CN109035001A - 智能语音应答处理方法及系统 - Google Patents
智能语音应答处理方法及系统 Download PDFInfo
- Publication number
- CN109035001A CN109035001A CN201810686586.XA CN201810686586A CN109035001A CN 109035001 A CN109035001 A CN 109035001A CN 201810686586 A CN201810686586 A CN 201810686586A CN 109035001 A CN109035001 A CN 109035001A
- Authority
- CN
- China
- Prior art keywords
- synonym
- phrase
- standard
- sentence
- score value
- 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
- 230000004044 response Effects 0.000 title claims abstract description 40
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 52
- 239000000284 extract Substances 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 241000208340 Araliaceae Species 0.000 claims description 13
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 13
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 13
- 235000008434 ginseng Nutrition 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013497 data interchange Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/247—Thesauruses; Synonyms
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Abstract
本申请实施例提供一种智能语音应答处理方法及系统，其中，该方法包括：接收目标用户发送的语音信息；对所述语音信息进行语音识别，得到目标文本信息；确定所述目标文本信息所属的第一目标类别；提取与所述第一目标类别相对应的回复信息；将所述回复信息发送给所述目标用户，因此，能够提升回复信息的准确性，进而可提升催收的效率。
Description
技术领域
本申请涉及语音识别技术领域，具体涉及一种智能语音应答处理方法及系统。
背景技术
随着科技的发展，智能设备(智能手机、电脑、平板电脑等)等电子装置已经得到了普及。从而也伴随着移动支付的兴起以及快速发展，移动支付已经渗入到日常生活的方方面面，在移动支付时，很多用户会采用信用支付，在信用支付后，提供信用服务的金融机构(银行等)，在用户规定的还款日期到来时，需要对采用催收机制，实行催收。当前的只能的催收系统中，金融机构的系统在对用户回复的语音消息进行智能分析时得到回复信息的准率较低，从而导致了催收的效率较低。
发明内容
本申请实施例提供一种智能语音应答处理方法及系统，能够提升回复信息的准确性，进而可提升催收的效率。
本申请实施例的第一方面提供了一种智能语音应答处理方法，所述方法包括：
接收目标用户发送的语音信息；
对所述语音信息进行语音识别，得到目标文本信息；
确定所述目标文本信息所属的第一目标类别；
提取与所述第一目标类别相对应的回复信息；
将所述回复信息发送给所述目标用户。
结合本申请实施例的第一方面，在第一方面的第一种可能的实现方式中，所述确定所述目标文本信息所属的第一目标类别，包括：
将所述目标文本信息与每个参考类别中的每个标准语句采用预设方法进行匹配，得到多个第一参考评分值；
获取所述每个参考类别的第二参考评分值，所述第二参考评分值为所述每个参考类别中每个参考标准语句对应的第一参考评分值中的最大值；
将所述第二参考评分值中的最大值所对应的参考类别作为所述第一目标类别。
结合本申请实施例第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述目标文本信息包括至少一条语句，将所述目标文本信息与每个参考类别中的每个标准语句采用预设的方法进行匹配，得到多个第一参考评分值，包括：
将所述至少一条语句进行分词，得到多个参考词组；
获取上述多个参考词组的初始同义词，并将所述初始同义词按照每条语句中参考词组的顺序进行组合，得到至少一条初始同义词语句；
删除所述至少一条初始同义词语句中的停顿词，得到至少一条参考同义词语句，所述至少一条参考同义词语句包括参考同义词；
将所述参考同义词与所述每个标准语句中的标准词组进行匹配，得到每个参考同义词与每个标准语句中的标准词组的评分值；
将每个参考同义词与同一标准语句中的标准词组的评分值之和作为第一参考评分值，得到多个第一参考评分值。
结合本申请实施例第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述将所述参考同义词与所述每个标准语句中的标准词组进行匹配，得到每个参考同义词的评分值，包括：
将所述参考同义词按照参考同义词的排列顺序依次与每个标准语句中的标准词组进行匹配；
若所述参考同义词与所述标准词组相匹配，则将所述参考同义词的权重值作为所述参考同义词的评分值，若所述参考同义词与所述标准词组不匹配，则所述参考同义词的评分值为预设评分值；
若存在第一目标参考同义词与第一目标标准词组相匹配，第二目标参考同义词与第二目标标准词组相匹配，则所述第二目标参考同义词的评分为第二目标参考同义词的权重值乘以2，若在第二目标参考词组后存在第三至第N目标参考词组与第三目标标准词组至第N目标标准词组依次相匹配，则第N目标参考词组的评分值为第N目标参考词组的权重值乘以N，其中，所述第一目标参考同义词与所述第二目标参考同义词相邻，且所述第一目标标准词组与所述第二目标标准词组相邻，且所述第一目标标准词组与所述第二目标标准词组的顺序与所述第一参考同义词与所述第二参同义词的顺序相同，N为大于三的正整数。
结合本申请实施例第一方面的第一种可能的实现方式至第一方面的第三种可能的实现方式中的任一种可能的实现方式，在本申请实施例第一方面的第四种可能的实现方式中，所述方法还包括：
通过应匹配算法确定出所述目标文本信息的第二目标类别；
若所述第二类别与所述第一类别不同，则对所述预设方法进行更新。
本申请实施例的第二方面提供了一种智能语音应答处理系统，所述系统包括接收单元、识别单元、第一确定单元、提取单元和发送单元，其中，
接收单元，用于接收目标用户发送的语音信息；
识别单元，用于对所述语音信息进行语音识别，得到目标文本信息；
第一确定单元，用于确定所述目标文本信息所属的第一目标类别；
提取单元，用于提取与所述第一目标类别相对应的回复信息；
发送单元，用于发送将所述回复信息发送给所述目标用户。
结合本申请实施例的第二方面，在第二方面的第一种可能的实现方式中，所述第一确定单元具体用于：
将所述目标文本信息与每个参考类别中的每个标准语句采用预设方法进行匹配，得到多个第一参考评分值；
获取所述每个参考类别的第二参考评分值，所述第二参考评分值为所述每个参考类别中每个参考标准语句对应的第一参考评分值中的最大值；
将所述第二参考评分值中的最大值所对应的参考类别作为所述第一目标类别。
结合本申请实施例第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述目标文本信息包括至少一条语句，所述第一确定单元还具体用于：
将所述至少一条语句进行分词，得到多个参考词组；
获取上述多个参考词组的初始同义词，并将所述初始同义词按照每条语句中参考词组的顺序进行组合，得到至少一条初始同义词语句；
删除所述至少一条初始同义词语句中的停顿词，得到至少一条参考同义词语句，所述至少一条参考同义词语句包括参考同义词；
将所述参考同义词与所述每个标准语句中的标准词组进行匹配，得到每个参考同义词与每个标准语句中的标准词组的评分值；
将每个参考同义词与同一标准语句中的标准词组的评分值之和作为第一参考评分值，得到多个第一参考评分值。
结合本申请实施例第二方面的第二种可能的实现方式，在第二方面的第三种可能的实现方式中，所述第一确定单元还具体用于：
将所述参考同义词按照参考同义词的排列顺序依次与每个标准语句中的标准词组进行匹配；
若所述参考同义词与所述标准词组相匹配，则将所述参考同义词的权重值作为所述参考同义词的评分值，若所述参考同义词与所述标准词组不匹配，则所述参考同义词的评分值为预设评分值；
若存在第一目标参考同义词与第一目标标准词组相匹配，第二目标参考同义词与第二目标标准词组相匹配，则所述第二目标参考同义词的评分为第二目标参考同义词的权重值乘以2，若在第二目标参考词组后存在第三至第N目标参考词组与第三目标标准词组至第N目标标准词组依次相匹配，则第N目标参考词组的评分值为第N目标参考词组的权重值乘以N，其中，所述第一目标参考同义词与所述第二目标参考同义词相邻，且所述第一目标标准词组与所述第二目标标准词组相邻，且所述第一目标标准词组与所述第二目标标准词组的顺序与所述第一参考同义词与所述第二参同义词的顺序相同，N为大于三的正整数。
结合本申请实施例第二方面的第一种可能的实现方式至第二方面的第三种可能的实现方式中的任一种可能的实现方式，在本申请实施例第二方面的第四种可能的实现方式中，所述系统还包括：
第二确定单元，用于通过应匹配算法确定出所述目标文本信息的第二目标类别；
更新单元，用于若所述第二类别与所述第一类别不同，则对所述预设方法进行更新。
本申请实施例的第三方面提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
本申请实施例的第四方面提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例，具有如下有益效果：
可以看出，通过本申请实施例，首先智能语音应答处理系统接收目标用户发送的语音信息，对所述语音信息进行语音识别，得到目标文本信息，然后确定所述目标文本信息所属的第一目标类别，再后在系统中提取与所述第一目标类别相对应的回复信息，最后将所述回复信息发送给所述目标用户，因此，通过对目标用户的语音信息进行语音识别得到的文本信息进行类别的判别，得到第一目标类别，然后将该类别对应的回复信息发送给目标用户，相对于现有方案中仅通过对语音信息进行语音识别得到文本信息，然后得到与文本信息相对应回复信息，能够一定程度上提升得到回复信息的准确性，进而能够一定程度上提升催收效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为本申请实施例提供了一种智能语音应答处理方法的应用场景示意图；
图2A为本申请实施例提供了一种智能语音应答处理方法的流程示意图；
图2B为本申请实施例提供了另一种智能语音应答处理方法的流程示意图；
图3为本申请实施例提供了另一种智能语音应答处理方法的流程示意图；
图4为本申请实施例提供了另一种能语音应答处理方法的流程示意图；
图5为本申请实施例提供了一种智能语音应答处理系统的结构示意图；
