本技術涉及(ji)ai客服(fu)情緒識別的(de)，尤(you)其是涉及(ji)一(yi)種(zhong)基于ai智(zhi)能客服(fu)的(de)企業業務數據交互方法及(ji)系統。

背景技術：

1、目(mu)前，ai技(ji)術廣(guang)泛運用于(yu)(yu)智能客服的領域，在(zai)企業客服版塊中，ai客服機器人(ren)通常用于(yu)(yu)識(shi)別用戶發(fa)送(song)的語(yu)音(yin)、文本消息(xi)并進行語(yu)義分析(xi)，通過深度學習模型生(sheng)成回復文本以答復客戶。

2、然(ran)而(er)當前的(de)ai客服(fu)模(mo)式，僅根據(ju)用戶文(wen)(wen)本消(xiao)(xiao)息或語音轉(zhuan)換的(de)文(wen)(wen)本消(xiao)(xiao)息的(de)內容(rong)進行(xing)答(da)復(fu)，即(ji)停留在文(wen)(wen)本答(da)復(fu)階段(duan)，缺少如業務(wu)員般的(de)主動業務(wu)攀談功能，且通過文(wen)(wen)本消(xiao)(xiao)息較(jiao)難準確把控用戶情緒，機(ji)械性(xing)的(de)答(da)復(fu)易降低用戶體(ti)驗感，因(yin)此(ci)此(ci)種模(mo)式需要改進。

技術實現思路

1、為了實現ai客服(fu)的(de)業務主動(dong)攀談(tan)能(neng)力，并(bing)提(ti)升(sheng)對(dui)用戶情緒的(de)把控，以提(ti)升(sheng)在(zai)ai客服(fu)服(fu)務過程的(de)用戶體(ti)驗(yan)感，本技術提(ti)供了一種基于ai智能(neng)客服(fu)的(de)企業業務數(shu)據交互方法及系統。

2、本技術(shu)的(de)上述發(fa)明目的(de)一是通過(guo)以下技術(shu)方(fang)案得(de)以實現的(de)：

3、一種基于ai智能客服的企業(ye)業(ye)務數據交互方(fang)法，包括(kuo)步驟：

4、當接(jie)收到客(ke)戶(hu)端發(fa)出的待(dai)識(shi)別消(xiao)息時，向預設的情緒(xu)標識(shi)模型發(fa)送所述待(dai)識(shi)別消(xiao)息；

5、所述(shu)情緒(xu)標識(shi)(shi)(shi)模型接收(shou)到所述(shu)待識(shi)(shi)(shi)別(bie)消(xiao)息時，匹配(pei)所述(shu)待識(shi)(shi)(shi)別(bie)消(xiao)息關聯的情緒(xu)標識(shi)(shi)(shi)；

6、基(ji)于所(suo)述關(guan)聯(lian)(lian)的情緒標識以及所(suo)述待識別(bie)消息(xi)，在預設的業(ye)(ye)務(wu)流程(cheng)中，匹配出關(guan)聯(lian)(lian)當(dang)前情緒標識和(he)待識別(bie)消息(xi)的業(ye)(ye)務(wu)流程(cheng)節點，從預設的業(ye)(ye)務(wu)信(xin)息(xi)數據庫中篩選出與該業(ye)(ye)務(wu)流程(cheng)節點關(guan)聯(lian)(lian)的答復要素信(xin)息(xi)；

7、基于預先(xian)接入(ru)的ai模型，結合所述答(da)復要素信息生成關聯(lian)的答(da)復消息發送至客戶端。

8、通過(guo)(guo)采用上(shang)述技(ji)術方案，企(qi)業(ye)(ye)(ye)(ye)ai客(ke)(ke)(ke)服(fu)(fu)在(zai)(zai)服(fu)(fu)務(wu)(wu)的(de)過(guo)(guo)程中，用戶(hu)(hu)通過(guo)(guo)客(ke)(ke)(ke)戶(hu)(hu)端(duan)發送消(xiao)(xiao)息(xi)(xi)，此時預設(she)的(de)情(qing)(qing)緒(xu)標(biao)識模(mo)型(xing)獲取待(dai)(dai)識別消(xiao)(xiao)息(xi)(xi)，其(qi)中待(dai)(dai)識別消(xiao)(xiao)息(xi)(xi)包括文本、語(yu)音等(deng)，對(dui)待(dai)(dai)識別消(xiao)(xiao)息(xi)(xi)進(jin)行語(yu)義分析后，匹配(pei)出(chu)代表當前(qian)用戶(hu)(hu)情(qing)(qing)緒(xu)的(de)情(qing)(qing)緒(xu)標(biao)識，能夠使企(qi)業(ye)(ye)(ye)(ye)ai客(ke)(ke)(ke)服(fu)(fu)獲得對(dui)話語(yu)境，從而(er)更準(zhun)確(que)的(de)把控客(ke)(ke)(ke)戶(hu)(hu)情(qing)(qing)緒(xu)，進(jin)一(yi)步，根據(ju)關(guan)(guan)聯的(de)情(qing)(qing)緒(xu)標(biao)識以及所(suo)述待(dai)(dai)識別消(xiao)(xiao)息(xi)(xi)，匹配(pei)出(chu)關(guan)(guan)聯的(de)業(ye)(ye)(ye)(ye)務(wu)(wu)流程節點，然后匹配(pei)出(chu)關(guan)(guan)聯的(de)答(da)復要(yao)素信息(xi)(xi)，最(zui)后通過(guo)(guo)ai模(mo)型(xing)，結(jie)合所(suo)述答(da)復要(yao)素信息(xi)(xi)生成關(guan)(guan)聯的(de)答(da)復消(xiao)(xiao)息(xi)(xi)，在(zai)(zai)進(jin)行情(qing)(qing)緒(xu)識別的(de)基礎上(shang)，通過(guo)(guo)結(jie)合企(qi)業(ye)(ye)(ye)(ye)的(de)業(ye)(ye)(ye)(ye)務(wu)(wu)流程，在(zai)(zai)知曉用戶(hu)(hu)不同(tong)情(qing)(qing)緒(xu)的(de)基礎上(shang)，結(jie)合自身(shen)業(ye)(ye)(ye)(ye)務(wu)(wu)sop，向客(ke)(ke)(ke)戶(hu)(hu)主動提供解決方案，實(shi)(shi)現(xian)ai客(ke)(ke)(ke)服(fu)(fu)的(de)業(ye)(ye)(ye)(ye)務(wu)(wu)主動攀談能力，且攀談是基于客(ke)(ke)(ke)戶(hu)(hu)情(qing)(qing)緒(xu)標(biao)識，更貼近真實(shi)(shi)業(ye)(ye)(ye)(ye)務(wu)(wu)人員(yuan)，因此提升(sheng)對(dui)用戶(hu)(hu)情(qing)(qing)緒(xu)的(de)把控，從而(er)提升(sheng)在(zai)(zai)ai客(ke)(ke)(ke)服(fu)(fu)服(fu)(fu)務(wu)(wu)過(guo)(guo)程的(de)用戶(hu)(hu)體(ti)驗感。

9、本技術在一較佳示(shi)例中(zhong)：所(suo)述情緒標識(shi)模(mo)型接收到所(suo)述待(dai)識(shi)別(bie)消(xiao)息(xi)時，匹配(pei)所(suo)述待(dai)識(shi)別(bie)消(xiao)息(xi)關聯的情緒標識(shi)的步驟，包括(kuo)步驟：

10、當情緒(xu)標(biao)識模型(xing)接收到待識別(bie)消(xiao)(xiao)息(xi)時(shi)，獲取該待識別(bie)消(xiao)(xiao)息(xi)的消(xiao)(xiao)息(xi)類型(xing)，所述消(xiao)(xiao)息(xi)類型(xing)包括文本(ben)類型(xing)；

11、當(dang)消息(xi)類型為文本類型時，對待識別消息(xi)進行(xing)語義分析并基(ji)于預設的提取規則，識別并提取關(guan)聯的情緒關(guan)鍵詞；

12、若提取到情(qing)(qing)緒(xu)關(guan)鍵(jian)詞，則基于所述(shu)情(qing)(qing)緒(xu)關(guan)鍵(jian)詞以及所述(shu)語義分析結(jie)果，從預(yu)設的情(qing)(qing)緒(xu)標(biao)(biao)識(shi)數據庫中匹配(pei)出關(guan)聯的情(qing)(qing)緒(xu)標(biao)(biao)識(shi)。

13、通(tong)過(guo)采用(yong)上述技(ji)術(shu)方案，當(dang)消(xiao)(xiao)息(xi)類(lei)型為文(wen)本(ben)(ben)類(lei)型時，對待識(shi)別(bie)消(xiao)(xiao)息(xi)進行語義(yi)分(fen)析，ai客(ke)服(fu)能(neng)夠(gou)更精(jing)確地把(ba)(ba)握(wo)用(yong)戶(hu)的(de)(de)(de)意圖和情(qing)緒(xu)，依據預設的(de)(de)(de)情(qing)緒(xu)關(guan)鍵詞(ci)(ci)提取規則，比如識(shi)別(bie)文(wen)本(ben)(ben)中(zhong)的(de)(de)(de)正面或(huo)負面情(qing)緒(xu)詞(ci)(ci)匯，以此來判斷用(yong)戶(hu)的(de)(de)(de)情(qing)緒(xu)狀(zhuang)態，通(tong)過(guo)這種情(qing)緒(xu)標識(shi)的(de)(de)(de)匹配，ai客(ke)服(fu)能(neng)更準確的(de)(de)(de)把(ba)(ba)控客(ke)戶(hu)情(qing)緒(xu)。

14、本技術在(zai)一較佳示例(li)中(zhong)：所述(shu)(shu)消(xiao)息類型(xing)還包(bao)括(kuo)音頻類型(xing)，所述(shu)(shu)情緒(xu)(xu)標(biao)識模型(xing)接(jie)收(shou)到所述(shu)(shu)待識別消(xiao)息時，匹配所述(shu)(shu)待識別消(xiao)息關聯的情緒(xu)(xu)標(biao)識的步驟(zou)，還包(bao)括(kuo)步驟(zou)：

15、若消息類型為(wei)音(yin)(yin)頻(pin)類型，則獲取該待識別(bie)消息的音(yin)(yin)頻(pin)屬性，所述音(yin)(yin)頻(pin)屬性包括頻(pin)譜特(te)征、振幅特(te)征、聲音(yin)(yin)紋理(li)特(te)征以(yi)及(ji)音(yin)(yin)調節奏(zou)特(te)征；

16、對待識別消(xiao)息(xi)進行文字轉換和語義分析，并基于預設(she)的提取規則，提取關(guan)(guan)聯的情緒關(guan)(guan)鍵詞；

17、基于所(suo)述語(yu)義分析(xi)結果、情緒(xu)關(guan)鍵詞(ci)以及(ji)音頻屬性，從預設(she)的情緒(xu)標識數據庫中匹配(pei)出(chu)關(guan)聯的情緒(xu)標識。

18、通過采(cai)用上述技術方案，當(dang)消息類(lei)型(xing)為音頻(pin)類(lei)型(xing)時，ai客(ke)服獲取待識(shi)別消息中的(de)(de)頻(pin)譜特征(zheng)(zheng)、振幅特征(zheng)(zheng)、聲音紋理(li)特征(zheng)(zheng)以及音調節(jie)奏(zou)特征(zheng)(zheng)，以此進(jin)一步更(geng)全面(mian)的(de)(de)判斷用戶(hu)的(de)(de)情(qing)緒(xu)(xu)狀態，依據音頻(pin)屬性、關(guan)聯(lian)的(de)(de)語義分析結(jie)果、關(guan)聯(lian)的(de)(de)情(qing)緒(xu)(xu)關(guan)鍵詞，從預設的(de)(de)情(qing)緒(xu)(xu)標識(shi)數(shu)據庫中匹(pi)配出(chu)關(guan)聯(lian)的(de)(de)情(qing)緒(xu)(xu)標識(shi)，ai客(ke)服能夠更(geng)精確識(shi)別客(ke)戶(hu)的(de)(de)情(qing)緒(xu)(xu)狀態。

