[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(jì)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

本發(fā)明公開了一種會話結(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)，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，多個會話語句包括起始語句和終止語句；從每條歷史會話日志數(shù)據(jù)中提取會話正樣本和會話負(fù)樣本，會話正樣本包括所有的會話語句，會話負(fù)樣本為以起始語句為起點的語句組合，語句組合的終點為除終止語句之外的任一會話語句；將會話正樣本和會話負(fù)樣本作為訓(xùn)練數(shù)據(jù)輸入至線性分類器，訓(xùn)練得到會話結(jié)束預(yù)測模型；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。本發(fā)明通過對客服與用戶聊天過程的會話語句的分析，基于訓(xùn)練模型科學(xué)的預(yù)測該通會話是否即將結(jié)束。

技術(shù)領(lǐng)域

本發(fā)明屬于在線客服通信技術(shù)領(lǐng)域，特別涉及一種會話結(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)。

背景技術(shù)

在互聯(lián)網(wǎng)領(lǐng)域，采用在線人工客服對用戶進(jìn)行接待，回答用戶的咨詢問題，幫助用戶在整個互聯(lián)網(wǎng)使用過程中閉環(huán)，提升用戶的體驗。

在人工客服接待用戶過程中，存在這樣一種普遍的現(xiàn)象，用戶咨詢完自己的問題后，并不會主動關(guān)閉聊天窗口，而是直接切換到其他頁面，這樣客服和用戶的連接資源就需要保留一段時間，當(dāng)用戶超過系統(tǒng)預(yù)設(shè)的等待時間，且沒有繼續(xù)說話時，系統(tǒng)才會主動切斷用戶與客服的連接，也就是說，在一定時間內(nèi)該客服沒有繼續(xù)服務(wù)于上一個用戶，且其他用戶無法分配給該客服接待，造成了客服資源的嚴(yán)重浪費。

發(fā)明內(nèi)容

本發(fā)明實施例要解決的技術(shù)問題是為了克服現(xiàn)有技術(shù)中無法即使預(yù)知用戶的咨詢是否結(jié)束造成客服資源的嚴(yán)重浪費的缺陷，提供一種會話結(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)。

本發(fā)明實施例是通過下述技術(shù)方案來解決上述技術(shù)問題：

一種在線客服的會話結(jié)束預(yù)測方法，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(fù)樣本，所述會話正樣本包括所有的會話語句，所述會話負(fù)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(fù)樣本作為訓(xùn)練數(shù)據(jù)輸入至線性分類器，訓(xùn)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。

較佳地，所述將所述會話正樣本和所述會話負(fù)樣本作為訓(xùn)練數(shù)據(jù)輸入至線性分類器，訓(xùn)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(fù)樣本進(jìn)行分詞處理，獲得所述會話正樣本的詞特征和所述會話負(fù)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(fù)樣本的詞特征生成所述會話負(fù)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(fù)樣本作為訓(xùn)練數(shù)據(jù)輸入至線性分類器，訓(xùn)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(xùn)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。

較佳地，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(fù)樣本進(jìn)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；