CN110166640B - 呼叫中心通用信息模型建立系统及方法 - Google Patents
呼叫中心通用信息模型建立系统及方法 Download PDFInfo
- Publication number
- CN110166640B CN110166640B CN201910468635.7A CN201910468635A CN110166640B CN 110166640 B CN110166640 B CN 110166640B CN 201910468635 A CN201910468635 A CN 201910468635A CN 110166640 B CN110166640 B CN 110166640B
- Authority
- CN
- China
- Prior art keywords
- information
- reply
- customer service
- user
- term information
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005516 engineering process Methods 0.000 claims description 18
- 230000005236 sound signal Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/487—Arrangements for providing information services, e.g. recorded voice services or time announcements
- H04M3/493—Interactive information services, e.g. directory enquiries ; Arrangements therefor, e.g. interactive voice response [IVR] systems or voice portals
- H04M3/4936—Speech interaction details
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明涉及通用信息技术领域,具体涉及呼叫中心通用信息模型建立系统及方法,系统包括服务器,服务器存储各行业的术语信息,服务器用于提取用户语音内容信息中的术语信息;且在客服回复用户时,提取回复话术信息和对应的术语信息,生成回复话术模型,并在提取到术语信息时,调取与该术语信息对应的回复话术信息并显示,方法包括以下步骤:预存各行业的术语信息;提取用户语音内容信息中的术语信息;在客服回复用户时,提取回复话术信息和对应的术语信息,生成回复话术模型;在提取到对应的术语信息时,调取与该术语信息对应的回复话术信息并显示,以此解决客服回答用户问题时,出现忘词情况,影响用户体验感的问题,本发明主要用于呼叫中心。
Description
技术领域
本发明涉及通用信息技术领域,具体涉及呼叫中心通用信息模型建立系统及方法。
背景技术
呼叫中心,就是在一个相对集中的场所,由一批服务人员组成的服务机构,通常利用计算机通讯技术,处理来自企业、顾客的咨询需求,呼叫中心经过多年的发展,已广泛应用于政府、金融、电信、保险、购物等多领域。众多需要使用电话进行营销、服务与支持的企业都希望拥有或使用呼叫中心服务。
然而,现目前呼叫中心的客服都是经过相应的培训之后开始上岗,培训时会针对特定的问题提供出相应的回复话术,这些话术很多都是规定的,因此需要客服自身进行训练和记忆,但是当在真正面对用户时,客服可能出现忘词的情况,此时若没有及时的给予客服人员提示,就会极大程度的降低用户体验感,并且有些问题可能在培训的时候也没有遇到,因此需要客服临时应变,而针对这种初次的问题,且客服回复很好的,若不进行相应的统计存储,在以后其它客服遇到类似问题时,有可能并不能很好的做出回复,从而会影响用户体验感。
发明内容
本发明的目的在于提供一种呼叫中心通用信息模型建立系统,解决客服回答用户问题时,出现忘词情况,十分影响用户体验感的问题。
为解决上述技术问题,本发明的基础方案如下:
呼叫中心通用信息模型建立系统,包括服务器,所述服务器存储有各行业的术语信息,服务器用于提取用户语音内容信息中对应的术语信息,服务器还用于在客服回复用户包含术语信息的语音内容时,提取客服的回复话术信息和用户语音内容信息中对应的术语信息,并生成回复话术模型,服务器还用于在提取到用户语音内容信息中对应的术语信息时,从回复话术模型中调取与该术语信息对应的回复话术信息进行显示。
通过提取客服回复用户的回复话术信息,可将一些在培训时或以前没有遇到的问题的回复话术存储起来,对回复话术模型进行持续的更新,当其他客服遇到类似的问题时,服务器就可从回复话术模型中提取出对应的话术,给客服以参考,便于客服做出更加合理的回答,增强客户的体验感,解决客服回答用户问题时,出现回答困难或忘词等情况,进而影响用户体验感的问题。
进一步,所述服务器还用于对客服的回复话术信息进行语义识别,并将客服的回复话术信息中语义相同的话术分为同一类。
通过将客服的回复话术信息进行分类后,便于管理人员对不同类别的话术进行整理和分析。
进一步,所述服务器还用于在提取到用户语音内容信息中对应的术语信息时,从回复话术模型中调取对应的同一类话术中其中之一的回复话术信息进行显示。
由于同一类的话术为语义相同的话术,因此从回复话术模型中调取同一类话术中的其中之一进行显示,可避免多个相同语义的话术显示出来,不便客服进行有效的筛选,影响客服的判断,并且由于是随机调取同一类话术中的其中之一进行显示,因此客服回答的语义虽然相同,但是表述却不同,使用户感觉到的并不是死板的套话,以此可增加用户的体验感。
进一步,所述服务器还用于分段提取用户语音内容信息中存在的多个术语信息,并将分段提取到的多个术语信息组合在一起,生成关联性组合术语信息,服务器还用于在客服回复用户包含关联性组合术语信息的语音内容时,提取客服的回复话术信息和用户语音内容信息中对应的关联性组合术语信息,并生成回复话术模型,服务器还用于在提取到用户语音内容信息中对应的关联性组合术语信息时,从回复话术模型中调取与该关联性组合术语信息对应的回复话术信息进行显示。
由于用户的一段话中可能存在多个术语信息的组合,而多个术语信息的组合往往代表的含义更加明确,因此通过关联性组合术语信息,从回复话术模型中调取出的客服的回复话术信息也会更加适合回答用户,而且由于关联性组合术语信息是由多个术语信息组合而成,而每一个术语信息都有相应的客服的回复话术信息,因此关联性组合术语信息对应的客服的回复话术信息必定少于多个术语信息相加的客服的回复话术信息。因此还可起到减少客服筛选回复话术信息的数量,将相关度不大的单个术语信息对应的回复话术信息过滤掉,提高客服的工作效率,使客服能够在相对较少的回复话术信息中快速的寻找到合适的回复话术信息。
进一步,所述服务器还用于在提取到用户语音内容信息中对应的关联性组合术语信息时,从回复话术模型中调取对应的同一类话术中其中之一的回复话术信息进行显示。
以此方式,可减少客服在与用户进行沟通时,避免客服对于语义相同的回复话术的筛选,使客服能够快速的寻找到合适的回复话术回答用户,提高工作效率。
进一步,所述服务器的分段提取方式为:提取用户开始说话直至客服开始说话这段时间中用户语音内容信息中存在的多个术语信息。
用户开始说话直至客服开始说话这段时间,提取到的为用户说话时的语音内容,在客服开始说话时,证明用户的一段话已经说完,并且已经明确的表达出了其话语中的含义。因此这样分段提取出的用户语音内容信息中的关联性组合术语信息,其包含的含义才会更加明确,避免随意分段提取到的关联性组合术语信息,来自不同的两句话,且这两句话的语义还不相同,进而导致提取的关联性组合术语信息与客服的回复话术信息不对应的问题。
进一步,呼叫中心通用信息模型建立方法,包括以下步骤:
预存各行业的术语信息;
提取用户语音内容信息中对应的术语信息;
在客服回复用户包含术语信息的语音内容时,提取客服的回复话术信息和用户语音内容信息中对应的术语信息,并生成回复话术模型;
在提取到用户语音内容信息中对应的术语信息时,从回复话术模型中调取与该术语信息对应的回复话术信息进行显示。
通过提取客服回复用户的回复话术信息,可将一些在培训时或以前没有遇到的问题的回复话术存储起来,对回复话术模型进行持续的更新,当其他客服遇到类似的问题时,就可从回复话术模型中提取出对应的话术,给客服以参考,便于客服做出更加合理的回答,增强客户的体验感,解决客服回答用户问题时,出现回答困难或忘词等情况,进而影响用户体验感的问题。
进一步,还包括以下步骤:对客服的回复话术信息进行语义识别,并将客服的回复话术信息中语义相同的话术分为同一类。
通过将客服的回复话术信息进行分类后,便于管理人员对不同类别的话术进行整理和分析。
进一步,还包括:在提取到用户语音内容信息中对应的术语信息时,从回复话术模型中调取对应的同一类话术中其中之一的回复话术信息进行显示。
由于同一类的话术为语义相同的话术,因此从回复话术模型中调取同一类话术中的其中之一进行显示,可避免多个相同语义的话术显示出来,不便客服进行有效的筛选,影响客服的判断,并且由于是随机调取同一类话术中的其中之一进行显示,因此客服回答的语义虽然相同,但是表述却不同,使用户感觉到的并不是死板的套话,以此可增加用户的体验感。
进一步,还包括以下步骤:
分段提取用户语音内容信息中存在的多个术语信息,并将分段提取到的多个术语信息组合在一起,生成关联性组合术语信息;
在客服回复用户包含关联性组合术语信息的语音内容时,提取客服的回复话术信息和用户语音内容信息中对应的关联性组合术语信息,并生成回复话术模型;
在提取到用户语音内容信息中对应的关联性组合术语信息时,从回复话术模型中调取对应的同一类话术中其中之一的回复话术信息进行显示。
由于用户的一段话中可能存在多个术语信息的组合,而多个术语信息的组合往往代表的含义更加明确,因此通过关联性组合术语信息,从回复话术模型中调取出的客服的回复话术信息也会更加适合回答用户,而且由于关联性组合术语信息是由多个术语信息组合而成,而每一个术语信息都有相应的客服的回复话术信息,因此关联性组合术语信息对应的客服的回复话术信息必定少于多个术语信息相加的客服的回复话术信息。因此还可起到减少客服筛选回复话术信息的数量,将相关度不大的单个术语信息对应的回复话术信息过滤掉,提高客服的工作效率,使客服能够在相对较少的回复话术信息中快速的寻找到合适的回复话术信息。
附图说明
图1为本发明呼叫中心通用信息模型建立系统实施例的示意性框图;
图2为本发明呼叫中心通用信息模型建立方法实施例的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例基本如附图1所示:呼叫中心通用信息模型建立系统,包括服务器,服务器包括数据库、术语信息提取模块、音频信号判别模块、回复话术模型生成模块、回复话术信息调取模块、语义识别模块和分类模块。
数据库存储有各行业的术语信息。
术语信息提取模块:用于提取用户语音内容信息中对应的术语信息,还用于分段提取用户语音内容信息中存在的多个术语信息,并将分段提取到的多个术语信息组合在一起,生成关联性组合术语信息。
其分段提取方式为:提取用户开始说话直至客服开始说话这段时间中用户语音内容信息中存在的多个术语信息,由于用户和客服之间通话必定是使用的两个终端进行通话的,如客服使用的是客服终端、用户使用的是用户终端。
音频信号判别模块:预设300Hz音频频率阈值,音频信号判别模块用于分别识别用户终端的音频信号和客服终端的音频信号,并判断用户终端的音频频率和客服终端的音频频率是否显著提升。规定达到300Hz(赫兹)及以上就为显著提升(人的声音频率范围约为300Hz至3.4KHz)。以此就可通过识别到的音频信号判断是用户还是客服在说话,并且当用户和客服说话时,其音频的频率会显著提升,以此就可判断用户或客服是否在说话。因此当用户开始说话时,用户的音频开始显著提升,当客服开始说话时则客服的音频开始显著提升。
因为考虑到可能出现用户和客服同时说话的情况,即用户和客服的音频同时显著提升,此时术语信息提取模块不会进行术语信息提取,避免干扰引起的提取信息不准确。以此就可实现分段提取,即在用户开始说话(用户的音频显著提升)直至客服开始说话(客服的音频显著提升)这段时间中提取到相应的多个术语信息。
回复话术模型生成模块:用于在客服回复用户包含术语信息的语音内容时,提取客服的回复话术信息和用户语音内容信息中对应的术语信息,且在客服回复用户包含关联性组合术语信息的语音内容时,提取客服的回复话术信息和用户语音内容信息中对应的关联性组合术语信息,并生成回复话术模型。
语义识别模块:用于对客服的回复话术信息进行语义识别。
分类模块:用于将客服的回复话术信息中语义相同的话术分为同一类。
回复话术信息调取模块:用于在提取到用户语音内容信息中对应的术语信息或对应的关联性组合术语信息时,从回复话术模型中调取对应的同一类话术中其中之一的回复话术信息进行显示。
如图2所示,为了更清楚的阐述本发明的呼叫中心通用信息模型建立系统,本实施例中,还公开了呼叫中心通用信息模型建立方法,该方法基于以上系统,包括以下内容:
预存各行业的术语信息。
提取用户语音内容信息中对应的术语信息。
分段提取用户语音内容信息中存在的多个术语信息,并将分段提取到的多个术语信息组合在一起,生成关联性组合术语信息。
其分段提取方式为:提取用户开始说话直至客服开始说话这段时间中用户语音内容信息中存在的多个术语信息,由于用户和客服之间通话必定是使用的两个终端进行通话的,如客服使用的是客服终端、用户使用的是用户终端。
分别识别用户终端的音频信号和客服终端的音频信号,并判断用户终端的音频频率和客服终端的音频频率是否显著提升。规定达到300Hz(赫兹)及以上就为显著提升(人的声音频率范围约为300Hz至3.4KHz),以此就可达到在用户开始说话(用户的音频显著提升)直至客服开始说话(客服的音频显著提升)这段时间中提取到相应的多个术语信息。
在客服回复用户包含术语信息的语音内容时,提取客服的回复话术信息和用户语音内容信息中对应的术语信息,且在客服回复用户包含关联性组合术语信息的语音内容时,提取客服的回复话术信息和用户语音内容信息中对应的关联性组合术语信息,并生成回复话术模型。
对客服的回复话术信息进行语义识别,并将客服的回复话术信息中语义相同的话术分为同一类。
在提取到用户语音内容信息中对应的术语信息或对应的关联性组合术语信息时,从回复话术模型中调取对应的同一类话术中其中之一的回复话术信息进行显示。
具体使用场景如下:
在客服与用户进行通话的时候,通过提取客服回复用户的回复话术信息,可将一些在培训时或以前没有遇到的问题的回复话术存储起来,对回复话术模型进行持续的更新,当其他客服遇到类似的问题时,回复话术信息调取模块就可从回复话术模型中提取出对应的话术,给客服以参考,便于客服做出更加合理的回答,增强客户的体验感,解决客服回答用户问题时,出现回答困难或忘词等情况,进而影响用户体验感的问题。
并且由于用户的一段话中可能存在多个术语信息的组合,而多个术语信息的组合往往代表的含义更加明确,因此通过关联性组合术语信息,从回复话术模型中调取出的客服的回复话术信息也会更加适合回答用户,而且由于关联性组合术语信息是由多个术语信息组合而成,而每一个术语信息都有相应的客服的回复话术信息,因此关联性组合术语信息对应的客服的回复话术信息必定少于多个术语信息相加的客服的回复话术信息。因此还可起到减少客服筛选回复话术信息的数量,将相关度不大的单个术语信息对应的回复话术信息过滤掉,提高客服的工作效率,使客服能够在相对较少的回复话术信息中快速的寻找到合适的回复话术信息。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (6)
