[发明专利]一种智能客服的刷量用户识别方法、装置及服务器在审

专利信息
申请号: 201910277151.4 申请日: 2019-04-08
公开(公告)号: CN110096578A 公开(公告)日: 2019-08-06
发明(设计)人: 詹威;肖龙源;蔡振华;李稀敏;刘晓葳;谭玉坤 申请(专利权)人: 厦门快商通信息咨询有限公司
主分类号: G06F16/332 分类号: G06F16/332;G06F17/27;G06N3/04
代理公司: 厦门仕诚联合知识产权代理事务所(普通合伙) 35227 代理人: 乐珠秀
地址: 361000 福建省厦门市*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 客服 对话内容 加权 智能 逻辑分析 命名实体 评分结果 用户识别 语法分析 语义分析 访客 分析 服务器 正常用户
【权利要求书】:

1.一种智能客服的刷量用户识别方法,其特征在于,包括以下步骤:

获取智能客服与访客的对话内容;

对所述对话内容进行语义分析、语法分析、逻辑分析、命名实体识别分析的其中任一种分析,并根据分析结果进行评分或加权评分;或者,

对所述对话内容进行语义分析、语法分析、逻辑分析、命名实体识别分析的其中任两种以上分析,并根据分析结果进行加权评分;

根据评分结果或加权评分结果进行判断所述访客为正常用户或刷量用户。

2.根据权利要求1所述的一种智能客服的刷量用户识别方法,其特征在于:所述对话内容包括智能客服提出的问题和访客针对该问题回复的答案。

3.根据权利要求2所述的一种智能客服的刷量用户识别方法,其特征在于:所述智能客服提出的问题,是根据访客的初始输入语料进行实体属性的分析,判断所述初始输入语料的实体属性是否满足预设的实体属性要求,若不满足,则根据缺失的实体属性对访客进行追问;或者,是根据访客所访问的业务类型对访客进行提问。

4.根据权利要求2所述的一种智能客服的刷量用户识别方法,其特征在于:获取智能客服与访客的对话内容后,还进一步对所述对话内容中的问题和答案分别进行分词处理和去除停用词,得到问题分词结果和答案分词结果;并对所述问题分词结果和答案分词结果进行语义分析或语法分析或逻辑分析或命名实体识别分析。

5.根据权利要求2所述的一种智能客服的刷量用户识别方法,其特征在于:所述语义分析是采用:

利用卷积神经网络(CNN)模型或者循环神经网络(RNN)模型获取所述问题和所述答案的向量表达,再使用匹配函数计算所述问题的向量表达与所述答案的向量表达之间的匹配度,根据所述匹配度进行评分或加权评分;或者,

根据预设的词汇库对所述问题和所述答案进行语义匹配,判断所述问题中的关键词汇和所述答案的关键词汇是否符合所述词汇库中预设的逻辑关系,根据符合程度进行评分或加权评分;或者,

采用语义匹配模型进行相似性匹配计算,得到所述问题与所述答案的相似度,根据所述相似度进行评分或加权评分。

6.根据权利要求2所述的一种智能客服的刷量用户识别方法,其特征在于:所述语法分析,是根据预设的语法规则对所述访客的答案进行语法分析,判断所述答案是否符合所述语法规则,根据符合程度进行评分或加权评分。

7.根据权利要求2所述的一种智能客服的刷量用户识别方法,其特征在于:所述逻辑分析,是判断所述问题与所述答案是否符合预设的上下文逻辑关系,根据符合程度进行评分或加权评分。

8.根据权利要求2所述的一种智能客服的刷量用户识别方法,其特征在于:所述命名实体识别分析,是通过对所述问题和所述答案进行命名实体识别,判断所述答案的实体属性与所述问题的实体属性的匹配度,根据所述匹配度进行评分或加权评分。

9.根据权利要求1所述的一种智能客服的刷量用户识别方法,其特征在于:所述加权评分,是指对一个以上的所述问题与所述答案组成的问答对的分析结果进行评分,并将各个问答对的评分进行加权平均,得到加权评分;和/或,对语义分析、语法分析、逻辑分析、命名实体识别分析的其中任两种以上分析结果进行评分,并将各种分析的评分进行加权平均,得到加权评分。

10.根据权利要求1所述的一种智能客服的刷量用户识别方法,其特征在于:根据评分结果或加权评分结果进行判断所述访客为正常用户或刷量用户,是指判断所述评分结果或加权评分结果是否大于或等于预设的阈值,若是,则判定所述访客为正常用户,否则为刷量用户。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门快商通信息咨询有限公司,未经厦门快商通信息咨询有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910277151.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top