CN112235470A - 基于语音识别的来电客户跟进方法、装置及设备 - Google Patents
基于语音识别的来电客户跟进方法、装置及设备 Download PDFInfo
- Publication number
- CN112235470A CN112235470A CN202010973282.9A CN202010973282A CN112235470A CN 112235470 A CN112235470 A CN 112235470A CN 202010973282 A CN202010973282 A CN 202010973282A CN 112235470 A CN112235470 A CN 112235470A
- Authority
- CN
- China
- Prior art keywords
- incoming call
- follow
- voice
- label
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000006870 function Effects 0.000 claims abstract description 29
- 230000001502 supplementing effect Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 239000013589 supplement Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000002457 bidirectional effect Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 3
- 230000006854 communication Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017105 transposition Effects 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
- H04M3/42025—Calling or Called party identification service
- H04M3/42034—Calling party identification service
-
- 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
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- 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
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明提供一种基于语音识别的来电客户跟进方法、装置及设备,其中,方法包括:对来电通话录音进行存储,并将来电客户数据进行实时同步,当来电客户数据属于预存的客户档案表时,对来电客户进行跟进;接收客服通话中选择的标签,并根据标签建立初始跟进表;获取来电通话语音,通过LSTM长短记忆网络建立的语音识别模型,利用softmax函数和CTC损失函数完成对来电通话语音的识别,得到识别文本;根据识别文本,提取目标标签,根据目标标签对初始跟进表进行补充,得到目标跟进表。该方案实现了智能跟进来电客户,提高了跟进效率,保证了跟进的全覆盖和准确性。
Description
技术领域
本发明涉及计算机通信技术领域,尤其涉及一种基于语音识别的来电客户跟进方法、装置及设备。
背景技术
地产行业中,接打电话是置业顾问(客服)进行拓客和维护客户的不可或缺的一种方法。但是,针对来电的这部分客户,置业顾问(客服)不能直观的看到客户电话,需要通过查阅电话号,或者是让客户留下姓名和手机号,难以对客档和来电客户进行关联。这样不能及时对客户的信息做出一些判断,例如对新老客户的判断、相关意向的跟进。容易造成来电客户的流失,和关键意向内容的丢失。因此,目前急需一种方法来解决案场来电客户的跟进。
发明内容
基于此,有必要针对上述技术问题,提供一种基于语音识别的来电客户跟进方法、装置及设备。
一种基于语音识别的来电客户跟进方法,所述方法包括:对来电通话录音进行存储,并将来电客户数据进行实时同步,当所述来电客户数据属于预存的客户档案表时,对所述来电客户进行跟进;接收客服通话中选择的标签,并根据所述标签建立初始跟进表;获取所述来电通话语音,通过LSTM长短记忆网络建立的语音识别模型,利用softmax函数和CTC损失函数完成对所述来电通话语音的识别,得到识别文本;根据所述识别文本,提取目标标签,根据所述目标标签对所述初始跟进表进行补充,得到目标跟进表。
在其中一个实施例中,所述接收客服通话中选择的标签,并根据所述标签建立初始跟进表之前,还包括:通过分词和TF-IDF算法,获取历史跟进信息文本中的主题内容,并对应每一主题建立标签,并对所述标签进行赋值。
在其中一个实施例中,所述通过分词和TF-IDF算法,获取历史跟进信息文本中的主题内容,并对应每一主题建立标签,并对所述标签进行赋值,具体为:获取历史跟进信息文本,对所述信息文本进行分词处理;利用TF-IDF算法对分词处理后的信息文本进行处理,得到历史跟进信息文本中的主题内容;对所述主题内容对应建立标签,并对所述标签进行相应的区间和离散赋值处理。
在其中一个实施例中,所述TF-IDF算法中,所述TF为词频,所述IDF为逆文档率。
在其中一个实施例中,所述获取所述来电通话语音,通过LSTM长短记忆网络建立的语音识别模型,利用softmax函数和CTC损失函数完成对所述来电通话语音的识别,得到识别文本,具体为:获取所述来电通话语音,读取所述来电通话语音的声学特征,得到初始数据;基于所述初始数据,通过LSTM长短记忆网络建立的语音识别模型;基于所述语音识别模型,利用softmax函数和CTC损失函数完成对所述来电通话语音的识别,得到识别文本。
在其中一个实施例中,所述获取所述来电通话语音,读取所述来电通话语音的声学特征,得到初始数据,具体为:获取所述来电通话语音,读取所述来电通话语音的特征,得到特征文本;对所述特征文本上的数据进行归一化处理,并进行运算,得到初始数据,所述初始数据文为长度为13的二维特征数据的序列。
在其中一个实施例中,所述基于所述初始数据,通过LSTM长短记忆网络建立的语音识别模型,具体为:根据所述初始数据,通过定义双向的LSTM长短记忆网络,进行全线连接计算,从而建立语音识别模型。
在其中一个实施例中,所述基于所述初始数据,通过LSTM长短记忆网络建立的语音识别模型之后,还包括:根据特征数据,对所述语音识别模型进行训练和测试。
一种基于语音识别的来电客户跟进装置,包括存储跟进模块、跟进建表模块、来电识别模块和标签补充模块,其中:所述存储跟进模块用于,对来电通话录音进行存储,并将来电客户数据进行实时同步,当所述来电客户数据属于预存的客户档案表时,对所述来电客户进行跟进;所述跟进建表模块用于,接收客服通话中选择的标签,并根据所述标签建立初始跟进表;所述来电识别模块用于,获取所述来电通话语音,通过LSTM长短记忆网络建立的语音识别模型,利用softmax函数和CTC损失函数完成对所述来电通话语音的识别,得到识别文本;所述标签补充模块用于,根据所述识别文本,提取目标标签,根据所述目标标签对所述初始跟进表进行补充,得到目标跟进表。
一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述各个实施例中所述的基于语音识别的来电客户跟进方法的步骤。
上述基于语音识别的来电客户跟进方法、装置及设备,通过将来电客户的通话录音存储,并进行语音识别,提取出来电内容中的目标标签,同时对置业顾问建立的标签进行补充,实现了智能跟进来电客户,提高了跟进效率,保证了跟进的全覆盖和准确性。
附图说明
图1为一个实施例中基于语音识别的来电客户跟进方法的流程示意图;
图2为一个实施例中基于语音识别的来电客户跟进装置的结构框图;
图3是一个实施例中设备的内部结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面通过具体实施方式结合附图对本发明做进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请提供的基于语音识别的来电客户跟进方法,应用于客服接听到客户拨打电话前来咨询的情况,主要用于对老客户,即已经在预存的客户档案表中存在记录的客户。主要是将案场的电话与销售APP进行关联。在有客户来电时,置业顾问(客服)可以打开销售APP查看当前本案场当前的来电客户,若时已经建档客户(老客户),置业顾问(客服)可直接点开对客户进行跟进,并通过相应的语音识别技术,并智能提取整个沟通过程中的关键词,对其沟通内容额外的记录,以防置业顾问(客服)在沟通过程中,未跟进或忽略了一些关键点。
在一个实施例中,如图1所示,提供了一种基于语音识别的来电客户跟进方法,包括以下步骤:
S110对来电通话录音进行存储,并将来电客户数据进行实时同步,当来电客户数据属于预存的客户档案表时,对来电客户进行跟进。
具体地,首先需要将来电的通话录音音频进行存储,为后续进行语音识别做准备,然后将电话中来电客户数据,实时同步到销售APP上,让销售人员能实时看到来电客户的电话,若系统判断为老客户,且能通过关联客档表,置业顾问(客服)可以直接点击相应的客档对客户进行跟进;若是新客户置业顾问可以对其进行建档。本方案涉及到的跟进只与老客户相关。
S120接收客服通话中选择的标签,并根据标签建立初始跟进表。
具体地,由于置业顾问在通话过程中,需要和客户进行沟通,若按照传统的打字跟进容易分心,因此传统跟进方式肯定是行不通。所以,这里提出建立跟进标签,跟进标签通过以往的跟进文本内容中获取。即置业顾问可以直接在通话时选择手机APP客户档案中对应的标签,建立一份初始跟进表。
在一个实施例中,步骤S120之前还包括:通过分词和TF-IDF算法,获取历史跟进信息文本中的主题内容,并对应每一主题建立标签,并对标签进行赋值。具体地,在步骤S120中,置业顾问所可选择的标签,是通过历史跟进文本内容中所获取的,将一些主要的问题对应建立标签。
在一个实施例中,步骤通过分词和TF-IDF算法,获取历史跟进信息文本中的主题内容,并对应每一主题建立标签,并对标签进行赋值,具体为:获取历史跟进信息文本,对信息文本进行分词处理;利用TF-IDF算法对分词处理后的信息文本进行处理,得到历史跟进信息文本中的主题内容;对主题内容对应建立标签,并对标签进行相应的区间和离散赋值处理。具体地,通过分词、TF-IDF方法,提取出以往置业顾问对客户跟进的相关主题内容,将每个主题作为标签,然后给标签赋予相应的区间和离散的值,具体形式如下表1:
表1
主题标签 | 具体内容 |
成交 | (是,否) |
意向面积 | (0-50,50-70,70-90,90-120,120以上) |
意向金额 | ……………… |
在一个实施例中,TF-IDF算法中,TF为词频,IDF为逆文档率。
具体地,首先,先计算词频,即TF:词频=某个词在文本中出现的次数。考虑到文本有长短之分,考虑到不同文本之间的比较,将词频进行标准化。因此:
词频=某个词在文本中出现的次数/文本的总词数;
词频=某个词在文本中出现的次数/该文出现次数最多的词出现的次数。
其次,计算逆文档频率,即IDF:需要一个语料库(corpus)来模拟语言的使用环境。
逆文档频率=log(语料库的文档总数/(包含该词的文档数+1))。
最后,计算TF-IDF:
TF-IDF=词频(TF)*逆文档频率(IDF)。
而且,TF-IDF越大则选择该次作为文本内容的标签。
S130获取来电通话语音,通过LSTM长短记忆网络建立的语音识别模型,利用softmax函数和CTC损失函数完成对来电通话语音的识别,得到识别文本。
具体地,步骤S110中保存的语音音频,通过LSTM长短记忆网络建立的语音识别模型,利用softmax以及CTC完成语音识别,从而得到识别文本。
在一个实施例中步骤S130具体为:获取来电通话语音,读取来电通话语音的声学特征,得到初始数据;基于初始数据,通过LSTM长短记忆网络建立的语音识别模型;基于语音识别模型,利用softmax函数和CTC损失函数完成对来电通话语音的识别,得到识别文本。具体地,先将获取存储的来电通话语音音频,先读取来电通话语音的声学特征,得到的声学特征作为初始数据,然后利用定义双向LSTM,建立语音识别模型,最后再基于语音识别模型,利用softmax函数和CTC损失函数完成对来电通话语音的识别,得到识别文本。先读取声学特征(MFCC),就是语音被分割为多少帧,一帧数据计算出一个13维长度的特征值。若干帧语音对应一个状态,每三个状态组合成一个音素,若干个音素组合成一个单词。其中状态的组合是通过构建的状态网络中选择与声音最匹配的路径,计算每个单词或者词语的组合概率,最终输出准确的文本。音素:单词的发音由音素构成。汉语一般直接用全部声母和韵母作为音素集一共32个音素,另外汉语识别还分有调无调。
在一个实施例中,获取来电通话语音,读取来电通话语音的声学特征,得到初始数据,具体为:获取来电通话语音,读取来电通话语音的特征,得到特征文本;对特征文本上的数据进行归一化处理,并进行运算,得到初始数据,初始数据文为长度为13的二维特征数据的序列。具体地,读取声学特征(MFCC),就是语音被分割为多少帧,一帧数据计算出一个13维长度的特征值。先是提取声学特征,然后对数据进行归一化,减去均值除以方差,最后得到二维特征数据的序列长度为13。
在一个实施例中,基于初始数据,通过LSTM长短记忆网络建立的语音识别模型,具体为:根据初始数据,通过定义双向的LSTM长短记忆网络,进行全线连接计算,从而建立语音识别模型。具体地,首先,向前计算和向后计算两个LSTM单元,40个隐藏节点;其次,进行全连接线性计算;然后,将全连接计算的结果,由宽度40变成宽度80;再者,进行转置,将第一维和第二维交换;最后,计算单词或词语的概率。
在一个实施例中,基于初始数据,通过LSTM长短记忆网络建立的语音识别模型之后,还包括:根据特征数据,对语音识别模型进行训练和测试。具体地,需要输入特征数据;然后,向前计算网络,定义网络结构,输入是特征数据;并用CTC计算损失;最后计算损失的平均值。其中CTC为损失函数。
S140根据识别文本,提取目标标签,根据目标标签对初始跟进表进行补充,得到目标跟进表。
具体地,为了预防置业顾问忘记跟进、或跟进不完善。根据步骤S130中的语音识别内容,智能提取出标签。若置业顾问未对智能提取的标签做记录,则添加标签内容。例如:置业顾问在来电跟进时,只对客户的购买意向面积做了记录。智能语音识别出沟通过程中,谈论到了意向楼层、面积。则智能填充意向楼层的内容。
上述实施例中,通过将来电客户的通话录音存储,并进行语音识别,提取出来电内容中的目标标签,同时对置业顾问建立的标签进行补充,实现了智能跟进来电客户,提高了跟进效率,保证了跟进的全覆盖和准确性。
在一个实施例中,如图2所示,提供了一种基于语音识别的来电客户跟进装置200,该装置包括存储跟进模块210、跟进建表模块220、来电识别模块230和标签补充模块240,其中:
存储跟进模块210用于,对来电通话录音进行存储,并将来电客户数据进行实时同步,当来电客户数据属于预存的客户档案表时,对来电客户进行跟进;
跟进建表模块220用于,接收客服通话中选择的标签,并根据标签建立初始跟进表;
来电识别模块230用于,获取来电通话语音,通过LSTM长短记忆网络建立的语音识别模型,利用softmax函数和CTC损失函数完成对来电通话语音的识别,得到识别文本;
标签补充模块240用于,根据识别文本,提取目标标签,根据目标标签对初始跟进表进行补充,得到目标跟进表。
在一个实施例中,装置该包括标签建立模块,其中:标签建立模块用于,通过分词和TF-IDF算法,获取历史跟进信息文本中的主题内容,并对应每一主题建立标签,并对标签进行赋值。
在一个实施例中,标签建立模块还用于,获取历史跟进信息文本,对信息文本进行分词处理;利用TF-IDF算法对分词处理后的信息文本进行处理,得到历史跟进信息文本中的主题内容;对主题内容对应建立标签,并对标签进行相应的区间和离散赋值处理。
在一个实施例中,来电识别模块230还用于,获取来电通话语音,读取来电通话语音的声学特征,得到初始数据;基于初始数据,通过LSTM长短记忆网络建立的语音识别模型;基于语音识别模型,利用softmax函数和CTC损失函数完成对来电通话语音的识别,得到识别文本。
在一个实施例中,来电识别模块230还用于,获取来电通话语音,读取来电通话语音的特征,得到特征文本;对特征文本上的数据进行归一化处理,并进行运算,得到初始数据,初始数据文为长度为13的二维特征数据的序列。
在一个实施例中,来电识别模块230还用于,根据初始数据,通过定义双向的LSTM长短记忆网络,进行全线连接计算,从而建立语音识别模型。
在一个实施例中,来电识别模块230还用于,根据特征数据,对语音识别模型进行训练和测试。
在一个实施例中,提供了一种设备,该设备可以是服务器,其内部结构图可以如图3所示。该设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该设备的处理器用于提供计算和控制能力。该设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该设备的数据库用于存储配置模板,还可用于存储目标网页数据。该设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种方法。
本领域技术人员可以理解,图3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设备的限定,具体的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。
显然,本领域的技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以,本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所做的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于语音识别的来电客户跟进方法,其特征在于,包括:
对来电通话录音进行存储,并将来电客户数据进行实时同步,当所述来电客户数据属于预存的客户档案表时,对所述来电客户进行跟进;
接收客服通话中选择的标签,并根据所述标签建立初始跟进表;
获取所述来电通话语音,通过LSTM长短记忆网络建立的语音识别模型,利用softmax函数和CTC损失函数完成对所述来电通话语音的识别,得到识别文本;
根据所述识别文本,提取目标标签,根据所述目标标签对所述初始跟进表进行补充,得到目标跟进表。
2.如权利要求1所述的方法,其特征在于,所述接收客服通话中选择的标签,并根据所述标签建立初始跟进表之前,还包括:
通过分词和TF-IDF算法,获取历史跟进信息文本中的主题内容,并对应每一主题建立标签,并对所述标签进行赋值。
3.如权利要求2所述的方法,其特征在于,所述通过分词和TF-IDF算法,获取历史跟进信息文本中的主题内容,并对应每一主题建立标签,并对所述标签进行赋值,具体为:
获取历史跟进信息文本,对所述信息文本进行分词处理;
利用TF-IDF算法对分词处理后的信息文本进行处理,得到历史跟进信息文本中的主题内容;
对所述主题内容对应建立标签,并对所述标签进行相应的区间和离散赋值处理。
4.如权利要求2-3任一所述的方法,其特征在于,所述TF-IDF算法中,所述TF为词频,所述IDF为逆文档率。
5.如权利要求1所述的方法,其特征在于,所述获取所述来电通话语音,通过LSTM长短记忆网络建立的语音识别模型,利用softmax函数和CTC损失函数完成对所述来电通话语音的识别,得到识别文本,具体为:
获取所述来电通话语音,读取所述来电通话语音的声学特征,得到初始数据;
基于所述初始数据,通过LSTM长短记忆网络建立的语音识别模型;
基于所述语音识别模型,利用softmax函数和CTC损失函数完成对所述来电通话语音的识别,得到识别文本。
6.如权利要求5所述的方法,其特征在于,所述获取所述来电通话语音,读取所述来电通话语音的声学特征,得到初始数据,具体为:
获取所述来电通话语音,读取所述来电通话语音的特征,得到特征文本;
对所述特征文本上的数据进行归一化处理,并进行运算,得到初始数据,所述初始数据文为长度为13的二维特征数据的序列。
7.如权利要求5所述的方法,其特征在于,所述基于所述初始数据,通过LSTM长短记忆网络建立的语音识别模型,具体为:
根据所述初始数据,通过定义双向的LSTM长短记忆网络,进行全线连接计算,从而建立语音识别模型。
8.如权利要求5所述的方法,其特征在于,所述基于所述初始数据,通过LSTM长短记忆网络建立的语音识别模型之后,还包括:
根据特征数据,对所述语音识别模型进行训练和测试。
9.一种基于语音识别的来电客户跟进装置,其特征在于,包括存储跟进模块、跟进建表模块、来电识别模块和标签补充模块,其中:
所述存储跟进模块用于,对来电通话录音进行存储,并将来电客户数据进行实时同步,当所述来电客户数据属于预存的客户档案表时,对所述来电客户进行跟进;
所述跟进建表模块用于,接收客服通话中选择的标签,并根据所述标签建立初始跟进表;
所述来电识别模块用于,获取所述来电通话语音,通过LSTM长短记忆网络建立的语音识别模型,利用softmax函数和CTC损失函数完成对所述来电通话语音的识别,得到识别文本;
所述标签补充模块用于,根据所述识别文本,提取目标标签,根据所述目标标签对所述初始跟进表进行补充,得到目标跟进表。
10.一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010973282.9A CN112235470B (zh) | 2020-09-16 | 2020-09-16 | 基于语音识别的来电客户跟进方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010973282.9A CN112235470B (zh) | 2020-09-16 | 2020-09-16 | 基于语音识别的来电客户跟进方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112235470A true CN112235470A (zh) | 2021-01-15 |
CN112235470B CN112235470B (zh) | 2021-11-23 |
Family
ID=74106969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010973282.9A Active CN112235470B (zh) | 2020-09-16 | 2020-09-16 | 基于语音识别的来电客户跟进方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112235470B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113555011A (zh) * | 2021-07-07 | 2021-10-26 | 广西电网有限责任公司 | 电力行业客服中心语音转译建模方法、系统及介质 |
CN114338921A (zh) * | 2021-12-31 | 2022-04-12 | 济南丽阳神州智能科技有限公司 | 一种基于家政服务的来电处理方法、设备及介质 |
CN116708637A (zh) * | 2023-05-09 | 2023-09-05 | 广东启功实业集团有限公司 | 一种录音管理方法、系统、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1516426A (zh) * | 2003-08-27 | 2004-07-28 | 云 巴 | 电话客户档案信息管理系统及其运行方法 |
US20150340034A1 (en) * | 2014-05-22 | 2015-11-26 | Google Inc. | Recognizing speech using neural networks |
CN105657129A (zh) * | 2016-01-25 | 2016-06-08 | 百度在线网络技术(北京)有限公司 | 通话信息获取方法和装置 |
CN108062316A (zh) * | 2016-11-08 | 2018-05-22 | 百度在线网络技术(北京)有限公司 | 一种辅助客户服务的方法和装置 |
CN109840802A (zh) * | 2018-12-29 | 2019-06-04 | 深圳道合信息科技有限公司 | 通信方法及装置、房地产系统、计算机及可读存储介质 |
US20190188326A1 (en) * | 2017-12-15 | 2019-06-20 | Intuit Inc. | Domain specific natural language understanding of customer intent in self-help |
CN111539221A (zh) * | 2020-05-13 | 2020-08-14 | 北京焦点新干线信息技术有限公司 | 一种数据处理方法及系统 |
CN111640436A (zh) * | 2020-05-15 | 2020-09-08 | 北京青牛技术股份有限公司 | 向坐席提供通话对象的动态客户画像的方法 |
CN111653275A (zh) * | 2020-04-02 | 2020-09-11 | 武汉大学 | 基于lstm-ctc尾部卷积的语音识别模型的构建方法及装置、语音识别方法 |
-
2020
- 2020-09-16 CN CN202010973282.9A patent/CN112235470B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1516426A (zh) * | 2003-08-27 | 2004-07-28 | 云 巴 | 电话客户档案信息管理系统及其运行方法 |
US20150340034A1 (en) * | 2014-05-22 | 2015-11-26 | Google Inc. | Recognizing speech using neural networks |
CN105657129A (zh) * | 2016-01-25 | 2016-06-08 | 百度在线网络技术(北京)有限公司 | 通话信息获取方法和装置 |
CN108062316A (zh) * | 2016-11-08 | 2018-05-22 | 百度在线网络技术(北京)有限公司 | 一种辅助客户服务的方法和装置 |
US20190188326A1 (en) * | 2017-12-15 | 2019-06-20 | Intuit Inc. | Domain specific natural language understanding of customer intent in self-help |
CN109840802A (zh) * | 2018-12-29 | 2019-06-04 | 深圳道合信息科技有限公司 | 通信方法及装置、房地产系统、计算机及可读存储介质 |
CN111653275A (zh) * | 2020-04-02 | 2020-09-11 | 武汉大学 | 基于lstm-ctc尾部卷积的语音识别模型的构建方法及装置、语音识别方法 |
CN111539221A (zh) * | 2020-05-13 | 2020-08-14 | 北京焦点新干线信息技术有限公司 | 一种数据处理方法及系统 |
CN111640436A (zh) * | 2020-05-15 | 2020-09-08 | 北京青牛技术股份有限公司 | 向坐席提供通话对象的动态客户画像的方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113555011A (zh) * | 2021-07-07 | 2021-10-26 | 广西电网有限责任公司 | 电力行业客服中心语音转译建模方法、系统及介质 |
CN113555011B (zh) * | 2021-07-07 | 2022-05-27 | 广西电网有限责任公司 | 电力行业客服中心语音转译建模方法、系统及介质 |
CN114338921A (zh) * | 2021-12-31 | 2022-04-12 | 济南丽阳神州智能科技有限公司 | 一种基于家政服务的来电处理方法、设备及介质 |
CN114338921B (zh) * | 2021-12-31 | 2022-10-18 | 济南丽阳神州智能科技有限公司 | 一种基于家政服务的来电处理方法、设备及介质 |
CN116708637A (zh) * | 2023-05-09 | 2023-09-05 | 广东启功实业集团有限公司 | 一种录音管理方法、系统、电子设备及存储介质 |
CN116708637B (zh) * | 2023-05-09 | 2024-02-13 | 广东启功实业集团有限公司 | 一种录音管理方法、系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112235470B (zh) | 2021-11-23 |
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 | |
CN112235470B (zh) | 基于语音识别的来电客户跟进方法、装置及设备 | |
CN111488433B (zh) | 一种适用于银行的提升现场体验感的人工智能交互系统 | |
CN107492379B (zh) | 一种声纹创建与注册方法及装置 | |
US9542382B2 (en) | Call flow and discourse analysis | |
CN107481720B (zh) | 一种显式声纹识别方法及装置 | |
KR102431754B1 (ko) | 인공지능기반 상담지원장치 | |
US20160117684A1 (en) | Evaluation of voice communications | |
CN106874134B (zh) | 工单类型的处理方法、装置及系统 | |
CN111182162B (zh) | 基于人工智能的电话质检方法、装置、设备和存储介质 | |
CN111539221B (zh) | 一种数据处理方法及系统 | |
CN110457679B (zh) | 用户画像的构建方法、装置、计算机设备和存储介质 | |
CN105657129A (zh) | 通话信息获取方法和装置 | |
US9036806B1 (en) | Predicting the class of future customer calls in a call center | |
CN111613212A (zh) | 语音识别方法、系统、电子设备和存储介质 | |
CN108268450B (zh) | 用于生成信息的方法和装置 | |
US20220156460A1 (en) | Tool for categorizing and extracting data from audio conversations | |
CN110955770A (zh) | 一种智能对话系统 | |
CN113139816A (zh) | 信息处理方法、装置、电子设备和存储介质 | |
CN116860938A (zh) | 一种基于大语言模型的语音问答构建方法、装置及介质 | |
KR20210009266A (ko) | 음성 인식 기반의 세일즈 대화 분석 방법 및 장치 | |
CN111326142A (zh) | 基于语音转文本的文本信息提取方法、系统和电子设备 | |
CN114254088A (zh) | 自动应答模型的构建方法和自动应答方法 | |
US20220036912A1 (en) | Tag estimation device, tag estimation method, and program | |
CN115733925A (zh) | 业务语音意图呈现方法、装置、介质及电子设备 |
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 |