一种计算人工客服问题解决率的方法及系统技术方案

本发明专利技术公开了一种计算人工客服问题解决率的方法及系统，属于人工客服服务质量评估技术领域，该方法包括：将客服与用户的对话信息按时间进行排序，并提取其中用户提出的需要解决的问题语句；将所述问题语句以及客服答复语句进行配对，组成问答语句；判断问答语句中客服答复语句是否已经解决了用户问题语句中的问题；将已解决的问答语句数量除以总的需要解决的问题语句数量获得问题解决率。本发明专利技术对用户语句进行筛选，只提取其中需要回答的问题语句，将关注度从用户语句中的杂讯转移开，只对明确的问题语句做解决与否的判断。使得模型本身的判断能力也会有所增强，结果的噪音变小，随机性减弱。使得对人工客户用户满意度的评估更加客观。更加客观。更加客观。

【技术实现步骤摘要】
一种计算人工客服问题解决率的方法及系统


[0001]本专利技术属于人工客服服务质量评估
，尤其涉及一种在问题答复过程中，客服问题解决率的计算方法及系统。

技术介绍

[0002]随着AI技术的不断发展，对客服行业已有明显的提升，智能客服已经在很多场景下应用起来，在自动问答技术的支持下，经过对海量会话的学习，可以达到自动问答的水平。通过机器自动回答问题，减少人工客服的压力，缩短相应时间，提升用户体验。但在一些应用场景中，出于对场景的复杂性和重要性的考虑，智能客服并不能完全的替代人工，在这些场景下，AI只能提升一些辅助功能，比如答案提示，而实际的回答还是要依靠人工客服。
[0003]然而现有对人工客服的评估的方法一直都不太智能化，通常需要根据对买家进行满意度调研来得到客服的服务质量评估，这种方式得到的服务质量评估一来是基于买家的主观感受，准确性无法得到保证；二来调研的方式效率不高，互动的方式需要买家配合，整体数据量较小，偶然性大。

技术实现思路

[0004]有鉴于此，本专利技术提供一种计算人工客服问题解决率的方法和系统，通过分析人工客户与用户的对话，提取对话中用户提出的需要解决的问题，通过判断人工客户对用户问题的解决程度，从而计算出问题解决率，用于对人工客服的服务质量进行评估。
[0005]为解决以上技术问题，本专利技术的技术方案为采用一种计算人工客服问题解决率的方法，包括：将客服与用户的对话信息按时间进行排序，并提取其中用户提出的需要解决的问题语句；将所述问题语句以及客服答复语句进行配对，组成问答语句；判断问答语句中客服答复语句是否已经解决了用户问题语句中的问题；将已解决的问答语句数量除以总的需要解决的问题语句数量获得问题解决率。
[0006]作为一种改进，提取需要解决的问题语句的方法包括：判断用户语句是否语义明确；若语义明确则判断该用户语句中是否包含疑问；若包含疑问则判断该用户语句是否需要回答；若需要回答则标记为需要解决的问题语句。
[0007]作为一种进一步的改进，将某条需要解决的问题语句后M分钟内的N句客服答复语句作为配对范围进行问题语句和答复语句的配对。
[0008]作为另一种更进一步的改进，所述判断客服答复语句是否解决了用户问题语句中的问题的方法包括：对配对的问答进行分类，包括未解决、部分解决、完全解决；
将分类为完全解决的问题语句记作已解决的问题语句。
[0009]作为一种改进，对于未解决的问答语句，提取其所在的对话信息中前后L分钟内的H条用于供分析。
[0010]本专利技术还提供一种计算人工客服问题解决率的系统，包括：问题语句提取模块，用于将客服与用户的对话信息按时间进行排序，并提取其中用户提出的需要解决的问题语句；语句配对模块，用于将所述问题语句以及客服答复语句进行配对，组成问答语句；判断模块，用于判断问答语句中客服答复语句是否已经解决了用户问题语句中的问题；计算模块，用于将已解决的问答语句数量除以总的需要解决的问题语句数量获得问题解决率。
[0011]作为一种改进，所述问题语句提取模块包括：语义判断模块，用于判断用户语句是否语义明确；疑问判断模块，用于判断该用户语句中是否包含疑问；答复需求判断模块，用于判断该用户语句是否需要回答；标记模块，用于将需要回答的语句标记为需要解决的问题语句。
[0012]作为一种改进， 所述判断模块包括：分类模块，用于对配对的问答语句进行分类，包括未解决、部分解决、完全解决；标记模块，用于将分类为完全解决的问题语句记作已解决的问题语句。
[0013]本专利技术还提供一种计算机系统，包括处理器、存储器；所述处理器在执行存储器中存储的计算机程序时，能实现上述计算人工客服问题解决率的方法。
[0014]本专利技术的有益之处在于：本专利技术对用户语句进行筛选，只提取其中需要回答的问题语句，将关注度从用户语句中的杂讯转移开，只对明确的问题语句做解决与否的判断。在这部分语句上，大众认知更一致，普适性更能被大众接受。同时，模型本身的判断能力也会有所增强，结果的噪音变小，随机性减弱。使得对人工客户用户满意度的评估更加客观。
附图说明
[0015]图1为本专利技术的流程图。
[0016]图2为提取需要解决的问题语句的流程图。
[0017]图3为本专利技术的结构原理图。
具体实施方式
[0018]为了使本领域的技术人员更好地理解本专利技术的技术方案，下面结合具体实施方式对本专利技术作进一步的详细说明。
[0019]现有的问答匹配模型只对一些问题明确的问题进行判断。如果直接作用到客服会话上，会因为很多用户语句并没有实际问题或者有问题并没有标准答案，导致模型本身判断能力减弱，同时得到的结论置信度也不高。
[0020]为了对人工客户问题解决率进行较为精确的计算用以对其用户满意度进行评估，
如图1所示，本专利技术提供一种计算人工客服问题解决率的方法，包括以下步骤：S1将客服与用户的对话信息按时间进行排序，并提取其中用户提出的需要解决的问题语句。
[0021]具体地，提取用户提出的需要解决的问题语句的方法如图2所示，包括：S11判断用户语句是否语义明确。
[0022]一些用户语句不可理解，语句不通顺，读不通，没意义，可能是错别字的原因，此类语句应当舍去。
[0023]S12若语义明确则判断该用户语句中是否包含疑问。
[0024]而一些语句尽管语义可以理解，但并不包含疑问，只是一般的陈述句，对于此类语句，人工客服没有同一回复模式，因此同样应当舍去，如“发货太慢了”、“嗯，就是这个地址”、“身高165体重155”等。
[0025]有些语句似乎包含疑问，但此类疑问只需简单统一的正面回答即可，但实际解决了问题与否不确定，如“帮我查下物流”、“给我退货”、“发我看看”等。也要在此步骤中被筛出。
[0026]S13若包含疑问则判断该用户语句是否需要回答。
[0027]在包含疑问的语句中，有些疑问是无需回答或者说是无法回答的，包括缺少关键信息，如“为什么”、“怎么办”、“问一下”等，还有些字词的多义性或错别字，如“这么贵哈”、“这个是电池的嘛”、“那个好”等，也需要舍去。
[0028]另外，带有情绪的问句（反问），虽然形式上是疑问，但实际上并不需要做对应的回答，这类语句同样需要舍去，比如“都催几次了”、“我怎么知道”、“你们客服就不能看看消息吗”、“都3天了，非要等到5天吗”等，同样需要舍去。
[0029]S14若需要回答则标记为需要解决的问题语句。
[0030]经过上述步骤的筛选，剩余的都是客户提出的需要解决的问题语句，如“请问什么时候发货”、“请问这两款有什么区别”、“身高165体重155穿哪个号”等。
[0031]本实施例中，通过人工智能分类模型来实现自动提取用户提出的需要解决的问题语句。只需要标注出需要解决的问题语句然后进行统计即可。
[0032]S2将所述问题语句以及客服答复语句进行配对，组成问答语句。...

【技术保护点】

【技术特征摘要】
1.一种计算人工客服问题解决率的方法，其特征在于，包括：将客服与用户的对话信息按时间进行排序，并提取其中用户提出的需要解决的问题语句；将所述问题语句以及客服答复语句进行配对，组成问答语句；判断问答语句中客服答复语句是否已经解决了用户问题语句中的问题；将已解决的问答语句数量除以总的需要解决的问题语句数量获得问题解决率。2.根据权利要求1所述的一种计算人工客服问题解决率的方法，其特征在于，提取需要解决的问题语句的方法包括：判断用户语句是否语义明确；若语义明确则判断该用户语句中是否包含疑问；若包含疑问则判断该用户语句是否需要回答；若需要回答则标记为需要解决的问题语句。3.根据权利要求1所述的一种计算人工客服问题解决率的方法，其特征在于，将某条需要解决的问题语句后M分钟内的N句客服答复语句作为配对范围进行问题语句和答复语句的配对。4.根据权利要求1所述的一种计算人工客服问题解决率的方法，其特征在于，判断客服答复语句是否解决了用户问题语句中的问题的方法包括：对配对的问答语句进行分类，包括未解决、部分解决、完全解决；将分类为完全解决的问题语句记作已解决的问题语句。5.根据权利要求4所述的一种计算人工客服问题解决率的方法，其特征在于，对于未解决的问答语句，提取其所在的对话信息中前后L分钟内的H条用于...

【专利技术属性】
技术研发人员：段佳旺，江岭，郭涛，
申请(专利权)人：成都晓多科技有限公司，
类型：发明
国别省市：