[发明专利]用于客服派单的方法、装置和计算设备

权利要求书

1.一种用于客服派单的方法，包括：

获取发起客服请求的用户的综合信息，其中，所述综合信息至少包括用于描述所述用户的问题的文本信息；

利用客服派单模型对所述综合信息进行处理，以确定所述客服请求对应的客服技能组；

其中，所述客服派单模型至少包括M个文本预处理工具和文本处理模块，M为正整数，

所述M个文本预处理工具分别用于对所述文本信息进行预处理，以得到M个中间输出结果，所述M个中间输出结果中的每一者包括由相应的文本预处理工具生成的隐藏层向量，

所述文本处理模块用于对文本输入向量进行处理，以得到用于确定所述客服技能组的文本特征向量，其中，所述文本输入向量是基于与所述文本信息对应的词向量和所述M个中间输出结果来得到的。

2.根据权利要求1所述的方法，其中，所述客服派单模型包括嵌入层，其中，在所述嵌入层处，所述文本信息被处理为所述词向量，并且所述词向量与所述M个中间输出结果中的隐藏层向量被链接在一起，从而得到所述文本输入向量。

3.根据权利要求1或2所述的方法，其中，所述M个文本预处理工具包括以下各项中的至少一项：命名实体识别工具、词性标注工具、句法分析器。

4.根据权利要求1至3中任一项所述的方法，其中，所述M个文本预处理工具并行地对所述文本信息进行预处理。

5.根据权利要求1至4中任一项所述的方法，其中，所述文本处理模块包括分别对所述文本输入向量进行处理的第一处理层、第二处理层和第三处理层；

所述第一处理层采用卷积神经网络，

所述第二处理层采用深度神经网络，

所述第三处理层采用以下各项中的一项：长短期记忆模型、循环神经网络、门控循环单元。

6.根据权利要求1至5中任一项所述的方法，其中，所述综合信息还包括所述用户的因子信息和所述用户的行为轨迹信息；

所述客服派单模型还包括：因子处理模块、行为轨迹处理模块、分类预测模块；

所述因子处理模块用于对所述因子信息进行处理，以得到因子特征向量；

所述行为轨迹处理模块用于对所述行为轨迹信息进行处理，以得到轨迹特征向量；

所述分类预测模块用于基于所述文本特征向量、所述因子特征向量和所述轨迹特征向量，来确定所述客服技能组。

7.根据权利要求6所述的方法，其中，

所述因子处理模块采用深度神经网络，

所述行为轨迹处理模块采用以下各项中的一项：长短期记忆模型、循环神经网络、门控循环单元。

8.一种用于客服派单的装置，包括：

获取单元，用于获取发起客服请求的用户的综合信息，其中，所述综合信息至少包括用于描述所述用户的问题的文本信息；

确定单元，用于利用客服派单模型对所述综合信息进行处理，以确定所述客服请求对应的客服技能组；

其中，所述客服派单模型至少包括M个文本预处理工具和文本处理模块，M为正整数，

所述M个文本预处理工具分别用于对所述文本信息进行预处理，以得到M个中间输出结果，所述M个中间输出结果中的每一者包括由相应的文本预处理工具生成的隐藏层向量，

所述文本处理模块用于对文本输入向量进行处理，以得到用于确定所述客服技能组的文本特征向量，其中，所述文本输入向量是基于与所述文本信息对应的词向量和所述M个中间输出结果来得到的。

9.根据权利要求8所述的装置，其中，所述客服派单模型包括嵌入层，其中，在所述嵌入层处，所述文本信息被处理为所述词向量，并且所述词向量与所述M个中间输出结果中的隐藏层向量被链接在一起，从而得到所述文本输入向量。

10.根据权利要求8或9所述的装置，其中，所述M个文本预处理工具包括以下各项中的至少一项：命名实体识别工具、词性标注工具、句法分析器。