CN110047473B - 一种人机协作交互方法及系统 - Google Patents
一种人机协作交互方法及系统 Download PDFInfo
- Publication number
- CN110047473B CN110047473B CN201910319761.6A CN201910319761A CN110047473B CN 110047473 B CN110047473 B CN 110047473B CN 201910319761 A CN201910319761 A CN 201910319761A CN 110047473 B CN110047473 B CN 110047473B
- Authority
- CN
- China
- Prior art keywords
- customer
- voice
- client
- human
- computer
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000009133 cooperative interaction Effects 0.000 title claims abstract description 32
- 230000003993 interaction Effects 0.000 claims description 47
- 238000012549 training Methods 0.000 claims description 19
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 238000003786 synthesis reaction Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 230000002452 interceptive effect Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G10L13/00—Speech synthesis; Text to speech systems
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- 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
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
- G10L2015/0638—Interactive procedures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Acoustics & Sound (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Telephonic Communication Services (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种人机协作交互方法及系统，所述方法包括：采集客户语音；将所述客户语音转为文本或术语；根据所述文本或术语理解客户需求，并给出评分最高的推荐答案；对所述推荐答案的置信度进行判断，当所述推荐答案的置信值大于等于预定阈值时，将推荐答案转化为语音回复给所述客户；当所述推荐答案的置信值低于所述预定阈值时，将所述文本或术语、理解的推荐答案及对应的客户语音转发至静默坐席，所述静默坐席给出正确答案，将所述正确答案转化为语音回复给所述客户。
Description
技术领域
本发明涉及人机交互技术领域，特别涉及一种人机协作交互方法及系统。
背景技术
互动式语音应答(Interactive Voice Response),用户通过双音频电话输入信息后，能向用户播放预先录制好的语音，提供相应信息的一种业务，具有语音信箱、传真收发等功能。在传统的互动式语音应答菜单中，用户必须通过按键的方式，才能明确自己的需求，机器通过按键信息将答案最终推送给客户。这种方式虽然能够明确客户问题，但是，耗时较长，且仅能提供若干个菜单供客户选择，业务覆盖面较窄。
语音导航是在传统互动式语音应答的基础上，在识别客户意图环节，将传统的按键菜单替换成语音识别，客户无需按键，仅开口说话，机器即可捕捉到客户意图。语音导航运用语音识别和语义理解技术，通过拟人交互，根据客户的声音，快速识别客户需求，进而推送答案，解决客户问题。传统语音导航可以快速识别用户简单问题，但是答案的种类趋于多样化或用户提出比较复杂的问题时，很容易发生机器匹配错误的现象，即不能准确识别客户，导致推送错误功能，影响客户体验。
发明内容
本发明的目的在于提供一种人机协作交互方法及系统，可以更好的实际人机交互，解决客户问题。
为了解决上述问题，本申请公开了一种人机协作交互方法，包括：
采集客户语音，将所述客户语音转为文本或术语；
根据所述文本或术语理解客户需求，并给出评分最高的推荐答案；
