CN111259132A - 话术推荐方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请公开了一种话术推荐方法，涉及人工智能技术领域，所述方法包括：当检测到话术推荐功能启动时，接收输入的用户信息，并根据所述用户信息得到对应的用户特征；当接收到输入的语音信息时，将所述语音信息转化为对应的文本信息，并获取所述文本信息的对应的文本特征；将所述用户特征以及所述文本特征输入至预先训练好的话术推荐模型中，以输出得到对应的目标话术；将所述目标话术发送至触发所述话术推荐功能的终端，以使得坐席查看所述目标话术。本申请还提供一种话术推荐装置、计算机设备和存储介质。实现在进行话术推荐时，根据准确的用户信息及对话信息进行话术的推荐，针对不同的用户有着不一样的话术推荐，提高话术推荐的准确性。

Description

话术推荐方法、装置、计算机设备和存储介质

技术领域

本申请涉及人工智能技术领域，尤其涉及一种话术推荐方法、话术推荐装置、计算机设备和存储有计算机可读指令的存储介质。

背景技术

“金牌话术”是一种针对坐席而生的一种提高沟通效率和准确性的技术。对于电销行业而言，每一个坐席每一天都会拨打很多通电话与客户或者潜在客户进行沟通，为了提高沟通的效率，坐席便会采用“金牌话术”这个功能进行话术查找，以可以更加准确的回复客户。

但是现有的“金牌话术”功能存在有一定的缺陷，比如需要坐席主动去进行话术查询，不够智能化，再比如话术推荐的方式比较单一，仅仅只是根据客户所关心的问题进行话术推荐，可能存在话术推荐不够准确的情况。

因此，提高话术推荐的准确性是有很大必要的，这样可以有效的提高坐席与客户的沟通效率。

发明内容

本申请提供了一种话术推荐方法、话术推荐装置、计算机设备及存储介质，以提高话术推荐的准确性。

第一方面，本申请提供了一种话术推荐方法，所述话术推荐方法包括：

当检测到话术推荐功能启动时，接收输入的用户信息，并根据所述用户信息得到对应的用户特征；

当接收到输入的语音信息时，将所述语音信息转化为对应的文本信息，并获取所述文本信息的对应的文本特征；

将所述用户特征以及所述文本特征输入至预先训练好的话术推荐模型中，以输出得到对应的目标话术；

将所述目标话术发送至触发所述话术推荐功能的终端，以使得坐席查看所述目标话术。

第二方面，本申请还提供了一种话术推荐装置，所述话术推荐装置包括：

功能启动模块，用于当检测到话术推荐功能启动时，接收输入的用户信息，并根据所述用户信息得到对应的用户特征；

特征获取模块，用于当接收到输入的语音信息时，将所述语音信息转化为对应的文本信息，并获取所述文本信息的对应的文本特征；

话术推荐模块，用于将所述用户特征以及所述文本特征输入至预先训练好的话术推荐模型中，以输出得到对应的目标话术；

话术反馈模块，用于将所述目标话术发送至触发所述话术推荐功能的终端，以使得坐席查看所述目标话术。

第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的话术推荐方法。

第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的话术推荐方法。

本申请公开了一种话术推荐方法中，在检测到话术推荐功能启动时，首先会接收输入的进行沟通的用户的用户信息，以对用户信息进行完善得到对应的用户特征，然后再将接收到的客户的语音信息转化为对应的文本信息，进而根据用户信息以及文本信息对应的文本特征进行目标话术的获取，最后将所得到的目标话术进行反馈。实现了在坐席需要进行话术推荐时，根据准确的用户信息以及对话信息进行话术的推荐，针对不同的用户有着不一样的话术推荐，提高话术推荐的准确性。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一个实施例中话术推荐方法的流程示意图；

图2为另一个实施例中话术推荐方法的流程示意图；

图3为一个实施例中得到话术推荐模型的步骤的流程示意图；

图4为一个实施例中得到目标话术的步骤的流程示意图；

图5为一个实施例中话术推荐装置的示意性框图；

图6为一个实施例中计算机设备的结构示意性框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

请参阅图1，图1为一个实施例中话术推荐方法的流程示意图。该话术推荐方法用于提高话术推荐的准确性。

如图1所示，该话术推荐方法具体包括：

步骤S10、当检测到话术推荐功能启动时，接收输入的用户信息，并根据所述用户信息得到对应的用户特征。

话术推荐装置在检测到话术推荐功能启动时，将会接收所输入的用户信息，并且根据所接收到的用户信息得到用户对应的用户特征。具体地，话术推荐功能的启动是坐席通过相应的操作的触发的，比如在对应设备上进行相应的操作或者触控。而在启动话术推荐装置的话术推荐功能时，将会进行用户信息的输入，坐席需要使用话术推荐功能时，必然是当前需要与客户进行沟通，以针对客户的实际情况给客户进行相应的产品推荐，因此在启动话术推荐功能时，话术推荐装置将会知道当前进行沟通的客户的用户信息。

在实际应用中，在坐席需要与客户进行沟通时，为了促使沟通结果顺畅，需要准确的知道使用怎样的沟通方式和话术进行沟通，因此首先在接收到话术推荐指令时，识别话术推荐指令中所包含的用户信息，进而根据所得到的用户信息获取对应的用户特征，进而以根据实际的用户特征进行话术的推荐。

在需要进行话术推荐时，坐席会选择需要进行沟通的客户，以输入对应的用户信息，其中用户信息包括但不局限于为客户的姓名、性别、联系方式以及相应的唯一标识等，在接收到输入的用户信息时，需要能准确确定用户信息之后进行准确的话术推荐，因此需要能准确得到客户的其他相关信息。具体地，在接收到输入的用户信息之后，将会基于用户信息进行相应的查询，实现对用户信息的完善，进而得到客户对应的用户特征。

在对用户信息进行完善时，可确定的信息包括但不限于为客户的购买信息，比如客户是首次购买保险还是进行保险的续保，因为对于不同的情况，实际需要的沟通方式或者沟通语句也会有所不同。

另外，不同的用户特征进行不同的话术组合，如不同的称呼、坐席接通电话首句话语、客户疑虑的不同组合等，在实际沟通过程中，不同的沟通方式和方法所产生的效果是有所不同的，合适有效的沟通方式可以促进业务的完成，不合理的沟通方式也很有可能使得有可能完成的业务变成不可能。因此，完善用户信息对于话术推荐的准确性是有一定的必要的。

步骤S20、当接收到输入的语音信息时，将所述语音信息转化为对应的文本信息，并获取所述文本信息对应的文本特征。

在话术推荐功能启动之后，将会进行相应的话术推荐，而在进行话术推荐时，需要根据实际的交流信息进行推荐。具体地，当接收到输入的语音信息时，将会将所接收到的语音信息转化为对应的文本信息，以获取文本信息对应的文本特征，进而根据所得到的文本特征进行话术的推荐。

在实际的坐席与客户的沟通过程中，话术推荐装置在接收到输入的客户的语音信息之后，为了进行话术的推荐反馈，首先将所接收到的语音信息转化为对应的文本信息，然后对转化得到的文本信息进行处理得到对应的文本特征，进而根据所得到的文本特征进行相应的话术推荐。其中，文本特征是文本信息中所记录的可以用于对客户需求进行判断的特征信息，比如文本信息为“车辆续保麻不麻烦”，那么此时得到的文本特征是：车辆、续保以及流程，其中流程是根据文本信息进行分析得到的。在确定了客户的需求之后，可以准确的完成沟通，提高沟通过的顺畅性。

