可调整的聊天机器人的制作方法

可调整的聊天机器人
1.对相关申请的交叉引用
2.在第35u.s.c.
§
119(e)下，本技术要求2020年5月18日提交的、标题为“tunable chatbots”的美国临时申请序列no.63/026,561的权益，该美国临时申请通过引用整体并入本文。
技术领域
3.本公开的实施例总体涉及通信方法，并且具体涉及使用自动通信资源执行的通信方法。


背景技术：

4.聊天机器人是一种用于经由文本或文本到语音进行实时或近实时对话的工具。聊天机器人通常在对话系统或联系中心中使用，用于提供客户服务、请求路由和/或信息采集。利用聊天机器人的好处是，可以将更昂贵的人工代理保留给较不平常的客户交互。


技术实现要素：

5.提出了一种改进的联系中心，以包括可以是联系中心中的自动化代理或聊天机器人的“代理(agent)”。联系中心可以由实体操作，而自动化代理或聊天机器人可以由联系中心的操作员以外的第三方提供。此外，联系中心可以具有多于一个的自动化代理或聊天机器人的供应商。换言之，联系中心被配置为利用来自多个不同实体的多个不同自动化代理或聊天机器人。在一些实施例中，自动化代理或聊天机器人的多于一个“模型/版本”对联系中心操作员可用。联系中心操作员可能想要决定何时使用自动化代理或聊天机器人的一个版本/型号/供应商还是另一个版本/型号/供应商。联系中心可以使用情景上下文、客户偏好、联系类型、联系目的、联系中心状态和其他上下文因素来确定在一段时间内将哪个自动化代理或聊天机器人分配给特定联系和/或部署。
6.在将呼叫者与实时代理相匹配时，假设代理的特性被一般性设置。人工代理可以被训练得更友好、更简洁、更权威——但实时训练的有效性可能是有限的。相比之下，自动化代理或聊天机器人可以暴露一组控件或“拨号”，其中不同属性的级别可以被实时指定以塑造针对给定呼叫的自动化代理的特性，其中“呼叫”应当被理解为描述交互的人和代理之间的基于语音的交互、基于视频的交互和/或基于文本的交互。自动化代理或聊天机器人属性的调节可以基于ai建模来选择，联系中心通过该ai模型预测什么(多个)代理特性产生最佳结果(例如，实现满足特定优化函数的结果)。
7.本公开的一个方面是使联系中心能够实时监控客户与自动化代理或聊天机器人的交互体验，并且还实时修改自动化代理或聊天机器人的属性/特性以改善客户交互。
8.本公开的另一个方面使得联系中心能够针对特性的“拨号设置”与通过监测实时交互观察到的结果之间的关系来测试自动化代理或聊天机器人。对自动化代理或聊天机器人的性能的观察可能导致利用不同的代理人格(personality)定义某些参数和设置。例如，
在0.0
‑
1.0中的第一拨号设置0.5处，自动化代理或聊天机器人可以被分配“友好”设置。作为另一示例，可以使用第二拨号设置来调节自动化代理或聊天机器人的同理心，并且用于实现期望的同理心的适当的第二拨号设置可以是不同于0.5的设置，并且还可以需要第一拨号设置的不同值。
9.本公开的另一个方面是通过ai代理提供者(例如，自动化代理或聊天机器人的提供者和训练者)提供可能的代理特性的列表，该ai代理提供者不一定与其他ai代理提供者相同。通过与其他ai代理提供者相比、ai代理提供者使用不同的训练数据和/或不同的反馈响应来训练他们的自动化代理或聊天机器人，ai代理提供者的代理特性的差异可以存在。来自不同ai代理提供者的自动化代理或聊天机器人之间的差异虽然微妙，但可以为联系中心提供各种选项，用于根据期望的结果和交互的状态将不同的自动化代理或聊天机器人分配给不同的交互。这里，联系中心可以使用基于ai的分析来关联由不同提供者提供的不同ai代理的灵敏度，以创建从不同ai代理提供者可获得的不同ai代理的更统一的视图。应当理解，多个团队(例如，多个不同的ai代理提供者)可以在公司(例如，操作联系中心的实体)内工作，以向正由联系中心实现的生产系统提供多个自动化代理或聊天机器人。还可以将自动化代理或聊天机器人配置为从一个团队到另一个团队或从同一团队之内逐个测试。
10.本公开的另一个方面是使得联系中心能够针对特定交互中的使用或针对不同条件来选择特定的自动化代理或聊天机器人。联系中心可能经历操作来自不同ai代理提供者的不同自动化代理或聊天机器人的不同成本。在决定将哪个特定自动化代理或聊天机器人应分配给特定客户或交互时，联系中心可以考虑这种操作信息的成本。应当理解，联系中心可以执行成本效益分析，作为决定将哪个自动化代理或聊天机器人分配给交互的一部分，这意味着如果最好的自动化代理或聊天机器人也对应于最昂贵的自动化代理或聊天机器人，并且使用较便宜的自动化代理或聊天机器人时客户满意的可能性相对较高，则可能不总是选择最好的自动化代理或聊天机器人。换言之，可以允许联系中心执行成本效益分析作为联系路由过程的一部分。在一些实施例中，联系中心可以考虑自动化代理或聊天机器人是否对应于我们的内部外包资源。与外包的自动化代理或聊天机器人相比，内部开发的自动化代理或聊天机器人可能对应于更具成本效益的选项；然而，外包的自动化代理或聊天机器人可能更适合处理所提出的特定类型的问题或联系所显示的态度。
11.自动化代理或聊天机器人的特性通常被认为是确定性的。然而，可以替代地创建特性范围为概率曲线(例如，围绕中间值/中间体验的钟形曲线)的自动化代理或聊天机器人。本公开的另一个方面是，联系中心指定钟形曲线的宽度(例如，宽vs
‘
严格控制’体验)。另一方面是，联系中心外在表征(多个)特性的分布(例如，曲线的形状和中值)，以便为客户创建独特的体验，以及考虑到联系中心对呼叫者的表征中的不确定性。
12.本公开的另一个方面是使得联系中心能够在选择用于连接到现场客户的代理之前预测试联系中心代理(例如，自动化代理或聊天机器人)。利用此能力，联系中心可以在将现场客户发布给自动化代理或聊天机器人之前练习自动化代理或聊天机器人。由于预测试可以相对快速地执行，因此客户不可能在服务或与所选代理的连接方面体验到任何显著延迟。利用预测试的一些原因是检查代理的特性、证实最近的优化或软件更新是否使代理保持可接受等。如果使用一个自动化代理来测试另一个自动化代理或聊天机器人似乎是浪费的或不可接受的，则应该理解，让第三方执行自动化代理或聊天机器人测试可能存在合同
原因(例如，收入分享、承担责任、批量定价等)。
13.在一些实施例中，测试可以比实时更快地完成(例如，以“超高速”)。超高速测试将是这样的：来自
‘
客户’的语音(或文本聊天)可以作为文件或以高于正常语音的协商实时速率(例如，100x或每真实秒10ms)来递送。以这种方式将内容递送到自动化代理或聊天机器人可以实现执行超高速测试，而客户在交互期间不会意识到这样的测试正在进行。
14.在一些实施例中，ai代理提供者可以被告知特定呼叫是测试呼叫(因此不包括在训练集中)，或者可以不被告知，使得联系中心可以形成或权衡供应商对呼叫者特性分布的看法。作为示例，联系中心可以计划将更多的追加销售客户移动到特定类型的自动化代理或聊天机器人，并且因此利用虚假和真实客户交互的混合来预加载/培训ai代理提供者。
15.通过使用量子计算创建虚假的客户交互可以更快地对分发处理进行预测试，而自动化代理或聊天机器人可以使用量子计算来更快地提供自动化代理或聊天机器人响应。量子计算支持的预测试活动与量子计算客户和量子计算代理的结合可以非常迅速地被联系中心表征自动化代理或聊天机器人，或者被提供者培训代理。
16.如本文所使用的，联系中心的自动化可以指联系中心的行为，由此可使用基于规则(例如，专家系统)或人工智能(ai)的定向对话的自动化代理或聊天机器人对交互进行管理。
17.应当理解，对话或交互可以在一个或多个客户和一个或多个代理(例如，一个或多个自动化代理或聊天机器人和/或一个或多个人工代理)之间进行。在一些实施例中，可以使用数字通信信道来协助对话或交互。数字通信信道的非限制性示例包括被配置为使得能够进行客户的通信设备(例如，客户端设备、移动通信设备、智能电话、平板电脑、pc、膝上型计算机等)与代理的通信设备(例如，客户端设备、移动通信设备、智能电话、平板电脑、pc、膝上型计算机、执行聊天机器人的服务器等)之间的数字消息通信的通信模态。在一些实施例中，数字通信信道可以包括或利用一个、一些或许多不同的通信路径、协议或消息收发服务。数字通信信道可支持的消息收发服务的非限制性示例包括直接数字消息收发(例如，直接聊天、sms文本、电子邮件等)、社交媒体消息收发(例如，社交媒体帖子、社交媒体直接消息收发等)、网络聊天或使得对话能够非实时或近实时地发生并被记录的任何其他通信协议。应当理解，在不脱离本公开的范围的情况下，还可以利用自动化代理或聊天机器人来协助实时语音或视频对话。
18.数字通信信道的具体但非限制性示例包括：(1)“over
‑
the
‑
top”(ott)信道包括：facebook messenger、twitterdm、微信、whatsapp、apple business chat、line、kakaotalk；(2)“telco”信道，包括：sms和google rcs；(3)由企业客户使用以协助各种特定于企业的通信(例如，通知、提醒、促销等)的站外的、应用到个人(“a2p”)消息；和/或(4)“实时消息收发”(rtm)信道，包括：应用内消息收发(android、ios和w/eb)、推送消息收发(android、ios和浏览器通知)等。
19.根据一些实施例，联系中心的自动化组件(例如，聊天机器人引擎)可以访问表示用户将与联系中心参与的可能主题的一组“训练的”意向。因此，应当理解，可以针对不同的条件训练不同的意图，因为一些条件可以支持关于其他条件可能不支持的一些主题的对话。意图的训练和聊天机器人引擎的构造是本公开的实施例设想的服务。可以存在表示更一般的某些类别的响应的附加意图，包括是/否类型确认意图和其他类似于表示需要响应
但不推进对话状态的礼貌的离题用户消息的“玩笑”。可以存在对话结构组件，其根据正在使用的聊天机器人引擎来控制与用户的对话的范围。
20.本文使用的交互或对话可以对应于通过通信信道(例如，数字通信信道、语音通信信道、视频通信信道或其组合)的两个或更多个实体之间的两个或更多个消息交换。在一些实施例中，交互可以对应于问题和响应消息对、问题和问题消息对、陈述和响应消息对或一组消息。
21.如本文所使用的，会话模型可以对应于在神经网络中可用并且已经由描述两个或更多个实体之间的会话或消息交换的一个或多个数据集训练的数据集。对话模型可以被存储为模型数据文件或在神经网络或其他类型的ai系统内可用的任何其他数据结构。
22.在一些实施例中，主题最终可以被上载到在联系中心内正在执行的客户关系管理(crm)系统和/或客户旅程应用中。crm系统和/或客户旅程应用可以在专门构建的服务器上执行，或者可以由还在联系中心内实现联系路由例程的服务器执行。
23.在一些实施例中，可以提供包含以下可能性的一个或多个机器学习模型：放弃、中止或请求上报给主管。这样的模型可以用于训练联系中心使用的神经网络，或者可以被存储并用于与当前交互相比较以确定当前交互是否与机器学习模型具有任何相似性。替代地或另外地，可以利用机器学习模型，该模型可以用来测量“挫败”、“摩擦”或“惯性”。如果确定交互与任何这样的模型具有特定量的相似性，则可以在联系中心内采取动作以避免进一步可能的挫败、摩擦或惯性(例如，调用主管协助功能或将联系转移到不同的代理)。
24.如本文所使用的，短语“至少一个”、“一个或多个”、“或”、“和/或”是在操作中既是合取又是析取的开放式表达式。例如，表达“a、b和c中的至少一个”、“a、b或c中的至少一个”、“a、b和c中的一个或多个”、“a、b或c中的一个或多个”、“a、b和/或c”以及“a、b或c”中的每一个意思都是单独的a、单独的b、单独的c、a和b一起、a和c一起、b和c一起、或者a、b和c一起。
25.术语“一”实体指的是一个或多个该实体。因此，术语“一”、“一个或多个”和“至少一个”在本文可以互换使用。还应注意的是，术语“包括”、“包含”和“具有”可以互换使用。
26.如本文使用的，术语“自动”及其变体指的是在执行过程或操作时在没有实质人类输入的情况下完成的任何过程或操作。然而，即使过程或操作的执行使用实质或非实质的人工输入，如果输入是在过程或操作的执行之前接收到的，则该过程或操作也可以是自动的。如果人工输入影响过程或操作将如何执行，则认为这种输入是实质的。同意流程或操作执行的人工输入不被认为是“实质的”。
27.本文使用的术语“计算机可读介质”指的是参与向处理器提供指令以供执行的任何有形存储和/或传输介质。这种介质可以采取许多形式，包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质包括例如nvram或磁盘或光盘。易失性介质包括动态存储器，诸如主存储器。计算机可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带或任何其他磁性介质、磁光介质、cd
‑
rom、任何其他光学介质、穿孔卡、纸带、具有孔图案的任何其他物理介质、ram、prom和eprom、flash
‑
eprom、诸如存储卡的固态介质、任何其他存储器芯片或盒式磁带、如下所述的载波、或计算机可以从其读取的任何其他介质。电子邮件或其他自包含信息档案或档案集的数字文件附件被视为等同于有形存储介质的分发介质。当计算机可读介质被配置成数据库时，应当理解，该数据库可以是任何类型的数据库，诸如关系
的、分层的、面向对象的，等等。因此，本公开被认为包括有形存储介质或分发介质以及存储本公开的软件实现的现有技术公认的等同物和后续介质。
28.例如，在基带中或作为载波的一部分，“计算机可读信号”介质可以包括其中实现有计算机可读程序代码的传播数据信号。这样的传播信号可以采取各种形式中的任何一种，包括但不限于电磁、光学或其任何适当的组合。计算机可读信号介质可以是任何计算机可读介质，该计算机可读介质不是计算机可读存储介质，并且可以传送、传播或传输程序以供指令执行系统、装置或设备使用或连接。实现在计算机可读介质上的程序代码可以使用任何适当的介质来传输，包括但不限于无线、有线、光纤电缆、rf等，或者前述的任何适当的组合。
29.如本文所使用的，术语“确定”、“计算”和“运算”及其变体可互换使用，并包括任何类型的方法、过程、数学运算或技术。
30.应当理解，应根据35u.s.c.第112节第6款对本文中使用的术语“部件”给予其最宽的可能解释。因此，包含术语“部件”的权利要求应涵盖本文陈述的全部结构、材料或动作，以及其全部等同。此外，结构、材料或动作及其等同应包括发明内容、附图说明、具体实施方式、摘要和权利要求本身中描述的所有内容。
31.本公开的各方面可以采取完全硬件实施例、完全软件实施例(包括固件、驻留软件、微代码等)、或结合软件和硬件方面的实施例的形式，本文可以将其统称为“电路”、“模块”或“系统”。可以利用一个或多个计算机可读介质的任意组合。
32.在又一实施例中，本公开的系统和方法可以结合以下各项来实现：专用计算机、可编程微处理器或微控制器和(多个)外围集成电路元件、asic或其他集成电路、数字信号处理器、硬连线电子或逻辑电路(诸如分立元件电路)、可编程逻辑器件或门阵列(诸如pld、pla、fpga、pal)、专用计算机、任何相当部件等。一般而言，能够实现本文说明的方法的任何(多个)设备或部件都可以用来实现本公开的各个方面。可用于所公开的实施例、配置和方面的示例性硬件包括计算机、手持设备、电话(例如，蜂窝的、支持互联网的、数字的、模拟的、混合的等)以及本领域公知的其他硬件。这些设备中的一些包括处理器(例如，单个或多个微处理器)、存储器、非易失性存储器、输入设备和输出设备。此外，还可以构建替代软件实现，包括但不限于分布式处理或组件/对象分布式处理、并行处理或虚拟机处理，以实现本文描述的方法。
33.本文描述的处理器的示例可以包括但不限于以下至少之一：高通和801、具有4g lte集成和64位计算的高通骁龙和615、具有64位架构的苹果处理器、苹果运动协处理器、三星系列、英特尔系列处理器、英特尔系列处理器、英特尔系列处理器、英特尔系列处理器、英特尔i5
‑
4670k和i7
‑
4770k 22nm haswell、英特尔i5
‑
3570k 22nm ivy桥、fx
tm
系列处理器、fx
‑
4300、fx
‑
6300和fx
‑
8350 32nm vishera、kaveri处理器、德州仪器c6000
tm
汽车信息娱乐处理器、德州仪器汽车级移动处理器、cortex
tm
‑
m处理器、cortex
‑
a和arm926ej
‑
s
tm
处理器、其他行业等同的处
理器，并且可以使用任何已知或未来开发的标准、指令集、库和/或架构来执行计算功能。
34.在又一实施例中，所公开的方法可以容易地结合使用对象或面向对象的软件开发环境的软件来实现，该软件开发环境提供可在各种计算机或工作站平台上使用的便携式源代码。替代地，所公开的系统可以使用标准逻辑电路或vlsi设计部分或全部以硬件实现。是使用软件还是硬件来实现根据本公开的系统取决于系统的速度和/或效率要求、特定功能以及所使用的特定软件或硬件系统或微处理器或微型计算机系统。
35.在又一实施例中，所公开的方法可以部分以软件实现，该软件可以存储在存储介质上，在控制器和存储器、专用计算机、微处理器等的协作下在编程的通用计算机上执行。在这些情况下，本公开的系统和方法可以被实现为嵌入在个人计算机上的程序，诸如小应用程序、或cgi脚本，作为驻留在服务器或计算机工作站上的资源，作为嵌入在专用测量系统、系统组件中的例程等。该系统还可以通过将该系统和/或方法物理地合并到软件和/或硬件系统中来实现。
36.本文描述或要求保护的方法可以用传统的可执行指令集来执行，传统的可执行指令集是有限的，并且在固定的输入集上操作以提供一个或多个定义的输出。替代地或另外地，本文描述或要求保护的方法可以使用ai、机器学习、神经网络等来执行。换言之，设想了系统或联系中心包括有限指令集和/或基于人工智能的模型/神经网络，以执行本文描述的一些或所有步骤。
附图说明
37.图1是示出根据本公开的至少一些实施例的通信系统的框图；
38.图2是描绘根据本公开的至少一些实施例的聊天机器人引擎的附加细节的框图；
39.图3示出了根据本公开的至少一些实施例的多个聊天机器人及其相关联的特性范围；
40.图4示出了根据本公开的至少一些实施例的可调整聊天机器人；
41.图5示出了根据本公开的至少一些实施例的利用不同训练数据训练的多个不同聊天机器人；
42.图6示出了根据本公开的至少一些实施例的被预测试以供选择的多个聊天机器人；
43.图7是示出根据本公开的至少一些实施例的第一示例通信方法的流程图；
44.图8是示出根据本公开的至少一些实施例的第二示例通信方法的流程图；
45.图9是示出根据本公开的至少一些实施例的第三示例通信方法的流程图；
46.图10是示出根据本公开的至少一些实施例的第四示例通信方法的流程图；
47.图11是示出根据本公开的至少一些实施例的第五示例通信方法的流程图；以及
48.图12是示出根据本公开的至少一些实施例的第六示例通信方法的流程图。
具体实施方式
49.在下面的描述中，出于解释的目的，阐述了许多具体细节以便提供对本文公开的各种实施例的透彻理解。然而，对于本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下实施本公开的各种实施例。随后的描述仅提供示例性实施例，并不旨在限
制本公开的范围或适用性。此外，为了避免不必要地模糊本公开，前面的描述省略了许多已知结构和设备。这种省略不应解释为对权利要求范围的限制。相反，随后对示例性实施例的描述将向本领域技术人员提供用于实现示例性实施例的使能描述。然而，应当理解，本公开可以以本文阐述的具体细节之外的各种方式来实施。
50.虽然本文说明的说明性方面、实施例和/或配置示出了位于同地的系统的各种组件，但是系统的某些组件可以远程定位，位于诸如局域网(lan)和/或因特网的分布式网络的远端部分，或者位于专用系统之内。因此，应当理解，系统的组件可以组合到一个或多个设备中或同地位于分布式网络(诸如模拟和/或数字电信网络、分组交换网络或电路交换网络)的特定节点。从下面的描述将理解，并且出于计算效率的原因，在不影响系统的操作的情况下，系统的组件可以布置在组件的分布式网络之内的任何位置。
51.本公开的实施例提供了用于利用自动化代理或聊天机器人(下文中为便于讨论而称为“聊天机器人”)来支持与人类用户/客户的交互的系统和方法。可以向联系中心提供实时调整各种聊天机器人以支持特定客户交互中的期望结果的能力。在一些实施例中，联系中心可以访问多个聊天机器人，并且可以基于聊天机器人的已知或测试的特性(与具有不同的已知或测试的特性的其他候选聊天机器人相比)选择特定聊天机器人来分配给交互。
52.下面将参考附图描述本公开的实施例的各种附加细节。虽然流程图将相对于特定的事件序列进行讨论和说明，但是应当理解，可以在不对所公开的实施例、配置和方面的操作产生实质性影响的情况下发生对该序列的改变、添加和省略。
53.首先参考图1，将描述根据本公开的至少一些实施例的通信系统100。通信系统100被示为包括通信网络104，通信网络104将联系中心108及其资源与多个客户通信设备112互连。顾名思义，客户通信设备112可以由客户116拥有和/或操作。客户116可以对应于与其客户通信设备112交互以与联系中心108的资源通信的用户或个人。具体地，联系中心108可以包括多个资源，这些资源经由呈现给客户116和他们的一个或多个客户通信设备112并由客户116和他们的一个或多个客户通信设备112维护以供使用的一个或多个通信信道来协助客户116交互。如图1所示，客户116可以利用一个或多个客户通信设备112来与联系中心108交互。此外，本公开的实施例设想客户116可以使用多个不同的客户通信设备112经由单个通信信道进行通信。作为非限制性示例，客户116可以登录到基于web的门户或利用特定聊天通道认证他们自己，然后利用基于web的门户或聊天通道与他们的客户通信设备112中的任何一个通信。作为另一示例，客户116可以利用一个通信设备112进行语音通信，但利用另一个通信设备112进行基于文本的通信。
54.客户通信设备112可以对应于计算设备、个人通信设备、便携式通信设备、膝上型计算机、智能手机、个人计算机和/或能够运行操作系统、网络浏览器等的任何其他设备。例如，客户通信设备112可以被配置为运行微软公司的和/或苹果公司的操作系统的各种版本、各种市场上可买到的中的任何一种(诸如linux或其他类unix操作系统)、ios、等。这些客户通信设备112还可以具有各种应用中的任何一种，包括例如web浏览器应用、聊天应用、社交媒体应用、呼叫应用等。客户通信设备112可以替代地或附加地是能够经由通信网络104通信和/或显示和导航网页或其他类型的电子文档的任何其他电子设备，诸如瘦客户端计算机、因特网使能的移动电话
和/或个人数字助理。
55.通信网络104可以是本领域技术人员所熟悉的任何类型的网络，其可以使用各种市场上可用的协议中的任何一种来支持数据通信，包括但不限于sip、tcp/ip、sna、ipx、appletalk等。仅作为示例，通信网络104可以对应于lan，诸如以太网网络、令牌环网络等；广域网；虚拟网络，包括但不限于虚拟私有网(“vpn”)；因特网；内联网；外联网；公共交换电话网(“pstn”)；红外线网络；无线网络(例如，在ieee 802.9协议组、ieee 802.11协议组、本领域已知的蓝牙协议和/或其他无线协议下工作的网络)；和/或这些和/或其他网络的任意组合。
56.联系中心108被示为包括使得联系中心代理172和/或聊天机器人152能够经由在客户通信设备112和联系中心108之间建立的通信信道与客户116交互的一个或多个计算设备。特别地，联系中心108被示为包括启用联系中心108的功能的网络边界设备120和多个服务器124、128、132。网络边界设备120可以对应于为联系中心108建立和维护信息安全的一个或多个设备。在一些实施例中，网络边界设备120可以包括会话边界控制器(sbc)、防火墙、网络地址转换器(nat)设备、协议转换器或其组合。因为从联系中心108的运营商的观点来看，通信网络104可能是不可信的，所以在一些实施例中，网络边界设备120可以被配置为实现安全策略或规则。当在网络边界设备120处接收到通信、消息、分组等时，网络边界设备120的组件可以分析接收到的通信、消息、分组等，以确定接收到的通信、消息、分组等的内容是否可以安全地传递到联系中心108的其他组件。在一些实施例中，可以将安全通过网络边界设备120的所有内容传送到通信服务器128或路由引擎124以供进一步分析和处理(例如，用于包括在特定对话中、用于分配/转发到特定的联系中心代理172、用于分配/转发到特定的聊天机器人152等)。
57.在一些实施例中，联系中心108的每个服务器可以被配置为执行特定任务或特定于联系中心108的支持功能的任务集合。例如，路由引擎124可以对应于被配置为从网络边界设备120接收消息并在联系中心108内为(多个)消息做出路由决策的服务器或服务器集合。通信服务器128可以对应于被配置为在客户116和联系中心108之间建立和维护通信信道的单个服务器或服务器集合。在一些实施例中，路由引擎124和通信服务器128可以协同工作，以确保适当的代理172、聊天机器人152、一组代理172和/或一组聊天机器人152被分配给特定通信信道，目的是服务/寻址由联系中心108的客户116发起的联系。具体地但非限制地，为了回答客户116的问题和/或为了向客户116提供服务，路由引擎124可以被配置为确定哪个代理172或聊天机器人152应当被分配给特定通信信道。如本文将进一步详细讨论的，路由引擎124可以从联系管理服务器132接收输入，该输入包括描述用于分配给客户116联系的所选聊天机器人152的信息。
58.路由引擎124可以向代理的通信设备176提供适当的信令，其使得代理的通信设备176能够与客户116正通过其进行通信的通信信道连接，并且使得代理172能够查看由客户的通信设备112发送的消息，这些消息最终被分配给并发布在适当的通信信道上。作为更具体的示例，通信服务器128可以建立和维护数字聊天通信信道，该数字聊天通信信道被呈现给客户的通信设备112并且使得客户116能够在需要时向联系中心108发送聊天消息。当从客户通信设备112接收到消息并将其分配给特定聊天通信信道时，路由引擎124可以确定哪个代理172或聊天机器人152将服务客户116的需求(例如，回答问题、提供服务等)。然后所
选代理的通信设备176和/或聊天机器人152连接到相同的聊天通信信道，从而使得代理172和/或聊天机器人152能够参与与客户116的聊天会话。替代地或另外地，如本文将更详细地描述的，路由引擎124可以执行成本效益分析，作为做出关于聊天机器人152的路由决策的一部分。例如，路由引擎124可以被配置为考虑与使用特定聊天机器人152服务客户116相关联的成本，并且相对于与成功完成与客户116的交互相关联的潜在收益(例如，销售或收入收益、客户满意度评级等)对该成本进行权衡。
59.应当理解，如果希望允许自动化代理以半自动话化方式(例如，聊天机器人152生成对消息的建议回复，但是在将消息发送/提交到通信信道并递送到客户通信设备112之前需要人工代理172批准或编辑消息的情形)响应客户116的消息，则路由引擎124可以被配置为将人工代理172和一个或多个聊天机器人152都连接到通信信道。
60.尽管被描述为聊天服务器，但是应当理解，通信服务器128可以被配置为支持任何数量的通信协议或应用，无论是同步的还是异步的。通信服务器128可以支持的通信协议或应用的非限制性示例包括会话发起协议(sip)、文件传输协议(ftp)、超文本传输协议(http)、http安全(https)、传输控制协议(tcp)、java、超文本标记语言(html)、短消息服务(sms)、因特网中继聊天(irc)、网络应用消息(wamp)、soap、mime、实时消息协议(rtp)、web实时通信(webrtc)、webgl、xmpp、skype协议、aim、微软通知协议、email等。除了支持基于文本的通信之外，通信服务器128还可以被配置为支持非基于文本的通信，诸如语音通信、视频通信等。
61.可以在联系中心108中提供的另一服务器或服务器集合是联系管理服务器132。联系管理服务器132可以被配置为管理存在于联系中心108内的联系或工作项目，这些联系或工作项目表示将由人工代理172和/或聊天机器人152执行的与向客户116提供服务有关的任务。联系管理服务器132可以被配置为在联系中心108中维护针对一些或所有联系在任何给定时间点的状态信息。联系管理服务器132还可以被配置为管理和分析历史联系，作为训练和更新自动化代理(例如，一个或多个聊天机器人152)的一部分。在一些实施例中，联系管理服务器132可以在联系中心108中维护人工代理172的状态信息，并且还可以与路由引擎124交互以确定哪些代理172当前可用于服务联系并且具有用于服务联系的适当技能。同样，联系管理服务器132可以被配置为确定与由聊天机器人引擎148提供的各种不同聊天机器人152相关联的特性，并从多个聊天机器人152中选择一个聊天机器人152以分配给联系。此外，分配决策可以是基于技能的分配决策。将关于聊天机器人引擎148、的操作更详细地描述联系管理服务器132的附加能力，即，聊天机器人调整164和聊天机器人选择器168，二者都被示为由联系管理服务器132提供。
62.虽然某些组件被描述为包括在联系管理服务器132中，但是应当理解，这类组件可以在联系中心108中的任何其他服务器或服务器集合中提供。例如，联系管理服务器132的组件可以在路由引擎124和/或通信服务器128中提供，反之亦然。此外，本公开的实施例设想了配备有路由引擎124、通信服务器128和联系管理服务器132的所有能力的单个服务器。
63.联系管理服务器132被示为包括处理器136、网络接口140和存储器144。处理器136可以对应于一个或多个计算机处理设备。处理器的非限制性示例包括微处理器、集成电路(ic)芯片、通用处理单元(gpu)、中央处理单元(cpu)等。本文描述的处理器136的示例可以包括但不限于以下至少之一：高通和801、具有4g lte集成和64位
计算的高通骁龙和615、具有64位架构的苹果处理器、苹果运动协处理器、三星系列、英特尔系列处理器、英特尔系列处理器、英特尔系列处理器、英特尔系列处理器、英特尔i5
‑
4670k和i7
‑
4770k 22nm haswell、英特尔i5
‑
3570k 22nm ivy桥、fx
tm
系列处理器、fx
‑
4300、fx
‑
6300和fx
‑
8350 32nm vishera、kaveri处理器、德州仪器c6000
tm
汽车信息娱乐处理器、德州仪器汽车级移动处理器、cortex
tm
‑
m处理器、cortex
‑
a和arm926ej
‑
s
tm
处理器、其他行业等同的处理器，并且可以使用任何已知或未来开发的标准、指令集、库和/或架构来执行计算功能。
64.网络接口140可以被配置为使得联系管理服务器132能够与联系中心108中的其他机器通信和/或与和通信网络104连接的其他机器通信。网络接口140可以包括但不限于调制解调器、网卡(无线或有线)、红外通信设备等。
65.存储器144可以包括一个或多个计算机存储器设备。存储器144可以被配置为存储可由处理器136执行并且最终提供本文描述的通信管理服务器132的功能的程序指令。存储器144还可以被配置为存储数据或信息，该数据或信息可由存储在存储器144中的指令使用或能够被存储在存储器144中的指令调用。可以存储在存储器144中以供其组件使用的数据的一个示例是训练数据160。
66.存储器144可以包括例如，随机存取存储器(ram)设备、只读存储器(rom)设备、闪存设备、磁盘存储介质、光存储介质、固态存储设备、核心存储器、缓冲存储器设备、这些的组合等。在一些实施例中，存储器144对应于计算机可读存储介质，并且尽管存储器144被描绘为在联系管理服务器132内部，但是应当理解，存储器144可以对应于联系管理服务器132外部的存储器设备、数据库或装置。
67.说明性地，存储器144被示为存储聊天机器人引擎148，该聊天机器人引擎148包括多个不同的聊天机器人152。每个聊天机器人152可以被配置为由处理器136执行。在一些实施例中，一个或多个聊天机器人152可以对应于一组处理器可执行指令(例如，具有定义的输入、变量和输出的有限指令集)。在一些实施例中，聊天机器人152可以对应于由处理器136执行的联系管理服务器132的人工智能(ai)组件。在一些实施例中，聊天机器人引擎148可以利用一个或多个对话模型156，对话模型156可以是人工神经网络的形式，用于识别和响应客户116通过通信服务器128支持的通信信道发送的消息。在一些实施例中，聊天机器人引擎148的每个聊天机器人152可以利用训练数据160来训练，并且可以被编程为在这样的对话发生时或在对话发生之后从附加对话中学习。在一些实施例中，聊天机器人引擎148可以在不同聊天机器人152从正在进行的对话中学习时更新一个或多个对话模型156。在一些实施例中，由聊天机器人引擎148提供的每个聊天机器人152可以被配置为提供不同的属性、特性或技能。换言之，每个聊天机器人152可以不同于所有其他聊天机器人152，并且可以基于每个聊天机器人152拥有的特定技能被选择用于分配给对话。
68.在一些实施例中，聊天机器人152可以被训练或调整为具有特定特性或技能(例如，友好、支持、自信、了解特定技术、使用技术术语、使用外行术语等)。聊天机器人152及其
特性可以使用聊天机器人调整164功能来调整。聊天机器人调整164可以由联系中心108的操作员调节，或者可以基于某些联系中心108条件(例如，呼叫量、客户级别等)自动调节。除了提供聊天机器人152调整能力之外，还可以提供聊天机器人选择器168以从多个聊天机器人152中选择一个聊天机器人152分配给特定客户、分配给特定交互等。使得聊天机器人调整164和聊天机器人选择器168能够同时工作可以使得联系中心108能够针对特定客户或技能要求专门调整特定的所选择的聊天机器人152。也就是说，可以选择特定的聊天机器人152来分配给客户116，然后在使得聊天机器人152能够参与与客户116的交互之前，可以使用聊天机器人调整164来适当地调整所选择的聊天机器人152。
69.如上所述，聊天机器人引擎148和由此提供的聊天机器人152可以被配置为使用一组指南(例如，作为一组静态指令)或通过使用机器学习来操作。现在将参考图2描述利用机器学习的聊天机器人引擎148的更多细节。同样，利用机器学习的聊天机器人引擎148可以访问训练数据160以初始训练聊天机器人152的行为。聊天机器人引擎148还可以被配置为基于反馈从进一步的对话中学习，反馈可以以自动化方式(例如，经由递归学习神经网络)和/或人工提供的方式(例如，通过人工代理172确认或否认由聊天机器人152准备的特定响应适合于从客户116接收的特定消息)来提供。
70.聊天机器人引擎148的学习/训练模块204可以访问和使用一个或多个对话模型156。对话模型156可以由训练/学习模块204基于训练数据和反馈来构建和更新。学习/训练模块204还可以被配置为访问来自报告数据库212的信息，以便建立机器人响应数据库216，机器人响应数据库216有效地存储聊天机器人引擎148先前提供的并且在该情况下(例如，基于来自客户116的肯定响应和/或基于管理用户输入)被识别为有效或适当的机器人响应。在一些实施例中，每个单独的聊天机器人152可以具有其自己的机器人响应数据库216，并且可以利用其自己的唯一训练数据160来训练。当所选聊天机器人152参与与客户116的更多对话时，学习/训练模块204可以持续地更新、修改、编辑或删除机器人响应数据库216内的响应。
71.在一些实施例中，聊天机器人引擎148可以包括针对每个所选聊天机器人152的推荐引擎208，该推荐引擎208可以访问机器人响应数据库216并基于对话输入224从机器人响应数据库216选择适当的响应推荐。输入224可以包括实时聊天数据、语音数据、视频数据以及聊天机器人调整164的输出。聊天机器人调整164可以用于具体地调整或调节所选聊天机器人152的特性。
72.实时聊天数据可以对应于在通信信道上从客户的通信设备112接收的消息的内容。使用输入224和机器人响应数据库216，所选聊天机器人推荐引擎208可以被配置为向响应生成器220推荐一个或多个响应。响应生成器220可以被配置为提供所选择的响应作为用于在适当的通信信道上发送的聊天机器人输出。聊天机器人引擎148(和在其中操作的所选聊天机器人152)与客户116之间的交互可以表示联系中心108内的联系，并且该联系的状态可以由相应地更新对话状态的代理监视功能来确定。在一些实施例中，聊天机器人引擎148可以被配置为以如下方式与客户116交互：客户116不知道他们正在与自动化代理交互，而是认为他们自己正在与人工代理172交互。
73.为了实现该能力，可以持续地向聊天机器人引擎148和其中提供的每个聊天机器人152提供来自在特定通信信道上发生的人工代理172和客户116之间的对话的训练数据。
可以训练聊天机器人152以具有特定技能(例如，通过利用与诸如销售、产品故障排除、计费、预订帮助等特定主题相关的对话来训练聊天机器人152)。因此，应当理解，在不脱离本公开的范围的情况下，联系中心108可以包括多个不同类型的聊天机器人152，并且每个聊天机器人152可以由聊天机器人选择器168选择以分配给特定客户116并进行交互。
74.现在参考图3
‑
6，将根据本公开的至少一些实施例描述聊天机器人152的各种能力和另外的功能。在一些实施例中，聊天机器人152可以包括特性范围304和定义的技能集312。当聊天机器人152被聊天机器人选择器168选择并分配给客户交互时，聊天机器人调整164可以将所选择的聊天机器人152调整到当前特性选择308。当前特性选择308可以对应于聊天机器人152的特性范围304内的特定特性设置。在一些实施例中，可以通过利用不同的训练数据504训练聊天机器人152来创建每个聊天机器人152的特性范围304和/或技能集312。如图5中所示，可以利用不同的训练数据504训练由聊天机器人引擎148提供的每个聊天机器人152，从而使得每个聊天机器人148能够展现不同的特性范围304。
75.在一些实施例中，聊天机器人选择器168可以基于将匹配或满足客户116的通信偏好的感知人格特质320来选择特定的聊天机器人152以分配给客户116。在一些实施例中，聊天机器人调整164还可以调整404所选聊天机器人152的不同人格特性316，以尝试满足客户116的期望的人格特质320。具体地，聊天机器人选择器168可以被配置为确定发起联系的客户116更可能感到合意的客户人格特质320。所识别的人格特质p1、p2、p3、
…
等可以被确定为具有特定值(例如，礼貌的特质可以具有非常礼貌、适度礼貌、不礼貌等的值)以及人格特质的相应重要性(例如，非常重要、有点重要、不重要)。在图3的图表中，人格特质图表上每个条形的位置可以代表人格特质的特定值，而条形的幅度/大小代表人格特质的相应重要性。
76.如图3和图4中所示，可由聊天机器人152提供的每个人格特性316可以在特性范围304内是可调整的404。在一些实施例中，聊天机器人152的特性范围304可以首先通过训练聊天机器人152来建立，然后随着聊天机器人152在使用中被进一步训练和更新(例如，基于训练反馈)，特性范围304可以随时间移动或调节。聊天机器人152的特性范围304可以由具有相应平均值、中值、标准差、宽度等的概率曲线来表示。聊天机器人152提供特定人格特性316的能力可能不准确，因此更好的是被表示为概率曲线。在一些实施例中，概率曲线的宽度可以表示聊天机器人152以确定的置信度提供特定人格特性的能力。例如，图3的第一聊天机器人152被示为具有相对较宽的第一人格特性316的概率曲线，但具有较窄的第二人格特性316的概率曲线。这意味着，相比于第一人格特性316的均值/平均值，第一聊天机器人152更有可能能够提供第二人格特性316的均值/平均值。任何人格特性316的更窄的概率曲线也可以反映聊天机器人152对于该特定人格特性316不太可能是可调整的404。换言之，人格特性316的较宽概率曲线可以表明聊天机器人152可以使该特定人格特性316比具有较窄概率曲线的某些其他人格特性316被聊天机器人调整316调整的更多。
77.每个人格特性316的概率曲线的所有参数可以有效地表示聊天机器人152的特性范围304。此外，如果聊天机器人152具有大量不同的人格特性316，并且每个人格特性316的相应特性范围304具有宽概率曲线，则聊天机器人152可以被认为是相对灵活的聊天机器人152，但是聊天机器人152可能不一定以高置信度提供任何特定的人格特性316。另一方面，针对人格特性316具有相对较窄概率曲线的具有一个或两个特定人格特性316的聊天机器
人152可以更可能在交互期间以高置信度提供人格特性316。
78.在一些实施例中，聊天机器人152的人格特性316可以与客户116所期望的一个或多个人格特性320相匹配，并且聊天机器人152可以基于此由聊天机器人选择器168选择。使用图3的非限制性示例，可以发现客户116具有六个人格特质320，它们通过对应的值和重要性级别而被发现是合意的。基于条形的幅度，人格特质p1、p3和p5被识别为客户116最重要的人格特质320，并且每个条形的位置代表人格特质320的值。聊天机器人选择器168可以参考可用于与客户116交互的所有聊天机器人152的人格特性以及每个聊天机器人152的人格特性316，以确定哪个聊天机器人152将最有可能以令人满意的方式与客户116交互。基于为客户116识别的人格特质320的重要性，聊天机器人选择器168将通过分析聊天机器人152的人格特性316来寻找能够提供合意的人格特质320的聊天机器人152。如果有可能提供人格特性p1、p3和p5中的一个或多个的另一个聊天机器人152可用，则不可能提供p1、p3和p5的人格特性的聊天机器人152将不可能被选择用于客户交互。在图3的示例中，第一聊天机器人152不具有第五人格特质p5的人格特性316，而第二聊天机器人152不具有第三人格特质p3的人格特性316。然而，第二聊天机器人152具有以高置信度(因为针对这些人格特质是窄概率曲线)提供第一人格特质p1和第五人格特质p5的能力(如特性范围304所表示的)，而第一聊天机器人152针对第一人格特质p1不具有那么窄的概率曲线。这意味着聊天机器人选择器168可以选择第二聊天机器人152来与客户116交互，而不是选择第一聊天机器人152，因为第二聊天机器人152更可能提供满足被识别为对客户116来说重要的第一和第五人格特质的合意人格特性316。
79.当客户116与所选择的聊天机器人152交互时，聊天机器人调整164可以分析客户116对聊天机器人152提供的输出的反应，以确定交互是在积极地进行(例如，朝着解决方向从一个状态向下一个状态移动)、消极地进行(例如，客户116表现出挫败)或停滞(例如，交互没有朝着解决方向从一个状态向下一个状态移动)。如果聊天机器人调整164检测到交互在消极进行或停滞，则聊天机器人调整164可以尝试调整404所选聊天机器人152的一个或多个人格特性316。如上所述，针对特定人格特性316具有更宽概率曲线的聊天机器人152可以更灵活地调整到不同的值。另一方面，针对特定人格特性316具有较窄概率曲线的聊天机器人152可能无法那么灵活调整以提供不同的值。如图4中所示，某些聊天机器人152可能不能使它们的人格特性316被调整以提供人格特质320的特定值(例如，p3处于合意值的第三人格特质)。
80.在一些实施例中，每个人格特性316可以匹配客户116期望的特定人格特质320。在相应的人格特性316的概率曲线与针对客户的期望格特质320定义的值重叠的某些情况下，聊天机器人152的人格特性316可以满足客户116的人格特质320。人格特性316(或者如果从顾客116偏好的角度来看，则为人格特质320)可以对应于独断的、被动的、安静的、宽容的、尽责的、随和的、外向的和/或内向的。每个人格特质320可以具有相应的人格特性316，或者可以被映射到由聊天机器人152提供的不同人格特性316的组合。
81.如图5和图6中所示，因为每个聊天机器人152可以利用不同的训练数据504来训练，所以每个聊天机器人152可以被配置为向来自客户交互604的公共输入提供不同的聊天机器人响应608。知道该信息的情况下，本公开的实施例设想在将聊天机器人152分配给特定客户交互之前测试一个或多个聊天机器人152的能力。具体地，聊天机器人选择器168可
以被配置为将来自客户交互604的初始输入提供给多个不同的聊天机器人152。每个聊天机器人152可以提供具有与其相关联的预期收益612的候选聊天机器人响应608。聊天机器人选择器168可以分析多个不同的聊天机器人响应608、聊天机器人响应608的相关联的收益612、以及选择聊天机器人152用于客户交互的可能成本616，作为选择聊天机器人152的一部分。来自客户交互604的输入可以对应于文本、语音或视频输入(取决于客户116用来联系联系中心108的通信信道)。候选聊天机器人响应608也可以是文本、语音或视频格式。
82.聊天机器人选择器608可以被配置为在从多个聊天机器人中选择一个聊天机器人152用于客户交互时应用优化函数。聊天机器人选择器168可以使用优化函数来平衡一个候选聊天机器人响应608的预期收益612对比于其他聊天机器人响应608的预期收益612。在一些实施例中，聊天机器人选择器168可以选择聊天机器人152，该聊天机器人152提供具有最大预期收益612的候选聊天机器人响应608。聊天机器人选择器168可以替代地或另外地平衡使用一个聊天机器人152的成本616相比于使用其他聊天机器人152的成本616。在一些实施例中，聊天机器人选择器168可以选择为给定客户交互提供最低使用成本616的聊天机器人152。聊天机器人选择器168可以替代地或另外地加权与每个聊天机器人152相关联的成本和收益，并且可以应用最大化预期收入、最大化预期利润、最小化成本、最大化客户满意度等的优化函数。换言之，聊天机器人选择器608应用的优化函数可以考虑与使用不同聊天机器人152相关联的任何数量的因素，作为选择用于分配给客户交互的聊天机器人152的一部分。
83.在一些实施例中，候选聊天机器人响应608可以由聊天机器人选择器168实时或近实时地接收和分析。作为示例，如果经由基于文本的通信信道(例如，聊天、社交媒体帖子等)接收到来自客户交互604的输入，则在聊天机器人选择器168选择特定聊天机器人152分配给交互并将所选聊天机器人152的响应提交回客户116之前，可以分析所有基于文本的候选聊天机器人响应608。聊天机器人选择器168执行的分析可以在后台进行，并且足够快，使得响应被返回给客户116，而客户察觉不到任何响应时间的显著延迟。换言之，聊天机器人选择器168可以足够快地选择聊天机器人152，以使其看起来好像在从客户交互604接收输入之前选择了聊天机器人152或由聊天机器人152表示的人工代理。在另一示例中但相关地，如果经由语音接收来自客户交互604的输入，则在选择特定聊天机器人152分配给客户交互之前，聊天机器人选择器168可以分析基于语音的候选聊天机器人响应608(或可能的基于语音的响应的文本版本)。
84.现在参考图7
‑
12，将根据本公开的至少一些实施例描述各种通信方法。在不脱离本公开的范围的情况下，本文描述的通信方法可以彼此组合，或者来自一种通信方法的步骤可以在另一种通信方法中使用。此外，虽然方法的某些方法和步骤将被描述为由特定系统100组件执行，但是应当理解，本文描述的任何组件都可以被配置为执行本文描绘和描述的方法步骤中的一些或全部。此外，尽管某些方法被描述为具有以特定顺序执行的方法步骤，但是应当理解，在不脱离本公开的范围的情况下，可以改变或更改方法步骤的顺序。
85.现在参考图7，将根据本公开的至少一些实施例描述第一通信方法。该方法开始于联系中心108维护具有不同技能集312和不同人格特性的多个聊天机器人152(步骤704)。每个聊天机器人152可以利用不同的训练数据504进行训练，从而导致每个聊天机器人152具有不同的技能集312和人格特性。聊天机器人152的人格特性可以由人格特性范围304表示，
这意味着聊天机器人152能够以一置信度提供特定的人格特性。
86.当在联系中心108从客户通信设备112接收到联系时，该方法继续(步骤708)。联系可以是基于文本的、基于语音的、基于视频的、基于web的、基于社交媒体的，等等。客户通信设备112可以经由一个或多个不同的通信信道向联系中心108发送一个或多个消息。在接收到(多个)消息时，联系中心108可以建立协助解决客户查询(例如，客户116联系联系中心108的原因)的客户交互或工作流。在一些实施例中，联系中心108可以利用联系管理服务器132来确定与该联系相关联的一项或多项技能(步骤712)。技能可以基于客户116提供的(多个)消息的内容、基于来自crm数据库的关于客户116的知识、基于客户116对联系原因(例如，服务、销售、故障排除、技术支持、计费等)的自我选择来确定。
87.该方法如下继续：聊天机器人选择器168将与联系相关联的/联系所需的(多个)技能与联系中心108中的每个聊天机器人152的技能集312进行比较(步骤716)。如果可能，聊天机器人选择器168还可以确定客户116最可能合意或喜欢的(多个)人格特质320(步骤720)。合意的人格特质320的确定可以基于联系的内容、基于从crm数据库获得的历史客户信息、基于客户116对客户调查期间提出的问题的响应等。
88.然后，聊天机器人选择器168可以将被确定为客户116可能合意的(多个)人格特质320与多个聊天机器人152的人格特性316进行比较(步骤724)。在一些实施例中，聊天机器人选择器168可以分析每个聊天机器人152的特性范围304以及与不同人格特性316相关联的各种概率曲线，以确定是否有任何聊天机器人152比其他聊天机器人152更可能提供客户116所需的人格特质320。
89.基于在步骤716和724中执行的比较，聊天机器人选择器168可以从多个聊天机器人中选择聊天机器人152(步骤728)。然后，可以允许所选聊天机器人152通过向客户通信设备112发送响应、通过接收进一步的客户消息并且然后响应这些进一步的客户消息来参与与客户116的交互(步骤732)。在一些实施例中，聊天机器人152可以参与客户交互，并尝试使交互通过多个状态朝着解决客户询问的方向前进。应当理解，聊天机器人选择器168可以被配置为在聊天机器人152和客户联系之间基于技能的匹配与人格特性匹配考虑因素之间进行权衡。这种权衡可以通过使得聊天机器人选择器168能够应用同时考虑基于技能的匹配和人格特性匹配这两者的优化函数来实现。如果没有聊天机器人152可用于为客户116提供所需技能，则聊天机器人选择器168可以仅考虑人格特性匹配。类似地，如果两个聊天机器人152具有服务客户交互所需的技能，则基于哪个聊天机器人152具有更可能匹配客户116期望的人格特质320的人格特性316，聊天机器人选择器168可以在两个聊天机器人152之间进行选择。
90.现在参考图8，将根据本公开的至少一些实施例描述第二通信方法。该方法开始于确定在客户116与联系中心108的交互期间客户116很可能感到合意的人格特质320(步骤804)。人格特质320的确定可以基于客户116消息的内容、基于从客户116接收的对调查问题的响应的信息、基于从历史客户信息(例如，从crm数据库)获得的信息、或其组合。
91.该方法如下继续：聊天机器人调整164调节由正在与客户116交互或已经被选择分配给客户交互的聊天机器人152提供的当前特性选择308(步骤808)。在一些实施例中，聊天机器人调整164被配置为调整404所选聊天机器人152的一个或多个不同人格特性316。可以执行调整过程以尝试使聊天机器人152提供与在步骤804中识别的(多个)人格特质匹配的
人格特性或人格特性的组合。
92.聊天机器人调整164可以被配置为观察和分析所选聊天机器人152和客户116之间的交互(步骤812)，以确定是否正在实现人格特性316和人格特质320之间的适当匹配。具体地，该方法可以包括确定是否需要进一步的聊天机器人调整(步骤816)。如果确定交互是消极的或停滞的，这两者都可能导致客户116挫败，则可能需要进一步调整。如果交互正在朝着解决方向从一个状态前进到下一个状态，则可能不需要进一步调整。如果需要进一步调整，则该方法可以返回到步骤808。如果不需要进一步调整，可能是因为聊天机器人152正在提供适当类型的人格特性316，并且当前特性选择308正在满足客户116的需求，则该方法可以通过确定客户交互是否完成来继续(步骤820)。如果客户交互尚未完成，则该方法返回到步骤816。如果客户交互完成，则聊天机器人调整可以最终完成，并且该方法可以通过向客户交互中涉及的聊天机器人152提供任何附加训练或反馈来继续(步骤824)。经更新的聊天机器人训练的该附加步骤可以对应于可选步骤。
93.现在参考图9，将根据本公开的至少一些实施例描述第三通信方法。该方法开始于聊天机器人选择器168将服务客户联系所需的一个或多个技能与在联系中心108中可供使用的聊天机器人152的技能集312和/或人格特性相比较(步骤904)。聊天机器人选择器168可以针对多个聊天机器人152中的每一个分析可以由概率曲线表示的特性范围304(步骤908)。
94.聊天机器人选择器168还可以在分析每个候选聊天机器人152的概率曲线时将概率曲线的参数指定为感兴趣的参数(步骤912)。感兴趣的参数可以取决于概率曲线的性质。例如，钟形曲线可以具有包括平均值、中值、模式、宽度、标准偏差、对称度、峰值等的参数。感兴趣的参数中的一个或多个可用于分析并从多个聊天机器人152中选择一个聊天机器人152以分配给客户交互。具体地，该方法可以包括确定每个被分析的聊天机器人152可以提供人格特性316的可能性。聊天机器人152可以提供人格特性316的可能性可以取决于正在分析的概率曲线的感兴趣的参数。分析每个聊天机器人152的概率曲线的同一感兴趣的参数可以使得聊天机器人选择器168能够准确和适当地选择特定聊天机器人152以分配给客户交互。在该方法中执行的分析还可以使得聊天机器人选择器168更可能选择提供一组适当的人格特性以匹配客户116合意的人格特质的聊天机器人152。
95.现在参考图10，将根据本公开的至少一些实施例描述第四通信方法。该方法开始于从分配给客户交互的聊天机器人152接收聊天机器人输出(步骤1004)。从聊天机器人152接收的输出可以被阻止(例如，不提供给客户116、传输到客户通信设备112、存储在缓冲存储器中等)直到执行进一步的核实过程(步骤1008)。
96.在阻止聊天机器人152输出的同时，该方法可以通过向人工代理172提供聊天机器人152输出的副本以供分析和核实来继续(步骤1012)。在一些实施例中，人工代理172可以分析聊天机器人152输出的一些或全部，以确定聊天机器人152输出是否充分地解决或响应了在客户交互期间接收的上一个客户116输入。在一些实施例中，人工代理172可以分析聊天机器人152输出的准确性、相关性、内容以及任何其他主观或客观标准。例如，人工代理172可以分析聊天机器人152输出以确定是否正在应用适当的人格特性来匹配所确定的客户116期望的人格特质。
97.如果人工代理172将核实聊天机器人152的输出传输给客户116可接受的输入提供
回系统，则该方法将继续(步骤1016)。在一些实施例中，可以允许人工代理172编辑或修改聊天机器人152的输出，并且由人工代理172提供的编辑可以用作对系统的反馈，以改善聊天机器人152的学习和整体性能。
98.在接收到指示聊天机器人152的输出是可接受的人工输入之后，该方法可以通过向客户116传输聊天机器人152的输出来继续(步骤1020)。在一些实施例中，传输给客户116的输出可以对应于编辑后的版本或者对应于人工代理172批准的输出的任何版本。
99.现在参考图11，将根据本公开的至少一些实施例描述第五通信方法。该方法开始于从客户通信设备112接收消息(步骤1104)。该消息可以在联系中心108支持的任何通信信道上接收，并且可以使用任何合适的通信模态(例如，文本、语音、视频、社交媒体、网络协作等)。
100.在选择用于响应从客户通信设备112接收的消息的聊天机器人152之前，聊天机器人选择器168可以向多个聊天机器人152提供一些或全部消息内容(步骤1108)。在一些实施例中，提供给多个聊天机器人中的每个聊天机器人152的内容是相同的，并且可以对应于来自客户交互604的整个输入。
101.每个聊天机器人152可以基于从客户交互604接收的输入来产生候选输出608(步骤1112)。聊天机器人选择器168可以被配置为分析每个候选输出608，包括与每个候选输出608相关联的预期收益612(步骤1116)。聊天机器人选择器168还可以确定与使用每个聊天机器人152相关联的成本616，并将一些或全部聊天机器人152的预期收益612与成本616进行比较(步骤1120)。在一些实施例中，聊天机器人选择器168可以应用优化函数以从多个聊天机器人中选择聊天机器人152(步骤1124)。作为示例，聊天机器人选择器168可以基于每个聊天机器人152的预期收益612和使用成本616来选择最满足优化函数的聊天机器人152。
102.然后，可以将所选聊天机器人152分配给客户交互(步骤1128)。在一些实施例中，将聊天机器人152分配给客户交互可以使得所选聊天机器人152能够继续响应从客户116接收的附加消息。在一些实施例中，从客户116接收的每个消息可以流经图11的方法，使得选择不同的聊天机器人152向从客户116接收的每个消息提供输出。以此方式，不选择特定聊天机器人152来处理整个客户交互，而是在提供对客户消息的响应之前分析多个聊天机器人152的候选输出608。如果需要，还可以在客户交互期间对所选聊天机器人应用适当的人工监督(步骤1132)。例如，人工代理172可以在将聊天机器人152(或不同聊天机器人152)生成的响应提交给客户116之前审查和核实这些响应中的一些或全部。来自人工代理172的输入可以被提供回聊天机器人引擎148，作为对聊天机器人152进行再训练或教导的一部分。
103.现在参考图12，将根据本公开的至少一些实施例描述第六通信方法。当聊天机器人引擎148启动对一个或多个不同聊天机器人152的训练时，启动该方法(步骤1204)。训练方法可以对应于针对新聊天机器人152的初始训练方法，或者对应于联系中心108已经在使用的聊天机器人152的再训练。
104.训练方法可以通过向正在训练的每个聊天机器人152提供不同的训练数据504来继续(步骤1208)。作为示例，一个聊天机器人152可以接收特定于第一技能、第一人格特性等的第一训练数据。例如，第一训练数据504可以对应于与特定产品的客户支持或技术支持相关的联系中心交互(文本、语音、视频、网络协作、社交媒体等)。在第一训练数据504上训练的聊天机器人152可以被训练为开发第一技能(例如，客户支持技能或技术支持技能)。第
二训练数据504可以应用于不同的聊天机器人152以开发第二技能。作为示例，第二训练数据504可以对应于与计费查询相关的联系中心交互。在第二训练数据504上训练的聊天机器人152可以被训练为开发第二技能(例如，记账技能)。作为另一示例，另一聊天机器人152可以在第三训练数据504上训练，该第三训练数据504对应于用于销售的联系中心交互。利用第三训练数据504训练的聊天机器人152可以开发第三技能(例如，销售技能)。以这种方式，不同的聊天机器人152可以被训练为具有不同的技能集312，这可以在聊天机器人选择过程期间被分析。
105.当聊天机器人引擎148确认全部聊天机器人152已经根据它们各自的训练数据被满意地训练时，训练方法可以完成(步骤1212)。训练完成的确认可以基于聊天机器人152接收和摄取全部训练数据504和/或确认聊天机器人152现在具有合意的技能和/或人格特性。
106.然后，该方法可以通过将每个训练后的聊天机器人152提供给联系中心108以供在联系中心108操作期间存储和选择性使用来继续(步骤1216)。在一些实施例中，每个聊天机器人152可以与描述聊天机器人152的能力(例如，特性范围304、技能集312等)的信息一起存储。可以存储描述聊天机器人152的能力的信息，使得聊天机器人选择器168可以容易且快速地访问该信息，以针对客户交互、新接收的客户消息等进行聊天机器人选择。
107.在各个方面、实施例和/或配置中，本公开基本上包括本文描绘和描述的组件、方法、过程、系统和/或装置，包括各个方面、实施例、配置实施例、子组合和/或其子集。本领域技术人员将在理解本公开之后理解如何制作和使用所公开的方面、实施例和/或配置。在各个方面、实施例和/或配置中，本公开包括在缺少本文或其各个方面、实施例和/或配置中未描绘和/或描述的项目的情况下，包括在缺少可能已经在先前设备或过程中使用的项目的情况下，提供设备和过程，例如用于提高性能、实现简易性和/或降低实现成本。
108.出于说明和描述的目的，提出了前述讨论。前述内容并不旨在将公开内容限制在本文公开的一种或多种形式中。例如，在前述具体实施方式中，为了精简本公开的目的，在一个或多个方面、实施例和/或配置中将本公开的各种特性分组在一起。本公开的各方面、实施例和/或配置的特性可以在不同于上面讨论那些的替换方面、实施例和/或配置中组合。本公开方法不应被解释为反映权利要求需要比每个权利要求中明确叙述的特征更多的意图。相反，如以下权利要求所反映的，创造性方面不在于少于单个前述公开的方面、实施例和/或配置的所有特性。因此，本文将以下权利要求合并到该具体实施方式中，其中每个权利要求自身作为本公开的单独优选实施例。
109.此外，尽管本说明书已经包括了对一个或多个方面、实施例和/或配置以及某些变型和修改的描述，但是在理解本公开之后，其他变型、组合和修改也在本公开的范围内，例如，可以在本领域的技术人员的技术和知识范围内。意在获得在允许的范围内包括替代的方面、实施例和/或配置的权利，包括对要求保护的那些结构、功能、范围或步骤替代的、可互换的和/或等同的结构、功能、范围或步骤，而不管本文是否公开了这种替代的、可互换的和/或等同的结构、功能、范围或步骤，并且不意图公开指定任何可专利的主题。