[发明专利]智能客服处理方法和系统及设备在审

专利信息
申请号: 202010798753.7 申请日: 2020-08-11
公开(公告)号: CN111782793A 公开(公告)日: 2020-10-16
发明(设计)人: 黄石磊;张剑 申请(专利权)人: 深圳市北科瑞声科技股份有限公司
主分类号: G06F16/332 分类号: G06F16/332;G06F16/33;G06F16/35;G06F40/289;G06F40/35;G06F16/27;G06K9/62
代理公司: 深圳市万商天勤知识产权事务所(普通合伙) 44279 代理人: 罗建平
地址: 518000 广东省深圳市南山区*** 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: 智能 客服 处理 方法 系统 设备
【权利要求书】:

1.一种智能客服处理方法,其特征在于,包括:

获取智能客服系统中的多轮对话内容,根据多轮对话内容进行模型训练,构建上文语境的多类别标签分类模型,其中每一标签类对应到一个回复项;

将用户输入的请求内容送入多类别标签分类模型进行分类,按照分类的标签输出对应的回复项。

2.根据权利要求1所述的方法,其特征在于,所述根据多轮对话内容进行模型训练,构建上文语境的多类别标签分类模型,包括:

从智能客服系统中获取多轮对话内容;

将获取的多轮对话内容与上文内容进行关联,对关联后的文本数据进行标注,标注的类别包括闲聊、业务和投诉,其中业务类别进一步进行类别标注,业务的每个类别对应到一个回复项;

对已经标注的文本数据进行预处理,所述预处理包括数据清洗和分词处理,将预处理后的文本数据分为训练集和测试集;

对训练集的文本数据进行文本特征提取;

采用提取的文本特征对分类模型进行训练,得到上文语境的多类别标签分类模型。

3.根据权利要求1所述的方法,其特征在于,所述将用户输入的请求内容送入多类别标签分类模型进行分类,按照分类的标签输出对应的回复项,包括:

接收用户当前输入的请求内容;

将用户当前输入的请求内容与上文内容进行关联,生成输入数据;

对生成的输入数据进行预处理,所述预处理包括数据清洗和分词处理;

对预处理后的输入数据进行文本特征提取;

将提取的文本特征送入多类别标签分类模型进行分类,按照分类的标签输出对应的回复项。

4.一种智能客服系统,其特征在于,包括:

分类模块,用于获取智能客服系统中的多轮对话内容,根据多轮对话内容进行模型训练,构建上文语境的多类别标签分类模型,其中每一标签类对应到一个回复项;

回复模块,用于将用户输入的请求内容送入多类别标签分类模型进行分类,按照分类的标签输出对应的回复项。

5.根据权利要求4所述的系统,其特征在于,所述分类模块包括:

获取单元,用于从智能客服系统中获取多轮对话内容,存入数据库;

标注单元,用于多轮对话内容与上文内容进行关联,对关联后的文本数据进行标注,标注的类别包括闲聊、业务和投诉,其中业务类别进一步进行类别标注,业务的每个类别对应到一个回复项,将已经标注的文本数据存入数据库;

预处理单元,用于对已经标注的文本数据进行预处理,所述预处理包括数据清洗和分词处理,将预处理后的文本数据分为训练集和测试集;

文本特征提取单元,用于对训练集的文本数据进行文本特征提取;

模型构建单元,用于采用提取的文本特征对分类模型进行训练,得到上文语境的多类别标签分类模型。

6.根据权利要求4所述的系统,其特征在于,所述回复模块包括:

接收单元,用于接收用户当前输入的请求内容;

关联单元,用于将用户当前输入的请求问题与上文内容进行关联,生成输入数据;

预处理单元,用于对生成的输入数据进行预处理,所述预处理包括数据清洗和分词处理;

文本特征提取单元,用于对预处理后的输入数据进行文本特征提取;

输出单元,用于将提取的文本特征送入多类别标签分类模型进行分类,按照分类的标签输出对应的回复项。

7.一种计算机设备,包括处理器和存储器,所述存储器中存储有程序,所述程序包括计算机执行指令,当所述计算机设备运行时,所述处理器执行所述存储器存储的所述计算机执行指令,以使所述计算机设备执行如权利要求1-3中任一项所述的智能客服处理方法。

8.一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括计算机执行指令,所述计算机执行指令当被计算机设备执行时,使所述计算机设备执行如权利要求1-3中任一项所述的智能客服处理方法。

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市北科瑞声科技股份有限公司,未经深圳市北科瑞声科技股份有限公司许可,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/202010798753.7/1.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