机器人客服转人工客服的方法和装置制造方法及图纸

本说明书提供一种机器人客服转人工客服的方法，包括：从机器人客服与用户的至少一轮会话中获取会话特征；获取用户的状态特征；将所述会话特征和状态特征输入信心分评估模型，得到当前信心分评估值；所述信心分评估模型为机器学习模型，采用标记有出人工点的机器人客户与用户的会话样本、以及用户的状态特征样本进行训练；在当前信心分评估值满足预定出人工条件时，将用户转接人工客服。

The method and device of robot customer service transfer to artificial service

The specification provides a method for a robot customer service transfer to an artificial customer service, including: obtaining the session features from a robot customer service and at least one round of the user's session; obtaining the user's state characteristics; input the session features and state features into the confidence assessment model to obtain the current confidence assessment value; the confidence evaluation is evaluated. The model is a machine learning model, which is trained by the sample of the user and the user's session and the sample of the user's status, and the user is transferred to the artificial customer service when the current confidence evaluation value satisfies the predetermined manual condition.

【技术实现步骤摘要】
机器人客服转人工客服的方法和装置
本说明书涉及数据处理
，尤其涉及一种机器人客服转人工客服的方法和装置。
技术介绍
随着互联网的发展，基于人工智能技术的虚拟机器人在企业用户服务领域的应用越来越广泛。机器人客服不需要休息，可以更加快速和标准化的响应用户的问题，以语音对话或文字聊天的形式与用户进行沟通，将人工客服从大量重复性问答中解放出来。对一些非常规的用户问题，机器人客服往往难以给出令用户满意的答复。目前客服中心最为常用的架构是机器人客服与人工客服并存，缺省由机器人客服先接待用户，当机器人客服不解决用户的问题时，转接人工客服。出人工点(即以人工客服代替机器人客服为用户服务的时点)是否适当对客服中心的运营效率和用户的满意度都有重要的影响。
技术实现思路
有鉴于此，本说明书提供一种机器人客服转人工客服的方法，包括：从机器人客服与用户的至少一轮会话中获取会话特征；获取用户的状态特征；将所述会话特征和状态特征输入信心分评估模型，得到当前信心分评估值；所述信心分评估模型为机器学习模型，采用标记有出人工点的机器人客户与用户的会话样本、以及用户的状态特征样本进行训练；在当前信心分评估值满足预定出人工条件时，将用户转接人工客服。本说明书还提供了一种机器人客服转人工客服的装置，包括：会话特征获取单元，用于从机器人客服与用户的至少一轮会话中获取会话特征；状态特征获取单元，用于获取用户的状态特征；信心分评估单元，用于将所述会话特征和状态特征输入信心分评估模型，得到当前信心分评估值；所述信心分评估模型为机器学习模型，采用标记有出人工点的机器人客户与用户的会话样本、以及用户的状态特征样本进行训练；转接判断单元，用于在当前信心分评估值满足预定出人工条件时，将用户转接人工客服。本说明书提供的一种计算机设备，包括：存储器和处理器；所述存储器上存储有可由处理器运行的计算机程序；所述处理器运行所述计算机程序时，执行上述机器人客服转人工客服的方法所述的步骤。本说明书提供的一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，执行上述机器人客服转人工客服的方法所述的步骤。由以上技术方案可见，本说明书的实施例中，以从机器人与用户的会话中获取的会话特征和用户的状态特征作为信心分评估机器学习模型的输入，得到当前信心分评估值，并根据当前信心分评估值来判断是否需要转接人工客服，由于用户的状态特征常常能够体现其具体需求和迫切程度，应用本说明书的实施例后可以提高出人工点的准确性，在提升客服中心服务效率的同时使用户对服务更加满意。附图说明图1是本说明书实施例中一种机器人客服转人工客服的方法的流程图；图2是本说明书应用示例中一种WideandDeep模型的结构示意图；图3是本说明书应用示例中一次客户服务的处理流程图；图4是运行本说明书实施例的设备的一种硬件结构图；图5是本说明书实施例中一种机器人客服转人工客服的装置的逻辑结构图。具体实施方式在用户接受机器人客服服务的过程中，用户与机器人客服的交互过程能够体现机器人客服的服务效果。例如，如果用户在交互中重复着同样的问题，或者表达了不满情绪，通常意味着机器人客服对用户问题的解决能力欠佳，需要人工客服处理。因此，用户与机器人客服的会话通常会被用来作为判断是否需要转接人工客服的依据。另一方面，用户的自身因素也会影响对人工客户的需求程度。例如，账户被盗的用户通常都有较强的人工客服需求，而查询账单的用户一般有更好的耐心与机器人客户沟通。此外，不同年龄、职业、教育背景的用户，对机器人客服的接受度也不尽相同，青年用户能较快理解机器人客服的回答，而老年用户常常需要人工客服的详细指导。本说明书的实施例提出一种新的机器人客服转人工客服的方法，采用用户的状态特征来描述用户的自身因素，利用以机器人客服与用户会话中提取的会话特征和用户的状态特征训练完成的信心分评估模型，得到当前信心分评估值，在当前信心分评估值满足预定出人工条件时转接人工客服，由于信心分评估模型不仅基于机器人客服与用户的会话过程，并且基于用户状态特征体现的用户对人工客服的需求程度和迫切程度来给出当前信心分评估值，本说明书的实施例能够对出人工点给出更加准确的判断，不仅能够提高客服中心的服务效率，而且还能够提高用户对服务的满意程度。本说明书的实施例可以运行在任何具有计算和存储能力的设备上，如手机、平板电脑、PC(PersonalComputer，个人电脑)、笔记本、服务器等设备；还可以由运行在两个或两个以上设备的逻辑节点来实现本说明书实施例中的各项功能。本说明书的实施例中，采用从机器人客服与用户的会话中提取的会话特征、和用户的状态特征来建立机器学习模型，本说明书中称之为信心分评估模型。其中，从机器人客服与用户的会话中提取的会话特征可以是以机器人客服与用户的会话为基础，采用NLP(NaturalLanguageProcessing，自然语言处理)方法能够获取的任何特征，即NLP特征。具体而言，可以是用户提问与机器人回答的关联度、问答轮数、答案类型(机器人客服的答案是陈述还是提问、答案是具体问题的答案还是兜底答案等等)、答案重复次数、用户是否提出换人工、用户是否在解释自己的问题等特征中的任意个数。会话特征的确定和从会话中获取会话特征的具体方式均可参照现有技术实现，不再赘述。除与机器人客服的会话以外，其他能够体现用户当前对人工客服的需求程度以及解决问题的迫切程度的用户信息都可以用来作为用户的状态特征，本说明书的实施例对具体的状态特征以及状态特征的数量均不做限定。以下举例说明。第一个例子：用户的行为记录特征。用户的行为记录特征包括用户在预定时间段内对客服中心咨询服务范围内所有产品的访问记录、和/或功能使用记录等。例如，可以是过去72小时内在某个App(应用程序)内打开哪些页面、进行哪些功能操作等。用户的行为记录特征反映了短期内用户对被咨询产品的使用情况；如果某个用户在该时间段内频繁使用客服功能，并且查询了同一个知识点，那么该用户很可能遇到了机器人客服解决不了的问题，需要人工服务；如果某个用户尝试了某个功能操作很多遍，该用户对人工客服有的需求往往更为迫切。第二个例子：用户的业务状态特征。用户的业务状态特征体现了用户在被咨询产品上所开设账户的信息，可以包括用户账户的业务开通状态、账户认证状态、账户登录状态、和/或账户异常状态等。用户的业务状态特征常常能够体现用户解决问题的迫切程度，如果用户账户处在“被冻结”(一种账户异常状态)、“异地登录”(一种账户登录状态)等状态时，用户很可能遇到了被盗被骗等问题，对人工客服会有很迫切的需求。第三个例子：用户的身份信息特征。用户的身份信息特征是用户作为自然人的信息，可以包括用户的性别、年龄、常驻地域、和/或教育程度等。不同身份信息特征的用户对机器人客服的接受程度通常不同，如年轻的用户、教育程度高的用户更习惯机器人客服的问答模式，年长的用户、教育程度较低的用户对人工客服更加偏爱。如前所述，信心分评估模型的输入包括从机器人客服与用户的会话中获取会话特征、以及用户的状态特征，其输出包括信心分评估值。信心分评估模型采用标记有出人工点的机器人客户与用户的会话样本、以及用户的状态特征样本进行训练，其中，出人工点是在与用户的会话过本文档来自技高网...