19、本技術在(zai)一較佳示例(li)中：所(suo)述(shu)(shu)情緒標識(shi)(shi)模型接收到所(suo)述(shu)(shu)待(dai)識(shi)(shi)別消息(xi)時(shi)，匹配(pei)所(suo)述(shu)(shu)待(dai)識(shi)(shi)別消息(xi)關聯的情緒標識(shi)(shi)的步驟之后，執行如下步驟：

20、情(qing)緒(xu)標識(shi)完成(cheng)匹配時(shi)，將(jiang)該(gai)(gai)情(qing)緒(xu)標識(shi)與客戶(hu)端(duan)綁(bang)(bang)定(ding)，并啟動預設的綁(bang)(bang)定(ding)時(shi)長(chang)倒計時(shi)，在(zai)綁(bang)(bang)定(ding)時(shi)長(chang)內該(gai)(gai)客戶(hu)端(duan)暫時(shi)綁(bang)(bang)定(ding)該(gai)(gai)匹配的情(qing)緒(xu)標識(shi)；

21、若綁(bang)定時(shi)長內，客戶端的(de)情緒(xu)標識所(suo)對應(ying)的(de)標識集合發(fa)生改變，則將該客戶端最(zui)新一次關聯的(de)情緒(xu)標識與(yu)該客戶端進(jin)行暫時(shi)綁(bang)定。

22、通(tong)過(guo)(guo)采用上述(shu)技術方案，例如當匹(pi)配到的(de)(de)情(qing)(qing)緒標(biao)(biao)識(shi)為生(sheng)氣標(biao)(biao)識(shi)時，生(sheng)氣標(biao)(biao)識(shi)與客戶(hu)端綁(bang)定，綁(bang)定時長倒計(ji)時開(kai)始(shi)，在(zai)綁(bang)定時長內該客戶(hu)端暫時綁(bang)定該匹(pi)配的(de)(de)生(sheng)氣標(biao)(biao)識(shi)，當生(sheng)氣標(biao)(biao)識(shi)所(suo)對應(ying)的(de)(de)標(biao)(biao)識(shi)集合發(fa)生(sheng)改變，若最(zui)新關聯的(de)(de)情(qing)(qing)緒標(biao)(biao)識(shi)為高興標(biao)(biao)識(shi)，客戶(hu)端暫時綁(bang)定最(zui)新關聯的(de)(de)高興標(biao)(biao)識(shi)，并且綁(bang)定倒計(ji)時開(kai)始(shi)，繼續上述(shu)流程(cheng)，通(tong)過(guo)(guo)這一過(guo)(guo)程(cheng)使得ai客服能更(geng)合理的(de)(de)識(shi)別客戶(hu)的(de)(de)情(qing)(qing)緒狀態，ai客服更(geng)貼近真(zhen)實業務人員。

23、本技術在一較佳示例中(zhong)：所(suo)述(shu)(shu)基(ji)于所(suo)述(shu)(shu)關(guan)聯(lian)的(de)(de)情緒(xu)標(biao)識以及所(suo)述(shu)(shu)待識別(bie)消(xiao)息(xi)(xi)，在預設的(de)(de)業務(wu)流(liu)程(cheng)(cheng)中(zhong)，匹配出關(guan)聯(lian)當前情緒(xu)標(biao)識和待識別(bie)消(xiao)息(xi)(xi)的(de)(de)業務(wu)流(liu)程(cheng)(cheng)節(jie)點，從(cong)預設的(de)(de)業務(wu)信息(xi)(xi)數(shu)據庫(ku)中(zhong)篩(shai)選出與該業務(wu)流(liu)程(cheng)(cheng)節(jie)點關(guan)聯(lian)的(de)(de)答(da)復要素(su)信息(xi)(xi)的(de)(de)步(bu)驟，包(bao)括步(bu)驟：

24、基(ji)于所述關(guan)聯的待識別消息，在預設的業務流(liu)程(cheng)中(zhong)，篩選出關(guan)聯的業務流(liu)程(cheng)節點(dian)集合；

25、基于所述(shu)關(guan)(guan)聯的情緒標識，在關(guan)(guan)聯的業務(wu)流程(cheng)節點集合中，匹配出對應(ying)該(gai)情緒標識的業務(wu)流程(cheng)節點；

26、從預設(she)的業務信息數據(ju)庫中(zhong)篩選出關(guan)聯該業務流程節點的答復要素信息。

27、通(tong)過采用(yong)上(shang)述(shu)技(ji)術方(fang)案，篩選出關(guan)聯(lian)待識(shi)(shi)別消息的(de)(de)業(ye)(ye)務(wu)流(liu)程(cheng)節(jie)(jie)點集合(he)，進一步(bu)根(gen)據情緒標識(shi)(shi)從(cong)關(guan)聯(lian)的(de)(de)業(ye)(ye)務(wu)流(liu)程(cheng)節(jie)(jie)點集合(he)匹配出關(guan)聯(lian)的(de)(de)業(ye)(ye)務(wu)流(liu)程(cheng)節(jie)(jie)點，最后篩選出關(guan)聯(lian)業(ye)(ye)務(wu)流(liu)程(cheng)節(jie)(jie)點的(de)(de)答(da)復要素信息，答(da)復要素信息包括答(da)復邏輯(ji)。通(tong)過這一過程(cheng)，ai客(ke)服(fu)更準(zhun)確合(he)理地理解(jie)客(ke)戶的(de)(de)問題和需求(qiu)，從(cong)而提供更有效的(de)(de)解(jie)決方(fang)案；根(gen)據客(ke)戶的(de)(de)情緒狀態提供個(ge)性(xing)化的(de)(de)答(da)復和建議，增加服(fu)務(wu)的(de)(de)個(ge)性(xing)化和相關(guan)性(xing)。

28、本技術在一較佳示例中(zhong)(zhong)：所(suo)述消息(xi)類型還包括(kuo)圖像(xiang)類型，所(suo)述基(ji)于所(suo)述關聯的(de)情(qing)緒標識(shi)以及所(suo)述待識(shi)別消息(xi)，在預設的(de)業(ye)務(wu)流程(cheng)(cheng)中(zhong)(zhong)，匹(pi)配(pei)出(chu)關聯當(dang)前情(qing)緒標識(shi)和待識(shi)別消息(xi)的(de)業(ye)務(wu)流程(cheng)(cheng)節點，從預設的(de)業(ye)務(wu)信息(xi)數據庫(ku)中(zhong)(zhong)篩選出(chu)與該(gai)業(ye)務(wu)流程(cheng)(cheng)節點關聯的(de)答復要(yao)素信息(xi)的(de)步驟，還包括(kuo)步驟：

29、若消息類型為(wei)圖(tu)像類型，則對待識別消息進行圖(tu)像特征提取，得到若干圖(tu)像特征；

30、基于圖(tu)像(xiang)(xiang)特(te)征，從預設的產品圖(tu)像(xiang)(xiang)數據庫中識(shi)別是否存(cun)在(zai)與圖(tu)像(xiang)(xiang)特(te)征匹配的產品圖(tu)像(xiang)(xiang)；

31、若存在匹配(pei)的產(chan)(chan)(chan)品圖像(xiang)，則(ze)輸(shu)出對應該產(chan)(chan)(chan)品圖像(xiang)的產(chan)(chan)(chan)品信息；

32、基于輸(shu)出的(de)產品信息(xi)結合上下文消息(xi)匹(pi)配出關聯的(de)業(ye)務流程節點，上下文消息(xi)中包括了已(yi)識(shi)別(bie)出的(de)情緒標識(shi)。

33、通過(guo)采用(yong)(yong)上(shang)述(shu)技術(shu)方(fang)案，當接收到消息(xi)類型(xing)為圖像(xiang)類型(xing)時，ai客服(fu)(fu)將提(ti)取圖像(xiang)特(te)征(zheng)，如顏色、形(xing)狀和紋理。利用(yong)(yong)這(zhe)(zhe)些特(te)征(zheng)，ai客服(fu)(fu)在產(chan)品(pin)數據庫(ku)中搜索匹配(pei)的(de)(de)(de)圖像(xiang)，一(yi)旦(dan)找到匹配(pei)的(de)(de)(de)產(chan)品(pin)圖像(xiang)，客戶端會(hui)立即(ji)展示相關的(de)(de)(de)產(chan)品(pin)信息(xi)，如名稱、描述(shu)和價格，同時，ai客服(fu)(fu)還會(hui)分析上(shang)下文(wen)消息(xi)，包括情(qing)緒(xu)標識(shi)，通過(guo)這(zhe)(zhe)種(zhong)方(fang)式，系統能夠更有效的(de)(de)(de)識(shi)別產(chan)品(pin)，提(ti)供相關信息(xi)，并引(yin)導(dao)用(yong)(yong)戶至適當的(de)(de)(de)業(ye)務流程節(jie)點，增強用(yong)(yong)戶體驗。

34、本技(ji)術(shu)在一較佳示例中：所述若存在匹配(pei)的產品圖(tu)像，則輸出對應該產品圖(tu)像的產品信息的步驟(zou)，包括步驟(zou)：

35、若存在(zai)匹(pi)配的(de)產(chan)品圖(tu)像，則進(jin)一步獲取若干(gan)圖(tu)像特征各自的(de)比對(dui)結果(guo)，比對(dui)結果(guo)包括異常信息和正常信息；

36、基于產(chan)(chan)品圖像預(yu)先關聯的產(chan)(chan)品名稱、異常信(xin)息和正常信(xin)息生成產(chan)(chan)品信(xin)息。

37、通過采用上述技術方案，當輸入的(de)圖(tu)像與產(chan)品(pin)數(shu)據庫(ku)中的(de)圖(tu)像匹配時，ai客服(fu)分析圖(tu)像特(te)征(zheng)的(de)比對結(jie)(jie)(jie)果，這些結(jie)(jie)(jie)果分為正(zheng)常信(xin)息(xi)(xi)(xi)和(he)異(yi)常信(xin)息(xi)(xi)(xi)。系(xi)統將這些比對結(jie)(jie)(jie)果與產(chan)品(pin)圖(tu)像的(de)預設(she)信(xin)息(xi)(xi)(xi)相結(jie)(jie)(jie)合，包(bao)括(kuo)產(chan)品(pin)名(ming)稱、規格和(he)預期特(te)征(zheng)，生成(cheng)綜合全面的(de)產(chan)品(pin)信(xin)息(xi)(xi)(xi)，有助于在客戶(hu)服(fu)務場景中快速準確識(shi)別和(he)解決(jue)問題(ti)。

38、本技(ji)術(shu)的上(shang)述發明目的二是通過以下技(ji)術(shu)方案得以實現的：

39、一種基于ai智能客服的企業業務數據交互系統，包括：

40、接收消(xiao)(xiao)息(xi)模塊：用于當(dang)接收到客戶端發出(chu)的待識(shi)別(bie)(bie)消(xiao)(xiao)息(xi)時，向預設的情緒標識(shi)模型發送所(suo)述待識(shi)別(bie)(bie)消(xiao)(xiao)息(xi)；

41、匹(pi)配模塊：用于(yu)所(suo)述(shu)情(qing)緒標(biao)識(shi)(shi)模型接收到(dao)所(suo)述(shu)待(dai)識(shi)(shi)別(bie)消息(xi)(xi)時(shi)，匹(pi)配所(suo)述(shu)待(dai)識(shi)(shi)別(bie)消息(xi)(xi)關聯的(de)情(qing)緒標(biao)識(shi)(shi)；基于(yu)所(suo)述(shu)關聯的(de)情(qing)緒標(biao)識(shi)(shi)以及所(suo)述(shu)待(dai)識(shi)(shi)別(bie)消息(xi)(xi)，在預設(she)的(de)業(ye)務流(liu)程(cheng)中，匹(pi)配出關聯當前情(qing)緒標(biao)識(shi)(shi)和待(dai)識(shi)(shi)別(bie)消息(xi)(xi)的(de)業(ye)務流(liu)程(cheng)節(jie)點，從(cong)預設(she)的(de)業(ye)務信(xin)息(xi)(xi)數(shu)據庫中匹(pi)配出關聯的(de)答復要素信(xin)息(xi)(xi)；

42、答復(fu)消息(xi)模(mo)塊：用于(yu)基于(yu)預(yu)先接入(ru)的ai模(mo)型，結合所述(shu)答復(fu)要素信息(xi)生成關聯(lian)的答復(fu)消息(xi)發送至客(ke)戶端。

43、通過采用上述(shu)技術方(fang)案，接收到客(ke)(ke)(ke)戶(hu)端發出(chu)的待識別(bie)消息(xi)(xi)，匹配(pei)與所(suo)述(shu)消息(xi)(xi)關聯的情緒標識，進一步匹配(pei)出(chu)關聯的業(ye)務(wu)流(liu)程節點，最后(hou)匹配(pei)出(chu)關聯的答復(fu)(fu)要(yao)素信(xin)息(xi)(xi)，基于所(suo)述(shu)答復(fu)(fu)要(yao)素信(xin)息(xi)(xi)生(sheng)成關聯的答復(fu)(fu)消息(xi)(xi)發送至客(ke)(ke)(ke)戶(hu)端，ai客(ke)(ke)(ke)服更準確的理解客(ke)(ke)(ke)戶(hu)的輸(shu)入，以更人性化(hua)(hua)的方(fang)式答復(fu)(fu)客(ke)(ke)(ke)戶(hu)，同時(shi)ai客(ke)(ke)(ke)服的情緒識別(bie)能(neng)力(li)與企(qi)業(ye)的工作(zuo)流(liu)程和業(ye)務(wu)系統無縫集成，能(neng)夠自動化(hua)(hua)客(ke)(ke)(ke)戶(hu)服務(wu)和其他關鍵(jian)業(ye)務(wu)流(liu)程，提高服務(wu)效率(lv)和客(ke)(ke)(ke)戶(hu)滿意度。

44、本技(ji)術(shu)的上述(shu)目(mu)的三是通(tong)過以(yi)下(xia)技(ji)術(shu)方案(an)得以(yi)實現的：

45、一種(zhong)計算(suan)(suan)機(ji)設(she)備，包括(kuo)存儲(chu)器、處(chu)理(li)器以及(ji)存儲(chu)在(zai)所述存儲(chu)器中并可在(zai)所述處(chu)理(li)器上(shang)運行(xing)的計算(suan)(suan)機(ji)程(cheng)序所述處(chu)理(li)器執行(xing)所述計算(suan)(suan)機(ji)程(cheng)序時實現所述一種(zhong)基(ji)于ai智能客服的企業業務數據交互方法(fa)的步(bu)驟。

46、本技(ji)術(shu)的(de)上述(shu)目的(de)四是通(tong)過以下技(ji)術(shu)方(fang)案得以實現的(de)：

47、一種計算機(ji)(ji)可讀(du)存儲(chu)介質，所述計算機(ji)(ji)可讀(du)存儲(chu)介質存儲(chu)有計算機(ji)(ji)程(cheng)序，所述計算機(ji)(ji)程(cheng)序被(bei)處理器(qi)執(zhi)行時實(shi)現(xian)所述一種基于ai智能(neng)客服的(de)企業(ye)業(ye)務數據交(jiao)互方法的(de)步驟。

48、綜(zong)上所述，本技(ji)(ji)術(shu)包括(kuo)以下至少一(yi)種有益技(ji)(ji)術(shu)效果：

49、1.在進行情緒識別的基礎(chu)(chu)上，通過(guo)結合企業(ye)的業(ye)務(wu)流程，在知曉用(yong)(yong)戶(hu)不同情緒的基礎(chu)(chu)上，結合自身業(ye)務(wu)sop，向(xiang)客戶(hu)主(zhu)動提(ti)供解(jie)決方(fang)案(an)，實現ai客服(fu)的業(ye)務(wu)主(zhu)動攀談(tan)能力，且(qie)攀談(tan)是(shi)基于客戶(hu)情緒標識，更貼近(jin)真實業(ye)務(wu)人員(yuan)，因此提(ti)升對用(yong)(yong)戶(hu)情緒的把控，從而提(ti)升在ai客服(fu)服(fu)務(wu)過(guo)程的用(yong)(yong)戶(hu)體驗感。

50、2.當消(xiao)息(xi)(xi)類(lei)型(xing)為文本類(lei)型(xing)時(shi)，對待識別消(xiao)息(xi)(xi)進行語義分(fen)析，ai客(ke)(ke)服能夠(gou)更(geng)精確地把握用戶的(de)(de)意圖和(he)情緒，依(yi)據(ju)預設的(de)(de)情緒關鍵詞提取規則，比如(ru)識別文本中的(de)(de)正面或負(fu)面情緒詞匯，以此來判斷(duan)用戶的(de)(de)情緒狀(zhuang)態，通過這種情緒標識的(de)(de)匹配(pei)，ai客(ke)(ke)服能更(geng)準(zhun)確的(de)(de)把控客(ke)(ke)戶情緒。

51、3.當消息(xi)類型為音(yin)頻類型時，ai客服獲(huo)取消息(xi)中(zhong)的(de)(de)(de)頻譜特(te)(te)征、振幅特(te)(te)征、聲音(yin)紋理特(te)(te)征以及音(yin)調節奏特(te)(te)征，以此進一步更全(quan)面的(de)(de)(de)判(pan)斷用戶(hu)的(de)(de)(de)情緒(xu)狀態，依據(ju)音(yin)頻屬性、關聯(lian)(lian)的(de)(de)(de)語義分析(xi)結果、關聯(lian)(lian)的(de)(de)(de)情緒(xu)關鍵詞，從(cong)預設的(de)(de)(de)情緒(xu)標識數據(ju)庫中(zhong)匹配出關聯(lian)(lian)的(de)(de)(de)情緒(xu)標識，ai客服能夠(gou)更精確(que)識別(bie)客戶(hu)的(de)(de)(de)情緒(xu)狀態。

52、4.情緒(xu)(xu)(xu)(xu)標識(shi)完成匹配(pei)(pei)時(shi)，將該(gai)情緒(xu)(xu)(xu)(xu)標識(shi)與客(ke)(ke)戶端(duan)(duan)(duan)綁定，并啟(qi)動預設(she)的(de)綁定時(shi)長(chang)倒計時(shi)，在綁定時(shi)長(chang)內(nei)該(gai)客(ke)(ke)戶端(duan)(duan)(duan)暫(zan)時(shi)綁定該(gai)匹配(pei)(pei)的(de)情緒(xu)(xu)(xu)(xu)標識(shi)；若綁定時(shi)長(chang)內(nei)，客(ke)(ke)戶端(duan)(duan)(duan)的(de)情緒(xu)(xu)(xu)(xu)標識(shi)所對應的(de)標識(shi)集合發生改變，則將該(gai)客(ke)(ke)戶端(duan)(duan)(duan)最新一(yi)次關(guan)聯(lian)的(de)情緒(xu)(xu)(xu)(xu)標識(shi)與該(gai)客(ke)(ke)戶端(duan)(duan)(duan)進行(xing)暫(zan)時(shi)綁定。通過這一(yi)過程使(shi)得(de)ai客(ke)(ke)服(fu)能更合理(li)的(de)識(shi)別客(ke)(ke)戶的(de)情緒(xu)(xu)(xu)(xu)狀態，ai客(ke)(ke)服(fu)更貼近真實(shi)業務人員。