[发明专利]使用机器学习模型的消息分析

权利要求书

1.一种方法，其特征在于，包括：

由至少一个处理器接收主题接收消息和对所述主题接收消息的主题草稿答复消息，所述主题接收消息包括接收消息成分，所述接收消息成分表示所述主题接收消息的内容中包括的问题、请求和主题中的一个或多个；

由所述至少一个处理器解析所述主题接收消息的所述内容，以识别所述接收消息成分；

由所述至少一个处理器将所述主题草稿答复消息解析为一个或多个答复消息成分；

由所述至少一个处理器通过至少将一个或多个机器学习模型应用到所述接收消息成分以及所述一个或多个答复消息成分中的每个答复消息成分来识别与所述接收消息成分以及所述一个或多个答复消息成分相关联的一个或多个信息成分；

由所述至少一个处理器并且基于所述一个或多个信息成分来识别所述主题草稿答复消息中的一个或多个缺陷成分；以及

输出关于所述一个或多个缺陷成分的信息用于显示。

2.根据权利要求1所述的方法，其特征在于，识别一个或多个信息成分进一步包括：

由所述至少一个处理器并且使用所述一个或多个机器学习模型中的第一机器学习模型来确定与所述接收消息成分相关联的第一信息类型，所述第一信息类型指示在对所述接收消息成分的响应中预期的信息类型；以及

由所述至少一个处理器并且使用所述一个或多个机器学习模型中的第二机器学习模型来确定与第一草稿消息成分相关联的第二信息类型，所述第二信息类型指示与所述第一草稿消息成分相关联的信息类型，以及

其中，识别一个或多个缺陷成分进一步包括：

确定所述第一信息类型与所述第二信息类型不匹配；以及

基于确定所述第一信息类型与所述第二信息类型不匹配，识别所述接收消息成分是所述一个或多个缺陷成分中的缺陷成分。

3.根据权利要求1-2中任一项所述的方法，其特征在于，进一步包括：

由所述至少一个处理器使用多个响应元组来训练所述一个或多个机器学习模型中的第一机器学习模型，所述多个响应元组中的每个响应元组包括问题和相关联的答案，所述第一机器学习模型被配置为识别与输入问题相关联的信息类型，所述信息类型指示在对所述输入问题的响应中预期的信息类型。

4.根据权利要求1-2中任一项所述的方法，其特征在于，进一步包括：

由至少一个处理器使用接收到的消息和相关联的答复消息的语料库来训练所述一个或多个机器学习模型中的第一机器学习模型，所述答复消息从所述相关联的接收到的消息中识别未在所述答复消息中解决的一个或多个缺失成分，缺失成分表示接收到的消息中呈现的未在所述相关联的答复消息中解决的一个或多个问题、请求和主题，所述第一机器学习模型被配置为基于输入接收消息和输入草稿答复消息来识别所述输入草稿答复消息中的缺失成分；

其中，识别一个或多个信息成分进一步包括，对于所述一个或多个草稿答复成分中的每个草稿答复成分，将所述第一机器学习模型应用到第一种子主题，以生成每个草稿答复成分的草稿答复成分分数，以及

其中，识别一个或多个缺陷成分包括：

对于每个种子主题，确定与所述种子主题相关联的任何所述草稿答复成分分数是否满足阈值；以及

对于每个种子主题，并且响应于确定与对应的所述种子主题相关联的所有所述草稿答复成分分数不满足所述阈值，将对应的所述种子主题识别为所述一个或多个缺陷成分中的一个缺陷成分。

5.根据权利要求1-4中任一项所述的方法，其特征在于，进一步包括：

识别与来自所述一个或多个缺陷成分中的第一缺陷成分相关联的建议答复；

由所述至少一个处理器将所述建议答复插入到所述主题草稿答复消息中；以及

输出包括所述建议答复的更新的所述主题草稿答复消息用于显示。

6.根据权利要求1-5中任一项所述的方法，其特征在于，输出关于所述一个或多个缺陷成分的信息包括，突出显示与所述主题接收消息内的所述一个或多个缺陷成分中的第一缺陷成分相关联的第一种子项目。