会话结束预测、在线客服服务的方法、系统、设备及介质技术方案

本发明专利技术公开了一种会话结束预测、在线客服服务的方法、系统、设备及介质，所述会话结束预测方法包括：获取多条历史会话日志数据，每条历史会话日志数据依次包括多个会话语句，多个会话语句包括起始语句和终止语句；从每条历史会话日志数据中提取会话正样本和会话负样本，会话正样本包括所有的会话语句，会话负样本为以起始语句为起点的语句组合，语句组合的终点为除终止语句之外的任一会话语句；将会话正样本和会话负样本作为训练数据输入至线性分类器，训练得到会话结束预测模型；会话结束预测模型用于预测在线客服与用户的任一会话是否结束。本发明专利技术通过对客服与用户聊天过程的会话语句的分析，基于训练模型科学的预测该通会话是否即将结束。

【技术实现步骤摘要】
会话结束预测、在线客服服务的方法、系统、设备及介质
本专利技术属于在线客服通信
，特别涉及一种会话结束预测、在线客服服务的方法、系统、设备及介质。
技术介绍
在互联网领域，采用在线人工客服对用户进行接待，回答用户的咨询问题，帮助用户在整个互联网使用过程中闭环，提升用户的体验。在人工客服接待用户过程中，存在这样一种普遍的现象，用户咨询完自己的问题后，并不会主动关闭聊天窗口，而是直接切换到其他页面，这样客服和用户的连接资源就需要保留一段时间，当用户超过系统预设的等待时间，且没有继续说话时，系统才会主动切断用户与客服的连接，也就是说，在一定时间内该客服没有继续服务于上一个用户，且其他用户无法分配给该客服接待，造成了客服资源的严重浪费。
技术实现思路
本专利技术实施例要解决的技术问题是为了克服现有技术中无法即使预知用户的咨询是否结束造成客服资源的严重浪费的缺陷，提供一种会话结束预测、在线客服服务的方法、系统、设备及介质。本专利技术实施例是通过下述技术方案来解决上述技术问题：一种在线客服的会话结束预测方法，所述会话结束预测方法包括：获取多条历史会话日志数据，每条历史会话日志数据依次包括多个会话语句，所述多个会话语句包括起始语句和终止语句；从所述每条历史会话日志数据中提取会话正样本和会话负样本，所述会话正样本包括所有的会话语句，所述会话负样本为以所述起始语句为起点的语句组合，所述语句组合的终点为除所述终止语句之外的任一会话语句；将所述会话正样本和所述会话负样本作为训练数据输入至线性分类器，训练得到会话结束预测模型；所述会话结束预测模型用于预测在线客服与用户的任一会话是否结束。较佳地，所述将所述会话正样本和所述会话负样本作为训练数据输入至线性分类器，训练得到会话结束预测模型的步骤之前，所述会话结束预测方法还包括：分别对所述会话正样本和所述会话负样本进行分词处理，获得所述会话正样本的词特征和所述会话负样本的词特征；根据所述会话正样本的词特征生成所述会话正样本的第一特征向量；根据所述会话负样本的词特征生成所述会话负样本的第二特征向量；所述将所述会话正样本和所述会话负样本作为训练数据输入至线性分类器，训练得到会话结束预测模型的步骤具体包括：将所述第一特征向量和所述第二特征向量作为所述训练数据输入至线性分类器得到所述会话结束预测模型。较佳地，所述每条历史会话日志数据还包括每个会话语句的会话时刻，所述分别对所述会话正样本和所述会话负样本进行分词处理，获得对应的特征词的步骤之后，所述会话结束预测方法还包括：根据所述会话时刻获取所述历史会话日志数据的时间特征，所述时间特征包括用户相邻两个会话语句之间的时间间隔、在线客服相邻两个会话语句之间的时间间隔和会话总时长；分别获取所述会话正样本和所述会话负样本的数量特征，所述数量特征包括会话正样本包含的会话语句的数量和词特征数量、会话负样本包含的会话语句的数量和词特征数量；所述将所述第一特征向量和所述第二特征向量作为所述训练数据输入至线性分类器得到所述会话结束预测模型的步骤具体包括：将所述第一特征向量、所述第二特征向量、所述时间特征和所述数量特征作为所述训练数据输入至线性分类器得到所述会话结束预测模型。较佳地，所述将所述第一特征向量、所述第二特征向量、所述时间特征和所述数量特征作为所述训练数据输入至线性分类器得到所述会话结束预测模型的步骤之前，所述会话结束预测方法还包括：对所述时间特征和所述数量特征进行归一化处理；所述将所述第一特征向量、所述第二特征向量、所述时间特征和所述数量特征作为所述训练数据输入至线性分类器得到所述会话结束预测模型的步骤中，使用归一化后的时间特征和归一化后的数量特征进行训练。较佳地，所述线性分类器使用感知机模型、LDA(线性判别分析)模型、logistic(逻辑)回归模型和SVM(支持向量机)模型中的至少一个模型进行训练。一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的在线客服的会话结束预测方法。一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的在线客服的会话结束预测方法的步骤。一种在线客服服务方法，所述在线客服服务方法包括：实时获取在线客服与当前用户在当前会话中的目标会话语句和每个目标会话语句的目标会话时刻；利用上述的在线客服的会话结束预测方法得到会话结束预测模型；将所述目标会话语句和所述目标会话时刻输入所述会话结束预测模型；输出所述当前会话是否结束的目标概率值；判断所述目标概率值是否大于预设阈值，若是，则结束与所述当前用户的当前会话。一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的在线客服服务方法。一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的在线客服服务方法的步骤。一种在线客服的会话结束预测系统，所述会话结束预测系统包括历史数据获取模块、样本提取模块和训练模块；所述历史数据获取模块用于获取多条历史会话日志数据，每条历史会话日志数据依次包括多个会话语句，所述多个会话语句包括起始语句和终止语句；所述样本提取模块用于从所述每条历史会话日志数据中提取会话正样本和会话负样本，所述会话正样本包括所有的会话语句，所述会话负样本为以所述起始语句为起点的语句组合，所述语句组合的终点为除所述终止语句之外的任一会话语句；所述训练模块用于将所述会话正样本和所述会话负样本作为训练数据输入至线性分类器，训练得到会话结束预测模型；所述会话结束预测模型用于预测在线客服与用户的任一会话是否结束。较佳地，所述会话结束预测系统还包括分词模块和特征向量生成模块；所述分词模块用于分别对所述会话正样本和所述会话负样本进行分词处理，获得所述会话正样本的词特征和所述会话负样本的词特征；所述特征向量生成模块用于根据所述会话正样本的词特征生成所述会话正样本的第一特征向量，还用于根据所述会话负样本的词特征生成所述会话负样本的第二特征向量；所述训练模块用于将所述第一特征向量和所述第二特征向量作为所述训练数据输入至线性分类器得到所述会话结束预测模型。较佳地，所述每条历史会话日志数据还包括每个会话语句的会话时刻，所述会话结束预测系统还包括时间特征获取模块和数量特征获取模块；所述时间特征获取模块用于根据所述会话时刻获取所述历史会话日志数据的时间特征，所述时间特征包括用户相邻两个会话语句之间的时间间隔、在线客服相邻两个会话语句之间的时间间隔和会话总时长；所述数量特征获取模块用于分别获取所述会话正样本和所述会话负样本的数量特征，所述数量特征包括会话正样本包含的会话语句的数量和词特征数量、会话负样本包含的会话语句的数本文档来自技高网...

【技术保护点】
1.一种在线客服的会话结束预测方法，其特征在于，所述会话结束预测方法包括：/n获取多条历史会话日志数据，每条历史会话日志数据依次包括多个会话语句，所述多个会话语句包括起始语句和终止语句；/n从所述每条历史会话日志数据中提取会话正样本和会话负样本，所述会话正样本包括所有的会话语句，所述会话负样本为以所述起始语句为起点的语句组合，所述语句组合的终点为除所述终止语句之外的任一会话语句；/n将所述会话正样本和所述会话负样本作为训练数据输入至线性分类器，训练得到会话结束预测模型；/n所述会话结束预测模型用于预测在线客服与用户的任一会话是否结束。/n

【技术特征摘要】
1.一种在线客服的会话结束预测方法，其特征在于，所述会话结束预测方法包括：
获取多条历史会话日志数据，每条历史会话日志数据依次包括多个会话语句，所述多个会话语句包括起始语句和终止语句；
从所述每条历史会话日志数据中提取会话正样本和会话负样本，所述会话正样本包括所有的会话语句，所述会话负样本为以所述起始语句为起点的语句组合，所述语句组合的终点为除所述终止语句之外的任一会话语句；
将所述会话正样本和所述会话负样本作为训练数据输入至线性分类器，训练得到会话结束预测模型；
所述会话结束预测模型用于预测在线客服与用户的任一会话是否结束。


2.如权利要求1所述的在线客服的会话结束预测方法，其特征在于，所述将所述会话正样本和所述会话负样本作为训练数据输入至线性分类器，训练得到会话结束预测模型的步骤之前，所述会话结束预测方法还包括：
分别对所述会话正样本和所述会话负样本进行分词处理，获得所述会话正样本的词特征和所述会话负样本的词特征；
根据所述会话正样本的词特征生成所述会话正样本的第一特征向量；
根据所述会话负样本的词特征生成所述会话负样本的第二特征向量；
所述将所述会话正样本和所述会话负样本作为训练数据输入至线性分类器，训练得到会话结束预测模型的步骤具体包括：
将所述第一特征向量和所述第二特征向量作为所述训练数据输入至线性分类器得到所述会话结束预测模型。


3.如权利要求2所述的在线客服的会话结束预测方法，其特征在于，所述每条历史会话日志数据还包括每个会话语句的会话时刻，所述分别对所述会话正样本和所述会话负样本进行分词处理，获得对应的特征词的步骤之后，所述会话结束预测方法还包括：
根据所述会话时刻获取所述历史会话日志数据的时间特征，所述时间特征包括用户相邻两个会话语句之间的时间间隔、在线客服相邻两个会话语句之间的时间间隔和会话总时长；
分别获取所述会话正样本和所述会话负样本的数量特征，所述数量特征包括会话正样本包含的会话语句的数量和词特征数量、会话负样本包含的会话语句的数量和词特征数量；
所述将所述第一特征向量和所述第二特征向量作为所述训练数据输入至线性分类器得到所述会话结束预测模型的步骤具体包括：
将所述第一特征向量、所述第二特征向量、所述时间特征和所述数量特征作为所述训练数据输入至线性分类器得到所述会话结束预测模型。


4.如权利要求3所述的在线客服的会话结束预测方法，其特征在于，所述将所述第一特征向量、所述第二特征向量、所述时间特征和所述数量特征作为所述训练数据输入至线性分类器得到所述会话结束预测模型的步骤之前，所述会话结束预测方法还包括：
对所述时间特征和所述数量特征进行归一化处理；
所述将所述第一特征向量、所述第二特征向量、所述时间特征和所述数量特征作为所述训练数据输入至线性分类器得到所述会话结束预测模型的步骤中，使用归一化后的时间特征和归一化后的数量特征进行训练。


5.如权利要求1-4中任意一项所述的在线客服的会话结束预测方法，其特征在于，所述线性分类器使用感知机模型、LDA模型、logistic回归模型和SVM模型中的至少一个模型进行训练。


6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的在线客服的会话结束预测方法。


7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至5任一项所述的在线客服的会话结束预测方法的步骤。


8.一种在线客服服务方法，其特征在于，所述在线客服服务方法包括：
实时获取在线客服与当前用户在当前会话中的目标会话语句和每个目标会话语句的目标会话时刻；
利用如权利要求1-5中任意一项所述的在线客服的会话结束预测方法得到会话结束预测模型；
将所述目标会话语句和所述目标会话时刻输入所述会话结束预测模型；
输出所...

【专利技术属性】
技术研发人员：邹波，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11