CN111080087B - 一种基于客户情感分析的呼叫中心调度方法 - Google Patents

一种基于客户情感分析的呼叫中心调度方法 Download PDF

Info

Publication number
CN111080087B
CN111080087B CN201911191263.4A CN201911191263A CN111080087B CN 111080087 B CN111080087 B CN 111080087B CN 201911191263 A CN201911191263 A CN 201911191263A CN 111080087 B CN111080087 B CN 111080087B
Authority
CN
China
Prior art keywords
emotion
analysis
preset
obtaining
target text
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
Application number
CN201911191263.4A
Other languages
English (en)
Other versions
CN111080087A (zh
Inventor
陈旋
王冲
张�荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Aijia Household Products Co Ltd
Original Assignee
Jiangsu Aijia Household Products Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Aijia Household Products Co Ltd filed Critical Jiangsu Aijia Household Products Co Ltd
Priority to CN201911191263.4A priority Critical patent/CN111080087B/zh
Publication of CN111080087A publication Critical patent/CN111080087A/zh
Application granted granted Critical
Publication of CN111080087B publication Critical patent/CN111080087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Multimedia (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Machine Translation (AREA)

Abstract

本发明涉及一种基于客户情感分析的呼叫中心调度方法，结合人工智能AI算法，通过对用户语音、以及案件动作的实时分析，获得用户情感变化，对客户进行情感优先等级划分，结合技能组调度策略，优先处理每个技能组队列的紧急用户，非紧急用户可以有一定范围的时延处理，通过这种服务等级划分的方式可以在客服人数不变的条件下，可以有效提升整体客户满意度8%，有效挽回负面情绪的客户对企业的信任。

Description

一种基于客户情感分析的呼叫中心调度方法
技术领域
本发明涉及一种基于客户情感分析的呼叫中心调度方法，属于智能分析调度技术领域。
背景技术
在呼叫中心的IVR交互流程中，由于IVR流程初始环节基本都是机器人自动答复(或者基于导航去实现)，往往导致满足不了客户的真实意图，此过程中，等待越久，会导致用户负向情绪越高，介入人工处理时就需要基于客服技能组优先处理处这些激动，暴怒等情感的客户，提升呼叫中心的整体客户满意度，保障企业的用户口碑。传统CRM系统包括在线，热线，工单，面对海量用户售前、售中、售后的咨询需求，必然对导致客服只能处理其中的部分用户，如何保障资源不足场景下的整体客户满意度是业界的一个难点问题。
发明内容
本发明所要解决的技术问题是提供一种基于客户情感分析的呼叫中心调度方法，结合人工智能AI算法，应用情感变化作为衡量因素，针对用户进行情感优先等级，实现智能调度。
本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于客户情感分析的呼叫中心调度方法，用于获得客户在呼叫中心语音接待时长内的情感优先等级，并实现调度；包括如下步骤：
步骤A.根据预设情感优先等级划分，获得各情感优先等级分别所对应的各个语音接待历史记录，作为各个分析样本；接着分别针对各个分析样本，执行如下步骤B1至步骤B7，获得各分析样本分别所对应的分析向量；然后进入步骤C；
步骤B1.获得分析样本中的音频文件，并采用预设语音识别应用，将音频文件转换为目标文本；接着根据预设文件库中的停用词与分词，去除目标文本中的停用词与分词，针对目标文本进行更新，然后对目标文本进行分词处理，获得目标文本所对应的各种分词，并进入步骤B2；
步骤B2.分别针对目标文本所对应的各种分词，获得分词分别对应预设语料库中各相关领域文本的词频tfij，构成二维分词矩阵TF，然后进入步骤B3；
步骤B3.分别针对目标文本所对应的各种分词，获得分词对应预设语料库的逆向词频idfi，构成一维分词矩阵IDF，然后进入步骤B4；
步骤B4.将二维分词矩阵TF与一维分词矩阵IDF的相乘矩阵，作为分析样本所对应的情感向量，然后进入步骤B5；
步骤B5.获得分析样本中的目标按键记录文件，并根据各按键分别所对应的预设各按压力度等级，获得分析样本所对应的按键按压力度向量d，然后进入步骤B6；
步骤B6.获得分析样本所对应的按键按压频率向量t，然后进入步骤B7；
步骤B7.由分析样本分别所对应的情感向量、按键按压力度向量d、按键按压频率向量t三者组合，构成分析样本所对应的分析向量；
步骤C.根据各分析样本分别所对应的分析向量，以及各分析样本分别所对应的情感优先等级，针对预设神经网络进行训练，获得训练后的神经网络，作为语音接待期情感监测分级模型；
基于所获语音接待期情感监测分级模型，实时执行如下步骤I至步骤III，针对处在语音接待时长内的各个用户进行实时调度；
步骤I.分别针对处在语音接待时长内的各个用户，执行如下步骤II1至步骤II2，获得各用户分别所对应的情感优先等级，然后进入步骤III；
步骤II1.获得用户对应语音接待开始时刻至当前时刻时长内的记录文件，并针对该记录文件，按步骤B1至步骤B7对分析样本所执行的操作，获得该记录文件所对应的分析向量，然后进入步骤II2；
步骤II2.应用语音接待期情感监测分级模型，针对该记录文件所对应的分析向量进行处理，获得该记录文件所对应的情感优先等级，即获得该用户所对应的情感优先等级；
步骤III.根据各用户分别所对应的情感优先等级，针对各用户按情感优先等级由高至低进行排序，并按该排序针对各用户进行顺序调度。
所述步骤B2中，分别针对目标文本所对应的各种分词，按如下公式：
Figure GDA0003587059120000021
获得分词分别对应预设语料库中各相关领域文本的词频tfij，构成二维分词矩阵TF；其中，1≤i≤I，I表示目标文本中各种分词的数量，1≤j≤J，J表示预设语料库中相关领域文本的数量，tfij表示目标文本中第i个分词对应预设语料库中第j篇相关领域文本的词频，1≤l≤I，nij表示目标文本中第i个分词在预设语料库中第j篇相关领域文本中出现的次数，nlj表示目标文本中第l个分词在预设语料库中第j篇相关领域文本中出现的次数。
所述步骤B3中，分别针对目标文本所对应的各种分词，按如下公式：
Figure GDA0003587059120000031
获得分词对应预设语料库的逆向词频idfi，构成一维分词矩阵IDF；其中，|{j:nij≠0}|表示预设语料库中包含目标文本中第i个分词的相关领域文本的数量，idfi表示目标文本中第i个分词对应预设语料库的逆向词频。
所述步骤B5中，获得分析样本中的目标按键记录文件，并根据各按键分别所对应的预设各按压力度等级，按如下公式：
Figure GDA0003587059120000032
获得分析样本所对应的按键按压力度向量d；其中，M表示按键的总数，1≤km≤Km，km表示第m个按键所对应的第k个按压力度等级，Km表示第m个按键所对应的最大按压力度等级，Σkm表示第m个按键所对应各按压力度等级之和，Gm表示第m个按键在目标按键记录文件中平均按压力度所对应的按压力度等级，若第m个按键在目标按键记录文件中平均按压力度为0，则定义Gm等于0。
所述步骤B6按如下公式：
Figure GDA0003587059120000033
获得分析样本所对应的按键按压频率向量t；其中，am表示第m个按键的预设权重，fm表示第m个按键每分钟平均按压次数。
所述步骤B1中，采用ASR应用服务，将音频文件转换为目标文本。
所述步骤B1中，根据预设文件库中的停用词与分词，结合预设停用词与分词库，去除目标文本中的停用词与分词，针对目标文本进行更新。
所述步骤B1中，所述预设文件库为维基百科。
所述步骤C中，所述预设神经网络为tensorflow卷积神经网络。
本发明所述一种基于客户情感分析的呼叫中心调度方法，采用以上技术方案与现有技术相比，具有以下技术效果：
本发明所设计基于客户情感分析的呼叫中心调度方法，结合人工智能AI算法，通过对用户语音、以及案件动作的实时分析，获得用户情感变化，对客户进行情感优先等级划分，结合技能组调度策略，优先处理每个技能组队列的紧急用户，非紧急用户可以有一定范围的时延处理，通过这种服务等级划分的方式可以在客服人数不变的条件下，可以有效提升整体客户满意度8％，有效挽回负面情绪的客户对企业的信任。
附图说明
图1是本发明设计基于客户情感分析的呼叫中心调度方法的架构示意图；
图2是本发明设计中多维因素融合为分析向量示意图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明设计了一种基于客户情感分析的呼叫中心调度方法，
基于客户情感分析的呼叫中心调度方法，用于获得客户在呼叫中心语音接待时长内的情感优先等级，并实现调度；基于图1所示，实际应用当中，执行如下步骤。
步骤A.根据预设情感优先等级划分，获得各情感优先等级分别所对应的各个语音接待历史记录，作为各个分析样本；接着分别针对各个分析样本，执行如下步骤B1至步骤B7，获得各分析样本分别所对应的分析向量；然后进入步骤C。
步骤B1.获得分析样本中的音频文件，并采用ASR应用服务，将音频文件转换为目标文本；接着根据预设文件库中的停用词与分词，并结合预设停用词与分词库，去除目标文本中的停用词与分词，针对目标文本进行更新，然后对目标文本进行分词处理，获得目标文本所对应的各种分词，并进入步骤B2。实际应用中，预设文件库诸如维基百科。
步骤B2.分别针对目标文本所对应的各种分词，按如下公式：
Figure GDA0003587059120000041
获得分词分别对应预设语料库中各相关领域文本的词频tfij，构成二维分词矩阵TF，然后进入步骤B3；其中，1≤i≤I，I表示目标文本中各种分词的数量，1≤j≤J，J表示预设语料库中相关领域文本的数量，tfij表示目标文本中第i个分词对应预设语料库中第j篇相关领域文本的词频，1≤l≤I，nij表示目标文本中第i个分词在预设语料库中第j篇相关领域文本中出现的次数，nlj表示目标文本中第l个分词在预设语料库中第j篇相关领域文本中出现的次数。
步骤B3.分别针对目标文本所对应的各种分词，按如下公式：
Figure GDA0003587059120000051
获得分词对应预设语料库的逆向词频idfi，构成一维分词矩阵IDF，然后进入步骤B4；其中，|{j:nij≠0}|表示预设语料库中包含目标文本中第i个分词的相关领域文本的数量，idfi表示目标文本中第i个分词对应预设语料库的逆向词频。实际过程中，当包含分词的相关领域文本越少，则idfi越大，反应了这个分词具有很好的类别区分能力。
步骤B4.将二维分词矩阵TF与一维分词矩阵IDF的相乘矩阵，作为分析样本所对应的情感向量，然后进入步骤B5。
步骤B5.获得分析样本中的目标按键记录文件，并根据各按键分别所对应的预设各按压力度等级，按如下公式：
Figure GDA0003587059120000052
获得分析样本所对应的按键按压力度向量d，然后进入步骤B6；其中，M表示按键的总数，1≤km≤Km，km表示第m个按键所对应的第k个按压力度等级，Km表示第m个按键所对应的最大按压力度等级，∑km表示第m个按键所对应各按压力度等级之和，Gm表示第m个按键在目标按键记录文件中平均按压力度所对应的按压力度等级，若第m个按键在目标按键记录文件中平均按压力度为0，则定义Gm等于0。
步骤B6.按如下公式：
Figure GDA0003587059120000053
获得分析样本所对应的按键按压频率向量t，然后进入步骤B7；其中，am表示第m个按键的预设权重，fm表示第m个按键每分钟平均按压次数。实际过程中，用户按的次数越多，表示用户的焦虑情感越大。
步骤B7.如图2所示，由分析样本分别所对应的情感向量、按键按压力度向量d、按键按压频率向量t三者组合，构成分析样本所对应的分析向量。
步骤C.根据各分析样本分别所对应的分析向量，以及各分析样本分别所对应的情感优先等级，针对预设神经网络，诸如tensorflow卷积神经网络进行训练，获得训练后的神经网络，作为语音接待期情感监测分级模型。
基于所获语音接待期情感监测分级模型，实时执行如下步骤I至步骤III，针对处在语音接待时长内的各个用户进行实时调度。
步骤I.分别针对处在语音接待时长内的各个用户，执行如下步骤II1至步骤II2，获得各用户分别所对应的情感优先等级，然后进入步骤III。
步骤II1.获得用户对应语音接待开始时刻至当前时刻时长内的记录文件，并针对该记录文件，按步骤B1至步骤B7对分析样本所执行的操作，获得该记录文件所对应的分析向量，然后进入步骤II2。
步骤II2.应用语音接待期情感监测分级模型，针对该记录文件所对应的分析向量进行处理，获得该记录文件所对应的情感优先等级，即获得该用户所对应的情感优先等级；
步骤III.根据各用户分别所对应的情感优先等级，针对各用户按情感优先等级由高至低进行排序，并按该排序针对各用户进行顺序调度。
上述技术方案所设计基于客户情感分析的呼叫中心调度方法，结合人工智能AI算法，通过对用户语音、以及案件动作的实时分析，获得用户情感变化，对客户进行情感优先等级划分，结合技能组调度策略，优先处理每个技能组队列的紧急用户，非紧急用户可以有一定范围的时延处理，通过这种服务等级划分的方式可以在客服人数不变的条件下，可以有效提升整体客户满意度8％，有效挽回负面情绪的客户对企业的信任。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (9)

1.一种基于客户情感分析的呼叫中心调度方法，用于获得客户在呼叫中心语音接待时长内的情感优先等级，并实现调度；其特征在于，包括如下步骤：
步骤A.根据预设情感优先等级划分，获得各情感优先等级分别所对应的各个语音接待历史记录，作为各个分析样本；接着分别针对各个分析样本，执行如下步骤B1至步骤B7，获得各分析样本分别所对应的分析向量；然后进入步骤C；
步骤B1.获得分析样本中的音频文件，并采用预设语音识别应用，将音频文件转换为目标文本；接着根据预设文件库中的停用词与分词，去除目标文本中的停用词与分词，针对目标文本进行更新，然后对目标文本进行分词处理，获得目标文本所对应的各种分词，并进入步骤B2；
步骤B2.分别针对目标文本所对应的各种分词，获得分词分别对应预设语料库中各相关领域文本的词频tfij，构成二维分词矩阵TF，然后进入步骤B3；
步骤B3.分别针对目标文本所对应的各种分词，获得分词对应预设语料库的逆向词频idfi，构成一维分词矩阵IDF，然后进入步骤B4；
步骤B4.将二维分词矩阵TF与一维分词矩阵IDF的相乘矩阵，作为分析样本所对应的情感向量，然后进入步骤B5；
步骤B5.获得分析样本中的目标按键记录文件，并根据各按键分别所对应的预设各按压力度等级，获得分析样本所对应的按键按压力度向量d，然后进入步骤B6；
步骤B6.获得分析样本所对应的按键按压频率向量t，然后进入步骤B7；
步骤B7.由分析样本分别所对应的情感向量、按键按压力度向量d、按键按压频率向量t三者组合，构成分析样本所对应的分析向量；
步骤C.根据各分析样本分别所对应的分析向量，以及各分析样本分别所对应的情感优先等级，针对预设神经网络进行训练，获得训练后的神经网络，作为语音接待期情感监测分级模型；
基于所获语音接待期情感监测分级模型，实时执行如下步骤I至步骤III，针对处在语音接待时长内的各个用户进行实时调度；
步骤I.分别针对处在语音接待时长内的各个用户，执行如下步骤II1至步骤II2，获得各用户分别所对应的情感优先等级，然后进入步骤III；
步骤II1.获得用户对应语音接待开始时刻至当前时刻时长内的记录文件，并针对该记录文件，按步骤B1至步骤B7对分析样本所执行的操作，获得该记录文件所对应的分析向量，然后进入步骤II2；
步骤II2.应用语音接待期情感监测分级模型，针对该记录文件所对应的分析向量进行处理，获得该记录文件所对应的情感优先等级，即获得该用户所对应的情感优先等级；
步骤III.根据各用户分别所对应的情感优先等级，针对各用户按情感优先等级由高至低进行排序，并按该排序针对各用户进行顺序调度。
2.根据权利要求1所述一种基于客户情感分析的呼叫中心调度方法，其特征在于：所述步骤B2中，分别针对目标文本所对应的各种分词，按如下公式：
Figure FDA0003587059110000021
获得分词分别对应预设语料库中各相关领域文本的词频tfij，构成二维分词矩阵TF；其中，1≤i≤I，I表示目标文本中各种分词的数量，1≤j≤J，J表示预设语料库中相关领域文本的数量，tfij表示目标文本中第i个分词对应预设语料库中第j篇相关领域文本的词频，1≤l≤I，nij表示目标文本中第i个分词在预设语料库中第j篇相关领域文本中出现的次数，nlj表示目标文本中第l个分词在预设语料库中第j篇相关领域文本中出现的次数。
3.根据权利要求2所述一种基于客户情感分析的呼叫中心调度方法，其特征在于：所述步骤B3中，分别针对目标文本所对应的各种分词，按如下公式：
Figure FDA0003587059110000022
获得分词对应预设语料库的逆向词频idfi，构成一维分词矩阵IDF；其中，|{j:nij≠0}|表示预设语料库中包含目标文本中第i个分词的相关领域文本的数量，idfi表示目标文本中第i个分词对应预设语料库的逆向词频。
4.根据权利要求3所述一种基于客户情感分析的呼叫中心调度方法，其特征在于：所述步骤B5中，获得分析样本中的目标按键记录文件，并根据各按键分别所对应的预设各按压力度等级，按如下公式：
Figure FDA0003587059110000023
获得分析样本所对应的按键按压力度向量d；其中，M表示按键的总数，1≤km≤Km，km表示第m个按键所对应的第k个按压力度等级，Km表示第m个按键所对应的最大按压力度等级，Σkm表示第m个按键所对应各按压力度等级之和，Gm表示第m个按键在目标按键记录文件中平均按压力度所对应的按压力度等级，若第m个按键在目标按键记录文件中平均按压力度为0，则定义Gm等于0。
5.根据权利要求4所述一种基于客户情感分析的呼叫中心调度方法，其特征在于：所述步骤B6按如下公式：
Figure FDA0003587059110000031
获得分析样本所对应的按键按压频率向量t；其中，am表示第m个按键的预设权重，fm表示第m个按键每分钟平均按压次数。
6.根据权利要求1所述一种基于客户情感分析的呼叫中心调度方法，其特征在于：所述步骤B1中，采用ASR应用服务，将音频文件转换为目标文本。
7.根据权利要求1所述一种基于客户情感分析的呼叫中心调度方法，其特征在于：所述步骤B1中，根据预设文件库中的停用词与分词，结合预设停用词与分词库，去除目标文本中的停用词与分词，针对目标文本进行更新。
8.根据权利要求1或7所述一种基于客户情感分析的呼叫中心调度方法，其特征在于：所述步骤B1中，所述预设文件库为维基百科。
9.根据权利要求1所述一种基于客户情感分析的呼叫中心调度方法，其特征在于：所述步骤C中，所述预设神经网络为tensorflow卷积神经网络。
CN201911191263.4A 2019-11-28 2019-11-28 一种基于客户情感分析的呼叫中心调度方法 Active CN111080087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911191263.4A CN111080087B (zh) 2019-11-28 2019-11-28 一种基于客户情感分析的呼叫中心调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911191263.4A CN111080087B (zh) 2019-11-28 2019-11-28 一种基于客户情感分析的呼叫中心调度方法

Publications (2)

Publication Number Publication Date
CN111080087A CN111080087A (zh) 2020-04-28
CN111080087B true CN111080087B (zh) 2022-07-08

Family

ID=70312271

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911191263.4A Active CN111080087B (zh) 2019-11-28 2019-11-28 一种基于客户情感分析的呼叫中心调度方法

Country Status (1)

Country Link
CN (1) CN111080087B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111708887B (zh) * 2020-06-15 2022-09-23 国家计算机网络与信息安全管理中心 一种自定义规则的多模型融合的不良呼叫识别方法
CN111832317B (zh) * 2020-07-09 2023-08-18 广州市炎华网络科技有限公司 智能信息导流方法、装置、计算机设备及可读存储介质
CN112751977A (zh) * 2020-12-17 2021-05-04 青岛地铁集团有限公司运营分公司 呼叫处理方法、装置、系统及存储介质
CN114492434B (zh) * 2022-01-27 2022-10-11 圆通速递有限公司 一种基于运单号自动识别模型智能识别运单号方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831891A (zh) * 2011-06-13 2012-12-19 富士通株式会社 一种语音数据处理方法及系统
CN110377726A (zh) * 2019-06-05 2019-10-25 特斯联（北京）科技有限公司 一种人工智能实现自然语言文本情绪识别方法与装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831891A (zh) * 2011-06-13 2012-12-19 富士通株式会社 一种语音数据处理方法及系统
CN110377726A (zh) * 2019-06-05 2019-10-25 特斯联（北京）科技有限公司 一种人工智能实现自然语言文本情绪识别方法与装置

Also Published As

Publication number Publication date
CN111080087A (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
CN111080087B (zh) 一种基于客户情感分析的呼叫中心调度方法
Geva et al. Transformer feed-forward layers are key-value memories
CN109934375B (zh) 一种电力负荷预测方法
CN107862000A (zh) 一种农业技术咨询人机对话方法
CN114120516B (zh) 一种营业厅叫号顺序优化方法
CN112199415A (zh) 一种数据特征预处理的方法及其实现系统和应用
CN116110405B (zh) 一种基于半监督学习的陆空通话说话人识别方法及设备
CN112307761A (zh) 基于注意力机制的事件抽取方法及系统
CN112632244A (zh) 一种人机通话的优化方法、装置、计算机设备及存储介质
CN115393933A (zh) 一种基于帧注意力机制的视频人脸情绪识别方法
Chen et al. Sequence-to-sequence modelling for categorical speech emotion recognition using recurrent neural network
CN113990352A (zh) 用户情绪识别与预测方法、装置、设备及存储介质
CN115511069A (zh) 神经网络的训练方法、数据处理方法、设备及存储介质
CN115759001A (zh) 语言模型训练方法、文本预测方法以及装置
CN110362828B (zh) 网络资讯风险识别方法及系统
Ali Intelligent call routing: Optimizing contact center throughput
CN117033961A (zh) 一种上下文语境感知的多模态图文分类方法
CN116881730A (zh) 基于语境的聊天场景匹配系统、方法、设备及存储介质
CN116303930A (zh) 一种基于语义匹配与生成模型的会话智能生成方法
CN115731030A (zh) 一种银行消费贷款客户需求挖掘方法、装置及存储介质
CN114239565A (zh) 一种基于深度学习的情绪原因识别方法及系统
CN110728145B (zh) 一种基于录音对话的自然语言理解模型的建立方法
CN114333770A (zh) 自动发音评估方法、装置、设备及存储介质
CN112287084A (zh) 一种基于集成学习的问答方法及系统
KR101066228B1 (ko) 감성 분류 시스템 및 그 방법

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
CB02 Change of applicant information

Address after: 211100 floor 5, block a, China Merchants high speed rail Plaza project, No. 9, Jiangnan Road, Jiangning District, Nanjing, Jiangsu (South Station area)

Applicant after: JIANGSU AIJIA HOUSEHOLD PRODUCTS Co.,Ltd.

Address before: 211100 No. 18 Zhilan Road, Science Park, Jiangning District, Nanjing City, Jiangsu Province

Applicant before: JIANGSU AIJIA HOUSEHOLD PRODUCTS Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant