CN109819127A - 骚扰电话的管理方法和系统 - Google Patents

Abstract

本发明涉及通信管理方法和系统，具体涉及骚扰电话的管理方法和系统，包括交换机侧来话管理模块、话机侧来话管理模块和AI来话代接平台侧来话管理模块，所述交换机侧来话管理模块包括鉴权数据库和黑名单库；所述话机侧来话管理模块通过安装话机APP实现来话管理。本发明突破现有技术手段只能通过话机号码拦截高频电话的不足，提供了基于主、被叫身份和关系，以及来话内容的拦截和管理手段，极大降低拦截的错误率。

Description

骚扰电话的管理方法和系统

技术领域

本发明涉及通信管理方法和系统，具体涉及骚扰电话的管理方法和系统。

背景技术

骚扰电话日益猖獗，但目前的解决手段主要是号码拦截。具体有两种方式：一是运营商这一端的拦截，例如中国移动推出高频呼叫的拦截服务；二是在手机这一端的拦截，例如用户在手机上安装手机管家、360安全卫士等APP进行拦截。目前的解决方案是基于高频呼叫号码的拦截，很容易造成误拦截。例如，快递的手机号码虽然是高频呼叫号码，但对被叫机主而言却是有用的来话；由于非高频号码的呼入也可能骚扰电话，基于号码的拦截方案无法拦截。例如，新号码被用来打骚扰电话，或者原先被标识为骚扰电话的号码被解锁也会被手机管家等漏掉；来话号码的标识可能造成被叫机主的误判。这种标识是其他被叫用户标识的，并不一定适用于当前被叫用户。例如，推销减肥产品的号码被标识为骚扰电话，但有减肥需要的用户可能就被误导不接听电话了；实施成本比较高。例如，要安装手机管家等APP才能拦截骚扰电话，这就把相当大一部分手机用户排除在外了。没有充分满足用户的需求。一方面，用户不掌握来电目的和内容，无法做到有针对性的处理。另一方面，没有来话场景的归纳、总结和学习能力，给用户提供个性化的来话管理方案。总之，目前防骚扰电话的技术本质上是拦截高频电话号码，阻隔通信通道，而不是管理来电，存在错误、遗漏、使用不方便等问题。

中国发明专利(CN107707723A)公开了一种骚扰电话的拦截方法，其采用手机制造商与通讯运营商合作的方式，采用伪基站侦测与追踪系统技术识别经过改号软件篡改的号码对应的所述第一IP地址信息与通讯运营商提供的所述第二IP地址信息进行比对以判断来电真伪，有效解决了用户对伪造来电无法识别、误接伪造来电的问题；同时对于判定为黑名单来电及伪造来电采取直接挂断的方式，无需用户进行号码查看及采取相应措施，为用户节省了时间；此外，还考虑到特殊情形下，用户并不想接听某一白名单来电的情形，设置了用户可以根据自身的想法来选取对应的处置方式。

中国发明专利(CN105227789A)公开了一种骚扰电话的拦截方法及装置，涉及信息安全监控管理领域。其中，骚扰电话的拦截方法包括：确定骚扰电话号码；获取所述骚扰电话号码的呼转信息，对所述呼转信息进行分析，确定所述骚扰电话号码对应的骚扰源；将后续呼转到所述骚扰源的电话号码加入黑名单。该方法在确定骚扰电话后，对其呼转信息进行统计分析，确定该骚扰电话呼转到的骚扰源，且将此后呼转到此骚扰源的电话号码均直接认定为骚扰电话，加入黑名单，禁止该电话呼出。

发明内容

本发明要解决的技术问题是针对现有技术的不足，提供骚扰电话的管理方法和系统。

本发明要解决的技术问题是通过以下技术方案实现的，本发明公开了骚扰电话的管理系统，包括交换机侧来话管理模块、话机侧来话管理模块和AI来话代接平台侧来话管理模块，所述交换机侧来话管理模块包括鉴权数据库和黑名单库；所述话机侧来话管理模块通过安装话机APP实现来话管理；

