CN112287078A - 一种多句话术匹配方法、装置和电子设备 - Google Patents
一种多句话术匹配方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112287078A CN112287078A CN202011149006.7A CN202011149006A CN112287078A CN 112287078 A CN112287078 A CN 112287078A CN 202011149006 A CN202011149006 A CN 202011149006A CN 112287078 A CN112287078 A CN 112287078A
- Authority
- CN
- China
- Prior art keywords
- voice information
- matching
- client
- information
- intelligent matching
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012800 visualization Methods 0.000 claims abstract description 31
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 238000003058 natural language processing Methods 0.000 claims description 12
- 230000002123 temporal effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 10
- 230000006872 improvement Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及计算机技术领域,具体涉及一种多句话术匹配方法、装置和电子设备,包括:采集客户语音信息;对所述语音信息进行语音识别和转换;读取可视化系统配置,当所述可视化系统配置多句话术,则根据智能匹配规则匹配话术回复所述客户。本发明通过新增一个底层逻辑,实现机器人的单节点多句话术智能匹配,解决了以往但句话术单调呆板的问题,提高电话的有效触达率,对机器人提效带来了很好效果。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种多句话术匹配方法、装置和电子设备。
背景技术
随着网络的发展,客户与企业之间的对话,由面对面的咨询发展到基于网络、电话等手段的交流。基于电话的客服中心成为企业与用户交互的一个重要途径。近年来,人工智能的兴起使得交互式问答的人工智能系统取得了重大突破,但现有的交互式问答系统在与用户的交流过程中,仍然显得不够“智能”。
在机器人使用场景里,前几句话术极为重要,否则就是残忍的拒绝和电话挂断,导致有效触达率很低。
发明内容
本发明提供了一种多句话术匹配方法、装置和电子设备,用以提高对话效效果,提高电话的有效触达率,更加智能化与客户进行对话回复。
本说明书实施例提供一种多句话术匹配方法,包括:
采集客户语音信息;
对所述语音信息进行语音识别和转换;
读取可视化系统配置,当所述可视化系统配置多句话术,则根据智能匹配规则匹配话术回复所述客户。
优选的,还包括:
当所述可视化系统未配置多句话术,则回复所述客户预设的话术。
优选的,所述对所述语音信息进行语音识别和转换,包括:
接收所述语音信息;
于语音识别系统对所述语音信息进行识别;
于自然语言处理系统对识别的所述语音信息进行转换。
优选的,所述根据智能匹配规则选出话术回复所述客户,包括:
分析转换后的所述语音信息;
根据所述语音信息和所述语音信息应答的节点信息进行下一节点智能匹配,所述节点包括多句话术;
所述节点根据智能匹配规则于所述节点所包含的多句话术中匹配一句话术回复所述客户。
优选的,所述智能匹配规则包括顺序规则、时间规则、意图规则。
优选的,所述智能匹配规则结合流程树话术逻辑、全局语境逻辑智能匹配话术。
本说明书实施例还提供一种多句话术匹配装置,其特征在于,包括:
信息采集模块,采集客户语音信息;
语音识别模块,对所述语音信息进行语音识别和转换;
信息读取模块,读取可视化系统配置,当所述可视化系统配置多句话术,则根据智能匹配规则匹配话术回复所述客户。
优选的,还包括:
当所述可视化系统未配置多句话术,则回复所述客户预设的话术。
优选的,所述对所述语音信息进行语音识别和转换,包括:
接收所述语音信息;
于语音识别系统对所述语音信息进行识别;
于自然语言处理系统对识别的所述语音信息进行转换。
优选的,所述根据智能匹配规则选出话术回复所述客户,包括:
分析转换后的所述语音信息;
根据所述语音信息和所述语音信息应答的节点信息进行下一节点智能匹配,所述节点包括多句话术;
所述节点根据智能匹配规则于所述节点所包含的多句话术中匹配一句话术回复所述客户。
优选的,所述智能匹配规则包括顺序规则、时间规则、意图规则。
优选的,所述智能匹配规则结合流程树话术逻辑、全局语境逻辑智能匹配话术。
一种电子设备,其中,该电子设备包括:
处理器以及存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行上述任一项所述的方法。
一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现上述任一项所述的方法。
其有益效果在于:
本发明实现机器人的单节点多句话术智能匹配,解决了以往单句话术单调呆板的问题,提高电话的有效触达率,对机器人提效带来的很好的效果,提升了机器人最终运营效果。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提供的一种多句话术匹配方法的原理示意图;
图2为本说明书实施例提供的一种一种多句话术匹配装置的结构示意图;
图3为本说明书实施例提供的一种电子设备的结构示意图;
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被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能够使得本发明更加全面和完整,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,因而将省略对它们的重复描述。
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特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的图仅是示例性说明,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,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须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/或处理器装置和/或微控制器装置中实现这些功能实体。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
参照图1为本说明书实施例提供的一种多句话术匹配方法的原理示意图,包括:
S101:采集客户语音信息;
在本发明较佳的实施例中,机器人先行对客户进行电话拨打,当通讯连接建立好后,对客户语音信息进行获取。
S102:对所述语音信息进行语音识别和转换;
在本发明较佳的实施例中,机器人将获取的语音信息转接给语音识别系统与自然语言处理系统进行分析处理,根据分析处理结果,对客户进行智能话术匹配。
S103:读取可视化系统配置,当所述可视化系统配置多句话术,则根据智能匹配规则匹配话术回复所述客户。
在本发明较佳的实施例中,在对客户进行智能话术匹配时,需先行对可视化系统配置进行读取,当可视化系统配置多句话术时,机器人根据语音识别系统与自然语言处理系统对客户语音信息的分析处理结果,于可视化系统配置的多句话术中根据智能匹配规则选择一个话术回复客户。
进一步地,还包括:
当所述可视化系统未配置多句话术,则回复所述客户预设的话术。
具体的,对可视化系统配置进行读取时,当可视化系统未配置多句话术,则根据系统内预设置的话术回复客户,无需进行话术选择。
进一步地,所述对所述语音信息进行语音识别和转换,包括:
接收所述语音信息;
于语音识别系统对所述语音信息进行识别;
于自然语言处理系统对识别的所述语音信息进行转换。
具体的,接收到客户的语音信息后,先通过语音识别系统对客户的语音信息进行识别,并在识别完成后通过自然语言处理系统对识别后的语音信息进行转换,此时客户的语音信息被转换成机器能够读懂的语言,进而实现客户与机器人之间的语音交互。
进一步地,所述根据智能匹配规则选出话术回复所述客户,包括:
分析转换后的所述语音信息;
根据所述语音信息和所述语音信息应答的节点信息进行下一节点智能匹配,所述节点包括多句话术;
所述节点根据智能匹配规则于所述节点所包含的多句话术中匹配一句话术回复所述客户。
具体的,机器人分析转换后的客户语音信息,根据语音信息和所述语音信息应答的节点信息进行下一节点智能匹配,并于该节点所包含的多句话术中匹配一句话术回复客户,其中节点中包括多句话术。
在本发明较佳的实施例中,当机器人每次提出问题时,机器人会根据客户的回答确定客户对该问题的答复类型,答复类型包括但不限于肯定默认类型、否定类型等,根据不同类型智能匹配不同的节点,当匹配到节点后会根据不同客户的不同回答,在节点中多句话术中匹配一个用于回复客户,其中,管理人员可对可视化系统进行操作,可以在同一节点中添加其他话术,也可以添加其他节点,便于机器人更加智能的匹配话术,给客户带来更好的体验,提高电话的有效触达率,提升了机器人最终运营效果。
进一步地,所述智能匹配规则包括顺序规则、时间规则、意图规则。
进一步地,所述智能匹配规则结合流程树话术逻辑、全局语境逻辑智能匹配话术。
具体的,在机器人对客户回复的话术进行语音匹配时,采用顺序规则、时间规则、意图规则进行智能匹配,同时在进行智能匹配时,还要结合机器人的流程树话术逻辑、全局语境逻辑更加智能的进行话术匹配。
本发明实现机器人的单节点多句话术智能匹配,解决了以往单句话术单调呆板的问题,提高电话的有效触达率,对机器人提效带来的很好的效果,提升了机器人最终运营效果。
图2为本说明书实施例提供的一种多句话术匹配装置的结构示意图,包括:
信息采集模块201,采集客户语音信息;
在本发明较佳的实施例中,机器人先行对客户进行电话拨打,当通讯连接建立好后,信息采集模块201对客户语音信息进行采集·。
语音识别模块202,对所述语音信息进行语音识别和转换;
在本发明较佳的实施例中,语音识别模块202将获取的语音信息转接给语音识别系统与自然语言处理系统进行分析处理,根据分析处理结果,对客户进行智能话术匹配。
信息读取模块203,读取可视化系统配置,当所述可视化系统配置多句话术,则根据智能匹配规则匹配话术回复所述客户。
在本发明较佳的实施例中,在对客户进行智能话术匹配时,需通过信息读取模块203对可视化系统配置进行读取,当可视化系统配置多句话术时,机器人根据语音识别系统与自然语言处理系统对客户语音信息的分析处理结果,于可视化系统配置的多句话术中根据智能匹配规则选择一个话术回复客户。
进一步地,还包括:
当所述可视化系统未配置多句话术,则回复所述客户预设的话术。
具体的,对可视化系统配置进行读取时,当可视化系统未配置多句话术,则根据系统内预设置的话术回复客户,无需进行话术选择。
进一步地,所述对所述语音信息进行语音识别和转换,包括:
接收所述语音信息;
于语音识别系统对所述语音信息进行识别;
于自然语言处理系统对识别的所述语音信息进行转换。
具体的,接收到客户的语音信息后,先通过语音识别系统对客户的语音信息进行识别,并在识别完成后通过自然语言处理系统对识别后的语音信息进行转换,此时客户的语音信息被转换成机器能够读懂的语言,进而实现客户与机器人之间的语音交互。
进一步地,所述根据智能匹配规则选出话术回复所述客户,包括:
分析转换后的所述语音信息;
根据所述语音信息和所述语音信息应答的节点信息进行下一节点智能匹配,所述节点包括多句话术;
所述节点根据智能匹配规则于所述节点所包含的多句话术中匹配一句话术回复所述客户。
具体的,机器人分析转换后的客户语音信息,根据语音信息和所述语音信息应答的节点信息进行下一节点智能匹配,并于该节点所包含的多句话术中匹配一句话术回复客户,其中节点中包括多句话术。
在本发明较佳的实施例中,当机器人每次提出问题时,机器人会根据客户的回答确定客户对该问题的答复类型,答复类型包括但不限于肯定默认类型、否定类型等,根据不同类型智能匹配不同的节点,当匹配到节点后会根据不同客户的不同回答,在节点中多句话术中匹配一个用于回复客户,其中,管理人员可对可视化系统进行操作,可以在同一节点中添加其他话术,也可以添加其他节点,便于机器人更加智能的匹配话术,给客户带来更好的体验,提高电话的有效触达率,提升了机器人最终运营效果。
进一步地,所述智能匹配规则包括顺序规则、时间规则、意图规则。
进一步地,所述智能匹配规则结合流程树话术逻辑、全局语境逻辑智能匹配话术。
具体的,在机器人对客户回复的话术进行语音匹配时,采用顺序规则、时间规则、意图规则进行智能匹配,同时在进行智能匹配时,还要结合机器人的流程树话术逻辑、全局语境逻辑更加智能的进行话术匹配。
本发明实现机器人的单节点多句话术智能匹配,解决了以往单句话术单调呆板的问题,提高电话的有效触达率,对机器人提效带来的很好的效果,提升了机器人最终运营效果。
基于同一发明构思,本说明书实施例还提供一种电子设备。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
参照图3为本说明书实施例提供的一种电子设备的结构示意图。下面参照图3来描述根据本发明该实施例的电子设备300。图3显示的电子设备300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。
如图3所示,电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于:至少一个处理单元310、至少一个存储单元320、连接不同装置组件(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,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元310执行,使得所述处理单元310执行本说明书上述处理方法部分中描述的根据本发明各种示例性实施方式的步骤。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:操作装置、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。
电子设备300也可以与一个或多个外部设备400(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备300交互的设备通信,和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且,电子设备300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)通信。网络适配器360可以通过总线330与电子设备300的其它模块通信。应当明白,尽管图3中未示出,可以结合电子设备300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装置、磁带驱动器以及数据备份存储装置等。
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计算设备(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。当所述计算机程序被一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:如图1所示的方法。
参照图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
实现图1所示方法的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、或半导体的装置、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、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
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装置、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,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
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。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种多句话术匹配方法,其特征在于,包括:
采集客户语音信息;
对所述语音信息进行语音识别和转换;
读取可视化系统配置,当所述可视化系统配置多句话术,则根据智能匹配规则匹配话术回复所述客户。
2.如权利要求1所述的一种多句话术匹配方法,其特征在于,还包括:
当所述可视化系统未配置多句话术,则回复所述客户预设的话术。
3.如权利要求1或2所述的一种多句话术匹配方法,其特征在于,所述对所述语音信息进行语音识别和转换,包括:
接收所述语音信息;
于语音识别系统对所述语音信息进行识别;
于自然语言处理系统对识别的所述语音信息进行转换。
4.如权利要求1-3中任一项所述的一种多句话术匹配方法,其特征在于,所述根据智能匹配规则选出话术回复所述客户,包括:
分析转换后的所述语音信息;
根据所述语音信息和所述语音信息应答的节点信息进行下一节点智能匹配,所述节点包括多句话术;
所述节点根据智能匹配规则于所述节点所包含的多句话术中匹配一句话术回复所述客户。
5.如权利要求1-4中任一项所述的一种多句话术匹配方法,其特征在于,所述智能匹配规则包括顺序规则、时间规则、意图规则。
6.如权利要求1-5中任一项所述的一种多句话术匹配方法,其特征在于,所述智能匹配规则结合流程树话术逻辑、全局语境逻辑智能匹配话术。
7.一种多句话术匹配装置,其特征在于,包括:
信息采集模块,采集客户语音信息;
语音识别模块,对所述语音信息进行语音识别和转换;
信息读取模块,读取可视化系统配置,当所述可视化系统配置多句话术,则根据智能匹配规则匹配话术回复所述客户。
8.如权利要求7所述的一种多句话术匹配装置,其特征在于,所述对所述语音信息进行语音识别和转换,包括:
接收所述语音信息;
于语音识别系统对所述语音信息进行识别;
于自然语言处理系统对识别的所述语音信息进行转换。
9.一种电子设备,其中,该电子设备包括:
处理器以及存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。
10.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011149006.7A CN112287078A (zh) | 2020-10-23 | 2020-10-23 | 一种多句话术匹配方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011149006.7A CN112287078A (zh) | 2020-10-23 | 2020-10-23 | 一种多句话术匹配方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112287078A true CN112287078A (zh) | 2021-01-29 |
Family
ID=74424187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011149006.7A Pending CN112287078A (zh) | 2020-10-23 | 2020-10-23 | 一种多句话术匹配方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112287078A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110176665A1 (en) * | 2010-01-20 | 2011-07-21 | American Express Travel Related Services Company, Inc. | Method, system, and computer program product for contacting intended customers |
US8326643B1 (en) * | 2006-08-28 | 2012-12-04 | United Services Automobile Association (Usaa) | Systems and methods for automated phone conversation analysis |
CN110287299A (zh) * | 2019-06-17 | 2019-09-27 | 浙江百应科技有限公司 | 一种通话中多话术语句智能切换方法 |
CN110335595A (zh) * | 2019-06-06 | 2019-10-15 | 平安科技(深圳)有限公司 | 基于语音识别的插问对话方法、装置及存储介质 |
CN111177350A (zh) * | 2019-12-20 | 2020-05-19 | 北京淇瑀信息科技有限公司 | 智能语音机器人的话术形成方法、装置和系统 |
CN111212190A (zh) * | 2019-12-20 | 2020-05-29 | 北京淇瑀信息科技有限公司 | 一种基于话术策略管理的对话管理方法、装置和系统 |
CN111210816A (zh) * | 2019-12-16 | 2020-05-29 | 北京淇瑀信息科技有限公司 | 一种智能语音配置管理方法、装置及电子设备 |
-
2020
- 2020-10-23 CN CN202011149006.7A patent/CN112287078A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8326643B1 (en) * | 2006-08-28 | 2012-12-04 | United Services Automobile Association (Usaa) | Systems and methods for automated phone conversation analysis |
