一种可定制化流程的任务型客服机器人系统及其工作方法与流程

本发明涉及网络技术领域，具体涉及一种可定制化流程的任务型客服机器人系统及其工作方法。

背景技术：

客服是企业解答用户疑问，解决用户难题的重要渠道，而传统的电话客服以及在线客服都需要企业花费大量的人力物力去维护。如今，客服机器人的兴起使得人工客服的需求量下降，极大地节约了企业成本。

按机器人客服需要完成的目标划分，可分成两类，分别是查询解答类(faq)和完成任务类。查询解答型机器人客服已经相对成熟，能解决大部分用户难题。而任务型机器人客服应用场景则更加广泛和复杂，涉及多轮对话管理，词槽收集继承，逻辑跳转等多个难题。任务型机器人客服示例如下：

任务型机器人客服使机器人客服不仅具有答疑的能力，更具有解决用户问题的能力。在一般的解决方案中，任务机器人客服是特定领域特定任务的机器人，例如电商办理退货的机器人不能解决预定机票的任务，要完成该任务需要重新开发。而对于开放领域的任务型机器人，则会面临需要收集词槽信息过多，没有流程辅助而准确率下降的问题，影响用户体验。

任务型机器人客服的目的是收集需要的词槽信息，从而为客户提供相应的资讯或者解决方案，而在保证准确率的前提下，现有技术方案的局限性导致当有新的任务出现时需要开发人员进行重新开发，使新任务上线速度和稳定性都不理想，另外，随着新任务越来越多，机器人维护难度也直线上升。

技术实现要素：

为解决上述问题，本发明提供了一种可定制化流程的任务型客服机器人系统，包括规则设定模块、任务流程构建模块、预处理模块、信息提取模型、意图识别模型、任务匹配模块。

所述规则制定模块用于用户根据业务需要，在系统后台预先设定好需要提取的词槽信息种类及其匹配规则。

任务流程构建模块用于用户根据自身业务需要构建任务流程图；每个任务流程图包括需要收集的词槽信息种类及收集顺序、线上服务信息反馈动作。

信息提取模块根据规则设定模块设定的词槽信息种类及其规则对用户输入的语句提取词槽信息。

意图识别模型用于根据用户的语句、词槽信息预测用户意图。

状态追踪模块用于在每轮对话完成后将该轮的状态转到下一轮。

任务匹配模块用于在用户意图是为了完成任务后，根据用户问句与任务的近似度进行任务打分，根据近似度排名匹配规定数量的任务流程。

进一步的，还包括预处理模块，用于对用户输入的语句进行预处理。

进一步的，所述该轮的状态包括该轮的词槽信息、该轮任务打分，该轮系统生成的答案。

进一步的，任务匹配模块的工作流程包括如下步骤：

s1:将用户输入语句进行分词，转化为对应的词向量表示；

s2:计算用户问句与任务相似问句的相似度，所述相似度为用户问句与任务相似问句的距离；

s3:对所述相似度进行排序；

s4:选择所述相似度排名在前的预设数量的任务。

进一步的，用户问句与任务相似问句的距离为cos距离。

上述的可定制化流程的任务型客服机器人系统的工作方法，其特征在于，包括如下步骤：

步骤一：预先在系统后台设定好所需要收集的词槽信息种类及提取规则。

步骤二：预先根据自身业务需要，构建任务流程，并进行存储。

步骤三：用户输入语句。

步骤四：信息提取模型根据所需要收集的词槽信息种类及匹配规则对语句进行信息提取。

步骤五：被提取的信息及信息提取模型的特征作为输入参数输入到意图识别模型，预测用户意图。

步骤六：意图识别模块判断出来用户是要完成任务还是要闲聊；如果是闲聊，则不进行后续步骤，否则进行后续步骤。

步骤七：任务匹配模块根据判断的意图匹配任务流程,根据匹配程度对任务进步骤七：任务匹配模块根据判断的意图匹配任务流程,根据匹配程度对任务进行打分,按照分数高低进行任务优先级排序。

步骤八：系统根据已经收集的词槽信息判断是否收集完了目前优先级最高的任务所需的全部词槽信息，如果收集完了，则接入相关服务，否则状态追踪模块将所获得的词槽信息、所匹配任务、系统生成的答案转到下一轮的系统与客户互动状态。

步骤九：系统生成对应的答案引导用户完成相关词槽信息输入；

步骤十：重复步骤三到步骤九，直到完成所有匹配的任务流程。

后续步骤包括接入相关服务、反馈服务结果。

9.进一步的，在步骤四之前对用户输入语句进行预处理。

进一步的，步骤四中是利用正则表达式对用户所输入的字符串进行匹配。

本发明的有益效果为：

本发明提出了一种可定制化流程的任务型客服机器人设计方案，使得机器人一次开发可以适应多种不同的任务。这个设计方案综合了特定领域任务型机器人准确率高和开放领域任务型机器人可扩展性强的优点，可以让普通的员工经过简单的学习之后，能自行定制流程去完成任务，并且让整个任务流程变得透明和容易维护，一方面减少了人力投入，另一方面也使系统更加稳定可靠。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为快递订单任务流程。

图2为飞机订单任务流程。

图3为快递查询流程示例。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一面分实施例，而不是全面的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

在对本系统及工作方法进行说明前，先对本发明的任务型机器人词槽填充方法进行说明。

下面对本发明所述系统进行说明。

本发明所述系统包括如下规则设定模块、任务流程构建模块、预处理模块、信息提取模型、意图识别模型、任务匹配模块。

规则设定模块用于用户根据业务需要在系统后台预先设定好需要提取的词槽信息种类及其匹配规则。词槽信息种类举例：手机号、订单号、时间信息、城市名称、手机验证码。还可对各个信息种类进行进一步的匹配规则制定，如订单号为十一位或者九位连续数字、收集验证码为连续五位或者六位数字。需要说明的是，用户可以选择系统预设好的常见的词槽信息种类，也可以自定义种类及规则。

任务流程构建模块用于用户根据自身业务需要构建任务流程图。每个任务流程图包括需要收集的词槽种类信息、收集顺序、及线上服务反馈信息提示过程。举例说明：如图1所示为快递订单任务流程。词槽信息收集顺序为：收集订单号->收集手机号->收集手机验证码->反馈线上查询结果。如图2所示为飞机订单任务流程。任务流程为：同时收集起飞位置和到达位置->反馈回可供选择的航班信息->反馈回预定结果。

预处理模块用于对用户输入的语句进行预处理，以减少信息提取模块的识别字数。预处理操作可以包括去掉虚词，如“了”、“的”、标点符号等等。预处理完后，优选再次进行人工或者机器修正，以保证不遗漏重要信息。预处理模块的设置是优选技术方案。

信息提取模块根据规则设定模块设定的词槽信息种类及其规则对用户输入的语句进行信息匹配及提取。信息提取模块采用的是现有技术。词槽信息收集可以是使用预定义规则进行正则匹配，比如匹配特定格式为订单号，1开头的11位数字为手机号，城市名为出发到达位置等，也可以使用深度学习的序列标注模型标注出词槽位置，还可以结合以上两种方法。

意图识别模型用于根据收集的词槽信息以及用户的输入问句预测用户意图。其模型输入为用户语句及信息提取模型的特征。这里的用户意图指的是用户是想闲聊还是询问某个问题还是完成某个任务等。从信息提取模型提取出来的特征可以有效过滤意图，如在用户语句中抽取出订单号和手机号的话，大概率用户是想查询快递。对于判断为闲聊的用户问句，会交由闲聊机器人进行判断回复，如果是任务意图，则会利用任务型机器人进行本文后续描述的工作流程。

状态追踪模块用于在每轮对话完成后讲本轮的状态信息转到下一轮。状态信息可以包括词槽信息，本轮任务打分，系统生成的答案等。每轮对话包括一次信息提取流程、一次意图识别流程、用户输入相关信息的流程。

任务匹配模块用于在确定用户意图是为了完成任务后，根据用户问句与各个任务的匹配度进行任务打分并进行排序，取前n个(n为自定义数字，本实施例n取3)匹配对应任务流程。该模块的工作流程为：

s1：将用户问句进行分词，转化为对应的词向量表示。

s2：计算用户问句与任务相似问句的相似度，所述相似度为用户问句与任务相似问句的距离，例如为cos距离，所述cos距离越大，相似度越高。

s3:对所述相似度进行排序。

s4:选择所述相似度排名在前的预设数量的任务。

通过筛选任务可以缩小候选词槽的数量，便于尽快筛选出任务对应的词槽。

下面对上述系统的工作方法进行总结性说明，该方法可归纳为如下步骤：

步骤一：预先在系统后台设定好所需要收集的词槽信息种类及提取规则。

步骤二：预先根据自身业务需要，构建任务流程，并进行存储。

步骤三：用户输入语句。

步骤四：信息提取模型根据所需要收集的词槽信息种类及提取规则对预语句进行信息提取。

优选的，在步骤四之前利用预处理模块对语句进行预处理，如去除不需的语气助词等。

步骤五：被提取的信息及信息提取模型的特征作为输入参数输入到意图识别模型，预测用户意图。

步骤六：意图识别模块判断出来用户是要完成任务还是要闲聊；如果是闲聊，则不转到闲聊机器人，不进行后续步骤，否则进行后续步骤。

步骤七：任务匹配模块根据判断的意图匹配任务流程,根据匹配程度对任务进行打分,按照分数高低进行任务优先级排序。

若匹配到多个任务流程，这时候会根据匹配到的多个任务流程的优先级进行收集。举例说明：用户输入“帮我订个飞机票，再开个发票”，这时会先进行“订机票”流程，再进行“开发票|”流程，因为订机票优先级要高于开发票，没有机票也没法开发票。

步骤八：系统根据已经收集的词槽信息判断是否收集完了目前优先级最高的任务所需的全部词槽信息，如果收集完了，则接入相关服务，否则状态追踪模块将所获得的词槽信息、所匹配任务、系统生成的答案转到下一轮的系统与客户互动状态。

步骤九：系统生成对应的答案引导用户完成相关词槽信息输入。

步骤十：重复步骤三到步骤十，直到完成任务流程。

需要说明的是，当用户继续输入时，首先会根据之前进入的任务流程进行收集，若用户提及其他任务意图，也会收集新的任务意图对应的词槽。

步骤十一：接入相关服务。

步骤十二：反馈服务结果。

下面以图3所示为快递查询流程例进行步骤说明。

步骤一：预先在系统后台设定词槽信息，包括“快递”和/或“包裹”文字、订单号、手机号。设定订单号是9位连续数字；手机号是11为连续数字。

步骤二：建立如图1的流程图，并进行存储。

步骤三：用户输入语句：“我的快递到哪了？”。

步骤四：信息提取模型根据所需要收集的词槽信息种类及提取规则将“快递到哪”中的“快递”提取出来。

预处理模块对语句进行预处理，去掉“我”、“的”、“了”及问号。

步骤五：被提取的“快递”及信息提取模型的特征作为输入参数输入到意图识别模型；

步骤七：意图识别模型预测用户意图是准备查询快递。

步骤八：任务匹配模块匹配对应的快递订单任务流程。

步骤九：系统判断还未收集到订单号信息、手机号信息，因此生成答案提示用户输入订单号及手机号。

步骤十：状态追踪模块将所获得的词槽信息、所匹配任务、系统生成的答案转到下一轮的系统与客户互动状态。

步骤十一：用户输入含有订单号、手机号的语句。

步骤十二：信息提取模型根据所需要收集的词槽信息种类及提取规则将订单号、手机号提取出来。

预处理模块对语句进行预处理，去掉“我”、“的”、“了”及问号。

步骤十三：被提取的订单号、手机号及信息提取模型的特征作为输入参数输入到意图识别模型；

步骤十四：意图识别模型预测用户意图是准备完成任务。

步骤十五：任务匹配模块匹配对应的快递订单查询任务流程。

步骤十六：系统根据已经收集的订单号、收集号判断还需要收集手机验证码。

步骤十七：用户输入收集验证码。

步骤十八：系统验证收集验证码后，接入快递物流信息查询线上服务，并反馈结果。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

以上所述的，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述的权利要求的保护范围为准。