專利名稱：一種客戶化知識智能系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及自然語言處理技術(shù)領(lǐng)域、知識工程技術(shù)領(lǐng)域，以及智能知識庫自然語 言搜索引擎技術(shù)領(lǐng)域，具體地說，本發(fā)明涉及一種客戶化知識智能系統(tǒng)，特別是涉及一種處 理咨詢業(yè)務(wù)的客戶化知識智能系統(tǒng)。
背景技術(shù)：
客戶化知識智能系統(tǒng)是具有智能自動服務(wù)功能的系統(tǒng)，其關(guān)鍵技術(shù)是自然語言識 別等人工智能技術(shù)，其主要功能是把客服智能用于客戶服務(wù)工作中，通過自然語言語義分 析實現(xiàn)部分智能應(yīng)答的功能，在自然的交互過程中得到特定領(lǐng)域問題的解決方法。利用客戶化知識智能系統(tǒng)可實現(xiàn)基于自然語言處理的客服流程，該客服流程主要 是將自然語言處理、客戶化知識庫以及客服代表三者結(jié)合起來，適應(yīng)互聯(lián)網(wǎng)發(fā)展的大趨勢， 提供多渠道的文字接入服務(wù)模式，同時利用自然語言技術(shù)提高文字客服的服務(wù)效率。另一方面，咨詢業(yè)務(wù)是移動通信服務(wù)行業(yè)內(nèi)是最基本的業(yè)務(wù)之一?，F(xiàn)有技術(shù)中，還 沒有出現(xiàn)專用于咨詢業(yè)務(wù)處理的客戶化知識智能系統(tǒng)。咨詢業(yè)務(wù)處理過程中，首先需要將 咨詢分發(fā)給各個話務(wù)員，然后由話務(wù)員對咨詢業(yè)務(wù)進(jìn)行回復(fù)。目前，咨詢業(yè)務(wù)的分發(fā)機制主 要是將咨詢放入一個咨詢池中，由話務(wù)員按先到先服務(wù)的原則在該咨詢池中取出咨詢。而 對咨詢業(yè)務(wù)的回復(fù)主要是依靠話務(wù)員人工編輯或話務(wù)員直接在知識庫中查找答案的方式 來實現(xiàn)，這種咨詢業(yè)務(wù)處理流程存在諸多缺陷，包括1、在答復(fù)咨詢時，不能有效地利用咨詢的同一性和相似性，導(dǎo)致大量的重復(fù)工作， 人力物力耗費極大。2、缺乏有效的咨詢分發(fā)機制，每個話務(wù)員所取出的咨詢的類型是隨機的，這樣導(dǎo) 致咨詢不能高效地分配給最為合適的話務(wù)員，造成資源浪費。3、缺乏咨詢業(yè)務(wù)處理結(jié)果反饋機制，知識庫的準(zhǔn)確性與實時性較差。綜上所述，目前迫切地需要一種知識智能系統(tǒng)，來輔助話務(wù)員處理短信業(yè)務(wù)，從而 極大地提高工作效率。

發(fā)明內(nèi)容
因此，本發(fā)明的目的是提供一種能夠避免重復(fù)工作，具有自動分發(fā)機制和處理結(jié) 果反饋機制的用于咨詢業(yè)務(wù)處理的客戶化知識智能系統(tǒng)。為實現(xiàn)上述發(fā)明目的，本發(fā)明提供的客戶化知識智能系統(tǒng)包括NLP模塊(自然語言處理模塊)，用于對客戶的短信咨詢進(jìn)行文本識別，從中得出 咨詢信息，所述咨詢信息包括客戶咨詢的業(yè)務(wù)名稱、主題和摘要；咨詢分發(fā)模塊，用于把咨詢合理高效的分配給各個話務(wù)員；知識庫緩存模塊，用于存放知識庫內(nèi)容，所述知識庫內(nèi)容包括業(yè)務(wù)名稱、主題和摘 要，以及與上述三者相對應(yīng)的答案；以及話務(wù)員模塊，用于接受話務(wù)員登陸，并為話務(wù)員提供顯示接口和控制接口 ；同時還用于調(diào)用知識庫緩存模塊顯示知識庫的內(nèi)容，方便話務(wù)員查找和選擇答案。其中，所述咨詢分發(fā)模塊還用于將各咨詢分配到對應(yīng)不同話務(wù)員技能組的多個咨 詢池中，每個技能組的話務(wù)員只能在與其相應(yīng)的咨詢池中取咨詢。其中，所述咨詢分發(fā)模塊還用于按照咨詢的服務(wù)優(yōu)先級別分發(fā)每個咨詢池中的一 定時間區(qū)間內(nèi)的咨詢，所述咨詢的服務(wù)優(yōu)先級別由低到高依次包括普通客戶級別、白名單 客戶級別、請求幫助級別、修改級別；所述時間區(qū)間的起始時間是所述咨詢池隊頭咨詢的到 達(dá)時間。其中，當(dāng)多個咨詢的服務(wù)優(yōu)先級別相同時，優(yōu)先分發(fā)到達(dá)咨詢池時間較早的咨詢。其中，所述客戶化知識智能系統(tǒng)還包括咨詢歷史緩存模塊和熱點統(tǒng)計模塊，所述咨詢歷史緩存模塊用于存放設(shè)定時間內(nèi)的咨詢歷史數(shù)據(jù)，所述咨詢歷史數(shù)據(jù) 包括咨詢信息和回復(fù)信息，所述咨詢信息主要包括咨詢業(yè)務(wù)名稱、主題和摘要等，所述回復(fù) 信息包括回復(fù)業(yè)務(wù)名稱、主題和摘要以及對應(yīng)的答案等；所述熱點統(tǒng)計模塊用于統(tǒng)計出一定時間內(nèi)的咨詢熱點，并將所述咨詢熱點通過話 務(wù)員模塊呈現(xiàn)在顯示界面的熱點區(qū)以供話務(wù)員使用。其中，所述客戶化知識智能系統(tǒng)還包括過濾模塊，過濾模塊用于根據(jù)客戶咨詢信 息對咨詢進(jìn)行過濾，并將通過過濾的咨詢提供給所述咨詢分發(fā)模塊，過濾咨詢主要包括黑 名單型、惡意攻擊型咨詢、敏感詞咨詢等。其中，所述話務(wù)員模塊還用于自動識別回復(fù)類型，回復(fù)類型answertype的定義如 下answertype = 0 表示NLP有結(jié)果，并且話務(wù)員確認(rèn)正確；answertype = 1 表示NLP有結(jié)果，但話務(wù)員確認(rèn)錯誤，并且在NLP理解基礎(chǔ)上由 系統(tǒng)自動生成的答案上進(jìn)行修改，發(fā)送；answertype = 2 表示NLP有結(jié)果，但話務(wù)員確認(rèn)錯誤，并且在知識庫緩存模塊中 重新找到答案，發(fā)送；answertype = 3 表示NLP有結(jié)果，但話務(wù)員確認(rèn)錯誤，并且未在知識庫緩存模塊 中找到答案，自行編輯答案，發(fā)送；answertype = 4 表示NLP無結(jié)果，但話務(wù)員在知識庫緩存模塊中找到答案進(jìn)行發(fā) 送；answertype = 5 表示NLP無結(jié)果，但話務(wù)員在知識庫緩存模塊中找到答案，并在 答案上修改，發(fā)送；answertype = 6 表示NLP無結(jié)果，并且話務(wù)員未在知識庫緩存模塊中找到答案， 由話務(wù)員自行編輯答案，發(fā)送。其中，所述客戶化知識智能系統(tǒng)還包括數(shù)據(jù)統(tǒng)計模塊，所述數(shù)據(jù)統(tǒng)計模塊用于根 據(jù)回復(fù)類型answertype來統(tǒng)計NLP模塊的準(zhǔn)確率，NLP模塊的未識別率，知識庫的知識錯 誤率，知識庫的不完善率，以及話務(wù)員的平均回復(fù)時間，并將這些統(tǒng)計數(shù)據(jù)傳送至監(jiān)控臺。其中，所述客戶化知識智能系統(tǒng)還包括補發(fā)客戶咨詢模塊、客戶黑名單申請模塊、 客戶黑名單審核模塊、話務(wù)員黑名單申請模塊、話務(wù)員黑名單審核模塊、白名單申請模塊、 白名單審核模塊、小休模塊、小休時間查看模塊、工作時長模塊、登陸時長模塊、咨詢歷史查 看模塊以及話務(wù)員回復(fù)咨詢歷史查看模塊。
與現(xiàn)有技術(shù)相比，本發(fā)明具有下列有益技術(shù)效果1、能夠避免大量的重復(fù)的人工處理工作，節(jié)省人力。2、能夠提高咨詢分發(fā)效率，將咨詢準(zhǔn)確地分配給不同組別的話務(wù)員，避免資源浪費。3、能夠根據(jù)咨詢業(yè)務(wù)處理結(jié)果進(jìn)行更新，提供自動處理的準(zhǔn)確率。4、能夠有效地減少人工手動操作，縮短回復(fù)咨詢的時間，提高咨詢答復(fù)效率。5、能夠屏蔽垃圾咨詢，節(jié)省客服資源，降低系統(tǒng)負(fù)荷。


圖1是本發(fā)明一個實施例的客戶化知識智能系統(tǒng)咨詢處理流程示意圖；圖2是本發(fā)明一個優(yōu)選實施例的客戶化知識智能系統(tǒng)的結(jié)構(gòu)示意圖；圖3是本發(fā)明一個優(yōu)選實施例中的回復(fù)類型自動識別算法流程圖；圖4是本發(fā)明的一個具體例程的話務(wù)員操作模塊界面；圖5是本發(fā)明的一個具體例程的系統(tǒng)處理的各時間段線段圖；圖6是本發(fā)明的一個具體例程的客戶等待時間的分布圖。
具體實施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對 本發(fā)明的客戶化知識智能系統(tǒng)進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例 僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。根據(jù)本發(fā)明的一個實施例，提供了一種針對咨詢業(yè)務(wù)的客戶化知識智能系統(tǒng)，如 圖1所示該知識智能系統(tǒng)包括自然語言理解模塊(簡稱NLP模塊)、過濾模塊、咨詢分發(fā) 模塊、話務(wù)員模塊、知識庫緩存模塊和咨詢歷史緩存模塊。其中，NLP模塊用于對客戶的短信咨詢進(jìn)行文本識別，從中得出客戶咨詢的業(yè)務(wù) 名稱、主題、摘要等信息，本發(fā)明中，將這些信息稱為客戶咨詢信息(簡稱咨詢信息)。本實 施例中NLP模塊采用文法匹配、詞模匹配、關(guān)鍵字匹配等技術(shù)對用戶咨詢進(jìn)行理解(即進(jìn) 行文本識別)，抽取用戶咨詢的業(yè)務(wù)名稱、主題和摘要。本實施例的NLP模塊采用申請?zhí)枮?CN200810117244. 2的專利申請(主題為《一種服務(wù)智能導(dǎo)航方法和系統(tǒng)》)中所記載的NLP 模塊。過濾模塊用于根據(jù)客戶咨詢信息對咨詢進(jìn)行過濾，以達(dá)到屏蔽垃圾咨詢，節(jié)省客 服資源，降低系統(tǒng)負(fù)荷的技術(shù)效果。圖1中采用了黑名單過濾模塊，但本領(lǐng)域技術(shù)人員容易 理解，本發(fā)明可采用的過濾模塊不限于此。在一些較簡單的實施例中，過濾模塊也可省略。咨詢分發(fā)模塊用于將咨詢準(zhǔn)確地分配給不同組別的話務(wù)員，以提高咨詢分發(fā)效 率。下文中將詳細(xì)介紹本實施例的咨詢分發(fā)模塊。話務(wù)員模塊用于接受話務(wù)員登陸，并為話務(wù)員提供顯示接口和控制接口。同時，話 務(wù)員模塊還可以調(diào)用知識庫緩存模塊和咨詢歷史緩存模塊，得出對應(yīng)于咨詢信息的參考答 案以供話務(wù)員使用。知識庫緩存模塊用于存放知識庫內(nèi)容(業(yè)務(wù)名稱、主題、摘要、答案)，通過該模塊 可以根據(jù)查找條件快速高效的找到對應(yīng)的知識內(nèi)容，并且不需要頻繁訪問數(shù)據(jù)庫。話務(wù)員模塊中具有一個三級聯(lián)動下拉列表框，其中分別可顯示出存放在知識庫緩存模塊中的業(yè)務(wù) 名稱、主題和摘要。并且，三者可按其層次結(jié)構(gòu)顯示，比如在第一個下拉列表框中選定一個 業(yè)務(wù)名稱(下文中簡稱業(yè)務(wù))后，在第二個下拉列表框中只顯示所選定業(yè)務(wù)所包含的主題， 在選定主題后，在第三個下拉列表框中只顯示所選定業(yè)務(wù)和主題所包含的摘要，最后在選 定摘要，在選定業(yè)務(wù)、主題和摘要后，系統(tǒng)在知識庫緩存模塊中查找到對應(yīng)于所選定業(yè)務(wù)、 主題和摘要的答案，并在話務(wù)員模塊顯示。本實施例中，采用Ajax技術(shù)根據(jù)選定的內(nèi)容實 現(xiàn)無刷新的下拉列表框三級聯(lián)動。咨詢歷史緩存模塊用于存放設(shè)定時間內(nèi)的咨詢歷史數(shù)據(jù)，該咨詢歷史數(shù)據(jù)包括咨 詢信息、回復(fù)信息(回復(fù)業(yè)務(wù)、回復(fù)主題、回復(fù)摘要)等。話務(wù)員模塊可以通過客戶號碼訪 問咨詢歷史緩存，得到咨詢歷史數(shù)據(jù)，以供話務(wù)員使用或參考。另外，在一個優(yōu)選實施例中， 還可以增加補發(fā)模塊，補發(fā)模塊可以通過話務(wù)員的工號從咨詢歷史緩存模塊取出該話務(wù)員 的處理過的咨詢歷史數(shù)據(jù)從而用于補發(fā)。下面詳細(xì)描述本實施例中的咨詢分發(fā)模塊。對話務(wù)員進(jìn)行歸類，按照地市、品牌和業(yè)務(wù)等條件建立技能組。符合條件的話務(wù)員 劃入相應(yīng)的技能組。咨詢分發(fā)模塊根據(jù)技能組建立咨詢池、對咨詢進(jìn)行自動合理最優(yōu)的分 發(fā)。其咨詢分配算法采用隊列數(shù)據(jù)結(jié)構(gòu)來完成、采用的思想是“先到先服務(wù)”的策略。咨詢池的數(shù)據(jù)結(jié)構(gòu)如下Struct Query{String querylD ；String QueryContent ；String NLPID ；String City ；String Channel ；String Brand ；String Service ；String Topic ；String Abstract ； }DataTable dt(Query)；一個咨詢池對應(yīng)于一個技能組，咨詢池中存放的數(shù)據(jù)由技能組的類型來確定。技 能組決定該技能組中的話務(wù)員能處理何種類型的咨詢，其中咨詢的類型是根據(jù)地市、品牌 和業(yè)務(wù)進(jìn)行劃分的。客戶咨詢經(jīng)過NLP模塊理解后生成客戶咨詢信息，通過客戶咨詢信息 和技能組類型進(jìn)行匹配放入對應(yīng)的咨詢池中。一個話務(wù)員可以屬于多個技能組。話務(wù)員取 咨詢的時候只能取其所屬技能組的咨詢。本實施例中，對話務(wù)員定義下列級別普通級該級別權(quán)限最低，處理一般咨詢，優(yōu)先級別最低。組長級該級別權(quán)限可以處理一般咨詢，同時可以處理普通級別修改答案或編輯 答案的咨詢；同時組長級別可以處理普通級權(quán)限的用戶請求幫助的咨詢。
經(jīng)理級該級別權(quán)限最高，可以處理一切咨詢，并且其修改的答案或自行編輯的答 案的咨詢發(fā)送時候直接發(fā)送，不需要通過別人確認(rèn)。同時組長級別可以處理經(jīng)理級權(quán)限的 用戶請求幫助的咨詢。本實施例對咨詢的服務(wù)優(yōu)先級別定義如下普通客戶級別該客戶的咨詢在系統(tǒng)中按“先來先服務(wù)”的優(yōu)先次序來處理；白名單客戶級別該客戶是白名單客戶，該客戶的咨詢在指定的時間內(nèi)會優(yōu)先得 到服務(wù)。請求幫助級別該客戶的咨詢是下級向上級請求幫助的服務(wù)級別，如果上級(組 長級或經(jīng)理級用戶)如果不在，不允許請求幫助。修改級別如果該咨詢其回復(fù)答案是經(jīng)過其他用戶修改過或編輯后放回咨詢池 的，則該咨詢的服務(wù)優(yōu)先級比其它都高。在服務(wù)優(yōu)先級別中，修改級別是最高的，其次是請求幫助級別、再次是白名單客戶 級別，最后是普通客戶級別。定義咨詢到達(dá)時間T為該咨詢到達(dá)咨詢池的時間。話務(wù)員取咨詢本著“先來先服務(wù)”的思想，但是如果該話務(wù)員屬于多個技能組的時 候，需要根據(jù)每個技能組所對應(yīng)咨詢池的話務(wù)量來進(jìn)行判斷該話務(wù)員取那個咨詢池中的咨 詢。實現(xiàn)算法如下Ni, N2分別表示咨詢池A和咨詢池B中的話務(wù)量，Cl，C2分別表示技能組A和技 能組B的話務(wù)員的個數(shù)，咨詢池A和咨詢池B分別對應(yīng)技能組A和技能組B，話務(wù)員X既屬 于技能組A又屬于技能組B的話務(wù)員。 若N1Zt1 > N2/C2則取咨詢池A中的咨詢；若N1Zt1 < N2/C2則取咨詢池B中的咨詢；SN1Zt1 = N2/C2則如果咨詢池A中的第一條咨詢接收時間比咨詢池B的第一條的 接收時間早，則取咨詢池A中的咨詢，反之取咨詢池B中的咨詢。定義T” Tj分別為兩條咨詢C” Cj的到達(dá)時間，兩條咨詢的服務(wù)優(yōu)先權(quán)級別為S” Sj。τ為系統(tǒng)設(shè)置的優(yōu)先權(quán)有效時間間隔，如果ι ITi-T1I ι > τ則咨詢Ci在隊列中排隊等候， 不對其優(yōu)先服務(wù)權(quán)進(jìn)行判斷，如果I ITi-T1I I ^ τ，則判斷其優(yōu)先服務(wù)權(quán)。其中T1為咨詢池 中的隊頭咨詢的到達(dá)時間。具體地，本實施例的咨詢分發(fā)過程包括下列步驟1)話務(wù)員登陸話務(wù)員模塊時，系統(tǒng)自動獲取該話務(wù)員所在的技能組信息，并自動 調(diào)用咨詢分發(fā)模塊中獲取咨詢。2)咨詢分發(fā)模塊根據(jù)話務(wù)員所在的技能組信息定位相應(yīng)的咨詢池(當(dāng)話務(wù)員同 時屬于多個技能組時，按前文中敘述的規(guī)則進(jìn)行處理)。3)從所定位的咨詢池的隊頭開始，對滿足條件I ITi-T1I I ^ T的所有咨詢的服務(wù) 優(yōu)先權(quán)級別進(jìn)行排序，當(dāng)系統(tǒng)設(shè)定的取咨詢數(shù)目為N時，則將服務(wù)優(yōu)先權(quán)級別最高的N條咨 詢分發(fā)給所述話務(wù)員模塊。優(yōu)先級別定義在上文已經(jīng)陳述，包括普通客戶級別，白名單客戶 級別、請求幫助級別、修改級別?？蛻舭l(fā)來的一條咨詢，如果其號碼不在白名單中，則該咨詢 的優(yōu)先級別是普通級別，如果在白名單中則是白名單客戶級別。本步驟中，優(yōu)先權(quán)級別的排 序可以通過下面的例子實現(xiàn)(其實現(xiàn)方案不限于此)。從咨詢C1開始遍歷所有滿足條件I ITi-T1I I ST的咨詢，對于每個咨詢Ci,將其與滿足條件I IiyT1I ι彡τ的所有咨詢 .進(jìn)行優(yōu)先權(quán)比較，有以下幾種情況a)如果Si > = Sj,并且沒有其它咨詢優(yōu)先級別比Si更高則優(yōu)先權(quán)不變，優(yōu)先分發(fā) 咨詢Ci ；b)如果Si < Sp并且沒有其它咨詢優(yōu)先級別比h更高，優(yōu)先分發(fā)咨詢Cj ；c)如果分發(fā)咨詢?yōu)楫?dāng)前取咨詢的話務(wù)員修改后放回的咨詢，則不進(jìn)行分發(fā)，而是 分發(fā)條件I ITi-T1I I彡τ內(nèi)其它優(yōu)先權(quán)級別高的咨詢；d)如果當(dāng)前取到的咨詢在滿足條件I ITi-T1I I ( T內(nèi)，還有該客戶的其它咨詢，則 將該客戶的所有咨詢一次性分給同一個話務(wù)員。在指定時間段內(nèi)將同一個客戶的多條咨詢 分發(fā)給同一個話務(wù)員，有助于準(zhǔn)確的回復(fù)客戶的咨詢。比如某個客戶，發(fā)了一條咨詢，接 著又發(fā)了另一條咨詢，而這兩個咨詢是關(guān)聯(lián)的，那么同一個話務(wù)員就可以較為準(zhǔn)確地回答 這兩個關(guān)聯(lián)咨詢，如果兩條咨詢被分發(fā)給不同話務(wù)員處理，服務(wù)質(zhì)量就可能受到影響。再比 如某個客戶對同一個問題的咨詢在某個時間段內(nèi)發(fā)了多次，此時，將這些咨詢分發(fā)給同一 個話務(wù)員，可以對其一次性回復(fù)，即客戶收到一條答案即可，如果分給多個話務(wù)員，則客戶 會收到多條相同的答案，造成客服資源浪費；e)當(dāng)存在同一優(yōu)先權(quán)級別的多條咨詢時，優(yōu)先分發(fā)到達(dá)時間較早的咨詢。4)當(dāng)咨詢池接收到被話務(wù)員放回咨詢池的咨詢時，更改該咨詢的優(yōu)先權(quán)級別為 “修改級別”，其到達(dá)時間為該話務(wù)員放回該咨詢的時間。話務(wù)員在回復(fù)答案的時候，如果在 知識庫中找到答案，但是修改了答案或者自行編輯的答案，此時點擊發(fā)送時候，并沒有真正 發(fā)送而是將該咨詢放回咨詢池，等待另一個話務(wù)員的確認(rèn)后才能發(fā)送出去，當(dāng)另一個話務(wù) 員確認(rèn)后，該咨詢的級別為“修改級別”。5)當(dāng)咨詢池接收到的咨詢的是下級向上級提交幫助的咨詢時，則不論其號碼是白 名單客戶還是普通客戶，將其優(yōu)先級別設(shè)置為“請求幫助級別”(其設(shè)定是下級提交的時候 系統(tǒng)自動設(shè)定)?！罢埱髱椭墑e”的咨詢只能分發(fā)給具有幫助權(quán)限的用戶處理。該類用戶 取咨詢時候，優(yōu)先取請求幫助的咨詢。如果在指定的時間內(nèi)該咨詢未處理，則系統(tǒng)自動改其 權(quán)限為其本身權(quán)限，即如果是普通客戶就是普通級別，如果是白名單客戶，就是白名單客戶 級別。上述咨詢分發(fā)方法即保證了重要咨詢能夠優(yōu)先獲得服務(wù)，又兼顧了先到先服務(wù)的 原則，避免了出現(xiàn)低級別咨詢等待時間過長的現(xiàn)象。并且，本實施引入了技能組概念并根據(jù) 技能組對咨詢池進(jìn)行分類，高效準(zhǔn)確地將各類咨詢與相應(yīng)話務(wù)員進(jìn)行匹配，從而提高咨詢 分發(fā)的效率。進(jìn)一步地，參考圖1，基于上述客戶化知識智能系統(tǒng)的咨詢業(yè)務(wù)處理流程包括下列 步驟1、系統(tǒng)接收客戶的短信咨詢至客戶咨詢消息隊列。2、從客戶咨詢消息隊列中取出咨詢消息將其傳送至NLP模塊。3、NLP模塊對咨詢消息進(jìn)行處理，得出客戶咨詢信息并將其傳送至NLP結(jié)果消息 隊列。4、客戶咨詢信息，系統(tǒng)調(diào)用垃圾咨詢過濾算法對咨詢進(jìn)行過濾，將垃圾咨詢進(jìn)行 過濾至垃圾咨詢池。5、咨詢分發(fā)模塊將過濾后的咨詢分發(fā)到對應(yīng)的咨詢池。
6、話務(wù)員通過話務(wù)員模塊登錄系統(tǒng)，從對應(yīng)的咨詢池中獲取咨詢，在獲取咨詢的 同時，系統(tǒng)自動調(diào)用知識庫緩存模塊，生成對應(yīng)該咨詢的多維度知識庫并在話務(wù)員模塊顯 示以供話務(wù)員選擇和參考，所述多維度知識庫的知識包括業(yè)務(wù)、主題、摘要和答案，共四個 維度。調(diào)用統(tǒng)計算法對熱點進(jìn)行統(tǒng)計生成對應(yīng)的熱點信息；以及調(diào)用咨詢歷史緩存模塊獲 取當(dāng)前客戶的咨詢歷史信息。7、話務(wù)員對咨詢進(jìn)行回復(fù)，發(fā)送答案至回復(fù)咨詢消息隊列，并插入咨詢歷史緩存 和數(shù)據(jù)庫等操作。8、用一定的咨詢發(fā)送算法通過通信端口發(fā)送回復(fù)答案給用戶。根據(jù)本發(fā)明的另一個實施例，提供了一種更加優(yōu)化的客戶化知識智能系統(tǒng)，該實 施例中增加了熱點統(tǒng)計模塊等一系列新的模塊，同時話務(wù)員模塊還增加了回復(fù)類型自動識
別功能。如圖2所示，本系統(tǒng)包含的子模塊如下
1.咨詢分發(fā)模塊(QueryDispense)
2.熱點統(tǒng)計模塊(HotKeyMatistical)
3.黑名單過濾模塊(BlackListFilter)
4.自然語言理解模塊(NLP)
5.知識庫緩存模塊(KBCahce)
6.咨詢歷史緩存模塊(QueryHistoryCache)
7.話務(wù)員模塊(Consult)
8.補發(fā)客戶咨詢模塊(ReSend)
9.客戶黑名單申請模塊(BlankListSubmit)
10客戶黑名單審核模塊(CustomerBlackListAdmin)
11話務(wù)員黑名單申請模塊(CSRBlackListSubmit)
12話務(wù)員黑名單審核模塊(CSRBlackListCheck)
13白名單申請模塊(WhiteListApply)
14白名單審核模塊(WhiteListCheck)
15小休、小休時間查看模塊(Rest、RestTimeView)
16工作時長、登陸時長模塊(WorkTime, ListfforkTime)
17咨詢歷史查看、話務(wù)員回復(fù)咨詢歷史查看模塊
QueryCountOfCSR)18.數(shù)據(jù)庫連接模塊19.其它系統(tǒng)關(guān)聯(lián)模塊另外，圖2中MyUtil是命名空間，oracle是數(shù)據(jù)庫。下面就各個模塊的具體實現(xiàn)方法和模塊之間的關(guān)系做詳細(xì)說明模塊1 咨詢分發(fā)模塊(QueryDispense)本模塊與前面的實施例一致，這里不再贅述。模塊2 熱點統(tǒng)計模塊(HotKeyMatistical)本模塊的功能主要對咨詢熱點進(jìn)行統(tǒng)計，將咨詢熱點通過話務(wù)員模塊呈現(xiàn)在顯示 界面的熱點區(qū)，從而方便話務(wù)員進(jìn)行快速的找到答案回復(fù)咨詢。一個熱點主要是由(業(yè)務(wù)、 主題、摘要)組成的，話務(wù)員可以通過單擊熱點，通過該熱點對應(yīng)的業(yè)務(wù)、主題、摘要快速找到其對應(yīng)的答案并將其發(fā)送給客戶，這個功能也是本系統(tǒng)的一大亮點。同時，熱點是實時統(tǒng) 計的，根據(jù)系統(tǒng)設(shè)定的時間間隔自動統(tǒng)計熱點、更新熱點，并且更新熱點時候如果某個熱點 在更新前存在，則該熱點在話務(wù)員回復(fù)頁面的位置不變，該功能點體現(xiàn)系統(tǒng)的人性化，有利 于提高咨詢處理效率。多維度熱點結(jié)構(gòu)抽象定義如下
權(quán)利要求
1.一種客戶化知識智能系統(tǒng)，其特征在于，包括NLP模塊，用于對客戶的短信咨詢進(jìn)行文本識別，從中得出咨詢信息，所述咨詢信息包 括客戶咨詢的業(yè)務(wù)名稱、主題和摘要；咨詢分發(fā)模塊，用于把咨詢分配給各個話務(wù)員；知識庫緩存模塊，用于存放知識庫內(nèi)容，所述知識庫內(nèi)容包括業(yè)務(wù)名稱、主題和摘要， 以及與上述三者相對應(yīng)的答案；以及話務(wù)員模塊，用于接受話務(wù)員登陸，并為話務(wù)員提供顯示接口和控制接口 ；同時還用于 調(diào)用知識庫緩存模塊得出對應(yīng)于咨詢信息的答案以供話務(wù)員使用。
2.根據(jù)權(quán)利要求1所述的客戶化知識智能系統(tǒng)，其特征在于，所述咨詢分發(fā)模塊還用 于將各咨詢分配到對應(yīng)不同話務(wù)員技能組的多個咨詢池中，每個技能組的話務(wù)員只能在與 其相應(yīng)的咨詢池中取咨詢。
3.根據(jù)權(quán)利要求2所述的客戶化知識智能系統(tǒng)，其特征在于，所述咨詢分發(fā)模塊還用 于按照咨詢的服務(wù)優(yōu)先級別分發(fā)每個咨詢池中的一定時間區(qū)間內(nèi)的咨詢，所述咨詢的服務(wù) 優(yōu)先級別由低到高依次包括普通客戶級別、白名單客戶級別、請求幫助級別、修改級別； 所述時間區(qū)間的起始時間是所述咨詢池隊頭咨詢的到達(dá)時間。
4.根據(jù)權(quán)利要求3所述的客戶化知識智能系統(tǒng)，其特征在于，當(dāng)多個咨詢的服務(wù)優(yōu)先 級別相同時，優(yōu)先分發(fā)到達(dá)咨詢池時間較早的咨詢。
5.根據(jù)權(quán)利要求1所述的客戶化知識智能系統(tǒng)，其特征在于，所述客戶化知識智能系 統(tǒng)還包括咨詢歷史緩存模塊和熱點統(tǒng)計模塊，所述咨詢歷史緩存模塊用于存放設(shè)定時間內(nèi)的咨詢歷史數(shù)據(jù)，所述咨詢歷史數(shù)據(jù)包括 咨詢信息和回復(fù)信息，所述咨詢信息包括咨詢業(yè)務(wù)名稱、主題和摘要，所述回復(fù)信息包括回 復(fù)業(yè)務(wù)名稱、主題和摘要；所述熱點統(tǒng)計模塊用于統(tǒng)計出一定時間內(nèi)的咨詢熱點，并將所述咨詢熱點通過話務(wù)員 模塊呈現(xiàn)在顯示界面的熱點區(qū)以供話務(wù)員使用。
6.根據(jù)權(quán)利要求1所述的客戶化知識智能系統(tǒng)，其特征在于，所述客戶化知識智能系 統(tǒng)還包括過濾模塊，過濾模塊用于根據(jù)客戶咨詢信息對咨詢進(jìn)行過濾，并將通過過濾的咨 詢提供給所述咨詢分發(fā)模塊。
7.根據(jù)權(quán)利要求1所述的客戶化知識智能系統(tǒng)，其特征在于，所述話務(wù)員模塊還用于 自動識別回復(fù)類型，回復(fù)類型answertype的定義如下answertype = 0 表示NLP有結(jié)果，并且話務(wù)員確認(rèn)正確；answertype = 1 表示NLP有結(jié)果，但話務(wù)員確認(rèn)錯誤，并且在NLP理解基礎(chǔ)上由系統(tǒng) 自動生成的答案上進(jìn)行修改，發(fā)送；answertype = 2 表示NLP有結(jié)果，但話務(wù)員確認(rèn)錯誤，并且在知識庫緩存模塊中重新 找到答案，發(fā)送；answertype = 3 表示NLP有結(jié)果，但話務(wù)員確認(rèn)錯誤，并且未在知識庫緩存模塊中找 到答案，自行編輯答案，發(fā)送；answertype = 4 表示NLP無結(jié)果，但話務(wù)員在知識庫緩存模塊中找到答案進(jìn)行發(fā)送； answertype = 5 表示NLP無結(jié)果，但話務(wù)員在知識庫緩存模塊中找到答案，并在答案 上修改，發(fā)送；answertype = 6 表示NLP無結(jié)果，并且話務(wù)員未在知識庫緩存模塊中找到答案，由話 務(wù)員自行編輯答案，發(fā)送。
8.根據(jù)權(quán)利要求7所述的客戶化知識智能系統(tǒng)，其特征在于，所述客戶化知識智能系 統(tǒng)還包括數(shù)據(jù)統(tǒng)計模塊，所述數(shù)據(jù)統(tǒng)計模塊用于根據(jù)回復(fù)類型answertype來統(tǒng)計NLP模塊 的準(zhǔn)確率，NLP模塊的未識別率，知識庫的知識錯誤率，知識庫的不完善率，以及話務(wù)員的平 均回復(fù)時間，并將這些統(tǒng)計數(shù)據(jù)傳送至監(jiān)控臺。
9.根據(jù)權(quán)利要求1所述的客戶化知識智能系統(tǒng)，其特征在于，所述客戶化知識智能系 統(tǒng)還包括補發(fā)客戶咨詢模塊、客戶黑名單申請模塊、客戶黑名單審核模塊、話務(wù)員黑名單申 請模塊、話務(wù)員黑名單審核模塊、白名單申請模塊、白名單審核模塊、小休模塊、小休時間查 看模塊、工作時長模塊、登陸時長模塊、咨詢歷史查看模塊以及話務(wù)員回復(fù)咨詢歷史查看模 塊。
全文摘要
本發(fā)明提供一種客戶化知識智能系統(tǒng)，其特征在于自然語言理解準(zhǔn)確率高、系統(tǒng)反應(yīng)速度快、容錯性好、設(shè)計人性化等，主要包括NLP模塊，用于對客戶的短信咨詢進(jìn)行文本識別，從中得出咨詢信息，所述咨詢信息包括客戶咨詢的業(yè)務(wù)名稱、主題和摘要；咨詢分發(fā)模塊，用于把咨詢分配給各個話務(wù)員；知識庫緩存模塊，用于存放知識庫內(nèi)容，所述知識庫內(nèi)容包括業(yè)務(wù)名稱、主題和摘要，以及與上述三者相對應(yīng)的答案；以及話務(wù)員模塊，用于接受話務(wù)員登陸，并為話務(wù)員提供顯示接口和控制接口；同時還用于調(diào)用知識庫緩存模塊得出對應(yīng)于咨詢信息的答案以供話務(wù)員使用。本發(fā)明能夠極大地提高咨詢業(yè)務(wù)處理效率，縮短咨詢回復(fù)時間，減少客服資源浪費。
文檔編號G06F17/27GK102147792SQ20101011038
公開日2011年8月10日 申請日期2010年2月9日 優(yōu)先權(quán)日2010年2月9日
發(fā)明者劉亮亮, 吳昱明, 曹亞男, 曹存根, 汪平仄, 王東升, 王衛(wèi)民, 王石 申請人:中國科學(xué)院計算技術(shù)研究所