户的流失率。
第三方面，本申请实施例提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。
第四方面，本申请实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种优化对话流程中节点的方法的流程图；
图2为本申请实施例提供的一种通过计算信息熵确定是否优化对话流程中节点的流程图；
图3为本申请实施例提供的一种优化对话流程中节点的装置的示意框图；
图4为本申请实施例提供的一种优化对话流程中节点的装置的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，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。通常在此处附图中描述和显示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
首先对本申请实施例中涉及的部分用语进行说明，以便于本领域技术人员理解。
流失率：是在特定时期内从集体中移出的个人或物品数量的度量。它是确定企业将支持的客户稳定状态水平的两个主要因素之一。
转化率：指在一个统计周期内，完成转化行为的次数占总次数的比率。
信息熵：（information entropy）是信息论的基本概念。描述信息源各可能事件发生的不确定性。
本申请应用于优化客服机器人节点的场景，具体场景为通过多个用户在当前节点选择每一对话节点的结果，计算出当前节点的信息熵，进而判断当前节点是否需要优化。
但是目前随着科技的进步，机器人客服也在不断的完善，在优化对话流程中节点时，用到的方法主要是通过计算每一节点的转化率和流失率，进而对每一节点进行优化。上述优化节点的方法存在很大的局限性，单节点的转化率和流失率，这和流程的前后位置直接相关，可参考性不强，若流程的节点顺序发生调换，则需要重新计算并且可能存在计算错误的现象。
为此本申请通过获取多个用户在当前节点的多个选择结果，其中，选择结果包括多个对话节点中的一个对话节点或者一个终止对话节点；计算多个用户在当前节点的多个选择结果中选择每一对话节点的多个比例；根据多个比例，确定是否优化当前节点。通过多个用户中每一用户的选择的节点，可以计算出多个用户选择每一节点的比例，进而判断当前节点是否需要优化，通过比例的计算可以准确的确定多个用户选择对话节点的信息，进而可以达到准确的判断哪些对话流程中节点需要进行优化。
本申请实施例中，执行主体可以为优化对话流程中节点***中的优化对话流程中节点设备，实际应用中，优化对话流程中节点设备可以为机器人终端设备和服务器等电子设备，在此不做限制。
下面结合图1对本申请实施例的优化对话流程中节点的方法进行详细描述。
请参看图1，图1为本申请实施例提供的一种优化对话流程中节点的方法的流程图，如图1所示的优化对话流程中节点的方法包括：
步骤110：获取多个用户在当前节点的多个选择结果。
其中，选择结果包括多个对话节点中的一个对话节点或者一个终止对话节点。多个用户可以是大量的用户，多个用户数量越多，最终判断当前节点是否需要优化的结果更加准确。多个对话节点可以是多个对话选项用户在当前节点之后可以进行对话的节点。终止对话节点可以是用户在通过当前节点选择对话结束的选项。
步骤120：计算多个用户在当前节点的多个选择结果中选择每一对话节点的多个比例。
其中，对话节点可以包括多个对话节点和终止对话节点，当前节点可以是整个对话流程中任一节点。多个比例可以是选择某一对话节点的人数占总用户的人数。
在本申请的一些实施例中，计算多个用户在当前节点的多个选择结果中选择每一对话节点的多个比例，包括：计算多个用户在当前节点的流失率和转化率，其中，流失率表示多个用户在经过当前节点时选择终止对话节点的比例，转化率表示多个用户在经过当前节点时选择多个对话节点中的一个对话节点的比例；通过流失率和转化率计算多个比例。
本申请在上述过程中，通过流失率和转化率的计算，可以确定当前节点是否符合要求，达到准确的对当前节点进行是否需要优化的判断的效果。
其中，通过流失率和转化率计算多个比例，包括，流失率或者转化率必上总的用户人数即为多个比例。
步骤130：根据多个比例，确定是否优化当前节点。
其中，通过多个比例可以计算信息熵，也可以计算流失率和转化率，进而可以判断当前节点是否需要优化。
在本申请的一些实施例中，根据多个比例，确定是否优化当前节点，包括：根据多个比例，计算当前节点的信息熵，其中，信息熵表示多个用户在当前节点选择相同节点的程度；根据信息熵，确定是否优化当前节点；当信息熵小于预设熵值时，则对当前节点进行优化或者向客户端发送需要优化的信息。
本申请在上述过程中，通过计算信息熵可以判断出当前节点对应的多个用户选择的对话节点是否单一，进而准确的判断出当前节点是否需要优化。
其中，信息熵是通过当前节点的下一对话节点的流失率和转化率计算得到的，可以准确的反映出多个用户在当前节点是否感兴趣。
对于当前节点i，其后续可进行的对话节点可能有若干种选择（
Figure M_221111120257415_415543001
）或终止对话节点，但由于对话流程的不可循环的特性，每个对话流程仅可选择（
Figure M_221111120257447_447302002
）中的1个进行或终止对话节点，且（
Figure M_221111120257509_509801003
）中的任何一个节点在本次流程中最多仅可出现一次，但顺序可能发生调换。
在本申请的一些实施例中，信息熵是通过如下公式得到的：
Figure M_221111120257541_541039001
其中，i为i个节点、j为第j个节点、n为用户数量，k为k个对话节点，
Figure M_221111120257608_608877001
为第i个节点的信息熵，
Figure M_221111120257687_687541002
为第j个节点的第k个对话节点，
Figure M_221111120257718_718329003
是第j个节点的第k个对话节点的转化率,
Figure M_221111120257765_765208004
是第i个节点后用户的流失率。
本申请在上述过程中，通过上述公式计算得到的信息熵，可以同时考虑流失率和转化率以及多个用户在当前节点选择每一对话节点的比例准确的判断出当前节点是否需要优化。
其中，当前节点的转化率是通过如下公式计算得到的：
Figure M_221111120257796_796454001
其中，
Figure M_221111120257830_830598001
是第i个节点的转化率，
Figure M_221111120257846_846226002
是所有经历过第i个节点后转化的用户数，
Figure M_221111120257877_877496003
是所有经历过第i个节点的用户量。
其中，当前节点的流失率是通过如下公式计算得到的：
Figure M_221111120257908_908712001
其中，
Figure M_221111120257939_939974001
是第i个节点的流失率，
Figure M_221111120257955_955603002
是所有经历过第i个节点后流失的用户数，
Figure M_221111120258003_003424003
是所有经历过第i个节点的用户量。
在本申请的一些实施例中，根据多个比例，确定是否优化当前节点，包括：计算多个用户在当前节点的流失率，其中，流失率表示多个用户在经过当前节点时选择终止对话的比例；根据多个比例和流失率，确定是否优化当前节点。
本申请在上述过程中，通过流失率和用户选择每一对话节点的比例可以准确的判断出当前节点流失用户的数量和用户选择每一对话节点是否相同，进而准确的判断出当前节点是否需要进行优化。
其中，流失率越高说明用户对当前节点的话术不感兴趣，则当前节点需要优化。
在本申请的一些实施例中，在根据多个比例和流失率，确定是否优化当前节点之后，图1所示的方法还包括：若多个比例均小于预设选择比例或者流失率大于预设流失比例，则对当前节点进行优化或者向客户端发送需要优化的信息；若多个比例存在大于等于预设选择比例的比例并且流失率小于等于预设流失比例，则确定当前节点不需要优化。
本申请在上述过程中，可以将多个比例、流失率和具体的预设值具体的比较可以准确的判断出当前节点是否需要优化。
其中，多个比例均小于预设选择比例表示当前多个用户选择对话节点一致的数量很少，说明用户选择多个对话节点不一致，用户更感兴趣。
在本申请的一些实施例中，在根据多个比例，确定是否优化当前节点之后，图1所示的方法还包括：若多个比例均小于预设选择比例，则对当前节点进行优化或者向客户端发送需要优化的信息；若多个比例存在大于等于预设选择比例的比例，当前节点不需要优化。
本申请在上述过程中，可以将多个比例、流失率和具体的预设值具体的比较可以准确的判断出当前节点是否需要优化。
在本申请的一些实施例中，则对当前节点进行优化或者向客户端发送需要优化的信息，包括：对当前节点的部分话术进行替换，并再次对多个比例进行计算，直到多个比例存在大于等于预设选择比例的比例为止。
本申请在上述过程中，若当前节点需要优化，则可以直接对当前节点的部分话术进行替换，并再次进行是否优化当前节点的判断，直到当前节点满足预设要求为止。
在上述图1所示的过程中，本申请通过获取多个用户在当前节点的多个选择结果，其中，选择结果包括多个对话节点中的一个对话节点或者一个终止对话节点；计算多个用户在当前节点的多个选择结果中选择每一对话节点的多个比例；根据多个比例，确定是否优化当前节点。通过多个用户中每一用户的选择的节点，可以计算出多个用户选择每一节点的比例，进而判断当前节点是否需要优化，通过比例的计算可以准确的确定多个用户选择对话节点的信息，进而可以达到准确的判断哪些对话流程中节点需要进行优化。
下面结合图2对本申请实施例的通过计算信息熵确定是否优化对话流程中节点的方法进行详细描述。
请参看图2，图2为本申请实施例提供的一种通过计算信息熵确定是否优化对话流程中节点的流程图，如图2所示的通过计算信息熵确定是否优化对话流程中节点包括：
步骤210：计算当前节点的流失率和信息熵。
具体的，计算当前节点用户的流失率和用户选择对话节点的一致程度。
步骤220：确认流失率是否大于预设流失值。
具体的，当流失率大于预设流失值时进入步骤240，流失率小于等于预设流失值进入步骤230。
例如，预设流失值d=0.2，当流失率大于0.2时说明当前节点用户的流失量比较大，需要进行优化。
步骤230：确认信息熵是否小于预设信息熵值。
具体的，当信息熵小于预设信息熵值，则进入步骤240，信息熵大于等于预设信息熵值则进入步骤250。
例如，设定预设信息熵值e=0.1，当信息熵小于等于0.1时说明当前用户选择相同选项的一致性比较大，需要进行优化。
步骤240：对当前节点进行优化。
具体的，可以替换当前节点中的部分话术，也可以替换用户可以选择多个对话节点中的部分话术。
步骤250：确认当前节点是否存在其它问题。
具体的，可以确定当前节点是否存在其它违规话术，当前节点是否会出现错误。
其中，若信息熵低，且大量用户在此节点终止对话流程，则可以判断该节点的话术内容导致用户反感，优化方向是：防止用户反感；若信息熵低，且大量用户回答内容一致，则可以判断该节点的话术内容具有引导性倾向，致使用户仅可做出单一回复，优化方向是激发用户沟通兴趣；在获取节点优化方向后，进一步设计新的节点话术，直至该节点的相关指标达到预期指标，即例如，
Figure M_221111120258035_035192001
且
Figure M_221111120258066_066455002
。
前文通过图1-图2描述了优化对话流程中节点的方法，下面结合图3-图4描述优化对话流程中节点的装置。
请参照图3，为本申请实施例中提供的一种优化对话流程中节点的装置300的示意框图，该装置300可以是电子设备上的模块、程序段或代码。该装置300与上述图1方法实施例对应，能够执行图1方法实施例涉及的各个步骤，该装置300具体的功能可以参见下文中的描述，为避免重复，此处适当省略详细描述。
可选的，所述装置300包括：
获取模块310，用于获取多个用户在当前节点的多个选择结果，其中，选择结果包括多个对话节点中的一个对话节点或者一个终止对话节点；
计算模块320，用于计算多个用户在当前节点的多个选择结果中选择每一对话节点的多个比例；
确定模块330，用于根据多个比例，确定是否优化当前节点。
可选的，计算模块具体用于：
计算多个用户在当前节点的流失率和转化率，其中，流失率表示多个用户在经过当前节点时选择终止对话节点的比例，转化率表示多个用户在经过当前节点时选择多个对话节点中的一个对话节点的比例；
通过流失率和转化率计算多个比例。
可选的，确定模块具体用于：
计算多个用户在当前节点的流失率，其中，流失率表示多个用户在经过当前节点时选择终止对话的比例；根据多个比例和流失率，确定是否优化当前节点。
可选的，所述装置还包括：
处理模块，用于所述确定模块在根据多个比例和流失率，确定是否优化当前节点之后，若多个比例均小于预设选择比例或者流失率大于预设流失比例，则对当前节点进行优化或者向客户端发送需要优化的信息；若多个比例存在大于等于预设选择比例的比例并且流失率小于等于预设流失比例，则确定当前节点不需要优化。
可选的，所述装置还包括：
第二处理模块，用于所述确定模块在根据多个比例，确定是否优化当前节点之后，若多个比例均小于预设选择比例，则对当前节点进行优化或者向客户端发送需要优化的信息；若多个比例存在大于等于预设选择比例的比例，当前节点不需要优化。
可选的，第二处理模块具体用于：
对当前节点的部分话术进行替换，并再次对多个比例进行计算，直到多个比例存在大于等于预设选择比例的比例为止。
可选的，确认模块具体用于：
根据多个比例，计算当前节点的信息熵，其中，信息熵表示多个用户在当前节点选择相同节点的程度；根据信息熵，确定是否优化当前节点；当信息熵小于预设熵值时，则对当前节点进行优化或者向客户端发送需要优化的信息。
可选的，信息熵是通过如下公式得到的：
Figure M_221111120258097_097733001
其中，i为i个节点、j为第j个节点、n为用户数量，k为k个对话节点，
Figure M_221111120258160_160202001
为第i个节点的信息熵，
Figure M_221111120258191_191465002
为第j个节点的第k个对话节点，
Figure M_221111120258225_225108003
是第j个节点的第k个对话节点的转化率,
Figure M_221111120258240_240754004
是第i个节点后用户的流失率。
请参照图4为本申请实施例中提供的一种优化对话流程中节点的装置400的结构示意框图，该装置可以包括存储器410和处理器420。可选的，该装置还可以包括：通信接口430和通信总线440。该装置与上述图1方法实施例对应，能够执行图1方法实施例涉及的各个步骤，该装置具体的功能可以参见下文中的描述。
具体的，存储器410，用于存储计算机可读指令。
处理器420，用于处理存储器存储的可读指令，能够执行图2方法中的各个步骤。
通信接口430，用于与其他节点设备进行信令或数据的通信。例如：用于与服务器或者终端的通信，或者与其它设备节点进行通信，本申请实施例并不限于此。
通信总线440，用于实现上述组件直接的连接通信。
其中，本申请实施例中设备的通信接口430用于与其他节点设备进行信令或数据的通信。存储器410可以是高速RAM存储器，也可以是非不稳定的存储器（non-volatilememory），例如至少一个磁盘存储器。存储器410可选的还可以是至少一个位于远离前述处理器的存储装置。存储器410中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器420执行时，电子设备执行上述图1所示方法过程。处理器420可以用于装置300上，并且用于执行本申请中的功能。示例性地，上述的处理器420可以是通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application SpecificIntegrated Circuit，ASIC）、现成可编程门阵列（Field Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，本申请实施例并不局限于此。
本申请实施例还提供一种可读存储介质，所述计算机程序被处理器执行时，执行如图1所示方法实施例中电子设备所执行的方法过程。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。
综上所述，本申请实施例提供一种优化对话流程中节点的方法、装置、电子设备和存储介质，该方法包括，获取多个用户在当前节点的多个选择结果，其中，选择结果包括多个对话节点中的一个对话节点或者一个终止对话节点；计算多个用户在当前节点的多个选择结果中选择每一对话节点的多个比例；根据多个比例，确定是否优化当前节点。通过该方法可以达到准确的对对话流程中节点进行优化的效果。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (7)

1.一种优化对话流程中节点的方法，其特征在于，包括：
获取多个用户在当前节点的多个选择结果，其中，所述选择结果包括多个对话节点中的一个对话节点或者一个终止对话节点；
计算所述多个用户在所述当前节点的所述多个选择结果中选择每一对话节点的多个比例；
根据所述多个比例，确定是否优化所述当前节点，其中，所述根据所述多个比例，确定是否优化所述当前节点，包括：计算所述多个用户在所述当前节点的流失率，其中，所述流失率表示所述多个用户在经过所述当前节点时选择所述终止对话的比例；根据所述多个比例和所述流失率，确定是否优化所述当前节点；若所述多个比例均小于预设选择比例或者所述流失率大于预设流失比例，则对所述当前节点进行优化或者向客户端发送需要优化的信息，其中，所述优化的信息中的优化方法包括，对所述当前节点的部分话术进行替换，并再次计算所述多个比例，直到所述多个比例存在大于等于所述预设选择比例的比例为止；所述根据所述多个比例，确定是否优化所述当前节点，包括：根据所述多个比例，计算所述当前节点的信息熵，其中，所述信息熵表示所述多个用户在所述当前节点选择相同节点的程度；根据所述信息熵，确定是否优化所述当前节点；当所述信息熵小于预设熵值时，则对所述当前节点进行优化或者向客户端发送需要优化的信息，所述信息熵是通过所述当前节点的下一对话节点的流失率和转化率计算得到的，所述信息熵是通过如下公式得到的：
Figure QLYQS_1
其中，i为第i个节点、j为第j个节点、n为用户数量，k为k个对话节点，
Figure QLYQS_2
为第i个节点的信息熵，
Figure QLYQS_3
为第j个节点的第k个对话节点，
Figure QLYQS_4
是第j个节点的第k个对话节点的转化率,
Figure QLYQS_5
是第i个节点后用户的流失率。
2.根据权利要求1所述的方法，其特征在于，所述计算所述多个用户在所述当前节点的所述多个选择结果中选择每一对话节点的多个比例，包括：
计算所述多个用户在所述当前节点的流失率和转化率，其中，所述流失率表示所述多个用户在经过所述当前节点时选择所述终止对话节点的比例，所述转化率表示所述多个用户在经过所述当前节点时选择所述多个对话节点中的一个对话节点的比例；
通过所述流失率和所述转化率计算所述多个比例。
3.根据权利要求1或2所述的方法，其特征在于，在所述根据所述多个比例，确定是否优化所述当前节点之后，所述方法还包括：
若所述多个比例均小于预设选择比例，则对所述当前节点进行优化或者向客户端发送需要优化的信息；
若所述多个比例存在大于等于所述预设选择比例的比例，所述当前节点不需要优化。
4.根据权利要求3所述的方法，其特征在于，所述则对所述当前节点进行优化或者向客户端发送需要优化的信息，包括：
对所述当前节点的部分话术进行替换，并再次对所述多个比例进行计算，直到所述多个比例存在大于等于所述预设选择比例的比例为止。
5.一种优化对话流程中节点的装置，其特征在于，包括：
获取模块，用于获取多个用户在当前节点的多个选择结果，其中，所述选择结果包括多个对话节点中的一个对话节点或者一个终止对话节点；
计算模块，用于计算所述多个用户在所述当前节点的所述多个选择结果中选择每一对话节点的多个比例；
确定模块，用于根据所述多个比例，确定是否优化所述当前节点，其中，所述根据所述多个比例，确定是否优化所述当前节点，包括：计算所述多个用户在所述当前节点的流失率，其中，所述流失率表示所述多个用户在经过所述当前节点时选择所述终止对话的比例；根据所述多个比例和所述流失率，确定是否优化所述当前节点；若所述多个比例均小于预设选择比例或者所述流失率大于预设流失比例，则对所述当前节点进行优化或者向客户端发送需要优化的信息，其中，所述优化的信息中的优化方法包括，对所述当前节点的部分话术进行替换，并再次计算所述多个比例，直到所述多个比例存在大于等于所述预设选择比例的比例为止；所述根据所述多个比例，确定是否优化所述当前节点，包括：根据所述多个比例，计算所述当前节点的信息熵，其中，所述信息熵表示所述多个用户在所述当前节点选择相同节点的程度；根据所述信息熵，确定是否优化所述当前节点；当所述信息熵小于预设熵值时，则对所述当前节点进行优化或者向客户端发送需要优化的信息，所述信息熵是通过所述当前节点的下一对话节点的流失率和转化率计算得到的，所述信息熵是通过如下公式得到的：
Figure QLYQS_6
其中，i为第i个节点、j为第j个节点、n为用户数量，k为k个对话节点，
Figure QLYQS_7
为第i个节点的信息熵，
Figure QLYQS_8
为第j个节点的第k个对话节点，
Figure QLYQS_9
是第j个节点的第k个对话节点的转化率,
Figure QLYQS_10
是第i个节点后用户的流失率。
6.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-4中任一项所述方法中的步骤。
7.一种计算机可读存储介质，其特征在于，包括：
计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1-4中任一项所述的方法。
CN202211479213.8A 2022-11-24 2022-11-24 一种优化对话流程中节点的方法、装置、设备和存储介质 Active CN115577089B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211479213.8A CN115577089B (zh) 2022-11-24 2022-11-24 一种优化对话流程中节点的方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211479213.8A CN115577089B (zh) 2022-11-24 2022-11-24 一种优化对话流程中节点的方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN115577089A CN115577089A (zh) 2023-01-06
CN115577089B true CN115577089B (zh) 2023-03-10

Family

ID=84590624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211479213.8A Active CN115577089B (zh) 2022-11-24 2022-11-24 一种优化对话流程中节点的方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN115577089B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112559721A (zh) * 2020-12-25 2021-03-26 北京百度网讯科技有限公司 人机对话***的调整方法、装置、设备、介质和程序产品
CN113590771A (zh) * 2021-01-26 2021-11-02 腾讯科技（深圳）有限公司 一种数据挖掘方法、装置、设备及存储介质
CN114548119A (zh) * 2022-01-07 2022-05-27 科大讯飞华南人工智能研究院（广州）有限公司 测试集的生成方法、测试方法、装置、设备及介质
CN115374256A (zh) * 2021-05-19 2022-11-22 京东科技控股股份有限公司 问答数据处理方法、装置、设备、存储介质及产品

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10560536B2 (en) * 2016-08-24 2020-02-11 International Business Machines Corporation Simplifying user interactions with decision tree dialog managers
CN108038209A (zh) * 2017-12-18 2018-05-15 深圳前海微众银行股份有限公司 答案选择方法、装置和计算机可读存储介质
CN111694932A (zh) * 2019-03-13 2020-09-22 百度在线网络技术（北京）有限公司 对话方法和装置
CN110909140B (zh) * 2019-11-13 2022-08-23 国网江苏省电力有限公司电力科学研究院 一种图谱问答与检索问答结合的中枢路由方法及装置
CN111159371B (zh) * 2019-12-21 2023-04-21 华南理工大学 一种面向任务型对话***的对话策略方法
CN111611366B (zh) * 2020-05-20 2023-08-11 北京百度网讯科技有限公司 意图识别优化处理方法、装置、设备及存储介质
CN114595317A (zh) * 2022-02-25 2022-06-07 腾讯科技（深圳）有限公司 回复文本的生成方法、装置、设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112559721A (zh) * 2020-12-25 2021-03-26 北京百度网讯科技有限公司 人机对话***的调整方法、装置、设备、介质和程序产品
CN113590771A (zh) * 2021-01-26 2021-11-02 腾讯科技（深圳）有限公司 一种数据挖掘方法、装置、设备及存储介质
CN115374256A (zh) * 2021-05-19 2022-11-22 京东科技控股股份有限公司 问答数据处理方法、装置、设备、存储介质及产品
CN114548119A (zh) * 2022-01-07 2022-05-27 科大讯飞华南人工智能研究院（广州）有限公司 测试集的生成方法、测试方法、装置、设备及介质

Also Published As

Publication number Publication date
CN115577089A (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
EP3678058A1 (en) Data sample label processing method and apparatus
EP3267369A1 (en) Decision tree generating apparatus, decision tree generating method, non-transitory computer-readable recording medium, and inquiry system
US8117609B2 (en) System and method for optimizing changes of data sets
US11783243B2 (en) Targeted prioritization within a network based on user-defined factors and success rates
US20210150398A1 (en) Conversational interchange optimization
CN103647800A (zh) 推荐应用资源的方法及***
CN112346936A (zh) 应用故障根因定位方法及***
CN106411683B (zh) 一种关键社交信息的确定方法及装置
CN111917878A (zh) 消息处理方法、装置、设备及存储介质
WO2023109294A1 (zh) 基于隐私保护联合训练自然语言处理模型的方法及装置
CN115577089B (zh) 一种优化对话流程中节点的方法、装置、设备和存储介质
CN111160604A (zh) 缺失信息预测方法、装置、计算机设备及存储介质
Lozhkovskyi et al. Investigation of simulating methods for self-similar traffic flows: The QoS-characteristics depend on the type of distribution in self-similar traffic
CN110413750A (zh) 根据用户问句召回标准问句的方法和装置
CN108390770A (zh) 一种信息生成方法、装置及服务器
CN113487326A (zh) 基于智能合约的交易限制参数设置方法及装置
CN109446325B (zh) 一种高正确率的自然语言分类器***
CN108804640B (zh) 基于最大化iv的数据分组方法、装置、储存介质及设备
CN112258242A (zh) 一种表单配置项数据推送方法和装置
CN115098793B (zh) 基于大数据的用户画像分析方法及***
CN113743435A (zh) 业务数据分类模型的训练、业务数据的分类方法和装置
CN111898030A (zh) 一种科技项目对象的智能推荐方法及***
US20230122472A1 (en) Hybrid Techniques for Quality Estimation of a Decision-Making Policy in a Computer System
CN111460108A (zh) 智能应答的方法和装置
CN110976235B (zh) 一种静电粉末喷淋处理方法及***

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