一种机器客服服务方法、设备及计算机存储介质与流程

本发明涉及互联网通信技术领域，更具体地，本发明的涉及一种机器客服服务方法、设备及计算机存储介质。

背景技术：

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

随着互联网技术的不断发展，电子商务平台不断兴起。目前越来越多的电子商务平台为用户提供不同种类的商品，用户可以足不出户就能够再电子商务平台中购买或者售出商品。

在电子商务平台中，目前的客服系统一般包含机器人客服以及人工客服两种形式，其中机器人客服一般是基于网页的即时通讯工具机器人客服不需要人工维护，人工客服通常是内嵌于网页中的即时通讯工具，每个人工客服客户端均有人工维护。在客服服务过程中，当接收到来自客户的会话消息时，一般先由机器人客服提供服务。在机器人客服给出的回复无法满足客户的需求时，由客户手动点击人工客服按钮，接通人工客服进而提供人工服务，进行客户回话消息的回复。

上述机器客户提供服务一定程度上提高了事情处理效率。然而，机器客服提供的服务内容，通常是用户手动输入并预先存储的，需要人工持续不断地对人工客服接收到的会话消息进行归类总结，以及利用归类总结出的内容对机器客户提供的服务内容进行更新，在人工不进行服务内容的更新或者更新周期较长时，这就使得机器客服提供的服务内容较为滞后，无法满足用户需求的概率较大，转向人工服务的概率较大。

技术实现要素：

本发明提出了一种机器客服服务方法、设备以及计算机存储介质，能够解决现有技术中提供的服务内容较为滞后，服务效率较低的问题。

一种机器客服服务方法，包括：获得接收到的客户发送的文本会话信息中的关键词和所述客户的行为数据；确定所述关键词之间的余弦相似度；在客服知识库中获取所述余弦相似度对应的文本信息；根据所述文本信息和所述客户的行为数据，确定与所述文本会话信息对应的响应消息并发送。

一种机器客服服务设备，包括：存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于按照所述存储器中获得的计算机程序，执行：获得接收到的客户发送的文本会话信息中的关键词和所述客户的行为数据；确定所述关键词之间的余弦相似度；在客服知识库中获取所述余弦相似度对应的文本信息；根据所述文本信息和所述客户的行为数据，确定与所述文本会话信息对应的响应消息并发送。

一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现所述的用户信用度评价方法的步骤。

通过采用上述技术方案，针对用户输入的文本会话消息，结合余弦相似度，在客服知识库中获取所述余弦相似度对应的文本信息，进而确定文本信息对应的响应消息然后发送，这样利用客服知识库，用户无需对机器客服能够回答的问题进行预先设置，机器客服可以通过自学习、自计算、自比较的能力实现客户信息回复。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1为本发明实施例提出的机器客服服务方法；

图2为本发明实施例提出的余弦相似度示意图；

图3为本发明实施例提出的机器客服服务设备结构组成示意图。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

根据本发明的实施方式，提出了一种机器客服服务方法、设备以及一种计算机存储介质。

此外，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。

下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。

发明概述

本发明人发现，现有的电商平台，针对客户提出的问题，提供了机器客服和人工客服两种响应方式，但是现有技术中机器客服回复的问题需要预先进行设置，回答范围有限，而且机器客服和人工客服之间的切换不能平滑过度。

有鉴于此，本发明实施例提供了一种机器客服服务方法，获得接收到的客户发送的文本会话信息中的关键词和所述客户的行为数据；确定所述关键词之间的余弦相似度；在客服知识库中获取所述余弦相似度对应的文本信息；根据所述文本信息和所述客户的行为数据，确定与所述文本会话信息对应的响应消息并发送。

在介绍了本发明的基本原理之后，下面具体介绍本发明的各种非限制性实施方式。

应用场景总览

在本发明提出的技术方案中，可以应用在各种不同场景中实现用户智能客服服务方法，例如电商平台、银联平台、证券平台以及移动通信平台等，在此并不做具体的限定。

具体地，在本发明提出的技术方案中，将以电商平台为例，尤其是大宗商品交易的电商平台为例进行详细阐述。

大宗商品交易的电商平台中，包括运营商、卖家以及买家等三种类型的用户，运营商主要负责电商平台的管理，保障电商平台中各用户的账户安全，在本发明提出的技术方案中，对于卖家和买家来说，二者以电商平台为媒介，进行信息交互，在大多数场景下，买家的问题有很强的相似性，如果卖家每个买家都进行回复，会导致重复次数较多，尤其是买家数量多，咨询内容也多的场景下，将会耗费卖家较大的精力，以及时间资源。

示例性方法

下面参考图1来描述根据本发明示例性实施方式的在大宗货物交易过程中对机器客服的服务方法。需要注意的是，上述应用场景仅是为了便于理解本发明的精神和原理而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。

在本发明提出的技术方案中，管理平台中针对每个卖家，都设置数据库，该数据库在本提案中称之为客服知识库，可以和卖家标识对应存储。在客服知识库中，存储了针对买家提出的常见问题的汇总的答复。该客服知识库中，还可以包含通过日志分析获得的问题分类，以及推荐答案，例如连接、应用安装等内容。

具体地，如图1所示，其处理流程如下述：

步骤11，客户发送文本会话消息。

在电商平台中，客户一般是指买家，买家在聊天框中输入文本会话消息。具体地，在本发明实施例提出的技术方案中，将以大宗商品交易平台为例进行详细阐述。

现有大宗商品交易平台中，由于交易的特殊性，机器客服的实现方式还仅限于预先存储设定问题以及点击获取答案的方式进行。

具体地，在本发明实施例提出的技术方案中，文本会话消息可以是客户提出的问题，例如：关于是否有货，价格，物流等，文本会话消息可以是连续几个问题，也可以是一个问题，在本发明提出的技术方案中，对文本会话消息的字数并不限制。

具体的，在本发明实施例提出的技术方案中，将以客户输入的文本会话消息为：老板，我今天拍下上面的商品，后天能否收到包裹？以此为例进行详细阐述，后面将延用该文本会话消息。

步骤12，接收客户发送的文本会话消息，获得文本会话消息中的关键词和该客户的行为数据。

其中，可以使用TF-IDF算法，确定接收到的客户发送的文本会话信息中的关键词。

例如，针对文本会话消息：老板，我今天拍下上面的商品，后天能否收到包裹，确定关键词为：今天、拍下、上面、商品、后天、收到、包裹。

其中，TF-IDF算法是一种用于资讯检索与资讯探勘的常用加权术。TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜寻引擎应用，作为文件与用户查询之间相关程度的度量或评级。TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TFIDF实际上是：TF*IDF，TF词频(Term Frequency)，IDF反文档频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是：如果包含词条t的文档越少，也就是n越小，IDF越大，则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m，而其它类包含t的文档总数为k，显然所有包含t的文档数n＝m+k，当m大的时候，n也大，按照IDF公式得到的IDF的值会小，就说明该词条t类别区分能力不强。但是实际上，如果一个词条在一个类的文档中频繁出现，则说明该词条能够很好代表这个类的文本的特征，这样的词条应该给它们赋予较高的权重，并选来作为该类文本的特征词以区别与其它类文档。

在本发明提出的技术方案中，使用TF-IDF方法，找出文本会话信息中的关键词，针对一个词语来说，如果该词语的TF-IDF值越大，则该词语对该文本会话信息的重要性越高，通过该种方式获取文本会话信息中的关键词，准确率较高，并且，可以不限制用户输入的文本会话信息的字数。

例如，在文本会话消息中老板，我今天拍下上面的商品，后天能否收到包裹，其中关键字天的次数比较多，按照TF-IDF方法，该关键字对应词语今天、后天对该文本会话信息的重要性比较高，事实证明，如果要回复该文本会话信息，确实需要针对今天、后天做出判断。

客户的行为数据，可以是买家用户的行为数据，例如，管理平台接入手持终端中客户端日志，通过数据挖掘分析客户的行为，并对异常日志进行诊断，关联分析用户标识进行预分析，该客户的行为数据可以作为客服知识库的补充。

获取该客户的行为数据，在文本会话消息中出现了上面、商品，相应地，可以确定客户发送的商品链接，或者客户拍下商品的订单等信息，具体的，将以客户发送的商品链接为例进行详细阐述。

例如，客户在浏览店铺时，发现某一商品，想要向客服咨询该商品的收货时间，客户在聊天框中发送该商品链接，随后发送文本会话消息：老板，我今天拍下上面的商品，后天能否收到包裹。则对应的客户的行为数据是客户发送了商品链接。

步骤13，确定关键词之间的余弦相似度。

其中文本信息之间的余弦相似度，将文本信息进行处理，假设文本信息为控件中的两条线段，都是从原点出发指向不同的方向，如图2所示，两条线段之间形成一个夹角，如果夹角为0，则表示方向相同、线段重合，即文本信息一致，如果夹角为90，意味着形成直角，方向完全相似，即文本信息完全不一致，可以说一个字都不相同，如果夹角为180，则意味着方向相反，及文本信息的表述内容是两个相反的含义。

如图2所示，在计算余弦相似度时，可以按照下述公式进行计算：

假设A和B是两个n维向量，A是[A1，A2，A3……An]，B是[B1，B2，B3……Bn],则A和B之间的夹角的余弦：

从而确定余弦相似度值，余弦相似度值越接近1，就表明夹角接近0，也就是两个向量越相似。

结合上述余弦相似度的计算原理，在本发明中，将至少一个关键词合并成集合，计算文本会话信息对应所述集合中的词的词频，并生成词频向量；确定词频向量之间的余弦相似度。

具体实施中，针对文本会话信息，取出若干个关键词合并成集合，计算文本会话信息针对该集合中的词的词频，并生成词频向量，计算问题分类N个向量的余弦相似度，值越大则越相似。

沿用步骤13中的例子，把获得的关键词“今天”“后天”合并成集合，计算出余弦相似度值为0.7。

步骤14，在客服知识库中获取余弦相似度对应的文本信息。

一种实施方式中，客服知识库中，会存储问题、问题答案和标识的对应关系，其中，标识是本提案提出的余弦相似度值。

例如，在客服知识库中，可以存储如下对应关系：

什么时候可以到？请问地址是哪里？0.6；

如果是顺丰快递，可以实现次日达。0.7；

如果默认快递，除偏远地区外，需要三天哦；0.7

需要说明的是，本发明实施例上述仅仅是举例进行说明，具体实施中，客服知识库中存储的问题，每个问题对应的答案要复杂很多，对应的标识的精确度也不止小数点后一位。

沿用步骤13中的例子，假设客服知识库中存储了上述对应关系，，本步骤14中，获得的余弦相似度对应的文本信息为如果是顺丰快递，可以实现次日达。0.7；如果默认快递，除偏远地区外，需要三天哦；0.7

根据余弦相似度结果，在客服知识库中获取余弦相似度最相似的问题，即文本信息，并进一步获取该问题对应的答案。

若客户知识库中能够获得多个文本信息，则在多个文本信息中择一个文本信息。

步骤15，根据文本信息和客户的行为数据，确定与文本会话信息对应的响应消息并发送。

沿用步骤14中的例子，如果仅根据余弦相似度，确定出的文本信息可能是不止一个，虽然每个问题都可以针对文本会话信息进行响应，但是，在本发明实施例提出的技术方案中，为进一步提升响应消息的准确、贴合度，引入客户的行为数据。

延用上文的例子，客户的行为数据是在聊天框中发送了商品链接，提的问题是后天是否可以到货，结合行为数据，在客服知识库中可以给出答案：

如果是顺丰快递，可以实现次日达。0.7；如果默认快递，除偏远地区外，需要三天哦；0.7。

可选地，在上述步骤15之后，还可以包括：

若确定出无法获得与所述文本会话信息对应的响应消息时，将所述文本会话消息推送至人工客服。

在本步骤中，机器客服根据客户的行为数据和接收到的文本会话信息，计算余弦相似度，进一步确定响应消息，即问题的答案，如果确定出问题的答案，则将答案推送给客户，如果无法获知问题的答案，机器客户将文本会话消息推送至人工客服，实现了机器客服和人工客服的主动切换，为了保证用户的感知。随后机器客服可回复客户正在进行人工处理，请稍后等文本信息。

可选地，在上述步骤15之后，还可以包括：

确定所述客户发送的文本会话信息是否解决问题，若解决，则将本次文本会话信息赋予权重值，并更新所述客服知识库。

客户确定是否解决问题，如果解决，则本次流程结束，为了进一步丰富客服知识库，可以将客服知识库进行更新，这样积累下来，机器客服的功能将越来越强大。

相应地，本发明实施例还提出一种机器客服服务设备，如图3所示，包括：存储器301和处理器302，所述存储器301用于存储计算机程序，所述处理器302用于按照所述存储器中获得的计算机程序，执行：获得接收到的客户发送的文本会话信息中的关键词和所述客户的行为数据；确定所述关键词之间的余弦相似度；在客服知识库中获取所述余弦相似度对应的文本信息；根据所述文本信息和所述客户的行为数据，确定与所述文本会话信息对应的响应消息并发送。

所述处理器302，具体用于将至少一个关键词合并成集合，计算文本会话信息对应所述集合中的词的词频，并生成词频向量；确定词频向量之间的余弦相似度。

所述处理器302，具体用于使用TF-IDF算法，确定接收到的客户发送的文本会话信息中的关键词。

所述处理器302还用于若确定出无法获得与所述文本会话信息对应的响应消息时，将所述文本会话消息推送至人工客服。

具体地，本提案还提出一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现机器客服服务方法的步骤。

应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。