生成客服咨询摘要的方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种生成客服咨询摘要的方法和装置。

背景技术

在电商领域中，每天都会发起数千万起的客服在线咨询，包括用户咨询商家的尺码、商品保质期、包装等等信息；也包括用户咨询客服商品的售后服务，包括退换货、发票以及发货时间等。这样复杂的沟通场景，每次会话的沟通内容数百字到数千字不等。如果不能有效概括出用户咨询的内容摘要，对于记录用户问题和后续解决就会造成更繁琐的维护成本。目前可用于生成客服在线咨询摘要的方法主要有基于人工的方式生成咨询摘要，和基于模板等文本智能化的方式生成咨询摘要。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

基于人工的方式生成咨询摘要具有主观性，不同人归纳总结的结果不统一；基于模板等文本智能化的方式生成咨询摘要，主要依赖于用户的咨询文本，特征利用率低。

发明内容

有鉴于此，本发明实施例提供一种生成客服咨询摘要的方法和装置，能够基于客服咨询过程中所涉及的多种特征进行自动化摘要生成，摘要生成结果具有客观性，且结果统一化，生成效率高。

为实现上述目的，根据本发明实施例的一个方面，提供了一种生成客服咨询摘要的方法。

一种生成客服咨询摘要的方法，包括：

对客服咨询内容进行对话拆解得到不少于一个咨询任务；

对每个咨询任务，确定所述咨询任务对应的表单数据，并对所述咨询任务进行特征提取以得到咨询任务向量；

将所述咨询任务向量和所述表单数据嵌入到预先训练的图模型中得到嵌入图模型，并对所述嵌入图模型进行特征提取以得到图模型嵌入向量；

根据所述图模型嵌入向量得到咨询问题和关键摘要信息；

根据所述咨询问题和所述关键摘要信息生成客服咨询摘要。

可选地，对客服咨询内容进行对话拆解包括：

对于所述客服咨询内容中的每句会话，根据所述会话与相邻会话之间的关联关系计算对话关联性，所述相邻会话是指所述客服咨询内容的上下文中与所述会话相邻的会话；

根据所述对话关联性与预设的阈值进行对话拆解。

可选地，将所述咨询任务向量和所述表单数据嵌入到预先训练的图模型中得到嵌入图模型，包括：

确定所述咨询任务向量和所述表单数据在所述图模型中的位置，并根据所述位置将所述咨询任务向量和所述表单数据嵌入到所述图模型中；

根据设定的窗口数量将嵌入后的图模型的节点进行扩充；

对于每个窗口中的数据，计算不同节点之间的共现数量作为节点之间边的权重，得到嵌入图模型。

可选地，根据所述图模型嵌入向量得到咨询问题和关键摘要信息，包括：

根据所述图模型嵌入向量进行图网络关联以得到所述咨询问题；

根据所述图模型嵌入向量和预先训练的对话向量生成关键摘要信息。

可选地，在得到图模型嵌入向量之后，还包括：

根据所述嵌入图模型的节点之间的关系建立中心对称矩阵；

并且，根据所述图模型嵌入向量进行图网络关联以得到所述咨询问题包括：

对所述图模型嵌入向量进行格式变换；

将格式变换后的图模型嵌入向量与所述中心对称矩阵进行拼接得到拼接向量；

将所述拼接向量与预设权重相乘得到所述嵌入图模型中隐藏层的得分；

根据所述隐藏层的得分确定所述咨询问题。

可选地，在根据所述咨询问题和所述关键摘要信息生成客服咨询摘要之后，还包括：

根据所述客服咨询摘要与预设的摘要内容进行对比学习以获取相似度超过相似度阈值的摘要内容；

将所述摘要内容对应的客服应答结果作为所述客服咨询摘要对应的咨询任务的应答结果，并反馈给用户。

可选地，根据所述图模型嵌入向量得到咨询问题和关键摘要信息之后，还包括：

生成跟单判别结果，所述跟单判别结果用于判断所述咨询任务是否需要进行跟踪；

并且，将所述摘要内容对应的客服应答结果作为所述客服咨询摘要对应的咨询任务的应答结果，并反馈给用户之后，还包括：

设置所述客服咨询摘要对应的咨询任务不需要进行跟踪。

根据本发明实施例的另一方面，提供了一种生成客服咨询摘要的装置。

一种生成客服咨询摘要的装置，包括：

对话拆解模块，用于对客服咨询内容进行对话拆解得到不少于一个咨询任务；

任务特征提取模块，用于对每个咨询任务，确定所述咨询任务对应的表单数据，并对所述咨询任务进行特征提取以得到咨询任务向量；

任务嵌入模块，用于将所述咨询任务向量和所述表单数据嵌入到预先训练的图模型中得到嵌入图模型，并对所述嵌入图模型进行特征提取以得到图模型嵌入向量；

嵌入向量计算模块，用于根据所述图模型嵌入向量得到咨询问题和关键摘要信息；

摘要生成模块，用于根据所述咨询问题和所述关键摘要信息生成客服咨询摘要。

根据本发明实施例的又一方面，提供了一种生成客服咨询摘要的电子设备。

一种生成客服咨询摘要的电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例所提供的生成客服咨询摘要的方法。

根据本发明实施例的再一方面，提供了一种计算机可读介质。

一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例所提供的生成客服咨询摘要的方法。

上述发明中的一个实施例具有如下优点或有益效果：通过对客服咨询内容进行对话拆解得到不少于一个咨询任务；对每个咨询任务，确定咨询任务对应的表单数据，并对咨询任务进行特征提取以得到咨询任务向量；将咨询任务向量和表单数据嵌入到预先训练的图模型中得到嵌入图模型，并对嵌入图模型进行特征提取以得到图模型嵌入向量；根据图模型嵌入向量得到咨询问题和关键摘要信息；根据咨询问题和关键摘要信息生成客服咨询摘要，可以利用图表示的方法，有效的将用户的咨询任务向量和与咨询任务向量相关的用户的特点以及文本特征和商品的基本属性等表单数据进行结合、关联和归纳，从而解决了在生成客服咨询摘要时特征利用率低的问题，之后在新问题出现时即可巧妙的把其客服咨询内容关联至图模型中，做到模版化，从而解决了由于人工生成客服咨询摘要而带来的摘要具有主观性以及结果不统一的问题，实现了基于客服咨询过程中所涉及的多种特征进行自动化摘要生成，摘要生成结果具有客观性，且结果统一化，生成效率高。同时，通过基于对比学习的方式可以有效的将用户的实际问题在对比中进行归纳，通过历史的咨询节点进行动态的对比和分裂，无论是对于已有问题的同属问题的统一还是新问题的发现都可以完全自动化并且遵循标准格式。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的生成客服咨询摘要的方法的主要步骤示意图；

图2是本发明实施例的实现流程示意图；

图3是根据本发明实施例的生成客服咨询摘要的装置的主要模块示意图；

图4是本发明实施例可以应用于其中的示例性系统架构图；

图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

发明人对现有技术进行了分析，发现目前可用于自动生成客服在线咨询摘要的方法有以下两种：

(1)基于人工的方式。主要由商家或者客服人员自动编撰的摘要，这种方法主要依赖于人工的编纂，通常在用户咨询问题后，无论问题是否已经解决，通过人工总结本次聊天的内容，填写咨询摘要并且进行后续跟进；

(2)基于文本智能化的方式。这种方法主要依赖于文本相关算法，通过利用文本分析，文本生成等相关算法对于内容进行概括，或者直接利用固定的格式模版，抽取出所需内容，并且将其基于设定模板的方式自动生成。

针对上述现有的两种方案，发明人发现主要存在以下两方面缺陷：

(1)归纳性弱

对于客服人员主动归纳的技术方案，由于掺杂着个人思想，很难将语言统一化，这在问题跟进时如果需要其他人员，例如客服人员和快递小哥、快递小哥和采销的连续操作时，往往难以理解，又需要重新去看聊天内容。即便对客服人员自身而言，有的语言简练，有的负责不同部分，相互之间也很难协调。而基于模版填充的文本智能化方式虽然可以缓解以上问题，但因为电商领域的咨询包含数万种，例如发票、价保、退货、快递等等多种咨询，模版的制作复杂而且难以归纳分类；

(2)特征利用率低

客户在咨询问题时，一定是以商品为依凭的，针对某件商品的咨询才是问题的核心。目前的方法主要依赖于用户的咨询文本，虽然在咨询时会发送商品sku(sku是指一款商品，每款都有出现一个sku，便于电商品牌识别商品)，但编辑咨询摘要时仍旧不以商品为依凭。这对于后期的维护，商品的追踪以及商品热门问题而言都是灾难。

为了解决现有技术存在的上述技术问题，本发明提供了一种生成客服咨询摘要的方法和装置，针对归纳性弱的问题，主要通过基于对比学习的方式进行解决，这种方法可以有效的将用户的实际问题在对比中进行归纳，通过历史的咨询节点进行动态的对比和分析，无论是对于已有问题的同属问题的统一还是新问题的发现都可以完全自动化并且遵循标准格式；针对特征利用率低的问题，有效的将用户的咨询、用户的特点以及文本特征和商品的基本属性进行结合，巧妙的利用图表示的方法，将所有特征做好关联和归纳，之后再对于新问题的诞生时巧妙的把其咨询关联至图中，做到模版化。

图1是根据本发明实施例的生成客服咨询摘要的方法的主要步骤示意图。如图1所示，本发明实施例的生成客服咨询摘要的方法主要包括如下的步骤S101至步骤S105。

步骤S101：对客服咨询内容进行对话拆解得到不少于一个咨询任务；

步骤S102：对每个咨询任务，确定所述咨询任务对应的表单数据，并对所述咨询任务进行特征提取以得到咨询任务向量；

步骤S103：将所述咨询任务向量和所述表单数据嵌入到预先训练的图模型中得到嵌入图模型，并对所述嵌入图模型进行特征提取以得到图模型嵌入向量；

步骤S104：根据所述图模型嵌入向量得到咨询问题和关键摘要信息；

步骤S105：根据所述咨询问题和所述关键摘要信息生成客服咨询摘要。

根据本发明的实施例，客服咨询内容即为用户通过在线客服进行咨询时的具体会话内容，主要包括用户进线时的聊天内容和超链接等。根据后台存储的json格式的客服咨询内容即可区分出用户和客服的会话。用户和客服发送的每一条消息都会记录唯一的标识码，并且注明是由何人发送的，故而直接根据json格式的客服咨询内容即可区分出用户和客服的会话。

对话拆解主要是根据用户的表达将用户所要咨询的内容进行拆分为不同的咨询任务。具体地，在进行对话拆解时，可以已经会话之间的关联性来进行。在本发明的一个实施例中，对客服咨询内容进行对话拆解具体可以包括：

对于所述客服咨询内容中的每句会话，根据所述会话与相邻会话之间的关联关系计算对话关联性，所述相邻会话是指所述客服咨询内容的上下文中与所述会话相邻的会话；

根据所述对话关联性与预设的阈值进行对话拆解。

具体地，可以根据以下的公式来计算对话关联性：

其中，A和B分别指代用户和客服，d

在计算得到客服咨询内容的对话关联性之后，即可根据预先设定的阈值来进行对话拆解，得到不少于一个咨询任务，每个咨询任务对应有多句对话。对每个咨询任务，根据用户进线咨询的内容同时查询用户的历史表单，主要包括订单、售后单和在线咨询记录等，并将其归纳到用户的基本信息中，用户的基本信息被存储在用户的基本信息库中。

之后，对于得到的每个咨询任务，将其相关信息嵌入到预先训练好的图模型中。图模型主要依赖于用户的基本信息库，订单库和商品库来构建。在构建图模型时，例如是以商品的sku(sku一般指最小存货单位，全称为Stock Keeping Unit，库存量单位，即库存进出计量的基本单元。在电商领域，一般指的是一款商品)为主键，将相关信息进行汇总关联处理得到图中将用户和商品进行关联，商品都有唯一识别的sku和spu(spu，是standardproduct unit，标准化产品单元，是商品信息聚合的最小单位，属性值、特性相同的商品就可以成为一个SPU)，其中sku需要记录在spu下。这是因为用户如果仅仅挑选了不同的商品型号，购买诉求的期望是相同的。

在将咨询任务进行任务嵌入时，需要先对咨询任务进行特征提取以得到咨询任务向量。在将客服咨询内容拆解为咨询任务后，对每个咨询任务，将该咨询任务作为正样本，将非该咨询任务的咨询任务作为负样本，通过对正样本和负样本进行句子预训练来进行特征提取得到该咨询任务对应的咨询任务向量。其中，在进行句子预训练时，例如可以使用albert预训练，使其转化为向量。

根据本发明的一个实施例，将所述咨询任务向量和所述表单数据嵌入到预先训练的图模型中得到嵌入图模型，具体可以包括：

确定所述咨询任务向量和所述表单数据在所述图模型中的位置，并根据所述位置将所述咨询任务向量和所述表单数据嵌入到所述图模型中；

根据设定的窗口数量将嵌入后的图模型的节点进行扩充；

对于每个窗口中的数据，计算不同节点之间的共现数量作为节点之间边的权重，得到嵌入图模型。

具体地，将与该咨询任务对应的表单数据(例如：订单信息、售后单信息等)与咨询任务向量进行图方式的嵌入，嵌入方式主要是根据之前生成的图模型，对于用户的表单数据和咨询任务向量通过计算直接查找其在图模型中的位置，之后根据设定的窗口数量(即：关联到的图模型中的相邻节点的个数)将节点进行扩充。对于每个窗口中的数据计算不同节点之间的共现数量(即：同一节点的出现次数)作为权重，得到嵌入图模型。之后，根据图模型中节点之间的关系即可建立中心对称矩阵和图的嵌入向量，图的嵌入向量中每个元素即为中心对称矩阵中节点出现的次数。

根据本发明的其中一个实施例，根据所述图模型嵌入向量得到咨询问题和关键摘要信息，具体可以包括：根据所述图模型嵌入向量进行图网络关联以得到所述咨询问题；根据所述图模型嵌入向量和预先训练的对话向量生成关键摘要信息。

在本发明的一个实施例中，在得到图模型嵌入向量之后，还包括：根据所述嵌入图模型的节点之间的关系建立中心对称矩阵。并且，根据所述图模型嵌入向量进行图网络关联以得到所述咨询问题包括：对所述图模型嵌入向量进行格式变换；将格式变换后的图模型嵌入向量与所述中心对称矩阵进行拼接得到拼接向量；将所述拼接向量与预设权重相乘得到所述嵌入图模型中隐藏层的得分；根据所述隐藏层的得分确定所述咨询问题。

在本发明的实施例中，进行图网络关联主要是根据图模型嵌入向量计算网络隐藏层的得分表示。首先将图模型嵌入向量进行格式变换以使之可以与中心对称矩阵进行拼接，之后同中心对称矩阵进行拼接，然后，将和权重相乘得到的结果作为图网络嵌入的得分。该处理的目的主要是结合商品和订单信息推测出用户所需要的咨询商品下的具体问题，例如售价、折扣、保质期等信息，并且将结果作为摘要的一部分。

根据本发明的另一个实施例，在根据所述图模型嵌入向量和预先训练的对话向量生成关键摘要信息时，预先训练的对话向量例如是利用不同咨询任务分组训练得到的不同咨询任务的对话向量。将图模型嵌入向量和预先训练的对话向量输入到文本生成模型中，即可根据咨询任务的内容生成关键摘要信息。另外，在根据所述图模型嵌入向量得到咨询问题和关键摘要信息之后，还包括：生成跟单判别结果，所述跟单判别结果用于判断所述咨询任务是否需要进行跟踪。以及，还可以根据关键摘要信息和咨询问题生成每个咨询任务的摘要和客服咨询摘要，并对每个咨询任务的摘要和客服咨询摘要进行标准化处理，生成标准化的摘要。

根据本发明的又一个实施例，在根据所述咨询问题和所述关键摘要信息生成客服咨询摘要之后，还包括：根据所述客服咨询摘要与预设的摘要内容进行对比学习以获取相似度超过相似度阈值的摘要内容；将所述摘要内容对应的客服应答结果作为所述客服咨询摘要对应的咨询任务的应答结果，并反馈给用户。根据前述的步骤S101至步骤S105已经得到了客服咨询摘要，其中包括客服咨询的咨询目标以及可能解决方案等，此处可通过将客服咨询摘要与预设的摘要内容进行对比学习判断是否符合某个咨询对话内容的咨询意图，具体地，可以是设定相似度阈值来判断是否符合咨询意图。如果超过设定的相似度阈值则可以判定模型已经给出了恰当的解决办法，则将对应的摘要内容的客服应答结果作为所述客服咨询摘要对应的咨询任务的应答结果，并反馈给用户。并且，在将所述摘要内容对应的客服应答结果作为所述客服咨询摘要对应的咨询任务的应答结果，并反馈给用户之后，还可以设置所述客服咨询摘要对应的咨询任务不需要进行跟踪。

下面结合具体实施例介绍本发明的实现过程。图2是本发明实施例的实现流程示意图，如图2所示，本发明的生成客服咨询摘要的系统主要可以分为3层：用户咨询层、模型计算层和系统存储层。其中，系统存储层主要用于处理原始数据和中间数据；模型计算层主要是将数据进行分别的计算和处理，用于输出所需项；用户咨询层则是根据需要可以接收用户输入和需求。具体地，用户咨询层主要是对在线客服用户的咨询内容进行处理，将其处理为模型可识别数据进一步进行计算，主要包括客服咨询内容进行对话拆解，以及对每个咨询任务，确定咨询任务对应的表单数据以进行表单数据统筹。系统存储层主要是存储相关的库信息和表单信息，同时存储中间生成的摘要和跟单工单信息。值得注意的是对于相关数据如果客服人员进行过修改，则可以同步到模型计算层用于纠正模型参数和阈值。模型计算层主要是根据传入的数据进行计算并且输出不同的需求结果。具体包括：根据系统存储层中商品库、订单库和用户库(即：用户的基本信息库)中的数据生成图模型；将客服咨询内容拆解后得到的咨询任务进行任务嵌入到图模型中以得到嵌入图模型，从而得到图模型嵌入向量和中心对称矩阵；根据图模型嵌入向量和中心对称矩阵进行图网络关联以得到用户的咨询问题，同时将图模型嵌入向量输入到任务判别网络以得到关键摘要信息，并判别任务是否要进行跟踪，根据咨询问题和关键摘要信息即可得到客服咨询内容对应的客服咨询摘要；之后，进行关系得分联合计算，根据客服咨询摘要与预设的摘要内容进行对比学习，即可得到咨询任务的应答结果和跟单判别结果，根据应答结果即可进行查询应答，根据跟单判别结果即可判断工单是否需要跟踪，从而确定需要进行跟踪的跟单工单。

图3是根据本发明实施例的生成客服咨询摘要的装置的主要模块示意图。如图3所示，本发明实施例的生成客服咨询摘要的装置300主要包括对话拆解模块301、任务特征提取模块302、任务嵌入模块303、嵌入向量计算模块304和摘要生成模块305。

对话拆解模块301，用于对客服咨询内容进行对话拆解得到不少于一个咨询任务；

任务特征提取模块302，用于对每个咨询任务，确定所述咨询任务对应的表单数据，并对所述咨询任务进行特征提取以得到咨询任务向量；

任务嵌入模块303，用于将所述咨询任务向量和所述表单数据嵌入到预先训练的图模型中得到嵌入图模型，并对所述嵌入图模型进行特征提取以得到图模型嵌入向量；

嵌入向量计算模块304，用于根据所述图模型嵌入向量得到咨询问题和关键摘要信息；

摘要生成模块305，用于根据所述咨询问题和所述关键摘要信息生成客服咨询摘要。

根据本发明的一个实施例，对话拆解模块301还可以用于：

对于所述客服咨询内容中的每句会话，根据所述会话与相邻会话之间的关联关系计算对话关联性，所述相邻会话是指所述客服咨询内容的上下文中与所述会话相邻的会话；

根据所述对话关联性与预设的阈值进行对话拆解。

根据本发明的另一个实施例，任务嵌入模块303还可以用于：

确定所述咨询任务向量和所述表单数据在所述图模型中的位置，并根据所述位置将所述咨询任务向量和所述表单数据嵌入到所述图模型中；

根据设定的窗口数量将嵌入后的图模型的节点进行扩充；

对于每个窗口中的数据，计算不同节点之间的共现数量作为节点之间边的权重，得到嵌入图模型。

根据本发明的又一个实施例，嵌入向量计算模块304还可以用于：

根据所述图模型嵌入向量进行图网络关联以得到所述咨询问题；

根据所述图模型嵌入向量和预先训练的对话向量生成关键摘要信息。

根据本发明的又一个实施例，任务嵌入模块303还可以用于：

在得到图模型嵌入向量之后，根据所述嵌入图模型的节点之间的关系建立中心对称矩阵；

并且，嵌入向量计算模块304还可以用于：

对所述图模型嵌入向量进行格式变换；

将格式变换后的图模型嵌入向量与所述中心对称矩阵进行拼接得到拼接向量；

将所述拼接向量与预设权重相乘得到所述嵌入图模型中隐藏层的得分；

根据所述隐藏层的得分确定所述咨询问题。

根据本发明的又一个实施例，生成客服咨询摘要的装置300还可以包括咨询应答模块(图中未示出)，用于：

在根据所述咨询问题和所述关键摘要信息生成客服咨询摘要之后，根据所述客服咨询摘要与预设的摘要内容进行对比学习以获取相似度超过相似度阈值的摘要内容；

将所述摘要内容对应的客服应答结果作为所述客服咨询摘要对应的咨询任务的应答结果，并反馈给用户。

根据本发明的又一个实施例，嵌入向量计算模块304还可以用于：

生成跟单判别结果，所述跟单判别结果用于判断所述咨询任务是否需要进行跟踪；

并且，咨询应答模块(图中未示出)还可以用于：

在将所述摘要内容对应的客服应答结果作为所述客服咨询摘要对应的咨询任务的应答结果，并反馈给用户之后，设置所述客服咨询摘要对应的咨询任务不需要进行跟踪。

根据本发明实施例的技术方案，通过对客服咨询内容进行对话拆解得到不少于一个咨询任务；对每个咨询任务，确定咨询任务对应的表单数据，并对咨询任务进行特征提取以得到咨询任务向量；将咨询任务向量和表单数据嵌入到预先训练的图模型中得到嵌入图模型，并对嵌入图模型进行特征提取以得到图模型嵌入向量；根据图模型嵌入向量得到咨询问题和关键摘要信息；根据咨询问题和关键摘要信息生成客服咨询摘要，可以利用图表示的方法，有效的将用户的咨询任务向量和与咨询任务向量相关的用户的特点以及文本特征和商品的基本属性等表单数据进行结合、关联和归纳，从而解决了在生成客服咨询摘要时特征利用率低的问题，之后在新问题出现时即可巧妙的把其客服咨询内容关联至图模型中，做到模版化，从而解决了由于人工生成客服咨询摘要而带来的摘要具有主观性以及结果不统一的问题，实现了基于客服咨询过程中所涉及的多种特征进行自动化摘要生成，摘要生成结果具有客观性，且结果统一化，生成效率高。同时，通过基于对比学习的方式可以有效的将用户的实际问题在对比中进行归纳，通过历史的咨询节点进行动态的对比和分裂，无论是对于已有问题的同属问题的统一还是新问题的发现都可以完全自动化并且遵循标准格式。

图4示出了可以应用本发明实施例的生成客服咨询摘要的方法或生成客服咨询摘要的装置的示例性系统架构400。

如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、电商类应用、客服工具等(仅为示例)。

终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所发来的客服咨询内容提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的客服咨询摘要生成请求等数据进行对客服咨询内容进行对话拆解得到不少于一个咨询任务；对每个咨询任务，确定所述咨询任务对应的表单数据，并对所述咨询任务进行特征提取以得到咨询任务向量；将所述咨询任务向量和所述表单数据嵌入到预先训练的图模型中得到嵌入图模型，并对所述嵌入图模型进行特征提取以得到图模型嵌入向量；根据所述图模型嵌入向量得到咨询问题和关键摘要信息；根据所述咨询问题和所述关键摘要信息生成客服咨询摘要等处理，并将处理结果(例如生成的客服咨询摘要--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的生成客服咨询摘要的方法一般由服务器405执行，相应地，生成客服咨询摘要的装置一般设置于服务器405中。

应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图5，其示出了适于用来实现本发明实施例的终端设备或服务器的计算机系统500的结构示意图。图5示出的终端设备或服务器仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，可以描述为：一种处理器包括对话拆解模块、任务特征提取模块、任务嵌入模块、嵌入向量计算模块和摘要生成模块。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定，例如，对话拆解模块还可以被描述为“用于对客服咨询内容进行对话拆解得到不少于一个咨询任务的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：对客服咨询内容进行对话拆解得到不少于一个咨询任务；对每个咨询任务，确定所述咨询任务对应的表单数据，并对所述咨询任务进行特征提取以得到咨询任务向量；将所述咨询任务向量和所述表单数据嵌入到预先训练的图模型中得到嵌入图模型，并对所述嵌入图模型进行特征提取以得到图模型嵌入向量；根据所述图模型嵌入向量得到咨询问题和关键摘要信息；根据所述咨询问题和所述关键摘要信息生成客服咨询摘要。

根据本发明实施例的技术方案，通过对客服咨询内容进行对话拆解得到不少于一个咨询任务；对每个咨询任务，确定咨询任务对应的表单数据，并对咨询任务进行特征提取以得到咨询任务向量；将咨询任务向量和表单数据嵌入到预先训练的图模型中得到嵌入图模型，并对嵌入图模型进行特征提取以得到图模型嵌入向量；根据图模型嵌入向量得到咨询问题和关键摘要信息；根据咨询问题和关键摘要信息生成客服咨询摘要，可以利用图表示的方法，有效的将用户的咨询任务向量和与咨询任务向量相关的用户的特点以及文本特征和商品的基本属性等表单数据进行结合、关联和归纳，从而解决了在生成客服咨询摘要时特征利用率低的问题，之后在新问题出现时即可巧妙的把其客服咨询内容关联至图模型中，做到模版化，从而解决了由于人工生成客服咨询摘要而带来的摘要具有主观性以及结果不统一的问题，实现了基于客服咨询过程中所涉及的多种特征进行自动化摘要生成，摘要生成结果具有客观性，且结果统一化，生成效率高。同时，通过基于对比学习的方式可以有效的将用户的实际问题在对比中进行归纳，通过历史的咨询节点进行动态的对比和分裂，无论是对于已有问题的同属问题的统一还是新问题的发现都可以完全自动化并且遵循标准格式。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。