CN110602333B - 基于深度学习的呼叫中心应答系统及方法 - Google Patents
基于深度学习的呼叫中心应答系统及方法 Download PDFInfo
- Publication number
- CN110602333B CN110602333B CN201910785455.1A CN201910785455A CN110602333B CN 110602333 B CN110602333 B CN 110602333B CN 201910785455 A CN201910785455 A CN 201910785455A CN 110602333 B CN110602333 B CN 110602333B
- Authority
- CN
- China
- Prior art keywords
- user
- menu
- sequence
- option
- adjusting
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
-
- 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
- H04M3/527—Centralised call answering arrangements not requiring operator intervention
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明涉及一种基于深度学习的呼叫中心应答系统及方法,所述系统包括交互式应答服务器和多个人工座席,所述交互式应答服务器在接收到用户来电时,根据用户的主叫号码获取用户信息,并且根据用户信息和深度学习模型自动得到适合于用户的各级菜单中每个选项的排列顺序,并根据调整后每个选项的排列顺序播放语音导航,从而方便用户可以更快地听到自己需要的菜单选项。本发明根据不同用户的信息,基于深度学习的方法自动调整每级菜单中各个选项的播放顺序,使得用户可以优先听到自己最可能需要的选项,节省用户等待时间,针对每个用户都有个性化的导航服务,大大提升了用户的使用体验。
Description
技术领域
本发明涉及数据处理技术领域,具体是指一种基于深度学习的呼叫中心应答系统及方法。
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.通常利用计算机通信技术,处理来自企业、顾客的电话垂询,尤其具备同时处理大量来话的能力,还具备主叫号码显示,可将来电自动分配给具备相应技能的人员处理,并能记录和储存所有来话信息。
随着网络技术的不断发展,为了应对更多的用户的来电,提供了更多自助服务的方式。具体地,在用户通过终端拨打到呼叫中心的服务器时,呼叫中心的服务器会先播放语音导航,例如播放第一季菜单:“如果需要xx服务,请拨1,如果需要xx服务,请拨2,如果需要xx服务,请拨3,如果需要人工服务,请拨0”等,其中,每个数字对应的即为一个选项,当用户按下某个按键之后,可以跳转到下一级菜单或执行相应的操作指令,例如用户按下0,则会自动为用户分配人工座席为用户服务,如果用户按下1,且1所对应的服务有下一级子菜单,则为用户播放下一级子菜单。然而在实际应用中,每一级菜单所包括的选项可能数量会较多,对于用户来说,有时候需要听完好几个选项甚至听完所有选项之后才能够听到自己所需要的选项,十分浪费时间。
发明内容
本发明提供了一种基于深度学习的呼叫中心应答系统及方法,其目的在于克服现有技术中的缺陷,根据不同用户的信息,基于深度学习的方法自动调整每级菜单中各个选项的播放顺序,使得用户可以优先听到自己最可能需要的选项,节省用户等待时间。
为了实现上述目的,本发明具有如下构成:
该基于深度学习的呼叫中心应答系统,包括交互式应答服务器和多个人工座席;
所述交互式应答服务器包括:
自助服务导航菜单管理模块,用于管理自助服务的各级菜单所包括的每个选项的选项信息和各级菜单中每个选项的默认顺序,所述每个选项的选项信息包括该选项的语音播放信息和该选项所指向的操作指令;
用户信息获取模块,用于获取主叫号码所对应的用户信息;
自助服务导航菜单调整模块,用于将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序,根据所述调整顺序调整所述主叫号码所对应的各级菜单中每个选项的调整顺序,并记录所述主叫号码与调整后的各级菜单中每个选项的顺序的对应关系,所述菜单顺序调整模型为训练好的深度学习模型,所述深度学习模型的输入为用户信息,输出为各级菜单中每个选项的调整顺序;
自助服务导航菜单播放模块,用于按照调整后的各级菜单中每个选项的顺序播放所述自助服务导航菜单;
用户指令接收模块,用于接收用户对所述自助服务导航菜单中选项的选择,根据用户的选择执行所述选项所对应的操作指令;
人工座席分配模块,用于在用户选择人工服务所对应的选项时,为用户分配人工座席。
可选地,所述用户信息包括用户年龄、用户性别、用户所在地区、用户拨打次数、用户选择过的选项以及用户对每个选项的选择次数;
所述用户信息获取模块采用如下步骤获取所述主叫号码所对应的用户信息:
所述用户信息获取模块根据所述主叫号码查询用户是否为注册用户;
如果是注册用户,则所述用户信息获取模块根据所述主叫号码查询用户的注册信息和历史信息,将用户的注册信息和历史信息作为用户信息;
