CN112488750A - 一种保险场景智能推荐续保系统 - Google Patents
一种保险场景智能推荐续保系统 Download PDFInfo
- Publication number
- CN112488750A CN112488750A CN202011358209.7A CN202011358209A CN112488750A CN 112488750 A CN112488750 A CN 112488750A CN 202011358209 A CN202011358209 A CN 202011358209A CN 112488750 A CN112488750 A CN 112488750A
- Authority
- CN
- China
- Prior art keywords
- module
- nlp
- client
- output
- sentence
- 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 claims abstract description 30
- 230000008676 import Effects 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 35
- 238000003058 natural language processing Methods 0.000 claims description 26
- 238000013528 artificial neural network Methods 0.000 claims description 24
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000013145 classification model Methods 0.000 claims description 4
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims 6
- 230000008569 process Effects 0.000 abstract description 15
- 238000012216 screening Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种保险场景智能推荐续保系统,包括计算机终端模块,显示器模块、录音导入模块、音频输出模块、ASR模块、NLP模块,计算机终端模块的输出端与显示器模块的输入端为单向电连接,计算机终端与录音导入模块互为双向电连接,录音导入模块的输出端与音频输出模块的输入端为单向电连接,音频输出模块的输出端与ASR模块的输入端为单向电连接,ASR模块的输出端与NLP模块的输入端为单向电连接,NLP模块的输出端与显示器模块的输入端为单向电连接,解决了传统人工筛选的过程会耗费大量的时间。而且可能因为时效问题,此筛选、判断过程需要大量的人工成本的局面,提升后续拨打电话续保的时效性,避免有意向续保的客户流失。
Description
技术领域
本发明涉及保险续保技术领域,具体为一种保险场景智能推荐续保系统。
背景技术
保险场景咨询客户续保现有方案还是以人工客服筛选为主,传统人工方式为:客服拨打客户电话,在电话结束后,通过人工听历史对话录音的方式,对于没有明确表达续保意向的客户,人工判断是否有续保倾向,后续再针对有续保倾向的客户进行再次拨打电话咨询,传统方式对于未确定登记续保的客户,需要再次听取历史对话的几通录音,最终人工判断是否需要继续拨打电话咨询续保。此筛选、判断过程需要大量的人工成本,传统人工筛选的过程会耗费大量的时间。而且可能因为时效问题,本来有意向续保的客户因为没有及时的后续咨询电话而办理了其他公司的保险,导致客户流失。
发明内容
本发明的目的在于提供一种保险场景智能推荐续保系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种保险场景智能推荐续保系统,包括计算机终端模块,显示器模块、录音导入模块、音频输出模块、 ASR模块、NLP模块,所述计算机终端模块的输出端与显示器模块的输入端为单向电连接,所述计算机终端与录音导入模块互为双向电连接,所述录音导入模块的输出端与音频输出模块的输入端为单向电连接,所述音频输出模块的输出端与ASR模块的输入端为单向电连接,所述ASR模块的输出端与NLP 模块的输入端为单向电连接,所述NLP模块的输出端与显示器模块的输入端为单向电连接,采用BERT模块神经网络来实现句子向量的提取和采用 Transformer模块神经网络来实现最后的是否续保意向分类,可以将客户和坐席对话的每句话都输入到BERT神经网络,得到每句话的语义表示(sentence embedded)即句向量维度为[1,768],将对话中所有句向量,输入到 Transformer模块神经网络中进行Encode特征提取,得到最终对话的总向量 [1,768]维度,最后再加一层全连接网络进行矩阵相乘运算[1, 768]x[768,2]=[1,2]即可得到二分类的结果概率值:有意向or无意向,则避免了传统人工方式客服拨打客户电话,在电话结束后,通过人工听历史对话录音的方式,对于没有明确表达续保意向的客户,人工判断是否有续保倾向,后续再针对有续保倾向的客户进行再次拨打电话咨询繁琐工序,同时降低客服听取历史对话录音的人工劳动力成本,利用计算机终端模块可以实现,可以7*24小时运行工作,解决了传统人工筛选的过程会耗费大量的时间。而且可能因为时效问题,本来有意向续保的客户因为没有及时的后续咨询电话而办理了其他公司的保险,导致客户流失和传统方式对于未确定登记续保的客户,需要再次听取历史对话的几通录音,最终人工判断是否需要继续拨打电话咨询续保。此筛选、判断过程需要大量的人工成本的局面,提升后续拨打电话续保的时效性,避免有意向续保的客户流失。
优选的,所述NLP模块包含BERT模块和Transformer模块,所述BERT 模块的输出端与Transformer模块的输入端为单向电连接,所述ASR模块为 Automatic SpeechRecognition自动语音识别,所述NLP模块为Natural Language Processing自然语言处理。
优选的,所述ASR模块引擎将某客户的历史对话录音转写成文本,其次通过NLP模块引擎理解对话的交互文本信息,通过交互的文本最终判断客户是否有意向进行续保,客服针对系统筛选出有意向续保的客户进行再次拨打电话咨询询问。
优选的,所述NLP模块设置有算法方案系统,具体执行算法步骤如下:
步骤一:进行开始指令;
步骤二:历史对话录音送入ASR引擎转写成文本;
步骤三:将每句话送入BERT模型获得每句话的句子向量;
步骤四:将所有的句子向量拼凑在一起,送入Transfromer模型,最后得到模型分类输出;
步骤五:进行是否续有意保判定,是则进行拨打客户电话询问,否则暂时不拨打电话询问。
优选的,所述BERT模块为双向编码表示网络,利用神经网络来实现句子向量的提取。
优选的,所述续保系统包括算法方案系统、句子向量模型实现方案系统和最终分类模型实现方案。
优选的,所述采用Transformer模块神经网络来实现最后的是否续保意向分类,第二步将对话中所有句向量,输入到Transformer神经网络中进行 Encode特征提取,得到最终对话的总向量[1,768]维度,最后再加一层全连接网络,进行矩阵相乘运算[1,768]x[768,2]=[1,2]即可得到二分类的结果概率值:有意向or无意向。
与现有技术相比,本发明的有益效果是:
1、该保险场景智能推荐续保系统,采用BERT模块神经网络来实现句子向量的提取和采用Transformer模块神经网络来实现最后的是否续保意向分类,可以将客户和坐席对话的每句话都输入到BERT神经网络,得到每句话的语义表示(sentence embedded)即句向量维度为[1,768],将对话中所有句向量,输入到Transformer模块神经网络中进行Encode特征提取,得到最终对话的总向量[1,768]维度,最后再加一层全连接网络进行矩阵相乘运算[1, 768]x[768,2]=[1,2]即可得到二分类的结果概率值:有意向or无意向,则避免了传统人工方式客服拨打客户电话,在电话结束后,通过人工听历史对话录音的方式,对于没有明确表达续保意向的客户,人工判断是否有续保倾向,后续再针对有续保倾向的客户进行再次拨打电话咨询繁琐工序,同时降低客服听取历史对话录音的人工劳动力成本。
2、该保险场景智能推荐续保系统,利用计算机终端模块可以实现,可以 7*24小时运行工作,解决了传统人工筛选的过程会耗费大量的时间。而且可能因为时效问题,本来有意向续保的客户因为没有及时的后续咨询电话而办理了其他公司的保险,导致客户流失和传统方式对于未确定登记续保的客户,需要再次听取历史对话的几通录音,最终人工判断是否需要继续拨打电话咨询续保。此筛选、判断过程需要大量的人工成本的局面,提升后续拨打电话续保的时效性,避免有意向续保的客户流失。
附图说明
图1为本发明结构示意图;
图2为本发明算法方案结构流程示意图;
图3为本发明句子向量模型实现方案结构流程示意图;
图4为本发明最终分类模型实现方案结构流程示意图;
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
下面详细描述本专利的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本专利,而不能理解为对本专利的限制。
在本专利的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本专利和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本专利的限制。
在本专利的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“设置”应做广义理解,例如,可以是固定相连、设置,也可以是可拆卸连接、设置,或一体地连接、设置。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本专利中的具体含义。
请参阅图1-4,本发明提供一种技术方案:一种保险场景智能推荐续保系统,包括计算机终端模块,显示器模块、录音导入模块、音频输出模块、ASR 模块、NLP模块,计算机终端模块的输出端与显示器模块的输入端为单向电连接,计算机终端与录音导入模块互为双向电连接,录音导入模块的输出端与音频输出模块的输入端为单向电连接,音频输出模块的输出端与ASR模块的输入端为单向电连接,ASR模块的输出端与NLP模块的输入端为单向电连接, NLP模块的输出端与显示器模块的输入端为单向电连接,NLP模块包含BERT 模块和Transformer模块,BERT模块的输出端与Transformer模块的输入端为单向电连接,ASR模块为Automatic Speech Recognition自动语音识别, NLP模块为Natural LanguageProcessing自然语言处理,通过ASR模块引擎将某客户的历史对话录音转写成文本,其次通过NLP模块引擎理解对话的交互文本信息,通过交互的文本最终判断客户是否有意向进行续保,客服针对系统筛选出有意向续保的客户进行再次拨打电话咨询询问,NLP模块设置有算法方案系统,用BERT模块神经网络来实现句子向量的提取和采用Transformer 模块神经网络来实现最后的是否续保意向分类,可以将客户和坐席对话的每句话都输入到BERT神经网络,得到每句话的语义表示(sentence embedded) 即句向量维度为[1,768],将对话中所有句向量,输入到Transformer模块神经网络中进行Encode特征提取,得到最终对话的总向量[1,768]维度,最后再加一层全连接网络进行矩阵相乘运算[1,768]x[768,2]=[1,2]即可得到二分类的结果概率值:有意向or无意向,则避免了传统人工方式客服拨打客户电话,在电话结束后,通过人工听历史对话录音的方式,对于没有明确表达续保意向的客户,人工判断是否有续保倾向,后续再针对有续保倾向的客户进行再次拨打电话咨询繁琐工序,同时降低客服听取历史对话录音的人工劳动力成本,利用计算机终端模块可以实现,可以7*24小时运行工作,解决了传统人工筛选的过程会耗费大量的时间。而且可能因为时效问题,本来有意向续保的客户因为没有及时的后续咨询电话而办理了其他公司的保险,导致客户流失和传统方式对于未确定登记续保的客户,需要再次听取历史对话的几通录音,最终人工判断是否需要继续拨打电话咨询续保。此筛选、判断过程需要大量的人工成本的局面,提升后续拨打电话续保的时效性,避免有意向续保的客户流失,具体执行算法步骤如下:
步骤一:进行开始指令;
步骤二:历史对话录音送入ASR引擎转写成文本;
步骤三:将每句话送入BERT模型获得每句话的句子向量;
步骤四:将所有的句子向量拼凑在一起,送入Transfromer模型,最后得到模型分类输出;
步骤五:进行是否续有意保判定,是则进行拨打客户电话询问,否则暂时不拨打电话询问。
BERT模块为双向编码表示网络,利用神经网络来实现句子向量的提取,续保系统包括算法方案系统、句子向量模型实现方案系统和最终分类模型实现方案,采用Transformer模块神经网络来实现最后的是否续保意向分类,第二步将对话中所有句向量,输入到Transformer神经网络中进行Encode 特征提取,得到最终对话的总向量[1,768]维度,最后再加一层全连接网络,进行矩阵相乘运算[1,768]x[768,2]=[1,2]即可得到二分类的结果概率值:有意向or无意向。
工作原理:首先通过ASR(Automatic Speech Recognition自动语音识别) 引擎将某客户的历史对话录音转写成文本其次通过NLP(Natural Language Processing自然语言处理)引擎理解对话的交互文本信息,通过交互的文本最终判断客户是否有意向进行续保,客服针对系统筛选出有意向续保的客户进行再次拨打电话咨询询问。
综上所述,该保险场景智能推荐续保系统,采用BERT模块神经网络来实现句子向量的提取和采用Transformer模块神经网络来实现最后的是否续保意向分类,可以将客户和坐席对话的每句话都输入到BERT神经网络,得到每句话的语义表示(sentenceembedded)即句向量维度为[1,768],将对话中所有句向量,输入到Transformer模块神经网络中进行Encode特征提取,得到最终对话的总向量[1,768]维度,最后再加一层全连接网络进行矩阵相乘运算[1,768]x[768,2]=[1,2]即可得到二分类的结果概率值:有意向or无意向,则避免了传统人工方式客服拨打客户电话,在电话结束后,通过人工听历史对话录音的方式,对于没有明确表达续保意向的客户,人工判断是否有续保倾向,后续再针对有续保倾向的客户进行再次拨打电话咨询繁琐工序,同时降低客服听取历史对话录音的人工劳动力成本,利用计算机终端模块可以实现,可以7*24小时运行工作,解决了传统人工筛选的过程会耗费大量的时间。而且可能因为时效问题,本来有意向续保的客户因为没有及时的后续咨询电话而办理了其他公司的保险,导致客户流失和传统方式对于未确定登记续保的客户,需要再次听取历史对话的几通录音,最终人工判断是否需要继续拨打电话咨询续保。此筛选、判断过程需要大量的人工成本的局面,提升后续拨打电话续保的时效性,避免有意向续保的客户流失。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种保险场景智能推荐续保系统,包括计算机终端模块,显示器模块、录音导入模块、音频输出模块、ASR模块、NLP模块。
2.根据权利要求1所述的一种保险场景智能推荐续保系统,其特征在于:所述计算机终端模块的输出端与显示器模块的输入端为单向电连接,所述计算机终端与录音导入模块互为双向电连接,所述录音导入模块的输出端与音频输出模块的输入端为单向电连接,所述音频输出模块的输出端与ASR模块的输入端为单向电连接,所述ASR模块的输出端与NLP模块的输入端为单向电连接,所述NLP模块的输出端与显示器模块的输入端为单向电连接。
3.根据权利要求1所述的一种保险场景智能推荐续保系统,其特征在于:所述NLP模块包含BERT模块和Transformer模块,所述BERT模块的输出端与Transformer模块的输入端为单向电连接。
4.根据权利要求1所述的一种保险场景智能推荐续保系统,其特征在于:所述ASR模块为Automatic Speech Recognition自动语音识别,所述NLP模块为Natural LanguageProcessing自然语言处理。
5.根据权利要求1所述的一种保险场景智能推荐续保系统,其特征在于:所述通过ASR模块引擎将某客户的历史对话录音转写成文本,其次通过NLP模块引擎理解对话的交互文本信息,通过交互的文本最终判断客户是否有意向进行续保,客服针对系统筛选出有意向续保的客户进行再次拨打电话咨询询问。
6.根据权利要求1所述的一种保险场景智能推荐续保系统,所述NLP模块设置有算法方案系统,具体执行算法步骤如下:
步骤一:进行开始指令;
步骤二:历史对话录音送入ASR引擎转写成文本;
步骤三:将每句话送入BERT模型获得每句话的句子向量;
步骤四:将所有的句子向量拼凑在一起,送入Transfromer模型,最后得到模型分类输出;
步骤五:进行是否续有意保判定,是则进行拨打客户电话询问,否则暂时不拨打电话询问。
7.根据权利要求1所述的一种保险场景智能推荐续保系统,其特征在于:所述BERT模块为双向编码表示网络,利用神经网络来实现句子向量的提取。
8.根据权利要求1所述的一种保险场景智能推荐续保系统,其特征在于:所述续保系统包括算法方案系统、句子向量模型实现方案系统和最终分类模型实现方案。
9.根据权利要求1所述的一种保险场景智能推荐续保系统,其特征在于:所述采用Transformer模块神经网络来实现最后的是否续保意向分类,第二步将对话中所有句向量,输入到Transformer神经网络中进行Encode特征提取,得到最终对话的总向量[1,768]维度,最后再加一层全连接网络,进行矩阵相乘运算[1,768]x[768,2]=[1,2]即可得到二分类的结果概率值:有意向or无意向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358209.7A CN112488750A (zh) | 2020-11-27 | 2020-11-27 | 一种保险场景智能推荐续保系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358209.7A CN112488750A (zh) | 2020-11-27 | 2020-11-27 | 一种保险场景智能推荐续保系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112488750A true CN112488750A (zh) | 2021-03-12 |
Family
ID=74936228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011358209.7A Pending CN112488750A (zh) | 2020-11-27 | 2020-11-27 | 一种保险场景智能推荐续保系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112488750A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107688967A (zh) * | 2017-08-24 | 2018-02-13 | 平安科技(深圳)有限公司 | 客户购买意向的预测方法及终端设备 |
CN108521525A (zh) * | 2018-04-03 | 2018-09-11 | 南京甄视智能科技有限公司 | 基于用户标签体系的智能机器人客服营销方法和系统 |
US20180308487A1 (en) * | 2017-04-21 | 2018-10-25 | Go-Vivace Inc. | Dialogue System Incorporating Unique Speech to Text Conversion Method for Meaningful Dialogue Response |
CN109587360A (zh) * | 2018-11-12 | 2019-04-05 | 平安科技(深圳)有限公司 | 电子装置、应对话术推荐方法和计算机可读存储介质 |
CN109639914A (zh) * | 2019-01-08 | 2019-04-16 | 深圳市沃特沃德股份有限公司 | 智能考评方法、系统及计算机可读存储介质 |
CN109727092A (zh) * | 2018-12-15 | 2019-05-07 | 深圳壹账通智能科技有限公司 | 基于ai的产品推荐方法、装置、计算机设备及存储介质 |
KR20190117840A (ko) * | 2018-03-27 | 2019-10-17 | 주식회사 머니브레인 | 대화 이해 ai 시스템에 의한 고객 상담의 제공 중에 사람 상담 직원으로 하여금 해당 고객을 위한 이후 상담을 진행하도록 전환하는 방법 및 컴퓨터 판독가능 기록 매체 |
CN110516049A (zh) * | 2019-07-08 | 2019-11-29 | 中国平安人寿保险股份有限公司 | 服务生成方法、服务生成装置、计算机设备及计算机可读存储介质 |
CN110990545A (zh) * | 2019-11-28 | 2020-04-10 | 重庆锐云科技有限公司 | 一种人工智能电话拓客营销管理系统、方法 |
KR20200092499A (ko) * | 2019-01-11 | 2020-08-04 | 주식회사 하나은행 | 대화형 인공지능 기술을 이용한 상담 지원 방법 및 그 장치 |
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 |
CN111597818A (zh) * | 2020-04-09 | 2020-08-28 | 深圳追一科技有限公司 | 呼叫质检方法、装置、计算机设备和计算机可读存储介质 |
CN111814489A (zh) * | 2020-07-23 | 2020-10-23 | 苏州思必驰信息科技有限公司 | 口语语义理解方法及系统 |
CN111914075A (zh) * | 2020-08-06 | 2020-11-10 | 平安科技(深圳)有限公司 | 基于深度学习的客户标签确定方法、装置、设备及介质 |
CN111916071A (zh) * | 2020-06-16 | 2020-11-10 | 深圳追一科技有限公司 | 通话呼叫方法、装置、计算机设备和存储介质 |
-
2020
- 2020-11-27 CN CN202011358209.7A patent/CN112488750A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180308487A1 (en) * | 2017-04-21 | 2018-10-25 | Go-Vivace Inc. | Dialogue System Incorporating Unique Speech to Text Conversion Method for Meaningful Dialogue Response |
CN107688967A (zh) * | 2017-08-24 | 2018-02-13 | 平安科技(深圳)有限公司 | 客户购买意向的预测方法及终端设备 |
KR20190117840A (ko) * | 2018-03-27 | 2019-10-17 | 주식회사 머니브레인 | 대화 이해 ai 시스템에 의한 고객 상담의 제공 중에 사람 상담 직원으로 하여금 해당 고객을 위한 이후 상담을 진행하도록 전환하는 방법 및 컴퓨터 판독가능 기록 매체 |
CN108521525A (zh) * | 2018-04-03 | 2018-09-11 | 南京甄视智能科技有限公司 | 基于用户标签体系的智能机器人客服营销方法和系统 |
CN109587360A (zh) * | 2018-11-12 | 2019-04-05 | 平安科技(深圳)有限公司 | 电子装置、应对话术推荐方法和计算机可读存储介质 |
CN109727092A (zh) * | 2018-12-15 | 2019-05-07 | 深圳壹账通智能科技有限公司 | 基于ai的产品推荐方法、装置、计算机设备及存储介质 |
CN109639914A (zh) * | 2019-01-08 | 2019-04-16 | 深圳市沃特沃德股份有限公司 | 智能考评方法、系统及计算机可读存储介质 |
KR20200092499A (ko) * | 2019-01-11 | 2020-08-04 | 주식회사 하나은행 | 대화형 인공지능 기술을 이용한 상담 지원 방법 및 그 장치 |
CN110516049A (zh) * | 2019-07-08 | 2019-11-29 | 中国平安人寿保险股份有限公司 | 服务生成方法、服务生成装置、计算机设备及计算机可读存储介质 |
CN110990545A (zh) * | 2019-11-28 | 2020-04-10 | 重庆锐云科技有限公司 | 一种人工智能电话拓客营销管理系统、方法 |
CN111597818A (zh) * | 2020-04-09 | 2020-08-28 | 深圳追一科技有限公司 | 呼叫质检方法、装置、计算机设备和计算机可读存储介质 |
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 |
CN111916071A (zh) * | 2020-06-16 | 2020-11-10 | 深圳追一科技有限公司 | 通话呼叫方法、装置、计算机设备和存储介质 |
CN111814489A (zh) * | 2020-07-23 | 2020-10-23 | 苏州思必驰信息科技有限公司 | 口语语义理解方法及系统 |
CN111914075A (zh) * | 2020-08-06 | 2020-11-10 | 平安科技(深圳)有限公司 | 基于深度学习的客户标签确定方法、装置、设备及介质 |
Non-Patent Citations (1)
Title |
---|
YANGDELONG: "BERT详解", pages 166 - 171, Retrieved from the Internet <URL:https://blog.csdn.net/yangdelong/article/details/85070608> * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110769124B (zh) | 电力营销客户沟通系统 | |
CN111026843B (zh) | 一种人工智能语音外呼方法、系统及存储介质 | |
CN101010934B (zh) | 用于机器学习的方法 | |
CN111488433A (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 | |
CN201504266U (zh) | 一种基于电话银行的用户语音处理系统 | |
CN108418744A (zh) | 一种用于提升电力服务质量的电子坐席系统 | |
CN105100360A (zh) | 用于语音通话的通话辅助方法和装置 | |
CN103458056A (zh) | 自动外呼系统基于自动分类技术的语音意图判定方法 | |
CN112885348A (zh) | 结合ai智能语音电销方法 | |
CN109005190B (zh) | 一种在网页上实现全双工语音对话和页面控制的方法 | |
CN101334999A (zh) | 中文语音识别系统及其语音识别方法 | |
CN116229977A (zh) | 基于虚拟数字人实现智能化实时交互问答的系统及其处理方法 | |
CN110956472A (zh) | 一种人机耦合智能客服平台的应用方法 | |
CN114398512A (zh) | 一种基于大数据的通信运营商行业客户语音画像分析方法 | |
CN112954102A (zh) | 一种智能催收机器人系统、方法、设备及存储介质 | |
CN115643341A (zh) | 人工智能客服应答系统 | |
CN101867742A (zh) | 一种基于声控控制下的电视系统 | |
CN103187062A (zh) | 一种车载数据处理装置及预订服务数据处理系统 | |
CN112488750A (zh) | 一种保险场景智能推荐续保系统 | |
CN110728145B (zh) | 一种基于录音对话的自然语言理解模型的建立方法 | |
CN116340482A (zh) | 基于企业微信结合nlp引擎的多技能客服辅助产品 | |
CN116129903A (zh) | 一种通话音频处理方法及装置 | |
CN115691500A (zh) | 一种基于时延神经网络的电力客服语音识别方法及装置 | |
CN113645364B (zh) | 面向电力调度的智能语音外呼方法 | |
CN112133306B (zh) | 一种基于快递用户的应答方法、装置和计算机设备 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210312 |