CN111212190B - 一种基于话术策略管理的对话管理方法、装置和系统 - Google Patents
一种基于话术策略管理的对话管理方法、装置和系统 Download PDFInfo
- Publication number
- CN111212190B CN111212190B CN201911331018.9A CN201911331018A CN111212190B CN 111212190 B CN111212190 B CN 111212190B CN 201911331018 A CN201911331018 A CN 201911331018A CN 111212190 B CN111212190 B CN 111212190B
- Authority
- CN
- China
- Prior art keywords
- user
- intention
- conversation
- call
- intelligent voice
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 12
- 230000007935 neutral effect Effects 0.000 claims description 8
- 230000006854 communication Effects 0.000 description 24
- 238000004891 communication Methods 0.000 description 23
- 238000012549 training Methods 0.000 description 16
- 238000012360 testing method Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种基于话术策略管理的对话管理方法、装置、系统和计算机可读介质，方法包括：智能语音机器人选取主题向用户进行呼叫，用户针对智能语音机器人的呼叫做出响应，判断用户与智能语音机器人的通话状态；如果通话状态为用户应答，识别用户语音转化为用户语音文本，根据所述用户语音文本确定用户真实意图；根据确定的用户真实意图选取匹配的对话策略，基于所述对话策略选取对应的对话内容，输出给用户。采用该技术方案，智能语音机器人不仅能够识别用户当前语句表达的单句意图，还能够基于用户前面所说的语句理解用户的真实意图，使得用户体验更好。
Description
技术领域
本发明涉及智能识别技术领域，具体而言，涉及一种基于话术策略管理的对话管理方法、装置和系统。
背景技术
客户服务中心是企业与用户沟通的主要桥梁，提升用户满意度的主要渠道。以前客户服务中心主要以人工客服为主，由专业的客服人员为用户进行服务。随着计算机信息处理技术的发展，越来越多的客户服务中心开始采用智能语音机器人进行回访、电话问卷调查等服务。
但目前智能语音机器人普遍存在只能针对用户的当前语句的意图进行识别，不能基于用户的前面所说的语句理解用户的真实意图，存在会对用户意图造成曲解的问题。
发明内容
本发明旨在解决现有智能语音机器人不能准确理解用户真实意图，存在会对用户意图造成曲解，给用户体验较差的问题。
为了解决上述技术问题，本发明第一方面提出一种基于话术策略管理的对话管理方法，包括：
智能语音机器人选取主题向用户进行呼叫，用户针对智能语音机器人的呼叫做出响应，判断用户与智能语音机器人的通话状态；
如果通话状态为用户应答，识别用户语音转化为用户语音文本，根据所述用户语音文本确定用户真实意图；
根据确定的用户真实意图选取匹配的对话策略，基于所述对话策略选取对应的对话内容，输出给用户。
根据本发明的一种优选实施方式，智能语音机器人选取主题向用户进行呼叫包括：
智能语音机器人根据用途选取与用户交流的主题，根据所述主题选取相应的对话逻辑和对话文本。
根据本发明的一种优选实施方式，根据所述用户语音文本确定用户真实意图包括：
识别用户当前句子的单句意图；
判断用户当前处于对话逻辑的节点位置；
根据所述用户的单句意图以及节点位置确定用户真实意图。
根据本发明的一种优选实施方式，识别用户当前句子的单句意图包括：
对用户当前句子进行划词处理，将划词后的短语向量化，将向量化后的短语输入单句意图识别模型。
根据本发明的一种优选实施方式，所述单句意图识别模型基于深度学习的TextCNN模型。
根据本发明的一种优选实施方式，识别用户当前句子的单句意图基于问题匹配的算法。
根据本发明的一种优选实施方式，方法还包括：
通话结束后识别用户整体意图，输出用户整体意图标签。
根据本发明的一种优选实施方式，方法还包括：
如果通话状态为接通后快速挂断，直接输出用户整体意图标签为拒绝；
如果用户未接听，记录所述用户未接听次数，设置未接听次数阈值，若未接听次数超过所述未接听次数阈值，则输出用户整体意图标签为拒绝，若未接听次数未超过所述未接听次数阈值，则输出用户整体意图标签为中性。
本发明的第二方面提出一种基于话术策略管理的对话管理装置，装置包括：
状态判断模块，智能语音机器人选取主题向用户进行呼叫，用户针对智能语音机器人的呼叫做出响应，判断用户与智能语音机器人的通话状态；
真实意图识别模块，如果通话状态为用户应答，识别用户语音转化为用户语音文本，根据所述用户语音文本确定用户真实意图；
对话输出模块，根据确定的用户真实意图选取匹配的对话策略，基于所述对话策略选取对应的对话内容，输出给用户。
根据本发明的一种优选实施方式，智能语音机器人选取主题向用户进行呼叫包括：
智能语音机器人根据用途选取与用户交流的主题，根据所述主题选取相应的对话逻辑和对话文本。
根据本发明的一种优选实施方式，根据所述用户语音文本确定用户真实意图包括：
识别用户当前句子的单句意图；
判断用户当前处于对话逻辑的节点位置；
根据所述用户的单句意图以及节点位置确定用户的整体意图。
根据本发明的一种优选实施方式，识别用户当前句子的单句意图包括：
对用户当前句子进行划词处理，将划词后的短语向量化，将向量化后的短语输入单句意图识别模型。
根据本发明的一种优选实施方式，所述单句意图识别模型基于深度学习的TextCNN模型。
根据本发明的一种优选实施方式，识别用户当前句子的单句意图基于问题匹配的算法。
根据本发明的一种优选实施方式，装置还包括：
标签输出模块，通话结束后识别用户整体意图，输出用户整体意图标签。
根据本发明的一种优选实施方式，装置还包括：
如果通话状态为接通后快速挂断，直接输出用户整体意图标签为拒绝；
如果用户未接听，记录所述用户未接听次数，设置未接听次数阈值，若未接听次数超过所述未接听次数阈值，则输出用户整体意图标签为拒绝，若未接听次数未超过所述未接听次数阈值，则输出用户整体意图标签为中性。
本发明的第三方面提出一种基于话术策略管理的对话管理系统，包括：
存储单元，用于存储计算机可执行程序；
处理单元，用于读取所述存储单元中的计算机可执行程序，以执所述的基于话术策略管理的对话管理方法。
本发明的第四方面提出一种计算机可读介质，用于存储计算机可读程序，所述计算机可读程序用于执行所述的基于话术策略管理的对话管理方法。
采用该技术方案，智能语音机器人不仅能够识别用户当前语句表达的单句意图，还能够基于用户前面所说的语句理解用户的真实意图，使得用户体验更好。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本发明的示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。
图1是本发明实施例中基于话术策略管理的对话管理方法的流程示意图；
图2是本发明实施例中基于话术策略管理的对话管理装置的结构示意图；
图3是本发明实施例中基于话术策略管理的对话管理系统的结构框架示意图；
图4是本发明实施例中计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图来更加全面地描述本发明的示例性实施例，虽然各示例性实施例能够以多种具体的方式实施，但不应理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例是为了使本发明的内容更加完整，更加便于将发明构思全面地传达给本领域的技术人员。
在符合本发明的技术构思的前提下，在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。
在对于具体实施例的介绍过程中，对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是，并不排除本领域技术人员可以在特定情况下，以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示，不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤，也不代表必须按照图中所显示的的顺序执行。例如，流程图中有的操作/步骤可以分解，有的操作/步骤可以合并或部分合并，等等，在不脱离本发明的发明主旨的情况下，流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体，并不一定必然与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理单元装置和/或微控制器装置中实现这些功能实体。
各附图中相同的附图标记表示相同或类似的元件、组件或部分，因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说，这些定语仅是用来将一者与另一者区分。例如，第一器件亦可称为第二器件，但不偏离本发明实质的技术方案。此外，术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
在智能语音机器人与用户进行沟通过程中，对话时间可能较长，对用户的真实意图判断存在偏差，导致用户体验不好。
因此，本申请提供一种基于话术策略管理的对话管理方法，如图1所示，本发明方法具有如下步骤：
S101、智能语音机器人选取主题向用户进行呼叫，用户针对智能语音机器人的呼叫做出响应，判断用户与智能语音机器人的通话状态。
在上述技术方案的基础上进一步地，智能语音机器人选取主题向用户进行呼叫包括：
智能语音机器人根据用途选取与用户交流的主题，根据所述主题选取相应的对话逻辑和对话文本。
在本实施方式中，设置有对话逻辑库，对话逻辑库中存储有多种对话逻辑策略，比如产品回访策略，产品调研策略等等。
智能语音机器人与用户进行沟通的之前会选取交流的对话主题，然后从对话逻辑库中选取与主题匹配的对话策略。其中对话策略包括多个节点，这些节点构成对话策略的逻辑树。在逻辑树中会根据用户回答的内容行进，在逻辑策略中的某个节点位置，会根据用户不同的意图去往不同的节点。比如只能语音机器人与用户沟通的主题是对产品进行回访，则对话策略包括身份确认，询问用户对产品是否满意，询问产品优点，询问产品的缺点等等逻辑节点。当处于“询问用户对产品是否满意”的节点时，如果智能语音机器人对用户当前单句意图识别为肯定的，即用户对产品满意，则下一个节点走向“询问产品的优点”，询问用户对产品满意的地方，便于后续对产品的优点进行巩固和加强；如果当前单句意图识别为否定，即用户对产品不满意，则下一个节点走向“询问产品的缺点”，询问那些地方让用户不满意，便于后续对产品进行改进和提高。
在本实施方式中，设置有文本数据库，文本数据库中存储有与用户进行沟通所需要的文本，但文本之间并无逻辑关系，在选取好与对话主题对应的对话策略后，对话策略的每个节点从文本数据库中选取对应的文本作为对话文本。根据智能语音机器人与用户对话所处的节点位置，将该节点对应的对话文本转化为语音，用于与用户进行对话。
S102、如果通话状态为用户应答，识别用户语音转化为用户语音文本，根据所述用户语音文本确定用户真实意图。
在上述技术方案的基础上进一步地，根据所述用户语音文本确定用户真实意图包括：
识别用户当前句子的单句意图；
判断用户当前处于对话逻辑的节点位置；
根据所述用户的单句意图以及节点位置确定用户真实意图。
在上述技术方案的基础上进一步地，识别用户当前句子的单句意图包括：对用户当前句子进行划词处理，将划词后的短语向量化，将向量化后的短语输入单句意图识别模型。
在本实施方式中，通过将单句意图识别模型对用户当前语句的单句意图进行识别，输出单句意图标签。单句意图识别模型可以采用无监督学习或者有监督学习的方式进行训练。
在本实施方式中，采用有监督学习的方式进行模型训练。前期的客户服务积累了大量的服务人员与用户的历史沟通记录，将积累的历史沟通记录转化为历史沟通文本。
将历史沟通文本分成三组样本，分别为训练样本、纠正样本和测试样本。采用人工审核的方式，分别对三组样本进行审核，给出单句意图标签。
使用训练样本对单句意图识别模型进行训练，获得单句意图识别模型的参数。
使用纠正样本对单句意图识别模型进行优化，调整模型的参数，比如正则化参数。
使用测试样本对优化后的单句意图识别模型进行测试，获得测试结果，将测试结果和人工审核给出的单句意图标签进行比较，判断单句意图识别模型及参数是否符合预设的要求。如果符合要求则将当年的单句意图识别模型用于单句意图识别；如果不符合要求，则继续对当前模型进行优化和调整，或者重新对样本进行分组建立单句意图识别模型。
单句意图识别模型可以采用多种方式，当单句意图识别模型采用基于深度学习文本分类模型TextCNN时，模型包括卷积层、池化层和输出层。同样对用户的语音输入进行转化，将转化后的文本进行划词处理，经过卷积层和池化层的计算，最后输出层输出意图标签，根据最后输出的意图标签确定用户当前语句的单句意图。
在本实施方式中，判断用户的真实意图基于智能语音机器人根据沟通主题选取的对话策略，用户目前所处对话策略的逻辑树的节点位置，以及用户当前语句的单句意图。
在上述技术方案的基础上进一步地，识别用户当前句子的单句意图基于问题匹配的算法。
在其他实施方式中，判断用户当前句子的单句意图还可以基于问题匹配算法。当基于问题匹配算法时，通过样本训练的方式建立基于问题匹配算法的模型，将转化后的文本输入嵌入层转化为词向量，在编码器中转化为句向量，其中编码器为Bi-LSTM，通过余弦算法计算相似度，通过Softmax函数计算概率，获得相匹配的用户的意图。
S103、根据确定的用户真实意图选取匹配的对话策略，基于所述对话策略选取对应的对话内容，输出给用户。
在本实施方式中，判断出用户的真实意图后，智能语音机器人与用户沟通的进行可能会延伸出新的对话主题，因此需要选取新的对话策略或者调整对话策略。在沟通开始时选取的对话策略只是初始的对话策略，随着沟通的进行可能会形成多个对话策略彼此嵌套的整体对话策略。比如，在开始时选取的对话策略是对产品进行回访，对话中用户对产品有些改进意见和期望，此时会引入产品前期调研策略，用于对产品进行升级或改版，针对新产品的功能同用户进行沟通。这样产品前期调研策略就会嵌套在产品进行回访策略后面。
在上述技术方案的基础上进一步地，方法还包括：
S104、通话结束后识别用户整体意图，输出用户整体意图标签。
在本实施方式中，在整轮通话结束后，将通话内容以log日志的形式进行保存，在存储的时候给该次对话一个用户整体意图标签。用户整体意图标签是将整轮通话内容输入用户整体意图判断模型。该模型也是通过训练的方式建立，训练过程与单句意图识别模型训练过程相同。
在上述技术方案的基础上进一步地，如果通话状态为接通后快速挂断，直接输出用户整体意图标签为拒绝；
如果用户未接听，记录所述用户未接听次数，设置未接听次数阈值，若未接听次数超过所述未接听次数阈值，则输出用户整体意图标签为拒绝，若未接听次数未超过所述未接听次数阈值，则输出用户整体意图标签为中性。
在与用户进行通话的时候，可能用户会处理不同的情况，有些时候并没有进行具体沟通，此时需要根据用户的不同反映判断用户的意图，输出整体意图标签。
当用户接听后很快挂断，说明用户对通话内容比较抵触，此时意图标签输出为拒绝。此时存储通话内容为空的log日志，意图标签为拒绝。
当用户未接听通话，可能用户处在不方便接听的情况，意图标签可以暂定为中性，设置一定的间隔周期，比如一天后或者下周再与用户进行沟通交流，并且设置未接听次数阈值，如果次数过多可能会对用户造成骚扰，因此未接听次数阈值为2或3，通常设为3。当未接听次数超过3次说明用户对通话比较抵触，此时意图标签输出为拒绝。
如图2所示，在本实施例中还提供了基于话术策略管理的对话管理装置200，包括：
状态判断模块201，智能语音机器人选取主题向用户进行呼叫，用户针对智能语音机器人的呼叫做出响应，判断用户与智能语音机器人的通话状态。
在上述技术方案的基础上进一步地，智能语音机器人选取主题向用户进行呼叫包括：
智能语音机器人根据用途选取与用户交流的主题，根据所述主题选取相应的对话逻辑和对话文本。
在本实施方式中，设置有对话逻辑库，对话逻辑库中存储有多种对话逻辑策略，比如产品回访策略，产品调研策略等等。
智能语音机器人与用户进行沟通的之前会选取交流的对话主题，然后从对话逻辑库中选取与主题匹配的对话策略。其中对话策略包括多个节点，这些节点构成对话策略的逻辑树。在逻辑树中会根据用户回答的内容行进，在逻辑策略中的某个节点位置，会根据用户不同的意图去往不同的节点。比如只能语音机器人与用户沟通的主题是对产品进行回访，则对话策略包括身份确认，询问用户对产品是否满意，询问产品优点，询问产品的缺点等等逻辑节点。当处于“询问用户对产品是否满意”的节点时，如果智能语音机器人对用户当前单句意图识别为肯定的，即用户对产品满意，则下一个节点走向“询问产品的优点”，询问用户对产品满意的地方，便于后续对产品的优点进行巩固和加强；如果当前单句意图识别为否定，即用户对产品不满意，则下一个节点走向“询问产品的缺点”，询问那些地方让用户不满意，便于后续对产品进行改进和提高。
在本实施方式中，设置有文本数据库，文本数据库中存储有与用户进行沟通所需要的文本，但文本之间并无逻辑关系，在选取好与对话主题对应的对话策略后，对话策略的每个节点从文本数据库中选取对应的文本作为对话文本。根据智能语音机器人与用户对话所处的节点位置，将该节点对应的对话文本转化为语音，用于与用户进行对话。
真实意图识别模块202，如果通话状态为用户应答，识别用户语音转化为用户语音文本，根据所述用户语音文本确定用户真实意图。
在上述技术方案的基础上进一步地，根据所述用户语音文本确定用户真实意图包括：
识别用户当前句子的单句意图；
判断用户当前处于对话逻辑的节点位置；
根据所述用户的单句意图以及节点位置确定用户真实意图。
在上述技术方案的基础上进一步地，识别用户当前句子的单句意图包括：对用户当前句子进行划词处理，将划词后的短语向量化，将向量化后的短语输入单句意图识别模型。
在本实施方式中，通过将单句意图识别模型对用户当前语句的单句意图进行识别，输出单句意图标签。单句意图识别模型可以采用无监督学习或者有监督学习的方式进行训练。
在本实施方式中，采用有监督学习的方式进行模型训练。前期的客户服务积累了大量的服务人员与用户的历史沟通记录，将积累的历史沟通记录转化为历史沟通文本。
将历史沟通文本分成三组样本，分别为训练样本、纠正样本和测试样本。采用人工审核的方式，分别对三组样本进行审核，给出单句意图标签。
使用训练样本对单句意图识别模型进行训练，获得单句意图识别模型的参数。
使用纠正样本对单句意图识别模型进行优化，调整模型的参数，比如正则化参数。
使用测试样本对优化后的单句意图识别模型进行测试，获得测试结果，将测试结果和人工审核给出的单句意图标签进行比较，判断单句意图识别模型及参数是否符合预设的要求。如果符合要求则将当年的单句意图识别模型用于单句意图识别；如果不符合要求，则继续对当前模型进行优化和调整，或者重新对样本进行分组建立单句意图识别模型。
单句意图识别模型可以采用多种方式，当单句意图识别模型采用基于深度学习文本分类模型TextCNN时，模型包括卷积层、池化层和输出层。同样对用户的语音输入进行转化，将转化后的文本进行划词处理，经过卷积层和池化层的计算，最后输出层输出意图标签，根据最后输出的意图标签确定用户当前语句的单句意图。
在本实施方式中，判断用户的真实意图基于智能语音机器人根据沟通主题选取的对话策略，用户目前所处对话策略的逻辑树的节点位置，以及用户当前语句的单句意图。
在上述技术方案的基础上进一步地，识别用户当前句子的单句意图基于问题匹配的算法。
在其他实施方式中，判断用户当前句子的单句意图还可以基于问题匹配算法。当基于问题匹配算法时，通过样本训练的方式建立基于问题匹配算法的模型，将转化后的文本输入嵌入层转化为词向量，在编码器中转化为句向量，其中编码器为Bi-LSTM，通过余弦算法计算相似度，通过Softmax函数计算概率，获得相匹配的用户的意图。
对话输出模块203，根据确定的用户真实意图选取匹配的对话策略，基于所述对话策略选取对应的对话内容，输出给用户。
在本实施方式中，判断出用户的真实意图后，智能语音机器人与用户沟通的进行可能会延伸出新的对话主题，因此需要选取新的对话策略或者调整对话策略。在沟通开始时选取的对话策略只是初始的对话策略，随着沟通的进行可能会形成多个对话策略彼此嵌套的整体对话策略。比如，在开始时选取的对话策略是对产品进行回访，对话中用户对产品有些改进意见和期望，此时会引入产品前期调研策略，用于对产品进行升级或改版，针对新产品的功能同用户进行沟通。这样产品前期调研策略就会嵌套在产品进行回访策略后面。
在上述技术方案的基础上进一步地，方法还包括：
标签输出模块204，通话结束后识别用户整体意图，输出用户整体意图标签。
在本实施方式中，在整轮通话结束后，将通话内容以log日志的形式进行保存，在存储的时候给该次对话一个用户整体意图标签。用户整体意图标签是将整轮通话内容输入用户整体意图判断模型。该模型也是通过训练的方式建立，训练过程与单句意图识别模型训练过程相同。
在上述技术方案的基础上进一步地，如果通话状态为接通后快速挂断，直接输出用户整体意图标签为拒绝；
如果用户未接听，记录所述用户未接听次数，设置未接听次数阈值，若未接听次数超过所述未接听次数阈值，则输出用户整体意图标签为拒绝，若未接听次数未超过所述未接听次数阈值，则输出用户整体意图标签为中性。
在与用户进行通话的时候，可能用户会处理不同的情况，有些时候并没有进行具体沟通，此时需要根据用户的不同反映判断用户的意图，输出整体意图标签。
当用户接听后很快挂断，说明用户对通话内容比较抵触，此时意图标签输出为拒绝。此时存储通话内容为空的log日志，意图标签为拒绝。
当用户未接听通话，可能用户处在不方便接听的情况，意图标签可以暂定为中性，设置一定的间隔周期，比如一天后或者下周再与用户进行沟通交流，并且设置未接听次数阈值，如果次数过多可能会对用户造成骚扰，因此未接听次数阈值为2或3，通常设为3。当未接听次数超过3次说明用户对通话比较抵触，此时意图标签输出为拒绝。
如图3所示，本发明的一个实施例中还公开一种基于话术策略管理的对话管理系统，图3显示的对话管理系统仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
基于话术策略管理的对话管理系统300，包括存储单元320，用于存储计算机可执行程序；处理单元310，用于读取所述存储单元中的计算机可执行程序，以执行本发明各种实施方式的步骤。
在本实施方式中基于话术策略管理的对话管理系统300还包括，连接不同系统组件(包括存储单元320和处理单元310)的总线330、显示单元340等。
其中，所述存储单元320存储有计算机可读程序，其可以是源程序或都只读程序的代码。所述程序可以被处理单元310执行，使得所述处理单元310执行本发明各种实施方式的步骤。例如，所述处理单元310可以执行如图1所示的步骤。
所述存储单元320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元(ROM)3203。所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204，这样的程序模块3205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
基于话术策略管理的对话管理系统300也可以与一个或多个外部设备370(例如键盘、显示器、网络设备、蓝牙设备等)通信，使得用户能经由这些外部设备370通过输入/输出(I/O)接口350进行与处理单元310进行交互，还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)进行。网络适配器360可以通过总线330与基于话术策略管理的对话管理系统300的其它模块通信。应当明白，尽管图中未示出，基于话术策略管理的对话管理系统300中可使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
图4是本发明的一个计算机可读介质实施例的示意图。如图4所示，所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储单元(RAM)、只读存储单元(ROM)、可擦式可编程只读存储单元(EPROM或闪存)、光纤、便携式紧凑盘只读存储单元(CD-ROM)、光存储单元件、磁存储单元件、或者上述的任意合适的组合。当所述计算机程序被一个或多个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：
S101、智能语音机器人选取主题向用户进行呼叫，用户针对智能语音机器人的呼叫做出响应，判断用户与智能语音机器人的通话状态；
S102、如果通话状态为用户应答，识别用户语音转化为用户语音文本，根据所述用户语音文本确定用户真实意图；
S103、根据确定的用户真实意图选取匹配的对话策略，基于所述对话策略选取对应的对话内容，输出给用户。
采用该技术方案，智能语音机器人能够根据沟通过程中用户的回应选取逻辑树中不同的节点，根据节点位置以及用户当前语句的意图判断用户的真实意图，从而调整智能语音机器人的对话策略。能够更准确的判断用户的真实意图，使用户体验更佳。
通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述，本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。可以在实践中使用微处理单元或者数字信号处理单元(DSP)等通用数据处理设备来实现本发明的一些或者全部功能。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于话术策略管理的对话管理方法，其特征在于，方法包括：
智能语音机器人选取主题向用户进行呼叫，用户针对智能语音机器人的呼叫做出响应，判断用户与智能语音机器人的通话状态，其中智能语音机器人根据用途选取与用户交流的主题，智能语音机器人从对话逻辑库中选取与主题匹配的对话策略，对话策略包括多个节点，智能语音机器人根据对话策略的每个节点从文本数据库中选取对应的文本作为对话文本；
如果通话状态为用户应答，识别用户语音转化为用户语音文本，根据所述用户语音文本确定用户真实意图，其中根据所述用户语音文本确定用户真实意图包括，对用户当前句子进行划词处理，将划词后的短语向量化，将向量化后的短语输入单句意图识别模型，识别用户当前句子的单句意图；判断用户当前处于对话逻辑的节点位置；根据所述用户的单句意图以及节点位置确定用户真实意图；
智能语音机器人根据确定的用户真实意图选取新的对话策略或者调整对话策略，基于所述对话策略选取对应的对话内容，输出给用户；
通话结束后识别用户整体意图，将通话内容以log日志的形式进行保存，输出用户整体意图标签。
2.如权利要求1所述的对话管理方法，其特征在于，所述单句意图识别模型基于深度学习的TextCNN模型。
3.如权利要求1所述的对话管理方法，其特征在于，识别用户当前句子的单句意图基于问题匹配的算法。
4.如权利要求1所述的对话管理方法，其特征在于，方法还包括：
如果通话状态为接通后快速挂断，直接输出用户整体意图标签为拒绝；
如果用户未接听，记录所述用户未接听次数，设置未接听次数阈值，若未接听次数超过所述未接听次数阈值，则输出用户整体意图标签为拒绝，若未接听次数未超过所述未接听次数阈值，则输出用户整体意图标签为中性。
5.一种基于话术策略管理的对话管理装置，其特征在于，装置包括：
状态判断模块，智能语音机器人选取主题向用户进行呼叫，用户针对智能语音机器人的呼叫做出响应，判断用户与智能语音机器人的通话状态，其中智能语音机器人根据用途选取与用户交流的主题，智能语音机器人从对话逻辑库中选取与主题匹配的对话策略，对话策略包括多个节点，智能语音机器人根据对话策略的每个节点从文本数据库中选取对应的文本作为对话文本；
真实意图识别模块，如果通话状态为用户应答，识别用户语音转化为用户语音文本，根据所述用户语音文本确定用户真实意图，其中根据所述用户语音文本确定用户真实意图包括，对用户当前句子进行划词处理，将划词后的短语向量化，将向量化后的短语输入单句意图识别模型，识别用户当前句子的单句意图；判断用户当前处于对话逻辑的节点位置；根据所述用户的单句意图以及节点位置确定用户真实意图；
对话输出模块，智能语音机器人根据确定的用户真实意图选取新的对话策略或者调整对话策略，基于所述对话策略选取对应的对话内容，输出给用户；
通话结束后识别用户整体意图，将通话内容以log日志的形式进行保存，输出用户整体意图标签。
6.如权利要求5所述的对话管理装置，其特征在于，所述单句意图识别模型基于深度学习的TextCNN模型。
7.如权利要求5所述的对话管理装置，其特征在于，识别用户当前句子的单句意图基于问题匹配的算法。
8.如权利要求5所述的对话管理装置，其特征在于，装置还包括：
如果通话状态为接通后快速挂断，直接输出用户整体意图标签为拒绝；
如果用户未接听，记录所述用户未接听次数，设置未接听次数阈值，若未接听次数超过所述未接听次数阈值，则输出用户整体意图标签为拒绝，若未接听次数未超过所述未接听次数阈值，则输出用户整体意图标签为中性。
9.一种基于话术策略管理的对话管理系统，其特征在于，包括：
存储单元，用于存储计算机可执行程序；
处理单元，用于读取所述存储单元中的计算机可执行程序，以执行权利要求1至4中任一项所述的基于话术策略管理的对话管理方法。
10.一种计算机可读介质，用于存储计算机可读程序，其特征在于，所述计算机可读程序用于执行权利要求1至4中任一项所述的基于话术策略管理的对话管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911331018.9A CN111212190B (zh) | 2019-12-20 | 2019-12-20 | 一种基于话术策略管理的对话管理方法、装置和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911331018.9A CN111212190B (zh) | 2019-12-20 | 2019-12-20 | 一种基于话术策略管理的对话管理方法、装置和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111212190A CN111212190A (zh) | 2020-05-29 |
| CN111212190B true CN111212190B (zh) | 2022-05-17 |
Family
ID=70788178
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911331018.9A Active CN111212190B (zh) | 2019-12-20 | 2019-12-20 | 一种基于话术策略管理的对话管理方法、装置和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111212190B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111696558A (zh) * | 2020-06-24 | 2020-09-22 | 深圳壹账通智能科技有限公司 | 智能外呼方法、装置、计算机设备及存储介质 |
| CN111653262B (zh) * | 2020-08-06 | 2020-11-17 | 上海荣数信息技术有限公司 | 一种智能语音交互系统及方法 |
| CN111949784A (zh) * | 2020-08-14 | 2020-11-17 | 中国工商银行股份有限公司 | 基于意图识别的外呼方法及装置 |
| CN112291432B (zh) * | 2020-10-23 | 2021-11-02 | 北京蓦然认知科技有限公司 | 语音助手参与通话的方法及语音助手 |
| CN112287078A (zh) * | 2020-10-23 | 2021-01-29 | 上海淇玥信息技术有限公司 | 一种多句话术匹配方法、装置和电子设备 |
| CN112100360B (zh) * | 2020-10-30 | 2024-02-02 | 北京淇瑀信息科技有限公司 | 一种基于向量检索的对话应答方法、装置和系统 |
| CN112711654B (zh) * | 2020-12-25 | 2023-07-25 | 携程计算机技术（上海）有限公司 | 语音机器人的汉字解释话术生成方法、系统、设备及介质 |
| CN112885348B (zh) * | 2021-01-25 | 2024-03-08 | 广州中汇信息科技有限公司 | 结合ai智能语音电销方法 |
| CN113518153B (zh) * | 2021-04-25 | 2023-07-04 | 上海淇玥信息技术有限公司 | 一种识别用户通话响应状态的方法、装置和电子设备 |
| CN113610628A (zh) * | 2021-07-28 | 2021-11-05 | 浙江惠瀜网络科技有限公司 | 贷前风险事件调查方法、装置及电子设备 |
| CN115022471B (zh) * | 2022-05-18 | 2023-05-23 | 北京互连众信科技有限公司 | 一种智能机器人语音交互系统和方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103795876A (zh) * | 2012-10-29 | 2014-05-14 | 殷程 | 智能语音脚本 |
| CN105227793A (zh) * | 2015-08-26 | 2016-01-06 | 上海银天下科技有限公司 | 线路选择方法及装置 |
| CN108428148A (zh) * | 2018-01-29 | 2018-08-21 | 厦门快商通信息技术有限公司 | 主动智能电话营销方法和系统 |
| CN108989587A (zh) * | 2018-06-29 | 2018-12-11 | 重庆富民银行股份有限公司 | Ivr语音在银行贷后管理工作中的应用方法 |
| CN110233946A (zh) * | 2019-06-17 | 2019-09-13 | 三角兽（北京）科技有限公司 | 执行外呼业务方法、电子设备及计算机可读存储介质 |
| CN110351443A (zh) * | 2019-06-17 | 2019-10-18 | 深圳壹账通智能科技有限公司 | 智能外呼处理方法、装置、计算机设备及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9420098B2 (en) * | 2013-07-08 | 2016-08-16 | Nice-Systems Ltd | Prediction interactive vocla response |
| CN106326227A (zh) * | 2015-06-17 | 2017-01-11 | 中兴通讯股份有限公司 | 一种提供在线客服的方法及装置 |
| CN109979457A (zh) * | 2019-05-29 | 2019-07-05 | 南京硅基智能科技有限公司 | 一种应用于智能对话机器人的千人千面的方法 |
-
2019
- 2019-12-20 CN CN201911331018.9A patent/CN111212190B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103795876A (zh) * | 2012-10-29 | 2014-05-14 | 殷程 | 智能语音脚本 |
| CN105227793A (zh) * | 2015-08-26 | 2016-01-06 | 上海银天下科技有限公司 | 线路选择方法及装置 |
| CN108428148A (zh) * | 2018-01-29 | 2018-08-21 | 厦门快商通信息技术有限公司 | 主动智能电话营销方法和系统 |
| CN108989587A (zh) * | 2018-06-29 | 2018-12-11 | 重庆富民银行股份有限公司 | Ivr语音在银行贷后管理工作中的应用方法 |
| CN110233946A (zh) * | 2019-06-17 | 2019-09-13 | 三角兽（北京）科技有限公司 | 执行外呼业务方法、电子设备及计算机可读存储介质 |
| CN110351443A (zh) * | 2019-06-17 | 2019-10-18 | 深圳壹账通智能科技有限公司 | 智能外呼处理方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111212190A (zh) | 2020-05-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111212190B (zh) | 一种基于话术策略管理的对话管理方法、装置和系统 | |
| CN111191000B (zh) | 一种智能语音机器人的对话管理方法、装置和系统 | |
| CN111028827B (zh) | 基于情绪识别的交互处理方法、装置、设备和存储介质 | |
| US11315560B2 (en) | Method for conducting dialog between human and computer | |
| CN109003624B (zh) | 情绪识别方法、装置、计算机设备及存储介质 | |
| CN110415679B (zh) | 语音纠错方法、装置、设备和存储介质 | |
| EP3196816A1 (en) | Complexity aware call-steering strategy in heterogeneous human/machine call-center environments | |
| CN111708869B (zh) | 人机对话的处理方法及装置 | |
| CN111177186B (zh) | 基于问题检索的单句意图识别方法、装置和系统 | |
| WO2021135534A1 (zh) | 基于语音识别的对话管理处理方法、装置、设备及介质 | |
| CN111191030A (zh) | 基于分类的单句意图识别方法、装置和系统 | |
| CN110648691B (zh) | 基于语音的能量值的情绪识别方法、装置和系统 | |
| CN111177351B (zh) | 基于规则的自然语言表达意图获取方法、装置和系统 | |
| US10255346B2 (en) | Tagging relations with N-best | |
| CN111753524B (zh) | 文本断句位置的识别方法及系统、电子设备及存储介质 | |
| CN111177350A (zh) | 智能语音机器人的话术形成方法、装置和系统 | |
| US8315874B2 (en) | Voice user interface authoring tool | |
| CN112541068A (zh) | 语音对话的意图识别方法、系统、设备及存储介质 | |
| WO2022160969A1 (zh) | 基于多轮对话改进的智能客服辅助系统系统和方法 | |
| CN111339309B (zh) | 一种用户意图的语料扩展方法和系统 | |
| CN110955770A (zh) | 一种智能对话系统 | |
| CN111144118A (zh) | 口语化文本中命名实体的识别方法、系统、设备和介质 | |
| CN112149419A (zh) | 字段的规范化自动命名方法、装置及系统 | |
| CN116739004B (zh) | 一种意图识别方法、装置、设备及可读存储介质 | |
| CN112100360B (zh) | 一种基于向量检索的对话应答方法、装置和系统 |
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 |