[發(fā)明專利]會話結(jié)束預(yù)測、在線客服服務(wù)的方法、系統(tǒng)、設(shè)備及介質(zhì)在審
| 申請?zhí)枺?/td> | 201910016629.8 | 申請日: | 2019-01-08 |
| 公開(公告)號: | CN111416728A | 公開(公告)日: | 2020-07-14 |
| 發(fā)明(設(shè)計)人: | 鄒波 | 申請(專利權(quán))人: | 北京京東尚科信息技術(shù)有限公司;北京京東世紀貿(mào)易有限公司 |
| 主分類號: | H04L12/24 | 分類號: | H04L12/24;H04L29/08;G10L15/08;G10L15/18;G10L15/06 |
| 代理公司: | 上海弼興律師事務(wù)所 31283 | 代理人: | 薛琦;羅朗 |
| 地址: | 100086 *** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 會話 結(jié)束 預(yù)測 在線 客服 服務(wù) 方法 系統(tǒng) 設(shè)備 介質(zhì) | ||
1.一種在線客服的會話結(jié)束預(yù)測方法,其特征在于,所述會話結(jié)束預(yù)測方法包括:
獲取多條歷史會話日志數(shù)據(jù),每條歷史會話日志數(shù)據(jù)依次包括多個會話語句,所述多個會話語句包括起始語句和終止語句;
從所述每條歷史會話日志數(shù)據(jù)中提取會話正樣本和會話負樣本,所述會話正樣本包括所有的會話語句,所述會話負樣本為以所述起始語句為起點的語句組合,所述語句組合的終點為除所述終止語句之外的任一會話語句;
將所述會話正樣本和所述會話負樣本作為訓練數(shù)據(jù)輸入至線性分類器,訓練得到會話結(jié)束預(yù)測模型;
所述會話結(jié)束預(yù)測模型用于預(yù)測在線客服與用戶的任一會話是否結(jié)束。
2.如權(quán)利要求1所述的在線客服的會話結(jié)束預(yù)測方法,其特征在于,所述將所述會話正樣本和所述會話負樣本作為訓練數(shù)據(jù)輸入至線性分類器,訓練得到會話結(jié)束預(yù)測模型的步驟之前,所述會話結(jié)束預(yù)測方法還包括:
分別對所述會話正樣本和所述會話負樣本進行分詞處理,獲得所述會話正樣本的詞特征和所述會話負樣本的詞特征;
根據(jù)所述會話正樣本的詞特征生成所述會話正樣本的第一特征向量;
根據(jù)所述會話負樣本的詞特征生成所述會話負樣本的第二特征向量;
所述將所述會話正樣本和所述會話負樣本作為訓練數(shù)據(jù)輸入至線性分類器,訓練得到會話結(jié)束預(yù)測模型的步驟具體包括:
將所述第一特征向量和所述第二特征向量作為所述訓練數(shù)據(jù)輸入至線性分類器得到所述會話結(jié)束預(yù)測模型。
3.如權(quán)利要求2所述的在線客服的會話結(jié)束預(yù)測方法,其特征在于,所述每條歷史會話日志數(shù)據(jù)還包括每個會話語句的會話時刻,所述分別對所述會話正樣本和所述會話負樣本進行分詞處理,獲得對應(yīng)的特征詞的步驟之后,所述會話結(jié)束預(yù)測方法還包括:
根據(jù)所述會話時刻獲取所述歷史會話日志數(shù)據(jù)的時間特征,所述時間特征包括用戶相鄰兩個會話語句之間的時間間隔、在線客服相鄰兩個會話語句之間的時間間隔和會話總時長;
分別獲取所述會話正樣本和所述會話負樣本的數(shù)量特征,所述數(shù)量特征包括會話正樣本包含的會話語句的數(shù)量和詞特征數(shù)量、會話負樣本包含的會話語句的數(shù)量和詞特征數(shù)量;
所述將所述第一特征向量和所述第二特征向量作為所述訓練數(shù)據(jù)輸入至線性分類器得到所述會話結(jié)束預(yù)測模型的步驟具體包括:
將所述第一特征向量、所述第二特征向量、所述時間特征和所述數(shù)量特征作為所述訓練數(shù)據(jù)輸入至線性分類器得到所述會話結(jié)束預(yù)測模型。
4.如權(quán)利要求3所述的在線客服的會話結(jié)束預(yù)測方法,其特征在于,所述將所述第一特征向量、所述第二特征向量、所述時間特征和所述數(shù)量特征作為所述訓練數(shù)據(jù)輸入至線性分類器得到所述會話結(jié)束預(yù)測模型的步驟之前,所述會話結(jié)束預(yù)測方法還包括:
對所述時間特征和所述數(shù)量特征進行歸一化處理;
所述將所述第一特征向量、所述第二特征向量、所述時間特征和所述數(shù)量特征作為所述訓練數(shù)據(jù)輸入至線性分類器得到所述會話結(jié)束預(yù)測模型的步驟中,使用歸一化后的時間特征和歸一化后的數(shù)量特征進行訓練。
5.如權(quán)利要求1-4中任意一項所述的在線客服的會話結(jié)束預(yù)測方法,其特征在于,所述線性分類器使用感知機模型、LDA模型、logistic回歸模型和SVM模型中的至少一個模型進行訓練。
6.一種電子設(shè)備,包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序,其特征在于,所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至5任一項所述的在線客服的會話結(jié)束預(yù)測方法。
7.一種計算機可讀存儲介質(zhì),其上存儲有計算機程序,其特征在于,所述程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至5任一項所述的在線客服的會話結(jié)束預(yù)測方法的步驟。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京京東尚科信息技術(shù)有限公司;北京京東世紀貿(mào)易有限公司,未經(jīng)北京京東尚科信息技術(shù)有限公司;北京京東世紀貿(mào)易有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910016629.8/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種會話轉(zhuǎn)換的方法及裝置
- 一種人工智能應(yīng)答系統(tǒng)的測試方法及系統(tǒng)
- 一種會話處理的方法及服務(wù)器
- 會話請求發(fā)送方法、裝置、電子設(shè)備和存儲介質(zhì)
- 提供自適應(yīng)會話系統(tǒng)的計算機實現(xiàn)方法和自適應(yīng)會話系統(tǒng)
- 一種網(wǎng)絡(luò)通信會話聚合的方法
- 會話處理方法、裝置、電子設(shè)備
- 用于會話重建或共享的方法、裝置及系統(tǒng)
- 用于輔助實現(xiàn)會話的方法、裝置、介質(zhì)以及電子設(shè)備
- 會話展示方法、裝置、計算機設(shè)備和存儲介質(zhì)
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法、程序以及記錄介質(zhì)
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 基于時間序列預(yù)測模型適用性量化的預(yù)測模型選擇方法
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 分類預(yù)測方法及裝置、預(yù)測模型訓練方法及裝置
- 幀內(nèi)預(yù)測的方法及裝置
- 圖像預(yù)測方法及裝置、電子設(shè)備和存儲介質(zhì)
- 文本預(yù)測方法、裝置以及電子設(shè)備
- 模型融合方法、預(yù)測方法、裝置、設(shè)備及存儲介質(zhì)





