动态通信路由的方法、计算设备和计算机可读存储介质技术

本发明专利技术总体涉及动态通信路由的方法、计算设备和计算机可读存储介质。更具体地，提供了一种计算机实现的方法，包括：监控由计算设备路由的多个会话，其中多个会话在多个代理设备和多个用户设备之间；为被监控会话生成预测目的地端点，其中，预测目的地端点是使用机器学习模型和从被监控的会话中解析的数据生成的；生成与预测目的地端点相关联的消息；接收用户反馈，其中用户反馈指示消息先前被路由到的预测目的地端点是不正确的目的地端点；确定与多个用户设备相关联的反馈指示的累积数量满足或超过反馈阈值；基于所述确定，实时更新机器学习模型以生成更新的预测目的地端点；和使用更新的预测目的地端点来路由具有与消息类似的内容的未来消息。的内容的未来消息。的内容的未来消息。

【技术实现步骤摘要】
动态通信路由的方法、计算设备和计算机可读存储介质
[0001]本申请是申请日为2020年3月18日、申请号为202080022637.4、专利技术名称为“到不同端点的动态通信路由”的专利技术专利申请的分案申请。
[0002]相关申请的交叉引用
[0003]本专利技术要求于2019年3月19日递交的名称为“Dynamic Communications Routing to Disparate Endpoints”的美国临时专利No.62/820,500的优先权权益，该临时专利的公开内容通过引用并入本文中。


[0004]本专利技术总体涉及促进通信的路由。更具体地，提供了在配置有多通道能力的通信会话期间在机器人和终端设备之间动态路由具有多个意图的消息的技术。

技术实现思路

[0005]术语实施方式及类似术语旨在宽泛地适用于本公开和所附的权利要求的所有主题。包含这些术语的表述应该理解为不限制本文描述的主题或不限制所附权利要求的含义或范围。本文覆盖的本专利技术的实施方式由所附的权利要求限定而不由本
技术实现思路
限定。本
技术实现思路
是本专利技术的各个方面的高度概括并且介绍了在下面的具体实施方式部分进一步描述的一些概念。本
技术实现思路
不旨在标识所要求保护的主题的关键或必要特征，也不旨在单独用于确定所要求保护的主题的范围。应该通过参考本专利技术的整个说明书的适当部分、任一或全部附图以及每项权利要求来理解所述主题。
[0006]本专利技术的某些实施方式包括一种计算机实现的方法。该方法可以包括接收与客户端设备相关联的一个或多个变量。客户端设备可以由客户端操作。该方法还可以包括从网络设备接收用于客户端的消息。该消息可以包括第一意图和第二意图。该方法还可以包括解析所述消息以识别第一意图和第二意图。第一意图可以与第一可操作项相关联，第二意图可以与第二可操作项相关联。该方法还可以包括分析第一意图和第二意图以确定用于执行第一可操作项和第二可操作项的优先级。优先级可以指示应该首先执行第一可操作项并且应该其次执行第二可操作项。该方法还可以包括将第一意图和第二意图馈送到机器学习模型中。机器学习模型可以通过优化与客户端设备相关联的所述一个或多个变量来识别用于第一意图的第一端点和用于第二意图的第二端点。该方法还可以包括将第一意图路由到第一端点。此后第一端点可以执行第一可操作项。该方法还可以包括将第二意图路由到第二端点。此后第二端点可以执行第二可操作项。
[0007]本专利技术的某些实施方式包括一种系统。该系统可以包括：一个或多个数据处理器；以及包含指令的非暂时性计算机可读存储介质，该指令当在所述一个或多个数据处理器上执行时，使所述一个或多个数据处理器执行上文和本文所述的方法。
[0008]本专利技术的某些实施方式包括一种有形地体现在非暂时性机器可读存储介质中的计算机程序产品，该非暂时性机器可读存储介质包括被配置为使数据处理装置执行上述和本文所述的方法的指令。
附图说明
[0009]结合附图描述本专利技术：
[0010]图1示出了网络交互系统的一实施方式的框图；
[0011]图2示出了网络交互系统的另一实施方式的框图；
[0012]图3A
‑
图3C示出了包括连接管理系统的网络交互系统的其他实施方式的框图；
[0013]图4示出了连接组件的操作的协议栈映射的表示；
[0014]图5表示根据一实施方式的多设备通信交换系统；
[0015]图6示出了连接管理系统的一实施方式的框图；
[0016]图7示出了用于在通信会话期间在机器人和终端设备之间动态切换的网络环境的框图；
[0017]图8示出了代表用于跨多个通道环境动态选择端点的网络环境的框图；
[0018]图9示出了表示用于使用机器学习技术增强端点选择的网络环境的框图；
[0019]图10示出了用于在通信会话期间在机器人和终端设备之间路由消息的示例性过程；
[0020]图11示出了表示其中可以实现用于编排由人工智能(AI)驱动的对话的系统的网络环境的框图；
[0021]图12示出了表示在对话的AI驱动的编排内的示例性信息流的框图；
[0022]图13A
‑
图13C示出了由AI驱动的系统编排的示例性对话。
[0023]在附图中，相似的组件和/或特征可以具有相同的附图标记。此外，相同类型的各种组件可以通过在附图标记后加上破折号和第二标记来区分，第二标记在相似的组件之间进行区分。如果在说明书中仅使用了第一附图标记，则该描述适用于具有相同的第一附图标记的相似组件中的任一者，而与第二附图标记无关。
具体实施方式
[0024]随后的描述仅提供(一个或多个)实施方式的优选示例，并且不旨在限制本专利技术的范围、适用性或配置。相反，随后的(一个或多个)实施方式的优选示例的描述将向本领域技术人员提供用于实现实施方式的优选示例的使能描述。应该理解，在不脱离如所附权利要求书所阐述的精神和范围的情况下，可以对元件的功能和布置进行各种改变。
[0025]图1示出了实现并支持本文中描述的某些实施方式和特征的网络交互系统100的实施方式的框图。某些实施方式涉及在网络设备105(其可以由用户110操作)和终端设备115(其可以由代理120操作)之间建立连接通道。在某些实施方式中，网络交互系统100可以包括与客户端125相关联的客户端设备130。
[0026]在某些实施方式中，用户110可以是浏览网站或访问由远程服务器140提供的在线服务的个人。客户端125可以是提供、操作或运行网站或在线服务的实体，或者是这种实体雇佣或由该实体指派以执行如本文中所描述的客户端125可用的任务的个人。代理120可以是个人，例如支持代理，其任务是向用户110提供有关网站或在线服务的支持或信息。在大量代理中，代理的子集可能适合于为特定客户端125提供支持或信息。代理120可以与客户端125有关或无关。每个代理可以与一个或多个客户端125相关联。在一些非限制性示例中，用户110可以是从个人计算设备在在线商店购物的个人，客户端125可以是在线销售产品的
