智能客服交互方法及系统与流程

本发明属于大数据，具体涉及一种智能客服交互方法及系统。

背景技术：

1、在当前技术背景下，智能客服交互系统的应用得到了广泛推广。随着科技的不断发展，人工智能技术在自然语言处理、机器学习和数据分析方面取得了显著进展，为智能客服交互系统提供了更先进的工具和技术支持。这些系统能够通过自动化和智能化的方式处理客户的问题、提供解决方案，并与用户进行实时互动。

2、在传统的客服系统中，用户可能需要等待较长时间才能获得满意的答复，而智能客服交互系统通过引入自然语言处理和机器学习算法，能够更快速地理解用户的需求，并提供定制化的解决方案。这不仅提高了客户满意度，还降低了企业的运营成本。

3、然而，尽管智能客服交互系统在许多方面取得了成功，但仍然存在很多问题。例如，某些情况下，用户可能有复杂或特定的问题，需要人工客服的介入。另外，一些用户可能更倾向于与真实的人进行沟通，因为他们期望获得更人性化的服务。因此，为了进一步提高智能客服交互系统的效能，需要提供了一种创新的呼叫方法和系统，以便更好地满足用户的需求，提高服务质量，同时在必要时能够有效地将用户转接至人工客服，以提供更深层次、个性化的支持。

技术实现思路

1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出智能客服交互方法，可以实现极大提高智能客服的服务质量，解放人工客服压力的同时提高人工客服的服务质量确保用户满意度；

2、本发明的第二个目的在于提出一种智能客服交互系统。

3、为达上述目的，本发明第一方面实施例提出一种智能客服交互方法，所述方法包括以下步骤：

4、s100，接收待处理用户发送的信息文本和根据当前人工客服空闲状态设定人工客服标准渴望度，所述人工客服标准渴望度用于作为一个衡量指标来决定是否需要将用户转接至人工客服；

5、s200，提取待处理用户发送给系统的信息文本字符参数，比较待处理用户发送的信息文本与问答数据库的各个参考文本的句意迫敛度：其中，所述系统为一个智能客服交互系统，用于处理用户的信息并提供相应的响应；所述系统内部包含问答数据库，其中问答数据库包含了一系列客户问题和对应的答案，问答数据库充当了系统学习和参考的知识库，使系统能够回答用户的问题。

6、s300，若在问答数据库中找到句意迫敛度接近的问题，则通过智能客服直接回复待处理客户；否则，将待处理用户转接至人工客服；

7、s400，实时对待处理客户的沟通时间长度、字符长度分析和消极性分析，提取用户消极性词汇、字符长度和消息长度数据作为态度相似评估值；

8、s500，通过态度相似评估值计算人工客服渴望度，并对人工客服渴望度和人工客服标准渴望度进行比较；当人工客服渴望度超过预设人工客服标准渴望度时将待处理用户转接至人工客服。

9、根据本发明实施例的智能客服交互方法，可以实现极大提高智能客服的服务质量，解放人工客服压力的同时提高人工客服的服务质量确保用户满意度。

10、进一步的，在步骤s100中接收待处理用户发送的信息文本和根据当前人工客服空闲状态设定人工客服标准渴望度，所述人工客服标准渴望度用于作为一个衡量指标来决定是否需要将用户转接至人工客服；

11、具体的，若当前智能客服的表现程度低于预设标准即计算得到的人工渴望度低于或等于人工客服标准渴望度，系统则认为当前的智能客服服务已经满足用户需求，不需要进一步引入人工客服进行干预。反之，如果当前智能客服的表现低于预设标准即计算的人工渴望度高于预设的人工客服标准渴望度，系统则会选择引入人工客服，以提供更高水平的支持和确保用户满意度；

12、优选的，人工客服标准渴望度一般设置的区间为[0.7-1.0]。

13、进一步的，在传统的客服系统中，用户可能需要等待较长时间才能获得满意的答复，而智能客服交互系统通过引入自然语言处理和机器学习算法，能够更快速地理解用户的需求，并提供定制化的解决方案，所以为了提高智能客服的服务质量，本发明提出了在步骤s200中，提取待处理用户发送给系统的信息文本字符参数，比较待处理用户发送的信息文本与问答数据库的各个参考文本的句意迫敛度包括：

