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申请将更加全面和完整，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。在下面的描述中，提供许多具体细节从而给出对本申请的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本申请的各方面变得模糊。

此外，附图仅为本申请的示意性图解，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。

图1示出了可以应用本申请实施例的一种会话需求处理方法及会话需求处理装置的示例性应用环境的系统架构的示意图。

如图1所示，系统架构100可以包括用户终端101、102、103中的一个或多个，网络104和服务器105。网络104用以在用户终端101、102、103和服务器105之间提供通信链路的介质。网络104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。用户终端101、102、103可以是具有显示屏的各种电子设备，包括但不限于台式计算机、便携式计算机、智能手机和平板电脑等等。应该理解，图1中的用户终端、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用户终端、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。

举例来说，服务器105可以根据目标用户的需求信息构建虚拟客服模型；当会话中检测到与目标用户对应的问题信息时，基于问题信息生成问题特征编码；基于问题特征编码和需求信息生成偏好概率集；其中，偏好概率集用于表征目标用户偏好各话术类别的概率；根据偏好概率集确定目标话术类别，并控制虚拟客服模型基于目标话术类别在会话中回复问题信息。

图2示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

需要说明的是，图2示出的电子设备的计算机系统200仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图2所示，计算机系统200包括中央处理单元(CPU)201，其可以根据存储在只读存储器(ROM)202中的程序或者从储存部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在(RAM)203中，还存储有系统操作所需的各种程序和数据。(CPU)201、(ROM)202以及(RAM)203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。

以下部件连接至(I/O)接口205：包括键盘、鼠标等的输入部分206；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207；包括硬盘等的储存部分208；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209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至(I/O)接口205。可拆卸介质211，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210上，以便于从其上读出的计算机程序根据需要被安装入储存部分208。

特别地，根据本申请的实施例，下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，本申请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209从网络上被下载和安装，和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时，执行本申请的方法和装置中限定的各种功能。

需要说明的是，本申请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。在本申请中，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。而在本申请中，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，图示了按照本申请各种实施例的系统、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。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

作为另一方面，本申请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电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。例如，所述的电子设备可以实现如图3所示的各个步骤等。

在现有技术中，虚拟客服服务可以替代人工客服服务中的一些简单重复的基础工作(如，转接请求、条款解读、激活码申请等)。但是，当前广泛使用的虚拟客服服务常被认为是呆板迟钝的，虚拟客服形象一般是唯一的，无论用户发出什么服务请求，虚拟客服回复的话术都是相同的。这样容易降低用户的使用热情和满意度，可能会导致用户直接越过虚拟客服转向人工客服，最终增加人力负担，影响服务质量。

为了解决这一问题，申请人想到，可以确定不同用户对应的不同客服形象偏好，依据该偏好生成个性化的虚拟客服模型，改善以往虚拟客服的刻板形象。另外，在客服会话过程中，也可以预测用户对各类话术的偏好程度，从而选择最适合用户的话术与用户进行交流，以提升个性化程度，这样有助于改善用户的体验。

具体可以参考图3所示，本示例实施方式提供了一种会话需求处理方法，该会话需求处理方法可以包括以下步骤S310至步骤S340，具体地：

步骤S310：根据目标用户的需求信息构建虚拟客服模型。

步骤S320：当会话中检测到与目标用户对应的问题信息时，基于问题信息生成问题特征编码。

步骤S330：基于问题特征编码和需求信息生成偏好概率集；其中，偏好概率集用于表征目标用户偏好各话术类别的概率。

步骤S340：根据偏好概率集确定目标话术类别，并控制虚拟客服模型基于目标话术类别在会话中回复问题信息。

下面，对于本示例实施方式的上述步骤进行更加详细的说明。

在步骤S310中，根据目标用户的需求信息构建虚拟客服模型。其中的目标用户可以为任一软件使用者，软件使用者可以为已注册用户也可以为未注册用户，本申请实施例不作限定。此外，目标用户的需求信息可以包括至少一个需求特征(如，女性、长发、蓝眼睛等)，需求信息可以理解为用户对于客服形象的偏好。举例来说，若用户U的需求信息P_U为“需要女客服，最好是长发、蓝眼睛”，则可以从需求信息中提取出需求特征：女性、长发、蓝眼睛。根据女性、长发、蓝眼睛可以构建一个虚拟客服模型，该虚拟客服模型可以为二维模型也可以为三维模型，通过个性化定制的虚拟客服模型为用户提供客服服务，可以改善用户的使用体验，从而有利于提升用户对于软件的使用黏度。

