基于AI的复合语音交互方法、装置及计算机设备
技术领域
本发明涉及人工智能的语音语义技术领域,尤其涉及一种基于AI的复合语音交互方法、装置、计算机设备及存储介质。
背景技术
目前,智能客服在越来越多的场景得到了广泛应用,例如电商网站的售后服务网站,用户在与智能客服进行在线对话的过程中,用户一般是在任意时间点可以选择在线与智能客服沟通或是直接切换人工客服,这就导致了很多用户在沟通一开始就选择了切换人工客服,使得采集的用户会话过少以致于无法根据海量真实对话数据来训练和完善智能客服中的AI模型和数据库,而且因需要更多的人工客服来参与会话导致人工成本更高。
发明内容
本发明实施例提供了一种基于AI的复合语音交互方法、装置、计算机设备及存储介质,旨在解决现有技术中用户在与智能客服进行在线对话的过程中在沟通一开始就选择了切换人工客服,使得采集的用户会话过少,以致于无法根据海量真实对话数据来训练和完善智能客服中的AI模型和数据库的问题。
第一方面,本发明实施例提供了一种基于AI的复合语音交互方法,其包括:
若检测用户端的智能交互指令,将信息获取组件发送至用户端;
接收用户端发送的待答复数据,对所述待答复语音数据进行解析以得到待答复文本数据;其中,所述待答复数据包括文本数据和语音数据中的至少一种;
判断在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数是否超出预设的次数阈值;
若在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数超出所述次数阈值,将转接人工坐席客服的第一人工服务提示信息发送至用户端;
若在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数未超出所述次数阈值,在本地知识库中获取与所述待答复文本数据对应的回答数据,将所述回答数据发送至用户端;
若检测到用户端的当前回复数据中包括预设的终止关键词,将第一提示信息发送至用户端;其中,所述第一提示信息中至少包括已解决问题选项信息和未解决问题选项信息;
判断是否检测到用户端根据所述第一提示信息发送的反馈信息;以及
若检测到用户端根据所述第一提示信息发送的反馈信息且与所述未解决问题选项信息相对应,将转接人工坐席客服的第二人工服务提示信息发送至用户端。
第二方面,本发明实施例提供了一种基于AI的复合语音交互装置,其包括:
信息获取组件发送单元,用于若检测用户端的智能交互指令,将信息获取组件发送至用户端;
待答复数据接收单元,用于接收用户端发送的待答复数据,对所述待答复语音数据进行解析以得到待答复文本数据;其中,所述待答复数据包括文本数据和语音数据中的至少一种;
次数判断单元,用于判断在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数是否超出预设的次数阈值;
第一转接单元,用于若在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数超出所述次数阈值,将转接人工坐席客服的第一人工服务提示信息发送至用户端;
回答数据发送单元,用于若在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数未超出所述次数阈值,在本地知识库中获取与所述待答复文本数据对应的回答数据,将所述回答数据发送至用户端;
第一提示信息发送单元,用于若检测到用户端的当前回复数据中包括预设的终止关键词,将第一提示信息发送至用户端;其中,所述第一提示信息中至少包括已解决问题选项信息和未解决问题选项信息;
反馈信息检测单元,用于判断是否检测到用户端根据所述第一提示信息发送的反馈信息;以及
第二转接单元,用于若检测到用户端根据所述第一提示信息发送的反馈信息且与所述未解决问题选项信息相对应,将转接人工坐席客服的第二人工服务提示信息发送至用户端。
第三方面,本发明实施例又提供了一种计算机设备,其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的基于AI的复合语音交互方法。
第四方面,本发明实施例还提供了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有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于AI的复合语音交互方法。
