CN108416051A - 一种针对行业应用的智能对话逻辑算法 - Google Patents
一种针对行业应用的智能对话逻辑算法 Download PDFInfo
- Publication number
- CN108416051A CN108416051A CN201810227412.7A CN201810227412A CN108416051A CN 108416051 A CN108416051 A CN 108416051A CN 201810227412 A CN201810227412 A CN 201810227412A CN 108416051 A CN108416051 A CN 108416051A
- Authority
- CN
- China
- Prior art keywords
- answer
- alternative answer
- inventory
- knowledge information
- alternative
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Animal Behavior & Ethology (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种针对行业应用的智能对话逻辑算法,包括:与客户进行智能语音交流,实时获取客户的语音数据;识别所述语音数据,得到客户相应的输入文本数据;根据获取的所述输入文本数据,获取备选答案清单;根据所述输入文本数据,进行行业相关的知识图谱查询,获取与所述输入文本数据相应的知识信息;根据所述知识信息,对所述备选答案清单中的备选答案进行排序,并输出最优答案。
Description
技术领域
本申请属于智能技术领域,特别是涉及一种针对行业应用的智能对话逻辑算法。
背景技术
现代社会,企业是通过电话的方式与客户进行沟通。例如,就销售性企业来说,很多企业是依靠电话销售来实现自己的赢利。
在传统技术中,与客户进行电话沟通是依靠人工来实现的,例如企业通常在自己的电话销售部门设置多个座席,每个座席上由一个电销人员,手动查找潜在客户的电话号码,再人工拨打该号码,待电话接通后与客户进行交流,事后进行分析总结,有成交希望的继续跟进直至促成交易。
在研究中发现,传统技术的缺陷在于,企业与客户进行电话沟通的工作大部分是依赖人工,技术问题在于人工依赖度高,效率低下。
发明内容
有鉴于此,本申请所要解决的是现有技术中企业与客户的电话沟通完全依赖人工交流和分析而导致的效率低下的问题。本发明提供了一种针对行业应用的智能对话逻辑算法,可以解决上述问题。
为了解决上述技术问题,本发明通过以下技术方案得以实现:
一种针对行业应用的智能对话逻辑算法,包括:
与客户进行智能语音交流,实时获取客户的语音数据;
识别所述语音数据,得到客户相应的输入文本数据;
根据获取的所述输入文本数据,获取备选答案清单;
根据所述输入文本数据,进行行业相关的知识图谱查询,获取与所述输入文本数据相应的知识信息;
根据所述知识信息,对所述备选答案清单中的备选答案进行排序,并输出最优答案。
在一个实施例中,所述知识信息包括行业常识信息、行业专业信息。
在一个实施例中,所述根据所述知识信息,对所述备选答案清单中的备选答案进行排序,并输出最优答案的步骤,具体为:
根据所述知识信息,利用深度学习算法,对所述备选答案清单中的备选答案进行排序,并输出排序最前的最优答案。
在一个实施例中,所述根据所述知识信息,对所述备选答案清单中的备选答案进行排序,并输出最优答案的步骤,具体为:
根据所述知识信息,利用基于规则的方法,对所述备选答案清单中的备选答案进行排序,并输出排序最前的最优答案。
一种针对行业应用的智能对话装置,包括:
语音交流模块,用于与客户进行智能语音交流,实时获取客户的语音数据;
语音识别模块,用于识别所述语音数据,得到客户相应的输入文本数据;
清单获取模块,用于根据获取的所述输入文本数据,获取备选答案清单;
知识获取模块,用于根据所述输入文本数据,进行行业相关的知识图谱查询,获取与所述输入文本数据相应的知识信息;
排序模块,根据所述知识信息,对所述备选答案清单中的备选答案进行排序,并输出最优答案。
在一个实施例中,所述知识信息包括行业常识信息、行业专业信息。
在一个实施例中,所述排序模块,用于根据所述知识信息,利用深度学习算法,对所述备选答案清单中的备选答案进行排序,并输出排序最前的最优答案。
在一个实施例中,所述排序模块,用于根据所述知识信息,利用基于规则的方法,对所述备选答案清单中的备选答案进行排序,并输出排序最前的最优答案。
与现有技术相比,本申请可以获得包括以下技术效果:
1)本发明提供的一种针对行业应用的智能对话逻辑算法,能够极大地减少企业的人工成本,提高与客户进行电话沟通的效率。
当然,实施本申请的任一产品必不一定需要同时达到以上所述的所有技术效果。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为一个实施例中的针对行业应用的智能对话的逻辑算法的流程示意图。
具体实施方式
以下将配合附图及实施例来详细说明本申请的实施方式,借此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
参见图1,一种针对行业应用的智能对话逻辑算法,包括:
与客户进行智能语音交流,实时获取客户的语音数据;
识别所述语音数据,得到客户相应的输入文本数据;
根据获取的所述输入文本数据,获取备选答案清单;
根据所述输入文本数据,进行行业相关的知识图谱查询,获取与所述输入文本数据相应的知识信息;
根据所述知识信息,对所述备选答案清单中的备选答案进行排序,并输出最优答案。
在一个实施例中,所述知识信息包括行业常识信息、行业专业信息。
在一个实施例中,所述根据所述知识信息,对所述备选答案清单中的备选答案进行排序,并输出最优答案的步骤,具体为:
根据所述知识信息,利用深度学习算法,对所述备选答案清单中的备选答案进行排序,并输出排序最前的最优答案。
在一个实施例中,所述根据所述知识信息,对所述备选答案清单中的备选答案进行排序,并输出最优答案的步骤,具体为:
根据所述知识信息,利用基于规则的方法,对所述备选答案清单中的备选答案进行排序,并输出排序最前的最优答案。
一种针对行业应用的智能对话装置,包括:
语音交流模块,用于与客户进行智能语音交流,实时获取客户的语音数据;
语音识别模块,用于识别所述语音数据,得到客户相应的输入文本数据;
清单获取模块,用于根据获取的所述输入文本数据,获取备选答案清单;
知识获取模块,用于根据所述输入文本数据,进行行业相关的知识图谱查询,获取与所述输入文本数据相应的知识信息;
排序模块,根据所述知识信息,对所述备选答案清单中的备选答案进行排序,并输出最优答案。
在一个实施例中,所述知识信息包括行业常识信息、行业专业信息。
在一个实施例中,所述排序模块,用于根据所述知识信息,利用深度学习算法,对所述备选答案清单中的备选答案进行排序,并输出排序最前的最优答案。
在一个实施例中,所述排序模块,用于根据所述知识信息,利用基于规则的方法,对所述备选答案清单中的备选答案进行排序,并输出排序最前的最优答案。
与现有技术相比,本申请可以获得包括以下技术效果:
本发明提供的一种针对行业应用的智能对话逻辑算法,能够极大地减少企业的人工成本,提高与客户进行电话沟通的效率。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解,硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语,故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内,本领域技术人员能够在一定误差范围内解决所述技术问题,基本达到所述技术效果。此外,“耦接”一词在此包含任何直接及间接的电性耦接手段。因此,若文中描述一第一装置耦接于一第二装置,则代表所述第一装置可直接电性耦接于所述第二装置,或通过其他装置或耦接手段间接地电性耦接至所述第二装置。说明书后续描述为实施本申请的较佳实施方式,然所述描述乃以说明本申请的一般原则为目的,并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
上述说明示出并描述了本发明的若干优选实施例,但如前所述,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (8)
1.一种针对行业应用的智能对话逻辑算法,其特征在于,包括:
与客户进行智能语音交流,实时获取客户的语音数据;
识别所述语音数据,得到客户相应的输入文本数据;
根据获取的所述输入文本数据,获取备选答案清单;
根据所述输入文本数据,进行行业相关的知识图谱查询,获取与所述输入文本数据相应的知识信息;
根据所述知识信息,对所述备选答案清单中的备选答案进行排序,并输出最优答案。
2.如权利要求1所述的针对行业应用的智能对话逻辑算法,其特征在于,所述知识信息包括行业常识信息、行业专业信息。
3.如权利要求1或2所述的针对行业应用的智能对话逻辑算法,其特征在于,所述根据所述知识信息,对所述备选答案清单中的备选答案进行排序,并输出最优答案的步骤,具体为:
根据所述知识信息,利用深度学习算法,对所述备选答案清单中的备选答案进行排序,并输出排序最前的最优答案。
4.如权利要求1或2所述的针对行业应用的智能对话逻辑算法,其特征在于,所述根据所述知识信息,对所述备选答案清单中的备选答案进行排序,并输出最优答案的步骤,具体为:
根据所述知识信息,利用基于规则的方法,对所述备选答案清单中的备选答案进行排序,并输出排序最前的最优答案。
5.一种针对行业应用的智能对话装置,其特征在于,包括:
语音交流模块,用于与客户进行智能语音交流,实时获取客户的语音数据;
语音识别模块,用于识别所述语音数据,得到客户相应的输入文本数据;
清单获取模块,用于根据获取的所述输入文本数据,获取备选答案清单;
知识获取模块,用于根据所述输入文本数据,进行行业相关的知识图谱查询,获取与所述输入文本数据相应的知识信息;
排序模块,根据所述知识信息,对所述备选答案清单中的备选答案进行排序,并输出最优答案。
6.如权利要求5所述的针对行业应用的智能对话装置,其特征在于,所述知识信息包括行业常识信息、行业专业信息。
7.如权利要求5或6所述的针对行业应用的智能对话装置,其特征在于,所述排序模块,用于根据所述知识信息,利用深度学习算法,对所述备选答案清单中的备选答案进行排序,并输出排序最前的最优答案。
8.如权利要求5或6所述的针对行业应用的智能对话装置,其特征在于,所述排序模块,用于根据所述知识信息,利用基于规则的方法,对所述备选答案清单中的备选答案进行排序,并输出排序最前的最优答案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810227412.7A CN108416051A (zh) | 2018-03-20 | 2018-03-20 | 一种针对行业应用的智能对话逻辑算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810227412.7A CN108416051A (zh) | 2018-03-20 | 2018-03-20 | 一种针对行业应用的智能对话逻辑算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108416051A true CN108416051A (zh) | 2018-08-17 |
Family
ID=63132886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810227412.7A Pending CN108416051A (zh) | 2018-03-20 | 2018-03-20 | 一种针对行业应用的智能对话逻辑算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108416051A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815326A (zh) * | 2019-01-24 | 2019-05-28 | 网易(杭州)网络有限公司 | 对话控制方法及装置 |
CN109885679A (zh) * | 2019-01-11 | 2019-06-14 | 平安科技(深圳)有限公司 | 获取优选话术的方法、装置、计算机设备和存储介质 |
CN110992956A (zh) * | 2019-11-11 | 2020-04-10 | 上海市研发公共服务平台管理中心 | 语音转换的信息处理方法、装置、设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095433A (zh) * | 2015-07-22 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 实体推荐方法及装置 |
CN107066556A (zh) * | 2017-03-27 | 2017-08-18 | 竹间智能科技(上海)有限公司 | 用于人工智能对话系统的备选答案排序方法及装置 |
-
2018
- 2018-03-20 CN CN201810227412.7A patent/CN108416051A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095433A (zh) * | 2015-07-22 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 实体推荐方法及装置 |
CN107066556A (zh) * | 2017-03-27 | 2017-08-18 | 竹间智能科技(上海)有限公司 | 用于人工智能对话系统的备选答案排序方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109885679A (zh) * | 2019-01-11 | 2019-06-14 | 平安科技(深圳)有限公司 | 获取优选话术的方法、装置、计算机设备和存储介质 |
CN109815326A (zh) * | 2019-01-24 | 2019-05-28 | 网易(杭州)网络有限公司 | 对话控制方法及装置 |
CN110992956A (zh) * | 2019-11-11 | 2020-04-10 | 上海市研发公共服务平台管理中心 | 语音转换的信息处理方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6991341B2 (ja) | ロボットの顧客サービスから人間の顧客サービスへの移行のための方法および装置 | |
CN111542852B (zh) | 用于电信代理的动态脚本 | |
US20230334034A1 (en) | Systems and methods for providing searchable customer call indexes | |
CN109559221A (zh) | 基于用户数据的催收方法、装置和存储介质 | |
CN109670837A (zh) | 债券违约风险的识别方法、装置、计算机设备和存储介质 | |
US11556572B2 (en) | Systems and methods for coverage analysis of textual queries | |
CN108416051A (zh) | 一种针对行业应用的智能对话逻辑算法 | |
US9697246B1 (en) | Themes surfacing for communication data analysis | |
TWI752349B (zh) | 風險識別方法及裝置 | |
US20200349174A1 (en) | Clustering of data records with hierarchical cluster ids | |
US20210263903A1 (en) | Multi-level conflict-free entity clusters | |
CN108830643A (zh) | 一种营销推广方法和系统 | |
CN108876459A (zh) | 一种基于社交平台小程序裂变引流营销推广方法 | |
Azhar et al. | Multi-label aspect categorization with convolutional neural networks and extreme gradient boosting | |
Marzuoli et al. | Uncovering the landscape of fraud and spam in the telephony channel | |
CN109598513B (zh) | 一种风险识别方法和装置 | |
CN115859793A (zh) | 基于注意力的异构信息网络用户异常行为检测方法及系统 | |
Khalid et al. | Customer churn prediction in telecommunications industry based on data mining | |
US20200125975A1 (en) | Explanations generation with different cognitive values using generative adversarial networks | |
CN108471478A (zh) | 一种提高电话外呼效率的方式 | |
CN111177403B (zh) | 样本数据的处理方法和装置 | |
CN108416052A (zh) | 一种针对语义分析行业数据分类方法 | |
Brailsford et al. | Selecting the forgetting factor in subset autoregressive modelling | |
CN108416036A (zh) | 一种应用在电话场景里机器学习方法 | |
Kaur et al. | Churn prediction in telecom industry using R |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180817 |