14、具体的，通过词袋模型(bagofwords)和词嵌入模型(wordembeddings)将文本转化为计算机可以处理的特征向量。将待处理用户发送的文本表示为词语的频率分布并将每个词映射到一个高维向量。

15、采用计算待处理用户发送的信息文本与问答数据库中各个参考文本的句意迫敛度，具体的，设置一个空的集合作为待处理用户发送的信息文本的特征向量集合dcl，将待处理用户发送的信息文本的所有特征向量作为集合dcl的元素，与问答数据库的各个参考文本的特征向量集合dk(i)逐个比较，其中i表示各个参考文本的标识，i＝1,2,…,m，m表示问答数据库的参考文本数量，记待处理用户发送的信息文本与问答数据库中第i个参考文本的句意迫敛度为sim(dcl,dk(i))，则句意迫敛度sim(dcl,dk(i))，其中句意迫敛度sim(dcl,dk(i))的计算方式为：sim(dcl,dk(i))＝|dcl∩dk(i)|/|dcl∪dk(i)|；∩和∪是集合论中的运算符号，它们表示集合的交集和并集,|dcl∩dk(i)|表示集合dcl∩dk(i)中的元素的个数；|dcl∪dk(i)|表示dcl∪dk(i)中的个数，即sim(dcl,dk(i))为特征向量集合dk(i)和特征向量集合dcl的交集个数与特征向量集合dk(i)和特征向量集合dcl的并集个数的比值。根据实际情况设定一个句意迫敛度阈值(一般情况下设置为0.8)，比较各个sim(dcl,dk(i))值并取其最大值记为simx，当sim(dcl,dk(i))值中的最大值simx超过设定的句意迫敛度阈值则认为待处理用户发送的信息文本与sim(dcl,dk(i))值中的最大值simx所对应的特征向量集合的问答模板句意迫敛度较高，则智能客服将以该特征向量集合的问答模板作为参考文本进行问答回复。

16、进一步的，特征向量的构建是通过自然语言处理技术，获取的文本中的关键词、短语、上下文信息等。其中自然语言处理技术包括词向量、tf-idf(词频-逆文档频率)，通过计算待处理用户发送的信息文本的特征向量集合与问答数据库中各个参考文本的特征向量集合之间的逼近程度。从而判断待处理用户发送的信息文本与问答数据库中哪个参考文本的语义更为相似，这个方法在智能客服交互场景中可以帮助系统更精准地理解用户意图，提供更合适的回复。

17、进一步的，在步骤s300中，若在问答数据库中找到句意迫敛度接近的问题，则通过智能客服直接回复待处理客户；否则，将待处理用户转接至人工客服；

18、具体的，当sim(dcl,dk(i))值中的最大值simx超过设定的句意迫敛度阈值则认为待处理用户发送的信息文本与sim(dcl,dk(i))值中的最大值simx所对应的特征向量集合的问答模板句意迫敛度较高，则智能客服将以该特征向量集合的问答模板作为参考文本进行问答回复待处理客户，若sim(dcl,dk(i))值中的最大值simx未超过设定的句意迫敛度阈值则直接转接至人工客服。

19、进一步的，尽管智能客服交互系统在许多方面取得了成功，但仍然存在很多问题。例如，某些情况下，用户可能有复杂或特定的问题，需要人工客服的介入。另外，一些用户可能更倾向于与真实的人进行沟通，因为他们期望获得更人性化的服务。因此，为了进一步提高智能客服交互系统的效能，所以在步骤s400中，实时对待处理客户的沟通时间长度、字符长度分析和消极性分析，提取用户消极性词汇、字符长度和消息长度数据作为态度相似评估值；

20、具体的，对待处理客户的沟通时间长度分析包括当系统接收到待处理客户的信息时，记录下开始处理该信息的时间戳(例如，以秒为单位的时间戳)；在系统与待处理客户的沟通过程中，持续监测当前时间，以获取实时的时间戳；当客户发送新的信息或发生其他互动时，系统计算新的时间戳与开始时间的时间间隔，得到当前的沟通时间长度t。对待处理客户的消极性分析包括对待处理客户发送的每条文本信息进行情感分析，使用论文[1]尚永敏,赵榆琴.基于机器学习的在线评论情感分析与实现[j].大理大学学报,2021,6(12):7.中的基于机器学习的情感分析模型进行分析，从经过情感分析的文本中提取消极性词汇，并使用预定义的消极性词汇列表或情感词典进行匹配，通过匹配成功数量获得消极值x。对每条待处理客户的文本消息计算长度为字符数，记为l。

21、进一步的，由于在客户提出问题时客户的真实意图并不总是能够准确体现在单一语句中，并且在沟通时间长度、消极性词汇和文本长度会制约出体现准确意图的语句。而现有智能客服交互技术在处理这种情况时表现不足，由于现有智能客服交互技术难以在充满消极性词汇和短沟通时长的语句中准确捕捉客户的真实意图；在实际操作中，我们发现客户的真正意图往往嵌入在充满消极性词汇和短沟通时长的语句中，而不是体现在充满积极性词汇和长语句中。因此，通过综合考虑沟通时间长度、消极性词汇数量、文本长度等因素，我们能够更全面地评估客户信息的整体趋势。为了解决这一问题，本发明通过态度相似评估值全面考虑处理速度、用户情感和信息详细程度三个因素使智能客服交互系统能更准确地理解客户的真实需求，尤其是在涉及到充满消极性词汇和短沟通时长的场景中。通过这种方式，我们能够更好地满足客户期望，提高智能客服交互系统的效能。

22、具体的，将沟通时间长度、消极性词汇和文本长度等数据整合成一个包含这些信息的数据集作为态度相似评估值，其中态度相似评估值的量化方式为：

23、

24、

25、其中，g是态度相似评估值，表示系统的综合评估；j为态度参数；m为参考文本数量；t为沟通时间长度，直接采用实时计算得到的沟通时间长度，以秒为单位,tm为标准沟通时间表示业务规定的合理沟通时间范围，一般设置为10-30秒；x为消极性词汇数量，采用情感分析模型提取的消极性词汇数量作为消极性指标，xm为标准消极性词汇数量表示业务规定的合理沟通消极性词汇数量，一般设置为1-2个；l为字符数，使用字符数作为文本长度的度量方式，lm为标准字符数表示业务规定的合理沟通字符数5-100个；sim(dc1,dk(i))代表待处理用户发送的信息文本与第i个参考文本的句意迫敛度；simx代表句意迫敛度的最大值；通过simx-sim(dcl,dk(i))计算每个句意迫敛度与最大值之间的差值再除sim(dc1,dk(i))以标准化态度相似评估值，再求和最后通过乘态度参数j获得态度相似评估值。

26、具体的，态度参数j通过将时间长度、消极性词汇数量和字符数的比值相加，可以实现多维度的综合评估，让系统在处理用户信息时同时考虑沟通时间、用户情感倾向以及信息的详细程度，从而更全面地了解用户需求和态度；并且由于不同的应用场景可能对时间、情感、和信息详细程度的重要性有所不同，通过将这些因素的比值加在一起，系统可以在权衡这些因素的影响时更具灵活性，以适应不同业务需求和用户场景。

27、进一步的，态度参数j和态度相似评估值g综合考虑到处理速度、用户情感以及信息详细程度等多个因素，由于消极性词汇反映了用户在沟通中表达的情感倾向，情感是理解用户需求和态度的关键因素之一，通过分析用户信息中的消极性词汇，系统可以更好地捕捉用户的情感状态，从而更准确地判断用户的满意度和需求。在短时间内，用户可能需要迅速表达问题或需求，而此时的信息可能不够详细，但是这并不意味着这些短语句就没有信息可供利用，相反，短沟通时长中蕴含着紧急或简短问题的关键信息，通过考虑短沟通时长的信息，系统可以更灵活地响应用户的实时需求。在传统方法中，短沟通时长和消极性词汇往往被视为无效信息，因为它们在某些情境下可能并不提供足够的上下文或详细信息，这往往会忽略了这些信息包含的有关用户的真实需求，通过将这些看似无效的信息转化为态度相似评估值，系统避免了对潜在有用信息的浪费；而且由于大部分用户更倾向于使用简短、直接的语句表达需求，而这些语句往往包含在短暂沟通时长和消极性词汇中，所以通过考虑用户的习惯和表达方式，系统可以更好地适应不同用户的沟通风格，最后通过态度相似评估值提高系统对不同类型信息的适应能力。无论是长时间的详细描述，还是短语句中的紧急需求，系统都能够灵活地作出反应，而这种灵活性有助于提高系统的智能程度和用户体验。并且以态度相似评估值g的形式进行总体评估待处理用户发送的信息文本与所有参考文本的句意迫敛度的整体增长趋势，如果这个总体整体增长趋势大，表示待处理用户发送的信息更接近于其中某个参考文本；如果趋势小的，表示相对不接近问答数据库的参考文本。在此过程中，态度参数j的可以更加具合理沟通中的时间长度、消极性词汇和字符数范围调整系统对不同方面服务的关注度。

28、进一步的，态度相似评估值可以指导系统在特定情境下的决策，当态度相似评估值较高时，系统可以自动选择回复用户；当评估值较低时，系统可以考虑将用户转接至人工客服。这种决策指导有助于提高系统的智能程度。

29、优选的，在每次新的互动发生时，实时更新态度相似评估值，确保数据反映最新的沟通状态和情感倾向。将整合后的态度相似评估值存储在系统数据库中，以备后续分析和决策使用。

30、进一步的，在s500中，通过态度相似评估值计算人工客服渴望度，并对人工客服渴望度和人工客服标准渴望度进行比较；当人工客服渴望度超过预设人工客服标准渴望度时将待处理用户转接至人工客服。包括：

31、记态度相似评估值计算人工客服渴望度为duser，则态度相似评估值计算人工客服渴望度duser的计算公式为：

32、其中g为态度相似评估值，是代表态度相似评估值的变量，表示用户的态度、情感的特征，当g趋近正无穷时，e-g趋近于0，duser的值趋近于1，表示用户的积极态度；当g趋近负无穷时，e-g趋近于正无穷，duser的值趋近于0，表示用户的积极态度。分子部分用sim(dcl,dk(i))值中的最大值simx作为参数，使用句意迫敛度获取信息文本的特征向量集合与问答数据库中各个参考文本的特征向量集合之间的逼近程度可以根据自然语言的规律确保计算人工客服渴望度时更关注用户信息文本是否能得到参考文本的回答和结局按，当simx的值越大，相似性越大，这表示智能客服能通过参考文本给予相对满意的回复和问题解决方式。通过这种计算方式可以在用户态度和人工客服态度之间建立一种平滑的映射，同时通过句意迫敛度能更好的利用智能客服给予用户满意的服务，减轻人工客服的工作强度提高服务质量。

33、进一步的，在系统中，对人工客服渴望度duser和人工客服标准渴望度dstandard进行比较，评估将待处理用户是否需要人工客服，并决定是否需要将待处理用户转接至人工客服。

34、具体的，比较步骤包括，获取待处理用户的人工客服渴望度duser和设定的人工客服标准渴望度dstandard。将用户的人工客服渴望度duser与系统设定的人工客服标准渴望度dstandard进行比较。如果duser大于dstandard，表示用户的期望高于系统标准，则需要将用户转接至人工客服以提供更满意的服务。如果duser不大于dstandard，系统可以继续通过智能客服提供服务。

35、优选的，记录决策的结果，以便系统在未来的优化和改进中进行参考。

36、这种比较的目的是确保系统在满足用户期望的同时，有效地利用人工客服资源。如果用户期望高于系统设定的标准，将用户转接至人工客服可以提高用户满意度。反之，如果用户期望在系统标准范围内，可以继续通过智能客服提供服务，降低对人工客服的依赖。这种比较可以帮助系统实现自动化和人工介入的合理平衡。

37、为达上述目的，本发明第二方面实施例还提出一种智能客服交互系统，所述智能客服交互系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现一种智能客服交互方法中的步骤，所述智能客服交互系统运行于桌上型计算机、笔记本、掌上电脑及云端数据中心的计算设备中。

38、通过智能客服交互系统执行智能客服交互方法，可以实现极大提高智能客服的服务质量，解放人工客服压力的同时提高人工客服的服务质量确保用户满意度。