客服机器人应答方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111797209A(43)申请公布日2020.10.20(21)申请号202010121060.4G06F16/36(2019.01)(22)申请日2020.02.26G06N3/04(2006.01)G06N3/08(2006.01)(71)申请人北京沃东天骏信息技术有限公司地址100176北京市北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人胡晓陈靓(74)专利代理机构中原信达知识产权代理有限责任公司11219代理人张效荣冯培培(51)Int.Cl.G06F16/332(2019.01)G06F40/289(2020.01)G06F40/295(2020.01)G06F16/35(2019.01)权利要求书1页说明书10页附图5页(54)发明名称客服机器人应答方法和装置(57)摘要本发明公开了一种客服机器人应答方法和装置，涉及计算机技术领域。该方法包括：在接收到用户终端输入的问题后，生成与所述问题匹配的答案；确定与所述问题匹配的答案的延迟应答等待时间；在根据所述延迟应答等待时间计时结束后，将与所述问题匹配的答案发送至所述用户终端。通过以上步骤，能够增强客服机器人的拟人化应答能力，提高用户体验。CN111797209ACN111797209A权利要求书1/1页1.一种客服机器人应答方法，其特征在于，所述方法包括：在接收到用户终端输入的问题后，生成与所述问题匹配的答案；确定与所述问题匹配的答案的延迟应答等待时间；在根据所述延迟应答等待时间计时结束后，将与所述问题匹配的答案发送至所述用户终端。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述生成与所述问题匹配的答案之前，判断所述问题是否为整句，且判断结果为是。3.根据权利要求2所述的方法，其特征在于，所述判断所述问题是否为整句包括：提取所述问题的多个特征，根据所述多个特征构建第一特征向量；将所述第一特征向量输入整句判断模型，以判断所述问题是否为整句；其中，所述整句判断模型是通过对深度学习神经网络模型进行训练得到的。4.根据权利要求1所述的方法，其特征在于，所述确定与所述问题匹配的答案的延迟应答等待时间包括：根据平均应答等待时长、应答延迟比率、答案的文本长度、以及客服打字速度，计算与所述问题匹配的答案的延迟应答等待时间。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：根据所述问题的特征、用户画像特征、用户历史咨询特征、以及与所述问题匹配的答案的特征中的一个或多个，构建第二特征向量；将所述第二特征向量输入延迟应答模型，以确定所述应答延迟比率；其中，所述延迟应答模型是通过对深度学习神经网络模型进行训练得到的。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：在根据所述延迟应答等待时间计时结束之前，对所述用户终端的输入事件进行监听；响应于监听到所述用户终端的输入事件，根据所述延迟应答等待时间进行重新计时；其中，所述输入事件表示用户正在执行输入操作。7.根据权利要求5所述的方法，其特征在于，所述方法还包括：在根据所述延迟应答等待时间计时结束之前，响应于监听到所述用户终端输入的新的会话消息，不将与所述问题匹配的答案发送至所述用户终端。8.一种客服机器人应答装置，其特征在于，所述装置包括：生成模块，用于在接收到用户终端输入的问题后，生成与所述问题匹配的答案；确定模块，用于确定与所述问题匹配的答案的延迟应答等待时间；发送模块，用于在根据所述延迟应答等待时间计时结束后，将与所述问题匹配的答案发送至所述用户终端。9.一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。2CN111797209A说明书1/10页客服机器人应答方法和装置技术领域[0001]本发明涉及计算机技术领域，尤其涉及一种客服机器人应答方法和装置。背景技术[0002]在人机协同的客服系统中，若客服机器人具备为人工客服提供辅助应答以及自动应答的能力，将能极大地提升客服系统的能效。但是，现有的客服机器人自动应答方式和人工应答方式对于用户来说，还是存在一些体验上的差异。比如在消息答复的场景下，人工客服的答复过程一般包括以下几个步骤：理解顾客的问题；查询与该问题相关的政策或者订单、商品信息；组织回复答案的文本内容；打字发送给顾客。在整个人工回复过程中，根据问题的难易度、以及回复字数的多少，人工回复所需的时间会不同。但是，