基于人机对话的业务处理方法、装置、设备及介质

技术领域

本公开涉及人工智能技术领域，尤其涉及一种基于人机对话的业务处理方法、装置、设备及介质。

背景技术

当前人工智能自动生成内容AIGC技术发展迅猛，对人类的语言理解能力已经十分惊人，且基于该技术生成的内容也相当符合正常对话的逻辑。人机对话往往呈现多模态、准确度高、意图理解能力强的特点，并且可以在人类的反馈下不断进行修正和强化学习，机器的这种能力影响着各行各业。

传统的软件架构(系统架构)是对业务数据进行增删改查，对业务流程进行定制化和数字化，对业务逻辑进行编码实现。用户在使用业务系统时并不能得到对话式的即问即答，对自身问题和需求只是在系统中进行登记和录入，而无法以助理形式实现实时得到反馈或问询的效果。当前，传统的软件架构正从云原生、分布式、微服务等特点向智能化、助理式发生升级转变，借助这种能力使传统的软件架构进行智能化升级和改良，对传统的信息流程处理系统进行人机对话式的跟踪和问题反馈，正是人们想要实现的。

相关技术中，业务系统在与用户进行交互时，只是用户面对系统界面进行录入操作或者等待反馈，而无法主动去跟踪并反馈用户提出的问题以及业务办理的状态或实效，需要用户自己按系统步骤去操作。此外，目前用户或员工操作业务系统，只能在单一系统内进行使用，不能自动切换或者读取其他系统的数据，业务办理较为复杂，降低业务处理效率。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开提供一种基于人机对话的业务处理方法、装置、设备及介质，至少在一定程度上克服相关技术中无法对用户的问题和需求实现实时分析和追踪的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供了一种基于人机对话的业务处理方法，包括：获取用户基于业务需求输入的一个或多个问题会话；基于预先训练好的语义大模型，对所述问题会话进行语义分析，输出所述问题会话的解决方案。

在一些实施例中，在基于预先训练好的语义大模型，对所述问题会话进行语义分析，输出所述问题会话的解决方案之前，所述方法还包括：获取多组历史问题会话数据，其中，每组历史会话数据包括：历史问题会话、历史问题会话对应的解决方案及方案标识；根据所述多组历史问题会话数据，对基于多头注意力机制的生成式预训练转换GPT模型进行训练，得到语义大模型。

在一些实施例中，基于预先训练好的语义大模型，对所述问题会话进行语义分析，输出所述问题会话的解决方案，包括：构建解决方案知识库，其中，所述解决方案知识库中存储有多个方案标识及每个方案标识对应的解决方案；基于预先训练好的语义大模型，对所述问题会话进行语义分析，并转换为所述问题会话对应的方案标识；根据所述方案标识，从所述解决方案知识库中获取并输出所述方案标识对应的解决方案。

在一些实施例中，在基于预先训练好的语义大模型，对所述问题会话进行语义分析，输出所述问题会话的解决方案之后，所述方法还包括：接收用户发送的反馈信息，其中，所述反馈信息用于判断所述解决方案是否满足用户的业务需求；若满足，则结束会话；若不满足，则将问题会话发送给业务处理员进行处理。

在一些实施例中，在将问题会话发送给业务处理员进行处理之前，所述方法还包括：获取每个业务处理员的地理位置信息和服务状态，其中，所述地理位置信息用于得到业务处理员与用户之间的距离，所述服务状态包括：空闲状态和工作状态。

在一些实施例中，所述将问题会话发送给业务处理员进行处理，包括：将问题会话发送一个或多个满足预设条件的业务处理员，其中，所述预设条件为业务处理员与用户之间的距离最近且服务状态为空闲状态；由最早接收问题会话的业务处理员对所述问题会话进行处理。

在一些实施例中，在将问题会话发送给业务处理员进行处理之后，所述方法还包括：根据问题会话的内容创建修复计划；根据所述修复计划的计划信息，向用户反馈所述问题会话的处理进度信息。

根据本公开的另一个方面，还提供了一种基于人机对话的业务处理，包括：问题会话获取模块，用于获取用户基于业务需求输入的一个或多个问题会话；解决方案输出模块，用于基于预先训练好的语义大模型，对所述问题会话进行语义分析，输出所述问题会话的解决方案。

根据本公开的另一个方面，还提供了一种电子设备，该电子设备包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的基于人机对话的业务处理方法。

根据本公开的另一个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的基于人机对话的业务处理方法。

根据本公开的另一个方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述任意一项的基于人机对话的业务处理方法。

本公开的实施例中提供的基于人机对话的业务处理方法、装置、设备及介质，在获取到用户基于业务需求输入的一个或多个问题会话后，基于预先训练好的语义大模型，对问题会话进行语义分析后，输出问题会话的解决方案。本公开实施例能够基于预训练的语义大模型，实现对用户的问题和需求进行实时分析和追踪。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本公开实施例中一种基于人机对话的业务处理系统结构图；

图2示出本公开实施例中一种基于人机对话的业务处理方法流程图；

图3示出本公开实施例中一种数据要素基于注意力机制的编码方法流程图；

图4示出本公开实施例中另一种基于人机对话的业务处理方法流程图；

图5示出本公开实施例中一种基于人机对话的业务处理装置示意图；

图6示出本公开实施例中一种电子设备的框图；

图7示出本公开实施例中一种计算机可读存储介质示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

下面结合附图，对本公开实施例的具体实施方式进行详细说明。

图1示出本公开实施例中一种基于人机对话的业务处理系统结构图，如图1所示，该系统可以包括终端设备(用户侧)101、人机对话大脑102、解决方案知识库103、工单应用模块104。

其中，用户侧终端设备101可以通过各种电子设备输入问题会话，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、增强现实设备、虚拟现实设备等。

可选地，不同的终端设备101中安装的应用程序的客户端是相同的，或基于不同操作系统的同一类型应用程序的客户端。基于终端平台的不同，该应用程序的客户端的具体形态也可以不同，比如，该应用程序客户端可以是手机客户端、PC客户端等。

终端设备101与人机对话大脑102进行交互，人机对话大脑可以指基于多头注意力机制的生成式预训练转换GPT模型训练得到的语义大模型，语义大模型可以实现多种功能，例如，语义分析、工单转化、抢单任务派发、创建修复计划、跟踪处理进度等等。

人机对话大脑102还包括人机对话语义理解模块1021和人机对话子任务匹配模块1022。人机对话语义理解模块1021可用于对用户输入的问题会话的内容进行语义分析并得到相应的方案标识，人机对话子任务匹配模块1022可用于进行派单业务，例如可选择通过解决问题知识库103搜索是否存在方案标识对应的解决方案，也可选择将语义分析后得到的待解决问题直接通过工单应用模块104派单给业务员(业务处理员)。

本领域技术人员可以知晓，图1中的终端设备101、人机对话大脑102、解决方案知识库103、工单应用模块104的数量仅仅是示意性的，根据实际需要，可以具有任意数目的终端设备101、人机对话大脑102、解决方案知识库103、工单应用模块104。本公开实施例对此不作限定。

在上述系统架构下，本公开实施例中提供了一种基于人机对话的业务处理方法，该方法可以由任意具备计算处理能力的电子设备执行。

在一些实施例中，本公开实施例中提供的基于人机对话的业务处理方法可以由上述系统架构的终端设备执行；在另一些实施例中，本公开实施例中提供的基于人机对话的业务处理方法可以由上述系统架构中的服务器执行；在另一些实施例中，本公开实施例中提供的基于人机对话的业务处理方法可以由上述系统架构中的终端设备和服务器通过交互的方式来实现。

图2示出本公开实施例中一种基于人机对话的业务处理方法流程图，如图2所示，该方法包括如下步骤：

S202，获取用户基于业务需求输入的一个或多个问题会话。

用户可通过文字或语音的方式发起会话，会话内容可以是一段包含一个或多个问题会话的文字内容，也可以是一段语音，可通过设置语音转文字的功能将输入的语音转化为文字，获取用户的业务需求，还可以通过发起问题工单的方式获得用户的问题会话，需要说明的是，本公开实施例中对用户发起业务会话的方式不做具体限定。

S204，基于预先训练好的语义大模型，对问题会话进行语义分析，输出问题会话的解决方案。

语义大模型可以是对基于多头注意力机制的生成式预训练转换GPT模型训练得到的，可用于实现对上述获取的用户发起的问题会话内容进行分析，但并不限于此。

由上述可知，本公开实施例在获取到用户基于业务需求输入的一个或多个问题会话后，基于预先训练好的语义大模型，对问题会话进行语义分析后，输出问题会话的解决方案。本公开实施例能够基于预训练的语义大模型，实现对用户的问题和需求进行实时分析和追踪。

在本公开的一个实施例中，用户在办理各种业务的过程中会用到各种业务系统，或者运维人员在网络运维过程中也网络运维过程中也可能碰到各种问题需要解决，相关技术中是需要通过系统来进行办理或者查询，本公开实施例可通过语义大模型的生成式人工对话的方式来解决。

在本公开的一个实施例中，在上述S204之前，方法还包括：获取多组历史问题会话数据，其中，每组历史会话数据包括：历史问题会话、历史问题会话对应的解决方案及方案标识；根据多组历史问题会话数据，对基于多头注意力机制的生成式预训练转换GPT模型进行训练，得到语义大模型。

具体地，图3示出本公开实施例中一种数据要素基于注意力机制的编码方法流程图，如图3所示，该方法包括如下步骤：

S301，对解决方案知识库中方案标识进行编码并做元数据标识。

将解决方案知识库的方案标识进行编码并做元数据标识，元数据标识具体可以指将方案标识和解决方案知识库中对应的解决方案进行匹配的过程。

S302，将训练集中会话问题和解决方案作为提示词prompt，得到数据集X

将训练集中的会话问题和解决方案作为prompt(即将会话问题和解决方案知识库中的解决方案合并在一起)，得到数据集X

X

其中，X

S303，对数据集X

对数据集X

S304，将向量化后的数据集X

数据集X

X

X

其中，X

S305，对X

对X

Softmax(dp(Q

其中，dp()表示点积计算，Softmax()表示归一化计算，对经过Softmax计算的值与V

对X

concat(Z

其中，concat()为拼接计算，Z

需要说明的是，由于上述数据集X

在本公开的一个实施例中，上述S204包括：构建解决方案知识库，其中，解决方案知识库中存储有多个方案标识及每个方案标识对应的解决方案；基于预先训练好的语义大模型，对问题会话进行语义分析，并转换为问题会话对应的方案标识；根据方案标识，从解决方案知识库中获取并输出方案标识对应的解决方案。

可预先设置解决方案知识库，通过网络运维数据、解决方案以及业务办理步骤、途径、方式等构成。当出现解决方案知识库中不存在的新问题对应的解决方案时，将业务处理员针对新问题提出的解决方案及其对应的方案标识存入解决方案知识库中。

在本公开的一个实施例中，在上述S204之后，方法还包括：接收用户发送的反馈信息，其中，反馈信息用于判断解决方案是否满足用户的业务需求；若满足，则结束会话；若不满足，则将问题会话发送给业务处理员进行处理。

可通过向用户发送弹窗并根据用户的选择反馈当前解决方案是否满足用户的业务需求，也可通过直接向用户发起会话并持续进行问询，以根据用户回复的信息进行分析来判断解决方案是否满足用户的业务需求，可周期性地向用户发送判断消息并获取用户的反馈，需要说明的是，上述判断方法仅起到示例性作用，本公开实施例对如何获取用户的反馈信息不做具体限定。

在本公开的一个实施例中，在将问题会话发送给业务处理员进行处理之前，方法还包括：获取每个业务处理员的地理位置信息和服务状态，其中，地理位置信息用于得到业务处理员与用户之间的距离，服务状态包括：空闲状态和工作状态。

在本公开的一个实施例中，将问题会话发送给业务处理员进行处理，包括：将问题会话发送一个或多个满足预设条件的业务处理员，其中，预设条件为业务处理员与用户之间的距离最近且服务状态为空闲状态；由最早接收问题会话的业务处理员对问题会话进行处理。

在本公开的一个实施例中，可将会话标识存入缓存数据库，并且共享给语义大模型和业务系统(可以指业务处理员处理工单的系统)，会话标识用于将某个业务处理过程中发生的会话统一在同一标识下，以便保持整个处理流程中业务的一致性。缓存数据库中还可以缓存用户会话内容和上下文问题，需要说明的是，本公开实施例对缓存数据库中存储的内容不做具体限定。

在本公开的一个实施例中，在将问题会话发送给业务处理员进行处理之后，方法还包括：根据问题会话的内容创建修复计划；根据修复计划的计划信息，向用户反馈问题会话的处理进度信息。

修复计划的计划信息可以包括问题会话对应的业务处理员，向用户反馈解决方案的时限等等，需要说明的是，上述计划信息仅起到示例性作用，本公开实施例对修复计划的计划信息不做具体限定。

修复计划还可以包括一个或多个计划节点，由用户提出的问题的复杂度以及处理难度决定，计划节点可根据用户问题的类型而调整为不同的业务办理周期，语义大模型可按照修复计划的计划节点定期与业务处理员进行对话问询和催促，并将进度反馈给用户，无需用户手动登录系统查看业务处理状态，对话问询与催促的内容与办理业务与业务进度相关。用户也可以随时上线与业务处理员进行沟通，直接获取业务处理员提供的处理进度反馈。需要说明的是，本公开实施例中对用户获取业务处理进度的方式不做具体限定。

在本公开的一个实施例中，人机对话前端(即语义大模型与用户端交互侧)可以使用服务器发送事件SSE协议建立连接，属于轻量级的通信协议，具备可扩展性和高并发性，同时不会占用服务器进程资源。

在本公开的一个实施例中，通过采用人机对话人工智能内容生成方案，在传统业务系统上增加了由基于多头注意力机制的GPT模型训练得到的语义大模型，对服务本身没有侵入和耦合，对用户的问题和需求进行实时的跟踪和分析，并结合业务系统的流程和逻辑进行智能化改造，使其可以在任何节点接入语义大模型的开放接口OpenAPI，并将提示词prompt输入大脑进行语义分析，并寻找相应的解决方案，以自动生成内容反馈给客户，达到了对传统业务系统进行智能化升级改造的目的。

图4示出本公开实施例中另一种基于人机对话的业务处理方法流程图，如图4所示，该方法包括如下步骤：

S401，用户基于业务需求发起问题会话。

用户可直接发起问题工单，或者发起业务办理需求会话，也可直接通过语音的方式发起会话或输入内容，需要说明的是，本公开实施例对用户发起问题会话的方式不做具体限定。

S402，语义大模型对问题会话文本内容进行自然语言处理NLP，经过语义分析和计算后，输出与问题会话文本内容相对应的方案标识。

由于语义大模型是基于GPT训练得来的，因此采用经典的转换模型Transformer网络结构对用户语义NLP处理后的结果进行识别，并关联为脚本命令，从而无需用户操作系统录入信息和指令。

S403，语义大模型对业务处理员按地理位置和服务状态进行识别。

S404，从解决方案知识库中抽取与问题相应的解决方案反馈给客户。

通过方案标识在解决方案知识库中搜寻相应的解决方案，即将方案标识和解决方案知识库中对应的解决方案进行进行匹配。

S405，根据用户的反馈，判断用户的问题是否可由用户根据解决方案自行解决。若是，则执行S406；若否，则执行S407。

S406，会话结束。

S407，语义大模型将问题会话工单分发给符合条件的业务处理人员。

S408，业务处理人员对问题会话工单进行抢单，由最先提供接收工单反馈的业务处理人员处理该问题会话工单。

通过语义大模型自动发送问题会话工单的抢单任务，分发给多个符合条件的业务处理人员，并确定最先反馈已接收该工单信息的业务处理人员为当前问题会话工单的业务处理人员，此时，语义大模型与抢到订单的业务处理人员发起新的会话，提供用户的需求和问题，进入业务处理人员订单解决流程，形成一对一的业务办理通道，而无需用户再重新对业务处理人员表明自己的需求，节省了时间成本，提高了用户的使用体验。

S409，对人机会话过程中的会话问题进行确认，例如订单处理时效、是否需要用户前往线下网点进行处理等。

S410，语义大模型根据会话生成修复计划，在用户需要前往线下网点进行处理时，向用户反馈距离用户位置最近的网点以及办理业务需要携带的证件等。

S411，语义大模型按照修复计划中的计划节点自动向业务处理人员发送问询，并实时将问题处理进度反馈给用户，无需用户手动登录系统查看业务状态。

需要说明的是，上述S403不是必要的步骤，若S405中判断用户的问题可由用户根据解决方案自行解决，则无需执行S403。在上述S403必须执行的情况下，S403可在S407之前的任意位置执行，本公开实施例对S403执行的位置不做具体限定。

在本公开的一个实施例中，可将会话标识存入缓存数据库，并共享给语义大模型和业务系统，保持流程中处理业务的一致性。缓存数据库中还可以缓存用户会话内容和上下文问题，需要说明的是，本公开实施例对缓存数据库中存储的内容不做具体限定。

在本公开的一个实施例中，符合条件的业务处理人员可以指地理位置与用户最近且当前服务状态为空闲状态的业务处理人员。此外，若出现所有业务处理人员均处在工作状态的情况时，可选择获取业务处理人员的工单处理进度和待处理工单数量，并根据实际情况进行分配。需要说明的是，本公开实施例对工单分发人员的数量不做具体限定。

在本公开的一个实施例中，修复计划包括一个或多个计划节点，计划节点可根据用户问题的类型而具备不同的办理周期。

在本公开的一个实施例中，上述S402中可能出现无法输出方案标识的情况，此时，无法从解决方案知识库中搜寻到用户提出的问题对应的解决方案，语义大模型将问题会话转化为工单派给业务处理人员进行抢单。

在本公开的一个实施例中，通过在传统业务系统前置语义大模型的方式，采用用户和系统直接交流，并将用户语义信息转化为可执行命令，也可将用户需求转化为工单，基于业务处理人员的地理位置信息和服务状态信息，将工单分发给业务处理人员，建立并管理用户和业务处理人员的直接对话，实时跟踪并向用户反馈业务办理进度以及状态。

基于同一发明构思，本公开实施例中还提供了一种基于人机对话的业务处理装置，如下面的实施例所述。由于该装置实施例解决问题的原理与上述方法实施例相似，因此该装置实施例的实施可以参见上述方法实施例的实施，重复之处不再赘述。

图5示出本公开实施例中一种基于人机对话的业务处理装置示意图，如图5所示，该业务处理装置50包括：问题会话获取模块501和解决方案输出模块502。

其中，问题会话获取模块501，用于获取用户基于业务需求输入的一个或多个问题会话；解决方案输出模块502，用于基于预先训练好的语义大模型，对问题会话进行语义分析，输出问题会话的解决方案。

由上述可知，本公开实施例在获取到用户基于业务需求输入的一个或多个问题会话后，基于预先训练好的语义大模型，对问题会话进行语义分析后，输出问题会话的解决方案。本公开实施例能够基于预训练的语义大模型，实现对用户的问题和需求进行实时分析和追踪。

在本公开的一个实施例中，该业务处理装置50还包括：语义模型训练模块503，用于获取多组历史问题会话数据，其中，每组历史会话数据包括：历史问题会话、历史问题会话对应的解决方案及方案标识；根据多组历史问题会话数据，对基于多头注意力机制的生成式预训练转换GPT模型进行训练，得到语义大模型。

具体地，将解决方案知识库的方案标识进行编码并做元数据标识，元数据标识具体可以指将方案标识和解决方案知识库中对应的解决方案进行匹配的过程。

将训练集中的会话问题和解决方案作为prompt(即将会话问题和解决方案知识库中的解决方案合并在一起)，通过公式(1)得到数据集X

对数据集X

数据集中某个元素分别与每个注意力头对应的初始化后的权重矩阵进行相乘，得到每个注意力头对应的向量矩阵。

对数据集中某个元素中每个注意力头对应的向量矩阵中的各个向量做点积和Softmax归一化计算，得到每个注意力头基于自注意力机制输出的矩阵。

对数据集中某个元素对应的所有注意力头基于自注意力机制输出的矩阵进行拼接后，再做线性变换，得到基于多头注意力机制输出的向量矩阵。

在本公开的一个实施例中，上述解决方案输出模块502，还用于构建解决方案知识库，其中，解决方案知识库中存储有多个方案标识及每个方案标识对应的解决方案；基于预先训练好的语义大模型，对问题会话进行语义分析，并转换为问题会话对应的方案标识；根据方案标识，从解决方案知识库中获取并输出方案标识对应的解决方案。

可预先设置解决方案知识库，通过网络运维数据、解决方案以及业务办理步骤、途径、方式等构成。当出现解决方案知识库中不存在的新问题对应的解决方案时，将业务处理员针对新问题提出的解决方案及其对应的方案标识存入解决方案知识库中。

在本公开的一个实施例中，该业务处理装置50还包括：用户反馈处理模块504，用于接收用户发送的反馈信息，其中，反馈信息用于判断解决方案是否满足用户的业务需求；若满足，则结束会话；若不满足，则将问题会话发送给业务处理员进行处理。

可通过向用户发送弹窗并根据用户的选择反馈当前解决方案是否满足用户的业务需求，也可通过直接向用户发起会话并根据用户回复的信息进行分析来判断解决方案是否满足用户的业务需求，可周期性持续地向用户发送判断消息并获取用户的反馈，需要说明的是，上述判断方法仅起到示例性作用，本公开实施例对如何获取用户的反馈信息不做具体限定。

在本公开的一个实施例中，上述用户反馈处理模块504，还用于获取每个业务处理员的地理位置信息和服务状态，其中，地理位置信息用于得到业务处理员与用户之间的距离，服务状态包括：空闲状态和工作状态。

在本公开的一个实施例中，将问题会话发送给业务处理员进行处理，包括：将问题会话发送一个或多个满足预设条件的业务处理员，其中，预设条件为业务处理员与用户之间的距离最近且服务状态为空闲状态；由最早接收问题会话的业务处理员对问题会话进行处理。

在本公开的一个实施例中，上述用户反馈处理模块504，还用于将问题会话发送一个或多个满足预设条件的业务处理员，其中，预设条件为业务处理员与用户之间的距离最近且服务状态为空闲状态；由最早接收问题会话的业务处理员对问题会话进行处理。

在本公开的一个实施例中，上述用户反馈处理模块504，还用于根据问题会话的内容创建修复计划；根据修复计划的计划信息，向用户反馈问题会话的处理进度信息。

修复计划的计划信息可以包括问题会话对应的业务处理员，向用户反馈解决方案的时限等等，需要说明的是，上述计划信息仅起到示例性作用，本公开实施例对修复计划的计划信息不做具体限定。

修复计划还可以包括一个或多个计划节点，由用户提出的问题的复杂度以及处理难度决定，计划节点可根据用户问题的类型而调整为不同的业务办理周期，语义大模型可按照修复计划的计划节点定期与业务处理员进行对话问询和催促，并将进度反馈给用户，无需用户手动登录系统查看业务处理状态，对话问询与催促的内容与办理业务与业务进度相关。用户也可以随时上线与业务处理员进行沟通，直接获取业务处理员提供的处理进度反馈。需要说明的是，本公开实施例中对用户获取业务处理进度的方式不做具体限定。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图6来描述根据本公开的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

图6示出本公开实施例中一种电子设备的框图。下面参照图6来描述根据本公开的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元610可以执行上述方法实施例的如下步骤：获取用户基于业务需求输入的一个或多个问题会话；基于预先训练好的语义大模型，对问题会话进行语义分析，输出问题会话的解决方案。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备640(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机程序产品，该计算机程序产品包括：计算机程序，所述计算机程序被处理器执行时实现上述基于人机对话的业务处理方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质可以是可读信号介质或者可读存储介质。图7示出本公开实施例中一种计算机可读存储介质示意图，如图7所示，该计算机可读存储介质上存储有能够实现本公开上述方法的程序产品700。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

本公开中的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。

在本公开中，计算机可读存储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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。

可选地，计算机可读存储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、有线、光缆、RF等等，或者上述的任意合适的组合。

在具体实施时，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。