【技术实现步骤摘要】
在线客服会话的控制方法、装置和电子设备
本申请涉及人工智能
,具体而言,涉及一种在线客服会话的控制方法、装置和电子设备。
技术介绍
服务提供系统的在线客服可以为用户提供多种服务,及时地解答用户的疑问,满足用户需求。为了避免某一用户长时间占据在线客服,造成客服资源的浪费,在相关技术中,用户和在线客服会话时,如果用户不再回应,也不主动断开会话,通常会采用超时断开的方式系统自动断开会话,但是该方式可能导致用户的需求没有被解决,另外超时断开的等待时间较长,依然会浪费人工客服的时间,从而减少了人工客服能够服务的用户量,降低了人工客服的工作效率。
技术实现思路
有鉴于此,本申请实施例的目的在于提供一种在线客服会话的控制方法、装置和电子设备,以避免用户问题未解决就断开会话,也可以避免用户问题解决后客服浪费时间等待用户回应,在保证用户体验度的同时提高客服的工作效率。根据本申请的一个方面,提供一种电子设备,可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时,处理器与存储介质之间通过总线通信,处理器执行所述机器可读指令,以执行一个或多个以下操作:一种在线客服会话的控制方法,该方法包括:监听当前在线的客服会话;其中,客服会话为用户与服务提供方间的会话;如果服务提供方发送当前消息后的预设时长内未接收到用户的消息,获取客服会话对应的会话信息;其中,会话信息包括客服会话中的会话内容和/或会话统计参数;将会话信息输入至预先训练完成的概率预测模 ...
【技术保护点】
1.一种在线客服会话的控制方法,其特征在于,所述方法包括:/n监听当前在线的客服会话;其中,所述客服会话为用户与服务提供方间的会话;/n如果所述服务提供方发送当前消息后的预设时长内未接收到所述用户的消息,获取所述客服会话对应的会话信息;其中,所述会话信息包括所述客服会话中的会话内容和/或会话统计参数;/n将所述会话信息输入至预先训练完成的概率预测模型,得到所述客服会话的继续概率;/n基于所述继续概率控制所述客服会话的在线状态。/n
【技术特征摘要】
1.一种在线客服会话的控制方法,其特征在于,所述方法包括:
监听当前在线的客服会话;其中,所述客服会话为用户与服务提供方间的会话;
如果所述服务提供方发送当前消息后的预设时长内未接收到所述用户的消息,获取所述客服会话对应的会话信息;其中,所述会话信息包括所述客服会话中的会话内容和/或会话统计参数;
将所述会话信息输入至预先训练完成的概率预测模型,得到所述客服会话的继续概率;
基于所述继续概率控制所述客服会话的在线状态。
2.根据权利要求1所述的方法,其特征在于,如果所述服务提供方发送当前消息后的预设时长内未接收到所述用户的消息,获取所述客服会话对应的会话信息的步骤,包括:
当所述服务提供方发送当前消息时,启动计时器;所述计时器的计时时长为预设时长;
监听所述计时器的计时时长内是否接收到所述用户的消息;
如果否,获取所述客服会话对应的会话信息。
3.根据权利要求1或2所述的方法,其特征在于,所述会话内容包括:以所述服务提供方的所述当前消息为基准,所述当前消息和所述当前消息之前连续的至少一部分消息;
所述会话统计参数包括:所述客服会话中相邻两消息间的间隔时长、所述当前消息距离当前时间的时长、所述用户的消息数量、所述服务提供方的消息数量中的多种。
4.根据权利要求1所述的方法,其特征在于,所述概率预测模型通过下述方式训练得到:
从预设的会话数据库中提取会话数据;
基于所述会话数据确定多个训练样本;每个所述训练样本包括会话标识,该会话标识对应的会话内容、会话关闭原因以及会话统计参数;
基于所述训练样本训练预设的初始模型,得到概率预测模型;其中,所述初始模型包括:卷积网络、递归网络和损失函数。
5.根据权利要求4所述的方法,其特征在于,基于所述会话数据确定多个训练样本的步骤,包括:
根据提取出的会话数据中的会话标识,将所述会话数据划分为多个;每个会话数据对应一个会话标识;
提取每个所述会话数据包含的会话标识,该会话标识对应的会话内容、会话关闭原因以及会话统计参数,得到每个所述会话数据对应的训练样本。
6.根据权利要求5所述的方法,其特征在于,得到每个所述会话数据对应的训练样本之后,所述方法还包括:
对于每个训练样本,判断该训练样本中是否包含用户的消息和会话服务提供方的消息;
如果否,剔除该训练样本。
7.根据权利要求4所述的方法,其特征在于,基于所述训练样本训练预设的初始模型的步骤,包括:
从多个所述训练样本中确定当前训练样本,将所述当前训练样本的会话内容输入至所述预设的初始模型的卷积网络中,输出所述会话内容对应的特征矩阵;
将所述特征矩阵和所述会话统计参数输入至所述初始模型的递归网络中,输出所述当前训练样本对应的特征值;
将所述特征值输入至所述初始模型的损失函数中,输出所述当前训练样本的会话关闭原因的预测结果;
根据所述当前训练样本的会话关闭原因,以及所述会话关闭原因的预测结果,更新所述初始模型的预测准确率;
基于预设条件判断是否终止训练,其中,所述预设条件包括:所述预测准确率大于或等于预设的准确率阈值,和/或,输入至所述卷积网络的当前训练样本的数量等于预设的迭代次数阈值;
如果否,从多个所述训练样本中确定下一个当前训练样本,继续训练所述卷积网络、所述递归网络和所述损失函数;
如果是,将所述当前训练样本训练后的初始模型作为概率预测模型。
8.根据权利要求7所述的方法,其特征在于,所述卷积网络包括3D卷积神经网络;
将所述当前训练样本的会话内容输入至所述预设的初始模型的卷积网络中,输出所述会话内容对应的特征矩阵的步骤,包括:
通过所述3D卷积神经网络对所述当前训练样本的会话内容进行映射处理,得到所述会话内容对应的特征矩阵。
9.根据权利要求7所述的方法,其特征在于,所述递归网络包括预设层数的门控循环单元网络;预设层数的门控循环单元网络依次连接;所述门控循环单元网络的层数与所述会话内容中的消息的数量相对应;
将所述特征矩阵和所述会话统计参数输入至所述初始模型的递归网络中,输出所述当前训练样本对应的特征值的步骤,包括:
将所述特征矩阵中第一层门控循环单元网络对应的消息的特征矩阵和所述会话内容的会话统计参数输入至所述第一层门控循环单元网络中,得到所述第一层门控循环单元网络的输出结果;
对于除所述第一层门控循环单元网络以外的每层门控循环单元网络,将该层门控循环单元网络的前一层门控循环单元网络的输出结果、该层门控循环单元网络对应的消息的特征矩阵和所述会话内容的会话统计参数输入至该层门控循环单元网络,直至最后一层门控循环单元网络;
将所述最后一层门控循环单元网络的输出结果作为所述当前训练样本对应的特征值。
10.根据权利要求7所述的方法,其特征在于,所述损失函数包括softmax函数;所述当前训练样本对应的特征值的数量为多个;
将所述特征值输入至所述初始模型的损失函数中,输出所述当前训练样本的会话关闭原因的预测结果的步骤,包括:
通过所述softmax函数计算每个所述特征值的指数函数值;
根据每个所述特征值的指数函数值,以及所述当前训练样本的每个所述特征值的指数函数值总和,确定每个所述特征值的概率;
输出每个所述特征值中指定特征值的概率,将所述指定特征值的概率、以及所述指定特征值对应的会话关闭原因确定为所述当前训练样本的会话关闭原因的预测结果。
11.根据权利要求1所述的方法,其特征在于,基于所述继续概率控制所述客服会话的在线状态的步骤,包括:
如果所述继续概率小于预设的概率阈值,断开所述客服会话或指示所述服务提供方断开所述客服会话。
12.根据权利要求1所述的方法,其特征在于,基于所述继续概率控制所述客服会话的在线状态的步骤,包括:
如果所述继续概率等于或高于预设的概率阈值,监听在预设的超时时间阈值内是否接收到所述用户的消息;
如果否,断开所述客服会话或指示所述服务提供方断开所述客服会话。
13.根据权利要求1所述的方法,其特征在于,基于所述继续概率控制所述客服会话的在线状态的步骤,包括:
如果所述继续概率等于或高于预设的概率阈值,监听在预设的超时时间阈值内是否接收到所述用户的消息;
如果否,继续通过所述概率预测模型预测所述客服会话的新继续概率;
当所述新继续概率低于预设的概率阈值时,断开所述客服会话或指示所述服务提供方断开所述客服会话。
14.一种在线客服会话的控制装置,其特征在于,所述装置包括:...
【专利技术属性】
技术研发人员:陈永强,
申请(专利权)人:北京嘀嘀无限科技发展有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。