[发明专利]具有自学习功能的平行客服机器人系统及其自学习方法有效

专利信息
申请号: 201710405870.0 申请日: 2017-06-01
公开(公告)号: CN107239538B 公开(公告)日: 2021-01-19
发明(设计)人: 潘晟锋;杨振宇;刘云峰;吴悦 申请(专利权)人: 深圳追一科技有限公司
主分类号: G06F16/332 分类号: G06F16/332
代理公司: 北京细软智谷知识产权代理有限责任公司 11471 代理人: 李艳霞
地址: 518057 广东省深圳市南山区粤海街*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 具有 自学习 功能 平行 客服 机器人 系统 及其 方法
【说明书】:

发明涉及一种具有自学习功能的平行客服机器人系统及其自学习方法,平行客服机器人系统包括用户端、客服机器人、人工客服端和反馈单元,用户端将用户端问句发送给客服机器人、人工客服端和反馈单元;客服机器人根据用户端问句将FAQ推荐数据组发送给人工客服端和反馈单元;人工客服端将应用户端问句的FAQ数据发送给用户端和反馈单元;反馈单元根据接收到的用户端问句、FAQ推荐数据组和修正后的对应该用户端问句的FAQ数据生成反馈数据,并将反馈数据发送给客服机器人;客服机器人根据接收到的反馈数据进行自学习。本发明能够在真实的客服场景中收集整理相似问句,供客服机器人进行学习,减少人工标注的成本投入。

技术领域

本发明属于计算机技术领域,具体涉及一种具有自学习功能的平行客服机器人系统及其自学习方法。

背景技术

现有的机器人客服采用计算机对客服场景中的用户端提问进行判断,并提供相应的回答从而减少客服场景中的人工坐席参与,目的在于减少客服中的人工成本。目前的机器人客服多采用对用户端的每一个问句进行一个相应的回答,而这个回答的内容一般为预设好的标准回答。这些标准回答是针对FAQ(Frequently Asked Questions,常见问题解答)设计的。

现有机器人客服的实现方式主要分为两种,分别是基于搜索技术的实现方式和基于机器学习技术的实现方式。其中,基于搜索技术的实现方式又分为基于句法模板的搜索和基于相似问句的搜索。基于机器学习技术的实现方式主要也是基于相似问句的机器学习。因此,相似问句是多数客服机器人的学习依据。

当前收集获取相似问句的方式主要有两种:1)收集客服场景中的数据,例如用户端访问客服的历史会话。将这些会话中的用户端问句,通过人工标注的方式,对应到知识库FAQ上,一个问句只能对应一个FAQ。2)给知识库中的每一个FAQ寻找相应的相似问句,或者编写可能的用户端问法作为相似问句。收集获取相似问句之后,采用搜索技术的机器人将相似问句建入索引,当新的用户端访问请求问句输入时,若当前用户端问句与相似问句搜索相关性较高,则将这个相似问句所对应的FAQ,作为针对当前用户端问句的回复。采用机器学习技术的机器人,用机器学习的方法判断当前用户端问句和FAQ以及相似问句的匹配度,匹配度较高的相似问句对应的FAQ,作为当前用户端问句的回复。可见相似问句的收集获取,在整个智能客服机器人当中,发挥重要作用。相似问句的获取成本、准确度,决定了搭建客服机器人的成本和准确度。

现有的技术方案中,收集整理相似问句是非常重要的一个环节,也是机器人客服的一个主要成本构成。对于现有的客服机器人技术,不论是搜索方案还是机器学习方案,机器人都是通过学习相似问句以及对应的FAQ这一方式来提高自身的准确性。而收集整理相似问句的方式,作为机器人学习的基础,存在以下不足:识别和标注会话中相似问句的工作量巨大;由于标注过程中使用的是用户端历史会话中的问句,因此人工标注结果与真实客服场景存在一定的差异。

发明内容

为了解决现有技术存在的上述问题,本发明提供了一种具有自学习功能的平行客服机器人系统及其自学习方法。

为实现上述目的,本发明采取以下技术方案:一种具有自学习功能的平行客服机器人系统包括用户端、客服机器人、人工客服端和反馈单元,所述用户端将用户端问句发送给所述客服机器人、人工客服端和反馈单元;所述客服机器人根据用户端问句将FAQ推荐数据组发送给所述人工客服端和反馈单元;所述人工客服端将应用户端问句的FAQ数据发送给所述用户端和反馈单元;所述反馈单元根据接收到的用户端问句、FAQ推荐数据组和修正后的对应该用户端问句的FAQ数据生成反馈数据,并将反馈数据发送给所述客服机器人;所述客服机器人根据接收到的反馈数据进行自学习。

进一步地,所述客服机器人包括控制器以及与所述控制器连接的第一采集模块、相似问句生成模块、相似问句索引库、相似问句排序模块、FAQ数据库和FAQ推荐数据组输出模块;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳追一科技有限公司,未经深圳追一科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710405870.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top