1.呼叫中心通用信息模型建立系统,包括服务器,其特征在于:所述服务器存储有各行业的术语信息,服务器用于提取用户语音内容信息中对应的术语信息,服务器还用于在客服回复用户包含术语信息的语音内容时,提取客服的回复话术信息和用户语音内容信息中对应的术语信息,并生成回复话术模型,服务器还用于在提取到用户语音内容信息中对应的术语信息时,从回复话术模型中调取与该术语信息对应的回复话术信息进行显示;
所述服务器还用于对客服的回复话术信息进行语义识别,并将客服的回复话术信息中语义相同的话术分为同一类;
所述服务器还用于在提取到用户语音内容信息中对应的术语信息时,从回复话术模型中调取对应的同一类话术中其中之一的回复话术信息进行显示。
2.根据权利要求1所述的呼叫中心通用信息模型建立系统,其特征在于:所述服务器还用于分段提取用户语音内容信息中存在的多个术语信息,并将分段提取到的多个术语信息组合在一起,生成关联性组合术语信息,服务器还用于在客服回复用户包含关联性组合术语信息的语音内容时,提取客服的回复话术信息和用户语音内容信息中对应的关联性组合术语信息,并生成回复话术模型,服务器还用于在提取到用户语音内容信息中对应的关联性组合术语信息时,从回复话术模型中调取与该关联性组合术语信息对应的回复话术信息进行显示。
3.根据权利要求2所述的呼叫中心通用信息模型建立系统,其特征在于:所述服务器还用于在提取到用户语音内容信息中对应的关联性组合术语信息时,从回复话术模型中调取对应的同一类话术中其中之一的回复话术信息进行显示。
4.根据权利要求3所述的呼叫中心通用信息模型建立系统,其特征在于,所述服务器的分段提取方式为:提取用户开始说话直至客服开始说话这段时间中用户语音内容信息中存在的多个术语信息。
5.呼叫中心通用信息模型建立方法,其特征在于,包括以下步骤:
预存各行业的术语信息;
提取用户语音内容信息中对应的术语信息;
在客服回复用户包含术语信息的语音内容时,提取客服的回复话术信息和用户语音内容信息中对应的术语信息,并生成回复话术模型;
在提取到用户语音内容信息中对应的术语信息时,从回复话术模型中调取与该术语信息对应的回复话术信息进行显示;
还包括以下步骤:对客服的回复话术信息进行语义识别,并将客服的回复话术信息中语义相同的话术分为同一类;
在提取到用户语音内容信息中对应的术语信息时,从回复话术模型中调取对应的同一类话术中其中之一的回复话术信息进行显示。
6.根据权利要求5所述的呼叫中心通用信息模型建立方法,其特征在于,还包括以下步骤:
分段提取用户语音内容信息中存在的多个术语信息,并将分段提取到的多个术语信息组合在一起,生成关联性组合术语信息;
在客服回复用户包含关联性组合术语信息的语音内容时,提取客服的回复话术信息和用户语音内容信息中对应的关联性组合术语信息,并生成回复话术模型;
在提取到用户语音内容信息中对应的关联性组合术语信息时,从回复话术模型中调取对应的同一类话术中其中之一的回复话术信息进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910468635.7A CN110166640B (zh) | 2019-05-31 | 2019-05-31 | 呼叫中心通用信息模型建立系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910468635.7A CN110166640B (zh) | 2019-05-31 | 2019-05-31 | 呼叫中心通用信息模型建立系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110166640A CN110166640A (zh) | 2019-08-23 |
CN110166640B true CN110166640B (zh) | 2021-05-14 |
Family
ID=67630786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910468635.7A Active CN110166640B (zh) | 2019-05-31 | 2019-05-31 | 呼叫中心通用信息模型建立系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110166640B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108965621A (zh) * | 2018-10-09 | 2018-12-07 | 北京智合大方科技有限公司 | 自学习智能电话销售坐席助手 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10455088B2 (en) * | 2015-10-21 | 2019-10-22 | Genesys Telecommunications Laboratories, Inc. | Dialogue flow optimization and personalization |
CN106682977A (zh) * | 2015-11-10 | 2017-05-17 | 南京华设科技股份有限公司 | 财税人工智能系统 |
CN105512228B (zh) * | 2015-11-30 | 2018-12-25 | 北京光年无限科技有限公司 | 一种基于智能机器人的双向问答数据处理方法和系统 |
CN105893344A (zh) * | 2016-03-28 | 2016-08-24 | 北京京东尚科信息技术有限公司 | 基于用户语义情感分析的应答方法和装置 |
CN106354835A (zh) * | 2016-08-31 | 2017-01-25 | 上海交通大学 | 基于上下文语义理解的人工对话辅助系统 |
CN106683678A (zh) * | 2016-11-30 | 2017-05-17 | 厦门快商通科技股份有限公司 | 一种人工电话客服辅助系统及方法 |
CN109767791B (zh) * | 2019-03-21 | 2021-03-30 | 中国—东盟信息港股份有限公司 | 一种针对呼叫中心通话的语音情绪识别及应用系统 |
-
2019
- 2019-05-31 CN CN201910468635.7A patent/CN110166640B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108965621A (zh) * | 2018-10-09 | 2018-12-07 | 北京智合大方科技有限公司 | 自学习智能电话销售坐席助手 |
Also Published As
Publication number | Publication date |
---|---|
CN110166640A (zh) | 2019-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112804400B (zh) | 客服呼叫语音质检方法、装置、电子设备及存储介质 | |
US9014363B2 (en) | System and method for automatically generating adaptive interaction logs from customer interaction text | |
US20190253558A1 (en) | System and method to automatically monitor service level agreement compliance in call centers | |
CN109767787B (zh) | 情绪识别方法、设备及可读存储介质 | |
US9904927B2 (en) | Funnel analysis | |
CN112468659B (zh) | 应用于电话客服的质量评价方法、装置、设备及存储介质 | |
CN112235470B (zh) | 基于语音识别的来电客户跟进方法、装置及设备 | |
CN116665676B (zh) | 一种用于智能语音外呼系统的语义识别方法 | |
CN113505606B (zh) | 一种培训信息获取方法、装置、电子设备及存储介质 | |
CN110166640B (zh) | 呼叫中心通用信息模型建立系统及方法 | |
CN116828109A (zh) | 一种电话客服服务质量智能评估方法及系统 | |
CN115063155B (zh) | 一种数据标注方法、装置、计算机设备及存储介质 | |
KR102407055B1 (ko) | 음성인식 후 자연어 처리를 통한 대화 품질지수 측정장치 및 그 방법 | |
CN110853674A (zh) | 文本核对方法、设备以及计算机可读存储介质 | |
KR102332268B1 (ko) | 고객 상담 요약 장치 및 방법 | |
CN111507751A (zh) | 一种基于沟通数据的线索打分方法 | |
CN112417113A (zh) | 一种基于语音识别技术的智能问答方法及系统 | |
Lee et al. | A study on natural language call routing | |
CN112565242A (zh) | 基于声纹识别的远程授权方法、系统、设备及存储介质 | |
CN111881272A (zh) | 一种电话服务实时预警系统和预警方法 | |
CN113822029A (zh) | 客服辅助方法、装置和系统 | |
CN117153151B (zh) | 基于用户语调的情绪识别方法 | |
CN113345419B (zh) | 基于方言口音的语音转译方法、系统和可读存储介质 | |
CN113127673B (zh) | 一种声纹数据库的构建方法及其数据调用方法 | |
TWI725577B (zh) | 智能語音資訊質檢方法及系統 |
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 |