对所述推荐答案的置信度进行判断，当所述推荐答案的置信值大于等于预定阈值时，将推荐答案转化为语音回复给所述客户；当所述推荐答案的置信值低于所述预定阈值时，将所述文本或术语、理解的推荐答案及对应的客户语音转发至静默坐席，所述静默坐席给出正确答案，将所述正确答案转化为语音回复给所述客户。
在一个优选例中，所述采集客户语音之前还包括：
采集客户信息，根据所述客户信息对客户意图进行判断；
根据所述客户意图推荐客户进入人机协作交互系统或人工坐席排队；
如果客户选择进入所述人机协作交互系统，则进入采集客户语音的步骤。
在一个优选例中，对所述推荐答案的置信度进行判断之前还包括：根据理解的客户需求判断业务复杂度，如果业务复杂度高，直接转入人工坐席。
在一个优选例中，所述静默坐席的等待时间超过预定时间时，转入人工坐席。
在一个优选例中，采集的客户信息包括：客户身份信息、客户卡片信息、账务信息、近期用卡信息、客户的年龄信息、VIP标识、客户标签。
在一个优选例中，所述客户与所述人机协作交互系统进行多次交互，直至完成客户的服务。
在一个优选例中，还包括：对转发至所述静默坐席的所述文本或术语、理解的推荐答案、对应的客户语音、正确答案进行数据标记，并进行机器训练。
在一个优选例中，还包括：对所述文本或术语、理解的推荐答案、对应的客户语音及正确答案进行机器训练。
本申请还公开了一种人机协作交互系统包括：
语音采集模块，采集所述客户的语音；
语音识别模块，被配置为将客户语音识别为文本或术语；
语义理解模块，根据所述文本或术语理解客户需求，并给出评分最高的推荐答案；
人机交互路由模块，对所述语义理解模块理解的客户需求及给出的推荐答案进行置信判断；
静默坐席，所述人机交互路由模块判断所述推荐答案的置信值低于所述预定阈值时，将所述文本或术语、理解的推荐答案及对应的客户语音转发至所述静默坐席，所述静默坐席给出正确答案；
语音合成模块，所述人机交互路由模块判断所述推荐答案的置信值大于等于预定阈值时，将所述推荐答案转化成语音；或将所述静默坐席给出的正确答案转化为语音；
语音播报模块，将所述转化的语音播回复给所述客户。
在一个优选例中，还包括：
信息采集模块，被配置为采集客户信息；
意图分析模块，根据采集的客户信息分析客户意图；
路由分析模块，根据所述客户意图推荐客户进入人机协作交互系统或人工坐席排队。
在一个优选例中，包括：所述人机交互路由模块根据理解的客户需求判断业务复杂度，如果业务复杂度高，直接转入人工坐席。
在一个优选例中，所述静默坐席的等待时间超过预定时间时，转入人工坐席。
在一个优选例中，还包括：
数据采集模块，对转发至所述静默坐席的所述文本或术语、理解的推荐答案、对应的客户语音、正确答案进行标记、采集。
在一个优选例中，还包括：
智能训练模块，对所述文本或术语、理解的推荐答案、对应的客户语音及正确答案进行机器训练。
本申请公开了一种人机协作交互系统，包括：
存储器，用于存储计算机可执行指令；以及
处理器，与所述存储器耦合，用于在执行所述计算机可执行指令时实现如前文描述的方法中的步骤。
本申请还公开了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现如前文描述的方法中的步骤。
相对于现有技术，本申请具有以下有益效果：
1)在一次通话中客户多次语音智能交互过程中，在某些时候有机器人识别错误的情况下无法解决客户的问题，影响客户的体验，因此在人和机器人交互的过程中通过预判客户意图，增加机器人置信值判断的双重方案逻辑，进一步增加静默座席的干预，帮助机器人成功完成一次语音多伦交互，并将机器人确实无法完成的任务及时的转接到在线人工服务，以提升客户的满意度及解决率。
2)充分利用在线人员的业务知识及实时的客户交互训练，利用AI机器学习及深度学习的能力不断提升机器人客户服务的能力。
附图说明
图1示出了本发明一实施例中的客户意图判断的方法流程图；
图2示出了本发明一实施例中的人机协作交互方法的流程图；
图3示出了本发明一实施例中的人机协作交互方法更具体的流程图；
图4示出了本发明一实施例中的人机协作智能学习的方法流程图。
具体实施方式
在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
部分概念的说明：
ASR：Automatic Speech Recognition，自动语音识别技术
NLP：Natural Language Processing，自然语言处理程序
TTS：Text to Speech，语音合成技术
IVR：Interactive Voice Response，互动式语音应答
Slient Agent，静默坐席
参考图1所示，本申请的第一实施方式涉及一种人机协作交互方法，包括：
步骤101，客户通过电话、手机等实现客户接入。
步骤102，系统采集客户信息，系统可以通过IVR系统或客户界面输入的方式获取客户信息。其中，采集的客户信息包括：客户身份信息、客户卡片信息、账务信息、近期用卡信息、客户的年龄信息、VIP标识、客户标签等。
步骤103，根据所述客户信息对客户意图进行判断。
步骤104，根据所述客户意图推荐客户进入人机协作交互系统或人工坐席；客户可以根据推荐选择进行步骤105进入人机协作交互系统或进行步骤106进入人工坐席排队。需要说明的是，可以根据客户的年龄对为客户推荐选择，例如对于年龄较大(例如50周岁以上)的客户推荐进入人工坐席，对于年龄较小(例如25-40周岁)的客户推荐进入人机协作交互系统。
此后，如果客户选择进入人工坐席，则转入人工坐席排队。如果客户选择进入所述人机协作交互系统，参考图2和图3所示，包括如下步骤：
步骤201，系统可以提示用户进行语音输入，用户根据个人需求语音输入需要解决的问题。
步骤202，系统根据客户的语音输入采集客户语音。
步骤203，将所述客户语音进行语音识别技术(ASR)转为文本或术语。自动语音识别技术是一种将人的语音转换成文本的技术，旨在让计算机能够“听懂”人类的语音。
步骤204，采用语言处理程序(NLP)根据所述文本或术语进行语义理解，从而理解客户需求，例如，客户需要修改信息、查询用户账务信息等等。语言处理程序是研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，旨在让计算机读懂人类语言。之后，从系统的知识库213中获取相关问题，并给出评分最高的推荐答案(FAQ)，或者给出最适合的业务场景，例如给出客户需要查询的账务内容、客户信息等，或者提供客户业务场景给客户进行旋转。此外，如果系统的知识库213是未识别的问题，则相应的在系统的知识库213增加该未识别的问题，丰富系统的知识库。
步骤205，对所述推荐答案进行置信值与设定的预定阈值的大小进行判断。其中，所述预定阈值可以设置为90％或者更高，置信值越高表明推荐答案的可信度越高。
步骤207，当所述推荐答案的置信值大于等于预定阈值时，通过语言合成技术(TTS)将推荐答案转化为语音，并回复给所述客户。
步骤206，当所述推荐答案的置信值低于所述预定阈值时，将所述文本或术语、理解的推荐答案及对应的客户语音转发至静默坐席(Slient Agent)，所述静默坐席根据文本或术语以及播放的客户语音，给出正确答案，将给出的正确答案再通过语言合成技术(TTS)转化为语音，再播报给所述客户。语音合成技术是通过机械的、电子的方法产生人造语音的技术。它是将计算机自己产生的、或外部输入的文字信息转变为可以听得懂的、流利的汉语口语输出的技术，旨在将文字信息转化为可听的声音信息，让机器像人一样开口说话，完成客户与机器之间的交互。
此外，所述客户与所述人机协作交互系统进行多次交互，直至完成客户的服务，进行步骤212客户挂机退出系统。可以理解的是，在一次通话中客户多次语音智能交互过程中，在某些时候有机器人识别错误的情况下无法解决客户的问题，影响客户的体验，因此在人和机器人交互的过程中通过预判客户意图，增加机器人置信值判断的双重方案逻辑，进一步增加静默座席的干预，帮助机器人成功完成一次语音多伦交互，通过人机协作交互即可解决客户的问题，提高用户体验。
在一个优选例中，在判断所述推荐答案的置信值之前还可以判断业务复杂度210，对于复杂度高的业务，例如，必须有人工审核的挂失卡片、修改卡片密码等业务，可以直接转入人工坐席210。此步骤将机器人确实无法完成的任务及时的转接到在线人工服务，以提升客户的满意度及解决率。更进一步的，静默坐席也可以将直接转入人工坐席，例如当静默坐席206等到的时间较长时，或者当静默坐席判断业务必须复杂度高必须由人工坐席完成时。该步骤可以避免客户等待，同时避免客户一直在机器交互过程中循环，提升客户体验，尽早解决客户问题。
进一步的，参考图4所示，所述人机协作交互方法还包括：
步骤301，对转发至所述静默坐席的所述文本或术语、理解的推荐答案、对应的客户语音、正确答案进行数据标记，并将标记的数据自动转发以实现对标记的数据进行机器训练；
步骤302，对所述文本或术语、理解的推荐答案、对应的客户语音及正确答案进行机器训练302。其中，所述机器训练302包括语音识别学习训练步骤303和语义理解学习训练步骤305，经过反复的学习训练，分别提高机器语音识别、语义理解的准确性。
最终，进行步骤306，对系统中的知识库进行在线数据迭代优化，使得机器在后续遇到相关问题时，提高给出了推荐答案的准确性。
本申请中，充分利用在线人员的业务知识及实时的客户交互训练，利用AI机器学习及深度学习的能力不断提升机器人客户服务的能力。
本申请的第二实施方式涉及一种人机协作交互系统，包括：
信息采集模块，被配置为采集客户信息；采集的客户信息包括：客户身份信息、客户卡片信息、账务信息、近期用卡信息、客户的年龄信息、VIP标识、客户标签等。
意图分析模块，根据采集的客户信息分析、判断客户意图；
路由分析模块，根据所述客户意图推荐客户进入人机协作交互系统或人工坐席排队；
语音采集模块，当所述客户选择进入人机协作交互系统时，采集所述客户的语音；
语音识别模块，被配置为将客户语音识别为文本或术语；
语义理解模块，根据所述文本或术语理解客户需求，例如，客户需要修改信息、查询用户账务信息等等。并且，从系统的知识库中获取相关问题，并给出评分最高的推荐答案。此外，如果系统的知识库中未识别到问题，则将该未识别的问题保存在系统的知识库中。
人机交互路由模块，对所述语义理解模块理解的客户需求及给出的推荐答案进行置信判断；其中，所述预定阈值可以设置为90％，置信值越高表明推荐答案的可信度越高。
静默坐席，所述人机交互路由模块判断所述推荐答案的置信值低于所述预定阈值时，将所述文本或术语、理解的推荐答案及对应的客户语音转发至所述静默坐席，所述静默坐席给出正确答案；
语音合成模块，所述人机交互路由模块判断所述推荐答案的置信值大于等于预定阈值时，将所述推荐答案转化成语音；或将所述静默坐席给出的正确答案转化成语音；
语音播报模块，所述语音播报模块将推荐答案转化的语音或正确答案转化的语音回复给所述客户。
在一次通话中客户多次语音智能交互过程中，在某些时候有机器人识别错误的情况下无法解决客户的问题，例如，多次交互中一次交互失败客户等待转入工人坐席，影响客户的体验。本发明在人和机器人交互的过程中通过预判客户意图，增加机器人置信值判断的双重方案逻辑，进一步增加静默座席的干预，帮助机器人成功完成一次语音多伦交互，通过人机协作交互即可解决客户的问题，提高用户体验。
在一个优选例中，还包括：所述人机交互路由模块根据理解的客户需求判断业务复杂度，如果业务复杂度高，直接转入人工坐席。此外，所述静默坐席的等待时间超过预定时间时，还可以转入人工坐席。
在一个优选例中，还包括：数据采集模块，对转发至所述静默坐席的所述文本或术语、理解的推荐答案、对应的客户语音、正确答案进行数据标记、采集。
在一个优选例中，还包括：智能训练模块，对所述文本或术语、理解的推荐答案、对应的客户语音及正确答案进行机器训练。本申请充分利用在线人员的业务知识及实时的客户交互训练，利用AI机器学习及深度学习的能力不断提升机器人客户服务的能力。
第一实施方式是与本实施方式相对应的方法实施方式，第一实施方式中的技术细节可以应用于本实施方式，本实施方式中的技术细节也可以应用于第一实施方式。
需要说明的是，本领域技术人员应当理解，上述人机协作交互系统的实施方式中所示的各模块的实现功能可参照前述人机协作交互方法的相关描述而理解。人机协作交互系统的实施方式中所示的各模块的功能可通过运行于处理器上的程序(可执行指令)而实现，也可通过具体的逻辑电路而实现。本申请实施例上述人机协作交互系统如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的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介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、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。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。
相应地，本申请的另一实施方式还提供一种计算机可读存储介质，其中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现本申请的各方法实施方式。计算机可读存储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，计算机可读存储介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
此外，本申请的另实施方式还提供一种人机协作交互系统，其中包括用于存储计算机可执行指令的存储器，以及，处理器；该处理器用于在执行该存储器中的计算机可执行指令时实现上述各方法实施方式中的步骤。其中，该处理器可以是中央处理单元(CentralProcessing Unit，简称“CPU”)，还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，简称“DSP”)、专用集成电路(Application Specific IntegratedCircuit，简称“ASIC”)等。前述的存储器可以是只读存储器(read-only memory，简称“ROM”)、随机存取存储器(random access memory，简称“RAM”)、快闪存储器(Flash)、硬盘或者固态硬盘等。本发明各实施方式所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
需要说明的是，在本专利的申请文件中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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过程、方法、物品或者设备不仅包括那些要素，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过程、方法、物品或者设备所固有的要素。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过程、方法、物品或者设备中还存在另外的相同要素。本专利的申请文件中，如果提到根据某要素执行某行为，则是指至少根据该要素执行该行为的意思，其中包括了两种情况：仅根据该要素执行该行为、和根据该要素和其它要素执行该行为。多个、多次、多种等表达包括2个、2次、2种以及2个以上、2次以上、2种以上。
在本说明书提及的所有文献都被认为是整体性地包括在本申请的公开内容中，以便在必要时可以作为修改的依据。此外应理解，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。
在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
Claims (14)
1.一种人机协作交互方法，其特征在于，包括：
采集客户信息，根据所述客户信息对客户意图进行判断；
根据所述客户意图推荐客户进入人机协作交互系统或人工坐席排队；
如果客户选择进入所述人机协作交互系统，则采集客户语音，将所述客户语音转为文本或术语；
根据所述文本或术语理解客户需求，并给出评分最高的推荐答案；
对所述推荐答案的置信度进行判断，当所述推荐答案的置信值大于等于预定阈值时，将推荐答案转化为语音回复给所述客户；当所述推荐答案的置信值低于所述预定阈值时，将所述文本或术语、理解的推荐答案及对应的客户语音转发至静默坐席，所述静默坐席给出正确答案，将所述正确答案转化为语音回复给所述客户，所述静默坐席可以同时给多个客户提供正确答案。
2.如权利要求1所述的人机协作交互方法，其特征在于，对所述推荐答案的置信度进行判断之前还包括：根据理解的客户需求判断业务复杂度，如果业务复杂度高，直接转入人工坐席。
3.如权利要求1所述的人机协作交互方法，其特征在于，所述静默坐席的等待时间超过预定时间时，转入人工坐席。
4.如权利要求1所述的人机协作交互方法，其特征在于，采集的客户信息包括：客户身份信息、客户卡片信息、账务信息、近期用卡信息、客户的年龄信息、VIP标识、客户标签。
5.如权利要求1所述的人机协作交互方法，其特征在于，所述客户与所述人机协作交互系统进行多次交互，直至完成客户的服务。
6.如权利要求1所述的人机协作交互方法，其特征在于，还包括：对转发至所述静默坐席的所述文本或术语、理解的推荐答案、对应的客户语音、正确答案进行数据标记，并进行机器训练。
7.如权利要求6所述的人机协作交互方法，其特征在于，还包括：对所述文本或术语、理解的推荐答案、对应的客户语音及正确答案进行机器训练。
8.一种人机协作交互系统，其特征在于，包括：
信息采集模块，被配置为采集客户信息；
意图分析模块，根据采集的客户信息分析客户意图；
路由分析模块，根据所述客户意图推荐客户进入人机协作交互系统或人工坐席排队；
语音采集模块，采集所述客户的语音；
语音识别模块，被配置为将客户语音识别为文本或术语；
语义理解模块，根据所述文本或术语理解客户需求，并给出评分最高的推荐答案；
人机交互路由模块，对所述语义理解模块理解的客户需求及给出的推荐答案进行置信判断；
静默坐席，所述人机交互路由模块判断所述推荐答案的置信值低于预定阈值时，将所述文本或术语、理解的推荐答案及对应的客户语音转发至所述静默坐席，所述静默坐席给出正确答案，所述静默坐席可以同时给多个客户提供正确答案；
语音合成模块，所述人机交互路由模块判断所述推荐答案的置信值大于等于所述预定阈值时，将所述推荐答案转化成语音；或将所述静默坐席给出的正确答案转化为语音；
语音播报模块，将所述转化的语音播回复给所述客户。
9.如权利要求8所述的人机协作交互系统，其特征在于，包括：所述人机交互路由模块根据理解的客户需求判断业务复杂度，如果业务复杂度高，直接转入人工坐席。
10.如权利要求8所述的人机协作交互系统，其特征在于，当所述静默坐席的等待时间超过预定时间时，转入人工坐席。
11.如权利要求8所述的人机协作交互系统，其特征在于，还包括：
数据采集模块，对转发至所述静默坐席的所述文本或术语、理解的推荐答案、对应的客户语音、正确答案进行标记、采集。
12.如权利要求11所述的人机协作交互系统，其特征在于，还包括：
智能训练模块，对所述文本或术语、理解的推荐答案、对应的客户语音及正确答案进行机器训练。
13.一种人机协作交互系统，其特征在于，包括：
存储器，用于存储计算机可执行指令；以及
处理器，与所述存储器耦合，用于在执行所述计算机可执行指令时实现如权利要求1至7中任意一项所述的方法中的步骤。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现如权利要求1至7中任意一项所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910319761.6A CN110047473B (zh) | 2019-04-19 | 2019-04-19 | 一种人机协作交互方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910319761.6A CN110047473B (zh) | 2019-04-19 | 2019-04-19 | 一种人机协作交互方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110047473A CN110047473A (zh) | 2019-07-23 |
| CN110047473B true CN110047473B (zh) | 2022-02-22 |
Family
ID=67278158
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910319761.6A Expired - Fee Related CN110047473B (zh) | 2019-04-19 | 2019-04-19 | 一种人机协作交互方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110047473B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111899735A (zh) * | 2020-07-23 | 2020-11-06 | 湖南三湘银行股份有限公司 | 一种银行智能用户交互系统 |
| CN113422875B (zh) * | 2021-06-22 | 2022-11-25 | 中国银行股份有限公司 | 语音坐席的应答方法、装置、设备及存储介质 |
| CN114495931A (zh) * | 2022-01-28 | 2022-05-13 | 达闼机器人股份有限公司 | 语音交互方法、系统、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0981238A2 (en) * | 1998-08-17 | 2000-02-23 | Siemens Information and Communication Networks Inc. | Silent monitoring in a voice-over-data-network environment |
| CN101662544A (zh) * | 2008-08-26 | 2010-03-03 | 华为技术有限公司 | 一种外呼处理的方法、装置和系统 |
| JP2014140143A (ja) * | 2013-01-21 | 2014-07-31 | Toshiba Corp | コールセンターシステム、及び応答方法 |
| CN108833722A (zh) * | 2018-05-29 | 2018-11-16 | 平安科技（深圳）有限公司 | 语音识别方法、装置、计算机设备及存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8934618B2 (en) * | 2008-12-29 | 2015-01-13 | Avaya Inc. | Method for analysing an interactive voice response system |
| US20130266127A1 (en) * | 2012-04-10 | 2013-10-10 | Raytheon Bbn Technologies Corp | System and method for removing sensitive data from a recording |
| CN105450876A (zh) * | 2014-06-11 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 一种语音播报方法及相关系统 |
| CN105591882B (zh) * | 2015-12-10 | 2018-03-06 | 北京中科汇联科技股份有限公司 | 一种智能机器人与人混合客服的方法及系统 |
| US10009466B2 (en) * | 2016-07-12 | 2018-06-26 | International Business Machines Corporation | System and method for a cognitive system plug-in answering subject matter expert questions |
| CN108073976A (zh) * | 2016-11-18 | 2018-05-25 | 科沃斯商用机器人有限公司 | 人机交互系统及其人机交互方法 |
| CN107506372A (zh) * | 2017-07-11 | 2017-12-22 | 哈尔滨工业大学深圳研究生院 | 一种机器人客服在混合类型会话下的自动会话切换方法 |
| CN108170739A (zh) * | 2017-12-18 | 2018-06-15 | 深圳前海微众银行股份有限公司 | 问题匹配方法、终端和计算机可读存储介质 |
-
2019
- 2019-04-19 CN CN201910319761.6A patent/CN110047473B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0981238A2 (en) * | 1998-08-17 | 2000-02-23 | Siemens Information and Communication Networks Inc. | Silent monitoring in a voice-over-data-network environment |
| CN101662544A (zh) * | 2008-08-26 | 2010-03-03 | 华为技术有限公司 | 一种外呼处理的方法、装置和系统 |
| JP2014140143A (ja) * | 2013-01-21 | 2014-07-31 | Toshiba Corp | コールセンターシステム、及び応答方法 |
| CN108833722A (zh) * | 2018-05-29 | 2018-11-16 | 平安科技（深圳）有限公司 | 语音识别方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| INNOVATIVE STRATEGIES FOR IMPROVING TELEMATICS CALL CENTRE OPERATIONS;Julien Masson et al;《15th World Congress on Intelligent Transpotation》;20081231;全文 * |
| 云联络中心即时通信系统的设计与实现;王悦;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20190215;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110047473A (zh) | 2019-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106503236B (zh) | 基于人工智能的问题分类方法以及装置 | |
| US8798255B2 (en) | Methods and apparatus for deep interaction analysis | |
| CN109514586B (zh) | 实现智能客服机器人的方法及系统 | |
| CN110597952A (zh) | 信息处理方法、服务器及计算机存储介质 | |
| CN111428010B (zh) | 人机智能问答的方法和装置 | |
| CN110047473B (zh) | 一种人机协作交互方法及系统 | |
| KR102030803B1 (ko) | 챗봇의 대화처리장치 및 그 방법 | |
| CN111179935B (zh) | 一种语音质检的方法和设备 | |
| CN112131358A (zh) | 场景流程结构及所应用的智能客服系统 | |
| CN106407393A (zh) | 一种用于智能设备的信息处理方法及装置 | |
| US20200098351A1 (en) | Techniques for model training for voice features | |
| CN108710653B (zh) | 一种绘本朗读点播方法、装置及系统 | |
| CN109271503A (zh) | 智能问答方法、装置、设备及存储介质 | |
| CN110933225B (zh) | 通话信息获取方法、装置、存储介质及电子设备 | |
| WO2015154447A1 (zh) | 一种交互式语音应答方法及装置 | |
| KR102212093B1 (ko) | 인공지능 대화형 홈쇼핑 전화 주문 시스템 | |
| CN113840040B (zh) | 一种人机协作的外呼方法、装置、设备及存储介质 | |
| CN111768781A (zh) | 语音打断的处理方法和装置 | |
| CN112417107A (zh) | 一种信息处理方法及装置 | |
| CN114328867A (zh) | 一种人机对话中智能打断的方法及装置 | |
| CN109147792A (zh) | 一种语音简历系统 | |
| CN118114679A (zh) | 服务对话质量管控方法、系统、电子设备及存储介质 | |
| CN113709313A (zh) | 客服通话数据智能质检方法、装置、设备及介质 | |
| CN114202363B (zh) | 基于人工智能的话术调用方法、装置、计算机设备及介质 | |
| CN114067842B (zh) | 客户满意度鉴别方法及装置、存储介质及电子设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220222 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |