[发明专利]自主学习方法、装置、智能客服机器人和存储介质有效

专利信息
申请号: 202010050433.3 申请日: 2020-01-17
公开(公告)号: CN111241246B 公开(公告)日: 2023-08-22
发明(设计)人: 康立;齐伟 申请(专利权)人: 苏州研途教育科技有限公司
主分类号: G06F16/33 分类号: G06F16/33;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: 牛晴
地址: 215000 江苏省苏州市苏州工*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 自主 学习方法 装置 智能 客服 机器 人和 存储 介质
【权利要求书】:

1.一种自主学习方法,应用于智能客服机器人,其特征在于,包括:

接收用户问题;

对所述用户问题进行自然语言理解处理,得到问题含义;所述问题含义为所述用户问题所包括的含义;

根据预设映射关系确定所述问题含义对应的目标业务流程;

根据预设流程转移关系将所述目标业务流程转移到目标默认业务流程;所述预设流程转移关系为预先根据用户和所述智能客服机器人之间的问答样本得到的各业务流程之间的转移关系;所述目标默认业务流程为所述预设流程转移关系中设定的所述目标业务流程的默认下一流程;

所述预设流程转移关系的设置过程包括:

统计用户询问过程中由所述目标业务流程转移至所述目标默认业务流程的概率;

判断所述概率是否大于预设概率阈值;

若是,删除所述目标业务流程至所述目标默认业务流程之间的引导步骤,设定所述目标默认业务流程为所述目标业务流程的默认下一流程,以使所述智能客服机器人引导用户从所述目标业务流程直接跳转至所述目标默认业务流程。

2.根据权利要求1所述的自主学习方法,其特征在于,还包括添加回溯路径;

所述回溯路径用于支持所述用户进入被删除的所述引导步骤。

3.根据权利要求1所述的自主学习方法,其特征在于,还包括:

定期统计所述问题含义,并根据统计结果确定出用户对各产品的态度的变化趋势,以及根据所述变化趋势向运营商发送第一提示消息;所述问题含义包括用户对各产品的态度;所述用户对各产品的态度包括用户对各产品的需求程度和满意度。

4.根据权利要求1所述的自主学习方法,其特征在于,还包括:

根据所述问题含义实时确定用户的情绪状态;

当确定出用户存在不满情绪和/或流失倾向时,对用户进行心里疏导和/或向运营商发送第二提示消息;所述第二提示消息包含用户的不满情绪和/或流失倾向信息。

5.根据权利要求1所述的自主学习方法,其特征在于,还包括:

定期统计出根据所述预设映射关系不能找到对应的目标业务流程的所述用户问题,将其定义为目标用户问题;

对所有所述目标用户问题进行相似度匹配,并根据匹配结果将所有所述目标用户问题进行分类;

根据分类结果确定出所有新问题;

根据所述新问题向管理人员发送第三提示消息;所述第三提示消息包含所述新问题的信息。

6.根据权利要求5所述的自主学习方法,其特征在于,所述根据分类结果确定出所有新问题之后,还包括:

统计每个所述新问题对应的所述目标用户问题的个数;

判断所述目标用户问题的个数是否大于预设个数阈值;

若是,向管理人员发送第四提示消息;所述第四提示消息包含所述目标用户问题的个数大于预设个数阈值的新问题信息。

7.一种自主学习装置,用于实现如权利要求1所述的自主学习方法,其特征在于,包括:

接收模块,用于接收用户问题;

确定问题含义模块,用于对所述用户问题进行自然语言理解处理,得到问题含义;所述问题含义为所述用户问题所包括的含义;

确定目标业务流程模块,用于根据预设映射关系确定所述问题含义对应的目标业务流程;

转移模块,用于根据预设流程转移关系将所述目标业务流程转移到目标默认业务流程;所述预设流程转移关系为预先根据用户和所述智能客服机器人之间的问答样本得到的各业务流程之间的转移关系;所述目标默认业务流程为所述预设流程转移关系中设定的所述目标业务流程的默认下一流程;

其中,所述预设流程转移关系的设置过程包括:

统计用户询问过程中由所述目标业务流程转移至所述目标默认业务流程的概率;

判断所述概率是否大于预设概率阈值;

若是,删除所述目标业务流程至所述目标默认业务流程之间的引导步骤,设定所述目标默认业务流程为所述目标业务流程的默认下一流程,以使所述智能客服机器人引导用户从所述目标业务流程直接跳转至所述目标默认业务流程。

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苏州研途教育科技有限公司,未经苏州研途教育科技有限公司许可,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/202010050433.3/1.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