作为对步骤S310的进一步限定，可选的，根据目标用户的需求信息构建虚拟客服模型，包括：获取与目标用户的需求信息相匹配的客服图像，并基于客服图像构建虚拟客服模型。这样可以实现对于虚拟客服模型的个性化构建，可以为用户提供与其需求信息相适应的虚拟客服模型。此外，虚拟客服模型是基于与需求信息相匹配的客服图像生成的，而客服图像可以直接获取得到，相较于从零开始生成一个虚拟客服模型，这样可以提升虚拟客服模型的构建效率。

其中，与目标用户的需求信息相匹配的客服图像的数量可以为一个或多个，客服图像可以是数据库中预存储的图像，也可以为根据需求信息生成的图像，也可以为用户上传的图像，本申请实施例不作限定。此外，基于客服图像构建虚拟客服模型，包括：将客服图像输入生成对抗FIT网络(Generative Adversarial Network Fitting for HighFidelity 3D Face Reconstruction，GANFIT)，以使得GANFIT基于客服图像生成3D的虚拟客服模型。

在此基础上，上述方法还可以包括：根据检测到的存储操作存储虚拟客服模型和客服图像中至少一种。这样可以实现便于对虚拟客服模型和/或客服图像进行重复利用，当目标用户再次请求客服服务时，可以直接调用已存储的虚拟客服模型和/或客服图像，以提升对于用户请求的响应效率。

具体地，根据检测到的存储操作存储虚拟客服模型和客服图像中至少一种的具体实施方式可以为：输出虚拟客服模型、客服图像和用于提示用户勾选存储对象的提示信息；当检测到提交操作时，获取勾选对象，若勾选对象中包含虚拟客服模型和客服图像中至少一种，则对虚拟客服模型和客服图像中至少一种进行存储；若勾选对象中不包含虚拟客服模型和客服图像，则判定用户不需要存储虚拟客服模型和客服图像(也可以理解为用户对于个性化的虚拟客服模型和客服图像不是很满意)，进而可以输出至少一个热门虚拟客服模型和/或至少一个热门客服图像，以供用户挑选。其中的热门虚拟客服模型可以为使用人数最多的虚拟客服模型，热门客服图像同理。

在上述可选的实施例中，作为一种进一步可选的实施方式，获取与目标用户的需求信息相匹配的客服图像，包括：提取需求信息对应的初始特征编码；对初始编码进行解耦处理，得到多个特征控制编码；将多个特征控制编码和随机获取的初始噪声编码输入残差网络的各网络层级，以使得残差网络基于原始随机输入图像、多个特征控制编码和初始噪声编码生成与目标用户的需求信息相匹配的客服图像。这样可以提升客服图像与需求信息之间的匹配度，从而有助于确定出更为符合用户预期的虚拟客服模型。

其中，上述实施方式可以基于预训练模型实现，预训练模型可以存储于后台服务器中，预训练模型中可以包括多层感知器(Multilayer Perceptron，MLP)和生成对抗网络(Generative Adversarial Network,GAN)，GAN可以为上述的残差网络。

其中，MLP可以包括至少一个输入层、至少一个隐层和至少一个输出层，MLP可以通过连接多个特征值，经过线性和非线性的组合，最终达到特征提取的效果。GAN由生成器神经网络(Generator Neural Network)和判别器神经网络(Discriminator NeuralNetwork)组成，生成器神经网络用于生成内容，判别器神经网络用于判别生成的内容。其中的生成器神经网络一般可以从均匀分布或者正态分布噪声中(一般是指均匀分布或者正态分布)产生合成数据，判别器神经网络可以分辨生成器的输出和真实数据，前者试图产生更接近真实的数据，后者试图分辨真实数据与生成数据，可以促进生成数据在多次对抗中逼近真实数据，提升模型精度。

基于此，上述的提取需求信息对应的初始特征编码，实施为：将需求信息P_U输入预训练模型，以使得预训练模型通过编码器将需求信息P_U生成为初始特征编码LC_U。进而，对初始编码进行解耦处理，得到多个特征控制编码，实施为：将编码器输出的初始特征编码LC_U发送至预训练模型中的MLP，以使得预训练模型中的MLP对的初始特征编码LC_U进行解耦，得到多个特征控制编码FC_U。

针对上述的预训练模型，具体请参阅图4，图4示意性示出了根据本申请的一个实施例的预训练模型的结构示意图。如图4所示，该预训练模型可以包括：MLP410和GAN420。具体地，MLP410中可以包括全连接层(fully connected layers，FC)，具体包括FC411、FC412、……、FC413。GAN420中可以包括特征融合器421、卷积层422、特征融合器423、卷积层424、特征融合器425、卷积层426，本申请对于FC、卷积层、特征融合器的数量不作限定。其中，卷积层用于执行卷积操作、特征融合器用于融合至少两个特征编码，全连接层用于连结特征编码。

具体地，可以提取需求信息对应的初始特征编码，并将初始特征编码在正则化处理(即，标准化处理)后输入MLP410，MLP410用于通过FC411、FC412、……、FC413对初始编码进行解耦处理，得到多个特征控制编码。多个特征控制编码可以分别作为GAN420中各网络层级的输入，一个网络层级包含一个卷积层和一个特征融合器，不同的特征控制编码可以对应于不同的形象特征，如，发色、姿态、脸型。此外，还可以随机获取一个初始噪声编码，将该初始噪声编码也作为GAN420中各网络层级的输入。此外，获取一个原始随机输入图像作为GAN420的输入。基于特征融合器421、卷积层422、特征融合器423、卷积层424、特征融合器425、卷积层426依次对原始随机输入图像进行特征提取，最终可以输出与目标用户的需求信息相匹配的客服图像。

其中，通过对于每个网络层级的特征控制编码输入，可以实现对虚拟客服模型的发色、姿态、脸型等形象特征的精准控制。此外，不同网络层之间还可以实现跨单元的跳级控制，这样可以通过将低层卷积的结果跳级输入高层卷积的控制，将原本割裂的学习与控制集成化，实现残差效果以及鲁棒性、精度更高的输出控制。

需要说明的是，客服图像与原始随机输入图像可以为尺寸相同(也可以理解为像素点数相同)的图像。原始随机输入图像可以是数据库中预存储的任一图像。

在上述可选的实施例中，作为进一步可选的实施方式，获取与目标用户的需求信息相匹配的客服图像，包括：当接收到目标用户对应的用户请求时，基于目标用户的标识符进行图像查询；若查询到数据库中不存在与目标用户对应的客服图像，则获取目标用户的当前需求信息，并根据当前需求信息生成与目标用户对应的客服图像；若查询到数据库中存在与目标用户对应的客服图像，则从数据库中获取与目标用户对应的客服图像；其中，与目标用户对应的客服图像基于目标用户的历史需求信息生成得到。这样可以实现对于历史存储的客服图像的重复利用，避免每次提供客户服务时都需要重新建模，可以有利于提升提供客户服务的效率。在用户首次使用该客户服务时，也可以及时获取用户的当前需求信息，为用户及时生成相应的虚拟客服模型。

其中，目标用户对应的用户请求用于请求与客服进行会话；目标用户的标识符可以表示为目标用户的ID(如，453425)，可以作为目标用户的唯一标识；数据库用于存储各用户对应的历史客服图像；当前需求信息用于区别于历史需求信息。此外，若查询到数据库中存在与目标用户对应的客服图像，上述方法还可以包括：输出用于询问用户是否选择数据库中的该客服图像的询问信息，若接收到拒绝选择该客服图像的用户操作，则获取目标用户的当前需求信息，并根据当前需求信息生成与目标用户对应的客服图像；若接收到同意选择该客服图像的用户操作，则执行上述的从数据库中获取与目标用户对应的客服图像。进一步地，还可以包括：若数据库中存储的与目标用户对应的客服图像数量大于1，则输出与目标用户对应的所有客服图像以供用户选择，从所有客服图像中选取与用户选择操作相对应的目标客服图像。

进一步可选的，获取目标用户的当前需求信息，并根据当前需求信息生成与目标用户对应的客服图像，包括：输出用于问询偏好需求的消息；当获取到响应于消息的当前需求信息时，根据当前需求信息生成与目标用户对应的客服图像。这样可以实现对于用户当前需求信息的及时采集，从而有利于快速生成相应的虚拟客服模型。

其中，用于问询偏好需求的消息可以为文本消息、语音消息、音效消息等，本申请实施例不作限定。当前需求信息可以为用户输入的文本，也可以为用户对于不同标签下的实质特征的选择。基于此，输出用于问询偏好需求的消息之后，上述方法还可以包括：将预设的多个标签(如，发型、脸型等)分别对应的实质特征(如，长发、披肩发、圆脸、方脸等)以选项的形式输出，并接收作用于选项的选取操作；当检测到提交操作时，可以确定被选取的选项，并将被选取的选项整合为当前需求信息。

