CN116049375B - 一种基于aigc的智能客服应答*** - Google Patents

一种基于aigc的智能客服应答*** Download PDF

Info

Publication number
CN116049375B
CN116049375B CN202310200610.5A CN202310200610A CN116049375B CN 116049375 B CN116049375 B CN 116049375B CN 202310200610 A CN202310200610 A CN 202310200610A CN 116049375 B CN116049375 B CN 116049375B
Authority
CN
China
Prior art keywords
demand
image
information
response
controller
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
CN202310200610.5A
Other languages
English (en)
Other versions
CN116049375A (zh
Inventor
张卫平
丁烨
李显阔
米小武
刘顿
王丹
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.)
Global Digital Group Co Ltd
Original Assignee
Global Digital Group 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 Global Digital Group Co Ltd filed Critical Global Digital Group Co Ltd
Priority to CN202310200610.5A priority Critical patent/CN116049375B/zh
Publication of CN116049375A publication Critical patent/CN116049375A/zh
Application granted granted Critical
Publication of CN116049375B publication Critical patent/CN116049375B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Computing Systems (AREA)
  • Accounting & Taxation (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于AIGC的智能客服应答***，该智能客服应答***从用户需求信息中提取需求特征，并将该需求特征转化为需求图像，根据需求图像确定出应答图像，再根据应答图像确定应答信息，能够将使用场景中多种类型的用户需求信息通过需求图像表示，有利于对用户需求信息进行归一化处理，对交互信息包括多种信息类型的使用场景具有适用性。

Description

一种基于AIGC的智能客服应答***
技术领域
本发明涉及智能设备技术领域，尤其涉及一种基于AIGC的智能客服应答***。
背景技术
专利CN106601237B公开了一种用于交互式语音应答***的语音识别方法，该交互式语音应答***包括知识库，该知识库包括知识点的集合，该语音识别方法包括基于该知识库中的知识点的集合获取语音训练语料；使用所得到的语音训练语料来训练语言模型；以及使用该语言模型来识别用户的语音输入。
专利CN111510564A公开了一种基于互动式语音应答***的数据处理方法、装置及介质。该方法包括：接收携带有目标会话标识的呼入消息，该呼入消息是由互动式语音应答***基于目标主叫对象的输入信息而生成的；基于该呼入消息对应的接收时间点确定监控时间段；获取该监控时间段对应的多个坐席接通消息，每个该坐席接通消息携带有对应的会话标识；当该多个坐席接通消息中不存在指示该目标会话标识的坐席接通消息时，根据该呼入消息获取目标引导策略信息；基于该目标引导策略信息向该目标主叫对象返回应答信息。
然而，上述技术方案所涉及的应答***，主要针对语音信息的交互场景。在日常生活中，人们进行线上沟通时，交互的信息包括表情包（图像信息）、文字信息和语音信息的类型。那么，上述技术方案的应答***所针对的使用场景的信息类型相对单一，不利于优化该应答***的用户体验。
可见，如何设计一款有利于针对的使用场景中多种信息类型的应答***，是亟需解决的技术问题。
发明内容
本发明所要解决的技术问题在于，提供一种基于AIGC的智能客服应答***，有利于针对的使用场景中多种信息类型。
为了解决上述技术问题，本发明公开了一种基于AIGC的智能客服应答***，包括用户需求信息接收端、应答信息输出端、控制器和数据平台，所述用户需求信息接收端和所述应答信息输出端分别与所述控制器电连接，所述控制器与所述数据平台基于公网通信连接，其中，
所述控制器执行的步骤包括：
所述控制器获取经所述用户需求信息接收端输入的用户需求信息；
所述控制器从所述用户需求信息中提取需求特征，并将所述需求特征转化为需求图像；
所述控制器将所述需求图像传输至数据平台，使得所述数据平台从应答数据库中筛选出对应的应答图像；
所述控制器根据所述应答图像生成与所述用户需求信息匹配的应答信息；
所述控制器控制所述应答信息输出端输出所述应答信息。
本发明公开的一种基于AIGC的智能客服应答***，从用户需求信息中提取需求特征，并将该需求特征转化为需求图像，根据需求图像确定出应答图像，再根据应答图像确定应答信息，能够将使用场景中多种类型的用户需求信息通过需求图像表示，有利于对用户需求信息进行归一化处理，对交互信息包括多种信息类型的使用场景具有适用性。
作为一种可选的实施方式，本发明中，在所述控制器从所述用户需求信息中提取需求特征，并将所述需求特征转化为需求图像之后，以及在所述控制器将所述需求图像传输至数据平台，使得所述数据平台从应答数据库中筛选出对应的应答图像之前，所述控制器执行的步骤还包括：
所述控制器根据所述需求图像判定所述用户需求信息与历史信息需求列表当中的历史需求信息是否匹配，
若是，则所述控制器从历史任务中调取并执行与所述历史需求信息对应的目标工作任务，生成与所述用户需求信息匹配的应答信息，以及所述控制器控制所述应答信息输出端输出所述应答信息，
若否，则触发所述控制器将所述需求图像传输至数据平台，使得所述数据平台从应答数据库中筛选出对应的应答图像的步骤执行。
作为一种可选的实施方式，本发明中，所述控制器从所述用户需求信息中提取需求特征，并将所述需求特征转化为需求图像，具体包括：
所述控制器将所述用户需求信息划分为若干个单元需求信息，并以所述单元需求信息表示所述用户需求信息如下：
Figure SMS_1
；
其中，X表示用户需求信息量化矩阵，
Figure SMS_2
表示单元需求信息的数目，/>
Figure SMS_3
表示用户需求信息所包含的单元需求信息量化值；
所述控制器将所述单元需求信息输入至经过预训练的特征提取器而生成单元需求特征，并通过单元需求特征表示所述需求特征如下：
Figure SMS_4
；
其中，Y表示需求特征矩阵，
Figure SMS_5
表示单元需求特征的类别数目，/>
Figure SMS_6
表示需求特征矩阵所包含的单元需求特征值；
所述控制器构建以单元需求特征值为纵坐标、以单元需求信息量化值为横坐标的需求图像，如下：
Figure SMS_7
；
其中，
Figure SMS_8
表示需求图像，/>
Figure SMS_9
为需求图像F的像素点；
以及，所述控制器将所述需求图像传输至数据平台之后，所述数据平台执行的步骤如下：
所述数据平台从先验需求图像数据库中筛选出与所述需求图像匹配的目标先验需求图像；
所述数据平台从所述应答数据库中筛选出与所述目标先验需求图像对应的应答图像；
其中，所述数据平台从先验需求图像数据库中筛选出与所述需求图像匹配的目标先验需求图像的过程，具体包括：
所述数据平台求取所述需求图像与先验需求图像数据库中的先验需求图像的匹配度，如下：
Figure SMS_10
；
式中，
Figure SMS_12
表示所述需求图像与先验需求图像数据库中的某一先验需求图像的匹配度，/>
Figure SMS_14
、/>
Figure SMS_17
分别表示所述需求图像的像素点横坐标、纵坐标的坐标值的均值，/>
Figure SMS_19
、/>
Figure SMS_21
分别表示所述需求图像的像素点横坐标、纵坐标的坐标值的标准差，/>
Figure SMS_23
、/>
Figure SMS_24
分别表示该先验需求图像的像素点横坐标、纵坐标的坐标值的均值，/>
Figure SMS_11
、/>
Figure SMS_13
分别表示该先验需求图像的像素点横坐标、纵坐标的坐标值的标准差，/>
Figure SMS_15
为预先确定的校正系数，/>
Figure SMS_16
、/>
Figure SMS_18
、/>
Figure SMS_20
以及/>
Figure SMS_22
为预先确定的偏置常数；
所述数据平台从先验需求图像数据库中筛选出匹配度P的值最接近1的先验需求图像，并将其标记为目标先验需求图像。
作为一种可选的实施方式，本发明中，所述用户需求信息的类型包括：图像、文字、语音其中的一种或者多种的组合；
和/或，所述应答信息的类型包括：图像、文字、语音其中的一种或者多种的组合。
作为一种可选的实施方式，本发明中，所述应答数据库包括应答图像数据库和先验需求图像数据库，
其中，所述应答图像数据库中的应答图像与所述先验需求图像数据库中的先验需求图像之间构成映射关系。
作为一种可选的实施方式，本发明中，所述需求特征包括用户需求信息中的图像亮度特征、图像对比度特征、图像纹理特征、文本内容特征、文本所表达情感特征、语音音量特征以及语音音频特征当中的一种或者多种的组合。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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是本发明实施例的一种基于AIGC的智能客服应答***的结构示意图；
图2是本发明实施例的控制器执行步骤的一部分流程示意图；
图3是本发明实施例的控制器执行步骤的另一部分流程示意图；
图4是本发明实施例的需求图像的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
AIGC(人工智能生成内容，Artificial Intelligence Generated Content，简称AIGC)将有望成为数字内容创新发展的新引擎，其优势主要包括：1）AIGC能够以优于人类的制造能力和知识水平承担信息挖掘、素材调用、复刻编辑等基础性机械劳动，从技术层面实现以低边际成本、高效率的方式满足海量个性化需求；2）AIGC能够通过支持数字内容与其他产业的多维互动、融合渗透从而孕育新业态新模式；3）助力“元宇宙”发展，通过AIGC加速复刻物理世界、进行无限内容创作，从而实现自发有机生长。
本发明公开了一种基于AIGC的智能客服应答***，如图1所示，包括用户需求信息接收端、应答信息输出端、控制器和数据平台，用户需求信息接收端和应答信息输出端分别与控制器电连接，控制器与数据平台基于公网通信连接。其中，如图2所示，控制器执行的步骤包括：
S101、控制器获取经用户需求信息接收端输入的用户需求信息。
S102、控制器从用户需求信息中提取需求特征，并将需求特征转化为需求图像。
S103、控制器将需求图像传输至数据平台，使得数据平台从应答数据库中筛选出对应的应答图像。
S104、控制器根据应答图像生成与用户需求信息匹配的应答信息。
S105、控制器控制应答信息输出端输出应答信息。
本发明公开的一种基于AIGC的智能客服应答***，从用户需求信息中提取需求特征，并将该需求特征转化为需求图像，根据需求图像确定出应答图像，再根据应答图像确定应答信息，能够将使用场景中多种类型的用户需求信息通过需求图像表示，有利于对用户需求信息进行归一化处理，对交互信息包括多种信息类型的使用场景具有适用性。
对于此前已针对某用户需求信息做出应答信息的，该智能客服应答***可以进行简化处理，即控制器无需对该用户需求信息再次执行提取需求特征而转化为需求图像的操作以及数据平台无需再次从应答数据库中筛选出对应的应答图像的操作，从而有利于提高智能客服应答***的任务处理效率。可选的，在步骤S101之后，以及步骤S103之前，如图3所示，该控制器执行的步骤还包括：
S102a、控制器根据需求图像判定用户需求信息与历史信息需求列表当中的历史需求信息是否匹配，若是，则执行步骤S103a,若否，则执行步骤S103。
S103a、控制器从历史任务中调取并执行与历史需求信息对应的目标工作任务，生成与用户需求信息匹配的应答信息，以及控制器控制应答信息输出端输出应答信息。
S103、控制器将需求图像传输至数据平台，使得数据平台从应答数据库中筛选出对应的应答图像。
本发明公开的智能客服应答***中，控制器将用户需求信息转化为需求图像，并以需求图像作为传输信息，与数据平台实现信息互通并从数据平台得到应答图像作为反馈信息，再根据该应答图像最终确定与该用户需求信息匹配的应答信息。那么，控制器根据用户需求信息确定需求图像的过程以及数据平台根据需求图像确定应答信息的过程对该智能客服应答***的运行具有重要影响。为了实现控制器根据用户需求信息确定需求图像的高效性，可选的，控制器从用户需求信息中提取需求特征，并将需求特征转化为需求图像的具体过程可以如下：
1）控制器将用户需求信息划分为若干个单元需求信息，并以单元需求信息表示用户需求信息如下：
Figure SMS_25
；
其中，X表示用户需求信息量化矩阵，
Figure SMS_26
表示单元需求信息的数目，/>
Figure SMS_27
表示用户需求信息所包含的单元需求信息量化值；
2）控制器将单元需求信息输入至经过预训练的特征提取器而生成单元需求特征，并通过单元需求特征表示需求特征如下：
Figure SMS_28
；
其中，Y表示需求特征矩阵，
Figure SMS_29
表示单元需求特征的类别数目，/>
Figure SMS_30
表示需求特征矩阵所包含的单元需求特征值；
3）如图4所示，控制器构建以单元需求特征值为纵坐标、以单元需求信息量化值为横坐标的需求图像，如下：
Figure SMS_31
；
其中，
Figure SMS_32
表示需求图像，/>
Figure SMS_33
为需求图像F的像素点。
以及，为了实现数据平台根据需求图像确定应答信息的高效性，进一步可选的，控制器将需求图像传输至数据平台之后，数据平台执行的步骤如下：
数据平台从先验需求图像数据库中筛选出与需求图像匹配的目标先验需求图像；
数据平台从应答数据库中筛选出与目标先验需求图像对应的应答图像。
由进一步可选的，数据平台从先验需求图像数据库中筛选出与需求图像匹配的目标先验需求图像的过程，具体包括：
数据平台求取需求图像与先验需求图像数据库中的先验需求图像的匹配度，如下：
Figure SMS_34
；
式中，
Figure SMS_44
表示需求图像与先验需求图像数据库中的某一先验需求图像的匹配度，
Figure SMS_47
、/>
Figure SMS_49
分别表示需求图像的像素点横坐标、纵坐标的坐标值的均值，/>
Figure SMS_50
、/>
Figure SMS_51
分别表示需求图像的像素点横坐标、纵坐标的坐标值的标准差，/>
Figure SMS_52
、/>
Figure SMS_53
分别表示该先验需求图像的像素点横坐标、纵坐标的坐标值的均值，/>
Figure SMS_35
、/>
Figure SMS_37
分别表示该先验需求图像的像素点横坐标、纵坐标的坐标值的标准差，/>
Figure SMS_39
为预先确定的校正系数（特别地，/>
Figure SMS_40
），/>
Figure SMS_42
、/>
Figure SMS_45
、/>
Figure SMS_46
以及/>
Figure SMS_48
为预先确定的偏置常数（特别地，/>
Figure SMS_36
、/>
Figure SMS_38
、/>
Figure SMS_41
以及/>
Figure SMS_43
大于0）；
数据平台从先验需求图像数据库中筛选出匹配度P的值最接近1的先验需求图像，并将其标记为目标先验需求图像。
又进一步可选的，用户需求信息的类型可以是多样的，比如，可以是图像、文字、语音其中的一种或者多种的组合；相应地，应答信息的类型也可以是多样的，比如，可以是图像、文字、语音其中的一种或者多种的组合。
又进一步可选的，应答数据库包括应答图像数据库和先验需求图像数据库，
其中，应答图像数据库中的应答图像与先验需求图像数据库中的先验需求图像之间构成映射关系。特别地，AIGC技术可以应用在应答数据库的数据量拓展方面，从而提高该智能客服应答***在应答用户需求信息方面的全面性。
又进一步可选的，从控制器将单元需求信息输入至经过预训练的特征提取器而生成单元需求特征的操作，可以是基于经过预训练的深度卷积神经网络进行的（具体地，该特征提取器包括若干卷积层）。其中，当用户需求信息为图像信息时，提取到的特征可以是图像亮度特征、图像对比度特征、图像纹理特征等；当用户需求信息为文本信息时，提取到的特征可以是文本内容特征、文本所表达情感特征；当用户需求信息为语音信息时，提取到的可以是语音音量特征、语音音频特征等。那么，用户需求信息可以包括图像信息、文本信息和语音信息的一种或者多种，相应地，提取到的特征可以上述的一种或者多种的组合。
最后应说明的是：本发明实施例公开的一种基于AIGC的智能客服应答***中，所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述的实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明的实施例技术方案的精神和范围。

Claims (4)

1.一种基于AIGC的智能客服应答***，其特征在于，包括用户需求信息接收端、应答信息输出端、控制器和数据平台，所述用户需求信息接收端和所述应答信息输出端分别与所述控制器电连接，所述控制器与所述数据平台基于公网通信连接，其中，
所述控制器执行的步骤包括：
所述控制器获取经所述用户需求信息接收端输入的用户需求信息；
所述控制器从所述用户需求信息中提取需求特征，并将所述需求特征转化为需求图像；
所述控制器将所述需求图像传输至数据平台，使得所述数据平台从应答数据库中筛选出对应的应答图像；
所述控制器根据所述应答图像生成与所述用户需求信息匹配的应答信息；
所述控制器控制所述应答信息输出端输出所述应答信息；
在所述控制器从所述用户需求信息中提取需求特征，并将所述需求特征转化为需求图像之后，以及在所述控制器将所述需求图像传输至数据平台，使得所述数据平台从应答数据库中筛选出对应的应答图像之前，所述控制器执行的步骤还包括：
所述控制器根据所述需求图像判定所述用户需求信息与历史信息需求列表当中的历史需求信息是否匹配，
若是，则所述控制器从历史任务中调取并执行与所述历史需求信息对应的目标工作任务，生成与所述用户需求信息匹配的应答信息，以及所述控制器控制所述应答信息输出端输出所述应答信息，
若否，则触发所述控制器将所述需求图像传输至数据平台，使得所述数据平台从应答数据库中筛选出对应的应答图像的步骤执行；
所述控制器从所述用户需求信息中提取需求特征，并将所述需求特征转化为需求图像，具体包括：
所述控制器将所述用户需求信息划分为若干个单元需求信息，并以所述单元需求信息表示所述用户需求信息如下：
Figure QLYQS_1
；
其中，X表示用户需求信息量化矩阵，
Figure QLYQS_2
表示单元需求信息的数目，/>
Figure QLYQS_3
表示用户需求信息所包含的单元需求信息量化值；
所述控制器将所述单元需求信息输入至经过预训练的特征提取器而生成单元需求特征，并通过单元需求特征表示所述需求特征如下：
Figure QLYQS_4
；
其中，Y表示需求特征矩阵，
Figure QLYQS_5
表示单元需求特征的类别数目，/>
Figure QLYQS_6
表示需求特征矩阵所包含的单元需求特征值；
所述控制器构建以单元需求特征值为纵坐标、以单元需求信息量化值为横坐标的需求图像，如下：
Figure QLYQS_7
；
其中，
Figure QLYQS_8
表示需求图像，/>
Figure QLYQS_9
为需求图像F的像素点；
以及，所述控制器将所述需求图像传输至数据平台之后，所述数据平台执行的步骤如下：
所述数据平台从先验需求图像数据库中筛选出与所述需求图像匹配的目标先验需求图像；
所述数据平台从所述应答数据库中筛选出与所述目标先验需求图像对应的应答图像；
其中，所述数据平台从先验需求图像数据库中筛选出与所述需求图像匹配的目标先验需求图像的过程，具体包括：
所述数据平台求取所述需求图像与先验需求图像数据库中的先验需求图像的匹配度，如下：
Figure QLYQS_10
；
式中，
Figure QLYQS_12
表示所述需求图像与先验需求图像数据库中的某一先验需求图像的匹配度，/>
Figure QLYQS_14
、/>
Figure QLYQS_16
分别表示所述需求图像的像素点横坐标、纵坐标的坐标值的均值，/>
Figure QLYQS_17
、/>
Figure QLYQS_19
分别表示所述需求图像的像素点横坐标、纵坐标的坐标值的标准差，/>
Figure QLYQS_21
、/>
Figure QLYQS_23
分别表示该先验需求图像的像素点横坐标、纵坐标的坐标值的均值，/>
Figure QLYQS_11
、/>
Figure QLYQS_13
分别表示该先验需求图像的像素点横坐标、纵坐标的坐标值的标准差，/>
Figure QLYQS_15
为预先确定的校正系数，/>
Figure QLYQS_18
、/>
Figure QLYQS_20
、/>
Figure QLYQS_22
以及/>
Figure QLYQS_24
为预先确定的偏置常数；
所述数据平台从先验需求图像数据库中筛选出匹配度P的值最接近1的先验需求图像，并将其标记为目标先验需求图像。
2.根据权利要求1所述的基于AIGC的智能客服应答***，其特征在于，所述用户需求信息的类型包括：图像、文字、语音其中的一种或者多种的组合；
和/或，所述应答信息的类型包括：图像、文字、语音其中的一种或者多种的组合。
3.根据权利要求2所述的基于AIGC的智能客服应答***，其特征在于，所述应答数据库包括应答图像数据库和先验需求图像数据库，
其中，所述应答图像数据库中的应答图像与所述先验需求图像数据库中的先验需求图像之间构成映射关系。
4.根据权利要求3所述的基于AIGC的智能客服应答***，其特征在于，所述需求特征包括用户需求信息中的图像亮度特征、图像对比度特征、图像纹理特征、文本内容特征、文本所表达情感特征、语音音量特征以及语音音频特征当中的一种或者多种的组合。
CN202310200610.5A 2023-03-06 2023-03-06 一种基于aigc的智能客服应答*** Active CN116049375B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310200610.5A CN116049375B (zh) 2023-03-06 2023-03-06 一种基于aigc的智能客服应答***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310200610.5A CN116049375B (zh) 2023-03-06 2023-03-06 一种基于aigc的智能客服应答***

Publications (2)

Publication Number Publication Date
CN116049375A CN116049375A (zh) 2023-05-02
CN116049375B true CN116049375B (zh) 2023-05-30

Family

ID=86129693

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310200610.5A Active CN116049375B (zh) 2023-03-06 2023-03-06 一种基于aigc的智能客服应答***

Country Status (1)

Country Link
CN (1) CN116049375B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116821311B (zh) * 2023-08-30 2023-10-31 环球数科集团有限公司 一种基于关联数据和用户行为分析的智能客服***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019146376A1 (ja) * 2018-01-29 2019-08-01 株式会社Ｎｔｔドコモ 対話システム
CN111291170A (zh) * 2020-01-20 2020-06-16 腾讯科技（深圳）有限公司 一种基于智能客服的会话推荐方法及相关装置
CN113205507A (zh) * 2021-05-18 2021-08-03 合肥工业大学 一种视觉问答方法、***及服务器
WO2021164618A1 (zh) * 2020-02-17 2021-08-26 京东方科技集团股份有限公司 基于知识图谱的问答方法及装置、计算机设备及介质
CN115203393A (zh) * 2022-07-21 2022-10-18 中国平安人寿保险股份有限公司 一种对话应答方法及其***、电子设备、存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019146376A1 (ja) * 2018-01-29 2019-08-01 株式会社Ｎｔｔドコモ 対話システム
CN111291170A (zh) * 2020-01-20 2020-06-16 腾讯科技（深圳）有限公司 一种基于智能客服的会话推荐方法及相关装置
WO2021164618A1 (zh) * 2020-02-17 2021-08-26 京东方科技集团股份有限公司 基于知识图谱的问答方法及装置、计算机设备及介质
CN113205507A (zh) * 2021-05-18 2021-08-03 合肥工业大学 一种视觉问答方法、***及服务器
CN115203393A (zh) * 2022-07-21 2022-10-18 中国平安人寿保险股份有限公司 一种对话应答方法及其***、电子设备、存储介质

Also Published As

Publication number Publication date
CN116049375A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
US20210160556A1 (en) Method for enhancing resolution of streaming file
CN107580237A (zh) 电视的操作方法、装置、***和存储介质
CN116049375B (zh) 一种基于aigc的智能客服应答***
CN104575503B (zh) 语音识别方法和装置
CN111626049B (zh) 多媒体信息的标题修正方法、装置、电子设备及存储介质
CN108198177A (zh) 图像获取方法、装置、终端及存储介质
CN113177538B (zh) 一种视频循环识别方法、装置、计算机设备及存储介质
WO2020073656A1 (zh) 人机交互方法、***、计算机设备及存储介质
CN111464595B (zh) 一种云端配置个性化场景的方法及装置
CN110830807A (zh) 图像压缩方法、装置及存储介质
CN113539244B (zh) 端到端语音识别模型训练方法、语音识别方法及相关装置
CN107809654A (zh) 电视机***及电视机控制方法
CN111488744B (zh) 多模态语言信息ai翻译方法、***和终端
CN111369430A (zh) 基于移动深度学习引擎的移动端人像智能背景替换方法
CN106356056B (zh) 语音识别方法和装置
CN116469165A (zh) 基于数字人的汉语到手语的翻译方法及***
KR20210065629A (ko) 챗봇 채널연계 통합을 위한 챗봇 통합 에이전트 플랫폼 시스템 및 그 서비스 방법
EP2451144A1 (en) System, method and apparatus for preference processing for multimedia resources in color ring back tone service
CN111031183A (zh) 彩铃播放方法、电子设备及存储介质
WO2010148824A1 (zh) 终端设备使用自绘制图画的方法及装置
CN105100235B (zh) 一种扫地机器人的信息分享方法及服务器
WO2011004207A1 (en) Method and system for compressing short messages, computer program and computer program product therefor
CN115309563A (zh) 5g消息生成方法、设备、存储介质及产品
CN106454323A (zh) 用以最佳化相片或多媒体的方法及其***与电子装置
CN113934870A (zh) 多媒体推荐模型的训练方法、装置及服务器

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