公开(公告)号：CN112084318B

公开(公告)日：2024-02-20

申请号：CN202011024999.5

申请日：2020-09-25

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 杨明晖 ,  王子豪 ,  彭爽 ,  许瑾

IPC: G06F16/332 ,  G06F16/33 ,  G06F16/335 ,  G06Q40/08 ,  G06N3/0464 ,  G06N20/00

Abstract: 本申请实施例公开了一种对话辅助方法、系统和装置，其中，所述方法包括：显示对话界面；获取所述对话的当前话语信息，以及所述对话中当前话语的上文信息；基于所述当前话语信息，确定一个或多个适配的预设话术推荐算法；利用所述预设话术推荐算法处理所述当前话语对应的文本数据以及所述上文信息，确定至少一个推荐话术；所述预设话术推荐算法至少包括基于机器学习的推荐算法，或基于规则的推荐算法；在对话界面显示至少一个推荐话术。由此，可以向进行对话的人员提供话术推荐，提高对话的效率。

公开(公告)号：CN111461753B

公开(公告)日：2022-05-17

申请号：CN202010302538.3

申请日：2020-04-17

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 杨明晖 ,  刘佳 ,  王子豪 ,  崔恒斌

IPC: G06Q30/00 ,  G06F16/35 ,  G06F16/332

Abstract: 本说明书实施例提供一种智能客服场景中的知识点召回方法及装置，在召回方法中，获取分层可导航小世界图HNSW，该HNSW包括上下排列的多层NSW。获取待召回知识点的用户问句，并确定用户问句的句子向量。从最上层NSW开始，按照从上到下的顺序对各层NSW进行层搜索。该层搜索包括：根据当前层NSW所包含的节点的连接关系，从其所包含的节点中，搜索距离句子向量最近的第一节点，经由该第一节点进入下一层NSW，直至到达最下层NSW。在最下层NSW中，根据N个节点的连接关系，从中搜索距离句子向量最近的目标节点。将目标节点所代表的类簇中心对应的知识点类簇作为目标类簇，并从归属于目标类簇的各知识点标题对应的知识点中，召回与用户问句相匹配的知识点。

公开(公告)号：CN112100387B

公开(公告)日：2021-02-19

申请号：CN202011269071.3

申请日：2020-11-13

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 王福东 ,  崔恒斌 ,  杨明晖 ,  金春祥 ,  王子豪 ,  李向阳 ,  彭爽

IPC: G06F16/35 ,  G06N3/08 ,  G06N3/04

Abstract: 本说明书实施例提供一种用于文本分类的神经网络系统的训练方法，该神经网络系统包括文本表征网络、特征提取层和分类网络。该训练方法包括：首先，获取训练文本集，该训练文本集对应K个类别；接着，针对该训练文本集中任一的第一训练文本，利用上述文本表征网络对其进行处理，得到第一文本向量；然后，利用上述特征提取层，将该第一文本向量分别与对应所述K个类别的K个类别特征向量进行组合操作，得到K个特征提取向量；再接着，基于该K个特征提取向量和上述分类网络，确定分类预测结果；再然后，基于该分类预测结果和上述第一训练文本的类别标签，训练上述神经网络系统。

公开(公告)号：CN112115248A

公开(公告)日：2020-12-22

申请号：CN202011034369.6

申请日：2020-09-27

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 彭爽 ,  杨明晖 ,  王子豪 ,  王福东 ,  崔恒斌

IPC: G06F16/332 ,  G06F16/33 ,  G06F16/35 ,  G06F40/279 ,  G06F40/30

Abstract: 本说明书一个或多个实施例涉及一种从对话语料中抽取对话策略结构的方法及系统，所述方法包括：获取所述对话语料的多个客服语料；其中，所述客服语料中包括多个按序排列的问题信息；基于特征提取算法对所述客服语料中的问题信息进行特征化处理，得到问题信息对应的特征向量；基于聚类算法将所述问题信息对应的特征向量聚类为多个问题聚类簇；基于所述多个按序排列的问题信息获取各问题聚类簇在所述多个客服语料中的顺序标识；基于关联规则算法对各问题聚类簇及其顺序标识进行处理，获取目标问题序列；基于所述目标问题序列确定所述对话策略结构。

公开(公告)号：CN111522937A

公开(公告)日：2020-08-11

申请号：CN202010409704.X

申请日：2020-05-15

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 王子豪 ,  刘佳 ,  崔恒斌

IPC: G06F16/332 ,  G06F16/35 ,  G06F40/284 ,  G06F40/126 ,  G06F40/30 ,  G06F40/205 ,  G06Q30/00

Abstract: 本说明书实施例提出了一种话术推荐方法、装置和电子设备，其中，上述话术推荐方法中，获取当前对话中用户输入的对话上文之后，可以对上述对话上文进行词编码，获得上述对话上文对应的词向量；然后通过神经网络对上述词向量进行特征表示，获得上述词向量对应的特征向量，通过预先训练的话术推荐模型对上述特征向量进行分类，获得上述特征向量分类到每个种子话术的置信度；最后，根据上述置信度选择种子话术，并在当前对话中推荐所选择的种子话术。

公开(公告)号：CN111461753A

公开(公告)日：2020-07-28

申请号：CN202010302538.3

申请日：2020-04-17

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 杨明晖 ,  刘佳 ,  王子豪 ,  崔恒斌

IPC: G06Q30/00 ,  G06F16/35 ,  G06F16/332

Abstract: 本说明书实施例提供一种智能客服场景中的知识点召回方法及装置，在召回方法中，获取分层可导航小世界图HNSW，该HNSW包括上下排列的多层NSW。获取待召回知识点的用户问句，并确定用户问句的句子向量。从最上层NSW开始，按照从上到下的顺序对各层NSW进行层搜索。该层搜索包括：根据当前层NSW所包含的节点的连接关系，从其所包含的节点中，搜索距离句子向量最近的第一节点，经由该第一节点进入下一层NSW，直至到达最下层NSW。在最下层NSW中，根据N个节点的连接关系，从中搜索距离句子向量最近的目标节点。将目标节点所代表的类簇中心对应的知识点类簇作为目标类簇，并从归属于目标类簇的各知识点标题对应的知识点中，召回与用户问句相匹配的知识点。

公开(公告)号：CN111177359A

公开(公告)日：2020-05-19

申请号：CN202010276697.0

申请日：2020-04-10

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 刘佳 ,  王子豪 ,  杨明晖 ,  崔恒斌

IPC: G06F16/332 ,  G06F16/335 ,  G06F16/35

Abstract: 本说明书实施例提供一种多轮对话方法和装置，方法包括：在机器和用户的多轮对话过程中，获取用户当前输入的当前用户文本和对话前文；至少把当前用户文本输入检索模型，通过检索模型输出M条候选回复；检索模型从历史人工问答记录中，检索并输出与当前用户文本匹配的M条人工答复作为M条候选回复；把当前用户文本和对话前文输入预先训练的生成模型，通过生成模型生成N条候选回复；将M和N条候选回复分别输入预先训练的分类打分模型，通过分类打分模型分别输出各条候选回复对应的与当前用户文本的匹配得分；选择最高匹配得分对应的候选回复输出给用户，以作为当前用户文本的实际回复。能够实现机器与人进行多轮对话，并准确地解答用户问题。

公开(公告)号：CN110647621A

公开(公告)日：2020-01-03

申请号：CN201910922999.8

申请日：2019-09-27

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 刘佳 ,  王子豪 ,  崔恒斌

IPC: G06F16/332

Abstract: 本说明书实施例提供一种机器人客服引导对话中选择话术的方法和装置，方法包括：获取机器人客服与目标用户之间的已进行对话的第一对话文本；将所述第一对话文本作为对话上文，以及将第一候选话术集合中的各话术分别作为所述对话上文的对话下文，依次输入基于用户和人工客服的历史对话预先训练的策略模型，通过所述策略模型输出所述第一候选话术集合中的各话术与所述第一对话文本的各匹配得分；从所述第一候选话术集合中选择所述各匹配得分中的最大匹配得分对应的话术，将该话术作为机器人客服下一步输出的话术。能够避免对话流程的梳理、配置和维护。

公开(公告)号：CN111522937B

公开(公告)日：2023-04-28

申请号：CN202010409704.X

申请日：2020-05-15

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 王子豪 ,  刘佳 ,  崔恒斌

IPC: G06F16/332 ,  G06F16/35 ,  G06F40/284 ,  G06F40/126 ,  G06F40/30 ,  G06F40/205 ,  G06Q30/01

Abstract: 本说明书实施例提出了一种话术推荐方法、装置和电子设备，其中，上述话术推荐方法中，获取当前对话中用户输入的对话上文之后，可以对上述对话上文进行词编码，获得上述对话上文对应的词向量；然后通过神经网络对上述词向量进行特征表示，获得上述词向量对应的特征向量，通过预先训练的话术推荐模型对上述特征向量进行分类，获得上述特征向量分类到每个种子话术的置信度；最后，根据上述置信度选择种子话术，并在当前对话中推荐所选择的种子话术。

公开(公告)号：CN110765253B

公开(公告)日：2023-03-31

申请号：CN201911008117.3

申请日：2019-10-22

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 王子豪 ,  崔恒斌 ,  张家兴

IPC: G06F16/332 ,  G06F16/33 ,  G06F40/205 ,  G06Q30/015 ,  G06Q30/0645

Abstract: 本说明书实施例提供一种客服场景下用户问句的回复方法、装置及设备，在回复方法中，接收第一租户下的当前用户问句。针对当前用户问句，获取当前用户问句的上下文信息。基于第一租户的租户标识、当前用户问句和上下文信息，生成新用户问句。基于新用户问句，从与第一租户对应的知识库中召回预定数目个答案。将预定数目个答案中的各答案以及新用户问句输入预测模型，以预测各答案与新用户问句的匹配分数。该预测模型包括多个租户共享的底层网络部分和多个租户分别对应的多个上层网络部分，多个上层网络部分具有相同的网络结构，以及针对不同租户训练得到的不同网络参数。基于匹配分数，从各答案中确定出目标答案并返回。