公司，并且代理120可以是由公司雇佣的代表。在各种实施方式中，用户110、客户端125和代理120可以是其他个人或实体。
[0027]尽管图1仅示出了单个的网络设备105、终端设备115、和客户端设备130，但是交互系统100可以包括这些类型的设备中的一者或多者中的每一者的多个或许多(例如，数十个、数百个或数千个)设备。类似地，尽管图1仅示出了单个用户110、代理120、和客户端125，但是交互系统100可以包括这些实体中的一者或多者中的每一者的多个或许多实体。因此，可能有必要确定要选择哪个终端设备与给定的网络设备进行通信。另外使事情复杂化的是，远程服务器140也可以被配置为接收并响应以选择网络
‑
设备通信。
[0028]连接管理系统150可以促进通信的策略路由。通信可以包括具有内容的消息(例如，基于来自实体的输入(诸如键入或口头输入)定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机实现的方法，包括：由计算设备监控由所述计算设备路由的多个对话，其中，所述多个对话在多个代理设备和多个用户设备之间；为所述多个对话中的所监控的对话生成预测目的地端点，其中，所述预测目的地端点是使用经训练的机器学习模型和从所监控的对话中解析的数据生成的，其中，所述预测目的地端点与反馈阈值相关联；生成与所述预测目的地端点相关联的消息；接收关于所述预测目的地端点的用户反馈，其中，所述用户反馈指示所述消息先前被路由到的所述预测目的地端点是不正确的目的地端点；确定与所述多个用户设备相关联的反馈指示的累积数量满足或超过所述反馈阈值；基于确定了所述反馈指示的累积数量满足或超过所述反馈阈值，实时更新所述经训练的机器学习模型以生成更新的预测目的地端点；和使用所述更新的预测目的地端点来路由具有与所述消息类似的内容的未来消息。2.根据权利要求1所述的计算机实现的方法，还包括：在存储器中存储不同的策略集合，其中，所述不同的策略集合由对应于企业或品牌的实体定义，其中，路由所述消息还包括识别所监控的对话与所述实体的所述企业或所述品牌相关联，并且其中，所述路由还基于由所述企业或所述品牌定义的策略集合。3.根据权利要求1所述的计算机实现的方法，还包括：在所监控的对话期间实时监控一个或多个条件；和基于所述监控识别改变的条件，其中，基于从所述监控中识别的改变的条件生成改变的意图。4.根据权利要求1所述的计算机实现的方法，还包括：将所监控的对话从第一端点切换到第二端点；在所述切换之后评估用户情绪参数；和基于所评估的用户情绪参数更新所述经训练的机器学习模型，其中，关于与所评估的所述用户情绪参数相对应的改变的意图来更新所述经训练的机器学习模型。5.根据权利要求1所述的计算机实现的方法，还包括：监控包括与所监控的对话的所述消息相对应的消息集合的新对话；和将所述经训练的机器学习模型应用于所述新对话中的所述消息集合，以识别包括至少一个改变的意图的多个意图，其中，包括所述至少一个改变的意图的所述多个意图与更新的相关性水平相关联。6.根据权利要求1所述的计算机实现的方法，还包括：从上下文仓库获得关于所监控的对话的一个或多个上下文，其中，更新所述路由还基于所获得的上下文。7.根据权利要求1所述的计算机实现的方法，还包括：从所监控的对话生成意图值；利用可能响应消息中的每一个可能响应消息的预测置信来预测与来自所监控的对话的所述意图相关联的可能响应消息；和基于所述预测置信的分数和置信阈值来提供所述可能响应消息的显示。
8.一种计算设备，包括：存储器；和一个或多个处理器，所述一个或多个处理器联接到所述存储器，并被配置为执行包括以下的操作：由所述计算设备监控由所述计算设备路由的多个对话，其中，所述多个对话在多个代理设备和多个用户设备之间；为所述多个对话中的所监控的对话生成预测目的地端点，其中，所述预测目的地端点是使用经训练的机器学习模型和从所监控的对话中解析的数据生成的，其中，所述预测目的地端点与反馈阈值相关联；生成与所述预测目的地端点相关联的消息；接收关于所述预测目的地端点的用户反馈，其中，所述用户反馈指示所述消息先前被路由到的所述预测目的地端点是不正确的目的地端点；确定与所述多个用户设备相关联的反馈指示的累积数量满足或超过所述反馈阈值；基于确定了所述反馈指示的累积数量满足或超过所述反馈阈值，实时更新所述经训练的机器学习模型以生成更新的预测目的地端点；和使用所述更新的预测目的地端点来路由具有与所述消息类似的内容的未来消息。9.根据权利要求8所述的计算设备，其中，所述一个或多个处理器还被配置为用于包括以下的操作：在存储器中存储不同的策略集合，其中，所述不同的策略集合由对应于企业或品牌的实体定义，其中，路由所述消息还包括识别所监控的对话与所述实体的所述企业或所述品牌相关联，并且其中，所述路由还基于由所述企业或所述品牌定义的策略集合。10.根据权利要求8所述的计算设备，其中，所述一个或多个处理器还被配置为用于包括以下的操作：在所监控的对话期间实时监控一个或多个条件；和基于所述监控识别改变的条件，其中，基于从所述监控中识别的改变的条件生成改变的意图。11.根据权利要求8所述的计算设备，其中，所述一个或多个处理器还被配置为用于包括以下的操作：将所监控的对话从第一端点切换到第...

【专利技术属性】
技术研发人员：J，
申请(专利权)人：利维帕尔森有限公司，
类型：发明
国别省市：