步骤S30、将所述用户特征以及所述文本特征输入至预先训练好的话术推荐模型中，以输出得到对应的目标话术。

在得到用户特征以及文本特征之后，将用户特征以及文本特征作为话术推荐模型的输入，以输出得到对应的目标话术，进而根据所得到的目标话术进行话术推荐。

在进行话术推荐时，所得到的目标话术对于坐席来说，是为了更好的与客户进行相应的沟通交流，进而可以更好的满足客户的需求，可以给予客户更加准确的服务，比如协助客户完成保险购买，或协助客户完成保险续买等。

在实际应用中，在接收到客户输入的语音信息，并将语音信息转化为相应的文本信息以得到对应的文本特征之后，将获取之前根据用户信息所得到的用户特征，以利用用户特征以及文本特征进行目标话术的反馈推荐。具体将用户特征以及文本特征作为话术推荐模型的输入，以输出得到对应的结果信息，其中结果信息即为对应的目标话术。

为了使得坐席可以得到更加合适的话术信息，所得到的待反馈话术对于出单成功是有更加积极的作用，因此在将用户信息以及得到的文本信息输入至话术推荐模型中时，通过不断的判断将更加有利于完成出单的话术进行反馈出来，以展示给坐席。

话术推荐模型是预先所训练好的，且存储在话术推荐装置中的，在话术推荐功能启动之后，话术推荐模型可以根据需求接收输入的客户的语音信息以及用户的相关特征信息，进而根据特征信息结合客户的语音信息完成话术的推荐。

对于话术推荐模型而言，在一个实施例中，话术推荐模型是基于GA-BP 神经网络而得到的，预先对初始神经网络模型进行训练，以得到符合实际需求的话术推荐模型。另外，话术推荐模型除了基于GA-BP神经网络而得到，还可以基于其他的神经网络而得到，具体不作限制，只要能够准确的完成话术推荐的需求即可。

步骤S40、将所述目标话术发送至触发所述话术推荐功能的终端，以使得坐席查看所述目标话术。

在得到待反馈话术之后，将待反馈话术推荐给触发话术推荐功能的坐席所关联的终端，以使得坐席可以根据所得到的话术信息进行相应的反馈沟通。

在实际应用中，进行话术推荐就是为了便于坐席与客户能够更加有效和积极的进行沟通，因此在得到待反馈话术之后，将会进行相应的反馈展示以告知坐席，具体可以将待反馈话术展示在坐席关联的终端上，比如直接将待反馈话术展示在坐席终端的相应显示界面上，进而所系可以直接进行话术的查看。

在上述话术推荐方法中，在检测到话术推荐功能启动时，首先会接收输入的进行沟通的用户的用户信息，以对用户信息进行完善得到对应的用户特征，然后再将接收到的客户的语音信息转化为对应的文本信息，进而根据用户信息以及文本信息对应的文本特征进行目标话术的获取，最后将所得到的目标话术进行反馈。实现了在坐席需要进行话术推荐时，根据准确的用户信息以及对话信息进行话术的推荐，针对不同的用户有着不一样的话术推荐，提高话术推荐的准确性。

进一步地，参照图2，图2为另一个实施例中话术推荐方法的流程示意图。

具体地，该话术推荐方法还包括：

步骤S01、当接收到模型训练指令时，接收输入的待训练语音信息，并将所述待训练语音信息转化为对应的待训练文本信息。

步骤S02、对所述待训练文本信息进行处理，得到所述待训练文本信息对应的文本特征。

步骤S03、接收输入的训练初始参数，并根据所述文本特征对待训练话术推荐模型中进行训练，以得到训练好的话术推荐模型。

在接收到输入的待训练语音信息，将所接收到的待训练语音信息转化为对应的待训练文本信息，以对待训练文本信息进行分析处理。在对模型模型进行训练过程中，首先需要相应的数据信息，才能完成对模型的训练，

根据与客户的实际对话信息进行相应的反馈，因此在进行语音童通话时，将接收到的客户的语音信息转化为文本信息，以使得对文本信息进行分析处理，进而得到相应的反馈信息。将语音信息转化为文本信息时，除了简单的文本转化之外，还记录有语音信息的其他相关信息，比如语调信息，可以通过分析语音信息的语速变化情况判断语音信息的语调信息。

进一步地，在接收到输入的待训练语音信息之后，还包括：获取所述待训练语音信息对应的关联用户信息以及出单结果信息。

进行模型训练的每一个待训练语音信息都是坐席与客户的沟通记录，且每一个待训练语音信息都对应着一个客户以及对应的出单结果，因此在接收到待训练语音信息之后，还将会得到与待训练语音信息对应关联的关联用户信息以及出单结果信息，其中出单结果信息包括有出单成功以及出单失败，可以分别用特定的标签代表成功和失败。

另外，在得到相应的文本信息之后，对文本信息进行分词然后进行过滤，得到文本信息的文本特征。具体地，在进行分词处理时，利用NLPIR汉语分词系统对文本信息进行分词处理，然后对进行分词处理所得到的词进行过滤，得到坐席和客户话语中产品名等专业名词、正负向情感词以及程度副词的特征属性等。

对于每一个语音信息所对应的出单结果信息是可知且确定的，也就是在得到语音信息对应的文本信息的文本特征时，会对应关联有相应的出单结果信息，由于出单结果信息仅有成功和失败两种，但是促使出单成功或者失败的方式有多种，因此需要确定哪些因素在出单过程中起到更加重要的作用。进行训练时，将会预先需要设定好相应的训练参数，进而根据所得到的文本特征对待训练话术推荐模型进行训练，以得到训练好的话术推荐模型。

进一步地，参照图3，图3为一个实施例中得到话术推荐模型的步骤的流程示意图。

具体地，步骤S03，将所述客户特征以及所述文本特征输入至预先训练好的话术推荐模型中，以输出得到对应的目标话术，包括：

步骤S031、接收输入的训练初始参数，以对待训练话术推荐模型进行初始设置；

步骤S032、将所述关联用户信息、所述出单结果信息以及文本特征输入至所述待训练话术推荐模型中进行训练；

步骤S033、当检测到满足预设训练条件时，得到训练好的话术推荐模型。

在得到输出目标话术的话术推荐模型之前，需要进行模型训练，也就是将初始模型进行训练以得到进行话术推荐的模型。

因此，在对初始模型进行训练时，首先接收输入的训练初始参数，以对待训练话术推荐模型进行初始设置，然后将所得到的关联用户信息、出单结果信息以及文本特征作为进行参数设置之后的待训练话术推荐模型的输入，以对待训练话术推荐模型进行训练，最后在满足预设的训练条件时确定训练完成，进而得到训练好的话术推荐模型。

在一个实施例中，由于待训练话术推荐模型是基于GA-BP神经网络所得到的，因此在进行待训练话术推荐模型的初始参数的设置时，所设置的参数包括BP神经网络相关参数初始设置以及GA算法相关参数设置，其中具体地设置方式可以如下表1和表2所示，其中表1为BP神经网络相关参数初始设置，表 2为GA算法相关参数设置。

参数名称	参数设置
		隐含层传输函数	logsig
输出层传输函数	Logsig
		训练函数	traingdx
显示间隔	net.trainParam.show＝100
		最大训练步数	net.trainParam.epochs＝5000
目标误差	net.trainParam.goal＝1e-4
		学习速率	net.trainParam.lr＝0.01
动力系数	net.trainParam.mc＝0.9

表1

参数名称	参数设置
		初始种群大小	45
最大遗传代数	50
		代沟	0.9
选择概率	0.05
		交叉概率	0.85

表2

在参数设定完成之后，将对待训练话术推荐模型进行一定的数据输入以进行训练。在实际应用中，由于促使出单成功的因素是多样的，通过不断的训练确定不同的特征属性在出单过程中的重要程度，在训练完成时，可以确定不同的特征属性对出单的影响，进而在坐席沟通过中给坐席提供更加合适的方式方法，以完成有效的出单。

进一步地，在模型训练过程中，训练不是无止境进行的，当检测到满足预设的训练条件时，确定训练完成，得到对应的训练好话术推荐模型。对于确定何时训练完成的方式有很多，可以是在上述所设置的参数中设定一个训练次数，每一个的训练会对不同的特征的权重(重要程度)进行确定，在训练次数到达所设置的训练次数时，确定满足训练条件。具体地，对于预设训练条件的设定方式是不限制的。

进一步地，参照图4，图4为一个实施例中得到目标话术的步骤的流程示意图。

具体地，步骤S30，将所述客户特征以及所述文本特征输入至预先训练好的话术推荐模型中，以输出得到对应的目标话术，包括：

步骤S31、将所述用户特征与所述文本特征进行组合，得到若干组特征组合。

步骤S32、将所述若干特征组合进行随机排序，并按照所得到的排序顺序输入至预先训练好的话术推荐模型中，以得到对应的输出结果。

步骤S33、当检测到所述输出结果为出单成功时，获取所述输出结果为出单成功对应的特征组合以得到对应的目标话术，并停止将所述若干特征组合输入至所述话术推荐模型中。

话术推荐装置在对所得到的文本信息进行相应的处理之后，将会得到文本信息对应的文本特征。具体地，在进行分词处理时，利用NLPIR汉语分词系统对文本信息进行分词处理，然后对进行分词处理所得到的词按照相应的规则进行过滤，得到正负向情感词、否定词、程度副词、保险专业话术和相关产品等文本特征。这些文本特征的获取可以根据预先所设置或者存储的词库进行确定。

实际上，根据客户的语音信息所得到的文本信息所对应的文本特征在一定程度上可以知道客户当前所想要了解的问题是什么，比如，语音信息转化为文本信息是“想要续保，该怎么操作”，此时所得到的文本特征有：想要、续保、怎么、操作。而对应着的，客户想要了解的信息必然是关于续保的一些问题，比如续保费用怎么样、续保流程怎么样、续保有什么注意事项等等，也就是客户此时的疑虑便是关于续保过程中费用和流程等是怎么样的。

因此，在得到文本特征之后，其实文本特征会对应着客户的一定疑虑，也就是在得到文本特征之后，可以根据文本特征确定用户的主要疑虑，进而可以得到更好更合适的话术。

话术推荐装置根据所得到的用户特征以及文本特征进行话术的推荐反馈时，首先将用户特征和文本特征进行不同的组合，得到若干组不同的特征组合，由于文本特征和用户特种中所包含的特征的数量是多个，因此会存在不同且多个特征组合。对于不同的特征组合而言，所对应的合适的话术也是有所不同的，而不同的话术在实际沟通中所产生的结果也是有所不同的，即不同的话术对应的出单结果成功的概率的高低有所不同，也就是可能会促进出单，也有可能对出单有消极的作用。

在得到若干特征组合之后，对特征组合进行随机排序得到对应的排序顺序，然后根据所得到的排序顺序将特征组合依次进行输入，在前一组特征组合输入完成并得到最终的输出结果之后，根据实际的输出结果确定是否将相邻的下一个特征组合进行输入。

在将特征组合根据所得到的排序顺序进行输入时，对每一组所输出的结果信息进行判断，不同的输出结果影响着后续的操作过程，在所述出的结果信息为出单成功时，将会结束后续特征组合的输入，并且获取当前输出结果信息为出单成功的特征组合，进而根据所得到的特征组合得到相应的话术进行反馈推荐。在此过程中，当存在输出的结果信息为出单成功时将不在进行后续的特征组合的输入和判断，也就是若特征组合的数量为50组，且在第15 组时所得到的结果信息为出单成功，那么后面的35组特征组合将不再输入至待训练话术推荐模型中。

在实际应用中，可以增加对每一组特征组合的输出结果的评分机制，可以对所有的特征组合进行输入预测，然后根据实际的分数值确定最优的特征组合，进而得到相应的进行反馈的话术，但是这样会增加实际的操作复杂性、工作效率和服务器的运行难度，若利用增加线程的形式来解决此问题，会存在成本较高的情况，但是并不是说不可以进行此项操作，具体可以根据实际的需求进行相应的操作。

进一步地，在得到输出结果为出单成功的特征组合之后，将会根据所得到的特征组合得到对应的目标话术，进而根据所得到的目标话术进行话术反馈。具体地，在得到输出结果为出单成功对应的特征组合之后，对所得到的特征组合进行解析，以得到对应的目标话术。

话术推荐装置在确定了出单成功的特征组合之后，将会对特征组合进行解析，以得到相应的进行反馈的待反馈话术。

具体地，在进行

话术的确定时，除了选择客户更有可能想要了解的信息之外，还需要有正确的说话方式，如称呼或者说话的方式。比如所得到的特征组合中的文本特征中的关注点是流程，坐席如果直接将流程告诉客户可能并不一定合适，因为不同的人群所关注的点或者不同的人群合适的反馈方式有所不同，因此需要较为合理的方式方法将正确的流程告诉用户。

在得到目标话术时，对所得到的特征组合进行解析，确定客户的相关信息，以及客户所关注的问题信息，其中客户的相关信息包括客户所属的地区区域、年龄段或者职业等，因为身份不用的客户所需要了解的信息也会有所差异，在根据具体特征组合中所包含的文本特征得到最终的目标话术，以供坐席进行查看和相应反馈。

请参阅图5，图5为一个实施例中话术推荐装置的示意性框图，该话术推荐装置用于执行前述的话术推荐方法。

如图5所示，该话术推荐装置100包括：

功能启动模块101，用于当检测到话术推荐功能启动时，接收输入的用户信息，并根据所述用户信息得到对应的用户特征；

语音转化模块102，用于当接收到输入的语音信息时，将所述语音信息转化为对应的文本信息，并获取所述文本信息的对应的文本特征；

话术获取模块103，用于将所述用户特征以及所述文本特征输入至预先训练好的话术推荐模型中，以输出得到对应的目标话术；

话术反馈模块104，用于将所述目标话术发送至触发所述话术推荐功能的终端，以使得坐席查看所述目标话术。

进一步地，在一个实施例中，所述话术推荐装置100还包括：

训练启动模块105，用于当接收到模型训练指令时，接收输入的待训练语音信息，并将所述待训练语音信息转化为对应的待训练文本信息；

信息处理模块106，用于对所述待训练文本信息进行处理，得到所述待训练文本信息对应的文本特征；

模型训练模块107，用于接收输入的训练初始参数，并根据所述文本特征对待训练话术推荐模型中进行训练，以得到训练好的话术推荐模型。

进一步地，在一个实施例中，所述话术推荐装置100具体还用于：获取所述待训练语音信息对应的关联用户信息以及出单结果信息。其中，所述模型训练模块107具体还用于：接收输入的训练初始参数，以对待训练话术推荐模型进行初始设置；将所述关联用户信息、所述出单结果信息以及文本特征输入至所述待训练话术推荐模型中进行训练；当检测到满足预设训练条件时，得到训练好的话术推荐模型。

进一步地，在一个实施例中，所述语音转化模块102具体还用于：对所述文本信息进行分词处理，并根据分词处理结果得到所述文本信息对应的文本特征。

进一步地，在一个实施例中，所述话术获取模块103具体还用于：将所述用户特征与所述文本特征进行组合，得到若干组特征组合；将所述若干特征组合进行随机排序，并按照所得到的排序顺序输入至预先训练好的话术推荐模型中，以得到对应的输出结果；当检测到所述输出结果为出单成功时，获取所述输出结果为出单成功对应的特征组合以得到对应的目标话术，并停止将所述若干特征组合输入至所述话术推荐模型中。

进一步地，在一个实施例中，所述话术获取模块103具体还用于：获取所述输出结果为出单成功对应的特征组合所包含的目标文本特征，以根据所述用户特征及所述目标文本特征得到对应的目标话术。

进一步地，在一个实施例中，所述话术推荐装置100具体还用于：将所述用户特征输入至预先训练好的话术推荐模型中，并将所得到的目标话术发送至触发所述话术推荐功能的终端，以供与所述终端关联的坐席进行查看。

需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

上述的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图6所示的计算机设备上运行。

请参阅图6，图6为一个实施例中计算机设备的结构示意性框图。该计算机设备可以是服务器。

参阅图6，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。

非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种话术推荐方法。

处理器用于提供计算和控制能力，支撑整个计算机设备的运行。

内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种话术推荐方法。

该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

应当理解的是，处理器可以是中央处理单元(Central Processing Unit， CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：

当检测到话术推荐功能启动时，接收输入的用户信息，并根据所述用户信息得到对应的用户特征；当接收到输入的语音信息时，将所述语音信息转化为对应的文本信息，并获取所述文本信息的对应的文本特征；将所述用户特征以及所述文本特征输入至预先训练好的话术推荐模型中，以输出得到对应的目标话术；将所述目标话术发送至触发所述话术推荐功能的终端，以使得坐席查看所述目标话术。

在一个实施例中，所述处理器在实现所述话术推荐方法时，还用于实现：

当接收到模型训练指令时，接收输入的待训练语音信息，并将所述待训练语音信息转化为对应的待训练文本信息；对所述待训练文本信息进行处理，得到所述待训练文本信息对应的文本特征；接收输入的训练初始参数，并根据所述文本特征对待训练话术推荐模型中进行训练，以得到训练好的话术推荐模型。

在一个实施例中，所述处理器在实现所述接收输入的待训练语音信息之后，还用于实现：

获取所述待训练语音信息对应的关联用户信息以及出单结果信息；

其中，所述处理器在实现所述接收输入的训练初始参数，并根据所述文本特征对待训练话术推荐模型中进行训练，以得到训练好的话术推荐模型时，还用于实现：

接收输入的训练初始参数，以对待训练话术推荐模型进行初始设置；将所述关联用户信息、所述出单结果信息以及文本特征输入至所述待训练话术推荐模型中进行训练；当检测到满足预设训练条件时，得到训练好的话术推荐模型。

在一个实施例中，所述处理器在实现所述获取所述文本信息对应的文本特征时，还用于实现：

对所述文本信息进行分词处理，并根据分词处理结果得到所述文本信息对应的文本特征。

在一个实施例中，所述处理器在实现所述将所述客户特征以及所述文本特征输入至预先训练好的话术推荐模型中，以输出得到对应的目标话术时，还用于实现：

将所述用户特征与所述文本特征进行组合，得到若干组特征组合；将所述若干特征组合进行随机排序，并按照所得到的排序顺序输入至预先训练好的话术推荐模型中，以得到对应的输出结果；当检测到所述输出结果为出单成功时，获取所述输出结果为出单成功对应的特征组合以得到对应的目标话术，并停止将所述若干特征组合输入至所述话术推荐模型中。

在一个实施例中，所述处理器在实现所述述获取所述输出结果为出单成功对应的特征组合以得到对应的目标话术时，还用于实现：

获取所述输出结果为出单成功对应的特征组合所包含的目标文本特征，以根据所述用户特征及所述目标文本特征得到对应的目标话术。

在一个实施例中，所述处理器在实现所述当检测到话术推荐功能启动时，接收输入的用户信息，并根据所述用户信息得到对应的用户特征之后，还用于实现：

将所述用户特征输入至预先训练好的话术推荐模型中，并将所得到的目标话术发送至触发所述话术推荐功能的终端，以供与所述终端关联的坐席进行查看。

本申请的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本申请实施例提供的任一项话术推荐方法。

其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital， SD)卡，闪存卡(Flash Card)等。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种话术推荐方法，其特征在于，所述方法包括：

当检测到话术推荐功能启动时，接收输入的用户信息，并根据所述用户信息得到对应的用户特征；

当接收到输入的语音信息时，将所述语音信息转化为对应的文本信息，并获取所述文本信息的对应的文本特征；

将所述用户特征以及所述文本特征输入至预先训练好的话术推荐模型中，以输出得到对应的目标话术；

将所述目标话术发送至触发所述话术推荐功能的终端，以使得坐席查看所述目标话术。

2.根据权利要求1所述的话术推荐方法，其特征在于，所述方法还包括：

当接收到模型训练指令时，接收输入的待训练语音信息，并将所述待训练语音信息转化为对应的待训练文本信息；

对所述待训练文本信息进行处理，得到所述待训练文本信息对应的文本特征；

接收输入的训练初始参数，并根据所述文本特征对待训练话术推荐模型中进行训练，以得到训练好的话术推荐模型。

3.根据权利要求2所述的话术推荐方法，其特征在于，所述接收输入的待训练语音信息之后，还包括：

获取所述待训练语音信息对应的关联用户信息以及出单结果信息；

其中，所述接收输入的训练初始参数，并根据所述文本特征对待训练话术推荐模型中进行训练，以得到训练好的话术推荐模型，包括：

接收输入的训练初始参数，以对待训练话术推荐模型进行初始设置；

将所述关联用户信息、所述出单结果信息以及文本特征输入至所述待训练话术推荐模型中进行训练；

当检测到满足预设训练条件时，得到训练好的话术推荐模型。

4.根据权利要求3所述的话术推荐方法，其特征在于，所述获取所述文本信息对应的文本特征，包括：

对所述文本信息进行分词处理，并根据分词处理结果得到所述文本信息对应的文本特征。

5.根据权利要求1所述的话术推荐方法，其特征在于，所述将所述客户特征以及所述文本特征输入至预先训练好的话术推荐模型中，以输出得到对应的目标话术，包括：

将所述用户特征与所述文本特征进行组合，得到若干组特征组合；

将所述若干特征组合进行随机排序，并按照所得到的排序顺序输入至预先训练好的话术推荐模型中，以得到对应的输出结果；

当检测到所述输出结果为出单成功时，获取所述输出结果为出单成功对应的特征组合以得到对应的目标话术，并停止将所述若干特征组合输入至所述话术推荐模型中。

6.根据权利要求5所述的话术推荐方法，其特征在于，所述获取所述输出结果为出单成功对应的特征组合以得到对应的目标话术，包括：

获取所述输出结果为出单成功对应的特征组合所包含的目标文本特征，以根据所述用户特征及所述目标文本特征得到对应的目标话术。

7.根据权利要求1至6中任一项所述的话术推荐方法，其特征在于，所述当检测到话术推荐功能启动时，接收输入的用户信息，并根据所述用户信息得到对应的用户特征之后，还包括：

将所述用户特征输入至预先训练好的话术推荐模型中，并将所得到的目标话术发送至触发所述话术推荐功能的终端，以供与所述终端关联的坐席进行查看。

8.一种话术推荐装置，其特征在于，所述话术推荐装置包括：

功能启动模块，用于当检测到话术推荐功能启动时，接收输入的用户信息，并根据所述用户信息得到对应的用户特征；

特征获取模块，用于当接收到输入的语音信息时，将所述语音信息转化为对应的文本信息，并获取所述文本信息的对应的文本特征；

话术推荐模块，用于将所述用户特征以及所述文本特征输入至预先训练好的话术推荐模型中，以输出得到对应的目标话术；

话术反馈模块，用于将所述目标话术发送至触发所述话术推荐功能的终端，以使得坐席查看所述目标话术。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述话术推荐方法的步骤。

10.一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存储有计算机程序，所述计算机可读指令被所述处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项所述话术推荐方法的步骤。

Images