所述AI来话代接平台侧来话管理模块包括语音应答模块、语音识别模块、语音纠错模块、对话引擎模块、知识图谱模块、业务数据库和机器学习模块，所述语音应答模块接收外部来话转入，所述语音应答模块、语音识别模块和对话引擎模块依次连接，所述语音纠错模块与语音识别模块连接以实现纠错功能，所述知识图谱模块和业务数据库均与对话引擎模块连接以实现查询功能，所述知识图谱模块和业务数据库均与所述机器学习模块连接以实现机器学习过程，所述交换机侧来话管理模块和AI来话代接平台侧来话管理模块可协同配合实现来电拦截、代接和转接功能，如被叫话机安装了指定APP，则话机侧来话管理模块与交换机侧来话管理模块、AI来话代接平台侧来话管理模块协同配合实现来电拦截、代接和管理功能。

本发明要解决的技术问题还可以通过以下技术方案来进一步实现，所述语音应答模块包括语音网关、录音设备和语音合成模块，所述录音设备和语音合成模块均与语音网关连接以实现与主叫用户语音通信。

本发明要解决的技术问题还可以通过以下技术方案来进一步实现，所述语音识别模块包括语音识别模型，所述语音识别模型用于对已标注的训练集进行学习并生成语音转写模型。

本发明要解决的技术问题还可以通过以下技术方案来进一步实现，所述语音纠错模块包括纠错数据库。

本发明要解决的技术问题还可以通过以下技术方案来进一步实现，所述对话引擎模块包括对话管理器、业务数据库、知识图谱和自然语言处理模块，所述自然语言处理模块借助语料、模型等数据库连接实现自然语言分析功能,所述对话管理器用于生成代接摘要和应答文本，所述自然语言处理模块与知识图谱连接实现查询。

本发明要解决的技术问题还可以通过以下技术方案来进一步实现，所述对话引擎模块包括代接摘要通知功能模块。

本发明要解决的技术问题还可以通过以下技术方案来进一步实现，所述话机侧来话管理模块与所述AI来话代接平台侧来话管理模块之间连接有数据同步模块。

一种通过上述系统实现骚扰电话管理的方法，包括以下步骤，

步骤S1，发生呼叫后，本次通话信令由话机传递进入交换机侧来话管理模块，交换机侧来话管理模块对被叫号码鉴权，对主叫号码进行黑名单查询；

步骤S2，若步骤S1中的被叫号码开通了高频呼叫过滤的功能，主叫号码在高频电话黑名单库中，则呼叫转移到AI来话代接平台侧来话管理模块进行来话代接；

步骤S3，当来话转入AI来话代接平台侧来话管理模块102后，语音应答模块负责与呼叫用户的语音交互，并将实时语音流发送至语音识别模块；

步骤S4，语音识别模块通过语音转写模型将待转写语音文件转写成转写后文本；

步骤S5，所述步骤S4生成的转写后文本传送到通话引擎模块，通话引擎模块生成应答文本和代接摘要；

步骤S6，所述步骤S5中的应答文本传送到语音应答模块(1021)并语音播报给主叫用户，重复步骤S4、步骤S5和步骤S6，直到本通来话结束；

步骤S7，本通来话结束后，代接摘要通过数据同步模块传送到被叫用户。

本发明要解决的技术问题还可以通过以下技术方案来进一步实现，所述步骤S4中包括通过语音纠错模块对待纠错文件进行纠错的过程。

本发明要解决的技术问题还可以通过以下技术方案来进一步实现，所述步骤S5中包括通过机器学习模块对知识图谱进行完善的过程。

本发明与现有技术相比具有以下优点：

(1)本发明突破现有技术手段只能通过话机号码拦截高频电话的不足，提供了基于主、被叫身份和关系，以及来话内容的拦截和管理手段，极大降低拦截的错误率；

(2)本发明提出了交换机侧、AI来话代接平台侧和话机侧来话管理的一体化解决方案，把对骚扰电话的拦截、代接和管理有机统一起来；

(3)本发明给予话机用户主动管理骚扰电话的工具和能力，提升用户体验，增强用户管理骚扰电话的主动性；

(4)本发明降低了话机用户的使用成本，提升全社会防范骚扰电话的整体水平。

附图说明

图1是交换机侧来话管理模块101工作原理示意图；

图2是AI来话代接平台侧来话管理模块102工作原理示意图；

图3是语音应答模块1021工作原理示意图；

图4是语音识别模块1022工作原理示意图；

图5是语音纠错模块1023工作原理示意图；

图6是对话引擎模块1024工作原理示意图。

具体实施方式

如图1-6所示，本发明公开了骚扰电话的管理系统，包括交换机侧来话管理模块101、话机侧来话管理模块和AI来话代接平台侧来话管理模块102，所述交换机侧来话管理模块101包括鉴权数据库1011和黑名单库1012；所述话机侧来话管理模块通过安装话机APP实现来话管理；所述AI来话代接平台侧来话管理模块102包括语音应答模块1021、语音识别模块1022、语音纠错模块1023、对话引擎模块1024、知识图谱模块1025、业务数据库1026和机器学习模块1027，所述语音应答模块1021接收外部来话转入，所述语音应答模块1021、语音识别模块1022和对话引擎模块1024依次连接，所述语音纠错模块1023与语音识别模块1022连接以实现纠错功能，所述知识图谱模块1025和业务数据库1026均与对话引擎模块1024连接以实现查询功能，所述知识图谱模块1025和业务数据库1026均与所述机器学习模块1027连接以实现机器学习过程，所述交换机侧来话管理模块101、话机侧来话管理模块和AI来话代接平台侧来话管理模块102可协同配合实现来电拦截、代接和转接功能。

所述语音应答模块1021包括语音网关1021A、录音设备1021B和语音合成模块1021C，所述录音设备1021B和语音合成模块1021C均与语音网关1021A连接以实现与主叫用户语音通信。所述语音识别模块1022包括语音识别模型，所述语音识别模型用于对已标注的训练集进行学习并生成语音转写模型。所述语音纠错模块1023包括纠错数据库。所述对话引擎模块1024包括对话管理器、业务数据库1026、知识图谱1025和自然语言处理模块，所述自然语言处理模块借助语料、模型等数据库连接实现自然语言分析功能,所述对话管理器用于生成代接摘要和应答文本，所述自然语言处理模块与知识图谱1025连接实现查询。所述对话引擎模块1024包括代接摘要通知功能模块，来话代接摘要通过手机短信或者被叫话机上的APP通知机主，话机侧来话管理模块既可以通过在被叫手机上安装APP实现，也可以通过在被叫座机关联的手机上安装APP实现。所述话机侧来话管理模块与所述AI来话代接平台侧来话管理模块102之间连接有数据同步模块。

一种通过上述系统实现骚扰电话管理的方法，包括以下步骤，

步骤S1，发生呼叫后，本次通话信令由话机传递进入交换机侧来话管理模块101，交换机侧来话管理模块101对被叫号码鉴权，对主叫号码进行黑名单查询；

步骤S2，若步骤S1中的被叫号码开通了高频呼叫过滤的功能，主叫号码在高频电话黑名单库中，则呼叫转移到AI来话代接平台侧来话管理模块102进行来话代接；

步骤S3，当来话转入AI来话代接平台侧来话管理模块102后，语音应答模块1021负责与呼叫用户的语音交互，并将实时语音流发送至语音识别模块1022；

步骤S4，语音识别模块1022通过语音转写模型将待转写语音文件转写成转写后文本；

步骤S5，所述步骤S4生成的转写后文本传送到通话引擎模块1024，通话引擎模块1024生成应答文本和代接摘要；

步骤S6，所述步骤S5中的应答文本传送到语音应答模块1021并语音播报给主叫用户，步骤S4、步骤S5和步骤S6重复进行，直到本通来话结束；

步骤S7，本通来话结束后，代接摘要通过短信发送给被叫话机(当被叫话机未安装APP时)，或者通过数据同步模块传送到话机侧来话管理模块用于提醒被叫用户(当话机安装了APP时)。

所述步骤S4中包括通过语音纠错模块1023对待纠错文件进行纠错的过程。所述步骤S5中包括通过机器学习模块1027对知识图谱1025进行完善的过程。

所述交换机侧来话管理模块101的工作原理为：当主叫号码A1对被叫号码B1发起呼叫，本次通话信令由话机传递进入交换机平台。

交换机从信令中获取主叫号码A1和被叫号码B1，并利用鉴权数据库1011对被叫号码B1进行业务鉴权。所述鉴权数据库1011保存电话号码已开通业务的记录，鉴权数据库1011的更新由运营商的业务系统负责。如果被叫号码B1开通了高频呼叫过滤的功能，且主叫号码A1在高频电话黑名单库1012里，则交换机将本次呼叫转移到AI来话代接平台进行来话代接。高频电话黑名单库1012保存高频电话列表。高频电话号码是在设定时间内呼叫次数超过正常次数范围的号码，其更新既可以由运营商的业务系统完成，也可以接受AI来话代接平台侧来话管理模块102上标注为高频、营销等类别的电话号码。

如果被叫号码B1未开通高频呼叫过滤的功能，交换机会继续判断被叫号码B1的话机是否处于关机、没网络、忙音等状态，如果是，则呼叫转移到AI来话代接平台侧来话管理模块102进行来话代接；如果不是，则呼叫继续接续到被叫号码B1。

所述AI来话代接平台侧来话管理模块102包括语音应答、语音识别、对话引擎、事由提取、场景学习等功能模块。其来话管理分为四个步骤：

(一)语音应答步骤

当来话转入AI来话代接平台侧来话管理模块102后，语音应答模块1021负责与呼叫用户的语音交互。其步骤如下：

当收听用户语音时，语音网关1021A将来话语音传递到录音设备1021B，后者将实时录制语音，并将录制的语音文件实时传递到语音识别模块1022。当回应用户时，语音合成模块1021C接受到应答文本，通过语音合成算法将文本转成语音文件，并将该文件传递给语音网关1021A。语音网关1021A通过麦克风播报给主叫用户。

(二)语音识别步骤

语音识别模块1022负责将语音转成文本。

语音识别模块1022采用卷积神经元网络技术实现端到端的语音转文本。语音识别模块1022的核心组件是语音识别模型。

语音识别模型是利用卷积神经元网络对已标注的训练集进行训练而得。已标注的训练集一般为数量庞大的2-4秒钟的语音文件和对应的标注文本。训练的目的就是对已标注的训练集进行学习，生成有效的转写模型，后者能够把输入的语音文件准确转写为文本(例如把发音为“我爱北京天安门”的语音文件转写为“我爱北京天安门”的文本)。

语音训练包括信号特征提取和分类识别两个步骤。特征提取的第一步是应用卷积算法实现特征过滤，去掉无关特征。接着应用ReLU等激活函数对保留下来的特征进行非线性计算。最后，应用池化算法对计算结果进行筛选，把重要的特征抽取出来。重复以上三个特征提取过程则可以构建一个多层的特征学习网络。当多层网络构建完成后，则进入到分类识别步骤，其目标是把每层网络的计算结果连接起来，构成一个新的特征向量，然后进行分类识别。分类识别过程实质上就是不断地调整、计算每个特征向量对应的权重参数向量，使得两者的乘积与目标结果的差最小化。当乘积与目标结果的差达到预期效果时，语音转写模型就训练好了。

当待转写的语音文件输入到语音识别模块1022后，语音转写模型将之转写为文本。经过纠错后，将已纠错文本输出为已转写文本。

(三)语音纠错步骤

由于外部环境噪音、线路噪音、语音识别错误等原因，语音识别的文本需要纠错。

在本步骤中，纠错数据库1023保存纠错映射列表(例如，把“机组”映射为“机主”)。如果待纠错文本在纠错映射表中，那么就将映射到的文本做为已纠错文本返回给语音识别模块1022。

如果待纠错文本不在纠错映射表中，但该文本被系统随机选中需要人工审核，或者该文本达不到质检的要求被选中需要人工审核，纠错系统一方面会把待纠错文本返回(相对于未纠错)，另一方面会启动人工审核过程。人工审核是把错误的语音标注改正，然后把修改后的标注和对应的语音文件返回给语音识别模块1022，由后者重新训练和更新语音转写模型。

如果待纠错文本未被选中需要人工审核，则纠错步骤停止。

(四)对话交互步骤

对话引擎模块1024负责返回应答文本或代接摘要。对话引擎模块1024主要借助自然语言处理、知识图谱1025、数据挖掘等技术实现。当已纠错文本传递到对话引擎模块1024后，对话管理器负责调度整个对话流程：

(1)对文本做自然语言处理(包括分词、实体识别、词性分析、句法分析等)，确定主叫的姓氏和称谓、主叫和被叫的关系、来电事由等；

(2)在自然语言处理过程中，查询和更新业务数据库1026(包括主被叫数据库、场景数据库、语料数据库、电话号码数据库、地点数据库等)。例如，通过主叫号码查询主叫的姓氏和称谓，如果查到结果，则用该姓氏和称谓来称呼主叫。又例如，当提取到主、被叫是父子关系时，把这个关系更新到主、被叫关系的数据库中，从而协助判断来话是否高频骚扰电话；

(3)在自然语言处理中，查询知识图谱1025。知识图谱1025是描述实体、概念以及实体和概念之间语义关系的有向图。知识图谱1025可以提升自然语言处理的准确率。例如，“中山大学”这个词一般都理解为高校，但其实它也可以理解为一个地点。正因为知识图谱1025存储了这个知识点，自然语言处理才有可能避免把“聚会地点在中山大学”里面的“中山大学”仅判定为高校而非地点名称；

(4)自然语言处理过程结束后，将主被叫信息、来电事由等返回给对话管理器；

(5)如果本通对话尚未结束，对话管理器调用生成应答模块生成本轮对话的回复；

(6)如果本通对话结束，对话管理器调用生成摘要模块生成代接摘要。

(五)机器学习步骤

知识图谱1025是支撑对话引擎模块1024的重要组成部分。它的构建主要是基于业务数据库1026、对话记录和领域知识。构建方法是通过机器学习算法和技术从业务数据库1026、对话记录1027和领域知识中提取实体、概念以及两者之间的关系，组成知识三元组，并存储到数据库中。知识图谱1025提供查询、更新、推导等功能。

此外，知识图谱1025由差距分析和学习更新。差距分析是比较对知识图谱1025的应用的实际效果和预期效果，计算两种效果的比较指标的差距(例如实际准确率为80％，预期准确率为90％，两者差距为10％)。当某个或者某组指标的差距大于相关阈值时，则需要通过无监督学习或半监督学习等方式来完善知识图谱1025。

(五)摘要通知步骤

本通来话代接完成后，对话引擎模块1024会生成代接摘要，并通知被叫用户。代接摘要是本通来话内容的简要总结，包括但不仅限于来话时间、主叫号码、主叫称呼、来话事由、紧急程度、回电需求等。如果被叫用户的话机没有安装指定APP，则代接摘要通过短信方式发送到被叫话机上。如果被叫用户的话机安装了指定APP，则将代接摘要以消息方式推送到APP上提醒被叫机主。如果被叫用户是座机，则将代接摘要发送到被叫用户预留的话机上。

(6)数据同步步骤

数据同步包括将来话相关数据通过短信下发给被叫手机，以及AI来话代接平台侧来话管理模块102与话机用户侧APP之间的来话相关数据的同步。可同步的来话相关数据包括，但不仅限于，来话内容详情、来话内容摘要、话机通讯录、通话记录、代接场景、代接时段、代接引导语等。数据同步须由用户指定和授权，一般在防骚扰电话业务开通时指定和授权，也可以在指定的APP或者网页上完成。

所述话机侧来话管理模块包括但不仅限于，来话转移、消息提醒、场景设置、数据同步等。来话转移是当来话触发了用户预先设定的转移代接场景，由APP将来话转移到AI来话代接平台侧来话管理模块102进行代接管理。消息提醒是指APP以弹窗、通知栏、角标、声音、振动、呼吸灯闪烁等方式提醒用户特定事项。场景设置是用户设定来话转移代接的各类场景，包括设定黑名单、代接前振铃次数、代接时段、代接引导语、消息提醒方式等。数据同步是指用户将话机上或者APP上特定数据与AI来话代接平台侧来话管理模块102的业务数据的同步。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换及改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.骚扰电话的管理系统，其特征在于：包括交换机侧来话管理模块(101)、话机侧来话管理模块和AI来话代接平台侧来话管理模块(102)；