如果是非注册用户,则所述用户信息获取模块获取所述主叫号码的地区,并查询记录的所述主叫号码的拨打次数,并将用户的用户年龄、用户性别、用户选择过的选项以及用户对每个选项的选择次数设定为默认值。
可选地,所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型之前,先判断所述用户是否为注册用户,如果用户为注册用户,则所述自助服务导航菜单调整模块判断是否存在所述主叫号码对应的调整后的各级菜单中每个选项的顺序记录;
如果存在对应的顺序记录,则所述自助服务导航菜单调整模块统计从所述顺序记录的记录时间至当前时刻之间,所述主叫号码的拨号次数,如果所述主叫号码的拨号次数大于等于预设拨号次数阈值,则将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序,如果所述主叫号码的拨号次数小于预设拨号次数阈值,则选择记录的调整后的各级菜单中每个选项的顺序记录对各级菜单中的选项顺序进行调整;
如果不存在对应的顺序记录,则所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序;
如果用户为非注册用户,则所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序。
可选地,所述自助服务导航菜单调整模块根据所述调整顺序调整所述主叫号码所对应的各级菜单中每个选项的调整顺序之后,所述自助服务导航菜单调整模块判断所述用户是否为注册用户,如果是注册用户,则所述自助服务导航菜单调整模块记录所述主叫号码与调整后的各级菜单中每个选项的顺序的对应关系,如果是非注册用户,则所述自助服务导航菜单调整模块不记录所述主叫号码与调整后的各级菜单中每个选项的顺序的对应关系。
可选地,所述系统还包括:
选项关联度管理模块,所述选项关联度管理模块用于管理各级菜单中每个选项与各个服务的关联度;
用户服务记录模块,用于记录各个注册用户所选择的服务项目和选择时间;
对于注册用户,所述自助服务导航菜单调整模块根据所述调整顺序调整所述主叫号码所对应的各级菜单中每个选项的调整顺序之后,还获取该注册用户建立当前时刻最近的选择时间所选择的服务项目,查询与各级菜单中与该服务项目的关联度最高的选项,将该关联度最高的选项调整至所对应的菜单中的第一位顺序。
可选地,所述深度学习模型包括卷积神经网络模型,所述卷积神经网络模型包括卷积层、池化层、全连接层和softmax分类层,所述卷积层通过所述池化层与所述全连接层相连接,所述全连接层的输出输入所述softmax分类层,从所述softmax分类层获取概率最高的各级菜单的选项顺序,作为所述卷积神经网络模型的输出。
可选地,所述卷积神经网络模型的输出包括一个多维数组,所述数组中每一维数据表示一级菜单中的各个选项的排序顺序;
所述系统还包括:
菜单顺序调整模型训练模块,用于获取多个注册用户的用户信息,所述用户信息包括用户年龄、用户性别、用户所在地区、用户拨打次数、用户选择过的选项以及用户对每个选项的选择次数,将所述用户信息加入训练集,将所述用户信息发送至工作人员终端,获取工作人员人工设定的各级菜单中的各个选项的排序顺序,使用所述排序顺序对所述训练集中的用户信息进行标注,以及采用所述训练集训练所述菜单顺序调整模型。
本发明实施例还提供一种基于深度学习的呼叫中心应答方法,采用所述的基于深度学习的呼叫中心应答系统,所述方法包括如下步骤:
所述交互式应答服务器接收到主叫号码的来电;
所述用户信息获取模块获取主叫号码所对应的用户信息;
所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序,根据所述调整顺序调整所述主叫号码所对应的各级菜单中每个选项的调整顺序,并记录所述主叫号码与调整后的各级菜单中每个选项的顺序的对应关系,所述菜单顺序调整模型为训练好的深度学习模型,所述深度学习模型的输入为用户信息,输出为各级菜单中每个选项的调整顺序;
所述自助服务导航菜单播放模块按照调整后的各级菜单中每个选项的顺序播放所述自助服务导航菜单;
所述用户指令接收模块接收用户对所述自助服务导航菜单中选项的选择,根据用户的选择执行所述选项所对应的操作指令;
所述人工座席分配模块在用户选择人工服务所对应的选项时,为用户分配人工座席。
可选地,所述用户信息包括用户年龄、用户性别、用户所在地区、用户拨打次数、用户选择过的选项以及用户对每个选项的选择次数;
所述用户信息获取模块获取所述主叫号码所对应的用户信息,包括如下步骤:
所述用户信息获取模块根据所述主叫号码查询用户是否为注册用户;
如果是注册用户,则所述用户信息获取模块根据所述主叫号码查询用户的注册信息和历史信息,将用户的注册信息和历史信息作为用户信息;
如果是非注册用户,则所述用户信息获取模块获取所述主叫号码的地区,并查询记录的所述主叫号码的拨打次数,并将用户的用户年龄、用户性别、用户选择过的选项以及用户对每个选项的选择次数设定为默认值。
可选地,所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型之前,还包括如下步骤:
判断所述用户是否为注册用户,如果用户为注册用户,则所述自助服务导航菜单调整模块判断是否存在所述主叫号码对应的调整后的各级菜单中每个选项的顺序记录;
如果存在对应的顺序记录,则所述自助服务导航菜单调整模块统计从所述顺序记录的记录时间至当前时刻之间,所述主叫号码的拨号次数,如果所述主叫号码的拨号次数大于等于预设拨号次数阈值,则将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序,如果所述主叫号码的拨号次数小于预设拨号次数阈值,则选择记录的调整后的各级菜单中每个选项的顺序记录对各级菜单中的选项顺序进行调整;
如果不存在对应的顺序记录,则所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序;
如果用户为非注册用户,则所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序。
采用了该发明中的基于深度学习的呼叫中心应答系统及方法,具有如下有益效果:
通过采用本发明,在接收到用户来电时,根据用户的主叫号码获取用户信息,根据不同用户的信息,基于深度学习的方法自动调整每级菜单中各个选项的播放顺序,使得用户可以优先听到自己最可能需要的选项,节省用户等待时间,针对每个用户都有个性化的导航服务,大大提升了用户的使用体验。
附图说明
图1为本发明一实施例的基于深度学习的呼叫中心应答系统的结构示意图;
图2为本发明一实施例的基于深度学习的呼叫中心应答方法的流程图;
图3为本发明一实施例的用户信息获取模块获取用户信息的流程图;
图4为本发明一实施例的自助服务导航菜单调整模块调整选项顺序的流程图。
附图标记:
M100 交互式应答服务器
M110 自助服务导航菜单管理模块
M120 用户信息获取模块
M130 自助服务导航菜单调整模块
M140 自助服务导航菜单播放模块
M150 用户指令接收模块
M160 人工座席分配模块
M200 人工座席
M300 用户终端
具体实施方式
为了能够更清楚地描述本发明的技术内容,下面结合具体实施例来进行进一步的描述。
为了解决现有技术中的技术问题,本发明提供了一种基于深度学习的呼叫中心应答系统。如图1所示,在本发明一实施例中,所述基于深度学习的呼叫中心应答系统包括交互式应答服务器M100和多个人工座席M200,由交互式应答服务器M100和人工座席M200共同为用户提供呼叫中心应答服务,交互式应答服务器M100与用户终端M200进行交互,用户终端M200拨打交互式应答服务器M100所对应的号码之后,建立用户终端M200与交互式应答服务器M100之间的连接,用户终端M200可以是手机、平板电脑等设备。
所述交互式应答服务器M100包括:
自助服务导航菜单管理模块M110,用于管理自助服务的各级菜单所包括的每个选项的选项信息和各级菜单中每个选项的默认顺序,所述每个选项的选项信息包括该选项的语音播放信息和该选项所指向的操作指令;例如,一个交互式应答服务器M100提供维修投诉相关的物业自助服务,则其提供的第一级菜单可以包括“如果需要维修服务,请拨打1,如果需要投诉,请拨打2,如果需要问题咨询,请拨打3,如果需要电子屏租用服务,请拨打4,如果需要送水服务,请拨打5,如果需要点歌服务,请拨打6,如果需要人工服务,请拨打0”,其中该级菜单包括的选项有“维修服务”、“投诉”、“问题咨询”、“电子屏租用服务”、“送水服务”、“点歌服务”和“人工服务”。其默认顺序可以为按照数字顺序排序的顺序。所述操作指令可以包括播放下一级菜单、接收用户录入信息而进行用户需求登记、转接人工座席M200等。例如,用户拨打1,且维修服务有下一级菜单,则播放下一级菜单“如果需要电器维修,请拨打1,如果需要园林维修,请拨打2,如果需要门窗维修,请拨打3,如果需要地板维修,请拨打4,如果需要家具维修,请拨打5,如果需要人工维修,请拨打0”,用户拨打2,则可以提醒用户语音录入相关投诉信息,进行投诉记录,用户拨打6,则可以提醒用户语音录入相关的歌名,然后播放相应的歌曲,用户拨打0,则可以给用户分配人工座席M200;
用户信息获取模块M120,用于获取主叫号码所对应的用户信息;
自助服务导航菜单调整模块M130,用于将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序,根据所述调整顺序调整所述主叫号码所对应的各级菜单中每个选项的调整顺序,并记录所述主叫号码与调整后的各级菜单中每个选项的顺序的对应关系,所述菜单顺序调整模型为训练好的深度学习模型,所述深度学习模型的输入为用户信息,输出为各级菜单中每个选项的调整顺序;
例如,对于上述例子中的第一级菜单,调整后的各个选项的播放顺序为:“如果需要电子屏租用服务,请拨打4,如果需要维修服务,请拨打1,如果需要问题咨询,请拨打3,如果需要送水服务,请拨打5,如果需要点歌服务,请拨打6,如果需要人工服务,请拨打0,如果需要投诉,请拨打2”。
自助服务导航菜单播放模块M140,用于按照调整后的各级菜单中每个选项的顺序播放所述自助服务导航菜单,具体地,在用户拨打过来电话时,首先按照第一级菜单调整后的顺序播放第一级菜单,然后在用户选择了某个选项且该选项有下级子菜单时,根据下级子菜单调整后的顺序播放下级菜单;
用户指令接收模块M150,用于接收用户对所述自助服务导航菜单中选项的选择,根据用户的选择执行所述选项所对应的操作指令,如上所述,所述操作指令可以包括播放下一级菜单、接收用户录入信息而进行用户需求登记、转接人工座席M200等;
人工座席分配模块M160,用于在用户选择人工服务所对应的选项时,为用户分配人工座席M200,分配人工座席M200的方法可以采用现有的分配方法,例如寻找空闲的人工座席M200,按照人工座席M200的服务分类进行选择等待。
因此,通过采用本发明,在接收到用户来电时,根据用户的主叫号码获取用户信息,根据不同用户的信息,基于深度学习的方法自动调整每级菜单中各个选项的播放顺序,使得用户可以优先听到自己最可能需要的选项,快速地做出对于相应选项的选择,从而节省用户等待时间,也节省了呼叫中心为每个用户服务的时间,使得在一定时间内呼叫中心可以服务于更多的用户,提高了用户服务效率。
在该实施例中,所述用户信息包括用户年龄、用户性别、用户所在地区、用户拨打次数、用户选择过的选项以及用户对每个选项的选择次数。在其他可选的实施方式中,所述用户信息也可以包括其他信息,而不限于此处列举的项,均属于本发明的保护范围之内。
所述用户信息获取模块M120采用如下步骤获取所述主叫号码所对应的用户信息:
所述用户信息获取模块M120根据所述主叫号码查询用户是否为注册用户;
如果是注册用户,则所述用户信息获取模块M120根据所述主叫号码查询用户的注册信息和历史信息,将用户的注册信息和历史信息作为用户信息,由此可以自动获取用户的注册信息和历史信息,注册信息可以包括用户年龄、用户性别、用户所在地区等,而历史信息可以包括用户拨打次数、用户选择过的选项以及用户对每个选项的选择次数等;
如果是非注册用户,则所述用户信息获取模块M120获取所述主叫号码的地区,并查询记录的所述主叫号码的拨打次数,而其他的一些用户信息由于隐私问题,该呼叫中心应答系统无法获取到,因此可以将用户的用户年龄、用户性别、用户选择过的选项以及用户对每个选项的选择次数设定为默认值。
在将用户信息输入至菜单顺序调整模型中时,将用户信息按照预定的顺序调整成一行数组,其中数组中每个元素的值对应于一个属性的属性值。例如,第一个元素对应于用户年龄,如果用户年龄在12岁以下,则该元素的值为1,如果用户年龄在12岁~15岁,则该元素的值为2等等。
在该实施例中,所述自助服务导航菜单调整模块M130将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型之前,先判断所述用户是否为注册用户,如果用户为注册用户,则所述自助服务导航菜单调整模块M130判断是否存在所述主叫号码对应的调整后的各级菜单中每个选项的顺序记录;
如果存在对应的顺序记录,则所述自助服务导航菜单调整模块M130统计从所述顺序记录的记录时间至当前时刻之间,所述主叫号码的拨号次数,如果所述主叫号码的拨号次数大于等于预设拨号次数阈值,则说明之前记录的符合用户习惯的调整后的各级菜单中每个选项的顺序记录比较旧了,可能无法满足用户现在的需求,因此需要将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序,如果所述主叫号码的拨号次数小于预设拨号次数阈值,则选择记录的调整后的各级菜单中每个选项的顺序记录对各级菜单中的选项顺序进行调整,而无需再将用户信息输入到所述菜单顺序调整模型中,因此节省系统的计算量,提高对用户反馈的效率;
如果不存在对应的顺序记录,则所述自助服务导航菜单调整模块M130将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序;
如果用户为非注册用户,则所述自助服务导航菜单调整模块M130将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序。
在该实施例中,所述自助服务导航菜单调整模块M130根据所述调整顺序调整所述主叫号码所对应的各级菜单中每个选项的调整顺序之后,所述自助服务导航菜单调整模块M130判断所述用户是否为注册用户,如果是注册用户,则所述自助服务导航菜单调整模块M130记录所述主叫号码与调整后的各级菜单中每个选项的顺序的对应关系,如果是非注册用户,则所述自助服务导航菜单调整模块M130不记录所述主叫号码与调整后的各级菜单中每个选项的顺序的对应关系。由此,本发明主要记录注册用户的一些记录,而不记录非注册用户的一些记录,节省系统存储容量。
在该实施例中,所述基于深度学习的呼叫中心应答系统还包括:
选项关联度管理模块,所述选项关联度管理模块用于管理各级菜单中每个选项与各个服务的关联度,例如对于购物网站的呼叫中心来说,如果一个用户刚刚购买了一个电器,则与该电器购买服务关联度比较高的服务有售后咨询服务、电器维修服务等,不同选项和不同服务的关联度可以预先进行设定;
用户服务记录模块,用于记录各个注册用户所选择的服务项目和选择时间;
对于注册用户,所述自助服务导航菜单调整模块M130根据所述调整顺序调整所述主叫号码所对应的各级菜单中每个选项的调整顺序之后,还获取该注册用户建立当前时刻最近的选择时间所选择的服务项目,查询与各级菜单中与该服务项目的关联度最高的选项,将该关联度最高的选项调整至所对应的菜单中的第一位顺序。由此,本发明可以进一步根据用户的历史行为预测用户当前最可能需要获取的服务,方便用户快速做出选择,提升用户服务效率。
在该实施例中,所述深度学习模型包括卷积神经网络模型,所述卷积神经网络模型包括卷积层、池化层、全连接层和softmax分类层,所述卷积层通过所述池化层与所述全连接层相连接,所述全连接层的输出输入所述softmax分类层,从所述softmax分类层获取概率最高的各级菜单的选项顺序,作为所述卷积神经网络模型的输出。
其中,卷积层的功能是对输入数据进行特征提取,其内部包含多个卷积核,组成卷积核的每个元素都对应一个权重系数和一个偏差量(bias vector),类似于一个前馈神经网络的神经元(neuron)。卷积层内每个神经元都与前一层中位置接近的区域的多个神经元相连,区域的大小取决于卷积核的大小。在卷积层进行特征提取后,输出的特征图会被传递至池化层进行特征选择和信息过滤。池化层包含预设定的池化函数,其功能是将特征图中单个点的结果替换为其相邻区域的特征图统计量。池化层选取池化区域与卷积核扫描特征图步骤相同,由池化大小、步长和填充控制。卷积神经网络中的全连接层等价于传统前馈神经网络中的隐含层。全连接层位于卷积神经网络隐含层的最后部分,并只向其它全连接层传递信号。特征图在全连接层中会失去空间拓扑结构,被展开为向量并通过激励函数。最后一层全连接层的输出值被传递给一个输出,可以采用softmax逻辑回归(softmaxregression)进行分类,该层也可称为softmax分类层。
在该实施例中,所述卷积神经网络模型的输出包括一个多维数组,所述数组中每一维数据表示一级菜单中的各个选项的排序顺序,例如第一维数组中的数字为3214506,则可以将各个数字所对应的选项按照此顺序进行排序,即将数字3对应的选项排在第一位,将数字2对应的选项排在第二位,以此类推。
所述基于深度学习的呼叫中心系统还包括:
菜单顺序调整模型训练模块,用于获取多个注册用户的用户信息,所述用户信息包括用户年龄、用户性别、用户所在地区、用户拨打次数、用户选择过的选项以及用户对每个选项的选择次数,将所述用户信息加入训练集,将所述用户信息发送至工作人员终端,获取工作人员人工设定的各级菜单中的各个选项的排序顺序,使用所述排序顺序对所述训练集中的用户信息进行标注,以及采用所述训练集训练所述菜单顺序调整模型。
如图2所示,本发明实施例还提供一种基于深度学习的呼叫中心应答方法,采用所述的基于深度学习的呼叫中心应答系统,所述方法包括如下步骤:
所述交互式应答服务器接收到主叫号码的来电;
所述用户信息获取模块获取主叫号码所对应的用户信息;
所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序,根据所述调整顺序调整所述主叫号码所对应的各级菜单中每个选项的调整顺序,并记录所述主叫号码与调整后的各级菜单中每个选项的顺序的对应关系,所述菜单顺序调整模型为训练好的深度学习模型,所述深度学习模型的输入为用户信息,输出为各级菜单中每个选项的调整顺序;
所述自助服务导航菜单播放模块按照调整后的各级菜单中每个选项的顺序播放所述自助服务导航菜单;
所述用户指令接收模块接收用户对所述自助服务导航菜单中选项的选择,根据用户的选择执行所述选项所对应的操作指令;
所述人工座席分配模块在用户选择人工服务所对应的选项时,为用户分配人工座席。
如图3所示,在该实施例中,所述用户信息包括用户年龄、用户性别、用户所在地区、用户拨打次数、用户选择过的选项以及用户对每个选项的选择次数;
所述用户信息获取模块获取所述主叫号码所对应的用户信息,包括如下步骤:
所述用户信息获取模块根据所述主叫号码查询用户是否为注册用户;
如果是注册用户,则所述用户信息获取模块根据所述主叫号码查询用户的注册信息和历史信息,将用户的注册信息和历史信息作为用户信息;
如果是非注册用户,则所述用户信息获取模块获取所述主叫号码的地区,并查询记录的所述主叫号码的拨打次数,并将用户的用户年龄、用户性别、用户选择过的选项以及用户对每个选项的选择次数设定为默认值。
如图4所示,在该实施例中,所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型之前,还包括如下步骤:
判断所述用户是否为注册用户,如果用户为注册用户,则所述自助服务导航菜单调整模块判断是否存在所述主叫号码对应的调整后的各级菜单中每个选项的顺序记录;
如果存在对应的顺序记录,则所述自助服务导航菜单调整模块统计从所述顺序记录的记录时间至当前时刻之间,所述主叫号码的拨号次数,如果所述主叫号码的拨号次数大于等于预设拨号次数阈值,则将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序,如果所述主叫号码的拨号次数小于预设拨号次数阈值,则选择记录的调整后的各级菜单中每个选项的顺序记录对各级菜单中的选项顺序进行调整;
如果不存在对应的顺序记录,则所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序;
如果用户为非注册用户,则所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序。
在该种基于深度学习的呼叫中心应答方法中,各个步骤的具体实现方式均可以采用上述基于深度学习的呼叫中心应答系统中各个功能模块的功能实现方式,在此不予赘述。
与现有技术相比,采用了该发明中的基于深度学习的呼叫中心应答系统及方法,具有如下有益效果:
通过采用本发明,在接收到用户来电时,根据用户的主叫号码获取用户信息,根据不同用户的信息,基于深度学习的方法自动调整每级菜单中各个选项的播放顺序,使得用户可以优先听到自己最可能需要的选项,节省用户等待时间,针对每个用户都有个性化的导航服务,大大提升了用户的使用体验。
在此说明书中,本发明已参照其特定的实施例作了描述。但是,很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此,说明书和附图应被认为是说明性的而非限制性的。
Claims (5)
1.一种基于深度学习的呼叫中心应答系统,其特征在于,所述系统包括交互式应答服务器和多个人工座席;
所述交互式应答服务器包括:
自助服务导航菜单管理模块,用于管理自助服务的各级菜单所包括的每个选项的选项信息和各级菜单中每个选项的默认顺序,所述每个选项的选项信息包括该选项的语音播放信息和该选项所指向的操作指令;
用户信息获取模块,用于获取主叫号码所对应的用户信息;
自助服务导航菜单调整模块,用于将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序,根据所述调整顺序调整所述主叫号码所对应的各级菜单中每个选项的调整顺序,并记录所述主叫号码与调整后的各级菜单中每个选项的顺序的对应关系,所述菜单顺序调整模型为训练好的深度学习模型,所述深度学习模型的输入为用户信息,输出为各级菜单中每个选项的调整顺序;
自助服务导航菜单播放模块,用于按照调整后的各级菜单中每个选项的顺序播放所述自助服务导航菜单;
用户指令接收模块,用于接收用户对所述自助服务导航菜单中选项的选择,根据用户的选择执行所述选项所对应的操作指令;
人工座席分配模块,用于在用户选择人工服务所对应的选项时,为用户分配人工座席;
所述用户信息包括用户年龄、用户性别、用户所在地区、用户拨打次数、用户选择过的选项以及用户对每个选项的选择次数;
所述用户信息获取模块采用如下步骤获取所述主叫号码所对应的用户信息:
所述用户信息获取模块根据所述主叫号码查询用户是否为注册用户;
如果是注册用户,则所述用户信息获取模块根据所述主叫号码查询用户的注册信息和历史信息,将用户的注册信息和历史信息作为用户信息;
如果是非注册用户,则所述用户信息获取模块获取所述主叫号码的地区,并查询记录的所述主叫号码的拨打次数,并将用户的用户年龄、用户性别、用户选择过的选项以及用户对每个选项的选择次数设定为默认值;
所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型之前,先判断所述用户是否为注册用户,如果用户为注册用户,则所述自助服务导航菜单调整模块判断是否存在所述主叫号码对应的调整后的各级菜单中每个选项的顺序记录;
如果存在对应的顺序记录,则所述自助服务导航菜单调整模块统计从所述顺序记录的记录时间至当前时刻之间,所述主叫号码的拨号次数,如果所述主叫号码的拨号次数大于等于预设拨号次数阈值,则将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序,如果所述主叫号码的拨号次数小于预设拨号次数阈值,则选择记录的调整后的各级菜单中每个选项的顺序记录对各级菜单中的选项顺序进行调整;
如果不存在对应的顺序记录,则所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序;
如果用户为非注册用户,则所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序;
所述自助服务导航菜单调整模块根据所述调整顺序调整所述主叫号码所对应的各级菜单中每个选项的调整顺序之后,所述自助服务导航菜单调整模块判断所述用户是否为注册用户,如果是注册用户,则所述自助服务导航菜单调整模块记录所述主叫号码与调整后的各级菜单中每个选项的顺序的对应关系,如果是非注册用户,则所述自助服务导航菜单调整模块不记录所述主叫号码与调整后的各级菜单中每个选项的顺序的对应关系。
2.根据权利要求1所述的基于深度学习的呼叫中心应答系统,其特征在于,所述系统还包括:
选项关联度管理模块,所述选项关联度管理模块用于管理各级菜单中每个选项与各个服务的关联度;
用户服务记录模块,用于记录各个注册用户所选择的服务项目和选择时间;
对于注册用户,所述自助服务导航菜单调整模块根据所述调整顺序调整所述主叫号码所对应的各级菜单中每个选项的调整顺序之后,还获取该注册用户建立当前时刻最近的选择时间所选择的服务项目,查询与各级菜单中与该服务项目的关联度最高的选项,将该关联度最高的选项调整至所对应的菜单中的第一位顺序。
3.根据权利要求1所述的基于深度学习的呼叫中心应答系统,其特征在于,所述深度学习模型包括卷积神经网络模型,所述卷积神经网络模型包括卷积层、池化层、全连接层和softmax分类层,所述卷积层通过所述池化层与所述全连接层相连接,所述全连接层的输出输入所述softmax分类层,从所述softmax分类层获取概率最高的各级菜单的选项顺序,作为所述卷积神经网络模型的输出。
4.根据权利要求3所述的基于深度学习的呼叫中心应答系统,其特征在于,所述卷积神经网络模型的输出包括一个多维数组,所述数组中每一维数据表示一级菜单中的各个选项的排序顺序;
所述系统还包括:
菜单顺序调整模型训练模块,用于获取多个注册用户的用户信息,所述用户信息包括用户年龄、用户性别、用户所在地区、用户拨打次数、用户选择过的选项以及用户对每个选项的选择次数,将所述用户信息加入训练集,将所述用户信息发送至工作人员终端,获取工作人员人工设定的各级菜单中的各个选项的排序顺序,使用所述排序顺序对所述训练集中的用户信息进行标注,以及采用所述训练集训练所述菜单顺序调整模型。
5.一种基于深度学习的呼叫中心应答方法,其特征在于,采用权利要求1至4中任一项所述的基于深度学习的呼叫中心应答系统,所述方法包括如下步骤:
所述交互式应答服务器接收到主叫号码的来电;
所述用户信息获取模块获取主叫号码所对应的用户信息;
所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序,根据所述调整顺序调整所述主叫号码所对应的各级菜单中每个选项的调整顺序,并记录所述主叫号码与调整后的各级菜单中每个选项的顺序的对应关系,所述菜单顺序调整模型为训练好的深度学习模型,所述深度学习模型的输入为用户信息,输出为各级菜单中每个选项的调整顺序;
所述自助服务导航菜单播放模块按照调整后的各级菜单中每个选项的顺序播放所述自助服务导航菜单;
所述用户指令接收模块接收用户对所述自助服务导航菜单中选项的选择,根据用户的选择执行所述选项所对应的操作指令;
所述人工座席分配模块在用户选择人工服务所对应的选项时,为用户分配人工座席;
所述用户信息包括用户年龄、用户性别、用户所在地区、用户拨打次数、用户选择过的选项以及用户对每个选项的选择次数;
所述用户信息获取模块获取所述主叫号码所对应的用户信息,包括如下步骤:
所述用户信息获取模块根据所述主叫号码查询用户是否为注册用户;
如果是注册用户,则所述用户信息获取模块根据所述主叫号码查询用户的注册信息和历史信息,将用户的注册信息和历史信息作为用户信息;
如果是非注册用户,则所述用户信息获取模块获取所述主叫号码的地区,并查询记录的所述主叫号码的拨打次数,并将用户的用户年龄、用户性别、用户选择过的选项以及用户对每个选项的选择次数设定为默认值;
所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型之前,还包括如下步骤:
判断所述用户是否为注册用户,如果用户为注册用户,则所述自助服务导航菜单调整模块判断是否存在所述主叫号码对应的调整后的各级菜单中每个选项的顺序记录;
如果存在对应的顺序记录,则所述自助服务导航菜单调整模块统计从所述顺序记录的记录时间至当前时刻之间,所述主叫号码的拨号次数,如果所述主叫号码的拨号次数大于等于预设拨号次数阈值,则将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序,如果所述主叫号码的拨号次数小于预设拨号次数阈值,则选择记录的调整后的各级菜单中每个选项的顺序记录对各级菜单中的选项顺序进行调整;
如果不存在对应的顺序记录,则所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序;
如果用户为非注册用户,则所述自助服务导航菜单调整模块将所述主叫号码所对应的用户信息输入训练好的菜单顺序调整模型,得到所述菜单顺序调整模型输出的各级菜单中每个选项的调整顺序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910785455.1A CN110602333B (zh) | 2019-08-23 | 2019-08-23 | 基于深度学习的呼叫中心应答系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910785455.1A CN110602333B (zh) | 2019-08-23 | 2019-08-23 | 基于深度学习的呼叫中心应答系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110602333A CN110602333A (zh) | 2019-12-20 |
CN110602333B true CN110602333B (zh) | 2021-08-03 |
Family
ID=68855368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910785455.1A Active CN110602333B (zh) | 2019-08-23 | 2019-08-23 | 基于深度学习的呼叫中心应答系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110602333B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111432081A (zh) * | 2020-03-31 | 2020-07-17 | 中国银行股份有限公司 | 交互式语音应答菜单的推荐方法及装置 |
CN111770235A (zh) * | 2020-07-03 | 2020-10-13 | 重庆智者炎麒科技有限公司 | 一种智能语音接入方法和系统 |
CN117119232B (zh) * | 2023-10-18 | 2024-01-30 | 中融云数(北京)技术有限公司 | 基于视频呼叫中心ivvr实现手机原生epg门户的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101175175A (zh) * | 2007-09-13 | 2008-05-07 | 深圳市融创天下科技发展有限公司 | 一种媒体播放器菜单的动态定制方法 |
CN101945184A (zh) * | 2010-09-14 | 2011-01-12 | 中兴通讯股份有限公司 | 基于ngn网络的ivr实现方法及装置 |
CN103139404A (zh) * | 2013-01-25 | 2013-06-05 | 西安电子科技大学 | 基于语音识别生成交互式语音响应显示菜单的系统和方法 |
CN109274843A (zh) * | 2018-09-19 | 2019-01-25 | 平安科技(深圳)有限公司 | 按键预测方法、装置及计算机可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7773731B2 (en) * | 2005-12-14 | 2010-08-10 | At&T Intellectual Property I, L. P. | Methods, systems, and products for dynamically-changing IVR architectures |
CN101924841B (zh) * | 2010-08-13 | 2016-01-20 | 厦门雅迅网络股份有限公司 | 一种呼叫中心和数据中心分布式结构的搭建及控制方法 |
-
2019
- 2019-08-23 CN CN201910785455.1A patent/CN110602333B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101175175A (zh) * | 2007-09-13 | 2008-05-07 | 深圳市融创天下科技发展有限公司 | 一种媒体播放器菜单的动态定制方法 |
CN101945184A (zh) * | 2010-09-14 | 2011-01-12 | 中兴通讯股份有限公司 | 基于ngn网络的ivr实现方法及装置 |
CN103139404A (zh) * | 2013-01-25 | 2013-06-05 | 西安电子科技大学 | 基于语音识别生成交互式语音响应显示菜单的系统和方法 |
CN109274843A (zh) * | 2018-09-19 | 2019-01-25 | 平安科技(深圳)有限公司 | 按键预测方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110602333A (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110602333B (zh) | 基于深度学习的呼叫中心应答系统及方法 | |
CN106228386B (zh) | 一种信息推送方法及装置 | |
US8346624B2 (en) | Systems and methods for recommending third party products and services | |
CN103957512B (zh) | 一种向移动终端发送商户推广信息的方法、装置和系统 | |
EP2180682B1 (en) | Generation of customized IVR flows | |
US20040008828A1 (en) | Dynamic information retrieval system utilizing voice recognition | |
CN107135319A (zh) | 坐席分配方法和装置 | |
US20030040850A1 (en) | Intelligent adaptive optimization of display navigation and data sharing | |
CN1902658A (zh) | 比较候选者对面试问题的答复的系统和方法 | |
CN105787574A (zh) | 提供座位信息的方法及装置 | |
CN106572272A (zh) | 一种ivr语音菜单确定方法及装置 | |
CN106658096A (zh) | 推送直播节目的方法和装置 | |
CN105975537A (zh) | 一种应用程序的排序方法及装置 | |
CN106708817A (zh) | 信息搜索方法及装置 | |
CN101667998A (zh) | 一种移动搜索方法、装置和系统 | |
CN109767237A (zh) | 一种客服智能接入的方法及系统 | |
CN108259685A (zh) | 一种呼叫处理方法及装置 | |
US20140254774A1 (en) | System And Method For Generating And Facilitating Comment On Audio Content | |
US20090119250A1 (en) | Method and system for searching and ranking entries stored in a directory | |
WO2020125529A1 (zh) | 互动式语音应答菜单的应用方法、系统、装置及存储介质 | |
CN113163063B (zh) | 智能外呼系统及方法 | |
US20100107122A1 (en) | System for Providing Widget Type Idle-Screen | |
CN101771766A (zh) | 利用查号辅助接线员的回读历史数据的商业分类系统及方法 | |
CN110070392A (zh) | 用户流失预警方法和装置 | |
CN109862195A (zh) | 基于信息自动纠错的智能语音呼叫系统及方法 |
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 |