客服机器人应答方法、系统、计算机设备及存储介质与流程

1.本发明属于客服机器人技术领域，尤其涉及一种客服机器人应答方法、系统、计算机设备及存储介质。


背景技术：

2.随着互联网的繁荣发展，互联网的传播范围广，交互性强，信息量大，都大大地提高了电子商务企业的运营效率，因此电子商务的规模逐渐扩大。物流行业作为电子商务的支撑性行业，也得到了长足的发展。但同时，由于物流行业的票单量、数据量越来越大，也带来诸多急需解决的问题。在线客服和自动回复是互联网在物流行业的一种高效应用工具。利用在线客服和自动回复功能，客户可以自行查看物流订单的运行状态，避免额外设置线下人员与机构，降低企业运营成本，同时提高与客户之间的沟通效率。现阶段的物流行业机器人客服一般只能针对物流状态良好的快递与客户进行良好的沟通，但是，对于出现异常的一些快递，对于客户的请求无法给出良好的处理手段，并且无法对于客户的情绪进行有效识别，容易造成客户满意度较低的问题。因此，对于客服机器人的信息处理能力急需进一步提高以满足物流行业业务量大，问题多的需求。


技术实现要素：

3.为解决上述问题，本发明的目的是提供一种客服机器人应答方法、系统、计算机设备及存储介质，该客服机器人应答方法、系统、计算机设备及存储介质能够有效对物流过程中经常出现的异常情况进行有效处理并照顾客户情绪，以提高客服机器人的异常处理能力，进一步实现替代人工、降低企业运营成本的目的。
4.为实现上述目的，本发明的技术方案为：一种客服机器人应答方法，包括以下步骤：获取客户端发送的待处理信息，并对所述待处理信息进行预处理和基础特征提取；其中，所述基础特征包括意图特征和情绪特征；基于提取的所述意图特征通过朴素贝叶斯算法对所述待处理信息进行预分类；基于提取的所述情绪特征通过情绪分析模型进行情绪分析；基于所述预分类结果根据第一预设机制执行相应系统操作，基于所述情绪分析结果根据第二预设机制生成响应数据，并将所述系统操作的结果和所述响应数据发送给客户端。
5.在本发明的一个实施例中，所述并对所述待处理信息进行预处理和基础特征提取进一步包括：建立词典库，所述词典库包含训练语料库的所有词语，每个词语对应一个唯一识别的编号，利用one-hot文本表示；将句子拆分成多个词语，将每一个词语与所述词典库一一比对，如果该词语在所述词典库中，分词成功，否则继续拆分匹配直到成功；将分词成功的词语提取出来作为基础特征；其中所述词典库包括意图特征词典库和情绪特征词典库，所述基础特征包括意图特征和情绪特征。
6.在本发明的一个实施例中，所述基于提取的所述意图特征通过朴素贝叶斯算法对所述待处理信息进行预分类进一步包括：构建分类器，所述分类器的特征为意图特征词典库中的特征词语，所述分类器的类别包括催件、地址变更、快件拦截、延误筛查；其中，所述
分类器的表示形式为：其中p(ck)为类别的先验概率，p(x|ck)是样本相对于类别的类别条件概率，p(x)为用于归一化的证据因子；获取历史待处理信息及其意图信息，对所述分类器进行训练；将提取的所述意图特征输入所述分类器，以获取意图类别。
7.在本发明的一个实施例中，所述基于所述预分类结果根据第一预设机制执行相应系统操作进一步包括：在所述预分类的意图类别为催件的情况下，从运单号数据库中获取该客户端对应的运单号，并将该运单号发送至预设数据表单中；在所述预分类的意图类别为地址变更的情况下，从运单号数据库中获取该客户端对应的运单号，从所述客户端获取预修改地址，将所述预修改地址更新至运单目标地址数据库中；在所述预分类的意图类别为快件拦截的情况下，从运单号数据库中获取该客户端对应的运单号，从运单目标地址数据库中获取该运单号对应的目标地址，将其目标地址更新为该单号目标地址的所在地级市的转运中心；在所述预分类的意图类别为延误筛查的情况下，从运单号数据库中获取该客户端对应的所有在途运单号，并根据预设规则筛选出延误的订单。
8.在本发明的一个实施例中，所述基于提取的所述情绪特征通过情绪分析模型进行情绪分析进一步包括：基于所述情绪特征词典库中的情绪特征词语进行包含正面词语表、负面词语表、否定词语表、程度副词表的划分；提取所述待处理信息中的情绪特征，遍历所述正面词语表、负面词语表、否定词语表、程度副词表；在所述情绪特征命中相应的词语表/词表的情况下，按照预设规则进行相应权重的处理；输出最终权重值。
9.在本发明的一个实施例中，所述基于所述情绪分析结果根据第二预设机制生成响应数据进一步包括：在所述最终权重值在第一预设范围内的情况下，按照第一回复模板进行回复；在所述最终权重值在第二预设范围内的情况下，按照第二回复模板进行回复。
10.在本发明的一个实施例中，所述基于所述情绪分析结果根据第二预设机制生成响应数据还包括：在所述最终权重值在第三预设范围内的情况下，将该待处理信息升级至人工处理。
11.基于相同的构思，本发明还提供一种客服机器人应答系统，其特征在于，包括：特征提取模块，用于获取客户端发送的待处理信息，并对所述待处理信息进行预处理和基础特征提取；其中，所述基础特征包括意图特征和情绪特征；预分类模块，用于基于提取的所述意图特征通过朴素贝叶斯算法对所述待处理信息进行预分类；情绪分析模块，用于基于提取的所述情绪特征通过情绪分析模型进行情绪分析；执行模块，用于基于所述预分类结果根据第一预设机制执行相应系统操作，基于所述情绪分析结果根据第二预设机制生成响应数据，并将所述系统操作的结果和所述响应数据发送给客户端。
12.基于相同的构思，本发明还提供一种计算机设备，包括：存储器，所述存储器用于存储处理程序；处理器，所述处理器执行所述处理程序时实现所述的客服机器人应答方法。
13.基于相同的构思，本发明还提供一种可读存储介质，所述可读存储介质上存储有处理程序，所述处理程序被处理器执行时实现所述的客服机器人应答方法。
14.采用上述技术方案后，与现有技术相比，本发明的有益之处在于：
15.1、本发明通过对客户发送的待处理信息通过朴素贝叶斯算法构建的模型进行意
图特征和通过情绪分析模型进行情绪特征的提取，使得客服机器人能够快速的获取客户的意图和当前的情绪，在获取客户意图的情况下，能够及时快速的对客户的需求进行处理，并及时反馈客户，提高了服务处理效率。通过照顾到客户的情绪，并给出相应的响应措施，能够尽量提高客户满意度，避免客户的不满。
16.2、本发明通过在运营过程中不断对词典库中的词语进行丰富和调整，能够使得词典库更加完善，更加接近于人工客服的信息分析能力，从而可以尽可能的替代传统人工客服，提高服务处理效率。
附图说明
17.下面结合附图对本发明的具体实施方式作进一步详细说明，其中：
18.图1为本发明客服机器人应答方法流程图；
19.图2为本发明对所述待处理信息进行预处理和基础特征提取流程图；
20.图3为本发明基于提取的所述意图特征通过朴素贝叶斯算法对所述待处理信息进行预分类流程图；
21.图4为本发明基于提取的所述情绪特征通过情绪分析模型进行情绪分析流程图；
22.图5为本发明基于所述预分类结果根据第一预设机制执行相应系统操作流程图；
23.图6为本发明基于所述情绪分析结果根据第二预设机制生成响应数据流程图；
24.图7为本发明客服机器人应答系统示意图；
25.图8为本发明计算机设备的实施例示意图。
具体实施方式
26.以下结合附图和具体实施例对本发明作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用以方便、明晰地辅助说明本发明实施例的目的。
27.需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后
……
)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
28.实施例一
29.本实施例过对客户发送的待处理信息进行意图特征和情绪特征的提取，使得客服机器人能够快速的获取客户的意图和当前的情绪，在获取客户意图的情况下，能够及时快速的对客户的需求进行处理，并及时反馈客户，提高了服务处理效率。通过照顾到客户的情绪，并给出相应的响应措施，能够尽量提高客户满意度，避免客户的不满。
30.具体的，如图1所示，该客服机器人应答方法第一实例流程图。它包括以下步骤：
31.s100：获取客户端发送的待处理信息，并对所述待处理信息进行预处理和基础特征提取；其中，所述基础特征包括意图特征和情绪特征；
32.通过对客户发送的待处理信息进行意图特征和情绪特征的提取，使得客服机器人能够快速的获取客户的意图和当前的情绪，在获取客户意图的情况下，能够及时快速的对客户的需求进行处理，并及时反馈客户，提高了服务处理效率。通过照顾到客户的情绪，并给出相应的响应措施，能够尽量提高客户满意度，避免客户的不满。
33.其中，所述并对所述待处理信息进行预处理和基础特征提取进一步包括：
34.s101：建立词典库，所述词典库包含训练语料库的所有词语，每个词语对应一个唯一识别的编号，利用one-hot文本表示；
35.s102：将句子拆分成多个词语，将每一个词语与所述词典库一一比对，如果该词语在所述词典库中，分词成功，否则继续拆分匹配直到成功；
36.s103：将分词成功的词语提取出来作为基础特征；其中所述词典库包括意图特征词典库和情绪特征词典库，所述基础特征包括意图特征和情绪特征。
37.举个例子，意图特征词典库中可以包含“到哪里、快一点、尽快、派件、改地址、地址错误、退回、拦截
……”
等，当识别到待处理信息中存在以上意图特征词典库中的词语时，就提取出对应的词语作为意图特征。同样的，情绪特征词典库中可以包含“慢死了、什么时候、急、尽快
……”
等，当识别到待处理信息中存在这些词的时候，就提取出对应的词语作为情绪特征。其中，需要将词典库中的每一个词语设置一个唯一的编码，以实现精确匹配。
38.通过在运营过程中不断对词典库中的词语进行丰富和调整，能够使得词典库更加完善，更加接近于人工客服的信息分析能力，从而可以尽可能的替代传统人工客服，提高服务处理效率。
39.客服机器人可以通过qq或者微信群，自动获取客户发送的待处理信息。
40.在获取到待处理信息的意图特征之后，需要对客户的意图进行有效识别。
41.s200：基于提取的所述意图特征通过朴素贝叶斯算法对所述待处理信息进行预分类；
42.贝叶斯分类算法是一大类分类算法的总称，朴素贝叶斯分类算法条件概率独立性情况下以样本可能属于某类的概率来作为分类依据。
43.具体的，所述基于提取的所述意图特征通过朴素贝叶斯算法对所述待处理信息进行预分类进一步包括：
44.首先，需要构建分类器。
45.s201：构建分类器，所述分类器的特征为意图特征词典库中的特征词语，所述分类器的类别包括催件、地址变更、快件拦截、延误筛查；其中，所述分类器的表示形式为：其中p(ck)为类别的先验概率，p(x|ck)是样本相对于类别的类别条件概率，p(x)为用于归一化的证据因子；
46.分类器的类别时基于实际运营过程中，物流企业实际经常遇到的重复性的工作，将其交由客服机器人来处理，能够提高处理效率，降低运营成本。同时，对于分类器的类别，随着企业业务功能额调整，也可以做相应的变更和增加。
47.其次，需要利用历史数据对构建完成的分类器进行模型训练。
48.s202：获取历史待处理信息及其意图信息，对所述分类器进行训练；
49.最后，在模型训练完成之后即可对待处理信息基于已经提取的意图特征进行意图识别。
50.s203：将提取的所述意图特征输入所述分类器，以获取意图类别。
51.基于训练完成的分类器，能够对待处理信息的意图进行有效识别，同时，在运营过
程中，随着模型训练的不断完善，能够进一步的提高模型识别的准确度。
52.更优的，当前现有技术中，物流企业的客服机器人大都只能根据客户信息的关键词进行识别，但是，对于客户的情绪照顾的几乎没有。在本实施例的方案中，客服机器人能够对客户的情绪进行相应的识别，以提供针对性的对话策略。
53.s300：基于提取的所述情绪特征通过情绪分析模型进行情绪分析；
54.具体的，所述基于提取的所述情绪特征通过情绪分析模型进行情绪分析进一步包括：
55.s301：基于所述情绪特征词典库中的情绪特征词语进行包含正面词语表、负面词语表、否定词语表、程度副词表的划分；
56.此步骤的目的是构建情绪特征词典库，与上面类似，同样的也可以在运营的过程中不断对词典库进行丰富。
57.s302：提取所述待处理信息中的情绪特征，遍历所述正面词语表、负面词语表、否定词语表、程度副词表；
58.基于提取到的情绪特征进行情绪程度的计算。
59.s303：在所述情绪特征命中相应的词语表/词表的情况下，按照预设规则进行相应权重的处理；
60.举个例子，当情绪特征属于正面词语表的时候，权重+1，当情绪特征属于负面词语表的时候，权重-1，当情绪特征属于否定词表的时候，权重-1，当正面词语表、负面词语表、否定词语表的前面出现程度副词的时候，那么权重分别+2、-2、-2。以上只是示例性的举例，具体的还可以根据运营过程中的数据做具体数值上的调整。
61.s304：输出最终权重值。
62.基于最终权重值，可以设置一定的标准，对于客户的情绪进行合理的阈值划分。
63.s400：基于所述预分类结果根据第一预设机制执行相应系统操作，基于所述情绪分析结果根据第二预设机制生成响应数据，并将所述系统操作的结果和所述响应数据发送给客户端。
64.进一步的，所述基于所述预分类结果根据第一预设机制执行相应系统操作进一步包括：
65.s401：在所述预分类的意图类别为催件的情况下，从运单号数据库中获取该客户端对应的运单号，并将该运单号发送至预设数据表单中；
66.s402：在所述预分类的意图类别为地址变更的情况下，从运单号数据库中获取该客户端对应的运单号，从所述客户端获取预修改地址，将所述预修改地址更新至运单目标地址数据库中；
67.s403：在所述预分类的意图类别为快件拦截的情况下，从运单号数据库中获取该客户端对应的运单号，从运单目标地址数据库中获取该运单号对应的目标地址，将其目标地址更新为该单号目标地址的所在地级市的转运中心；
68.s404：在所述预分类的意图类别为延误筛查的情况下，从运单号数据库中获取该客户端对应的所有在途运单号，并根据预设规则筛选出延误的订单。
69.除了以上s401至s404的可能的情况，具体的还可以基于物流企业实际运营过程中能够定义为常规问题的情况，进行合理的分类设置。
70.进一步的，所述基于所述情绪分析结果根据第二预设机制生成响应数据进一步包括：
71.s501：在所述最终权重值在第一预设范围内的情况下，按照第一回复模板进行回复；
72.s502：在所述最终权重值在第二预设范围内的情况下，按照第二回复模板进行回复。
73.s503：在所述最终权重值在第三预设范围内的情况下，将该待处理信息升级至人工处理。
74.举个例子，当情绪分析模型根据客户发送的信息判断客户的情绪属于正常处理事情的情况下，只需要进行常规回复，例如，“即将为您进行xxx查询/xxx物流状态查询”等。当当情绪分析模型根据客户发送的信息判断客户已经处于情绪不满的状态的情况下，除了进行常规的系统操作，还需要项客户发送一些类似于“非常抱歉给您带来不便，我们将火速为您处理”等的安抚性的回复。当判断客户处于异常不满的状态时，升级为人工处理模式，有人工客服对接处理。通过以上分层级的针对性的对信息进行回复和处理，一方面可以尽量满足物流行业问题多、人工客服成本高的问题，一方面又能够针对较为严重的问题进行针对性处理，提高客户满意度，避免现有技术中机器人客服机械回复，处理能力低，造成客户不满的问题。
75.实施例二
76.如图7所示，基于相同的构思，本发明还提供一种客服机器人应答系统600，该客服机器人应答系统600，包括：特征提取模块601，用于获取客户端发送的待处理信息，并对所述待处理信息进行预处理和基础特征提取；其中，所述基础特征包括意图特征和情绪特征；预分类模块602，用于基于提取的所述意图特征通过朴素贝叶斯算法对所述待处理信息进行预分类；情绪分析模块603，用于基于提取的所述情绪特征通过情绪分析模型进行情绪分析；执行模块604，用于基于所述预分类结果根据第一预设机制执行相应系统操作，基于所述情绪分析结果根据第二预设机制生成响应数据，并将所述系统操作的结果和所述响应数据发送给客户端。
77.实施例三
78.如图8所示，基于相同的构思，本发明还提供一种计算机设备700，该计算机设备700可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器710(central processing units，cpu)710(例如，一个或一个以上处理器)和存储器720，一个或一个以上存储应用程序733或数据732的存储介质730(例如一个或一个以上海量存储设备)。其中，存储器720和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对计算机设备700中的一系列指令操作。更进一步地，处理器710可以设置为与存储介质730通信，在计算机设备700上执行存储介质730中的一系列指令操作。
79.计算机设备700还可以包括一个或一个以上电源740，一个或一个以上有线或无线网络接口750，一个或一个以上输入输出接口760，和/或，一个或一个以上操作系统731，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图8示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件或
者组合某些部件，或者不同的部件布置。
80.所述计算机可读指令被所述处理器执行时，使得所述处理器执行所述计算机可读指令时实现以下步骤：一种客服机器人应答方法，包括以下步骤：获取客户端发送的待处理信息，并对所述待处理信息进行预处理和基础特征提取；其中，所述基础特征包括意图特征和情绪特征；基于提取的所述意图特征通过朴素贝叶斯算法对所述待处理信息进行预分类；基于提取的所述情绪特征通过情绪分析模型进行情绪分析；基于所述预分类结果根据第一预设机制执行相应系统操作，基于所述情绪分析结果根据第二预设机制生成响应数据，并将所述系统操作的结果和所述响应数据发送给客户端。
81.在本发明的一个实施例中，所述并对所述待处理信息进行预处理和基础特征提取进一步包括：建立词典库，所述词典库包含训练语料库的所有词语，每个词语对应一个唯一识别的编号，利用one-hot文本表示；将句子拆分成多个词语，将每一个词语与所述词典库一一比对，如果该词语在所述词典库中，分词成功，否则继续拆分匹配直到成功；将分词成功的词语提取出来作为基础特征；其中所述词典库包括意图特征词典库和情绪特征词典库，所述基础特征包括意图特征和情绪特征。
82.在本发明的一个实施例中，所述基于提取的所述意图特征通过朴素贝叶斯算法对所述待处理信息进行预分类进一步包括：构建分类器，所述分类器的特征为意图特征词典库中的特征词语，所述分类器的类别包括催件、地址变更、快件拦截、延误筛查；其中，所述分类器的表示形式为：其中p(ck)为类别的先验概率，p(x|ck)是样本相对于类别的类别条件概率，p(x)为用于归一化的证据因子；获取历史待处理信息及其意图信息，对所述分类器进行训练；将提取的所述意图特征输入所述分类器，以获取意图类别。
83.在本发明的一个实施例中，所述基于所述预分类结果根据第一预设机制执行相应系统操作进一步包括：在所述预分类的意图类别为催件的情况下，从运单号数据库中获取该客户端对应的运单号，并将该运单号发送至预设数据表单中；在所述预分类的意图类别为地址变更的情况下，从运单号数据库中获取该客户端对应的运单号，从所述客户端获取预修改地址，将所述预修改地址更新至运单目标地址数据库中；在所述预分类的意图类别为快件拦截的情况下，从运单号数据库中获取该客户端对应的运单号，从运单目标地址数据库中获取该运单号对应的目标地址，将其目标地址更新为该单号目标地址的所在地级市的转运中心；在所述预分类的意图类别为延误筛查的情况下，从运单号数据库中获取该客户端对应的所有在途运单号，并根据预设规则筛选出延误的订单。
84.在本发明的一个实施例中，所述基于提取的所述情绪特征通过情绪分析模型进行情绪分析进一步包括：基于所述情绪特征词典库中的情绪特征词语进行包含正面词语表、负面词语表、否定词语表、程度副词表的划分；提取所述待处理信息中的情绪特征，遍历所述正面词语表、负面词语表、否定词语表、程度副词表；在所述情绪特征命中相应的词语表/词表的情况下，按照预设规则进行相应权重的处理；输出最终权重值。
85.在本发明的一个实施例中，所述基于所述情绪分析结果根据第二预设机制生成响应数据进一步包括：在所述最终权重值在第一预设范围内的情况下，按照第一回复模板进
行回复；在所述最终权重值在第二预设范围内的情况下，按照第二回复模板进行回复。
86.在本发明的一个实施例中，所述基于所述情绪分析结果根据第二预设机制生成响应数据还包括：在所述最终权重值在第三预设范围内的情况下，将该待处理信息升级至人工处理。
87.在一个实施例中，提出了一种可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述预付款关联处理方法。
88.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
89.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
90.以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。