所述交换机侧来话管理模块(101)包括鉴权数据库(1011)和黑名单库(1012)；

所述话机侧来话管理模块通过被叫用户安装关联话机APP实现来话管理；

所述AI来话代接平台侧来话管理模块(102)包括语音应答模块(1021)、语音识别模块(1022)、语音纠错模块(1023)、对话引擎模块(1024)、知识图谱模块(1025)、业务数据库(1026)和机器学习模块(1027)；

所述语音应答模块(1021)接收外部来话转入，所述语音应答模块(1021)、语音识别模块(1022)和对话引擎模块(1024)依次连接，所述语音纠错模块(1023)与语音识别模块(1022)连接以实现纠错功能，所述知识图谱模块(1025)和业务数据库(1026)均与对话引擎模块(1024)连接以实现查询功能，所述知识图谱模块(1025)和业务数据库(1026)均与所述机器学习模块(1027)连接以实现机器学习过程；

所述交换机侧来话管理模块(101)、话机侧来话管理模块和AI来话代接平台侧来话管理模块(102)可协同配合实现来电拦截、代接和管理功能。

2.根据权利要求1所述的骚扰电话的管理系统，其特征在于：所述语音应答模块(1021)包括语音网关(1021A)、录音设备(1021B)和语音合成模块(1021C)，所述录音设备(1021B)和语音合成模块(1021C)均与语音网关(1021A)连接以实现与主叫用户语音通信。

3.根据权利要求1所述的骚扰电话的管理系统，其特征在于：所述语音识别模块(1022)包括语音识别模型，所述语音识别模型用于对已标注的训练集进行学习并生成语音转写模型。

4.根据权利要求1所述的骚扰电话的管理系统，其特征在于：所述语音纠错模块(1023)包括纠错数据库。

5.根据权利要求1所述的骚扰电话的管理系统，其特征在于：所述对话引擎模块(1024)包括对话管理器、业务数据库(1026)、知识图谱(1025)和自然语言处理模块，所述自然语言处理模块通过与业务数据库(1026)连接实现数据查询更新,所述对话管理器用于生成代接摘要和应答文本，所述自然语言处理模块与知识图谱(1025)连接实现查询。

6.根据权利要求5所述的骚扰电话的管理系统，其特征在于：所述对话引擎模块(1024)包括代接摘要通知功能模块，所述对话引擎模块(1024)通过所述代接摘要通知功能模块通知被叫机主。

7.根据权利要求1所述的骚扰电话的管理系统，其特征在于：所述话机侧来话管理模块与所述AI来话代接平台侧来话管理模块(102)之间连接有数据同步模块。

8.一种利用权利要求1所述系统的骚扰电话管理方法，其特征在于：包括以下步骤，

步骤S1，发生呼叫后，本次通话信令由话机传递进入交换机侧来话管理模块(101)，交换机侧来话管理模块(101)对被叫号码鉴权，对主叫号码进行黑名单查询；

步骤S2，若步骤S1中的被叫号码开通了高频呼叫过滤的功能，主叫号码在高频电话黑名单库中，则呼叫转移到AI来话代接平台侧来话管理模块(102)进行来话代接；

步骤S3，当来话转入AI来话代接平台侧来话管理模块102后，语音应答模块(1021)负责与呼叫用户的语音交互，并将实时语音流发送至语音识别模块(1022)；

步骤S4，语音识别模块(1022)通过语音转写模型将待转写语音文件转写成转写后文本；

步骤S5，所述步骤S4生成的转写后文本传送到通话引擎模块(1024)，通话引擎模块(1024)生成应答文本和代接摘要；

步骤S6，所述步骤S5中的应答文本传送到语音应答模块(1021)并语音播报给主叫用户，重复步骤S4、步骤S5和步骤S6，直到本通来话结束；

步骤S7，本通来话结束后，代接摘要通过数据同步模块传送到被叫用户。

9.根据权利要求8所述的骚扰电话管理方法，其特征在于：所述步骤S4中包括通过语音纠错模块(1023)对待纠错文件进行纠错的过程。

10.根据权利要求8所述的骚扰电话管理方法，其特征在于：所述步骤S5中包括通过机器学习模块(1027)对知识图谱(1025)进行完善的过程。