CN112583984A - 基于语音交互的坐席分配方法、装置、系统、设备及介质 - Google Patents
基于语音交互的坐席分配方法、装置、系统、设备及介质 Download PDFInfo
- Publication number
- CN112583984A CN112583984A CN202011462036.3A CN202011462036A CN112583984A CN 112583984 A CN112583984 A CN 112583984A CN 202011462036 A CN202011462036 A CN 202011462036A CN 112583984 A CN112583984 A CN 112583984A
- Authority
- CN
- China
- Prior art keywords
- user
- switching
- module
- text data
- call
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012546 transfer Methods 0.000 claims description 60
- 230000002452 interceptive effect Effects 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 28
- 238000000605 extraction Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 239000010970 precious metal Substances 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 3
- 239000000725 suspension Substances 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 10
- 239000003795 chemical substances by application Substances 0.000 description 75
- 238000010586 diagram Methods 0.000 description 6
- 238000013518 transcription Methods 0.000 description 5
- 230000035897 transcription Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000009747 swallowing Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000167880 Hirundinidae Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5166—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing in combination with interactive voice response systems or voice portals, e.g. as front-ends
-
- 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
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
-
- 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
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- 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
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1822—Parsing for meaning understanding
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- 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
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
- H04M3/5232—Call distribution algorithms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Marketing (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例公开了一种基于语音交互的坐席分配方法、装置、系统、设备及介质。该方法包括:获取用户在语音交互系统中的通话数据;其中,通话数据为用户针对需求问题采用自然语言表述的语音流;通过预先训练的语义识别模型,从通话数据中提取用户转接坐席的转接原因;根据转接原因确定对应的转接技能,并根据转接技能将用户的来电挂起分派至与转接技能匹配的技能队列中;根据技能队列对用户的来电进行坐席分配。该方法可以智能提取转接原因,避免用户自主选择转接原因不准确、不精细,并且可以精准确定转接技能并进行排队,避免转接原因错误时用户需要重新排队,等待时间长,还可以减少沟通成本,提高工作效率。
Description
技术领域
本发明实施例涉及人工智能信息处理技术领域,尤其涉及一种基于语音交互的坐席分配方法、装置、系统、设备及介质。
背景技术
在传统的自助语音交互系统(Interactive Voice Response,IVR)应用中,用户选择转人工服务时需要通过按键选择需求对应的人工转接分类。例如,在金融领域的电话咨询中,用户会接听到“挂失请按1,电子银行请按2,业务咨询请按3,账户交易请按4,投诉与建议请按5,结束请挂机”。IVR根据用户选择的人工转接分类匹配对应的在线坐席解决用户的需求问题。
但是,传统的IVR应用中,通过按键承载的人工转接分类有限,无法精细化匹配人工转接分类。通过用户的选择确定的人工转接分类易出现错误,需要在线坐席进一步转接,用户等待时长长。此外,转接坐席后通常需要用户再次描述自身需求,致使坐席与用户沟通成本高,工作效率低。
发明内容
本发明实施例提供了一种基于语音交互的坐席分配方法、装置、系统、设备及介质,可以智能提取转接原因、精细化转接原因、准确确定转接技能并排队、减少沟通成本以及提高效率。
第一方面,本发明实施例提供了一种基于语音交互的坐席分配方法,该方法包括:
获取用户在语音交互系统中的通话数据;其中,所述通话数据为用户针对需求问题采用自然语言表述的语音流;
通过预先训练的语义识别模型,从所述通话数据中提取用户转接坐席的转接原因;
根据所述转接原因确定对应的转接技能,并根据所述转接技能将用户的来电挂起分派至与所述转接技能匹配的技能队列中;
根据所述技能队列对用户的来电进行坐席分配。
可选的,所述语义识别模型为根据语音交互系统中的坐席与用户之间的通话数据进行深度神经网络学习,建立特征工程提取用户转接坐席时的转接原因特征训练得到的。
可选的,通过预先训练的语义识别模型,从所述通话数据中提取用户转接坐席的转接原因,包括:
将所述通话数据转写为文本数据;
通过预先训练的语义识别模型,从所述文本数据中提取用户转接坐席的转接原因。
可选的,所述转接原因和与所述转接原因对应的转接技能所匹配的技能队列之间满足一一对应关系。
可选的,根据所述技能队列对用户的来电进行坐席分配,包括:
获取坐席对所述技能队列中来电的处理情况,并根据处理情况将所述技能队列中的来电分配至目标坐席;
将所述文本数据传输至所述目标坐席,以使所述目标坐席通过知识库中与所述文本数据对应的解决方案对用户来电进行处理。
可选的,该方法,还包括:
将用户在语音交互系统中的全部交互数据转写为交互文本数据,并将所述交互文本数据传输至所述目标坐席。
可选的,根据所述转接技能将用户的来电挂起分派至与所述转接技能匹配的技能队列中,包括:
按照先进先出以及重复来电优先进线的原则,根据所述转接技能将用户的来电挂起分派至与所述转接技能匹配的技能队列中。
可选的,所述转接原因包括下述至少一项:
对公业务、对公电子银行、投资理财、重要客户服务及非金融业务、投诉建议、账户商品及贵金属、外汇及境外业务、对公国际业务、结算通、业务咨询、额度问题、账务问题、开卡和密码问题、卡片申办问题以及不能刷卡。
第二方面,本发明实施例还提供了一种基于语音交互的坐席分配装置,该装置包括:
通话数据获取模块,用于获取用户在语音交互系统中的通话数据;其中,所述通话数据为用户针对需求问题采用自然语言表述的语音流;
转接原因提取模块,用于通过预先训练的语义识别模型,从所述通话数据中提取用户转接坐席的转接原因;
技能队列匹配模块,用于根据所述转接原因确定对应的转接技能,并根据所述转接技能将用户的来电挂起分派至与所述转接技能匹配的技能队列中;
坐席分配模块,用于根据所述技能队列对用户的来电进行坐席分配。
可选的,转接原因提取模块,包括:
文本数据转写单元,用于将所述通话数据转写为文本数据;
转接原因提取单元,用于通过预先训练的语义识别模型,从所述文本数据中提取用户转接坐席的转接原因。
可选的,坐席分配模块,包括:
目标坐席分配单元,用于获取坐席对所述技能队列中来电的处理情况,并根据处理情况将所述技能队列中的来电分配至目标坐席;
文本数据传输单元,用于将所述文本数据传输至所述目标坐席,以使所述目标坐席通过知识库中与所述文本数据对应的解决方案对用户来电进行处理。
可选的,该装置,还包括:
交互文本数据传输模块,用于将用户在语音交互系统中的全部交互数据转写为交互文本数据,并将所述交互文本数据传输至所述目标坐席。
第三方面,本发明实施例还提供了一种基于语音交互的坐席分配系统,该系统包括:自助语音交互系统IVR集群、语音合成TTS模块、语音识别ASR模块、对话控制管理DCM模块、语义识别模型以及计算机电话集成CTI路由排队转接模块;
其中,所述IVR集群,用于接起用户的进线电话,并请求所述DCM模块发起会话请求;
所述DCM模块,用于根据所述IVR集群的请求反馈语音识别指令;
所述IVR集群,又用于解析所述语音识别指令并通过所述TTS模块将解析后的语音识别指令合成语音播报至用户,以及将用户的通话数据通过所述ASR模块转写为文本数据后发送至所述DCM模块;
所述DCM模块,又用于根据接收的文本数据,通过所述语义识别模型提取用户转接坐席的转接原因,并将所述文本数据以及转接原因反馈至所述IVR集群,以向所述IVR集群发送转人工指令;
所述IVR集群,又用于根据所述转人工指令将用户的进线电话转移至所述CTI路由排队转接模块;
所述CTI路由排队转接模块,用于根据所述转接原因将用户的进线电话转至与转接原因对应的转接技能匹配的技能队列中,以对用户的进线电话进行坐席分配。
第四方面,本发明实施例还提供了一种电子设备,该设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例所述的一种基于语音交互的坐席分配方法。
第五方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所述的一种基于语音交互的坐席分配方法。
本发明实施例的技术方案,通过获取用户在语音交互系统中的通话数据;其中,通话数据为用户针对需求问题采用自然语言表述的语音流;通过预先训练的语义识别模型,从通话数据中提取用户转接坐席的转接原因;根据转接原因确定对应的转接技能,并根据转接技能将用户的来电挂起分派至与转接技能匹配的技能队列中;根据技能队列对用户的来电进行坐席分配,解决了用户来电时的坐席分配问题,实现了智能提取转接原因,避免用户自主选择转接原因不准确、不精细,并且可以精准确定转接技能并进行排队,避免转接原因错误时用户需要重新排队,等待时间长,还可以减少沟通成本,提高工作效率的效果。
附图说明
图1是本发明实施例一提供的一种基于语音交互的坐席分配方法的流程图;
图2是本发明实施例二提供的一种基于语音交互的坐席分配方法的流程图;
图3是本发明实施例三提供的一种基于语音交互的坐席分配装置的结构示意图;
图4是本发明实施例四提供的一种基于语音交互的坐席分配系统的结构示意图;
图5是本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种基于语音交互的坐席分配方法的流程图,本实施例可适用于用户来电进行人工转接分配坐席的情况,该方法可以由基于语音交互的坐席分配装置来执行,该装置可以通过软件,和/或硬件的方式实现,装置可以集成在处理器中,如图1所示,该方法具体包括:
步骤110、获取用户在语音交互系统中的通话数据。
其中,用户可以通过拨打运营商电话与语音交互系统进行语音通信。例如,用户在咨询金融相关问题时,可以拨打95533通过MT64&SS网关的协议与语音交互系统进行语音通信。
语音交互系统可以是用于实现用户在转人工之前的语音交互以及用户在转人工之后与坐席之间的语音交互的系统。例如,语音交互系统可以是电话银行提供的通过语音提示用户按键确定转人工类型并连接坐席解决用户需求的系统。在本实施例中,语音交互系统可以是通过智能助手与用户进行转人工之前的语音交互,确定语音交互中用户转人工原因,并根据转人工原因确定坐席,进而实现用户与坐席之间的语音交互的系统。
通话数据为用户针对需求问题采用自然语言表述的语音流。通话数据可以是用户针对目前自身遇到的问题确定需求问题,用自然语音表述的声音。例如,用户在语音交互系统中说出的“我的银行卡被ATM机吞卡了”。获取通话数据的可以是实时在语音销户系统中对用户的声音进行采集并存储。例如,通过麦克风采集用户的声音,作为通话数据并在存储器中进行存储,以便于对通话数据进行处理。
步骤120、通过预先训练的语义识别模型,从通话数据中提取用户转接坐席的转接原因。
在本发明实施例的一个实施方式中,可选的,语义识别模型为根据语音交互系统中的坐席与用户之间的通话数据进行深度神经网络学习,建立特征工程提取用户转接坐席时的转接原因特征训练得到的。
其中,语义识别模型的训练过程可以是根据坐席与用户之间的通话数据进行无标注语料预先训练语义模型。再结合少量的标注语料对预先训练得到的语义模型进行微调,得到语义识别模型。训练语义识别模型时可以是对通话数据进行逐层的特征加工,提取用户转接坐席时的转接原因特征。
为了实现转接原因提取的准确性,在本发明实施例的一个实施方式中,可选的,通过预先训练的语义识别模型,从通话数据中提取用户转接坐席的转接原因,包括:将通话数据转写为文本数据;通过预先训练的语义识别模型,从文本数据中提取用户转接坐席的转接原因。
其中,在本实施例的一个具体实施方式中,可以先将通话数据转写为文本数据。例如,可以通过语音识别模块(Automatic Speech Recognition,ASR)将语音流识别为文本。获取到通话数据的文本数据后,可以将文本数据输入至预先训练的语义识别模型中。相应的,语义识别模型是根据文本数据进行训练的,可以避免根据语音流进行训练时,由于语音流中存在的杂音等情况导致语义识别模型训练的不准确。语义识别模型可以对输入的文本数据进行转接原因提取,。例如,语义识别模块针对文本数据“我的银行卡被ATM机吞卡了”可以提取“ATM吞卡”的转接原因“业务咨询”。
在本发明实施例的一个具体实施方式中,为了提高坐席分配时,处理器的处理速度,对于转接原因可以采用语义ID进行表示。例如,对于转接原因“业务咨询”的语义ID可以是308。相应的,语义识别模型可以是根据文本数据确定转接原因的语义ID,可以减少在语音交互系统中的传输数据,提高传输速度以及坐席分配速度。
在本发明实施例的一个实施方式中,可选的,转接原因包括下述至少一项:对公业务、对公电子银行、投资理财、重要客户服务及非金融业务、投诉建议、账户商品及贵金属、外汇及境外业务、对公国际业务、结算通、业务咨询、额度问题、账务问题、开卡和密码问题、卡片申办问题以及不能刷卡。
本实施例的技术方案可以将转接原因进行细化,无需用户通过按键选择固定且局限性的转接原因大类,例如现有技术中的“挂失、电子银行、业务咨询、账户交易或者投诉与建议”。并且依据本实施例的方案,可以对转接原因进行进一步的扩展,做到“致广大而尽精微”的精细化管理,便于用户精准直达所需,提升用户体验。
步骤130、根据转接原因确定对应的转接技能,并根据转接技能将用户的来电挂起分派至与转接技能匹配的技能队列中。
其中,转接原因与转接技能之间可以是一一对应的关系,或者,可以是多对一的关系,或者,可以是一对多的关系。转接原因与转接技能可以是相同的或者不同的。
示例性的,转接原因跟转接技能是一一对应的,可以根据转接原因确定唯一的转接技能,根据转接技能确定唯一的转接原因。便于根据转接原因确定技能队列,便于对用户的来电进行需求分类,从而便于坐席精准处理用户来电反映的问题。
在本发明实施例的一个可选实施方式中,转接原因和与转接原因对应的转接技能所匹配的技能队列之间满足一一对应关系。可以根据转接原因确定唯一的技能队列。便于对用户来电的先后顺序进行准确的排序,可以避免针对一个转接原因存在多个技能队列时,由于实际中各技能队列中任务处理的快慢情况导致用户排队时的现有顺序难以保障,存在不公平的现象。
步骤140、根据技能队列对用户的来电进行坐席分配。
其中,坐席可以是用户来电转接人工服务时,对用户来电进行处理的人工服务人员。技能队列与坐席之间可以是一对多的关系,或者多对多的关系。可以提高用户需求的处理速度,对于存在多项处理技能的坐席可以处理多个技能队列的用户来电。具体的,坐席分配可以是通过计算机电话集成模块(Computer Telecommunication Integration,CTI)实现的。坐席可以登录CTI路由排队转接模块,CTI路由排队转接模块可以根据坐席的登录情况以及坐席与技能队列的对应关系将技能队列中的用户来电分配至对应的坐席。
本实施例的技术方案,通过获取用户在语音交互系统中的通话数据;其中,通话数据为用户针对需求问题采用自然语言表述的语音流;通过预先训练的语义识别模型,从通话数据中提取用户转接坐席的转接原因;根据转接原因确定对应的转接技能,并根据转接技能将用户的来电挂起分派至与转接技能匹配的技能队列中;根据技能队列对用户的来电进行坐席分配,解决了用户来电时的坐席分配问题,实现了智能提取转接原因,避免用户自主选择转接原因不准确、不精细,并且可以精准确定转接技能并进行排队,避免转接原因错误时用户需要重新排队,等待时间长,还可以减少沟通成本,提高工作效率的效果。
实施例二
图2是本发明实施例二提供的一种基于语音交互的坐席分配方法的流程图。本实施例是对上述技术方案的进一步细化,本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图2所示,该方法包括:
步骤210、获取用户在语音交互系统中的通话数据。
其中,通话数据为用户针对需求问题采用自然语言表述的语音流。
步骤220、将通话数据转写为文本数据。
步骤230、通过预先训练的语义识别模型,从文本数据中提取用户转接坐席的转接原因。
其中,语义识别模型为根据语音交互系统中的坐席与用户之间的通话数据进行深度神经网络学习,建立特征工程提取用户转接坐席时的转接原因特征训练得到的。
转接原因包括下述至少一项:对公业务、对公电子银行、投资理财、重要客户服务及非金融业务、投诉建议、账户商品及贵金属、外汇及境外业务、对公国际业务、结算通、业务咨询、额度问题、账务问题、开卡和密码问题、卡片申办问题以及不能刷卡。
步骤240、根据转接原因确定对应的转接技能,并按照先进先出以及重复来电优先进线的原则,根据转接技能将用户的来电挂起分派至与转接技能匹配的技能队列中。
其中,转接原因和与转接原因对应的转接技能所匹配的技能队列之间满足一一对应关系。可以根据转接原因以及对应的转接技能,将用户的来电分配至唯一对应的技能队列中,并可以保证技能队列中的用户来电严格满足按照先后顺序排列,保证用户的公平性。在对用户来电进行处理时,可以从与转接原因对应的唯一技能队列中按照先进先出的原则确定用户来电的处理顺序,可以保证用户的公平性。
为了提升用户的满意度,及时解决用户的问题,对于重复来电可以优先进线分配坐席。在本实施例中,可以在技能队列中排队时,按照先进先出以及重复来电优先进线的原则对用户来电进行排队;在分配坐席时可以按照技能队列中的顺序对用户来电进行处理。
步骤250、获取坐席对技能队列中来电的处理情况,并根据处理情况将技能队列中的来电分配至目标坐席。
其中,技能队列中的用户来电进行排队时,可以记录用户的进线号码以及转接原因等参数数据。可以通过获取坐席对用户来电处理的完成指示确定当前来电的处理情况。处理情况可以包括:处理中以及处理完毕等。当当前坐席对来电的处理情况为处理完毕时,可以将根据技能队列与当前坐席的对应关系,将当前坐席确定为目标坐席,将技能队列中的来电分配至目标坐席。
步骤260、将文本数据传输至目标坐席,以使目标坐席通过知识库中与文本数据对应的解决方案对用户来电进行处理。
其中,技能队列中的用户来电进行排队时,还可以记录用户需求的描述信息。文本数据可以作为对用户需求的描述信息,传递至目标坐席。目标坐席可以通过对文本数据的及时快速阅读,了解用户的具体需求。知识库可以是记录用户需求问题以及对应的解决方案的数据库。目标坐席可以根据文本数据确定用户需求问题,并在知识库获取解决方案,将解决方案转述给用户。本实施例的技术方案可以同步调用知识库,精准高效处理客户诉求,提高坐席处理效率以及用户满意度。
步骤270、将用户在语音交互系统中的全部交互数据转写为交互文本数据,并将交互文本数据传输至目标坐席。
其中,技能队列中的用户来电进行排队时,还可以记录用户与语音交互系统中全部交互数据相关的内容。在本实施例中,采用将全部交互数据转写为交互文本数据,将交互文本数据传输至目标坐席的方式。可以避免直接将交互时的语音流传输至目标坐席导致目标坐席无法从用户当前来电以及接收到的语音流准确获取用户需求的情况,可以便于目标坐席快速对交互文本数据进行浏览,确定用户需求,而无需用户再将自身的需求进行表述,可以减少用户操作,提高沟通效率,提升用户体验。全部交互数据转写为交互文本数据可以是通过ASR模块实现的。
本实施例的技术方案,通过获取用户在语音交互系统中的通话数据;将通话数据转写为文本数据;通过预先训练的语义识别模型,从文本数据中提取用户转接坐席的转接原因;根据转接原因确定对应的转接技能,并按照先进先出以及重复来电优先进线的原则,根据转接技能将用户的来电挂起分派至与转接技能匹配的技能队列中;获取坐席对技能队列中来电的处理情况,并根据处理情况将技能队列中的来电分配至目标坐席;将文本数据传输至目标坐席,以使目标坐席通过知识库中与文本数据对应的解决方案对用户来电进行处理;将用户在语音交互系统中的全部交互数据转写为交互文本数据,并将交互文本数据传输至目标坐席,解决了用户来电时的坐席分配问题,实现了通过智能语音交互模式提取转接原因,精准识别用户表达的业务意图,并直接路由至对应的技能队列,打破原有流程按键数量、播报时长的束缚,将原有的5类95533转人工原有进行细化,可以根据需求进行任意扩展,做到“致广大而尽精微”,同时可以避免转接原因错误时用户需要重新排队,等待时间长,提高精准直达能力,还可以减少沟通成本,提高工作效率的效果。
实施例三
图3是本发明实施例三提供的一种基于语音交互的坐席分配装置的结构示意图。结合图3,该装置包括:通话数据获取模块310,转接原因提取模块320,技能队列匹配模块330和坐席分配模块340。
通话数据获取模块310,用于获取用户在语音交互系统中的通话数据;其中,通话数据为用户针对需求问题采用自然语言表述的语音流;
转接原因提取模块320,用于通过预先训练的语义识别模型,从通话数据中提取用户转接坐席的转接原因;
技能队列匹配模块330,用于根据转接原因确定对应的转接技能,并根据转接技能将用户的来电挂起分派至与转接技能匹配的技能队列中;
坐席分配模块340,用于根据技能队列对用户的来电进行坐席分配。
可选的,语义识别模型为根据语音交互系统中的坐席与用户之间的通话数据进行深度神经网络学习,建立特征工程提取用户转接坐席时的转接原因特征训练得到的。
可选的,转接原因提取模块320,包括:
文本数据转写单元,用于将通话数据转写为文本数据;
转接原因提取单元,用于通过预先训练的语义识别模型,从文本数据中提取用户转接坐席的转接原因。
可选的,转接原因和与转接原因对应的转接技能所匹配的技能队列之间满足一一对应关系。
可选的,坐席分配模块340,包括:
目标坐席分配单元,用于获取坐席对技能队列中来电的处理情况,并根据处理情况将技能队列中的来电分配至目标坐席;
文本数据传输单元,用于将文本数据传输至目标坐席,以使目标坐席通过知识库中与文本数据对应的解决方案对用户来电进行处理。
可选的,该装置,还包括:
交互文本数据传输模块,用于将用户在语音交互系统中的全部交互数据转写为交互文本数据,并将交互文本数据传输至目标坐席。
可选的,技能队列匹配模块330,包括:
按照先进先出以及重复来电优先进线的原则,根据转接技能将用户的来电挂起分派至与转接技能匹配的技能队列中。
可选的,转接原因包括下述至少一项:
对公业务、对公电子银行、投资理财、重要客户服务及非金融业务、投诉建议、账户商品及贵金属、外汇及境外业务、对公国际业务、结算通、业务咨询、额度问题、账务问题、开卡和密码问题、卡片申办问题以及不能刷卡。
本发明实施例所提供的基于语音交互的坐席分配装置可执行本发明任意实施例所提供的基于语音交互的坐席分配方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四提供的一种基于语音交互的坐席分配系统的结构示意图。如图4所示,该系统包括:自助语音交互系统(Interactive Voice Response,IVR)集群410、语音合成(Text To Speech,TTS)模块420、ASR模块430、对话控制管理(Dialogue ControlManager,DCM)模块440、语义识别模型450以及CTI路由排队转接模块460。
其中,IVR集群410,用于接起用户的进线电话,并请求DCM模块440发起会话请求。示例性的,如图4所示,用户可以拔打运营商电话95533通过协议转换接入IVR集群410。IVR集群410可以通过DCM模块440发起会话请求。
DCM模块440可以根据会话请求,将播报欢迎语以及语音识别指令反馈至IVR集群410。同时,IVR集群410,又用于解析语音识别指令并通过TTS模块420将解析后的语音识别指令合成语音播报至用户。
示例性的,IVR集群410接收到DCM440反馈的数据如文本形式的数据后,可以将文本形式的数据通过TTS模块420转换为语音形式的数据,IVR集群410可以播报“欢迎您致电95533,请描述您遇到的问题”。
IVR集群410可以将用户的通话数据通过ASR模块430转写为文本数据后发送至DCM模块440。示例性的,IVR集群410可以通过ASR模块430将用户描述的问题时的语音流转换为文本数据如“我的银行卡被ATM机吞了”。
DCM模块440,又用于根据接收的文本数据,通过语义识别模型450提取用户转接坐席的转接原因,并将文本数据以及转接原因反馈至IVR集群410,以向IVR集群410发送转人工指令。
示例性的,语义识别模型450针对文本数据“我的银行卡被ATM机吞了”可以确定“ATM吞卡”的转接原因为“业务咨询”,语义ID为308,转接描述为“我的银行卡被ATM机吞了”。
IVR集群410,又用于根据转人工指令将用户的进线电话转移至CTI路由排队转接模块460。其中,在IVR集群410将进线电话转移至CTI路由排队转接模块460时,可以将进线号码、转接原因、转接描述以及用户的全部语音交互的文本数据一起通过随路数据传递至CTI路由排队转接模块460。
CTI路由排队转接模块460,用于根据转接原因将用户的进线电话转至与转接原因对应的转接技能匹配的技能队列中,以对用户的进线电话进行坐席分配。
其中,技能队列与转接原因可以是一一对应的。队能队列中,用户的进线电话可以是按照先进先出以及重复来电优先进线的原则排序的。CTI路由排队转接模块460可以根据在线坐席预先分配的技能,按照技能队列中的顺序将用户来电以及对应的随路数据(进线号码、转接原因、转接描述以及用户的全部语音交互的文本数据)分配至对应的坐席进行处理。坐席可以调用知识库获取ATM吞卡的处理措施。
本实施例的技术方案,通过设计包括IVR集群、TTS模块、ASR模块、DCM模块、语义识别模型以及CTI路由排队转接模块的基于语音交互的坐席分配系统,并建立系统中各模块的数据传输与信息交互,解决了用户来电时的坐席分配问题,实现了智能提取转接原因,避免用户自主选择转接原因不准确、不精细,并且可以精准确定转接技能并进行排队,避免转接原因错误时用户需要重新排队,等待时间长,还可以减少沟通成本,提高工作效率的效果。
示例性的,在实际应用中,本申请提供的基于语音交互的坐席分配系统的使用方法步骤可以如下:
步骤510、IVR集群接起用户来电,发送会话请求至DCM模块,初始化会话。
步骤520、DCM模块发送语音播报识别指令至IVR集群,同时将播报语音文本通过prompt_text参数同步传递至IVR。
步骤530、IVR集群解析语音播报识别指令,获取prompt_text参数,将prompt_text参数发送至TTS模块,合成实时语音流播报给用户,同时启动与ASR模块的通讯,采集用户在播报过程中的语音“我的银行卡被ATM机吞了”。
步骤540、ASR模块将用户的语音流实时转写成文本ASR_Text存储在内存数据库,返回语义ID(ASR_Redis_id)至IVR集群。
步骤550、IVR集群将ASR_Redis_id作为转写结果发送至DCM模块,DCM模块根据ASR_Redis_id从共享内存数据库获取转写文本ASR_Text,调用深度学习语义引擎模块,获取“ATM吞卡”语义ID。
步骤560、DCM模块根据“ATM吞卡”语义ID,判断用户需要转接人工坐席。发送转人工指令同时将“Transfer_reason”和“Transfer_Desc”赋值,传会给IVR集群(Transfer_Reason赋值为308预定义的业务咨询枚举值)Transfer_Desc赋值为ASR_Text。
步骤570、IVR集群解析转人工指令、Transfer_Reason和Transfer_Desc参数,将当前通话转接至CTI路由排队转接模块。
步骤580、CTI路由排队转接模块根据Transfer_Reason,将用户来电转至业务咨询的技能队列排队。
步骤590、CTI路由排队转接模块遍历在线坐席状态,根据坐席预分配的技能将对应的技能队列作为消费者,从队列中接起用户来电。
步骤5100、坐席接起用户来电后,CTI路由排队转接模块同时将Transfer_Desc传递至坐席,坐席同步调用知识库获取用户问题的操作业务流程。
实施例五
图5是本发明实施例五提供的一种电子设备的结构示意图,如图5所示,该设备包括:
一个或多个处理器610,图5中以一个处理器610为例;
存储器620;
所述设备还可以包括:输入装置630和输出装置640。
所述设备中的处理器610、存储器620、输入装置630和输出装置640可以通过总线或者其他方式连接,图5中以通过总线连接为例。
存储器620作为一种非暂态计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种基于语音交互的坐席分配方法对应的程序指令/模块(例如,附图3所示的通话数据获取模块310,转接原因提取模块320,技能队列匹配模块330和坐席分配模块340)。处理器610通过运行存储在存储器620中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述方法实施例的一种基于语音交互的坐席分配方法,即:
获取用户在语音交互系统中的通话数据;其中,所述通话数据为用户针对需求问题采用自然语言表述的语音流;
通过预先训练的语义识别模型,从所述通话数据中提取用户转接坐席的转接原因;
根据所述转接原因确定对应的转接技能,并根据所述转接技能将用户的来电挂起分派至与所述转接技能匹配的技能队列中;
根据所述技能队列对用户的来电进行坐席分配。
存储器620可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器620可以包括高速随机存取存储器,还可以包括非暂态性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态性固态存储器件。在一些实施例中,存储器620可选包括相对于处理器610远程设置的存储器,这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置630可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置640可包括显示屏等显示设备。
实施例六
本发明实施例六提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例提供的一种基于语音交互的坐席分配方法:
获取用户在语音交互系统中的通话数据;其中,所述通话数据为用户针对需求问题采用自然语言表述的语音流;
通过预先训练的语义识别模型,从所述通话数据中提取用户转接坐席的转接原因;
根据所述转接原因确定对应的转接技能,并根据所述转接技能将用户的来电挂起分派至与所述转接技能匹配的技能队列中;
根据所述技能队列对用户的来电进行坐席分配。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机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、便携式计算机磁盘、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、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读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、电线、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或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种基于语音交互的坐席分配方法,其特征在于,包括:
获取用户在语音交互系统中的通话数据;其中,所述通话数据为用户针对需求问题采用自然语言表述的语音流;
通过预先训练的语义识别模型,从所述通话数据中提取用户转接坐席的转接原因;
根据所述转接原因确定对应的转接技能,并根据所述转接技能将用户的来电挂起分派至与所述转接技能匹配的技能队列中;
根据所述技能队列对用户的来电进行坐席分配。
2.根据权利要求1所述的方法,其特征在于,所述语义识别模型为根据语音交互系统中的坐席与用户之间的通话数据进行深度神经网络学习,建立特征工程提取用户转接坐席时的转接原因特征训练得到的。
3.根据权利要求1所述的方法,其特征在于,通过预先训练的语义识别模型,从所述通话数据中提取用户转接坐席的转接原因,包括:
将所述通话数据转写为文本数据;
通过预先训练的语义识别模型,从所述文本数据中提取用户转接坐席的转接原因。
4.根据权利要求1所述的方法,其特征在于,所述转接原因和与所述转接原因对应的转接技能所匹配的技能队列之间满足一一对应关系。
5.根据权利要求3所述的方法,其特征在于,根据所述技能队列对用户的来电进行坐席分配,包括:
获取坐席对所述技能队列中来电的处理情况,并根据处理情况将所述技能队列中的来电分配至目标坐席;
将所述文本数据传输至所述目标坐席,以使所述目标坐席通过知识库中与所述文本数据对应的解决方案对用户来电进行处理。
6.根据权利要求5所述的方法,其特征在于,还包括:
将用户在语音交互系统中的全部交互数据转写为交互文本数据,并将所述交互文本数据传输至所述目标坐席。
7.根据权利要求1所述的方法,其特征在于,根据所述转接技能将用户的来电挂起分派至与所述转接技能匹配的技能队列中,包括:
按照先进先出以及重复来电优先进线的原则,根据所述转接技能将用户的来电挂起分派至与所述转接技能匹配的技能队列中。
8.根据权利要求1所述的方法,其特征在于,所述转接原因包括下述至少一项:
对公业务、对公电子银行、投资理财、重要客户服务及非金融业务、投诉建议、账户商品及贵金属、外汇及境外业务、对公国际业务、结算通、业务咨询、额度问题、账务问题、开卡和密码问题、卡片申办问题以及不能刷卡。
9.一种基于语音交互的坐席分配装置,其特征在于,包括:
通话数据获取模块,用于获取用户在语音交互系统中的通话数据;其中,所述通话数据为用户针对需求问题采用自然语言表述的语音流;
转接原因提取模块,用于通过预先训练的语义识别模型,从所述通话数据中提取用户转接坐席的转接原因;
技能队列匹配模块,用于根据所述转接原因确定对应的转接技能,并根据所述转接技能将用户的来电挂起分派至与所述转接技能匹配的技能队列中;
坐席分配模块,用于根据所述技能队列对用户的来电进行坐席分配。
10.根据权利要求9所述的装置,其特征在于,转接原因提取模块,包括:
文本数据转写单元,用于将所述通话数据转写为文本数据;
转接原因提取单元,用于通过预先训练的语义识别模型,从所述文本数据中提取用户转接坐席的转接原因。
11.根据权利要求10所述的装置,其特征在于,坐席分配模块,包括:
目标坐席分配单元,用于获取坐席对所述技能队列中来电的处理情况,并根据处理情况将所述技能队列中的来电分配至目标坐席;
文本数据传输单元,用于将所述文本数据传输至所述目标坐席,以使所述目标坐席通过知识库中与所述文本数据对应的解决方案对用户来电进行处理。
12.根据权利要求11所述的装置,其特征在于,还包括:
交互文本数据传输模块,用于将用户在语音交互系统中的全部交互数据转写为交互文本数据,并将所述交互文本数据传输至所述目标坐席。
13.一种基于语音交互的坐席分配系统,其特征在于,包括:自助语音交互系统IVR集群、语音合成TTS模块、语音识别ASR模块、对话控制管理DCM模块、语义识别模型以及计算机电话集成CTI路由排队转接模块;
其中,所述IVR集群,用于接起用户的进线电话,并请求所述DCM模块发起会话请求;
所述DCM模块,用于根据所述IVR集群的请求反馈语音识别指令;
所述IVR集群,又用于解析所述语音识别指令并通过所述TTS模块将解析后的语音识别指令合成语音播报至用户,以及将用户的通话数据通过所述ASR模块转写为文本数据后发送至所述DCM模块;
所述DCM模块,又用于根据接收的文本数据,通过所述语义识别模型提取用户转接坐席的转接原因,并将所述文本数据以及转接原因反馈至所述IVR集群,以向所述IVR集群发送转人工指令;
所述IVR集群,又用于根据所述转人工指令将用户的进线电话转移至所述CTI路由排队转接模块;
所述CTI路由排队转接模块,用于根据所述转接原因将用户的进线电话转至与转接原因对应的转接技能匹配的技能队列中,以对用户的进线电话进行坐席分配。
14.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8任一项所述的一种基于语音交互的坐席分配方法。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8任一项所述的一种基于语音交互的坐席分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011462036.3A CN112583984A (zh) | 2020-12-11 | 2020-12-11 | 基于语音交互的坐席分配方法、装置、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011462036.3A CN112583984A (zh) | 2020-12-11 | 2020-12-11 | 基于语音交互的坐席分配方法、装置、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112583984A true CN112583984A (zh) | 2021-03-30 |
Family
ID=75132247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011462036.3A Pending CN112583984A (zh) | 2020-12-11 | 2020-12-11 | 基于语音交互的坐席分配方法、装置、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112583984A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116414955A (zh) * | 2022-12-26 | 2023-07-11 | 深度好奇(北京)科技有限公司 | 基于客户意向与意图的智能排队方法、装置、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104125354A (zh) * | 2014-06-27 | 2014-10-29 | 国家电网公司 | 一种基于来电需求的调控语音服务方法及其系统 |
CN111246031A (zh) * | 2020-02-27 | 2020-06-05 | 大连即时智能科技有限公司 | 人机协同的电话客服方法及系统 |
-
2020
- 2020-12-11 CN CN202011462036.3A patent/CN112583984A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104125354A (zh) * | 2014-06-27 | 2014-10-29 | 国家电网公司 | 一种基于来电需求的调控语音服务方法及其系统 |
CN111246031A (zh) * | 2020-02-27 | 2020-06-05 | 大连即时智能科技有限公司 | 人机协同的电话客服方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116414955A (zh) * | 2022-12-26 | 2023-07-11 | 深度好奇(北京)科技有限公司 | 基于客户意向与意图的智能排队方法、装置、设备及介质 |
CN116414955B (zh) * | 2022-12-26 | 2023-11-07 | 杭州数令集科技有限公司 | 基于客户意向与意图的智能排队方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10129394B2 (en) | Telephonic communication routing system based on customer satisfaction | |
US10194029B2 (en) | System and methods for analyzing online forum language | |
US8824659B2 (en) | System and method for speech-enabled call routing | |
US6823306B2 (en) | Methods and apparatus for generating, updating and distributing speech recognition models | |
US6915262B2 (en) | Methods and apparatus for performing speech recognition and using speech recognition results | |
CN105206272A (zh) | 语音传输控制方法及系统 | |
CN105206273B (zh) | 语音传输控制方法及系统 | |
CN111554280A (zh) | 对利用人工智能的翻译内容和口译专家的口译内容进行混合的实时口译服务系统 | |
US20050278177A1 (en) | Techniques for interaction with sound-enabled system or service | |
CN112583984A (zh) | 基于语音交互的坐席分配方法、装置、系统、设备及介质 | |
CN114500757A (zh) | 语音交互方法、装置、计算机设备及存储介质 | |
CN113783771A (zh) | 一种基于微信的ai虚拟人交互方法和系统 | |
JP2019144400A (ja) | 制御装置、制御方法及びコンピュータプログラム | |
CN112150694A (zh) | 一种智能语音电费催缴系统及方法 | |
US10984229B2 (en) | Interactive sign language response system and method | |
EP1643725A1 (en) | Method to manage media resources providing services to be used by an application requesting a particular set of services | |
CA2736274C (en) | Voice dialog system with reject avoidance process | |
CN111310949A (zh) | 智能硬件产品反馈用户体验的方法及反馈装置与服务平台 | |
CN113452853B (zh) | 语音交互方法及装置、电子设备、存储介质 | |
CN105118507B (zh) | 声控系统及其控制方法 | |
US20230379282A1 (en) | Transfer of ai-powered conversational messaging within a mobile application | |
CN115798479A (zh) | 确定会话信息的方法、装置、电子设备及存储介质 | |
CN115731937A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN114567700A (zh) | 交互方法、装置、电子设备及存储介质 | |
KR20210029636A (ko) | 인공지능을 통한 번역과 통역 전문가의 통역이 하이브리드된 실시간 통역 서비스시스템 |
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: 20210330 |