对话处理方法、装置、电子设备和存储介质

技术领域

本公开涉及人工智能领域，具体涉及智能云、计算机视觉、自然语言处理、深度学习、云计算等技术领域，尤其涉及对话处理方法、装置、电子设备和存储介质。

背景技术

随着互联网技术和网络化交易业务场景的快速发展，出现了数以万计的网络消费平台(或网络销售平台)。客户在使用网络消费平台浏览产品和服务时，可能由于对一些产品质量、性能、服务等缺乏了解，导致客户无法放心购买产品和服务，为了加强客户对产品和服务的了解，网络消费平台均搭建了对话式客服系统平台。

其中，对话式客服系统平台主要提供客服信息管理、客户咨询对话分配、对话信息内容记录、客户评价反馈、历史对话信息查询和分析等主要功能，其中，最核心的功能是客户咨询对话分配功能。

对于规模相对较大的网络消费平台，每天会有千万量级的客户发起上亿轮关于产品和服务咨询对话，对应的则需要有上万的专业客服人员来进行对话应答，承接客户的咨询服务，以最大程度地解决客户问题，促成产品和服务的交易。因此，如何实现客户咨询对话的最优化分配是非常重要的。

发明内容

本公开提供了一种用于对话处理方法、装置、电子设备和存储介质。

根据本公开的一方面，提供了一种对话处理方法，包括：获取待处理对话，并确定所述待处理对话所属的目标类别，其中，所述目标类别用于指示所述待处理对话所涉及的目标产品和/或所述目标产品所涉及的目标领域方向；确定至少一个候选客服与所述目标类别的适配度；根据所述至少一个候选客服的适配度，从所述至少一个候选客服中确定目标客服；向所述目标客服分配所述待处理对话，以通过所述目标客服回复所述待处理对话。

根据本公开的另一方面，提供了一种对话处理装置，包括：获取模块，用于获取待处理对话；第一确定模块，用于确定所述待处理对话所属的目标类别，其中，所述目标类别用于指示所述待处理对话所涉及的目标产品和/或所述目标产品所涉及的目标领域方向；第二确定模块，用于确定至少一个候选客服与所述目标类别的适配度；第三确定模块，用于根据所述至少一个候选客服的适配度，从所述至少一个候选客服中确定目标客服；分配模块，用于向所述目标客服分配所述待处理对话，以通过所述目标客服回复所述待处理对话。

根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开上述一方面提出的对话处理方法。

根据本公开的再一方面，提供了一种计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开上述一方面提出的对话处理方法。

根据本公开的还一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开上述一方面提出的对话处理方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1为本公开实施例一所提供的对话处理方法的流程示意图；

图2为本公开实施例二所提供的对话处理方法的流程示意图；

图3为本公开实施例三所提供的对话处理方法的流程示意图；

图4为本公开实施例四所提供的对话处理方法的流程示意图；

图5为本公开实施例五所提供的对话处理方法的流程示意图；

图6为本公开实施例六所提供的对话处理方法的流程示意图；

图7为本公开实施例所提供的OCR识别流程示意图；

图8为本公开实施例所提供的目标分类模型的训练流程和预测流程示意图；

图9为本公开实施例所提供的适配度的计算流程示意图；

图10为本公开实施例七所提供的对话处理装置的结构示意图；

图11示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。

客服的咨询处理结果和处理效率会影响客户的购物体验，可能会影响客户决定是否在网络消费平台对产品进行消费尝试。这种情况下，对客服的专业业务水平、问题处理效率、综合服务能力等多个方面提出越来越高的要求。

网络消费平台可能涉及大量的产品，比如，以网络消费平台为XX智能云为例，截止2022年8月，该XX智能云已上线300多款云产品，而每个产品也可能涉及多个细分的领域方向，以XX智能云的数据治理平台产品为例，数据治理平台产品涉及的细分领域方向可以包括：元数据采集、数据开发、数据分析、数据作业、数据服务、数据质量等领域方向。

然而，每个客服人员可能无法熟悉每个产品的每个细分领域方向，术业有专攻，只有客服人员熟悉具体的领域方向(比如数据作业&数据服务&数据质量)才能提升客户咨询问题的处理效率。而常见的几种情况是：

第一，客户常常并不了解产品的准确分类(比如直接输入数据服务)，只是知道自己遇到了什么问题，想要了解和解决该问题。以客户对话进行示例，假设数据源是数据库MySQL(关系型数据库管理系统)，则客户的问题可以为“在处理大数据导入任务时，如何提升处理效率？”或“在处理大数据导入任务时，更快完成任务该怎么解决？”。

第二，客户可能未输入文字，只发送了一张产品异常的照片，此时，如果为该客户随机分配客服，往往带来很低的处理效率，比如，分配的客服人员不熟悉该产品或该产品涉及的细分领域方向，则需要该客服人员进行对话的转发和重新处理。

智能对话分配是一个复杂的多维智能技术问题，是一个决定网络消费平台促成成交能力的核心问题。

相关技术中，基于简单的空闲分配+随机分配方法，来实现对话分配，当有新的客户发起产品咨询或者服务咨询时，从空闲的客服人员队列中，随机寻找一名客服人员，并为该客服人员分配该客户对话。

这种方式下，经常会发生客服人员在理解了具体的产品问题之后，再进行对话的二次分配，即将对话分配给该产品对应专业领域方向的客服人员，或者将对话分配给经验更丰富的客服人员，更甚者，可能发生对话的多次再分配的情况，严重影响客户的购物体验，导致客户对网络消费平台的业务水平产生质疑，而减少成交的可能性。

此外，图片是非常常见的对话场景信息内容，可以迅速且详细地为客服人员重现客户遇到的具体场景，而当前的常见对话分配技术没有基于图片的信息内容进行处理和使用，更容易发生低效率的对话分配。一般情况下，客服人员可以划分为初级、中级、高级等不同的层级或等级，对于与产品和服务相关的一些较为困难的问题，只能分配给高级的客服人员解决，此时必须安排大量的初级和/或中级客服人员先对图片信息进行人工理解，才能进行人工分配，效率和智能化水平很低。

针对上述存在的至少一项问题，本公开提出一种对话处理方法、装置、电子设备和存储介质。

下面参考附图描述本公开实施例的对话处理方法、装置、电子设备和存储介质。

图1为本公开实施例一所提供的对话处理方法的流程示意图。

本公开实施例以该对话处理方法被配置于对话处理装置中来举例说明，该对话处理装置可以应用于任一电子设备中，以使该电子设备可以执行对话处理功能。

其中，电子设备可以为任一具有计算能力的设备，例如可以为PC(PersonalComputer，个人电脑)、移动终端、服务器等，移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。

如图1所示，该对话处理方法可以包括以下步骤：

步骤101，获取待处理对话，并确定待处理对话所属的目标类别，其中，目标类别用于指示待处理对话所涉及的目标产品和/或目标产品所涉及的目标领域方向。

在本公开实施例中，待处理对话可以为用户输入的对话，输入方式包括但不限于触摸输入(如滑动、点击等)、键盘输入、语音输入等。其中，待处理对话中可以包括文本信息、图片信息、音频信息、视频信息中的至少一项。

作为一种应用场景，以该方法应用于网络消费平台的对话式客服系统平台进行示例性说明，待处理对话可以为客户在对话式客服系统平台中输入的对话。

在本公开实施例中，目标类别的个数可以为一个，或者也可以为多个，本公开对此并不做限制。

在本公开实施例中，可以对待处理对话进行分类，确定该待处理对话所属的目标类别，其中，目标类别用于指示该待处理对话所涉及的目标产品，和/或，指示待处理对话所涉及的目标产品下的具体领域方向(本公开中记为目标领域方向)。

以该方法应用于网络消费平台，且网络消费平台为XX智能云进行示例性说明，假设待处理对话涉及的目标产品为数据治理平台产品，则目标领域方向可以包括元数据采集、数据开发、数据分析、数据作业、数据服务、数据质量等领域方向。

步骤102，确定至少一个候选客服与目标类别的适配度。

在本公开实施例中，候选客服可以为空闲客服，和/或，候选客服也可以为非空闲客服(比如当前已分配对话的数量相对较少的客服)，本公开对此并不做限制。例如，候选客服可以为回复过属于目标类别的历史会话的客服。

在本公开实施例中，针对任意一个候选客服，可以根据该候选客服历史回复过的对话和/或当前分配的对话，确定该候选客服与目标类别的适配度。比如，候选客服历史回复过的对话属于目标类别的个数越多，该候选客服与目标类别的适配度越大，再比如，候选客服当前分配的对话个数越少，该候选客服与目标类别的适配度越大。

步骤103，根据至少一个候选客服的适配度，从至少一个候选客服中确定目标客服。

在本公开实施例中，可以根据各候选客服的适配度，从各候选客服中确定目标客服。

作为一种示例，可以将适配度最高的候选客服作为目标客服。

作为另一种示例，可以将适配度高于设定阈值的候选客服作为目标客服。

步骤104，向目标客服分配待处理对话，以通过目标客服回复待处理对话。

在本公开实施例中，可以向目标客服分配该待处理对话，从而可以通过该目标客服回复该待处理对话。

本公开实施例的对话处理方法，通过对待处理对话进行分类，以得到目标类别，其中，目标类别用于指示待处理对话所涉及的目标产品和/或目标产品所涉及的目标领域方向；确定至少一个候选客服与目标类别的适配度，并根据至少一个候选客服的适配度，从至少一个候选客服中确定目标客服；向目标客服分配待处理对话，以通过目标客服回复待处理对话。由此，根据各客服与目标类别的适配度，从各客服中选择目标客服，该目标客服是熟悉待处理对话所涉及的目标产品和/或目标产品所涉及的目标领域方向的，将待处理对话分配给该目标客服，可以避免客服不熟悉对话涉及的产品和/或该产品涉及的细分领域方向，而导致客服进行对话的转发和重新处理的情况，提升对话的处理效率和处理质量，改善用户的使用体验。

需要说明的是，本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均在征得用户同意的前提下进行，并且均符合相关法律法规的规定，且不违背公序良俗。

为了清楚说明本公开上述实施例中是如何确定各候选客服与目标类别的适配度的，本公开还提出一种对话处理方法。

图2为本公开实施例二所提供的对话处理方法的流程示意图。

如图2所示，该对话处理方法可以包括以下步骤：

步骤201，获取待处理对话，并确定待处理对话所属的目标类别，其中，目标类别用于指示待处理对话所涉及的目标产品和/或目标产品所涉及的目标领域方向。

步骤201的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。

步骤202，针对至少一个候选客服中的任一候选客服，确定该候选客服与目标类别的第一子适配度，其中，第一子适配度表征该候选客服对属于目标类别的历史会话的专业处理能力。

在本公开实施例中，针对任意一个候选客服，可以根据该候选客服历史处理过的会话，确定该候选客服与目标类别的第一子适配度。其中，第一子适配度，用于表征该候选客服对属于目标类别的历史会话的专业处理能力。

步骤203，确定候选客服与目标类别的第二子适配度，其中，第二子适配度表征候选客服对属于目标类别的历史对话的处理效率。

在本公开实施例中，可以根据该候选客服历史处理过的会话，确定该候选客服与目标类别的第二子适配度。其中，第二子适配度，用于表征该候选客服对属于目标类别的历史对话的处理效率。

步骤204，确定候选客服与目标类别的第三子适配度，其中，第三子适配度表征候选客服对属于目标类别的历史对话的处理质量。

在本公开实施例中，可以根据该候选客服历史处理过的会话，确定该候选客服与目标类别的第三子适配度。其中，第三子适配度，用于表征该候选客服对属于目标类别的历史对话的处理质量。

步骤205，根据第一子适配度、第二子适配度和第三子适配度中的至少一项，确定候选客服与目标类别的适配度。

在本公开实施例中，可以第一子适配度、第二子适配度和第三子适配度中的至少一项，确定该候选客服与目标类别的适配度。

作为一种可能的实现方式，可以将第一子适配度、第二子适配度和第三子适配度中的最大值，作为该候选客服与目标类别的适配度。

作为另一种可能的实现方式，可以将第一子适配度、第二子适配度和第三子适配度中的最小值，作为该候选客服与目标类别的适配度。

作为又一种可能的实现方式，可以将第一子适配度、第二子适配度和第三子适配度中的中值，作为该候选客服与目标类别的适配度。

作为还一种可能的实现方式，可以根据第一子适配度、第二子适配度和第三子适配度中的多项，确定该候选客服与目标类别的适配度。

作为一种示例，可以根据第一子适配度和第二子适配度，确定该候选客服与目标类别的适配度。例如，可以将第一子适配度和第二子适配度进行加权求和，以得到该候选客服与目标类别的适配度。

作为另一种示例，可以根据第一子适配度和第三子适配度，确定该候选客服与目标类别的适配度。例如，可以将第一子适配度和第三子适配度进行加权求和，以得到该候选客服与目标类别的适配度。

作为又一种示例，可以根据第二子适配度和第三子适配度，确定该候选客服与目标类别的适配度。例如，可以将第二子适配度和第三子适配度进行加权求和，以得到该候选客服与目标类别的适配度。

作为还一种示例，可以根据第一子适配度、第二子适配度和第三子适配度，确定该候选客服与目标类别的适配度。

例如，可以将第一子适配度、第二子适配度和第三子适配度进行加权求和，以得到该候选客服与目标类别的适配度。

再例如，还可以根据第一子适配度确定第一取值，其中，第一取值与第一子适配度呈正相关关系，并根据第二子适配度确定第二取值，其中，第二取值与第二子适配度呈正相关关系，以及根据第三子适配度确定第三取值，其中，第三取值与第三子适配度呈正相关关系，从而可以对第一取值、第二取值和第三取值进行加权求和，以得到候选客服与目标类别的适配度。

其中，第一取值对应的权重、第二取值对应的权重和第三取值对应的权重可以为预先设置的，或者，为了提升该方法的灵活性和适用性，第一取值对应的权重、第二取值对应的权重和第三取值对应的权重还可以根据目标类别确定，即可以获取与目标类别适配的多个权重，根据上述多个权重，确定第一取值对应的权重、第二取值对应的权重和第三取值对应的权重。

举例而言，比如，对于核心且有品牌力的拳头产品，可能以回复质量为第一要义，因此，第三取值的权重可以设置的相对较大，第一取值的权重和/或第二取值的权重可以设置的相对较小，再比如，对于高品质且高客的重保产品，为了保障重点客户的疑难问题得到妥善处理，则可能以专业业务水平为第一要义，因此，第一取值的权重可以设置的相对较大，第二取值的权重和/或第三取值的权重可以设置的相对较小，再比如，对于非拳头产品或非重保产品，可能以快速应答为第一要义，因此，第二取值的权重可以设置的相对较大，第一取值的权重和/或第三取值的权重可以设置的相对较小。

一种示例，标记适配度为P，则可以通过下述公式，计算适配度P：

P＝C

其中，f

其中，函数g

由此，可以实现根据不同方式，确定候选客服与目标类别的适配度，可以提升该方法的灵活性和适用性。

此外，每个子适配度或取值对应的权重，是根据待处理对话所属的目标类别确定的，可以实现针对不同的对话，根据该对话所属的类别确定每个子适配度对应的权重，以提升适配度计算结果的可靠性。

在本公开的任意一个实施例之中，当目标类别的个数为多个时，可以通过上述方式，确定候选客服与每个目标类别对应的适配度，并根据各目标类别的适配度，确定该候选客服的适配度。

例如，可以将各目标类别的适配度的均值，作为该候选客服的适配度。

再例如，可以将各目标类别的适配度的最大值或最小值或中值，作为该候选客服的适配度。

再例如，可以将各目标类别的适配度按照取值大小由大至小排序，将排序在前的设定个数的适配度的均值，作为该候选客服的适配度。

再例如，可以从各目标类别中选择适配度大于设定适配度阈值的目标类别，并将选择的各目标类别的适配度的均值，作为该候选客服的适配度。

步骤206，根据至少一个候选客服的适配度，从至少一个候选客服中确定目标客服。

步骤207，向目标客服分配待处理对话，以通过目标客服回复待处理对话。

步骤206至207的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。

本公开实施例的对话处理方法，可以实现基于多种因素，确定候选客服与目标类别的适配度，可以提升适配度确定结果的可靠性，从而根据可靠的适配度挑选客服，可以实现对话的最优化分配。

为了清楚说明本公开上述实施例中是如何确定各候选客服与目标类别的第一子适配度的，本公开还提出一种对话处理方法。

图3为本公开实施例三所提供的对话处理方法的流程示意图。

如图3所示，该对话处理方法可以包括以下步骤：

步骤301，获取待处理对话，并确定待处理对话所属的目标类别。

其中，目标类别用于指示待处理对话所涉及的目标产品和/或目标产品所涉及的目标领域方向。

步骤301的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。

步骤302，针对至少一个候选客服中的任一候选客服，从多个设定层级中，确定该候选客服所处的目标层级。

在本公开实施例中，设定层级为预先设定的层级或等级，比如，设定层级可以包括：初级、中级、高级，再比如，设定层级可以包括：一级、二级、三级、四级等，其中，层级由高至低分别为：一级、二级、三级、四级等。需要说明的是，本公开对层级的划分粒度并不做限制，比如，设定层级的个数可以为3个、4个、5个等等，实际应用时，可以根据实际应用需求设置层级的划分粒度，并根据划分粒度对层级进行划分。

在本公开实施例中，针对任意一个候选客服，可以从多个设定层级中确定该候选客服所处的目标层级。比如，候选客服所处的目标层级可以为高级。

步骤303，确定已向候选客服分配属于目标类别的第一历史对话的第一个数。

在本公开实施例中，可以从向候选客服分配的历史对话中确定属于目标类别的第一历史会话，并统计第一历史会话的个数，本公开中记为第一个数。

步骤304，从各第一历史会话中确定第二历史会话，其中，第二历史会话为候选客服转移至其他客服的会话。

在本公开实施例中，可以从各第一历史会话中，确定第二历史会话，其中，第二历史会话可以为该候选客服无法回复并转移至其他客服的会话。

步骤305，根据第二历史会话的第二个数与第一个数之比，以及目标层级，确定候选客服与目标类别的第一子适配度。

其中，第一子适配度表征候选客服对属于目标类别的历史会话的专业处理能力。

在本公开实施例中，可以统计第二历史会话的个数，本公开中记为第二个数，并确定第二个数与第一个数之比，例如，标记第一个数为N

在本公开实施例中，可以根据第二个数与第一个数之比和目标层级，确定第一子适配度。

其中，第一子适配度与第二个数和第一个数之比呈负相关关系，即第二个数和第一个数之比越高，表明候选客服的对话转移率越高，该候选客服对属于目标类别的历史会话的专业处理能力或专业业务水平越低，第一子适配度越低，反之，第二个数和第一个数之比越低，表明候选客服的对话转移率越低，该候选客服对属于目标类别的历史会话的专业处理能力或专业业务水平越高，第一子适配度越高。

其中，第一子适配度与目标层级呈正相关关系，即目标层级越高，第一子适配度越高，反之，目标层级越低，第一子适配度越低。

在本公开实施例的一种可能的实现方式中，第一子适配度的计算方式可以为：可以从各第一历史会话中确定该候选客服首个回复的属于目标类别的第三历史会话，并确定第三历史会话的回复时刻与当前时刻之间的第一差异(比如差值、差值的绝对值等)，并且，可以根据目标层级查询与该目标层级匹配的分值，从而可以根据上述分值、第一差异以及第二个数与第一个数之比，确定第一子适配度。

作为一种示例，第一子适配度f

f

其中，level是指根据候选客服所处的目标层级确定的分值，其中目标层级越高，level的取值越大，反之，目标层级越低，level的取值越小，rate是指根据第二个数与第一个数之比确定的对话转移率，year

由此，可以基于时间要素，即候选客服首个回复属于目标类别的会话至当前时刻之间的时长，确定候选客服对属于目标类别的历史会话的专业处理能力，可以考虑到候选客服的成长因素，提升第一子适配度计算结果的可靠性。

步骤306，确定候选客服与目标类别的第二子适配度，其中，第二子适配度表征候选客服对属于目标类别的历史对话的处理效率。

步骤307，确定候选客服与目标类别的第三子适配度，其中，第三子适配度表征候选客服对属于目标类别的历史对话的处理质量。

步骤308，根据第一子适配度、第二子适配度和第三子适配度中的至少一项，确定候选客服与目标类别的适配度。

步骤309，根据至少一个候选客服的适配度，从至少一个候选客服中确定目标客服。

步骤310，向目标客服分配待处理对话，以通过目标客服回复待处理对话。

步骤306至310的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。

本公开实施例的对话处理方法，可以实现综合候选客服所处的目标层级以及候选客服对属于目标类别的历史对话的转移率，来确定候选客服对属于目标类别的历史会话的专业处理能力，可以提升确定结果的准确性和可靠性。

为了清楚说明本公开任一实施例中是如何确定各候选客服与目标类别的第二子适配度的，本公开还提出一种对话处理方法。

图4为本公开实施例四所提供的对话处理方法的流程示意图。

如图4所示，该对话处理方法可以包括以下步骤：

步骤401，获取待处理对话，并确定待处理对话所属的目标类别。

其中，目标类别用于指示待处理对话所涉及的目标产品和/或目标产品所涉及的目标领域方向。

步骤402，针对至少一个候选客服中的任一候选客服，确定该候选客服与目标类别的第一子适配度。

其中，第一子适配度表征候选客服对属于目标类别的历史会话的专业处理能力。

步骤401至402的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。

步骤403，确定候选客服在设定时长内回复的各第四历史会话的平均回复时长。

在本公开实施例中，设定时长为预先设定的时长，比如，设定时长可以为一天、一周等。

在本公开实施例中，针对任意一个候选客服，可以确定该候选客服在设定时长内回复的各第四历史会话的平均回复时长。例如，以设定时长为一天进行示例，可以确定候选客服在某一天内回复的各个第四历史会话，并确定各第四历史会话的回复时长，从而可以求取各第四历史会话的回复时长的均值，得到每个对话的平均回复时长。

步骤404，确定候选客服已分配且未回复的待回复会话的第三个数。

在本公开实施例中，可以确定该候选客服当前已分配且未回复的对话，本公开中记为待回复对话，并统计待回复对话的个数，本公开中记为第三个数。

步骤405，根据第三个数，确定各待回复会话的等待回复时长。

在本公开实施例中，可以根据第三个数，预估各待回复会话的等待回复时长，其中，等待回复时长与第三个数呈正相关关系，即第三个数越大，等待回复时长越长，反之，第三个数越小，等待回复时长越短。

步骤406，根据平均回复时长和等待回复时长，确定候选客服与目标类别的第二子适配度。

其中，第二子适配度表征候选客服对属于目标类别的历史对话的处理效率。

在本公开实施例中，可以根据上述平均回复时长和等待回复时长，确定第二子适配度。

其中，第二子适配度与平均回复时长呈负相关关系，即平均回复时长越长，第二子适配度越低，反之，平均回复时长越短，第二子适配度越高。

其中，第二子适配度与等待回复时长呈负相关关系，即等待回复时长越长，第二子适配度越低，反之，等待回复时长越短，第二子适配度越高。

在本公开实施例的一种可能的实现方式中，第二子适配度的计算方式可以为：可以从候选客服回复的属于目标类别的第五历史会话中，确定该候选客服首个回复的属于目标类别的第六历史会话，并确定第六历史会话的回复时刻与当前时刻之间的第二差异(比如差值、差值的绝对值等)，从而可以根据上述平均回复时长、等待回复时长和第二差异，确定第二子适配度。

作为一种示例，第二子适配度f

f

其中，time

由此，可以基于时间要素，即候选客服首个回复属于目标类别的会话至当前时刻之间的时长，确定候选客服对属于目标类别的历史会话的处理效率，可以考虑到候选客服的成长因素，提升第二子适配度计算结果的可靠性。

步骤407，确定候选客服与目标类别的第三子适配度。

其中，第三子适配度表征候选客服对属于目标类别的历史对话的处理质量。

步骤408，根据第一子适配度、第二子适配度和第三子适配度中的至少一项，确定候选客服与目标类别的适配度。

步骤409，根据至少一个候选客服的适配度，从至少一个候选客服中确定目标客服。

步骤410，向目标客服分配待处理对话，以通过目标客服回复待处理对话。

步骤407至410的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。

本公开实施例的对话处理方法，可以实现综合候选客服对各对话的平均回复时长以及待回复对话的等待回复时长，来确定候选客服对属于目标类别的历史对话的处理效率，可以提升确定结果的准确性和可靠性。

为了清楚说明本公开上述实施例中是如何确定各候选客服与目标类别的第三子适配度的，本公开还提出一种对话处理方法。

图5为本公开实施例五所提供的对话处理方法的流程示意图。

如图5所示，该对话处理方法可以包括以下步骤：

步骤501，获取待处理对话，并确定待处理对话所属的目标类别。

其中，目标类别用于指示待处理对话所涉及的目标产品和/或目标产品所涉及的目标领域方向。

步骤502，针对至少一个候选客服中的任一候选客服，确定候选客服与目标类别的第一子适配度。

其中，第一子适配度表征候选客服对属于目标类别的历史会话的专业处理能力。

步骤503，确定候选客服与目标类别的第二子适配度。

其中，第二子适配度表征候选客服对属于目标类别的历史对话的处理效率。

步骤501至503的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。

步骤504，获取候选客服回复的属于目标类别的第七历史会话的评价得分，其中，评价得分用于指示候选客服对第七历史会话的处理质量。

在本公开实施例中，针对任意一个候选客服，可以确定该候选客服回复的属于目标类别的第七历史会话，并获取各第七历史会话的评价得分，其中，评价得分用于指示该候选客服对第七历史会话的处理质量。

例如，客服在回复对话后，可以由客户对客服的处理质量进行打分或评价，以得到该对话的评价得分。

步骤505，从各第七历史会话中确定被投诉的第八历史会话。

在本公开实施例中，可以从各第七历史会话中确定被客户投诉的第八历史会话。

步骤506，根据第八历史会话的第四个数和第七历史会话的第五个数之比，以及各第七历史会话的评价得分，确定候选客服与目标类别的第三子适配度。

其中，第三子适配度表征候选客服对属于目标类别的历史对话的处理质量。

在本公开实施例中，可以统计第七历史会话的个数，本公开中记为第五个数，以及统计第八历史会话的个数，本公开中记为第四个数，并确定第四个数和第五个数之比，例如，标记第四个数为N

在本公开实施例中，可以根据第四个数和第五个数之比以及各第七历史会话的评价得分，确定候选客服与目标类别的第三子适配度。

作为一种示例，可以统计各第七历史会话的评价得分的均值，根据第四个数和第五个数之比和该均值，确定候选客服与目标类别的第三子适配度。

其中，第三子适配度与第四个数和第五个数之比呈负相关关系，且第三子适配度与上述均值呈正相关关系。

在本公开实施例的一种可能的实现方式中，第三子适配度的计算方式可以为：可以从各第七历史会话中确定该候选客服首个回复的属于目标类别的第九历史会话，并确定第九历史会话的回复时刻与当前时刻之间的第三差异(比如差值、差值的绝对值等)，并且，可以确定各第七历史会话的评价得分的均值，从而可以根据上述第三差异、均值与第四个数和第五个数之比，确定第三子适配度。

作为一种示例，第三子适配度f

f

其中，assess是指各第七历史会话的评价得分的均值，compliant是指根据第四个数和第五个数之比确定的对话投诉比例，year

由此，可以基于时间要素，即候选客服首个回复属于目标类别的会话至当前时刻之间的时长，确定候选客服对属于目标类别的历史会话的处理质量，可以考虑到候选客服的成长因素，提升第三子适配度计算结果的可靠性。

步骤507，根据第一子适配度、第二子适配度和第三子适配度中的至少一项，确定候选客服与目标类别的适配度。

步骤508，根据至少一个候选客服的适配度，从至少一个候选客服中确定目标客服。

步骤509，向目标客服分配待处理对话，以通过目标客服回复待处理对话。

步骤507至509的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。

本公开实施例的对话处理方法，可以实现综合候选客服已回复的属于目标类别的历史会话的评价得分，以及候选客服已回复的属于目标类别的历史会话的投诉比例，来确定候选客服对属于目标类别的历史对话的处理质量，可以提升确定结果的可靠性和准确性。

为了清楚说明本公开任一实施例中是如何确定待处理对话所属的目标类别的，本公开还提出一种对话处理方法。

图6为本公开实施例六所提供的对话处理方法的流程示意图。

如图6所示，该对话处理方法可以包括以下步骤：

步骤601，获取待处理对话。

步骤601的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。

步骤602，识别待处理对话中是否包含设定格式的目标文件，若是，则执行步骤603，若否，则执行步骤605。

在本公开实施例中，目标文件可以包括图片、PDF(Portable Document Format，便携式文档格式)、视频等文件。

在本公开实施例中，设定格式为预先设定的格式，比如，当目标文件图片时，设定格式可以为png(Portable Network Graphics，便携式网络图形)、jpg(JointPhotographic Experts Group，联合图像专家组)等图像格式。

步骤603，对目标文件进行光学字符识别，以得到字符识别结果。

在本公开实施例中，在待处理对话中包含目标文件的情况下，可以基于OCR(Optical Character Recognition，光学字符识别)技术，对目标文件进行光学字符识别，以得到字符识别结果。

步骤604，采用目标分类模型对待处理对话中除目标文件之外的对话文本信息和字符识别结果进行分类，以得到目标类别。

其中，目标类别用于指示待处理对话所涉及的目标产品和/或目标产品所涉及的目标领域方向。需要说明的是，前述实施例中对目标类别的解释说明也适用于该实施例，在此不做赘述。

其中，目标分类模型已学习到文本与类别之间的对应关系。

在本公开实施例中，可以采用经过训练的目标分类模型对待处理对话中除目标文件之外的对话文本信息和字符识别结果进行分类，以得到目标类别。

作为一种示例，目标分类模型的训练方式可以为：获取样本对话，并根据样本对话中的对话文本信息和目标内容对应的字符识别结果，生成训练文本信息，并对训练文本信息进行类别标注，以得到标注类别，采用初始分类模型对训练文本信息进行分类，以得到预测类别，根据预测类别和标注类别之间的差异，对初始分类模型进行训练，以得到目标分类模型。

比如，可以根据预测类别和标注类别之间的差异，生成损失值，根据损失值对初始分类模型中的模型参数进行调整，以使该损失值最小化。

其中，损失值与上述差异呈正相关关系，即差异越小，损失值越小，反之，差异越大，损失值越大。

需要说明的是，上述仅以模型训练的终止条件为损失值最小化进行示例，实际应用时，还可以设置其他终止条件，比如，训练次数达到设定次数，训练时长达到设定时长，损失值收敛等等，本公开对此并不做限制。

步骤605，采用目标分类模型对待处理对话进行分类，以得到目标类别。

在本公开实施例中，在待处理对话中未包含目标文件的情况下，可以采用目标分类模型对待处理对话进行分类，以得到目标类别。

需要说明的是，实际应用时，待处理对话中还可能包含音频信息，还可以基于语音识别技术对该音频信息进行语音识别，以得到音频文本信息，从而在待处理对话中还包括目标文件的情况下，可以采用目标分类模型对音频文本信息、对话文本信息和字符识别结果进行分类，以得到目标类别。而在待处理对话中未包括目标文件的情况下，可以采用目标分类模型对音频文本信息和对话文本信息进行分类，以得到目标类别。

需要说明的是，步骤603-604与步骤605为并列的两种实现方式，实际应用时，仅需择一执行。

步骤606，确定至少一个候选客服与目标类别的适配度。

步骤607，根据至少一个候选客服的适配度，从至少一个候选客服中确定目标客服。

步骤608，向目标客服分配待处理对话，以通过目标客服回复待处理对话。

步骤606至608的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。

本公开实施例的对话处理方法，可以实现在对话中包含目标内容的情况下，基于OCR技术识别目标内容中的字符信息，得到字符识别结果，从而同时基于字符识别结果和对话文本信息，来识别对话所属的类别，可以提升识别结果的准确性。此外，基于深度学习技术对待处理对话进行分类，得到待处理对话所属的目标类别，可以提升分类结果的准确性。

在本公开的任意一个实施例之中，可以通过以下几个步骤，来实现对话的智能分配：

第一步，在对话中包含目标内容(比如图片和/或视频)时，可以基于人工智能领域中的OCR技术，对目标内容进行识别，以得到字符识别结果，以目标内容为图片进行示例，可以基于OCR技术对图片进行光学字符识别，以得到字符识别结果(即图片信息)。并且，可以将字符识别结果作为语义语料的输入。

为了实现智能化且最优化地为对话分配最适配的客服，可以将对话中的图片信息进行加工处理，以辅助对话智能化的分配决策，尤其是当前在线交易平台对话场景，图片信息的占比越来越高的背景下。将人工智能中的OCR技术引入到对话式客服系统平台，可以解决图片信息必须人工识别且不能用于智能化对话分配的问题。

当前各大主流的云平台厂商均开放了OCR技术的API(Application ProgrammingInterface，应用程序接口)，可以按次调用上述API(即文字识别功能接口)，来实现将对话中的图片信息进行自动识别。例如，可以通过如图7所示的OCR识别系统架构和流程，来实现将云平台的OCR API能力接入到对话式客服系统平台。

其中，基于OCR API识别得到的字符识别结果(即图片文字识别结果)，不仅可以用于在对话系统界面中进行展示，而且在后续的对话分配系统中发挥重要作用。将图片中的文字信息以文本形式展示在对话系统中具有较大的便利性，举例而言，针对电子产品维修消费场景，假设对话中包含客户发送的一张产品异常的照片，此时，可以通过OCR技术自动识别出产品的版本、型号、出厂日期等产品信息。随着OCR技术的不断发展，OCR识别结果的正确率越来越高，客服可以根据准确的OCR识别结果，快速匹配对应的维修方案或者去知识平台中根据对应的产品信息进行便捷的搜索，提升对话的完结效率。

需要说明的是，图7中，在对图片进行OCR识别之前，可以对图片的格式、像素等进行校验，只有在校验通过的情况下，才对该图片进行OCR识别。也就是说，不同的OCR API仅支持对设定格式和/或像素处于设定范围内的图片进行处理。

第二步，基于机器学习技术中的深度学习技术中的多分类训练算法，对对话文本信息和字符识别结果进行分类，得到系统可识别的目标类别(或称为关键字，该关键字用于指示对话所涉及的产品，以及产品所涉及的领域方向，后续简称为产品&方向)。

进行客户-客服之间的对话分配，需要建立客户咨询问题和客服专业方向之间的联系，本公开可以基于关键字的模型方法分析对话分配的适配度。其中，对话智能化分配可以分为以下两个核心步骤来处理：1、从客户输入的对话信息中解析出关键字；2、基于关键字，去寻找最适配的客服。

网络消费平台的产品是有限的、产品的细分领域方向也是有限的，这是人工智能技术中机器学习领域中的经典多分类问题。对话式客服系统平台每天会产生一定量级(比如千万甚至更多)的新对话咨询，而客户针对同一产品的同一领域方向的咨询表达方式往往是千变万化的，难以直观地摸索语言和具体领域方向的规律，但是这种问题，可以使用机器学习技术中的深度学习方法进行有效的智能预测，实现绝大部分场景下的正确多分类，极大地降低随机分配带来的客服额外成本。

基于对话中的文本信息(本公开中记为对话文本信息)和图片信息(本公开中记为字符识别结果)，通过算法模型(本公开中记为目标分类模型)预测出对应的产品&方向，比如数据治理产品的数据质量方向。其中，目标分类模型的训练流程和分类预测流程可以如图8所示。显然，对每个领域方向熟悉的客服人员的个数超过一个是常见的，此时分配给具体的哪位客服，需要进行适配度的分析。

上文的第1个核心步骤主要是解决新增对话应该分配给哪一群客服(即熟悉产品&方向的客服)，第2个核心步骤解决新增对话应该分配给这一群客服中的哪一个最优客服。

第三步，基于多维度的数据分析方法，训练出每个客服的综合能力用户画像模型。

模型用于准确的表达各个客服对具体某个关键字的适配度。对话式客服系统平台每天存储超大数据量级的对话信息，每个客服每天也会产生成百上千的对话信息内容，随着时间推移，对话信息呈爆炸性增长，而这些对话信息可以用于训练出客服综合能力用户画像模型，为对话的智能化分配提供算法模型基础。

本公开可以从如表1所示的三个维度进行能力用户画像模型的刻画，具体的要素分别从三个层级来进行分析。需要说明的是，针对不同场景的应用，可以对要素进行增加。

表1维度与要素之间的对应关系

其中，f

f

f

可选地，为了应用该能力用户画像模型，可以对数值缩放常量进行适当的取值。一种参考的实现方式是，将全局的所有客服的数值全部计算之后取均值，比如，各客服的对话转移率分别为(r

根据第二步的目标分类模型预测的关键字，计算出当前空闲队列或者排序队列中的每位可选客服在三个维度的子适配度。

第四步，基于多因素模型(专业、效率、质量等)算法确定分配基准，从空闲客服人员队列中择优出最合适的客服人员进行对话分配，实现多目标最优化分配。

基于多因素决策信息，确定最终的每位客服的适配度，实现对话的最优化分配。对于不同产品，甚至相同产品的不同领域方向，对应的对话分配的整体思路是不一致的。比如，对于一些网络消费平台的基础产品(非拳头产品、非重保产品)，则可能以快速应答为第一要义；再比如，对于网络消费平台的最核心且最有品牌力的产品(拳头产品)，则可能以质量为第一要义，从而保障消费平台拳头产品的持续全面好评和高质量；再比如，对于网络消费平台的高品质且高客单价产品(重保产品)，为了保障重点客户的疑难问题得到妥善处理，则可能以专业业务水平为第一要义。显然，虽然不同产品各有侧重点，但对整体的策略提出了不同的要求，可以通过在对话式客服平台系统中，新增与各产品&领域方向的关键字适配的模型参数。例如，模型参数可以如表2所示。

表2维度与参数之间的对应关系

适配度P的最终计算公式可以为：

P＝C

适配度的计算核心流程可以如图9所示，在对新对话计算适配度之后，可以将新对话分配给适配度最高的客服。除了需要考虑空闲客服队列中各客服的用户画像能力模型和适配度的计算，还需要考虑非空闲客服队列中的各客服。比如，对于专业业务水平非常重视的服务和产品的关键字，则可能高级的专业客服很快全部都安排了对话，此时已经无法直接分配新对话。此时，可以为每个已对接对话中的客服，维护一个已分配任务队列，但是该任务队列并不是一成不变的，因为系统只能根据平均回复时长来预估客服对各对话的具体咨询结束时间，但是实际每个客服对每个对话的具体咨询结束时间完全是不确定的，可能当前客服很快变成空闲，也可能很久才能空闲。

针对非空闲的客服，需要通过实时计算的引擎，不断地刷新任务队列中的任务，确认是否依然继续分配给该客服，还是分配给空闲客服，或者分配给其他任务队列中任务更少的非空闲客服。显然，通过对对话处理效率中的预期等待时长(即等待回复时长)结果的数值重要程度提升，即可降低空闲情况的发生，具体设置可以以产品的综合考虑为准。

综上，通过基于人工智能中的OCR技术进行对话中的图片信息进行提取，通过机器学习技术中的深度学习算法进行对话的文本语义和图片语料中的关键字进行提取，通过多维度数据分析方法，获得客服的对话能力用户画像模型，通过多因素模型(专业、效率、质量等)算法确定分配基准，最终实现智能化对话分配，实现分配基准的目标条件下的最优化分配，可以提升网络消费平台的促成成交能力。

与上述图1至图6实施例提供的对话处理方法相对应，本公开还提供一种对话处理装置，由于本公开实施例提供的对话处理装置与上述图1至图6实施例提供的对话处理方法相对应，因此在对话处理方法的实施方式也适用于本公开实施例提供的对话处理装置，在本公开实施例中不再详细描述。

图10为本公开实施例七所提供的对话处理装置的结构示意图。

如图10所示，该对话处理装置1000可以包括：获取模块1001、第一确定模块1002、第二确定模块1003、第三确定模块1004以及分配模块1005。

其中，获取模块1001，用于获取待处理对话。

第一确定模块1002，用于确定待处理对话所属的目标类别，其中，目标类别用于指示待处理对话所涉及的目标产品和/或目标产品所涉及的目标领域方向。

第二确定模块1003，用于确定至少一个候选客服与目标类别的适配度。

第三确定模块1004，用于根据至少一个候选客服的适配度，从至少一个候选客服中确定目标客服。

分配模块1005，用于向目标客服分配待处理对话，以通过目标客服回复待处理对话。

在本公开实施例的一种可能的实现方式中，第二确定模块1003可以包括：

第一确定单元，用于针对至少一个候选客服中的任一候选客服，确定候选客服与目标类别的第一子适配度，其中，第一子适配度表征候选客服对属于目标类别的历史会话的专业处理能力。

第二确定单元，用于确定候选客服与目标类别的第二子适配度，其中，第二子适配度表征候选客服对属于目标类别的历史对话的处理效率。

第三确定单元，用于确定候选客服与目标类别的第三子适配度，其中，第三子适配度表征候选客服对属于目标类别的历史对话的处理质量。

第四确定单元，用于根据第一子适配度、第二子适配度和第三子适配度中的至少一项，确定候选客服与目标类别的适配度。

在本公开实施例的一种可能的实现方式中，第一确定单元，用于：从多个设定层级中，确定候选客服所处的目标层级；确定已向候选客服分配属于目标类别的第一历史对话的第一个数；从各第一历史会话中确定第二历史会话，其中，第二历史会话为候选客服转移至其他客服的会话；根据第二历史会话的第二个数与第一个数之比，以及目标层级，确定第一子适配度。

在本公开实施例的一种可能的实现方式中，第一确定单元，用于：从各第一历史会话中确定第三历史会话，其中，第三历史会话为候选客服首个回复的属于目标类别的会话；根据目标层级，查询与目标层级匹配的分值；确定第三历史会话的回复时刻与当前时刻之间的第一差异；根据分值、第一差异和第二个数与第一个数之比，确定第一子适配度。

在本公开实施例的一种可能的实现方式中，第二确定单元，用于确定候选客服在设定时长内回复的各第四历史会话的平均回复时长；确定候选客服已分配且未回复的待回复会话的第三个数；根据第三个数，确定各待回复会话的等待回复时长；根据平均回复时长和等待回复时长，确定第二子适配度。

在本公开实施例的一种可能的实现方式中，第二确定单元，用于：从候选客服回复的属于目标类别的第五历史会话中确定首个回复的第六历史会话；确定第六历史会话的回复时刻与当前时刻之间的第二差异；根据平均回复时长、等待回复时长和第二差异，确定第二子适配度。

在本公开实施例的一种可能的实现方式中，第三确定单元，用于：获取候选客服回复的属于目标类别的第七历史会话的评价得分，其中，评价得分用于指示候选客服对第七历史会话的处理质量；从各第七历史会话中确定被投诉的第八历史会话；根据第八历史会话的第四个数和第七历史会话的第五个数之比，以及各第七历史会话的评价得分，确定第三子适配度。

在本公开实施例的一种可能的实现方式中，第三确定单元，用于：从第七历史会话中确定首个回复的第九历史会话；确定第九历史会话的回复时刻与当前时刻之间的第三差异；确定各第七历史会话的评价得分的均值；根据第三差异、均值与第四个数和第五个数之比，确定第三子适配度。

在本公开实施例的一种可能的实现方式中，第四确定单元，用于：获取与目标类别适配的多个权重；根据第一子适配度确定第一取值，其中，第一取值与第一子适配度呈正相关关系；根据第二子适配度确定第二取值，其中，第二取值与第二子适配度呈正相关关系；根据第三子适配度确定第三取值，其中，第三取值与第三子适配度呈正相关关系；根据多个权重，对第一取值、第二取值和第三取值进行加权求和，以得到候选客服与目标类别的适配度。

在本公开实施例的一种可能的实现方式中，第一确定模块1002，用于：识别待处理对话中是否包含设定格式的目标文件；在待处理对话中包含目标文件的情况下，对目标文件进行光学字符识别，以得到字符识别结果；采用目标分类模型对待处理对话中除目标文件之外的对话文本信息和字符识别结果进行分类，以得到目标类别；其中，目标分类模型已学习到文本与类别之间的对应关系。

本公开实施例的对话处理装置，通过对待处理对话进行分类，以得到目标类别，其中，目标类别用于指示待处理对话所涉及的目标产品和/或目标产品所涉及的目标领域方向；确定至少一个候选客服与目标类别的适配度，并根据至少一个候选客服的适配度，从至少一个候选客服中确定目标客服；向目标客服分配待处理对话，以通过目标客服回复待处理对话。由此，根据各客服与目标类别的适配度，从各客服中选择目标客服，该目标客服是熟悉待处理对话所涉及的目标产品和/或目标产品所涉及的目标领域方向的，将待处理对话分配给该目标客服，可以避免客服不熟悉对话涉及的产品和/或该产品涉及的细分领域方向，而导致客服进行对话的转发和重新处理的情况，提升对话的处理效率和处理质量，改善用户的使用体验。

为了实现上述实施例，本公开还提供一种电子设备，该电子设备可以包括至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开上述任一实施例提出的对话处理方法。

为了实现上述实施例，本公开还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开上述任一实施例提出的对话处理方法。

为了实现上述实施例，本公开还提供一种计算机程序产品，该计算机程序产品包括计算机程序，计算机程序在被处理器执行时实现本公开上述任一实施例提出的对话处理方法。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图11示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。其中，电子设备可以包括上述实施例中的服务端、客户端。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图11所示，电子设备1100包括计算单元1101，其可以根据存储在ROM(Read-OnlyMemory，只读存储器)1102中的计算机程序或者从存储单元1108加载到RAM(Random AccessMemory，随机访问/存取存储器)1103中的计算机程序，来执行各种适当的动作和处理。在RAM 1103中，还可存储电子设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM1103通过总线1104彼此相连。I/O(Input/Output，输入/输出)接口1105也连接至总线1104。

电子设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元1108，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许电子设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于CPU(Central Processing Unit，中央处理单元)、GPU(Graphic Processing Units，图形处理单元)、各种专用的AI(Artificial Intelligence，人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor，数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如上述对话处理方法。例如，在一些实施例中，上述对话处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到电子设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时，可以执行上文描述的对话处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述对话处理方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、FPGA(Field Programmable Gate Array，现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit，专用集成电路)、ASSP(Application Specific StandardProduct，专用标准产品)、SOC(System On Chip，芯片上系统的系统)、CPLD(ComplexProgrammable Logic Device，复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory，可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory，便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(Cathode-Ray Tube，阴极射线管)或者LCD(Liquid Crystal Display，液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：LAN(LocalArea Network，局域网)、WAN(Wide Area Network，广域网)、互联网和区块链网络。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(VirtualPrivate Server，虚拟专用服务器)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

其中，需要说明的是，人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

根据本公开实施例的技术方案，通过对待处理对话进行分类，以得到目标类别，其中，目标类别用于指示待处理对话所涉及的目标产品和/或目标产品所涉及的目标领域方向；确定至少一个候选客服与目标类别的适配度，并根据至少一个候选客服的适配度，从至少一个候选客服中确定目标客服；向目标客服分配待处理对话，以通过目标客服回复待处理对话。由此，根据各客服与目标类别的适配度，从各客服中选择目标客服，该目标客服是熟悉待处理对话所涉及的目标产品和/或目标产品所涉及的目标领域方向的，将待处理对话分配给该目标客服，可以避免客服不熟悉对话涉及的产品和/或该产品涉及的细分领域方向，而导致客服进行对话的转发和重新处理的情况，提升对话的处理效率和处理质量，改善用户的使用体验。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开提出的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。