專利名稱：一種客戶化知識智能系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及自然語言處理技術領域、知識工程技術領域，以及智能知識庫自然語 言搜索引擎技術領域，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)務的客戶化知識智能系統(tǒng)。
背景技術：
客戶化知識智能系統(tǒng)是具有智能自動服務功能的系統(tǒng)，其關鍵技術是自然語言識 別等人工智能技術，其主要功能是把客服智能用于客戶服務工作中，通過自然語言語義分 析實現(xiàn)部分智能應答的功能，在自然的交互過程中得到特定領域問題的解決方法。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合起來，適應互聯(lián)網(wǎng)發(fā)展的大趨勢， 提供多渠道的文字接入服務模式，同時利用自然語言技術提高文字客服的服務效率。另一方面，咨詢業(yè)務是移動通信服務行業(yè)內(nèi)是最基本的業(yè)務之一?，F(xiàn)有技術中，還 沒有出現(xiàn)專用于咨詢業(yè)務處理的客戶化知識智能系統(tǒng)。咨詢業(yè)務處理過程中，首先需要將 咨詢分發(fā)給各個話務員，然后由話務員對咨詢業(yè)務進行回復。目前，咨詢業(yè)務的分發(fā)機制主 要是將咨詢放入一個咨詢池中，由話務員按先到先服務的原則在該咨詢池中取出咨詢。而 對咨詢業(yè)務的回復主要是依靠話務員人工編輯或話務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)務處理流程存在諸多缺陷，包括1、在答復咨詢時，不能有效地利用咨詢的同一性和相似性，導致大量的重復工作， 人力物力耗費極大。2、缺乏有效的咨詢分發(fā)機制，每個話務員所取出的咨詢的類型是隨機的，這樣導 致咨詢不能高效地分配給最為合適的話務員，造成資源浪費。3、缺乏咨詢業(yè)務處理結果反饋機制，知識庫的準確性與實時性較差。綜上所述，目前迫切地需要一種知識智能系統(tǒng)，來輔助話務員處理短信業(yè)務，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工作，具有自動分發(fā)機制和處理結 果反饋機制的用于咨詢業(yè)務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)務名稱、主題和摘 要，以及與上述三者相對應的答案；以及話務員模塊，用于接受話務員登陸，并為話務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不同話務員技能組的多個咨 詢池中，每個技能組的話務員只能在與其相應的咨詢池中取咨詢。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 達時間。其中，當多個咨詢的服務優(yōu)先級別相同時，優(yōu)先分發(fā)到達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信息，所述咨詢信息主要包括咨詢業(yè)務名稱、主題和摘要等，所述回復 信息包括回復業(yè)務名稱、主題和摘要以及對應的答案等；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 務員模塊呈現(xiàn)在顯示界面的熱點區(qū)以供話務員使用。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，所述話務員模塊還用于自動識別回復類型，回復類型answertype的定義如 下answertype = 0 表示NLP有結果，并且話務員確認正確；answertype = 1 表示NLP有結果，但話務員確認錯誤，并且在NLP理解基礎上由 系統(tǒng)自動生成的答案上進行修改，發(fā)送；answertype = 2 表示NLP有結果，但話務員確認錯誤，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有結果，但話務員確認錯誤，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無結果，但話務員在知識庫緩存模塊中找到答案進行發(fā) 送；answertype = 5 表示NLP無結果，但話務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無結果，并且話務員未在知識庫緩存模塊中找到答案， 由話務員自行編輯答案，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)回復類型answertype來統(tǒng)計NLP模塊的準確率，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，以及話務員的平均回復時間，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、話務員黑名單申請模塊、話務員黑名單審核模塊、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 看模塊以及話務員回復咨詢歷史查看模塊。
與現(xiàn)有技術相比，本發(fā)明具有下列有益技術效果1、能夠避免大量的重復的人工處理工作，節(jié)省人力。2、能夠提高咨詢分發(fā)效率，將咨詢準確地分配給不同組別的話務員，避免資源浪費。3、能夠根據(jù)咨詢業(yè)務處理結果進行更新，提供自動處理的準確率。4、能夠有效地減少人工手動操作，縮短回復咨詢的時間，提高咨詢答復效率。5、能夠屏蔽垃圾咨詢，節(jié)省客服資源，降低系統(tǒng)負荷。


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)的結構示意圖；圖3是本發(fā)明一個優(yōu)選實施例中的回復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、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對 本發(fā)明的客戶化知識智能系統(tǒng)進行進一步詳細說明。應當理解，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行文本識別，從中得出客戶咨詢的業(yè)務 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、關鍵字匹配等技術對用戶咨詢進行理解(即進 行文本識別)，抽取用戶咨詢的業(yè)務名稱、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《一種服務智能導航方法和系統(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行過濾，以達到屏蔽垃圾咨詢，節(jié)省客 服資源，降低系統(tǒng)負荷的技術效果。圖1中采用了黑名單過濾模塊，但本領域技術人員容易 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)模塊用于將咨詢準確地分配給不同組別的話務員，以提高咨詢分發(fā)效 率。下文中將詳細介紹本實施例的咨詢分發(fā)模塊。話務員模塊用于接受話務員登陸，并為話務員提供顯示接口和控制接口。同時，話 務員模塊還可以調(diào)用知識庫緩存模塊和咨詢歷史緩存模塊，得出對應于咨詢信息的參考答 案以供話務員使用。知識庫緩存模塊用于存放知識庫內(nèi)容(業(yè)務名稱、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的知識內(nèi)容，并且不需要頻繁訪問數(shù)據(jù)庫。話務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 名稱、主題和摘要。并且，三者可按其層次結構顯示，比如在第一個下拉列表框中選定一個 業(yè)務名稱(下文中簡稱業(yè)務)后，在第二個下拉列表框中只顯示所選定業(yè)務所包含的主題， 在選定主題后，在第三個下拉列表框中只顯示所選定業(yè)務和主題所包含的摘要，最后在選 定摘要，在選定業(yè)務、主題和摘要后，系統(tǒng)在知識庫緩存模塊中查找到對應于所選定業(yè)務、 主題和摘要的答案，并在話務員模塊顯示。本實施例中，采用Ajax技術根據(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、回復信息(回復業(yè)務、回復主題、回復摘要)等。話務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)模塊可以通過話務員的工號從咨詢歷史緩存模塊取出該話務員 的處理過的咨詢歷史數(shù)據(jù)從而用于補發(fā)。下面詳細描述本實施例中的咨詢分發(fā)模塊。對話務員進行歸類，按照地市、品牌和業(yè)務等條件建立技能組。符合條件的話務員 劃入相應的技能組。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)結構來完成、采用的思想是“先到先服務”的策略。咨詢池的數(shù)據(jù)結構如下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)務進行劃分的。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 和技能組類型進行匹配放入對應的咨詢池中。一個話務員可以屬于多個技能組。話務員取 咨詢的時候只能取其所屬技能組的咨詢。本實施例中，對話務員定義下列級別普通級該級別權限最低，處理一般咨詢，優(yōu)先級別最低。組長級該級別權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限的用戶請求幫助的咨詢。
經(jīng)理級該級別權限最高，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。同時組長級別可以處理經(jīng)理級權限的 用戶請求幫助的咨詢。本實施例對咨詢的服務優(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”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。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，則該咨詢的服務優(yōu)先級比其它都高。在服務優(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。定義咨詢到達時間T為該咨詢到達咨詢池的時間。話務員取咨詢本著“先來先服務”的思想，但是如果該話務員屬于多個技能組的時 候，需要根據(jù)每個技能組所對應咨詢池的話務量來進行判斷該話務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中的話務量，Cl，C2分別表示技能組A和技 能組B的話務員的個數(shù)，咨詢池A和咨詢池B分別對應技能組A和技能組B，話務員X既屬 于技能組A又屬于技能組B的話務員。 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的到達時間，兩條咨詢的服務優(yōu)先權級別為S” Sj。τ為系統(tǒng)設置的優(yōu)先權有效時間間隔，如果ι ITi-T1I ι > τ則咨詢Ci在隊列中排隊等候， 不對其優(yōu)先服務權進行判斷，如果I ITi-T1I I ^ τ，則判斷其優(yōu)先服務權。其中T1為咨詢池 中的隊頭咨詢的到達時間。具體地，本實施例的咨詢分發(fā)過程包括下列步驟1)話務員登陸話務員模塊時，系統(tǒng)自動獲取該話務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)話務員所在的技能組信息定位相應的咨詢池(當話務員同 時屬于多個技能組時，按前文中敘述的規(guī)則進行處理)。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 優(yōu)先權級別進行排序，當系統(tǒng)設定的取咨詢數(shù)目為N時，則將服務優(yōu)先權級別最高的N條咨 詢分發(fā)給所述話務員模塊。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。客戶發(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 .進行優(yōu)先權比較，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)楫斍叭∽稍兊脑拕諉T修改后放回的咨詢，則不進行分發(fā)，而是 分發(fā)條件I ITi-T1I I彡τ內(nèi)其它優(yōu)先權級別高的咨詢；d)如果當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)給同一個話務員，有助于準確的回復客戶的咨詢。比如某個客戶，發(fā)了一條咨詢，接 著又發(fā)了另一條咨詢，而這兩個咨詢是關聯(lián)的，那么同一個話務員就可以較為準確地回答 這兩個關聯(lián)咨詢，如果兩條咨詢被分發(fā)給不同話務員處理，服務質(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 個話務員，可以對其一次性回復，即客戶收到一條答案即可，如果分給多個話務員，則客戶 會收到多條相同的答案，造成客服資源浪費；e)當存在同一優(yōu)先權級別的多條咨詢時，優(yōu)先分發(fā)到達時間較早的咨詢。4)當咨詢池接收到被話務員放回咨詢池的咨詢時，更改該咨詢的優(yōu)先權級別為 “修改級別”，其到達時間為該話務員放回該咨詢的時間。話務員在回復答案的時候，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，等待另一個話務員的確認后才能發(fā)送出去，當另一個話務 員確認后，該咨詢的級別為“修改級別”。5)當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)先級別設置為“請求幫助級別”(其設定是下級提交的時候 系統(tǒng)自動設定)?！罢埱髱椭墑e”的咨詢只能分發(fā)給具有幫助權限的用戶處理。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 權限為其本身權限，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，又兼顧了先到先服務的 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) 技能組對咨詢池進行分類，高效準確地將各類咨詢與相應話務員進行匹配，從而提高咨詢 分發(fā)的效率。進一步地，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模塊對咨詢消息進行處理，得出客戶咨詢信息并將其傳送至NLP結果消息 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行過濾，將垃圾咨詢進行 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)到對應的咨詢池。
6、話務員通過話務員模塊登錄系統(tǒng)，從對應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，生成對應該咨詢的多維度知識庫并在話務員模塊顯 示以供話務員選擇和參考，所述多維度知識庫的知識包括業(yè)務、主題、摘要和答案，共四個 維度。調(diào)用統(tǒng)計算法對熱點進行統(tǒng)計生成對應的熱點信息；以及調(diào)用咨詢歷史緩存模塊獲 取當前客戶的咨詢歷史信息。7、話務員對咨詢進行回復，發(fā)送答案至回復咨詢消息隊列，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，同時話務員模塊還增加了回復類型自動識
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話務員黑名單申請模塊(CSRBlackListSubmit)
12話務員黑名單審核模塊(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、話務員回復咨詢歷史查看模塊
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系做詳細說明模塊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行統(tǒng)計，將咨詢熱點通過話務員模塊呈現(xiàn)在顯示 界面的熱點區(qū)，從而方便話務員進行快速的找到答案回復咨詢。一個熱點主要是由(業(yè)務、 主題、摘要)組成的，話務員可以通過單擊熱點，通過該熱點對應的業(yè)務、主題、摘要快速找到其對應的答案并將其發(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，則該熱點在話務員回復頁面的位置不變，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。多維度熱點結構抽象定義如下
權利要求
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)務名稱、主題和摘要， 以及與上述三者相對應的答案；以及話務員模塊，用于接受話務員登陸，并為話務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于咨詢信息的答案以供話務員使用。
2.根據(jù)權利要求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不同話務員技能組的多個咨詢池中，每個技能組的話務員只能在與 其相應的咨詢池中取咨詢。
3.根據(jù)權利要求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 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時間。
4.根據(jù)權利要求3所述的客戶化知識智能系統(tǒng)，其特征在于，當多個咨詢的服務優(yōu)先 級別相同時，優(yōu)先分發(fā)到達咨詢池時間較早的咨詢。
5.根據(jù)權利要求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 咨詢信息和回復信息，所述咨詢信息包括咨詢業(yè)務名稱、主題和摘要，所述回復信息包括回 復業(yè)務名稱、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員 模塊呈現(xiàn)在顯示界面的熱點區(qū)以供話務員使用。
6.根據(jù)權利要求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，所述話務員模塊還用于 自動識別回復類型，回復類型answertype的定義如下answertype = 0 表示NLP有結果，并且話務員確認正確；answertype = 1 表示NLP有結果，但話務員確認錯誤，并且在NLP理解基礎上由系統(tǒng) 自動生成的答案上進行修改，發(fā)送；answertype = 2 表示NLP有結果，但話務員確認錯誤，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有結果，但話務員確認錯誤，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無結果，但話務員在知識庫緩存模塊中找到答案進行發(fā)送； answertype = 5 表示NLP無結果，但話務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無結果，并且話務員未在知識庫緩存模塊中找到答案，由話 務員自行編輯答案，發(fā)送。
8.根據(jù)權利要求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)回復類型answertype來統(tǒng)計NLP模塊 的準確率，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，以及話務員的平 均回復時間，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、話務員黑名單申 請模塊、話務員黑名單審核模塊、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員回復咨詢歷史查看模 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確率高、系統(tǒng)反應速度快、容錯性好、設計人性化等，主要包括NLP模塊，用于對客戶的短信咨詢進行文本識別，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)務名稱、主題和摘要，以及與上述三者相對應的答案；以及話務員模塊，用于接受話務員登陸，并為話務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于咨詢信息的答案以供話務員使用。本發(fā)明能夠極大地提高咨詢業(yè)務處理效率，縮短咨詢回復時間，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:中國科學院計算技術研究所