US20110176665A1 (en) * | 2010-01-20 | 2011-07-21 | American Express Travel Related Services Company, Inc. | Method, system, and computer program product for contacting intended customers |
CN110335595A (zh) * | 2019-06-06 | 2019-10-15 | 平安科技(深圳)有限公司 | 基于语音识别的插问对话方法、装置及存储介质 |
CN110287299A (zh) * | 2019-06-17 | 2019-09-27 | 浙江百应科技有限公司 | 一种通话中多话术语句智能切换方法 |
CN111210816A (zh) * | 2019-12-16 | 2020-05-29 | 北京淇瑀信息科技有限公司 | 一种智能语音配置管理方法、装置及电子设备 |
CN111177350A (zh) * | 2019-12-20 | 2020-05-19 | 北京淇瑀信息科技有限公司 | 智能语音机器人的话术形成方法、装置和系统 |
CN111212190A (zh) * | 2019-12-20 | 2020-05-29 | 北京淇瑀信息科技有限公司 | 一种基于话术策略管理的对话管理方法、装置和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3085315C (en) | Systems and methods for chatbot generation | |
US20190163691A1 (en) | Intent Based Dynamic Generation of Personalized Content from Dynamic Sources | |
US11010700B2 (en) | Identifying task and personality traits | |
WO2020106967A1 (en) | Semantic crm transcripts from mobile communications sessions | |
US11157533B2 (en) | Designing conversational systems driven by a semantic network with a library of templated query operators | |
US11481442B2 (en) | Leveraging intent resolvers to determine multiple intents | |
CN110162780A (zh) | 用户意图的识别方法和装置 | |
CN116235177A (zh) | 与通过使用相关联的样本话语的已知意图从对话数据挖掘意图来进行机器人创作相关的系统和方法 | |
CN111177350A (zh) | 智能语音机器人的话术形成方法、装置和系统 | |
Chao et al. | Emerging technologies of natural language-enabled chatbots: a review and trend forecast using intelligent ontology extraction and patent analytics | |
US11354504B2 (en) | Multi-lingual action identification | |
CN115309877A (zh) | 对话生成方法、对话模型训练方法及装置 | |
CN112016327A (zh) | 基于多轮对话的智能结构化文本抽取方法、装置和电子设备 | |
CN115481227A (zh) | 人机交互对话方法、装置以及设备 | |
CN111210816A (zh) | 一种智能语音配置管理方法、装置及电子设备 | |
CN114064943A (zh) | 会议管理方法、装置、存储介质及电子设备 | |
CN111949777A (zh) | 一种基于人群分类的智能语音对话方法、装置及电子设备 | |
US10991370B2 (en) | Speech to text conversion engine for non-standard speech | |
US20200159824A1 (en) | Dynamic Contextual Response Formulation | |
CN110740212A (zh) | 基于智能语音技术的通话接听方法、装置及电子设备 | |
CN112287078A (zh) | 一种多句话术匹配方法、装置和电子设备 | |
US11699430B2 (en) | Using speech to text data in training text to speech models | |
CN114118937A (zh) | 基于任务的信息推荐方法、装置、电子设备及存储介质 | |
CN114283810A (zh) | 改进语音识别转录 | |
CN114761944A (zh) | 域结构知识上的会话代理 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210129 |