[發明專利]客服信息推送方法、裝置、計算機設備及存儲介質

有效

• 申請號: 201910115705.0
• 申請日: 2019-02-15
• 公開（公告）號: CN109783632B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 張婧琦;童麗霞
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/9535;G06F40/279
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 張所明

1.一種客服信息推送方法，其特征在于，所述方法包括：

接收終端發送的信息讀取請求，所述信息讀取請求是所述終端接收到展示客服頁面的操作時發送的請求；

獲取第一客服工單，所述第一客服工單是目標用戶賬號對應的客服工單，且所述第一客服工單是已完成的客服工單；所述目標用戶賬號是在所述終端中登錄的用戶賬號；

獲取所述第一客服工單的文本內容，所述第一客服工單的文本內容包含問題描述內容以及對所述問題描述內容的回復內容；

對所述第一客服工單的文本內容進行特征提取，獲得所述第一客服工單的文本特征；

調用第一分類模型對所述第一客服工單的文本特征進行處理，獲得所述第一分類模型輸出的至少一種工單分類；所述第一分類模型是通過第一樣本集訓練獲得的模型，所述第一樣本集包含第一工單樣本的文本特征，以及所述第一工單樣本的工單分類；

根據所述第一分類模型輸出的至少一種工單分類對所述第一客服工單進行歸檔；

獲取第二客服工單的文本特征，所述第二客服工單是通過上述第一分類模型進行分類后存儲的客服工單；

調用第二分類模型對所述第二客服工單的文本特征進行處理，獲得所述第二分類模型輸出的至少一種工單分類；所述第二分類模型是通過第二樣本集訓練獲得的模型，所述第二樣本集包含第二工單樣本的文本特征，以及所述第二工單樣本的工單分類；所述第二工單樣本的工單分類是所述第一工單樣本的工單分類之外的新的工單分類；

根據所述第二分類模型輸出的至少一種工單分類對所述第二客服工單進行歸檔；

當所述第二客服工單歸檔的工單分類是所述新的工單分類時，將所述第二工單樣本的文本特征，以及所述第二工單樣本的工單分類添加入新的訓練樣本；

當所述新的訓練樣本的數量達到預設的數量閾值時，將所述新的訓練樣本添加入所述第一樣本集；

根據添加所述新的訓練樣本之后的所述第一樣本集，對所述第一分類模型進行重新訓練；

在對所述第一客服工單進行歸檔時，獲取所述目標用戶賬號的客服關聯信息；

根據所述信息讀取請求獲取所述目標用戶賬號的預測特征，所述目標用戶賬號的預測特征是對所述目標用戶賬號的客服關聯信息進行特征提取獲得的特征；

調用預測模型對所述目標用戶賬號的預測特征進行處理，獲得所述預測模型輸出的客服信息預測結果；所述預測模型是根據預測樣本集訓練獲得的模型，所述預測樣本集中包含預測特征樣本以及所述預測特征樣本對應的客服信息；

根據所述客服信息預測結果，向所述終端推送至少一條客服信息。

2.根據權利要求1所述的方法，其特征在于，所述客服關聯信息包括以下信息中的至少一種：

對應的用戶賬號的歷史訪問軌跡、對應的用戶賬號的歷史客服記錄、對應的用戶賬號的賬號處理信息以及對應的用戶賬號的用戶屬性信息。

3.根據權利要求1所述的方法，其特征在于，所述根據所述信息讀取請求獲取所述目標用戶賬號的預測特征之前，還包括：

對所述目標用戶賬號的客服關聯信息進行分類提取，獲得文本信息和數據信息；

對所述文本信息進行特征提取，獲得所述目標用戶賬號的客服關聯信息對應的文本特征；

對所述數據信息進行特征提取，獲得所述目標用戶賬號的客服關聯信息對應的數據特征；

將所述文本特征和所述數據特征獲取為所述目標用戶賬號的預測特征。

4.根據權利要求3所述的方法，其特征在于，所述對所述文本信息進行特征提取，獲得所述目標用戶賬號的客服關聯信息對應的文本特征，包括：

將所述文本信息的詞向量提取為所述目標用戶賬號的客服關聯信息對應的文本特征。

5.根據權利要求3所述的方法，其特征在于，所述對所述數據信息進行特征提取，獲得所述目標用戶賬號的客服關聯信息對應的數據特征，包括：

按照所述數據信息中包含的各項特征的特征類型，以及所述各項特征的特征值，對所述各項特征進行過濾，獲得過濾后的至少一項特征；

對過濾后的所述至少一項特征進行統計分析，獲得所述目標用戶賬號的客服關聯信息對應的數據特征；所述統計分析包括離散化、歸一化以及特征組合中的至少一種。