图6为本申请实施例提供了另一种智能语音应答处理系统的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子装置可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(user equipment，UE)，移动台(mobile station，MS)，终端设备(terminaldevice)等等。为方便描述，上面提到的设备统称为电子装置。
为了更好的理解本申请实施例提供的一种智能语音应答处理方法，请参阅图1，图1为本申请实施例提供了一种智能语音应答处理方法的应用场景示意图。如图1所示，目标用户101通过电子装置102与智能语音应答处理系统103进行通话，电子装置102发送目标用户101的语音信息到智能语音应答处理系统103，智能语音应答处理系统103接收电子装置102发送的语音消息，对该语音消息进行语音识别得到目标文本信息，然后对目标文本信息类别的判别，确定出目标文本信息所属的第一目标类别，智能语音应答处理系统103对第一目标类别相对应的回复信息进行提取，得到回复信息，最后智能语音处理系统103将回复信息通过电子装置102发送到目标用户101，以此，能够在一定程度上提升回复信息获取的准确性，进而在一定程度上提升了催收系统的效率。
请参阅图2A，图2A为本申请实施例提供了一种智能语音应答处理方法的流程示意图。如图2A所示，智能语音应答处理系统包括步骤201-205，具体如下：
201、接收目标用户发送的语音信息。
可选的，目标用户通过电子装置将语音消息发送到智能语音应答处理系统。其中，用户可以通过电子装置实时将语音消息发送到智能语音应答处理系统，例如，通过电子装置与智能语音应答系统之间建立专用通信通道对语音信息进行传输，也可以通过互联网采用非实时的将语音消息发送到智能语音应答处理系统，当然还可以通过其他方式对语音信息进行发送，此处仅为举例说明，不做具体限定。
202、对所述语音信息进行语音识别，得到目标文本信息。
可选的，通过语音识别模块对语音信息进行识别，得到目标文本信息。其中，语音识别模块中包括声学模型和语言学模块，声学模型包括隐马尔可夫模型(Hidden MarkovModel，HMM)，HMM是马尔可夫链的一种，作为一种统计分析模型，它的状态不能直接观察到，但能通过观测向量序列观察到，每个观测向量都是通过某些概率密度分布表现为各种状态，每一个观测向量是由一个具有相应概率密度分布的状态序列产生。隐马尔可夫模型是一个双重随机过程，即具有一定状态数的隐马尔可夫链和显示随机函数集。语音识别模块中使用HMM通常是用从左向右单向、带自环、带跨越的拓扑结构来对识别基元建模，一个音素就是一个三至五状态的HMM，一个词就是构成词的多个音素的HMM串行起来构成的HMM，而连续语音识别的整个模型就是词和静音组合起来的HMM。语言学模块包括规则语言模型和统计语言模型，统计语言模型是用概率统计的方法来揭示语言单位内在的统计规律，包括N-Gram等。N-Gram模型为：基如下的一种假设，第n个词的出现只与前面N-1个词相关，而与其它任何词都不相关，整句的概率就是各个词出现概率的乘积。这些概率可以通过直接从语料中统计N个词同时出现的次数得到。
203、确定所述目标文本信息所属的第一目标类别。
可选的，确定目标文本信息所属的第一目标类别的方法可包括步骤A1-A3，具体如下：
A10、将所述目标文本信息与每个参考类别中的每个标准语句采用预设方法进行匹配，得到多个第一参考评分值；
可选的，通过预设的匹配方法得到第一参考评分值的方法可包括步骤B1-B5，具体如下：
A101、将所述至少一条语句进行分词，得到多个参考词组；
可选的，在将至少一条语句进行分词，得到多个参考词组时，采用最大切词法进行分词。其中，最大切词法为：优先切割长词组，例如：语句中同时包含“不好”与“不好意思”，此时将“不好意思”作为参考词组；语句中同时包含“好的”与“好的稍等”，此时会将“好的稍等”作为参考词组。
A102、获取上述多个参考词组的初始同义词，并将所述初始同义词按照每条语句中参考词组的顺序进行组合，得到至少一条初始同义词语句；
可选的，一种初始同义词与参考词组的映射关系可以为：初始同义词组为：“哪”，参考词组为：“哪里”，“哪个”，“哪一个”，“你是”，“是谁”，“哪位”，“叫啥”，“在哪”，“哪儿”，“哪”，“你谁”，“谁”等；初始同义词组为：“疑问”，参考同义词为：“什么”，“怎么”，“行不”，“不行吗”，“能不能”，“是不”，“可不”，“如何”，“怎样”，“啥”，“还没吗”，“是不是”，“对不对吗”，“吗”等；初始同义词组为：“是”，参考词组为：“是”，“对”，“yes”，“找我”，“是的”，“是是”，“是是是”等；初始同义词为：“重复”，参考词组为：“再说一遍”，“重复一遍”，“大声”，“大声一点”，“没听清”等，当然上述映射关系仅为举例说明，还具有其它初始同义词组与参考词组的映射关系，例如，初始同义词组为：“不认识”，“不是”，“双重否定”，“可能”，“就这个号码”等，还具有其它的映射关系，此处不再赘述。
A103、删除所述至少一条初始同义词语句中的停顿词，得到至少一条参考同义词语句，所述至少一条参考同义词语句包括参考同义词；
可选的，停顿词可包括：“的”，“了”，“也”，“我”，“啊”，“在”，“和”，“就”，“都”，“很”，“你”，“她”，“他”，“它”等。
A104、将所述参考同义词与所述每个标准语句中的标准词组进行匹配，得到每个参考同义词与每个标准语句中的标准词组的评分值；
可选的，得到每个参考同义词与每个标准语句中的标准词组的评分值的一种可能的方法包括步骤B1-B3，具体如下：
B1、将所述参考同义词按照参考同义词的排列顺序依次与每个标准语句中的标准词组进行匹配；
可选的，假设参考同义词语句包括的参考同义词为“A”，“B”，“C”，“D”，“E”，“F”，“G”，且按照ABCDEFG的顺序排列，其中，A、B、C、D、E、F、G可以为汉字词语，也可以为英文词语，也可以为其它语言的词语。标准语句中的标准词组包括“A1”，“B1”，“C1”，“D1”，“E1”，“F1”，“G1”。且按照A1B1C1D1G1E1F1G1的顺序排列，则从A与A1开始进行匹配，直到G与F1匹配结束的顺序进行匹配。每个参考同义词具有权重值，权重值求取时，基于TF-IDF算法计算各关键词语权重，将单个语句作为一个“文件”，不同语句归属于不同类别，即对不同“文件”分类。通过计算词频与逆向文件频率，即可获得相应权重。
B2、若所述参考同义词与所述标准词组相匹配，则将所述参考同义词的权重值作为所述参考同义词的评分值，若所述参考同义词与所述标准词组不匹配，则所述参考同义词的评分值为预设评分值；
可选的，若A与A1想匹配则，将A的权重值作为A的评分值，若A与A1不匹配，则将预设评分值作为A的评分值，其中，预设的评分值可以为0.1、0.2等值，预设评分值可以由系统设定，也可以由系统管理员进行设定，此处不作具体限定。
B3、若存在第一目标参考同义词与第一目标标准词组相匹配，第二目标参考同义词与第二目标标准词组相匹配，则所述第二目标参考同义词的评分为第二目标参考同义词的权重值乘以2，若在第二目标参考词组后存在第三至第N目标参考词组与第三目标标准词组至第N目标标准词组依次相匹配，则第N目标参考词组的评分值为第N目标参考词组的权重值乘以N，其中，所述第一目标参考同义词与所述第二目标参考同义词相邻，且所述第一目标标准词组与所述第二目标标准词组相邻，且所述第一目标标准词组与所述第二目标标准词组的顺序与所述第一参考同义词与所述第二参同义词的顺序相同，N为大于三的正整数。
其中，以B1中的参考同义词语句为例进行说明，当B与B1相匹配，同时C与C1相匹配，则C的评分值为C的权重值乘以2的值，若在B与B1相匹配，C与C1相匹配的情况下，D与D1相匹配，则D的评分值为D的权重值乘以3。若在B与B1相匹配，C与C1相匹配的情况下，D与D1不匹配，E与E1相匹配，则此时E的评分值为E的权重值，即，在连续匹配时，中途出现任意一个词语不匹配，则其下一个词语若匹配时，其评分值为其权重值。
一个可能的示例中，参考同义词语句包括参考同义词1到参考同义词N，共N个参考同义词，并按照参考同义词1到参考同义词N的顺序进行排列，标准语句中包括标准词组1到标准词组N，共N个标准词组，并按照标准词组1到标准词组N的顺序进行排列。则按照参考同义词1至参考同义词N的顺序依次与标准词组1至标准词组N进行匹配，若在匹配时，参考同义词5与标准词组5相匹配，且参考同义词6与标准词组6相匹配，则参考同义词6的评分值为其权重值乘以2，若参考同义词7与标准词组7相匹配，则参考同义词7的评分值为其权重值乘以3，以此类推，若连续K个参考同义词与标准词组相匹配，则参考同义词的评分值为参考同义词的权重值乘以K，若连续K个参考同义词与标准词组相匹配后的下一个参考词组与标准词组不匹配，若其后再次出现连续匹配，则参考同义词的评分按照上述评分规则进行计算。也可以是，在连续匹配时，中途出现任意一个词语不匹配，则其下一个词语若匹配时，其评分值为其权重值，其中，K为正整数，N为大于1的正整数。
A105、将每个参考同义词与同一标准语句中的标准词组的评分值之和作为第一参考评分值，得到多个第一参考评分值。
A20、获取上述每个参考类别的第二参考评分值，所述第二参考评分值为所述每个参考类别中每个参考标准语句对应的第一参考评分值中的最大值；
A30、将所述第二参考评分值中的最大值所对应的参考类别作为所述第一目标类别。
可选的，在确定出第一目标类别后，还可包括步骤C1-C2，具体如下：
C1、通过应匹配算法确定出所述目标文本信息的第二目标类别；
其中，硬匹配算法应用了关键词匹配的方法，对文本进行一个语义识别的操作。首先对目标文本信息进行一次最大化切词操作，使得文本变成一串关键词列表；对该场景下所有表达式进行匹配计算，得出匹配的表达式；如果有多个表达式击中，则采用优先级最高的表达式对应的语义结果。根据语义结果得到目标文本信息的第二目标类别。
C2、若所述第二类别与所述第一类别不同，则对所述预设方法进行更新。
204、提取与所述第一目标类别相对应的回复信息。
可选的，在智能语音应答系统中的类别库中提取第一目标类别相对应的回复信息，其中，类别库中存储有根据预设的类别与回复信息的映射关系。
205、将所述回复信息发送给所述目标用户。
可选的，将回复信息发送给目标用户是，可以通过先将回复信息转换为语音信息，然后将语音信息发送到电子装置，电子装置发送给目标用户，也可以直接将回复信息发送给目标用户。
可以看出，本申请实施例，通过对目标用户的语音信息进行语音识别，得到目标文本信息，然后将目标文本信息进行同义词替换，得到同义词语句，将同义词语句与标准语句进行匹配，得到同义词语句的评分值，根据评分值确定出目标文本的类别，最后根据类别得到回复信息，从而能够在一定程度上提升回复信息的准确性，进而能够一定程度上提升催收效率。
请参阅图2B，图2B为本申请实施例提供了另一种智能语音应答处理方法的流程示意图。如图2B所示，智能语音应答处理方法为：
D1、输入待判定语句；
可选的，待判定语句为目标文本信息，目标文本信息为目标用户输入的语音信息经过语音识别后获得的文本信息。
D2、通过评分算法对待判定语句进行类别获取，以及采用硬匹配算法对待判定语进行类别获取；
D3、根据评分得到待判定语句的分类语句1，根据硬匹配算法得到分类语句2；
D4、若分类语句1与分类语句2不同，则对评分算法进行更新；
D5、输出根据分类语句1输出分类结果。
可以看出，本申请实施例，通过对目标用户的语音信息进行语音识别，得到目标文本信息，然后根据评分算法确定出文本信息所属的类别，最后根据类别得到回复信息，从而能够在一定程度上提升回复信息的准确性，进而能够一定程度上提升催收效率，同时对评分算法设置了更新机制，能够一定程度上提升智能语音应答处理系统的稳定性和准确性。
请参阅图3，图3为本申请实施例提供了另一种智能语音应答处理方法的流程示意图。如图3所示，智能语音应答处理方法包括步骤301-307，具体如下：
301、接收目标用户发送的语音信息；
302、对所述语音信息进行语音识别，得到目标文本信息；
303、将所述目标文本信息与每个参考类别中的每个标准语句采用预设方法进行匹配，得到多个第一参考评分值；
304、获取所述每个参考类别的第二参考评分值，所述第二参考评分值为所述每个参考类别中每个参考标准语句对应的第一参考评分值中的最大值；
305、将所述第二参考评分值中的最大值所对应的参考类别作为所述第一目标类别；
306、提取与所述第一目标类别相对应的回复信息；
307、将所述回复信息发送给所述目标用户。
通过本实施例，将目标文本信息与每个参考类别中的每个标准语句进行匹配得到多个第一参考评分值，然后从第一参考评分值中确定出第二参考评分值，将第二参考评分值中的最大值对应的参考类别作为第一目标类别，最后将第一目标类别对应的回复消息发送给目标用户，以此，通过将文本信息与参考类别的标准语句进行匹配，得到文本信息的类别，能够一定程度上提升回复信息获取的准确性，进而也能一定程度上提升催收的效率。
请参阅图4，图4为本申请实施例提供了另一种能语音应答处理方法的流程示意图。如图4所示，智能语音应答处理方法包括步骤401-307，具体如下：
401、接收目标用户发送的语音信息；
402、对所述语音信息进行语音识别，得到目标文本信息，所述目标文本信息包括至少一条语句；
403、将所述至少一条语句进行分词，得到多个参考词组；
404、获取上述多个参考词组的初始同义词，并将所述初始同义词按照每条语句中参考词组的顺序进行组合，得到至少一条初始同义词语句；
405、删除所述至少一条初始同义词语句中的停顿词，得到至少一条参考同义词语句，所述至少一条参考同义词语句包括参考同义词；
406、将所述参考同义词与所述每个标准语句中的标准词组进行匹配，得到每个参考同义词与每个标准语句中的标准词组的评分值；
407、将每个参考同义词与同一标准语句中的标准词组的评分值之和作为第一参考评分值，得到多个第一参考评分值；
408、获取所述每个参考类别的第二参考评分值，所述第二参考评分值为所述每个参考类别中每个参考标准语句对应的第一参考评分值中的最大值；
409、将所述第二参考评分值中的最大值所对应的参考类别作为所述第一目标类别；
410、提取与所述第一目标类别相对应的回复信息；
411、将所述回复信息发送给所述目标用户。
通过本实施例，将目标文本信息进行参考同义词语句转换，然后将参考同义词与标准语句进行匹配，得到第一参考评分值，在后从第一参考评分值中确定出第二参考评分值，将第二参考评分值中的最大值对应的参考类别作为第一目标类别，最后将第一目标类别对应的回复消息发送给目标用户，以此，通过将文本信息与参考类别的标准语句进行匹配，得到文本信息的类别，能够一定程度上提升回复信息获取的准确性，进而也能一定程度上提升催收的效率。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子装置进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
与上述一致的，请参阅图5，图5为本申请实施例提供了一种智能语音应答处理系统的结构示意图。所述系统包括接收单元501、识别单元502、第一确定单元503、提取单元504和发送单元505，其中，
接收单元501，用于接收目标用户发送的语音信息；
识别单元502，用于对所述语音信息进行语音识别，得到目标文本信息；
第一确定单元503，用于确定所述目标文本信息所属的第一目标类别；
提取单元504，用于提取与所述第一目标类别相对应的回复信息；
发送单元505，用于发送将所述回复信息发送给所述目标用户。
可以看出，通过本申请实施例，首先智能语音应答处理系统接收目标用户发送的语音信息，对所述语音信息进行语音识别，得到目标文本信息，然后确定所述目标文本信息所属的第一目标类别，再后在系统中提取与所述第一目标类别相对应的回复信息，最后将所述回复信息发送给所述目标用户，因此，通过对目标用户的语音信息进行语音识别得到的文本信息进行类别的判别，得到第一目标类别，然后将该类别对应的回复信息发送给目标用户，相对于现有方案中仅通过对语音信息进行语音识别得到文本信息，然后得到与文本信息相对应回复信息，能够一定程度上提升得到回复信息的准确性，进而能够一定程度上提升催收效率。
可选的，在确定所述目标文本信息所属的第一目标类别方面，所述第一确定单元503具体用于：将所述目标文本信息与每个参考类别中的每个标准语句采用预设方法进行匹配，得到多个第一参考评分值；获取所述每个参考类别的第二参考评分值，所述第二参考评分值为所述每个参考类别中每个参考标准语句对应的第一参考评分值中的最大值；将所述第二参考评分值中的最大值所对应的参考类别作为所述第一目标类别。
可选的，所述目标文本信息包括至少一条语句，在将所述目标文本信息与每个参考类别中的每个标准语句采用预设方法进行匹配，得到多个第一参考评分值方面，所述第一确定单元503还具体用于：将所述至少一条语句进行分词，得到多个参考词组；获取上述多个参考词组的初始同义词，并将所述初始同义词按照每条语句中参考词组的顺序进行组合，得到至少一条初始同义词语句；删除所述至少一条初始同义词语句中的停顿词，得到至少一条参考同义词语句，所述至少一条参考同义词语句包括参考同义词；将所述参考同义词与所述每个标准语句中的标准词组进行匹配，得到每个参考同义词与每个标准语句中的标准词组的评分值；将每个参考同义词与同一标准语句中的标准词组的评分值之和作为第一参考评分值，得到多个第一参考评分值。
可选的，在将所述参考同义词与所述每个标准语句中的标准词组进行匹配，得到每个参考同义词与每个标准语句中的标准词组的评分值方面，所述第一确定单元还具体用于：将所述参考同义词按照参考同义词的排列顺序依次与每个标准语句中的标准词组进行匹配；若所述参考同义词与所述标准词组相匹配，则将所述参考同义词的权重值作为所述参考同义词的评分值，若所述参考同义词与所述标准词组不匹配，则所述参考同义词的评分值为预设评分值；若存在第一目标参考同义词与第一目标标准词组相匹配，第二目标参考同义词与第二目标标准词组相匹配，则所述第二目标参考同义词的评分为第二目标参考同义词的权重值乘以2，若在第二目标参考词组后存在第三至第N目标参考词组与第三目标标准词组至第N目标标准词组依次相匹配，则第N目标参考词组的评分值为第N目标参考词组的权重值乘以N，其中，所述第一目标参考同义词与所述第二目标参考同义词相邻，且所述第一目标标准词组与所述第二目标标准词组相邻，且所述第一目标标准词组与所述第二目标标准词组的顺序与所述第一参考同义词与所述第二参同义词的顺序相同，N为大于三的正整数。
可选的，请参阅图6，图6为本申请实施例提供了另一种智能语音应答处理系统的结构示意图。如图6所示，所述系统还包括第二确定单元506和更新单元507，其中，第二确定单元，用于通过应匹配算法确定出所述目标文本信息的第二目标类别；更新单元，用于若所述第二类别与所述第一类别不同，则对所述预设方法进行更新。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种智能语音应答处理方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种智能语音应答处理方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在申请明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器、随机存取器、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种智能语音应答处理方法，其特征在于，所述方法包括：
接收目标用户发送的语音信息；
对所述语音信息进行语音识别，得到目标文本信息；
确定所述目标文本信息所属的第一目标类别；
提取与所述第一目标类别相对应的回复信息；
将所述回复信息发送给所述目标用户。
2.根据权利要求1所述的方法，其特征在于，所述确定所述目标文本信息所属的第一目标类别，包括：
将所述目标文本信息与每个参考类别中的每个标准语句采用预设方法进行匹配，得到多个第一参考评分值；
获取所述每个参考类别的第二参考评分值，所述第二参考评分值为所述每个参考类别中每个参考标准语句对应的第一参考评分值中的最大值；
将所述第二参考评分值中的最大值所对应的参考类别作为所述第一目标类别。
3.根据权利要求2所述的方法，其特征在于，所述目标文本信息包括至少一条语句，将所述目标文本信息与每个参考类别中的每个标准语句采用预设的方法进行匹配，得到多个第一参考评分值，包括：
将所述至少一条语句进行分词，得到多个参考词组；
获取上述多个参考词组的初始同义词，并将所述初始同义词按照每条语句中参考词组的顺序进行组合，得到至少一条初始同义词语句；
删除所述至少一条初始同义词语句中的停顿词，得到至少一条参考同义词语句，所述至少一条参考同义词语句包括参考同义词；
将所述参考同义词与所述每个标准语句中的标准词组进行匹配，得到每个参考同义词与每个标准语句中的标准词组的评分值；
将每个参考同义词与同一标准语句中的标准词组的评分值之和作为第一参考评分值，得到多个第一参考评分值。
4.根据权利要求3所述的方法，其特征在于，所述将所述参考同义词与所述每个标准语句中的标准词组进行匹配，得到每个参考同义词的评分值，包括：
将所述参考同义词按照参考同义词的排列顺序依次与每个标准语句中的标准词组进行匹配；
若所述参考同义词与所述标准词组相匹配，则将所述参考同义词的权重值作为所述参考同义词的评分值，若所述参考同义词与所述标准词组不匹配，则所述参考同义词的评分值为预设评分值；
若存在第一目标参考同义词与第一目标标准词组相匹配，第二目标参考同义词与第二目标标准词组相匹配，则所述第二目标参考同义词的评分为第二目标参考同义词的权重值乘以2，若在第二目标参考词组后存在第三至第N目标参考词组与第三目标标准词组至第N目标标准词组依次相匹配，则第N目标参考词组的评分值为第N目标参考词组的权重值乘以N，其中，所述第一目标参考同义词与所述第二目标参考同义词相邻，且所述第一目标标准词组与所述第二目标标准词组相邻，且所述第一目标标准词组与所述第二目标标准词组的顺序与所述第一参考同义词与所述第二参同义词的顺序相同，N为大于三的正整数。
5.根据权利要求2-4任一项所述的方法，其特征在于，所述方法还包括：
通过应匹配算法确定出所述目标文本信息的第二目标类别；
若所述第二类别与所述第一类别不同，则对所述预设方法进行更新。
6.一种智能语音应答处理系统，其特征在于，所述系统包括：
接收单元，用于接收目标用户发送的语音信息；
识别单元，用于对所述语音信息进行语音识别，得到目标文本信息；
第一确定单元，用于确定所述目标文本信息所属的第一目标类别；
提取单元，用于提取与所述第一目标类别相对应的回复信息；
发送单元，用于发送将所述回复信息发送给所述目标用户。
7.根据权利要求6所述系统，其特征在于，所述第一确定单元具体用于：
将所述目标文本信息与每个参考类别中的每个标准语句采用预设方法进行匹配，得到多个第一参考评分值；
获取所述每个参考类别的第二参考评分值，所述第二参考评分值为所述每个参考类别中每个参考标准语句对应的第一参考评分值中的最大值；
将所述第二参考评分值中的最大值所对应的参考类别作为所述第一目标类别。
8.根据权利要求7所述的系统，其特征在于，所述目标文本信息包括至少一条语句，所述第一确定单元还具体用于：
将所述至少一条语句进行分词，得到多个参考词组；
获取上述多个参考词组的初始同义词，并将所述初始同义词按照每条语句中参考词组的顺序进行组合，得到至少一条初始同义词语句；
删除所述至少一条初始同义词语句中的停顿词，得到至少一条参考同义词语句，所述至少一条参考同义词语句包括参考同义词；
将所述参考同义词与所述每个标准语句中的标准词组进行匹配，得到每个参考同义词与每个标准语句中的标准词组的评分值；
将每个参考同义词与同一标准语句中的标准词组的评分值之和作为第一参考评分值，得到多个第一参考评分值。
9.根据权利要求8所述的系统，其特征在于，所述第一确定单元还具体用于：
将所述参考同义词按照参考同义词的排列顺序依次与每个标准语句中的标准词组进行匹配；
若所述参考同义词与所述标准词组相匹配，则将所述参考同义词的权重值作为所述参考同义词的评分值，若所述参考同义词与所述标准词组不匹配，则所述参考同义词的评分值为预设评分值；
若存在第一目标参考同义词与第一目标标准词组相匹配，第二目标参考同义词与第二目标标准词组相匹配，则所述第二目标参考同义词的评分为第二目标参考同义词的权重值乘以2，若在第二目标参考词组后存在第三至第N目标参考词组与第三目标标准词组至第N目标标准词组依次相匹配，则第N目标参考词组的评分值为第N目标参考词组的权重值乘以N，其中，所述第一目标参考同义词与所述第二目标参考同义词相邻，且所述第一目标标准词组与所述第二目标标准词组相邻，且所述第一目标标准词组与所述第二目标标准词组的顺序与所述第一参考同义词与所述第二参同义词的顺序相同，N为大于三的正整数。
10.根据权利要求7-9任一项所述的系统，其特征在于，所述系统还包括：
第二确定单元，用于通过应匹配算法确定出所述目标文本信息的第二目标类别；
更新单元，用于若所述第二类别与所述第一类别不同，则对所述预设方法进行更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810686586.XA CN109035001A (zh) | 2018-06-28 | 2018-06-28 | 智能语音应答处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810686586.XA CN109035001A (zh) | 2018-06-28 | 2018-06-28 | 智能语音应答处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109035001A true CN109035001A (zh) | 2018-12-18 |
Family
ID=65520714
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810686586.XA Pending CN109035001A (zh) | 2018-06-28 | 2018-06-28 | 智能语音应答处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109035001A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109960805A (zh) * | 2019-03-26 | 2019-07-02 | 北京博瑞彤芸文化传播股份有限公司 | 一种基于语义领域划分的智能语义匹配方法 |
| CN110600016A (zh) * | 2019-09-20 | 2019-12-20 | 北京市律典通科技有限公司 | 卷宗推送方法和装置 |
| CN110740212A (zh) * | 2019-09-26 | 2020-01-31 | 北京淇瑀信息科技有限公司 | 基于智能语音技术的通话接听方法、装置及电子设备 |
| CN111326160A (zh) * | 2020-03-11 | 2020-06-23 | 南京奥拓电子科技有限公司 | 一种纠正噪音文本的语音识别方法、系统及存储介质 |
| CN111556201A (zh) * | 2020-05-08 | 2020-08-18 | 北京小米松果电子有限公司 | 一种智能应答来电的方法、装置及存储介质 |
| CN111897864A (zh) * | 2020-08-13 | 2020-11-06 | 创智和宇信息技术股份有限公司 | 一种基于互联网ai外呼的专家库数据抽取方法及系统 |
| CN113515605A (zh) * | 2021-05-20 | 2021-10-19 | 河南光悦网络科技有限公司 | 基于人工智能的智能机器人问答方法和智能机器人 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101533391A (zh) * | 2008-03-14 | 2009-09-16 | 英业达股份有限公司 | 一种查找相似的匹配句的系统及其方法 |
| CN105869629A (zh) * | 2016-03-30 | 2016-08-17 | 乐视控股（北京）有限公司 | 语音识别方法及装置 |
| CN107315766A (zh) * | 2017-05-16 | 2017-11-03 | 广东电网有限责任公司江门供电局 | 一种集合智能与人工问答的语音问答方法及其装置 |
| CN107402912A (zh) * | 2016-05-19 | 2017-11-28 | 北京京东尚科信息技术有限公司 | 解析语义的方法和装置 |
| CN107798032A (zh) * | 2017-02-17 | 2018-03-13 | 平安科技（深圳）有限公司 | 自助语音会话中的应答消息处理方法和装置 |
-
2018
- 2018-06-28 CN CN201810686586.XA patent/CN109035001A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101533391A (zh) * | 2008-03-14 | 2009-09-16 | 英业达股份有限公司 | 一种查找相似的匹配句的系统及其方法 |
| CN105869629A (zh) * | 2016-03-30 | 2016-08-17 | 乐视控股（北京）有限公司 | 语音识别方法及装置 |
| CN107402912A (zh) * | 2016-05-19 | 2017-11-28 | 北京京东尚科信息技术有限公司 | 解析语义的方法和装置 |
| CN107798032A (zh) * | 2017-02-17 | 2018-03-13 | 平安科技（深圳）有限公司 | 自助语音会话中的应答消息处理方法和装置 |
| CN107315766A (zh) * | 2017-05-16 | 2017-11-03 | 广东电网有限责任公司江门供电局 | 一种集合智能与人工问答的语音问答方法及其装置 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109960805A (zh) * | 2019-03-26 | 2019-07-02 | 北京博瑞彤芸文化传播股份有限公司 | 一种基于语义领域划分的智能语义匹配方法 |
| CN110600016A (zh) * | 2019-09-20 | 2019-12-20 | 北京市律典通科技有限公司 | 卷宗推送方法和装置 |
| CN110600016B (zh) * | 2019-09-20 | 2022-02-25 | 北京市律典通科技有限公司 | 卷宗推送方法和装置 |
| CN110740212A (zh) * | 2019-09-26 | 2020-01-31 | 北京淇瑀信息科技有限公司 | 基于智能语音技术的通话接听方法、装置及电子设备 |
| CN110740212B (zh) * | 2019-09-26 | 2021-08-27 | 北京淇瑀信息科技有限公司 | 基于智能语音技术的通话接听方法、装置及电子设备 |
| CN111326160A (zh) * | 2020-03-11 | 2020-06-23 | 南京奥拓电子科技有限公司 | 一种纠正噪音文本的语音识别方法、系统及存储介质 |
| CN111556201A (zh) * | 2020-05-08 | 2020-08-18 | 北京小米松果电子有限公司 | 一种智能应答来电的方法、装置及存储介质 |
| CN111556201B (zh) * | 2020-05-08 | 2021-06-29 | 北京小米松果电子有限公司 | 一种智能应答来电的方法、装置及存储介质 |
| CN111897864A (zh) * | 2020-08-13 | 2020-11-06 | 创智和宇信息技术股份有限公司 | 一种基于互联网ai外呼的专家库数据抽取方法及系统 |
| CN113515605A (zh) * | 2021-05-20 | 2021-10-19 | 河南光悦网络科技有限公司 | 基于人工智能的智能机器人问答方法和智能机器人 |
| CN113515605B (zh) * | 2021-05-20 | 2023-12-19 | 中晨田润实业有限公司 | 基于人工智能的智能机器人问答方法和智能机器人 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109035001A (zh) | 智能语音应答处理方法及系统 | |
| CN109241255B (zh) | 一种基于深度学习的意图识别方法 | |
| US10997370B2 (en) | Hybrid classifier for assigning natural language processing (NLP) inputs to domains in real-time | |
| CN106407178B (zh) | 一种会话摘要生成方法、装置、服务器设备以及终端设备 | |
| CN104615608B (zh) | 一种数据挖掘处理系统及方法 | |
| CN107220352A (zh) | 基于人工智能构建评论图谱的方法和装置 | |
| KR101716905B1 (ko) | 개체의 유사성을 계산하는 방법 | |
| CN109885810A (zh) | 基于语义解析的人机问答方法、装置、设备和存储介质 | |
| CN103956169A (zh) | 一种语音输入方法、装置和系统 | |
| CN108304372A (zh) | 实体提取方法和装置、计算机设备和存储介质 | |
| CN103577989B (zh) | 一种基于产品识别的信息分类方法及信息分类系统 | |
| CN110517664A (zh) | 多方言识别方法、装置、设备及可读存储介质 | |
| CN107239440A (zh) | 一种垃圾文本识别方法和装置 | |
| CN101246472B (zh) | 一种汉语文本的大、小粒度切分实现方法和装置 | |
| CN104598445A (zh) | 自动问答系统和方法 | |
| CN105100353B (zh) | 一种对移动终端的新增联系人进行通讯录分组的方法 | |
| CN110532368A (zh) | 问答方法、电子设备及计算机可读存储介质 | |
| CN103794211B (zh) | 一种语音识别方法及系统 | |
| CN102246169A (zh) | 为搜索词分配指标权重 | |
| CN109800349A (zh) | 基于用户发布内容量化新闻价值的数据处理方法和装置 | |
| CN109710732A (zh) | 信息查询方法、装置、存储介质和电子设备 | |
| CN110019713A (zh) | 基于意图理解的数据检索方法和装置、设备及存储介质 | |
| CN111651572A (zh) | 一种多领域任务型对话系统、方法和终端 | |
| CN1901041B (zh) | 语音字典形成方法、语音识别系统及其方法 | |
| CN106713111A (zh) | 一种添加好友的处理方法、终端及服务器 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |