【技术实现步骤摘要】
经由聊天机器人促进关于产品支持问题的故障排除对话
技术介绍
[0001]聊天机器人是一种可以通常经由文本或话音与之通信的程序。聊天机器人可以使用人工智能(AI)和自然语言处理(NLP)来了解人类需求并且提供交互式指导。技术和机器学习的最新发展让聊天机器人在解释自然语言方面具有更强大的能力,既可以更好地理解,又可以随着时间的推移学习。
附图说明
[0002]在附图的各个图中,通过示例的方式而非限制的方式对本文所描述的实施例进行了说明,在附图中,相似的附图标记指代相似的元件。
[0003]图1示出了概念性地图示根据示例实施例的聊天机器人环境内的高级交互的框图。
[0004]图2示出了图示根据示例实施例的工作流程和集成的框图。
[0005]图3示出了图示根据示例实施例的架构的框图。
[0006]图4示出了图示根据示例实施例的监督学习处理的流程图。
[0007]图5示出了图示根据示例实施例的分类模型的实时应用的流程图。
[0008]图6示出了图示根据示例实施例的周期性分类模型和解决工作流程评价的流程图。
[0009]图7示出了根据示例实施例的计算机系统的框图。
[0010]图8示出了根据另一示例实施例的计算机系统的框图。
具体实施方式
[0011]本文中所描述的实施例大体上涉及分类模型的训练及其通过聊天机器人来标识客户指定的产品支持问题并且为其提供合适的故障排除指导的用途。阐述了许多具体细节,以便提供对示例性实施例的透彻理解。然而,对于本领域技术人员而言将 ...
【技术保护点】
【技术特征摘要】
1.一种系统,包括:处理资源;以及非暂态计算机可读介质,耦接到所述处理资源,其中存储有指令,所述指令在由所述处理资源执行时,使所述系统:经由聊天机器人,从用户接收产品支持案例的自由文本输入,其中,所述自由文本输入描述与供应商的产品线相关联的问题;通过使用与所述产品线相对应的多个词关联模型中的词关联模型对所述自由文本输入的至少一部分进行令牌化和矢量化,来创建所述问题的矢量表示,其中,所述多个词关联模型中的每个词关联模型基于与针对所述供应商的多个产品线中的相应产品线的多个所支持的问题类别有关的历史支持案例集合,所述历史支持案例能够被远程解决并且满足预定义的临界性阈值;通过将中间分类模型应用于所述矢量表示,来确定所述问题是否与针对所述产品线的所述多个所支持的问题类别内的类别相匹配;以及响应于肯定性确定,启动经由所述聊天机器人的与所述用户的自动化交互式会话式故障排除对话,所述自动化交互式会话式故障排除对话基于针对所述产品线内的所述类别的决策树来指导。2.根据权利要求1所述的系统,其中,所述指令还使所述系统:响应于否定性确定,将所述产品支持案例逐步升级到人工代理。3.根据权利要求1所述的系统,其中,所述多个词关联模型中的每个词关联模型通过来生成:应用主题模型,以在所述相应产品线的组件级和针对所述相应产品线的所述多个所支持的问题类别内的类别级,根据分类法标识所述历史支持案例集合的集群。4.根据权利要求3所述的系统,其中,所述主题模型包括潜在狄利克雷分配。5.根据权利要求1所述的系统,其中,所述指令还使所述系统:通过基于训练数据集重新训练所述多个词关联模型中与特定产品线相对应的特定词关联模型,来更新针对所述特定产品线的所述多个所支持的问题类别以包括在经逐步升级的产品支持案例内观察到的新兴问题类别,其中在所述训练数据集中所述经逐步升级的产品支持案例不成比例地被表示。6.根据权利要求1所述的系统,其中,所述指令还使所述系统:通过使用主动学习过程对从所述历史支持案例集合提取的新数据进行分类来减少要由领域专家SME执行的手动标记的量,所述主动学习过程利用所述中间分类模型并且将通过所述SME进行的所述手动标记限制在如下临界案例,在所述临界案例中,所述中间分类模型的概率低于预定义的概率阈值。7.根据权利要求6所述的系统,其中,所述中间分类模型包括人工智能AI分类模型。8.根据权利要求7所述的系统,其中,所述AI分类模型包括长短期记忆LSTM模型。9.一种由一个或多个计算机系统的一个或多个处理资源执行的方法,所述方法包括:通过从跨越多个产品线的历史支持案例集合提取与特定产品线有关的聊天记录并且在所述特定产品线内的组件级执行无监督聚类,来标识针对供应商的多个产品线中的所述特定产品线的多个问题类别;通过从来自所述历史支持案例集合的与所述特定产品线有关的随机选定案例记录子
集提取数据,来创建训练数据集;使用来自领域专家SME的输入,基于选自所述多个问题类别中的问题类别来标记所述训练数据集;基于所述训练数据集来训练中间分类模型;响应于针对所述训练数据集的所述中间分类模型的分类准确性处于或低于预定的或可配置的准确性阈值:从来自所述历史支持案例集合的与所述特定产品线有关的另一随机选定案例记录子集提取附加数据;将所述附加数据附加到所述训练数据集;以及对于所述训练数据集中与小于预定义...
【专利技术属性】
技术研发人员:M,
申请(专利权)人:慧与发展有限责任合伙企业,
类型:发明
国别省市:
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。