发明内容
鉴于以上内容,有必要提供一种语音播报方法、装置、设备及存储介质,能够精准进行语音播报,从而提高播报质量。
一方面,本发明提出一种语音播报方法,所述语音播报方法包括:
根据预设催收规则从预设系统中获取待催收用户的用户信息,所述预设催收规则用于指示需要进行催收的用户;
基于语音拨打策略从所述待催收用户中筛选目标用户进行语音呼叫,得到呼叫结果,所述语音拨打策略用于指示所述待催收用户的催收顺序;
若所述呼叫结果为呼叫成功,从预设库中确定与所述呼叫结果对应的催收场次,并获取在所述催收场次中所述目标用户的语音信息,所述预设库中存储多个语音呼叫的拨打编号,所述催收场次用于指示呼叫成功的语音呼叫的场次;
将所述语音信息输入至预先训练好的情感识别模型中,得到所述目标用户的情感识别结果;
若所述目标用户的情感识别结果为预设情感时,检测所述目标用户是否存在于预设客户表中,所述预设客户表中存储有多个历史催收用户与客服编号的映射关系;
若所述目标用户存在于所述预设客户表中,根据所述预设客户表确定与所述目标用户对应的播报客服;
通过所述播报客服向所述目标用户进行催收播报。
根据本发明优选实施例,所述根据预设催收规则从预设系统中获取待催收用户的用户信息包括:
根据所述预设催收规则计算所述预设催收规则的规则数量;
从查询模板库中获取填充数量为所述规则数量的目标模板,所述查询模板库中存储有多个不同数量的填充位置的查询模板,所述填充数量是指所述查询模板上的所述填充位置的数量;
将所述预设催收规则写入所述目标模板中,生成查询语句;
利用所述查询语句对所述预设系统进行查询,得到所述用户信息。
根据本发明优选实施例,所述基于语音拨打策略从所述待催收用户中筛选目标用户进行语音呼叫,得到呼叫结果包括:
获取每个所述语音拨打策略的权重;
根据所述用户信息及所述权重确定每个待催收用户的催收分数;
从所述催收分数中选取分值最大的催收分数作为目标分数,并将与所述目标分数对应的待催收用户确定为所述目标用户;
获取所述目标用户的用户识别码,并对所述用户识别码进行呼叫处理;
若检测到所述呼叫处理被响应,确定所述呼叫结果为所述呼叫成功。
根据本发明优选实施例,所述获取在所述催收场次中所述目标用户的语音信息包括:
将与所述催收场次对应的播报对象确定为目标对象;
从预设通道网络中获取同时与所述目标对象及所述目标用户对应的通道作为连接通道,所述预设通道网络中存储有多个对象与多个用户的通道;
获取所述催收场次的催收时间;
从预设语音库中获取同时与所述连接通道及所述催收时间对应的信息作为所述语音信息,所述预设语音库中存储多个通道的信息。
根据本发明优选实施例,在所述将所述语音信息输入至预先训练好的情感识别模型中,得到所述目标用户的情感识别结果之前,所述语音播报方法还包括:
获取多个历史语音,并获取每个历史语音的标注结果;
提取每个历史语音的语音特征,并对提取到的语音特征进行标准化处理,得到与所述多个历史语音对应的多个特征序列;
确定所述多个特征序列中序列最长的特征序列作为目标序列,并计算所述目标序列的目标长度;
根据所述目标长度对所述多个特征序列进行处理,得到多个待分析序列;
对所述多个待分析序列及所述标注结果进行划分,得到语音训练集及语音测试集,所述语音训练集中包括多个待训练序列及所述多个待训练序列的第一标注结果,所述语音测试集中包括多个待测试序列及所述多个待测试序列的第二标注结果;
根据所述多个待训练序列及所述第一标注结果构建学习器,并根据所述多个待测试序列及所述第二标注结果确定所述学习器的识别准确率;
若所述识别准确率小于预设阈值,调整所述学习器的学习率,直至所述识别准确率大于或者等于所述预设阈值,得到所述情感识别模型。
根据本发明优选实施例,所述语音播报方法还包括:
若所述呼叫结果为呼叫失败,根据所述目标用户生成提示信息;
将所述提示信息发送至预设用户的终端设备。
根据本发明优选实施例,所述语音播报方法还包括:
若所述目标用户不存在于所述预设客户表中,获取预设列表中所有客服的评分;
将所述评分最高的客服确定为目标客服;
通过所述目标客服向所述目标用户进行催收播报。
另一方面,本发明还提出一种语音播报装置,所述语音播报装置包括:
获取单元,用于根据预设催收规则从预设系统中获取待催收用户的用户信息,所述预设催收规则用于指示需要进行催收的用户;
筛选单元,用于基于语音拨打策略从所述待催收用户中筛选目标用户进行语音呼叫,得到呼叫结果,所述语音拨打策略用于指示所述待催收用户的催收顺序;
所述获取单元,还用于若所述呼叫结果为呼叫成功,从预设库中确定与所述呼叫结果对应的催收场次,并获取在所述催收场次中所述目标用户的语音信息,所述预设库中存储多个语音呼叫的拨打编号,所述催收场次用于指示呼叫成功的语音呼叫的场次;
输入单元,用于将所述语音信息输入至预先训练好的情感识别模型中,得到所述目标用户的情感识别结果;
检测单元,用于若所述目标用户的情感识别结果为预设情感时,检测所述目标用户是否存在于预设客户表中,所述预设客户表中存储有多个历史催收用户与客服编号的映射关系;
确定单元,用于若所述目标用户存在于所述预设客户表中,根据所述预设客户表确定与所述目标用户对应的播报客服;
播报单元,用于通过所述播报客服向所述目标用户进行催收播报。
另一方面,本发明还提出一种电子设备,所述电子设备包括:
存储器,存储计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现所述语音播报方法。
另一方面,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可读指令,所述计算机可读指令被电子设备中的处理器执行以实现所述语音播报方法。
由以上技术方案可以看出,本发明通过所述预设催收规则能够从所述预设系统中全面获取到所述待催收用户的用户信息,进而利用所述语音拨打策略能够确定出所述目标用户进行语音呼叫,通过所述语音拨打策略能够根据用户需求对所述待催收用户进行呼叫,提高了语音拨打的有序性,在所述呼叫结果为呼叫成功时获取所述目标用户的语音信息,由于在所述呼叫结果为呼叫失败时无需获取用户的语音信息,因此能够提高所述语音信息的获取准确性,进而通过对所述语音信息进行情感识别,能够准确识别出所述目标用户在所述催收场次的情感识别结果,根据所述情感识别结果及所述预设客户表能够准确为所述目标用户确定出合适的所述播报客服,进而能够精准地控制所述播报客服向所述目标用户进行催收播报,从而能够提高播报质量。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明语音播报方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述语音播报方法应用于一个或者多个电子设备中,所述电子设备是一种能够按照事先设定或存储的计算机可读指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(DigitalSignal Processor,DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能穿戴式设备等。
所述电子设备可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(CloudComputing)的由大量主机或网络电子设备构成的云。
所述电子设备所处的网络包括,但不限于:互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
S10,根据预设催收规则从预设系统中获取待催收用户的用户信息,所述预设催收规则用于指示需要进行催收的用户。
在本发明的至少一个实施例中,所述预设系统可以是任意核算系统。
所述待催收用户是指需要进行催收的欠款用户。
在本发明的至少一个实施例中,所述电子设备根据预设催收规则从预设系统中获取待催收用户的用户信息包括:
根据所述预设催收规则计算所述预设催收规则的规则数量;
从查询模板库中获取填充数量为所述规则数量的目标模板,所述查询模板库中存储有多个不同数量的填充位置的查询模板,所述填充数量是指所述查询模板上的所述填充位置的数量;
将所述预设催收规则写入所述目标模板中,生成查询语句;
利用所述查询语句对所述预设系统进行查询,得到所述用户信息。
其中,所述预设催收规则可以有多个,例如,所述预设催收规则包括,但不限于以下一种或者多种的组合:贷款金额的大小、还款日期距离当前日期的时间。
通过所述规则数量能够确定出合适的目标模板,由于在生成所述查询语句时无需对所述目标模板进行二次处理,因此能够提高所述查询语句的生成效率,进而提高所述待催收用户的获取效率,同时,通过生成的所述查询语句对所述预设系统进行查询,能够快速获取所述用户信息。
S11,基于语音拨打策略从所述待催收用户中筛选目标用户进行语音呼叫,得到呼叫结果,所述语音拨打策略用于指示所述待催收用户的催收顺序。
在本发明的至少一个实施例中,所述语音拨打策略中可以包括多个策略,例如,所述语音拨打策略包括距离还款日的天数、贷款抵押、待还款金额等。
所述目标用户是指所述待催收用户中催收分数最高的用户。
在本发明的至少一个实施例中,所述电子设备基于语音拨打策略从所述待催收用户中筛选目标用户进行语音呼叫,得到呼叫结果包括:
获取每个所述语音拨打策略的权重;
根据所述用户信息及所述权重确定每个待催收用户的催收分数;
从所述催收分数中选取分值最大的催收分数作为目标分数,并将与所述目标分数对应的待催收用户确定为所述目标用户;
获取所述目标用户的用户识别码,并对所述用户识别码进行呼叫处理;
若检测到所述呼叫处理被响应,确定所述呼叫结果为所述呼叫成功。
例如:所述语音拨打策略为:距离还款日的天数、贷款抵押、待还款金额,获取到用户甲的用户信息为:距离还款日的天数为5天、有贷款抵押、待还款金额为500万,获取到用户乙的用户信息为:距离还款日的天数为2天、无贷款抵押、待还款金额为200万,获取到距离还款日的天数的权重为30%、贷款抵押的权重为40%、待还款金额的权重为30%,经计算,所述用户甲的催收分数为:-5*30%-1*40%+500*30%=148.1,所述用户乙的催收分数为:-2*30%-0*40%+200*30%=59.4,经确定,将所述用户甲确定为所述目标用户。
通过上述实施方式,能够根据所述用户信息以及所述权重确定每个待催收用户的催收分数,从而准确确定出所述目标用户,有利于对所述待催收用户中紧急的用户进行催收。
S12,若所述呼叫结果为呼叫成功,从预设库中确定与所述呼叫结果对应的催收场次,并获取在所述催收场次中所述目标用户的语音信息,所述预设库中存储多个语音呼叫的拨打编号,所述催收场次用于指示呼叫成功的语音呼叫的场次。
在本发明的至少一个实施例中,所述语音信息是指所述目标用户在所述催收场次中发出的声音信息。
在本发明的至少一个实施例中,所述电子设备从预设库中确定与所述呼叫结果对应的催收场次包括:
获取所述呼叫结果为呼叫成功的拨打编号;
将与所述拨打编号对应的场次确定为所述催收场次。
通过拨打编号与场次的映射关系能够准确确定出所述催收场次。
在本发明的至少一个实施例中,所述电子设备获取在所述催收场次中所述目标用户的语音信息包括:
将与所述催收场次对应的播报对象确定为目标对象;
从预设通道网络中获取同时与所述目标对象及所述目标用户对应的通道作为连接通道,所述预设通道网络中存储有多个对象与多个用户的通道;
获取所述催收场次的催收时间;
从预设语音库中获取同时与所述连接通道及所述催收时间对应的信息作为所述语音信息,所述预设语音库中存储多个通道的信息。
通过上述实施方式,能够根据所述目标对象及所述目标用户准确确定出所述连接通道,进而根据所述连接通道及所述催收时间能够快速获取到所述语音信息,同时,通过确定出的所述连接通道,能够准确获取到所述目标用户的所述语音信息,从而能够准确识别出所述目标用户的情感。
在本发明的至少一个实施例中,所述方法还包括:
若所述呼叫结果为呼叫失败,根据所述目标用户生成提示信息;
将所述提示信息发送至预设用户的终端设备。
通过上述实施方式,能够在所述呼叫结果为呼叫失败时快速生成所述提示信息,进而将所述提示信息发送至所述预设用户的终端设备,从而有利于所述预设用户对所述目标用户的跟进。
S13,将所述语音信息输入至预先训练好的情感识别模型中,得到所述目标用户的情感识别结果。
需要强调的是,为进一步保证上述情感识别模型的私密和安全性,上述情感识别模型还可以存储于一区块链的节点中。
在本发明的至少一个实施例中,所述情感识别模型是指通过多个历史语音及标注结果训练得到的模型。
所述情感识别结果包括,但不限于:高兴、平静、愤怒、悲伤等。
在本发明的至少一个实施例中,在所述将所述语音信息输入至预先训练好的情感识别模型中,得到所述目标用户的情感识别结果之前,所述方法还包括:
获取多个历史语音,并获取每个历史语音的标注结果;
提取每个历史语音的语音特征,并对提取到的语音特征进行标准化处理,得到与所述多个历史语音对应的多个特征序列;
确定所述多个特征序列中序列最长的特征序列作为目标序列,并计算所述目标序列的目标长度;
根据所述目标长度对所述多个特征序列进行处理,得到多个待分析序列;
对所述多个待分析序列及所述标注结果进行划分,得到语音训练集及语音测试集,所述语音训练集中包括多个待训练序列及所述多个待训练序列的第一标注结果,所述语音测试集中包括多个待测试序列及所述多个待测试序列的第二标注结果;
根据所述多个待训练序列及所述第一标注结果构建学习器,并根据所述多个待测试序列及所述第二标注结果确定所述学习器的识别准确率;
若所述识别准确率小于预设阈值,调整所述学习器的学习率,直至所述识别准确率大于或者等于所述预设阈值,得到所述情感识别模型。
其中,所述预设阈值是根据应用场景设置的,本发明对所述预设阈值的取值不作限定。
通过所述目标长度对所述多个特征序列进行处理,能够确保生成的所述多个待分析序列为具有相同长度的特征序列,有利于所述学习器的构建,同时,由于从所述多个特征序列中选取序列最长的特征序列作为所述目标序列,能够避免所述多个特征序列中的声音信息的丢失,从而能够构建出准确的所述情感识别模型,通过所述多个待测试序列及所述第二标注结果能够确定出所述学习器的识别准确率,进而能够确保所述情感识别模型的识别准确率。
具体地,所述电子设备根据所述目标长度对所述多个特征序列进行处理,得到多个待分析序列包括:
获取每个特征序列的序列长度;
若所述序列长度小于所述目标长度,计算所述目标长度与所述序列长度的差值,得到每个特征序列的待处理长度;
根据所述待处理长度对每个特征序列进行补位处理,得到所述多个待分析序列。
例如:获取到特征序列A为789456,所述特征序列A的序列长度为6位,特征序列B为4561,所述特征序列B的序列长度为4位,所述目标长度为8位,经计算,得到所述特征序列A的所述待处理长度为2位,所述特征序列B的所述待处理长度为4位,对所述特征序列A及所述特征序列B进行补位处理后,得到所述特征序列A对应的待分析序列为78945600,所述特征序列B对应的待分析序列为45610000。
通过上述实施方式,在所述序列长度小于所述目标长度时,对所述序列长度的特征序列进行补位处理,能够确保所述多个待分析序列具有相同长度,有利于所述学习器的构建。
S14,若所述目标用户的情感识别结果情感为预设情感时,检测所述目标用户是否存在于预设客户表中,所述预设客户表中存储有多个历史催收用户与客服编号的映射关系。
在本发明的至少一个实施例中,所述预设客户表是通过分析历史催收电话而生成的。进一步地,所述预设客户表中存储的客服编号是所述多个历史催收用户评分最高的客户的编号。
所述预设情感可以是预先设定好的情感,例如,所述预设情感为愤怒、悲伤等不满情感。
在本发明的至少一个实施例中,所述电子设备检测所述目标用户是否存在于预设客户表中包括:
获取所述目标用户的用户编号;
遍历所述预设客户表中的所有客户编号,并将遍历到的客户编号与所述用户编号进行比较;
若所述遍历到的客户编号与所述用户编号相同,确定所述目标用户存在于所述预设客户表中。
通过将所述目标用户与所述预设客户表中的信息进行比较,能够准确确定出所述目标用户是否存在于预设客户表中。
S15,若所述目标用户存在于所述预设客户表中,根据所述预设客户表确定与所述目标用户对应的播报客服。
在本发明的至少一个实施例中,所述播报客服可以是聊天机器人,所述播报客服也可以是任意人工客服。
在本发明的至少一个实施例中,所述电子设备根据所述预设客户表确定与所述目标用户对应的播报客服包括:
从所述预设客户表中确定出与所述目标用户对应的编号作为目标编号;
将与所述目标编号对应的客服确定为所述播报客服。
由于将所述目标用户评分最高的客服的编号确定为所述目标编号,因此,通过所述目标编号能够准确为所述目标用户确定出合适的所述播报客服。
S16,通过所述播报客服向所述目标用户进行催收播报。
在本发明的至少一个实施例中,所述电子设备控制所述播报客服向所述目标用户进行催收播报。
在本发明的至少一个实施例中,所述方法还包括:
若所述目标用户不存在于所述预设客户表中,获取预设列表中所有客服的评分;
将所述评分最高的客服确定为目标客服;
通过所述目标客服向所述目标用户进行催收播报。
通过上述实施方式,能够在所述目标用户不存在于所述预设客户表中时,通过所述目标客服向所述目标用户进行催收播报,从而提高所述语音催收质量。
由以上技术方案可以看出,本发明通过所述预设催收规则能够从所述预设系统中全面获取到所述待催收用户的用户信息,进而利用所述语音拨打策略能够确定出所述目标用户进行语音呼叫,通过所述语音拨打策略能够根据用户需求对所述待催收用户进行呼叫,提高了语音拨打的有序性,在所述呼叫结果为呼叫成功时获取所述目标用户的语音信息,由于在所述呼叫结果为呼叫失败时无需获取用户的语音信息,因此能够提高所述语音信息的获取准确性,进而通过对所述语音信息进行情感识别,能够准确识别出所述目标用户在所述催收场次的情感识别结果,根据所述情感识别结果及所述预设客户表能够准确为所述目标用户确定出合适的所述播报客服,进而精准地控制所述播报客服向所述目标用户进行催收播报,从而能够提高播报质量。
如图2所示,是本发明语音播报装置的较佳实施例的功能模块图。所述语音播报装置11包括获取单元110、筛选单元111、输入单元112、检测单元113、确定单元114、播报单元115、生成单元116、发送单元117、处理单元118、计算单元119、划分单元120、构建单元121及调整单元122。本发明所称的模块/单元是指一种能够被处理器13所获取,并且能够完成固定功能的一系列计算机可读指令段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
获取单元110根据预设催收规则从预设系统中获取待催收用户的用户信息,所述预设催收规则用于指示需要进行催收的用户。
在本发明的至少一个实施例中,所述预设系统可以是任意核算系统。
所述待催收用户是指需要进行催收的欠款用户。
在本发明的至少一个实施例中,所述获取单元110根据预设催收规则从预设系统中获取待催收用户的用户信息包括:
根据所述预设催收规则计算所述预设催收规则的规则数量;
从查询模板库中获取填充数量为所述规则数量的目标模板,所述查询模板库中存储有多个不同数量的填充位置的查询模板,所述填充数量是指所述查询模板上的所述填充位置的数量;