进一步可选的，上述方法还包括：当单位时间内未获取到响应于消息的当前需求信息时或者检测到用于触发选项展示的用户操作时，从预存储的客服图像中选取目标客服图像，将目标客服图像确定为与目标用户对应的客服图像。这样可以尽快选出客服图像，以保障能够及时构建出虚拟客服模型。

其中，若检测到用于触发选项展示的用户操作，上述方法还包括：将预设的多个标签分别对应的实质特征以选项的形式进行展示。此外，上述的预存储的客服图像可以为一个或多个，本申请实施例不作限定。

更进一步地，从预存储的客服图像中选取目标客服图像，包括：基于图像热度排序结果从预存储的客服图像中选取多个待定客服图像，并输出多个待定客服图像，在检测到作用于多个待定客服图像中任一待定客服图像的选取操作时，将选取操作对应的待定客服图像确定为目标客服图像；或者，从预存储的客服图像中选取热度最高的客服图像作为目标客服图像；或者，从预存储的客服图像中随机选取一客服图像作为目标客服图像。这样可以帮助用户选取适应的客服图像，以尽快构建虚拟客服模型，为用户及时提供客服会话服务。

其中，图像热度排序结果用于表征预存储图像被调用的频率通过由高到低/由低到高的顺序进行排列的结果；待定客服图像可以为预存储图像中的一个或多个图像；选取操作可以为点击操作、触屏操作、手势操作、语音控制操作等；热度最高的客服图像可以为被调用次数最高的客服图像，或者是用户评分最高的客服图像。

在步骤S320中，当会话中检测到与目标用户对应的问题信息时，基于问题信息生成问题特征编码。其中，问题信息可以为用户在会话框中发出的文本信息(如，如何转人工服务？)；问题特征编码可以通过字符串的形式对问题信息进行表征。

作为对步骤S320的进一步限定，可选的，基于问题信息生成问题特征编码，包括：基于问题信息和问题信息的至少一个相关文本生成问题特征编码；其中，相关文本与问题信息处于同一会话中。这样可以有助于提升回复给用户的会话信息与用户提出的问题信息之间，存在较高的关联度，从而有助改善用户的使用体验。

在步骤S330中，基于问题特征编码和需求信息生成偏好概率集；其中，偏好概率集用于表征目标用户偏好各话术类别的概率。其中，偏好概率集中包括多个偏好概率，举例来说，可以表示为{0.3，0.5，0.2}。此外，话术类别是话术的类别，话术是说话的技巧/方法，话术类别的数量可以为多个。

在步骤S340中，根据偏好概率集确定目标话术类别，并控制虚拟客服模型基于目标话术类别在会话中回复问题信息。其中，目标话术类别可以为预设类别，数量可以为至少两个。具体地，根据偏好概率集确定目标话术类别，实施为：将偏好概率集中的最大概率(如，{0.3，0.5，0.2}中的0.5)对应的话术类别确定为目标话术类别。

作为对步骤S340的进一步限定，可选的，控制虚拟客服模型基于目标话术类别在会话中回复问题信息，包括：生成与目标话术类别匹配且与问题信息对应的会话信息；控制虚拟客服模型在会话中以预设展出模式演绎会话信息。其中，会话信息可以为文本信息、语音信息等。这样可以实现整体性的个性化程度，为不同的用户提供不同的客服服务，以改善用户的使用体验。

可见，实施图3所示的方法，可以基于用户的需求信息为不同的用户构建不同的虚拟客服模型，提升客服形象的个性化程度。此外，还可以依据用户的问题预测用户的话术偏好，根据预测结果选择用户最有可能偏好的话术类别与用户进行会话，这样可以进一步提升客服服务的个性化程度，有助于改善用户的使用体验。

此外，整合图3所示的步骤及其实施例，本申请实施例还可以提供另一种会话需求处理方法，具体请参阅图5，如图5所示，该方法具体可以包括：步骤S500～步骤S522。

步骤S500：接收目标用户发送的客服服务请求。

步骤S502：查询数据库中是否存在与目标用户对应的客服图像。若存在，则执行步骤S504。若不存在，则执行步骤S506。

步骤S504：从数据库中获取与目标用户对应的客服图像；其中，与目标用户对应的客服图像基于目标用户的历史需求信息生成得到。进而，跳转至步骤S516。

步骤S506：输出用于问询偏好需求的消息。当获取到响应于消息的当前需求信息时，则执行步骤S508。当单位时间内未获取到响应于消息的当前需求信息时或者检测到用于触发选项展示的用户操作时，则执行步骤S510、步骤S512或步骤S514。

步骤S508：提取需求信息对应的初始特征编码，对初始编码进行解耦处理，得到多个特征控制编码，将多个特征控制编码和随机获取的初始噪声编码输入残差网络的各网络层级，以使得残差网络基于原始随机输入图像、多个特征控制编码和初始噪声编码生成与目标用户的需求信息相匹配的客服图像并存储。

步骤S510：基于图像热度排序结果从预存储的客服图像中选取多个待定客服图像，并输出多个待定客服图像；在检测到作用于多个待定客服图像中任一待定客服图像的选取操作时，将选取操作对应的待定客服图像确定为目标客服图像，将目标客服图像确定为与目标用户对应的客服图像。

步骤S512：从预存储的客服图像中选取热度最高的客服图像作为目标客服图像，将目标客服图像确定为与目标用户对应的客服图像。

步骤S514：从预存储的客服图像中随机选取一客服图像作为目标客服图像，将目标客服图像确定为与目标用户对应的客服图像。

步骤S516：基于客服图像构建虚拟客服模型并存储。

步骤S518：当会话中检测到与目标用户对应的问题信息时，基于问题信息和问题信息的至少一个相关文本生成问题特征编码；其中，相关文本与问题信息处于同一会话中。

步骤S520：基于问题特征编码和需求信息生成偏好概率集；其中，偏好概率集用于表征目标用户偏好各话术类别的概率。

步骤S522：根据偏好概率集确定目标话术类别，并生成与目标话术类别匹配且与问题信息对应的会话信息，控制虚拟客服模型在会话中以预设展出模式演绎会话信息。

需要说明的是，步骤S500～步骤S522与图3所示的各步骤及其实施例相对应，针对步骤S500～步骤S522的具体实施方式，请参阅图3所示的各步骤及其实施例，此处不再赘述。

可见，实施图5所示的会话需求处理方法，可以基于用户的需求信息为不同的用户构建不同的虚拟客服模型，提升客服形象的个性化程度。此外，还可以依据用户的问题预测用户的话术偏好，根据预测结果选择用户最有可能偏好的话术类别与用户进行会话，这样可以进一步提升客服服务的个性化程度，有助于改善用户的使用体验。

进一步的，本示例实施方式中，还提供了一种会话需求处理装置，该装置中各单元的执行步骤与图3相对应，参考图6所示，该会话需求处理装置600，可以包括：

客服模型构建单元601，用于根据目标用户的需求信息构建虚拟客服模型；

特征编码生成单元602，用于当会话中检测到与目标用户对应的问题信息时，基于问题信息生成问题特征编码；

偏好概率确定单元603，用于基于问题特征编码和需求信息生成偏好概率集；其中，偏好概率集用于表征目标用户偏好各话术类别的概率；

话术确定单元604，用于根据偏好概率集确定目标话术类别，并控制虚拟客服模型基于目标话术类别在会话中回复问题信息。

可见，实施图6所示的装置，可以基于用户的需求信息为不同的用户构建不同的虚拟客服模型，提升客服形象的个性化程度。此外，还可以依据用户的问题预测用户的话术偏好，根据预测结果选择用户最有可能偏好的话术类别与用户进行会话，这样可以进一步提升客服服务的个性化程度，有助于改善用户的使用体验。

在本申请的一种示例性实施例中，客服模型构建单元601根据目标用户的需求信息构建虚拟客服模型，包括：

获取与目标用户的需求信息相匹配的客服图像，并基于客服图像构建虚拟客服模型。

可见，实施该可选的实施例，可以实现对于虚拟客服模型的个性化构建，可以为用户提供与其需求信息相适应的虚拟客服模型。此外，虚拟客服模型是基于与需求信息相匹配的客服图像生成的，而客服图像可以直接获取得到，相较于从零开始生成一个虚拟客服模型，这样可以提升虚拟客服模型的构建效率。

在本申请的一种示例性实施例中，客服模型构建单元601获取与目标用户的需求信息相匹配的客服图像，包括：

当接收到目标用户对应的用户请求时，基于目标用户的标识符进行图像查询；

若查询到数据库中不存在与目标用户对应的客服图像，则获取目标用户的当前需求信息，并根据当前需求信息生成与目标用户对应的客服图像；

若查询到数据库中存在与目标用户对应的客服图像，则从数据库中获取与目标用户对应的客服图像；其中，与目标用户对应的客服图像基于目标用户的历史需求信息生成得到。

可见，实施该可选的实施例，可以实现对于历史存储的客服图像的重复利用，避免每次提供客户服务时都需要重新建模，可以有利于提升提供客户服务的效率。在用户首次使用该客户服务时，也可以及时获取用户的当前需求信息，为用户及时生成相应的虚拟客服模型。

在本申请的一种示例性实施例中，客服模型构建单元601获取目标用户的当前需求信息，并根据当前需求信息生成与目标用户对应的客服图像，包括：

输出用于问询偏好需求的消息；

当获取到响应于消息的当前需求信息时，根据当前需求信息生成与目标用户对应的客服图像。

可见，实施该可选的实施例，可以实现对于用户当前需求信息的及时采集，从而有利于快速生成相应的虚拟客服模型。

在本申请的一种示例性实施例中，上述装置还包括：

客服图像选取单元(未图示)，用于当单位时间内未获取到响应于消息的当前需求信息时或者检测到用于触发选项展示的用户操作时，从预存储的客服图像中选取目标客服图像，将目标客服图像确定为与目标用户对应的客服图像。

可见，实施该可选的实施例，可以尽快选出客服图像，以保障能够及时构建出虚拟客服模型。

在本申请的一种示例性实施例中，客服图像选取单元从预存储的客服图像中选取目标客服图像，包括：

基于图像热度排序结果从预存储的客服图像中选取多个待定客服图像，并输出多个待定客服图像；在检测到作用于多个待定客服图像中任一待定客服图像的选取操作时，将选取操作对应的待定客服图像确定为目标客服图像；或者，

从预存储的客服图像中选取热度最高的客服图像作为目标客服图像；或者，

从预存储的客服图像中随机选取一客服图像作为目标客服图像。

可见，实施该可选的实施例，可以帮助用户选取适应的客服图像，以尽快构建虚拟客服模型，为用户及时提供客服会话服务。

在本申请的一种示例性实施例中，客服模型构建单元601获取与目标用户的需求信息相匹配的客服图像，包括：

提取需求信息对应的初始特征编码；

对初始编码进行解耦处理，得到多个特征控制编码；

将多个特征控制编码和随机获取的初始噪声编码输入残差网络的各网络层级，以使得残差网络基于原始随机输入图像、多个特征控制编码和初始噪声编码生成与目标用户的需求信息相匹配的客服图像。

可见，实施该可选的实施例，可以提升客服图像与需求信息之间的匹配度，从而有助于确定出更为符合用户预期的虚拟客服模型。

在本申请的一种示例性实施例中，特征编码生成单元602基于问题信息生成问题特征编码，包括：

基于问题信息和问题信息的至少一个相关文本生成问题特征编码；其中，相关文本与问题信息处于同一会话中。

可见，实施该可选的实施例，可以有助于提升回复给用户的会话信息与用户提出的问题信息之间，存在较高的关联度，从而有助改善用户的使用体验。

在本申请的一种示例性实施例中，上述装置还包括：

存储单元(未图示)，用于根据检测到的存储操作存储虚拟客服模型和客服图像中至少一种。

可见，实施该可选的实施例，可以实现便于对虚拟客服模型和/或客服图像进行重复利用，当目标用户再次请求客服服务时，可以直接调用已存储的虚拟客服模型和/或客服图像，以提升对于用户请求的响应效率。

在本申请的一种示例性实施例中，话术确定单元604控制虚拟客服模型基于目标话术类别在会话中回复问题信息，包括：

生成与目标话术类别匹配且与问题信息对应的会话信息；

控制虚拟客服模型在会话中以预设展出模式演绎会话信息。

可见，实施该可选的实施例，可以实现整体性的个性化程度，为不同的用户提供不同的客服服务，以改善用户的使用体验。

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，根据本申请的实施方式，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。

由于本申请的示例实施例的会话需求处理装置的各个功能模块与上述会话需求处理方法的示例实施例的步骤对应，因此对于本申请装置实施例中未披露的细节，请参照本申请上述的会话需求处理方法的实施例。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请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，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。