CN112711654B - 语音机器人的汉字解释话术生成方法、系统、设备及介质 - Google Patents
语音机器人的汉字解释话术生成方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN112711654B CN112711654B CN202011562928.0A CN202011562928A CN112711654B CN 112711654 B CN112711654 B CN 112711654B CN 202011562928 A CN202011562928 A CN 202011562928A CN 112711654 B CN112711654 B CN 112711654B
- Authority
- CN
- China
- Prior art keywords
- interpretation
- interpreted
- chinese character
- frequency
- chinese
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000004044 response Effects 0.000 claims abstract description 38
- 238000007619 statistical method Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000008451 emotion 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
- 238000013145 classification model Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Marketing (AREA)
- Signal Processing (AREA)
- Machine Translation (AREA)
Abstract
本发明提供了一种语音机器人的汉字解释话术生成方法、系统、设备及介质,所述方法包括步骤:利用语音机器人外呼商户,获取语音机器人的外呼音频数据对应的第一文本数据;获取商户的第一应答数据,对所述第一应答数据转换得到第二文本数据;基于第二文本数据中所有汉字的拼音在第一文本数据中匹配得到目标汉字,将所述目标汉字作为待解释汉字;基于分类库,判断待解释汉字为高频字或者低频字;若所述待解释汉字为高频字,则依据第一解释策略获取解释文本;若待解释汉字为低频字,则依据第二解释策略获取解释文本;依据所述解释文本和预设话术生成模板,生成应答话术,并依据所述应答话术应答商户;本申请消除了人机对话过程中产生的歧义。
Description
技术领域
本发明涉及计算机自然语言处理技术领域,具体地说,涉及一种语音机器人的汉字解释话术生成方法、系统、设备及介质。
背景技术
在OTA(Online Travel Agency,在线旅行代理)行业中,客户通过OTA平台在线预订酒店等商户,然后在线生成一个订单。在确定客户退宿前,也即该订单结束之前,该订单一直存在于OTA平台的内部系统中,占用着服务器的计算资源。所以,在客户订单信息中的预计离店日期之后,OTA平台需要及时跟酒店等商户确定该客户是否离店退宿,若是则结算费用,结束该订单,以节省服务器的计算资源。
OTA平台此时一般利用语音机器人对接酒店或旅行社等商户。语音对话机器人不同于纯文本的对话机器人,存在同音不同字的自然语言语音歧义问题。特别是在OTA行业中的任务型多轮语音机器人场景下,更多是“听-找”问题,即机器人播报客人即客户的姓名等信息,商户根据所听到的内容查找相关订单。当商户不能清晰的理解机器人播报中的某个汉字,可能会导致对话流程无法继续。
发明内容
针对现有技术中的问题,本发明的目的在于提供一种语音机器人的汉字解释话术生成方法、系统、设备及介质,解决人机对话中的语音歧义问题。
为实现上述目的,本发明提供了一种语音机器人的汉字解释话术生成方法,用于在语音机器人和商户对话时,对商户进行应答,包括以下步骤:
利用语音机器人外呼商户,获取语音机器人的外呼音频数据对应的第一文本数据;
获取商户的第一应答数据,对所述第一应答数据转换得到第二文本数据;
基于所述第二文本数据中所有汉字的拼音在所述第一文本数据中匹配得到目标汉字,将所述目标汉字作为待解释汉字;
基于分类库,判断所述待解释汉字为高频字或者低频字;所述分类库用于表征汉字为高频字或者低频字,且所述分类库经由对所有历史订单数据统计分析得到;
若所述待解释汉字为高频字,则依据第一解释策略获取解释文本;所述第一解释策略以组词形式进行解释;
若所述待解释汉字为低频字,则依据第二解释策略获取解释文本;所述第二解释策略以基于所述待解释汉字的结构进行解释;
依据所述解释文本和预设话术生成模板,生成应答话术,并依据所述应答话术应答商户。
可选地,所述第一解释策略为基于搜索引擎获取包含所述待解释汉字的所有组词;获取所述所有组词在预设数据集中的词频,获得词频最大的N个组词,将所述N个组词作为解释文本;N为预设整数。
可选地,所述第二解释策略为将所述待解释汉字拆解为部首和分部,将拆解得到的部首和分部作为解释文本。
可选地,所述分类库经由对所有历史订单数据统计分析得到,包括:
获取订单系统中所有历史订单数据的预设字段对应的第一字段值;
统计所述第一字段值中所有汉字的字频,并根据第一预设阈值和所述字频对第一字段值中的汉字进行分类,获得分类库;其中,当汉字的字频大于所述第一预设阈值,确定所述汉字为高频字;否则确定所述汉字为低频字。
可选地,在所述基于分类库,判断所述待解释汉字为高频字或者低频字的步骤之前,所述方法还包括步骤:
判断预设数据库中是否存在所述待解释汉字,若存在则获取与所述待解释汉字对应的解释文本;若否则执行所述步骤:基于分类库,判断所述待解释汉字为高频字或者低频字;所述预设数据库中存储有所述待解释汉字和所述解释文本之间的映射关系。
可选地,所述方法还包括步骤:
将所述待解释汉字和所述解释文本存储至所述预设数据库中。
可选地,所述利用语音机器人外呼商户,获取语音机器人的外呼音频数据对应的第一文本数据的步骤,包括:
获取客户在商户的最后一个订单信息,所述订单信息包含有离店日期、预设字段以及与所述预设字段对应的第二字段值;
在所述离店日期后,利用语音机器人外呼商户,所述语音机器人的外呼音频数据对应的第一文本数据中包含有所述第二字段值。
可选地,所述基于所述第二文本数据中所有汉字的拼音在所述第一文本数据中匹配得到目标汉字的步骤,包括:
基于所述第二文本数据中所有汉字的拼音与所述第二字段值模糊匹配;
当匹配到一个汉字时,则将匹配到的汉字作为目标汉字;
当匹配到多个汉字时,则基于第二文本数据中所有汉字的音调与所述第二字段值匹配,确定目标汉字。
可选地,所述N个组词中词频最大的组词对应的词频大于第二预设阈值时,所述第一解释策略为将所述词频最大的组词作为解释文本。
本发明还提供了一种语音机器人的汉字解释话术生成系统,用于实现上述语音机器人的汉字解释话术生成方法,所述系统包括:
外呼文本获取模块,用于利用语音机器人外呼商户,获取语音机器人的外呼音频数据对应的第一文本数据;
应答文本获取模块,用于获取商户的第一应答数据,对所述第一应答数据转换得到第二文本数据;
待解释汉字获取模块,基于所述第二文本数据中所有汉字的拼音在所述第一文本数据中匹配得到目标汉字,将所述目标汉字作为待解释汉字;
待解释汉字判断模块,基于分类库,判断所述待解释汉字为高频字或者低频字;所述分类库用于表征汉字为高频字或者低频字,且所述分类库经由对所有历史订单数据统计分析得到;
第一解释模块,用于在所述待解释汉字为高频字时,则依据第一解释策略获取解释文本;所述第一解释策略以组词形式进行解释;
第二解释模块,用于在所述待解释汉字为低频字时,则依据第二解释策略获取解释文本;所述第二解释策略以基于所述待解释汉字的结构进行解释;
应答模块,用于依据所述解释文本和预设话术生成模板,生成应答话术,并依据所述应答话术应答商户。
本发明还提供了一种语音机器人的汉字解释话术生成设备,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项语音机器人的汉字解释话术生成方法的步骤。
本发明还提供了一种计算机可读存储介质,用于存储程序,所述程序被处理器执行时实现上述任意一项语音机器人的汉字解释话术生成方法的步骤。
本发明与现有技术相比,具有以下优点及突出性效果:
本发明提供的语音机器人的汉字解释话术生成方法、系统、设备及介质基于商户应答的语音数据中包含汉字的拼音,在语音机器人外呼时的文本数据中进行模糊匹配,确定待解释汉字,使得汉字匹配效率高;在汉字为高频字时利用组词形式解释;汉字为低频字时,利用汉字结构解释;使得汉字解释的一次成功率更高;最后基于模板的方法将挖掘到的解释性文本生成新话术,消除人机对话过程中产生的歧义;及时完结订单,避免订单过长时间占用服务器的计算资源。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。
图1为本发明一实施例公开的一种语音机器人的汉字解释话术生成方法的示意图;
图2为本发明一实施例公开的语音机器人的汉字解释话术生成方法中步骤S30的流程示意图;
图3为本发明一实施例公开的一种语音机器人的汉字解释话术生成系统的结构示意图;
图4为本发明一实施例公开的一种语音机器人的汉字解释话术生成设备的结构示意图;
图5为本发明一实施例公开的一种计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式。相反,提供这些实施方式使得本发明将全面和完整,并将示例实施方式的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结构,因而将省略对它们的重复描述。
如图1所示,本发明一实施例公开了一种语音机器人的汉字解释话术生成方法,该方法包括以下步骤:
S10,利用语音机器人外呼商户,获取语音机器人的外呼音频数据对应的第一文本数据。具体来说,当客户在一商户产生订单并在订单上的离店日期之后,语音机器人外呼商户,以确认该客户是否离店也即在商户的订单是否结束。由于商户那边无法看到OTA平台的订单号,所以语音机器人只能通过客户姓名与商户对接。比如,语音机器人可能会询问商户:“请问张三是否已离店?”。
上述第一文本数据可以是直接获取的,因为语音机器人是基于预设语句作为输入,生成外呼音频的。所以,可以直接获取预设语句即为第一文本数据。
其中,该步骤S10可以包括:
获取客户在商户的最后一个订单信息。上述订单信息包含有离店日期、预设字段以及与上述预设字段对应的第二字段值。上述在上述离店日期后,可以为离店日期的第二天。
以及在上述离店日期后,利用语音机器人外呼商户,上述语音机器人的外呼音频数据对应的第一文本数据中包含有上述第二字段值。
最后一个订单信息也即为距离当前时间最接近的订单对应的订单信息。上述预设字段可以为姓名字段。第二字段值即可以为对应的姓名。
S20,获取商户的第一应答数据,对上述第一应答数据转换得到第二文本数据。示例性地,上述第一应答数据可以为“哪个张?”,表示商户不确定是客户姓名中的“张”是哪个张,因为也可能是“章”。
在其他实施例中,该步骤可以先对商户的第一应答数据进行意图识别。当识别到商户的意图为汉字解释时,再对上述第一应答数据转换得到第二文本数据。其中,上述意图识别可以采用自然语言处理(NLP,Natural Language Processing)技术中的文本分类模型实现。即分类商户当前说的话,是这个意图,或者不是这个意图。
S30,基于上述第二文本数据中所有汉字的拼音在上述第一文本数据中匹配得到目标汉字,将上述目标汉字作为待解释汉字。具体来说,如图2所示,步骤S30包括:
S301,基于上述第二文本数据中所有汉字的拼音与上述第二字段值模糊匹配。该步骤中,利用汉字的拼音而不是汉字本身进行匹配,可以提高匹配的一次成功率以及效率。仅仅利用汉字的拼音而不包含音调匹配,这样可以提高匹配的效率,也即利于提高话术生成的效率。
S302,当匹配到一个汉字时,则将匹配到的汉字作为目标汉字。
S303,当匹配到多个汉字时,则基于第二文本数据中所有汉字的音调与上述第二字段值匹配,确定目标汉字。也即,基于拼音模糊匹配得到多个汉字时,再利用音调进行精准匹配。
在其他实施例中,步骤S30可以为:
先对上述第二文本数据进行命名实体识别,得到待匹配汉字。
以及基于待匹配汉字的拼音在上述第一文本数据中匹配得到目标汉字,将上述目标汉字作为待解释汉字。这样有利于提高匹配的效率,也即利于提高话术生成的效率。
其中,命名实体识别可以利用自然语言处理技术中的NER(Named EntityRecognition,命名实体识别)技术实现。NER主要用于识别人名、地名、机构名称等各种名称。在本申请中主要用来识别人名。比如,对商户说的第一应答数据“哪个张?”,可以提取出该语句中的姓名“哪个【张】”,这个【张】就是我们需要提取的姓名字段值。
S40,基于分类库,判断上述待解释汉字是否为高频字。也即基于分类库,判断上述待解释汉字为高频字或者低频字。上述分类库用于表征汉字为高频字或者低频字,且上述分类库经由对所有历史订单数据统计分析得到。当待解释汉字为高频字时,执行步骤S50。当待解释汉字不是高频字,即待解释汉字为低频字时,执行步骤S60。
上述分类库经由对所有历史订单数据统计分析得到,包括:
获取订单系统中所有历史订单数据的预设字段对应的第一字段值。
以及统计上述第一字段值中所有汉字的字频,并根据第一预设阈值和上述字频对第一字段值中的汉字进行分类,获得分类库。其中,当汉字的字频大于上述第一预设阈值,确定上述汉字为高频字;否则确定上述汉字为低频字。
具体来说,获取的是OTA平台上同类型的商户的历史订单数据,比如商户为酒店,那么就获取OTA平台上所有酒店产生的历史订单数据。预设字段可以为姓名,第一字段值就是所有历史订单对应的客户姓名。第一预设阈值可以为68%。
S50,依据第一解释策略获取解释文本。上述第一解释策略以组词形式进行解释。具体而言,上述第一解释策略为基于搜索引擎获取包含上述待解释汉字的所有组词,然后获取上述所有组词在预设数据集中的词频,获得词频最大的N个组词,将上述N个组词作为解释文本。N为预设整数。比如,N为3,那么就将对搜索引擎上所有组词分析后得到的词频最大的前3个组词作为该待解释汉字的解释文本。比如,“夏”字的前3个组词为夏天、夏季、仲夏。对应的解释文本可以为:“夏天的夏”。这样,商户即明白了语音机器人说的“夏”是哪个“夏”字。
其中,获取待解释汉字的所有组词利用具有无监督方法的爬虫技术即可实现,统计词频可以利用Hive(一种数据仓库工具)技术在大规模新闻预料中统计实现,此处不再赘述。
在其他实施例中,当上述N个组词中词频最大的组词对应的词频大于第二预设阈值时,上述第一解释策略为将上述词频最大的组词作为解释文本。这样利于提高解释文本的生成效率,也即提高语音机器人的汉字解释话术生成效率。第二预设阈值可以为83%,本申请对此不作限制。
在其他实施例中,当上述N个组词中词频最大的组词对应的词频小于第三预设阈值时,对应的第一解释策略为将上述词频最大的组词和汉字结构拆解综合作为解释文本。比如,商户询问“哪个志”时,语音机器人可以回答:“标志的志,志气的志,志向的志,志是士字加心字的志,士是士兵的士,心是心情的心”。这样,商户即明白了语音机器人说的是哪个“志”字。第二预设阈值可以为65%,本申请对此不作限制。
S60,若上述待解释汉字不是高频字,即待解释汉字为低频字时,则依据第二解释策略获取解释文本。上述第二解释策略以基于上述待解释汉字的结构进行解释。具体而言,上述第二解释策略为将上述待解释汉字拆解为部首和分部,将拆解得到的部首和分部作为解释文本。其中,分部是指待解释汉字除部首以外的结构。比如,“张”字可以拆解为:弓长。那么,对应的解释文本可以为“弓长张的张”。这样,商户即明白了语音机器人说的“张”是哪个“张”字。
S70,依据上述解释文本和预设话术生成模板,生成应答话术,并依据上述应答话术应答商户。该步骤利用自然语言生成技术中基于模板的方法即可实现,此处不再赘述。示例性地,应答话术可以为:“客户姓名中的张是弓长张的张”。
在本申请的另一实施例中,在上述实施例的基础上,公开了另一语音机器人的汉字解释话术生成方法。该方法在步骤S30和步骤S40之间,还包括步骤:
S80,判断预设数据库中是否存在上述待解释汉字。
若存在则获取与上述待解释汉字对应的解释文本。
若不存在则执行步骤S40。
且该方法在步骤S70之后还包括步骤:
S90,将上述待解释汉字和上述解释文本存储至上述预设数据库中。
其中,上述预设数据库中存储有待解释汉字和解释文本之间的映射关系。这样可以不断地对预设数据库进行更新,保持预设数据库的丰富性,利于快速查找到待解释汉字的解释文本,提高解释效率。
如图3所示,本发明一实施例还公开了一种语音机器人的汉字解释话术生成系统3,该系统包括:
外呼文本获取模块31,用于利用语音机器人外呼商户,获取语音机器人的外呼音频数据对应的第一文本数据。
应答文本获取模块32,用于获取商户的第一应答数据,对所述第一应答数据转换得到第二文本数据。
待解释汉字获取模块33,基于所述第二文本数据中所有汉字的拼音在所述第一文本数据中匹配得到目标汉字,将所述目标汉字作为待解释汉字。
待解释汉字判断模块34,基于分类库,判断所述待解释汉字为高频字或者低频字;所述分类库用于表征汉字为高频字或者低频字,且所述分类库经由对所有历史订单数据统计分析得到。
第一解释模块35,用于在所述待解释汉字为高频字时,则依据第一解释策略获取解释文本;所述第一解释策略以组词形式进行解释。
第二解释模块36,用于在所述待解释汉字为低频字时,则依据第二解释策略获取解释文本;所述第二解释策略以基于所述待解释汉字的结构进行解释。
应答模块37,用于依据所述解释文本和预设话术生成模板,生成应答话术,并依据所述应答话术应答商户。
可以理解的是,本发明的语音机器人的汉字解释话术生成系统还包括其他支持语音机器人的汉字解释话术生成系统运行的现有功能模块。图3显示的语音机器人的汉字解释话术生成系统仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
本实施例中的语音机器人的汉字解释话术生成系统用于实现上述的语音机器人的汉字解释话术生成的方法,因此对于语音机器人的汉字解释话术生成系统的具体实施步骤可以参照上述对语音机器人的汉字解释话术生成的方法的描述,此处不再赘述。
本发明一实施例还公开了一种语音机器人的汉字解释话术生成设备,包括处理器和存储器,其中存储器存储有所述处理器的可执行指令;处理器配置为经由执行可执行指令来执行上述语音机器人的汉字解释话术生成方法中的步骤。图4是本发明公开的语音机器人的汉字解释话术生成设备的结构示意图。下面参照图4来描述根据本发明的这种实施方式的电子设备600。图4显示的电子设备600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4所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述语音机器人的汉字解释话术生成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,处理单元610可以执行如图1中所示的步骤。
存储单元620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)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、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630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600也可以与一个或多个外部设备700(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客户能与该电子设备600交互的设备通信,和/或与使得该电子设备600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650进行。并且,电子设备600还可以通过网络适配器660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660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600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系统、磁带驱动器以及数据备份存储平台等。
本发明还公开了一种计算机可读存储介质,用于存储程序,所述程序被执行时实现上述语音机器人的汉字解释话术生成方法中的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述语音机器人的汉字解释话术生成方法中描述的根据本发明各种示例性实施方式的步骤。
如上所示,该实施例的计算机可读存储介质的程序在执行时,基于商户应答的语音数据中包含汉字的拼音,在语音机器人外呼时的文本数据中进行模糊匹配,确定待解释汉字,使得汉字匹配效率高;在汉字为高频字时利用组词形式解释;汉字为低频字时,利用汉字结构解释;使得汉字解释的一次成功率更高;最后基于模板的方法将挖掘到的解释性文本生成新话术,消除人机对话过程中产生的歧义;及时完结订单,避免过长时间占用服务器的计算资源。
图5是本发明的计算机可读存储介质的结构示意图。参考图5所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,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。
程序产品可以采用一个或多个可读介质的任意组合。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、或半导体的系统、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。
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系统、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,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客户计算设备上执行、部分地在客户设备上执行、作为一个独立的软件包执行、部分在客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),连接到客户计算设备,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)。
本发明实施例提供的语音机器人的汉字解释话术生成方法、系统、设备及介质基于商户应答的语音数据中包含汉字的拼音,在语音机器人外呼时的文本数据中进行模糊匹配,确定待解释汉字,使得汉字匹配效率高;在汉字为高频字时利用组词形式解释;汉字为低频字时,利用汉字结构解释;使得汉字解释的一次成功率更高;最后基于模板的方法将挖掘到的解释性文本生成新话术,消除人机对话过程中产生的歧义;及时完结订单,避免订单过长时间占用服务器的计算资源。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,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 (11)
1.一种语音机器人的汉字解释话术生成方法,其特征在于,用于在语音机器人和商户对话时,对商户进行应答,包括以下步骤:
利用语音机器人外呼商户,获取语音机器人的外呼音频数据对应的第一文本数据;
获取商户的第一应答数据,对所述第一应答数据转换得到第二文本数据;
基于所述第二文本数据中所有汉字的拼音在所述第一文本数据中匹配得到目标汉字,将所述目标汉字作为待解释汉字;
基于分类库,判断所述待解释汉字为高频字或者低频字;所述分类库用于表征汉字为高频字或者低频字,且所述分类库经由对所有历史订单数据统计分析得到;
若所述待解释汉字为高频字,则依据第一解释策略获取解释文本;所述第一解释策略以组词形式进行解释;
若所述待解释汉字为低频字,则依据第二解释策略获取解释文本;所述第二解释策略以基于所述待解释汉字的结构进行解释;所述第二解释策略为将所述待解释汉字拆解为部首和分部,将拆解得到的部首和分部作为解释文本;
依据所述解释文本和预设话术生成模板,生成应答话术,并依据所述应答话术应答商户。
2.如权利要求1所述的语音机器人的汉字解释话术生成方法,其特征在于,所述第一解释策略为基于搜索引擎获取包含所述待解释汉字的所有组词;获取所述所有组词在预设数据集中的词频,获得词频最大的N个组词,将所述N个组词作为解释文本;N为预设整数。
3.如权利要求1所述的语音机器人的汉字解释话术生成方法,其特征在于,所述分类库经由对所有历史订单数据统计分析得到,包括:
获取订单系统中所有历史订单数据的预设字段对应的第一字段值;
统计所述第一字段值中所有汉字的字频,并根据第一预设阈值和所述字频对第一字段值中的汉字进行分类,获得分类库;其中,当汉字的字频大于所述第一预设阈值,确定所述汉字为高频字;否则确定所述汉字为低频字。
4.如权利要求1所述的语音机器人的汉字解释话术生成方法,其特征在于,在所述基于分类库,判断所述待解释汉字为高频字或者低频字的步骤之前,所述方法还包括步骤:
判断预设数据库中是否存在所述待解释汉字,若存在则获取与所述待解释汉字对应的解释文本;若否则执行所述步骤:基于分类库,判断所述待解释汉字为高频字或者低频字;所述预设数据库中存储有所述待解释汉字和所述解释文本之间的映射关系。
5.如权利要求4所述的语音机器人的汉字解释话术生成方法,其特征在于,所述方法还包括步骤:
将所述待解释汉字和所述解释文本存储至所述预设数据库中。
6.如权利要求1所述的语音机器人的汉字解释话术生成方法,其特征在于,所述利用语音机器人外呼商户,获取语音机器人的外呼音频数据对应的第一文本数据的步骤,包括:
获取客户在商户的最后一个订单信息,所述订单信息包含有离店日期、预设字段以及与所述预设字段对应的第二字段值;
在所述离店日期后,利用语音机器人外呼商户,所述语音机器人的外呼音频数据对应的第一文本数据中包含有所述第二字段值。
7.如权利要求6所述的语音机器人的汉字解释话术生成方法,其特征在于,所述基于所述第二文本数据中所有汉字的拼音在所述第一文本数据中匹配得到目标汉字的步骤,包括:
基于所述第二文本数据中所有汉字的拼音与所述第二字段值模糊匹配;
当匹配到一个汉字时,则将匹配到的汉字作为目标汉字;
当匹配到多个汉字时,则基于第二文本数据中所有汉字的音调与所述第二字段值匹配,确定目标汉字。
8.如权利要求2所述的语音机器人的汉字解释话术生成方法,其特征在于,所述N个组词中词频最大的组词对应的词频大于第二预设阈值时,所述第一解释策略为将所述词频最大的组词作为解释文本。
9.一种语音机器人的汉字解释话术生成系统,用于实现如权利要求1所述的语音机器人的汉字解释话术生成方法,其特征在于,所述系统包括:
外呼文本获取模块,用于利用语音机器人外呼商户,获取语音机器人的外呼音频数据对应的第一文本数据;
应答文本获取模块,用于获取商户的第一应答数据,对所述第一应答数据转换得到第二文本数据;
待解释汉字获取模块,基于所述第二文本数据中所有汉字的拼音在所述第一文本数据中匹配得到目标汉字,将所述目标汉字作为待解释汉字;
待解释汉字判断模块,基于分类库,判断所述待解释汉字为高频字或者低频字;所述分类库用于表征汉字为高频字或者低频字,且所述分类库经由对所有历史订单数据统计分析得到;
第一解释模块,用于在所述待解释汉字为高频字时,则依据第一解释策略获取解释文本;所述第一解释策略以组词形式进行解释;
第二解释模块,用于在所述待解释汉字为低频字时,则依据第二解释策略获取解释文本;所述第二解释策略以基于所述待解释汉字的结构进行解释;
应答模块,用于依据所述解释文本和预设话术生成模板,生成应答话术,并依据所述应答话术应答商户。
10.一种语音机器人的汉字解释话术生成设备,其特征在于,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至8中任意一项所述语音机器人的汉字解释话术生成方法的步骤。
11.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被处理器执行时实现权利要求1至8中任意一项所述语音机器人的汉字解释话术生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011562928.0A CN112711654B (zh) | 2020-12-25 | 2020-12-25 | 语音机器人的汉字解释话术生成方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011562928.0A CN112711654B (zh) | 2020-12-25 | 2020-12-25 | 语音机器人的汉字解释话术生成方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112711654A CN112711654A (zh) | 2021-04-27 |
CN112711654B true CN112711654B (zh) | 2023-07-25 |
Family
ID=75546538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011562928.0A Active CN112711654B (zh) | 2020-12-25 | 2020-12-25 | 语音机器人的汉字解释话术生成方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112711654B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190220520A1 (en) * | 2018-01-16 | 2019-07-18 | Chih Hung Kao | Simultaneous interpretation system, server system, simultaneous interpretation device, simultaneous interpretation method, and computer-readable recording medium |
CN110942763A (zh) * | 2018-09-20 | 2020-03-31 | 阿里巴巴集团控股有限公司 | 语音识别方法及装置 |
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 |
-
2020
- 2020-12-25 CN CN202011562928.0A patent/CN112711654B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190220520A1 (en) * | 2018-01-16 | 2019-07-18 | Chih Hung Kao | Simultaneous interpretation system, server system, simultaneous interpretation device, simultaneous interpretation method, and computer-readable recording medium |
CN110942763A (zh) * | 2018-09-20 | 2020-03-31 | 阿里巴巴集团控股有限公司 | 语音识别方法及装置 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN112711654A (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10430158B2 (en) | Voice recognition keyword user interface | |
CN103077714B (zh) | 信息的识别方法和装置 | |
CN110019742B (zh) | 用于处理信息的方法和装置 | |
CN108305626A (zh) | 应用程序的语音控制方法和装置 | |
CN111428010B (zh) | 人机智能问答的方法和装置 | |
US20240021202A1 (en) | Method and apparatus for recognizing voice, electronic device and medium | |
CN111177350A (zh) | 智能语音机器人的话术形成方法、装置和系统 | |
CN116235245A (zh) | 改进语音识别转录 | |
CN112653798A (zh) | 智能客服语音应答方法、装置、计算机设备及存储介质 | |
CN110675863A (zh) | 语音语料生成方法及装置、语音识别方法及装置 | |
CN115309877A (zh) | 对话生成方法、对话模型训练方法及装置 | |
CN112466289A (zh) | 语音指令的识别方法、装置、语音设备和存储介质 | |
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 | |
CN112100339A (zh) | 用于智能语音机器人的用户意图识别方法、装置和电子设备 | |
CN113051389B (zh) | 知识推送方法及装置 | |
CN112417875B (zh) | 配置信息的更新方法、装置、计算机设备及介质 | |
CN112087726B (zh) | 彩铃识别的方法及系统、电子设备及存储介质 | |
CN113053362A (zh) | 语音识别的方法、装置、设备和计算机可读介质 | |
US20180342235A1 (en) | System and method for segmenting audio files for transcription | |
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 | |
CN112711654B (zh) | 语音机器人的汉字解释话术生成方法、系统、设备及介质 | |
CN115878768A (zh) | 基于nlp的车险业务回话线索推荐方法及其相关设备 | |
CN114049875A (zh) | 一种tts播报方法、装置、设备以及存储介质 | |
CN114118937A (zh) | 基于任务的信息推荐方法、装置、电子设备及存储介质 | |
KR20200109995A (ko) | 피싱 분석 장치 및 그 방법 |
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 |