本发明实施例提供了一种基于AI的复合语音交互方法、装置、计算机设备及存储介质,包括若检测用户端的智能交互指令,将信息获取组件发送至用户端;接收用户端发送的待答复数据,对待答复语音数据进行解析以得到待答复文本数据;其中,待答复数据包括文本数据和语音数据中的至少一种;判断在本地知识库中未获取到与待答复文本数据对应的回答数据的连续次数是否超出预设的次数阈值;若在本地知识库中未获取到与待答复文本数据对应的回答数据的连续次数超出次数阈值,将转接人工坐席客服的第一人工服务提示信息发送至用户端;若在本地知识库中未获取到与待答复文本数据对应的回答数据的连续次数未超出次数阈值,在本地知识库中获取与待答复文本数据对应的回答数据,将回答数据发送至用户端。该方法实现了优先采用智能客服与用户交互,仅在智能客服未准确回复用户的当前累计次数超出次数阈值时才提示切换人工客服,所采集的大量真实对话数据能作为训练集进一步训练AI模型,提高AI模型的识别准确度。
附图说明
为了更清楚地说明本发明实施例技术方案,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发明的一些实施例,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为本发明实施例提供的基于AI的复合语音交互方法的应用场景示意图;
图2为本发明实施例提供的基于AI的复合语音交互方法的流程示意图;
图3为本发明实施例提供的基于AI的复合语音交互装置的示意性框图;
图4为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明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发明。如在本发明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。
还应当进一步理解,在本发明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。
请参阅图1和图2,图1为本发明实施例提供的基于AI的复合语音交互方法的应用场景示意图;图2为本发明实施例提供的基于AI的复合语音交互方法的流程示意图,该基于AI的复合语音交互方法应用于服务器中,该方法通过安装于服务器中的应用软件进行执行。
如图2所示,该方法包括步骤S101~S108。
S101、若检测用户端的智能交互指令,将信息获取组件发送至用户端。
在本实施例中,所具体应用的场景是客户端与服务器中部署的智能客服进行线上交互,本申请可应用于智慧政务、智慧教育场景中,从而推动智慧城市的建设。例如,当用户需向智能客服咨询相关问题(例如产品A的价格是多少、付款方式是什么等),首先需将用户端与服务器建立通讯连接,此时服务器将一个信息获取组件(该信息获取组件可以理解为一个线上聊天的聊天框)发送至用户端,以发起后续的交互过程。
S102、接收用户端发送的待答复数据,对所述待答复语音数据进行解析以得到待答复文本数据;其中,所述待答复数据包括文本数据和语音数据中的至少一种。
在本实施例中,当服务器接收到了用户端发送的待答复数据后,需要对其识别得到待答复文本数据,通过待答复文本数据在服务器的本地知识库中检索获取对应的答复文本或答复语音等数据以反馈至用户端。
在一实施例中,步骤S102包括:
获取并判断所述待答复数据中的数据类型;
若所述待答复数据的数据类型为文本数据,以所述待答复数据作为待答复文本数据;
若所述待答复数据的数据类型为语音数据,调用预先训练的N-gram模型对所述待答复数据进行文本识别,得到待答复文本数据。
在本实施例中,由于用户与智能客服交互时,可发送纯文字组成的文本信息,也可发送语音信息,故此时服务器需先接收用户端发送的待答复数据,之后判断所述待答复数据中的数据类型。
若所述待答复数据的数据类型为文本数据,表示无需在服务器中进行语音识别等处理,直接以所述待答复数据作为待答复文本数据。若所述待答复数据的数据类型为语音数据,需调用预先训练并存储的语音识别模型(例如N-gram语言模型等)对所述待答复数据进行文本识别,得到待答复文本数据。通过上述设置,无论用户发送文本或是语音至服务器端,均能被智能客服有效且准确的识别。
S103、判断在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数是否超出预设的次数阈值。
在本实施例中,服务器在步骤S102中接收到的待答复数据可能是用户与智能客服在线沟通的第一个问题,也有可能是第N个问题(N大于等于2),此时需根据待答复文本数据在服务器的本地知识库中检索获取对应的回答数据,若本次未能检索获取到与所述待答复文本数据对应的回答数据,将在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数累计加1。例如之前在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数为3,此时将连续次数累计加1即为4,若预设的次数阈值为3,此时在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数为4是超出3的,故可以判定在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数超出所述次数阈值;否则是判断为超出所述次数阈值。
S104、若在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数超出所述次数阈值,将转接人工坐席客服的第一人工服务提示信息发送至用户端。
在本实施例中,若在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数超出所述次数阈值,表示智能客服针对用户端发送的连续几个问题均不能准确的答复,影响了用户快速获取期望信息,此时可以由服务器向用户端发送将转接人工坐席客服的第一人工服务提示信息。例如,在该第一人工服务提示信息中设置两个虚拟按钮选项,一个是人工客服按钮,另一个是电话咨询按钮,这样用户可以在用户端的用户交互界面上选择上述两个虚拟按钮选项中的其中一个,以实现切换人工客服进一步沟通以获取信息。
在一实施例中,步骤S104之后还包括:
获取并存储用户端发送的原因反馈信息;
获取并存储用户端发送的第一问答行为轨迹数据;
接收并存储用户端发送的人工语音交互数据,识别并存储所述人工语音文本数据。
在本实施例中,当服务器将转接人工坐席客服的第一人工服务提示信息发送至用户端后,同时也会发送一个未正确答复问题的原因清单至用户端,用户可以在该原因清单中选择一个或多个原因选项后反馈至服务器。例如,用户操作用户端在其用户交互界面上所显示的原因清单中选择“答案与所问问题关联性不大”作为原因反馈信息,用户端将该原因反馈信息发送至服务器以进行保存。
在反馈了原因反馈信息至服务器后,用户端还可以获取本轮对话过程中的第一问答行为轨迹数据发送至服务器,服务器可以基于第一问答行为轨迹数据进行用户行为分析后确定是否完善智能客服中部署的本地知识库。
而且在服务器中为了便于对用户端和智能客服之间沟通记录进行溯源,还可以接收并存储用户端发送的人工语音交互数据,识别并存储所述人工语音文本数据。通过这一语音转文本的存储方式,不仅节省存储空间,而且历史数据能作为溯源参考。
在一实施例中,所述识别并存储所述人工语音文本数据的步骤之后,还包括:
将所述人工语音交互数据进行说话人识别,以得到并存储说话人识别清单和说话人清单中每一说话人对应的语句文本。
在本实施例中,为了更加准确的存储人工语音交互数据,还可以进一步依据说话人识别模型对人工语音交互数据进行说话人识别,以得到并存储说话人识别清单和说话人清单中每一说话人对应的语句文本。通过这一对话方式的形式存储对话,可以更加高效的溯源。
S105、若在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数未超出所述次数阈值,在本地知识库中获取与所述待答复文本数据对应的回答数据,将所述回答数据发送至用户端。
在本实施例中,若在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数未超出所述次数阈值,表示智能客服针对用户端发送的连续几个问题中同时存在回复准确和存在回复不准确的情况,此时为了便于服务器收集更多的交互数据作为训练数据继续完善智能客服中部署的AI模型(例如卷积神经网络等),还无需立即将转接人工坐席客服的第一人工服务提示信息发送至用户端,而是继续使用智能客服与用户沟通。
在一实施例中,步骤S105包括:
将所述待答复文本数据依次进行分词和词向量转换,以获取所述待答复文本数据对应的语义向量;
在本地知识库的各回答语义向量中获取与所述语义向量中相似度为最大值的回答语义向量以作为目标语义向量,获取所述目标语义向量对应的回答文本或回答语音以作为回答数据。
在本实施例中,在服务器的本地知识库中获取与所述待答复文本数据对应的回答数据时,是先通过基于统计的分析方法将所述待答复文本进行分词得到分词结果,然后再将分词结果根据TF-IDF模型获取所述分词结果中的核心关键词以组成关键词集合,之后将关键词集合中的每一关键词根据word2vec模型转换为对应词向量后,最后根据各词向量分别对应的权重值进行加权求和从而得到与所述待答复文本数据对应的语义向量。
由于本地知识库中包括问题库和答案库,问题库中的每一个问题均是预先已转换了对应的语义向量,且每一个问题均能在答案库中对应绑定至少一个答案。这样当已知了与所述待答复文本数据对应的语义向量后,将其与本地知识库中问题库包括各问题的语义向量分别计算相似度(例如两个语义向量之间的相似度通过两者之间的欧式距离来获得),在本地知识库的各回答语义向量中获取与所述语义向量中相似度为最大值的回答语义向量以作为目标语义向量,获取所述目标语义向量对应的回答文本或回答语音以作为回答数据。通过上述搜索回答数据的方式,能较准确的发送回复信息。
S106、若检测到用户端的当前回复数据中包括预设的终止关键词,将第一提示信息发送至用户端;其中,所述第一提示信息中至少包括已解决问题选项信息和未解决问题选项信息。
在本实施例中,当服务器检测到用户端与智能客服进行沟通的过程中,所发送的当前回复数据中包括预设的终止关键词(例如结束交谈、停止会话等),表示用户需要终止此轮对话,此时服务器为了更清楚的获取用户在此轮对话中是否获取到所期望的信息,此时可以将至少包括已解决问题选项信息和未解决问题选项信息的第一提示信息发送至用户端。在该第一提示信息上设置有已解决问题虚拟按钮和未解决问题虚拟按钮,这样用户即可根据实际沟通情况来点击上述两个按钮中的其中一个从而反馈至服务器。
S107、判断是否检测到用户端根据所述第一提示信息发送的反馈信息。
在本实施例中,当服务器检测到用户端根据所述第一提示信息发送的反馈信息后,服务器可以获知用户是选择的已解决问题选项还是未解决问题选项,从而确定后续是否主动启动人工客服以与用户沟通帮其获取期望信息。
S108、若检测到用户端根据所述第一提示信息发送的反馈信息且与所述未解决问题选项信息相对应,将转接人工坐席客服的第二人工服务提示信息发送至用户端。
在本实施例中,若检测到用户端根据所述第一提示信息发送的反馈信息且与所述未解决问题选项信息相对应,表示用户在与智能客服的本轮对话中还未获取所需回复问题的准确答复,此时为了及时帮助用户获取准确答复,此时服务器也可以将转接人工坐席客服的第二人工服务提示信息发送至用户端。同样的,在该第二人工服务提示信息中参考第一人工服务提示信息设置两个虚拟按钮选项,一个是人工客服按钮,另一个是电话咨询按钮,这样用户可以在用户端的用户交互界面上选择上述两个虚拟按钮选项中的其中一个,以实现切换人工客服进一步沟通以获取信息。
在一实施例中,步骤S107之后还包括:
若检测到用户端根据所述第一提示信息发送的反馈信息且与所述已解决问题选项信息相对应,获取并存储用户端的第二问答行为轨迹数据。
在本实施例中,在用户发送了反馈信息至服务器后且该反馈信息与所述已解决问题选项信息相对应,表示用户在本轮与智能客服的沟通中已获取期望信息,此轮对话是一个沟通有效性较高的会话,用户端还可以获取本轮对话过程中的第二问答行为轨迹数据发送至服务器,服务器可以基于第二问答行为轨迹数据进行用户行为分析后确定是否完善智能客服中部署的本地知识库。
在一实施例中,所述获取并存储用户端的第二问答行为轨迹数据,包括:
获取所述信息获取组件中埋点采集的本次会话数据;
按交互时间升序顺序依序将所述本次会话数据中每一语句进行关键词提取,以组成第二问答行为轨迹数据。
在本实施例中,由于服务器向用户端发送的对话框形式的信息获取组件中是设置了埋点,此时可以获取到与用户端交互的本次会话数据。在本次会话数据中由于包括多句对话,故可按用户端和智能客服的交互时间升序顺序依序将所述本次会话数据中每一语句进行关键词提取,以组成第二问答行为轨迹数据。通过第二问答行为轨迹数据,也能有助于完善智能客服的本地知识库。
该方法实现了优先采用智能客服与用户交互,仅在智能客服未准确回复用户的当前累计次数超出次数阈值时才提示切换人工客服,所采集的大量真实对话数据能作为训练集进一步训练AI模型,提高AI模型的识别准确度。
本发明实施例还提供一种基于AI的复合语音交互装置,该基于AI的复合语音交互装置用于执行前述基于AI的复合语音交互方法的任一实施例。具体地,请参阅图3,图3是本发明实施例提供的基于AI的复合语音交互装置的示意性框图。该基于AI的复合语音交互装置100可以配置于服务器中。
如图3所示,基于AI的复合语音交互装置100包括:信息获取组件发送单元101、待答复数据接收单元102、次数判断单元103、第一转接单元104、回答数据发送单元105、第一提示信息发送单元106、反馈信息检测单元107、第二转接单元108。
信息获取组件发送单元101,用于若检测用户端的智能交互指令,将信息获取组件发送至用户端。
在本实施例中,所具体应用的场景是客户端与服务器中部署的智能客服进行线上交互,本申请可应用于智慧政务、智慧教育场景中,从而推动智慧城市的建设。例如,当用户需向智能客服咨询相关问题(例如产品A的价格是多少、付款方式是什么等),首先需将用户端与服务器建立通讯连接,此时服务器将一个信息获取组件(该信息获取组件可以理解为一个线上聊天的聊天框)发送至用户端,以发起后续的交互过程。
待答复数据接收单元102,用于接收用户端发送的待答复数据,对所述待答复语音数据进行解析以得到待答复文本数据;其中,所述待答复数据包括文本数据和语音数据中的至少一种。
在本实施例中,当服务器接收到了用户端发送的待答复数据后,需要对其识别得到待答复文本数据,通过待答复文本数据在服务器的本地知识库中检索获取对应的答复文本或答复语音等数据以反馈至用户端。
在一实施例中,待答复数据接收单元102包括:
数据类型判断单元,用于获取并判断所述待答复数据中的数据类型;
文本数据处理单元,用于若所述待答复数据的数据类型为文本数据,以所述待答复数据作为待答复文本数据;
语音数据处理单元,用于若所述待答复数据的数据类型为语音数据,调用预先训练的N-gram模型对所述待答复数据进行文本识别,得到待答复文本数据。
在本实施例中,由于用户与智能客服交互时,可发送纯文字组成的文本信息,也可发送语音信息,故此时服务器需先接收用户端发送的待答复数据,之后判断所述待答复数据中的数据类型。
若所述待答复数据的数据类型为文本数据,表示无需在服务器中进行语音识别等处理,直接以所述待答复数据作为待答复文本数据。若所述待答复数据的数据类型为语音数据,需调用预先训练并存储的语音识别模型(例如N-gram语言模型等)对所述待答复数据进行文本识别,得到待答复文本数据。通过上述设置,无论用户发送文本或是语音至服务器端,均能被智能客服有效且准确的识别。
次数判断单元103,用于判断在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数是否超出预设的次数阈值。
在本实施例中,服务器在由待答复数据接收单元102中接收到的待答复数据可能是用户与智能客服在线沟通的第一个问题,也有可能是第N个问题(N大于等于2),此时需根据待答复文本数据在服务器的本地知识库中检索获取对应的回答数据,若本次未能检索获取到与所述待答复文本数据对应的回答数据,将在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数累计加1。例如之前在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数为3,此时将连续次数累计加1即为4,若预设的次数阈值为3,此时在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数为4是超出3的,故可以判定在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数超出所述次数阈值;否则是判断为超出所述次数阈值。
第一转接单元104,用于若在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数超出所述次数阈值,将转接人工坐席客服的第一人工服务提示信息发送至用户端。
在本实施例中,若在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数超出所述次数阈值,表示智能客服针对用户端发送的连续几个问题均不能准确的答复,影响了用户快速获取期望信息,此时可以由服务器向用户端发送将转接人工坐席客服的第一人工服务提示信息。例如,在该第一人工服务提示信息中设置两个虚拟按钮选项,一个是人工客服按钮,另一个是电话咨询按钮,这样用户可以在用户端的用户交互界面上选择上述两个虚拟按钮选项中的其中一个,以实现切换人工客服进一步沟通以获取信息。
在一实施例中,基于AI的复合语音交互装置100还包括:
原因反馈信息存储单元,用于获取并存储用户端发送的原因反馈信息;
第一轨迹数据获取单元,用于获取并存储用户端发送的第一问答行为轨迹数据;
人工语音交互数据识别单元,用于接收并存储用户端发送的人工语音交互数据,识别并存储所述人工语音文本数据。
在本实施例中,当服务器将转接人工坐席客服的第一人工服务提示信息发送至用户端后,同时也会发送一个未正确答复问题的原因清单至用户端,用户可以在该原因清单中选择一个或多个原因选项后反馈至服务器。例如,用户操作用户端在其用户交互界面上所显示的原因清单中选择“答案与所问问题关联性不大”作为原因反馈信息,用户端将该原因反馈信息发送至服务器以进行保存。
在反馈了原因反馈信息至服务器后,用户端还可以获取本轮对话过程中的第一问答行为轨迹数据发送至服务器,服务器可以基于第一问答行为轨迹数据进行用户行为分析后确定是否完善智能客服中部署的本地知识库。
而且在服务器中为了便于对用户端和智能客服之间沟通记录进行溯源,还可以接收并存储用户端发送的人工语音交互数据,识别并存储所述人工语音文本数据。通过这一语音转文本的存储方式,不仅节省存储空间,而且历史数据能作为溯源参考。
在一实施例中,所述基于AI的复合语音交互装置100还包括:
说话人识别单元,用于将所述人工语音交互数据进行说话人识别,以得到并存储说话人识别清单和说话人清单中每一说话人对应的语句文本。
在本实施例中,为了更加准确的存储人工语音交互数据,还可以进一步依据说话人识别模型对人工语音交互数据进行说话人识别,以得到并存储说话人识别清单和说话人清单中每一说话人对应的语句文本。通过这一对话方式的形式存储对话,可以更加高效的溯源。
回答数据发送单元105,用于若在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数未超出所述次数阈值,在本地知识库中获取与所述待答复文本数据对应的回答数据,将所述回答数据发送至用户端。
在本实施例中,若在本地知识库中未获取到与所述待答复文本数据对应的回答数据的连续次数未超出所述次数阈值,表示智能客服针对用户端发送的连续几个问题中同时存在回复准确和存在回复不准确的情况,此时为了便于服务器收集更多的交互数据作为训练数据继续完善智能客服中部署的AI模型(例如卷积神经网络等),还无需立即将转接人工坐席客服的第一人工服务提示信息发送至用户端,而是继续使用智能客服与用户沟通。
在一实施例中,回答数据发送单元105包括:
语音向量获取单元,用于将所述待答复文本数据依次进行分词和词向量转换,以获取所述待答复文本数据对应的语义向量;
目标语义向量获取单元,用于在本地知识库的各回答语义向量中获取与所述语义向量中相似度为最大值的回答语义向量以作为目标语义向量,获取所述目标语义向量对应的回答文本或回答语音以作为回答数据。
在本实施例中,在服务器的本地知识库中获取与所述待答复文本数据对应的回答数据时,是先通过基于统计的分析方法将所述待答复文本进行分词得到分词结果,然后再将分词结果根据TF-IDF模型获取所述分词结果中的核心关键词以组成关键词集合,之后将关键词集合中的每一关键词根据word2vec模型转换为对应词向量后,最后根据各词向量分别对应的权重值进行加权求和从而得到与所述待答复文本数据对应的语义向量。
由于本地知识库中包括问题库和答案库,问题库中的每一个问题均是预先已转换了对应的语义向量,且每一个问题均能在答案库中对应绑定至少一个答案。这样当已知了与所述待答复文本数据对应的语义向量后,将其与本地知识库中问题库包括各问题的语义向量分别计算相似度(例如两个语义向量之间的相似度通过两者之间的欧式距离来获得),在本地知识库的各回答语义向量中获取与所述语义向量中相似度为最大值的回答语义向量以作为目标语义向量,获取所述目标语义向量对应的回答文本或回答语音以作为回答数据。通过上述搜索回答数据的方式,能较准确的发送回复信息。
第一提示信息发送单元106,用于若检测到用户端的当前回复数据中包括预设的终止关键词,将第一提示信息发送至用户端;其中,所述第一提示信息中至少包括已解决问题选项信息和未解决问题选项信息。
在本实施例中,当服务器检测到用户端与智能客服进行沟通的过程中,所发送的当前回复数据中包括预设的终止关键词(例如结束交谈、停止会话等),表示用户需要终止此轮对话,此时服务器为了更清楚的获取用户在此轮对话中是否获取到所期望的信息,此时可以将至少包括已解决问题选项信息和未解决问题选项信息的第一提示信息发送至用户端。在该第一提示信息上设置有已解决问题虚拟按钮和未解决问题虚拟按钮,这样用户即可根据实际沟通情况来点击上述两个按钮中的其中一个从而反馈至服务器。
反馈信息检测单元107,用于判断是否检测到用户端根据所述第一提示信息发送的反馈信息。
在本实施例中,当服务器检测到用户端根据所述第一提示信息发送的反馈信息后,服务器可以获知用户是选择的已解决问题选项还是未解决问题选项,从而确定后续是否主动启动人工客服以与用户沟通帮其获取期望信息。
第二转接单元108,用于若检测到用户端根据所述第一提示信息发送的反馈信息且与所述未解决问题选项信息相对应,将转接人工坐席客服的第二人工服务提示信息发送至用户端。
在本实施例中,若检测到用户端根据所述第一提示信息发送的反馈信息且与所述未解决问题选项信息相对应,表示用户在与智能客服的本轮对话中还未获取所需回复问题的准确答复,此时为了及时帮助用户获取准确答复,此时服务器也可以将转接人工坐席客服的第二人工服务提示信息发送至用户端。同样的,在该第二人工服务提示信息中参考第一人工服务提示信息设置两个虚拟按钮选项,一个是人工客服按钮,另一个是电话咨询按钮,这样用户可以在用户端的用户交互界面上选择上述两个虚拟按钮选项中的其中一个,以实现切换人工客服进一步沟通以获取信息。
在一实施例中,基于AI的复合语音交互装置100还包括:
第二轨迹数据获取单元,用于若检测到用户端根据所述第一提示信息发送的反馈信息且与所述已解决问题选项信息相对应,获取并存储用户端的第二问答行为轨迹数据。
在本实施例中,在用户发送了反馈信息至服务器后且该反馈信息与所述已解决问题选项信息相对应,表示用户在本轮与智能客服的沟通中已获取期望信息,此轮对话是一个沟通有效性较高的会话,用户端还可以获取本轮对话过程中的第二问答行为轨迹数据发送至服务器,服务器可以基于第二问答行为轨迹数据进行用户行为分析后确定是否完善智能客服中部署的本地知识库。
在一实施例中,所述第二轨迹数据获取单元,包括:
本次会话数据获取单元,用于获取所述信息获取组件中埋点采集的本次会话数据;
关键词集合获取单元,用于按交互时间升序顺序依序将所述本次会话数据中每一语句进行关键词提取,以组成第二问答行为轨迹数据。
在本实施例中,由于服务器向用户端发送的对话框形式的信息获取组件中是设置了埋点,此时可以获取到与用户端交互的本次会话数据。在本次会话数据中由于包括多句对话,故可按用户端和智能客服的交互时间升序顺序依序将所述本次会话数据中每一语句进行关键词提取,以组成第二问答行为轨迹数据。通过第二问答行为轨迹数据,也能有助于完善智能客服的本地知识库。
该装置实现了优先采用智能客服与用户交互,仅在智能客服未准确回复用户的当前累计次数超出次数阈值时才提示切换人工客服,所采集的大量真实对话数据能作为训练集进一步训练AI模型,提高AI模型的识别准确度。
上述基于AI的复合语音交互装置可以实现为计算机程序的形式,该计算机程序可以在如图4所示的计算机设备上运行。
请参阅图4,图4是本发明实施例提供的计算机设备的示意性框图。该计算机设备500是服务器,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图4,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行基于AI的复合语音交互方法。
该处理器502用于提供计算和控制能力,支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行基于AI的复合语音交互方法。
该网络接口505用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图4中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备500的限定,具体的计算机设备500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。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现本发明实施例公开的基于AI的复合语音交互方法。
本领域技术人员可以理解,图4中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定,在其他实施例中,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实施例中,计算机设备可以仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图4所示实施例一致,在此不再赘述。
应当理解,在本发明实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,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。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序,其中计算机程序被处理器执行时实现本发明实施例公开的基于AI的复合语音交互方法。
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,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为逻辑功能划分,实际实现时可以有另外的划分方式,也可以将具有相同功能的单元集合成一个单元,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,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发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。