【技术保护点】
1.一种机器人客服转人工客服的方法，包括：从机器人客服与用户的至少一轮会话中获取会话特征；获取用户的状态特征；将所述会话特征和状态特征输入信心分评估模型，得到当前信心分评估值；所述信心分评估模型为机器学习模型，采用标记有出人工点的机器人客户与用户的会话样本、以及用户的状态特征样本进行训练；在当前信心分评估值满足预定出人工条件时，将用户转接人工客服。

【技术特征摘要】
1.一种机器人客服转人工客服的方法，包括：从机器人客服与用户的至少一轮会话中获取会话特征；获取用户的状态特征；将所述会话特征和状态特征输入信心分评估模型，得到当前信心分评估值；所述信心分评估模型为机器学习模型，采用标记有出人工点的机器人客户与用户的会话样本、以及用户的状态特征样本进行训练；在当前信心分评估值满足预定出人工条件时，将用户转接人工客服。2.根据权利要求1所述的方法，所述信心分评估模型为深度和广度WideandDeep模型，所述WideandDeep模型包括线性子模型和深度神经网络子模型，以会话特征作为线性子模型的输入，以状态特征作为深度神经网络子模型的输入。3.根据权利要求2所述的方法，所述状态特征包括以下至少一项：用户的行为记录特征、业务状态特征和身份信息特征；所述深度神经网络子模型采用Dense紧密神经层处理业务状态特征，采用Dense神经层处理身份信息特征，采用长短期记忆网络LSTM神经层处理行为记录特征。4.根据权利要求1所述的方法，所述会话特征为自然语言处理NLP特征，包括以下的一项到多项：用户提问与机器人回答的关联度、问答轮数、答案类型。5.根据权利要求1所述的方法，所述状态特征包括以下至少一项：用户的行为记录特征、业务状态特征和身份信息特征；所述行为记录特征包括以下至少一项：用户在预定时间段内的访问记录、操作记录；所述业务状态特征包括以下至少一项：用户账户的业务开通状态、账户认证状态、账户登录状态、账户异常状态；所述身份信息特征包括以下至少一项：用户的性别、年龄、常驻地域。6.根据权利要求1所述的方法，所述信心分评估模型包括：基于支持向量机的机器学习模型、基于树型的机器学习模型、线性模型、神经网络模型。7.根据权利要求1所述的方法，所述预定出人工条件包括：当前信心分评估值大于或小于预定信心分阈值。8.一种机器人客服转人工客服的装置，包括：会话特征获取单元，用于从机器人客服与用户的至少一轮会话中获取会话特征；状态特征获取单元，用于获取用户的状态特征；信心分评估单元，用于将所述会话特征...

【专利技术属性】
技术研发人员：杨明晖，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY