CN109992655B - 智能客服方法、装置、设备和存储介质 - Google Patents

Abstract

本发明涉及一种智能客服方法、装置、设备和存储介质，方法包括：获取用户的当前输入信息；根据预设的对话行为模型，在各对话行为类型中确定当前输入信息属于的目标对话行为类型；根据目标对话行为类型，确定是否对词槽进行填充；若是，获取当前输入信息对应的要素，并将要素填充至词槽；若否，输出当前输入信息对应的当前响应信息，以便再次获取用户根据当前响应信息反馈的输入信息。也就是说，采用本发明提供的技术方案，即使用户不同的输入信息中可能包含相同的关键数据，结合用户的输入信息所属的目标对话行为类型对词槽进行填充，便能够准确有效地填充词槽，从而降低机器客服无法准确填充词槽的现象，提高机器客服的实用性。

Description

智能客服方法、装置、设备和存储介质

技术领域

本发明涉及人工智能技术领域，具体涉及一种智能客服方法、装置、设备和存储介质。

背景技术

随着机器客服技术的发展和用户对机器客服及其交互形式的逐渐习惯，企业的机器客服中的咨询类型涵盖了客服咨询、产品咨询及导购、信息查询、业务办理等多种咨询场景。

现有的机器客服包括两个核心元素：词槽填充和多轮对话。在用户咨询的意图触发任务型多轮场景后，机器客服将通过多轮的澄清反问，收集到该任务中所需的词槽，从而完成某种业务操作（产品推荐、信息查询、业务办理等）。

但是，机器客服大多采用命中用户的输入信息中的关键数据的方式来填充词槽，而不同的输入信息中可能包含相同的关键数据，使得机器客服无法准确填充词槽，从而降低了机器客服的实用性。

发明内容

有鉴于此，本发明的目的在于提供一种智能客服方法、装置、设备和存储介质，以解决由于不同的输入信息中可能包含相同的关键数据，使得机器客服无法准确填充词槽，从而降低了机器客服的实用性的问题。

为实现以上目的，本发明提供一种智能客服方法，包括：

获取用户的当前输入信息；

根据预设的对话行为模型，在各对话行为类型中确定所述当前输入信息属于的目标对话行为类型；

根据所述目标对话行为类型，确定是否对词槽进行填充；

若确定对所述词槽进行填充，获取所述当前输入信息对应的要素，并将所述要素填充至所述词槽；

若确定不对所述词槽进行填充，输出所述当前输入信息对应的当前响应信息，以便再次获取用户根据所述当前响应信息反馈的输入信息。

进一步地，上述方法中，所述根据预设的对话行为模型，在各对话行为类型中确定所述目标对话行为类型，包括：

根据所述对话行为模型，对所述当前输入信息分别按照各对话行为类型打分，得到所述当前输入信息的每个对话行为类型对应的打分值；

以所述打分值的数值大小为依据，确定所述目标对话行为类型。

进一步地，上述方法中，所述以所述打分值的数值大小为依据，确定所述目标对话行为类型，包括：

确定打分值最高的对话行为类型为所述目标对话行为类型。

进一步地，上述方法中，所述以所述打分值的数值大小为依据，确定所述目标对话行为类型，包括：

确定打分值最高的对话行为类型为初选对话行为类型；

判断最高的打分值是否大于所述初选对话行为类型对应的预设阈值；

若所述最高的打分值大于所述预设阈值，确定所述初选对话行为类型为所述目标对话行为类型。

进一步地，上述方法中，还包括：

若所述最高的打分值小于或等于所述预设阈值，输出对所述当前输入信息的语义理解信息；

获取所述用户根据所述语义理解信息反馈的确认结果；

若所述确认结果表示正确，确定所述初选对话行为类型为所述目标对话行为类型。

进一步地，上述方法中，还包括：

若所述确认结果表示错误，提示所述用户输入所述当前输入信息的明确信息。

进一步地，上述方法中，所述输出所述当前输入信息对应的当前响应信息之前，还包括：

根据所述当前输入信息的语义理解信息，从预设的语料库中选取所述当前输入信息对应的当前响应信息。

进一步地，上述方法中，所述对话行为类型包括：

提供信息行为类型、询问行为类型、疑问行为类型、报怨行为类型、积极回复行为类型、消极回复行为类型和待辨识回复行为类型中的至少一种；

所述确定对所述词槽进行填充，包括：

若所述当前输入信息属于的对话行为类型为提供信息行为类型或积极回复行为类型，确定对所述词槽进行填充；

所述确定不对所述词槽进行填充，包括：

若所述当前输入信息属于的对话行为类型为询问行为类型、疑问行为类型、报怨行为类型、消极回复行为类型或待辨识回复行为类型，确定不对所述词槽进行填充。

进一步地，上述方法中，所述若确定对所述词槽进行填充，获取所述当前输入信息对应的要素，包括：

若所述当前输入信息属于的对话行为类型为提供信息行为类型，从所述当前输入信息中获取所述要素；

若所述当前输入信息属于的对话行为类型为积极回复行为类型，根据所述当前输入信息和/或所述当前输入信息之前的对话内容，获取所述要素。

本发明还提供一种智能客服装置，包括获取模块、确定模块和输出模块；

所述获取模块，用于获取用户的当前输入信息；

所述确定模块，用于根据预设的对话行为模型，在各对话行为类型中确定所述当前输入信息属于的目标对话行为类型；根据所述目标对话行为类型，确定是否对词槽进行填充；

所述获取模块，还用于若所述确定模块确定对所述词槽进行填充，获取所述当前输入信息对应的要素，并将所述要素填充至所述词槽；

所述输出模块，用于若所述确定模块确定不对所述词槽进行填充，输出所述当前输入信息对应的当前响应信息，以便所述获取模块再次获取用户根据所述当前响应信息反馈的输入信息。

进一步地，上述装置中，所述确定模块，具体用于：

根据所述对话行为模型，对所述当前输入信息分别按照各对话行为类型打分，得到所述当前输入信息的每个对话行为类型对应的打分值；

以所述打分值的数值大小为依据，确定所述目标对话行为类型。

进一步地，上述装置中，所述确定模块，还用于：

确定打分值最高的对话行为类型为所述目标对话行为类型。

进一步地，上述装置中，所述确定模块，还用于：

确定打分值最高的对话行为类型为初选对话行为类型；

判断最高的打分值是否大于所述初选对话行为类型对应的预设阈值；

若所述最高的打分值大于所述预设阈值，确定所述初选对话行为类型为所述目标对话行为类型。

进一步地，上述装置中，所述确定模块，还用于：

若所述最高的打分值小于或等于所述预设阈值，输出对所述当前输入信息的语义理解信息；

获取所述用户根据所述语义理解信息反馈的确认结果；

若所述确认结果表示正确，确定所述初选对话行为类型为所述目标对话行为类型。

进一步地，上述装置中，所述确定模块，还用于：

若所述确认结果表示错误，提示所述用户输入所述当前输入信息的明确信息。

进一步地，上述装置中，所述获取模块，还用于：

根据所述当前输入信息的语义理解信息，从预设的语料库中选取所述当前输入信息对应的当前响应信息。

进一步地，上述装置中，所述对话行为类型包括：

提供信息行为类型、询问行为类型、疑问行为类型、报怨行为类型、积极回复行为类型、消极回复行为类型和待辨识回复行为类型中的至少一种；

所述确定模块，还用于：

若所述当前输入信息属于的对话行为类型为提供信息行为类型或积极回复行为类型，确定对所述词槽进行填充；

所述确定不对所述词槽进行填充，包括：

若所述当前输入信息属于的对话行为类型为询问行为类型、疑问行为类型、报怨行为类型、消极回复行为类型或待辨识回复行为类型，确定不对所述词槽进行填充。

进一步地，上述装置中，所述获取模块，还用于：

若所述当前输入信息属于的对话行为类型为提供信息行为类型，从所述当前输入信息中获取所述要素；

若所述当前输入信息属于的对话行为类型为积极回复行为类型，根据所述当前输入信息和/或所述当前输入信息之前的对话内容，获取所述要素。

本发明还提供一种智能客服设备，包括处理器和存储器，所述处理器与存储器通过通信总线相连接：

其中，所述处理器，用于调用并执行所述存储器中存储的程序；

所述存储器，用于存储所述程序，所述程序至少用于执行如上所述的智能客服方法；

所述智能客服方法包括：

获取用户的当前输入信息；

根据预设的对话行为模型，在各对话行为类型中确定所述当前输入信息属于的目标对话行为类型；

根据所述目标对话行为类型，确定是否对词槽进行填充；

若确定对所述词槽进行填充，获取所述当前输入信息对应的要素，并将所述要素填充至所述词槽；

若确定不对所述词槽进行填充，输出所述当前输入信息对应的当前响应信息，以便再次获取用户根据所述当前响应信息反馈的输入信息。

进一步地，上述方法中，所述根据预设的对话行为模型，在各对话行为类型中确定所述目标对话行为类型，包括：

根据所述对话行为模型，对所述当前输入信息分别按照各对话行为类型打分，得到所述当前输入信息的每个对话行为类型对应的打分值；

以所述打分值的数值大小为依据，确定所述目标对话行为类型。

进一步地，上述方法中，所述以所述打分值的数值大小为依据，确定所述目标对话行为类型，包括：

确定打分值最高的对话行为类型为所述目标对话行为类型。

进一步地，上述方法中，所述以所述打分值的数值大小为依据，确定所述目标对话行为类型，包括：

确定打分值最高的对话行为类型为初选对话行为类型；

判断最高的打分值是否大于所述初选对话行为类型对应的预设阈值；

若所述最高的打分值大于所述预设阈值，确定所述初选对话行为类型为所述目标对话行为类型。

进一步地，上述方法中，还包括：

若所述最高的打分值小于或等于所述预设阈值，输出对所述当前输入信息的语义理解信息；

获取所述用户根据所述语义理解信息反馈的确认结果；

若所述确认结果表示正确，确定所述初选对话行为类型为所述目标对话行为类型。

进一步地，上述方法中，还包括：

若所述确认结果表示错误，提示所述用户输入所述当前输入信息的明确信息。

进一步地，上述方法中，所述输出所述当前输入信息对应的当前响应信息之前，还包括：

根据所述当前输入信息的语义理解信息，从预设的语料库中选取所述当前输入信息对应的当前响应信息。

进一步地，上述方法中，所述对话行为类型包括：

提供信息行为类型、询问行为类型、疑问行为类型、报怨行为类型、积极回复行为类型、消极回复行为类型和待辨识回复行为类型中的至少一种；

所述确定对所述词槽进行填充，包括：

若所述当前输入信息属于的对话行为类型为提供信息行为类型或积极回复行为类型，确定对所述词槽进行填充；

所述确定不对所述词槽进行填充，包括：

若所述当前输入信息属于的对话行为类型为询问行为类型、疑问行为类型、报怨行为类型、消极回复行为类型或待辨识回复行为类型，确定不对所述词槽进行填充。

进一步地，上述方法中，所述若确定对所述词槽进行填充，获取所述当前输入信息对应的要素，包括：

若所述当前输入信息属于的对话行为类型为提供信息行为类型，从所述当前输入信息中获取所述要素；

若所述当前输入信息属于的对话行为类型为积极回复行为类型，根据所述当前输入信息和/或所述当前输入信息之前的对话内容，获取所述要素。

本发明还提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的智能客服方法的各个步骤。

所述智能客服方法包括：

获取用户的当前输入信息；

根据预设的对话行为模型，在各对话行为类型中确定所述当前输入信息属于的目标对话行为类型；

根据所述目标对话行为类型，确定是否对词槽进行填充；

若确定对所述词槽进行填充，获取所述当前输入信息对应的要素，并将所述要素填充至所述词槽；

若确定不对所述词槽进行填充，输出所述当前输入信息对应的当前响应信息，以便再次获取用户根据所述当前响应信息反馈的输入信息。

进一步地，上述方法中，所述根据预设的对话行为模型，在各对话行为类型中确定所述目标对话行为类型，包括：

根据所述对话行为模型，对所述当前输入信息分别按照各对话行为类型打分，得到所述当前输入信息的每个对话行为类型对应的打分值；

以所述打分值的数值大小为依据，确定所述目标对话行为类型。

进一步地，上述方法中，所述以所述打分值的数值大小为依据，确定所述目标对话行为类型，包括：

确定打分值最高的对话行为类型为所述目标对话行为类型。

进一步地，上述方法中，所述以所述打分值的数值大小为依据，确定所述目标对话行为类型，包括：

确定打分值最高的对话行为类型为初选对话行为类型；

判断最高的打分值是否大于所述初选对话行为类型对应的预设阈值；

若所述最高的打分值大于所述预设阈值，确定所述初选对话行为类型为所述目标对话行为类型。

进一步地，上述方法中，还包括：

若所述最高的打分值小于或等于所述预设阈值，输出对所述当前输入信息的语义理解信息；

获取所述用户根据所述语义理解信息反馈的确认结果；

若所述确认结果表示正确，确定所述初选对话行为类型为所述目标对话行为类型。

进一步地，上述方法中，还包括：

若所述确认结果表示错误，提示所述用户输入所述当前输入信息的明确信息。

进一步地，上述方法中，所述输出所述当前输入信息对应的当前响应信息之前，还包括：

根据所述当前输入信息的语义理解信息，从预设的语料库中选取所述当前输入信息对应的当前响应信息。

进一步地，上述方法中，所述对话行为类型包括：

提供信息行为类型、询问行为类型、疑问行为类型、报怨行为类型、积极回复行为类型、消极回复行为类型和待辨识回复行为类型中的至少一种；

所述确定对所述词槽进行填充，包括：

若所述当前输入信息属于的对话行为类型为提供信息行为类型或积极回复行为类型，确定对所述词槽进行填充；

所述确定不对所述词槽进行填充，包括：

若所述当前输入信息属于的对话行为类型为询问行为类型、疑问行为类型、报怨行为类型、消极回复行为类型或待辨识回复行为类型，确定不对所述词槽进行填充。

进一步地，上述方法中，所述若确定对所述词槽进行填充，获取所述当前输入信息对应的要素，包括：

若所述当前输入信息属于的对话行为类型为提供信息行为类型，从所述当前输入信息中获取所述要素；

若所述当前输入信息属于的对话行为类型为积极回复行为类型，根据所述当前输入信息和/或所述当前输入信息之前的对话内容，获取所述要素。

本发明的智能客服方法、装置、设备和存储介质，通过获取用户的当前输入信息，根据预设的对话行为模型，在各对话行为类型中确定当前输入信息属于的目标对话行为类型，根据目标对话行为类型，确定是否对词槽进行填充，若确定对词槽进行填充，获取当前输入信息对应的要素，并将要素填充至词槽，若确定不对词槽进行填充，输出当前输入信息对应的当前响应信息，以便再次获取用户根据当前响应信息反馈的输入信息。也就是说，采用本发明提供的技术方案，即使用户不同的输入信息中可能包含相同的关键数据，结合用户的输入信息所属的目标对话行为类型对词槽进行填充，便能够准确有效地填充词槽，从而降低机器客服无法准确填充词槽的现象，提高机器客服的实用性。

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为本发明的智能客服方法实施例一的流程图；

图2为本发明的智能客服方法实施例二的流程图；

图3为本发明的智能客服装置实施例的结构示意图；

图4为本发明的智能客服设备实施例的结构示意图。

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部分实施例，而不是全部的实施例。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。

现有的机器客服包括两个核心元素：词槽填充和多轮对话。在用户咨询的意图触发任务型多轮场景后，机器客服将通过多轮的澄清反问，收集到该任务中所需的词槽，从而完成某种业务操作（产品推荐、信息查询、业务办理等）。

例如，以激活信用卡为例对机器客服的工作流程进行说明，其中，U为用户，R为机器客服：

U：我的卡到了，怎么激活。

R：请选择您的证件类型（澄清证件类型）。

U：身份证。

R：请输入您的身份证号（澄清证件号）。

U：130xxxxxxxxxxxxxxxxxxx。

R：请输入您的信用卡卡号（澄清卡号）。

U：620xxxxxxxxxxxxxxxxxxx。

R：请输入您的卡片有效期。

U：21年7月。

R：请输入您的卡片背面的3位安全码。

U：911。

R：请输入您的验证码（澄清验证码）。

U：0000。

R：您的信息审核通过，请确认是否开卡（澄清是否开卡）。当用户输入是时，执行函数激活，当用户输入否时，结束。

在机器客服响应用户的输入信息时，机器客服需要准确填充词槽，其中，词槽是在任务流程中机器客服需要从用户回复中收集的要素信息类别，例如查账场景中的“账单时间”、“消费地点”、“消费类型”；以及订机票场景中的“始发地”“目的地”“出发时间”。它区别于一般的“文本”信息，是描述真实世界中一类“实体”事物，比如“谢谢”“怎么”不属于要素，而“深圳”“一万元”属于要素。

词槽可以分为以下类型：

1）有实例关键数据

此类词槽中的实例可枚举且具有标准名称，在要素提取时需要进行归一化处理。如词槽“电影”中，有实例“速度与激情8”，同时“速8”为该实例的一个别名，在从用户问句中提取“速8”后，需要归一化为“速度与激情8”。

2）无实例关键数据

此类词槽中的实例不可枚举，可以认为是没有实例，在要素提取时无需进行归一化处理。如词槽“人名”中实例不可枚举，且无法对实例归一化对应。

3）语义型

此类词槽中具有可枚举的实例，但无法通过关键数据直接归一化到某一个实例上。如词槽“消费类型”，在用户问句中有时不能通过某个词来判断用户查询的是哪类消费类型，而是结合整句的语义来识别应该映射到哪类消费类型。

针对多轮对话：

一个任务型场景由意图入口和任务流程组成；用户提问后，如果触发了任务型的意图，则进入到任务流程中。

一个任务流程中有三个核心元素：节点、子节点跳转条件以及词槽，整个任务中是由词槽的收集状态来驱动的。一次任务的目的即是通过设置节点以及节点之间的跳转条件来控制任务流程，从而成功收集到要素信息，并最终完成某种业务操作。

一个节点即是任务流程中机器人需要执行的一个行为。节点类型包含开始节点、澄清节点以及完成节点。在任务流程中，可以根据收集到的要素值的不同，进行不同的分支流程，例如，用户想要贷款的金额大于其最大可贷金额，则任务失败，机器客服需要重新澄清密码，无法进入下一业务流程。如果小于最大可贷金额，则继续询问用户贷款的还款账户。对要素值判断规则包括：等于、大于、小于、包含文本、不包含文本，要素已填充，要素未填充等。

基于上述智能客服的实现方法可知，机器客服在进行词槽填充时存在以下情况：对于用户的输入信息，其包含的关键数据仅仅是用户的咨询信息，而不是用户的确认信息，这样，客服机器人直接将关键数据作为要素填充词槽，会使得机器客服将词槽填错。

例如，U：你好，给我上个月的账单办个分期。

R：正在为您上个月的账单共10000元办理分期，请问您要办多少期呢，当前支持6期、12期、24期。

U：6期

R：正在为您上个月的账单共10000元办理6期分期，请问您要以什么方式还款呢，1）等额本息；2）等额本金

U：等额本息是什么意思。

R：将“还款方式”词槽填充为“等额本息”（词槽填充错误）

为了解决相关技术中的上述问题，本发明实施例提供了以下技术方案：

请参阅图1，图1为本发明的智能客服方法实施例的流程图，如图1所示，本实施例的智能客服方法具体可以包括如下步骤：

100、获取用户的当前输入信息；

若用户利用机器客服进行业务办理，机器客服根据业务的类型和上一交互节点的对话内容，确定并输出当前交互节点的对话内容，以使用户根据当前交互节点的对话内容输入的相关信息作为获取的用户的当前输入信息，例如，该当前输入信息可以为文字形式、语音形式、视频形式等。

需要说明的是，由于不同地区对应的语言可能存在差异，因此，本实施例中可以基于预设的语言识别模型，对用户的当前输入信息进行识别后，将其转换为机器客服默认的语言类型。例如，该语言识别模型可以识别方言，不同国家的语言等。

101、根据预设的对话行为模型，在各对话行为类型中确定当前输入信息属于的目标对话行为类型；

本实施例中，可以预先针对各种对话行为类型进行分类训练，得到预设的对话行为模型。具体的，利用该预设的对话行为模型，对用户的当前输入信息进行匹配，从各对话行为类型中确定当前输入信息属于的对话行为类型，即目标对话行为类型。其中，对话行为类型可以包括提供信息行为类型、询问行为类型、疑问行为类型、报怨行为类型、积极回复行为类型、消极回复行为类型和待辨识回复行为类型中的至少一种。例如，提供信息行为类型：我办12期；询问行为类型：12期和24期的手续费差多少。疑问行为类型：不知道你说的什么意思；报怨行为类型：手续费怎么这么高啊！积极回复行为类型：好的没问题；消极回复行为类型：算了吧；待辨识回复行为类型：其它对话。

在一个具体实现过程中，可以根据预设的对话行为模型，对当前输入信息分别按照各对话行为类型打分，得到当前输入信息的每个对话行为类型对应的打分值；以打分值的数值大小为依据，确定目标对话行为类型，具体地，可以确定打分值最高的对话行为类型为目标对话行为类型。例如，当前输入信息为“等额本息是什么意思。”，对当前输入信息分别按照各对话行为类型打分得到的结果为行为：提供信息行为类型对应的打分值为75，询问行为类型对应的打分值为90，疑问行为类型对应的打分值为80，报怨行为类型对应的打分值为60、积极回复行为类型对应的打分值为70、消极回复行为类型对应打分值为50、待辨识回复行为类型对应打分值为40。此时可以确定当前输入信息所属的对话行为类型为询问行为类型。

102、根据目标对话行为类型，确定是否对词槽进行填充；若是，执行步骤103，若否，执行步骤104；

若当前输入信息属于的对话行为类型为提供信息行为类型或积极回复行为类型，确定对词槽进行填充；若当前输入信息属于的对话行为类型为疑问行为类型、报怨行为类型、消极回复行为类型或待辨识回复行为类型，确定不对词槽进行填充。

例如，当前输入信息为“我办12期。”经过打分后，可以确定其属于提供信息行为类型，确定对所述词槽进行填充。当前输入信息为“好的没问题”，经过打分后，可以确定其属于积极回复行为类型，确定对所述词槽进行填充。当前输入信息为“12期和24期的手续费差多少。”，经过打分后，可以确定其属于询问行为类型，确定不对词槽进行填充。当前输入信息为“不知道你说的什么意思”，经过打分后，可以确定其属于疑问行为类型，确定不对词槽进行填充。当前输入信息为“手续费怎么这么高啊！”，经过打分后，可以确定其属于报怨行为类型，确定不对词槽进行填充。当前输入信息为“算了吧”，经过打分后，可以确定其属于消极回复行为类型，确定不对词槽进行填充。当前业务为办理分期，用户的当前输入信息为“与分期业务无关的对话”，经过打分后，可以确定其属于待辨识回复行为类型，确定不对词槽进行填充。

本实施例中，若确定对词槽进行填充，执行步骤103，若确定不对词槽进行填充，执行步骤104。

103、获取当前输入信息对应的要素，并将获取的要素填充至词槽；

本实施例中，若确定对词槽进行填充，需要根据当前输入信息所属的对话行为类型，获取当前输入信息对应的要素，并将要素填充至词槽，再获取要素相对应的对话内容，以使用户根据输出的对话内容完成下一轮对话。具体地，若当前输入信息属于的对话行为类型为提供信息行为类型，从当前输入信息中获取当前输入信息对应的要素。例如，当前输入信息为“我办12期。”其对应的要素为12期，在词槽内填充12期。若当前输入信息属于的对话行为类型为积极回复行为类型，根据当前输入信息及当前输入信息之前的对话内容，获取当前输入信息对应要素。例如，若当前输入信息为“好的没问题”，需要从当前输入信息和/或当前输入信息之前的对话内容获取当前输入信息对应要素。当前输入信息之前的对话内容为：“User ：12期的手续费是多少。Bot：将10000元分12期还款，每期还款xxx元，手续费共yyy元。请问您要办多少期呢。”此时，可以根据当前输入信息之前的对话内容确定当前输入信息对应要素为12期，在词槽内填充12期。再例如，若当前输入信息为“好的， 12期的手续费还可以接受”，此时，可以根据当前输入信息确定当前输入信息对应要素为12期，在词槽内填充12期。

104、输出当前输入信息对应的当前响应信息。

本实施例中，若确定不对词槽进行填充，需要根据当前输入信息的语义理解信息，从预设的语料库中选取当前输入信息对应的当前响应信息。需要输出当前输入信息对应的当前响应信息，以便再次获取用户根据当前响应信息反馈的输入信息。

例如，对于分期手续费较高的报怨，预先设置的响应信息可以为“您还可以选择12期、24期，还款期数越多还款压力越小哦～请问您是否要选择其他分期期数呢。”因此，若当前输入信息为“分6期，手续费怎么这么高啊！你们这是坑人吧”可以确定当前输入信息的语义理解信息为“客户认为手续费高，坑人，不满意”，此时，可以从预设的语料库中选取“您还可以选择12期、24期，还款期数越多还款压力越小哦～请问您是否要选择其他分期期数呢。”作为当前响应信息并输出，以便对客户进行安抚。用户在获知当前响应信息后，可以进一步输入“12期手续费是多少。”，从而机器客服进行下一轮的识别。

本实施例的智能客服方法，通过获取用户的当前输入信息，根据预设的对话行为模型，在各对话行为类型中确定当前输入信息属于的目标对话行为类型，根据目标对话行为类型，确定是否对词槽进行填充，若确定对词槽进行填充，获取当前输入信息对应的要素，并将要素填充至词槽，若确定不对词槽进行填充，输出当前输入信息对应的当前响应信息，以便再次获取用户根据当前响应信息反馈的输入信息，也就是说，采用本发明提供的技术方案，即使用户不同的输入信息中可能包含相同的关键数据，结合用户的输入信息所属的目标对话行为类型对词槽进行填充，便能够准确有效地填充词槽，从而降低机器客服无法准确填充词槽的现象，提高机器客服的实用性。

下面以具体示例对本发明的技术方案进行描述，其中，User为用户，Bot为客服系统。

例1：

User（1）：你好，给我上个月的账单办个分期！（提供信息行为类型）

Bot（2）：正在为您上个与的账单共10000元办理分期，请问您要办多少期呢。当前支持6期、12期、24期。

User（2）：6期的手续费是多少。（询问行为类型）

Bot（2）：将10000元分6期还款，每期还款xxx元，手续费共250元。请问您要办多少期呢。

User（3）：好吧，办一个吧！（积极回复行为类型）

Bot（3）：6期。

例2：

User（1）：你好，给我上个月的账单办个分期！（提供信息行为类型）

Bot（2）：正在为您上个与的账单共30000元办理分期，请问您要办多少期呢。当前支持6期、12期、24期。

User（2）：6期的手续费是多少。（询问行为类型）

Bot（2）：将30000元分6期还款，每期还款5100元，手续费共600元。请问您要办多少期呢。

User（3）：分6期手续费就这么贵，你们这是坑人吧，不办了！（报怨行为类型或者消极行为类型）

Bot（3）：您还可以选择12期、24期，还款期数越多还款压力越小哦～请问您是否要选择其他分期期数呢。

User（4）：12期的手续费是多少。（询问行为类型）

Bot（4）：将30000元分12期还款，每期还款2525元，手续费共300元。请问您要办多少期呢。

User（4）：12期便宜了不少，办一个吧！（积极回复行为类型）

Bot（4）：12期。

上述示例仅为本发明的部分示例，但本发明并不限制于上述示例，本实施例中不再一一列举。

在本发明另一个实施例中，上述实施例步骤101“根据预设的对话行为模型，在各对话行为类型中确定所述当前输入信息属于的目标对话行为类型”中，若采用以打分值的数值大小为依据，确定目标对话行为类型，可能会出现打分错误的情况。因此，本实施例为了防止预设的对话模型出现打分错误，导致机器客服对当前输入信息识别错误，可以针对每个对话行为类型预先设置相应的阈值，其中，每个对话行为类型对应的预设阈值可以相同也可不同，本实施例不做具体限制。这样，在确定打分值最高的对话行为类型后，需要进一步地将打分值与预设阈值进行比对，以便确认当前输入信息属于的目标对话行为类型。

具体地，请参见图2 ，图2为本发明的智能客服方法实施例二的流程图，如图2所示，本实施例的智能客服方法在图1所示实施例的基础上，对步骤101进行详细说明，其具体可以包括如下步骤：

200、确定打分值最高的对话行为类型为初选对话行为类型；

201、判断最高的打分值是否大于初选对话行为类型对应的预设阈值；若是，执行步骤202，若否，执行步骤203；

202、确定初选对话行为类型为目标对话行为类型；

203、输出对当前输入信息的语义理解信息；

204、获取用户根据语义理解信息反馈的确认结果；

205、检测用户反馈的确认结果是否正确；若是，执行步骤206，若否，执行步骤207；

206、确定初选对话行为类型为目标对话行为类型；

207、提示用户输入当前输入信息的明确信息。

例如，针对每个对话行为类型均设置85为对应的阈值，参照上述示例得到的打分值，询问行为类型对应的打分值为90，其打分值最高，可以将询问行为类型作为初选对话行为类型，由于询问行为类型对应的打分值大于预设阈值，可以确定对话行为模型得到的匹配结果是正确的，进而确定初选对话行为类型为目标对话行为类型，即询问行为类型为目标对话行为类型。若询问行为类型对应的打分值为82，其打分值最高，可以将询问行为类型作为初选对话行为类型，由于询问行为类型对应的打分值小于预设阈值，可以确定对话行为模型得到的匹配结果是错误的，进而可以输出对当前输入信息的语义理解信息，以便用户确认是否为自己所要表达的意思，并向机器客服反馈结果；这样即可以获取到用户根据语义理解信息反馈的确认结果；若确认结果表示正确，确定初选对话行为类型为目标对话行为类型，这样，用户仅需回答是或者否，机器客服即可完成后续流程，提高了客服效率。若确认结果表示错误，提示用户输入当前输入信息的明确信息，以便重新确定当前输入信息属于的目标对话行为类型。

与本发明提供的智能客服方法实施例相对应，本发明还提供智能客服装置。请参阅图3，图3为本发明的智能客服装置实施例的结构示意图，如图3所示，本实施例的智能客服装置包括获取模块10、确定模块11和输出模块12；

获取模块10，用于获取用户的当前输入信息；

确定模块11，用于根据预设的对话行为模型，在各对话行为类型中确定当前输入信息属于的目标对话行为类型；根据目标对话行为类型，确定是否对词槽进行填充；

获取模块10，还用于若确定模块11确定对词槽进行填充，获取当前输入信息对应的要素，并将要素填充至词槽；

输出模块12，用于若确定模块11确定不对词槽进行填充，输出当前输入信息对应的当前响应信息，以便获取模块10再次获取用户根据当前响应信息反馈的输入信息。

本实施例的智能客服装置，通过获取用户的当前输入信息，根据预设的对话行为模型，在各对话行为类型中确定当前输入信息属于的目标对话行为类型，根据目标对话行为类型，确定是否对词槽进行填充，若确定对词槽进行填充，获取当前输入信息对应的要素，并将要素填充至词槽，若确定不对词槽进行填充，输出当前输入信息对应的当前响应信息，以便再次获取用户根据当前响应信息反馈的输入信息，也就是说，采用本发明提供的技术方案，即使用户不同的输入信息中可能包含相同的关键数据，结合用户的输入信息所属的目标对话行为类型对词槽进行填充，便能够准确有效地填充词槽，从而降低机器客服无法准确填充词槽的现象，提高机器客服的实用性。

进一步地，上述装置中，确定模块，具体用于：

根据对话行为模型，对当前输入信息分别按照各对话行为类型打分，得到当前输入信息的每个对话行为类型对应的打分值；

以打分值的数值大小为依据，确定目标对话行为类型。

进一步地，上述装置中，确定模块，还用于：

确定打分值最高的对话行为类型为目标对话行为类型。

进一步地，上述装置中，确定模块，还用于：

确定打分值最高的对话行为类型为初选对话行为类型；

判断最高的打分值是否大于初选对话行为类型对应的预设阈值；

若最高的打分值大于预设阈值，确定初选对话行为类型为目标对话行为类型。

进一步地，上述装置中，确定模块，还用于：

若最高的打分值小于或等于预设阈值，输出对当前输入信息的语义理解信息；

获取用户根据语义理解信息反馈的确认结果；

若确认结果表示正确，确定初选对话行为类型为目标对话行为类型。

进一步地，上述装置中，确定模块，还用于：

若确认结果表示错误，提示用户输入当前输入信息的明确信息。

进一步地，上述装置中，获取模块，还用于：

根据当前输入信息的语义理解信息，从预设的语料库中选取当前输入信息对应的当前响应信息。

进一步地，上述装置中，对话行为类型包括：

提供信息行为类型、询问行为类型、疑问行为类型、报怨行为类型、积极回复行为类型、消极回复行为类型和待辨识回复行为类型中的至少一种；

确定模块，还用于：

若当前输入信息属于的对话行为类型为提供信息行为类型或积极回复行为类型，确定对词槽进行填充；

确定不对词槽进行填充，包括：

若当前输入信息属于的对话行为类型为询问行为类型、疑问行为类型、报怨行为类型、消极回复行为类型或待辨识回复行为类型，确定不对词槽进行填充。

进一步地，上述装置中，获取模块，还用于：

若当前输入信息属于的对话行为类型为提供信息行为类型，从当前输入信息中获取要素；

若当前输入信息属于的对话行为类型为积极回复行为类型，根据当前输入信息和/或当前输入信息之前的对话内容，获取要素。

需要说明的是，由于本发明还提供智能客服装置与本发明提供的智能客服方法实施例相对应，因此，此处不再详细阐述智能客服装置实施例，相应内容参见上述实施例中方法部分实施例即可。

图4为本发明的智能客服设备实施例的结构示意图，如图4所示，本实施例的智能客服设备包括处理器20和存储器21，处理器20与存储器21通过通信总线相连接：

其中，处理器20，用于调用并执行存储器21中存储的程序；

存储器21，用于存储程序，程序至少用于执行上述实施例的智能客服方法。

具体的，本实施例的智能客服方法包括：

获取用户的当前输入信息；

根据预设的对话行为模型，在各对话行为类型中确定当前输入信息属于的目标对话行为类型；

根据目标对话行为类型，确定是否对词槽进行填充；

若确定对词槽进行填充，获取当前输入信息对应的要素，并将要素填充至词槽；

若确定不对词槽进行填充，输出当前输入信息对应的当前响应信息，以便再次获取用户根据当前响应信息反馈的输入信息。

进一步地，上述方法中，根据预设的对话行为模型，在各对话行为类型中确定目标对话行为类型，包括：

根据对话行为模型，对当前输入信息分别按照各对话行为类型打分，得到当前输入信息的每个对话行为类型对应的打分值；

以打分值的数值大小为依据，确定目标对话行为类型。

进一步地，上述方法中，以打分值的数值大小为依据，确定目标对话行为类型，包括：

确定打分值最高的对话行为类型为目标对话行为类型。

进一步地，上述方法中，以打分值的数值大小为依据，确定目标对话行为类型，包括：

确定打分值最高的对话行为类型为初选对话行为类型；

判断最高的打分值是否大于初选对话行为类型对应的预设阈值；

若最高的打分值大于预设阈值，确定初选对话行为类型为目标对话行为类型。

进一步地，上述方法中，还包括：

若最高的打分值小于或等于预设阈值，输出对当前输入信息的语义理解信息；

获取用户根据语义理解信息反馈的确认结果；

若确认结果表示正确，确定初选对话行为类型为目标对话行为类型。

进一步地，上述方法中，还包括：

若确认结果表示错误，提示用户输入当前输入信息的明确信息。

进一步地，上述方法中，输出当前输入信息对应的当前响应信息之前，还包括：

根据当前输入信息的语义理解信息，从预设的语料库中选取当前输入信息对应的当前响应信息。

进一步地，上述方法中，对话行为类型包括：

提供信息行为类型、询问行为类型、疑问行为类型、报怨行为类型、积极回复行为类型、消极回复行为类型和待辨识回复行为类型中的至少一种；

确定对词槽进行填充，包括：

若当前输入信息属于的对话行为类型为提供信息行为类型或积极回复行为类型，确定对词槽进行填充；

确定不对词槽进行填充，包括：

若当前输入信息属于的对话行为类型为询问行为类型、疑问行为类型、报怨行为类型、消极回复行为类型或待辨识回复行为类型，确定不对词槽进行填充。

进一步地，上述方法中，若确定对词槽进行填充，获取当前输入信息对应的要素，包括：

若当前输入信息属于的对话行为类型为提供信息行为类型，从当前输入信息中获取要素；

若当前输入信息属于的对话行为类型为积极回复行为类型，根据当前输入信息和/或当前输入信息之前的对话内容，获取要素。

本发明还提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现如上所示的智能客服方法的各个步骤。

具体地，本实施例的智能客服方法包括：

获取用户的当前输入信息；

根据预设的对话行为模型，在各对话行为类型中确定当前输入信息属于的目标对话行为类型；

根据目标对话行为类型，确定是否对词槽进行填充；

若确定对词槽进行填充，获取当前输入信息对应的要素，并将要素填充至词槽；

若确定不对词槽进行填充，输出当前输入信息对应的当前响应信息，以便再次获取用户根据当前响应信息反馈的输入信息。

进一步地，上述方法中，根据预设的对话行为模型，在各对话行为类型中确定目标对话行为类型，包括：

根据对话行为模型，对当前输入信息分别按照各对话行为类型打分，得到当前输入信息的每个对话行为类型对应的打分值；

以打分值的数值大小为依据，确定目标对话行为类型。

进一步地，上述方法中，以打分值的数值大小为依据，确定目标对话行为类型，包括：

确定打分值最高的对话行为类型为目标对话行为类型。

进一步地，上述方法中，以打分值的数值大小为依据，确定目标对话行为类型，包括：

确定打分值最高的对话行为类型为初选对话行为类型；

判断最高的打分值是否大于初选对话行为类型对应的预设阈值；

若最高的打分值大于预设阈值，确定初选对话行为类型为目标对话行为类型。

进一步地，上述方法中，还包括：

若最高的打分值小于或等于预设阈值，输出对当前输入信息的语义理解信息；

获取用户根据语义理解信息反馈的确认结果；

若确认结果表示正确，确定初选对话行为类型为目标对话行为类型。

进一步地，上述方法中，还包括：

若确认结果表示错误，提示用户输入当前输入信息的明确信息。

进一步地，上述方法中，输出当前输入信息对应的当前响应信息之前，还包括：

根据当前输入信息的语义理解信息，从预设的语料库中选取当前输入信息对应的当前响应信息。

进一步地，上述方法中，对话行为类型包括：

提供信息行为类型、询问行为类型、疑问行为类型、报怨行为类型、积极回复行为类型、消极回复行为类型和待辨识回复行为类型中的至少一种；

确定对词槽进行填充，包括：

若当前输入信息属于的对话行为类型为提供信息行为类型或积极回复行为类型，确定对词槽进行填充；

确定不对词槽进行填充，包括：

若当前输入信息属于的对话行为类型为询问行为类型、疑问行为类型、报怨行为类型、消极回复行为类型或待辨识回复行为类型，确定不对词槽进行填充。

进一步地，上述方法中，若确定对词槽进行填充，获取当前输入信息对应的要素，包括：

若当前输入信息属于的对话行为类型为提供信息行为类型，从当前输入信息中获取要素；

若当前输入信息属于的对话行为类型为积极回复行为类型，根据当前输入信息和/或当前输入信息之前的对话内容，获取要素。

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。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。

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，并且本发明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，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (11)

1.一种智能客服方法，其特征在于，包括：

获取用户的当前输入信息；

根据预设的对话行为模型，在各对话行为类型中确定所述当前输入信息属于的目标对话行为类型；其中，所述对话行为类型包括：提供信息行为类型、询问行为类型、疑问行为类型、报怨行为类型、积极回复行为类型、消极回复行为类型和待辨识回复行为类型中的至少一种；

根据所述目标对话行为类型，确定是否对词槽进行填充；

若确定对所述词槽进行填充，获取所述当前输入信息对应的要素，并将所述要素填充至所述词槽；其中，若所述当前输入信息属于的对话行为类型为提供信息行为类型或积极回复行为类型，确定对所述词槽进行填充；

若确定不对所述词槽进行填充，输出所述当前输入信息对应的当前响应信息，以便再次获取用户根据所述当前响应信息反馈的输入信息；其中，若所述当前输入信息属于的对话行为类型为询问行为类型、疑问行为类型、报怨行为类型、消极回复行为类型或待辨识回复行为类型，确定不对所述词槽进行填充。

2.根据权利要求1所述的方法，其特征在于，所述根据预设的对话行为模型，在各对话行为类型中确定所述目标对话行为类型，包括：

根据所述对话行为模型，对所述当前输入信息分别按照各对话行为类型打分，得到所述当前输入信息的每个对话行为类型对应的打分值；

以所述打分值的数值大小为依据，确定所述目标对话行为类型。

3.根据权利要求2所述的方法，其特征在于，所述以所述打分值的数值大小为依据，确定所述目标对话行为类型，包括：

确定打分值最高的对话行为类型为所述目标对话行为类型。

4.根据权利要求2所述的方法，其特征在于，所述以所述打分值的数值大小为依据，确定所述目标对话行为类型，包括：

确定打分值最高的对话行为类型为初选对话行为类型；

判断最高的打分值是否大于所述初选对话行为类型对应的预设阈值；

若所述最高的打分值大于所述预设阈值，确定所述初选对话行为类型为所述目标对话行为类型。

5.根据权利要求4所述的方法，其特征在于，还包括：

若所述最高的打分值小于或等于所述预设阈值，输出对所述当前输入信息的语义理解信息；

获取所述用户根据所述语义理解信息反馈的确认结果；

若所述确认结果表示正确，确定所述初选对话行为类型为所述目标对话行为类型。

6.根据权利要求5所述的方法，其特征在于，还包括：

若所述确认结果表示错误，提示所述用户输入所述当前输入信息的明确信息。

7.根据权利要求1所述的方法，其特征在于，所述输出所述当前输入信息对应的当前响应信息之前，还包括：

根据所述当前输入信息的语义理解信息，从预设的语料库中选取所述当前输入信息对应的当前响应信息。

8.根据权利要求1所述的方法，其特征在于，所述若确定对所述词槽进行填充，获取所述当前输入信息对应的要素，包括：

若所述当前输入信息属于的对话行为类型为提供信息行为类型，从所述当前输入信息中获取所述要素；

若所述当前输入信息属于的对话行为类型为积极回复行为类型，根据所述当前输入信息和/或所述当前输入信息之前的对话内容，获取所述要素。

9.一种智能客服装置，其特征在于，包括获取模块、确定模块和输出模块；

所述获取模块，用于获取用户的当前输入信息；

所述确定模块，用于根据预设的对话行为模型，在各对话行为类型中确定所述当前输入信息属于的目标对话行为类型；其中，所述对话行为类型包括：提供信息行为类型、询问行为类型、疑问行为类型、报怨行为类型、积极回复行为类型、消极回复行为类型和待辨识回复行为类型中的至少一种；根据所述目标对话行为类型，确定是否对词槽进行填充；

所述获取模块，还用于若所述确定模块确定对所述词槽进行填充，获取所述当前输入信息对应的要素，并将所述要素填充至所述词槽；其中，若所述当前输入信息属于的对话行为类型为提供信息行为类型或积极回复行为类型，确定对所述词槽进行填充；

所述输出模块，用于若所述确定模块确定不对所述词槽进行填充，输出所述当前输入信息对应的当前响应信息，以便所述获取模块再次获取用户根据所述当前响应信息反馈的输入信息；其中，若所述当前输入信息属于的对话行为类型为询问行为类型、疑问行为类型、报怨行为类型、消极回复行为类型或待辨识回复行为类型，确定不对所述词槽进行填充。

10.一种智能客服设备，其特征在于，包括处理器和存储器，所述处理器与存储器通过通信总线相连接：

其中，所述处理器，用于调用并执行所述存储器中存储的程序；

所述存储器，用于存储所述程序，所述程序至少用于执行权利要求1-8任一项所述的智能客服方法。

11.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-8任一项所述的智能客服方法的各个步骤。

Images