将所述预设催收规则写入所述目标模板中,生成查询语句;
利用所述查询语句对所述预设系统进行查询,得到所述用户信息。
其中,所述预设催收规则可以有多个,例如,所述预设催收规则包括,但不限于以下一种或者多种的组合:贷款金额的大小、还款日期距离当前日期的时间。
通过所述规则数量能够确定出合适的目标模板,由于在生成所述查询语句时无需对所述目标模板进行二次处理,因此能够提高所述查询语句的生成效率,进而提高所述待催收用户的获取效率,同时,通过生成的所述查询语句对所述预设系统进行查询,能够快速获取所述用户信息。
筛选单元111基于语音拨打策略从所述待催收用户中筛选目标用户进行语音呼叫,得到呼叫结果,所述语音拨打策略用于指示所述待催收用户的催收顺序。
在本发明的至少一个实施例中,所述语音拨打策略中可以包括多个策略,例如,所述语音拨打策略包括距离还款日的天数、贷款抵押、待还款金额等。
所述目标用户是指所述待催收用户中催收分数最高的用户。
在本发明的至少一个实施例中,所述筛选单元111基于语音拨打策略从所述待催收用户中筛选目标用户进行语音呼叫,得到呼叫结果包括:
获取每个所述语音拨打策略的权重;
根据所述用户信息及所述权重确定每个待催收用户的催收分数;
从所述催收分数中选取分值最大的催收分数作为目标分数,并将与所述目标分数对应的待催收用户确定为所述目标用户;
获取所述目标用户的用户识别码,并对所述用户识别码进行呼叫处理;
若检测到所述呼叫处理被响应,确定所述呼叫结果为所述呼叫成功。
例如:所述语音拨打策略为:距离还款日的天数、贷款抵押、待还款金额,获取到用户甲的用户信息为:距离还款日的天数为5天、有贷款抵押、待还款金额为500万,获取到用户乙的用户信息为:距离还款日的天数为2天、无贷款抵押、待还款金额为200万,获取到距离还款日的天数的权重为30%、贷款抵押的权重为40%、待还款金额的权重为30%,经计算,所述用户甲的催收分数为:-5*30%-1*40%+500*30%=148.1,所述用户乙的催收分数为:-2*30%-0*40%+200*30%=59.4,经确定,将所述用户甲确定为所述目标用户。
通过上述实施方式,能够根据所述用户信息以及所述权重确定每个待催收用户的催收分数,从而准确确定出所述目标用户,有利于对所述待催收用户中紧急的用户进行催收。
若所述呼叫结果为呼叫成功,所述获取单元110从预设库中确定与所述呼叫结果对应的催收场次,并获取在所述催收场次中所述目标用户的语音信息,所述预设库中存储多个语音呼叫的拨打编号,所述催收场次用于指示呼叫成功的语音呼叫的场次。
在本发明的至少一个实施例中,所述语音信息是指所述目标用户在所述催收场次中发出的声音信息。
在本发明的至少一个实施例中,所述获取单元110从预设库中确定与所述呼叫结果对应的催收场次包括:
获取所述呼叫结果为呼叫成功的拨打编号;
将与所述拨打编号对应的场次确定为所述催收场次。
通过拨打编号与场次的映射关系能够准确确定出所述催收场次。
在本发明的至少一个实施例中,所述获取单元110获取在所述催收场次中所述目标用户的语音信息包括:
将与所述催收场次对应的播报对象确定为目标对象;
从预设通道网络中获取同时与所述目标对象及所述目标用户对应的通道作为连接通道,所述预设通道网络中存储有多个对象与多个用户的通道;
获取所述催收场次的催收时间;
从预设语音库中获取同时与所述连接通道及所述催收时间对应的信息作为所述语音信息,所述预设语音库中存储多个通道的信息。
通过上述实施方式,能够根据所述目标对象及所述目标用户准确确定出所述连接通道,进而根据所述连接通道及所述催收时间能够快速获取到所述语音信息,同时,通过确定出的所述连接通道,能够准确获取到所述目标用户的所述语音信息,从而能够准确识别出所述目标用户的情感。
在本发明的至少一个实施例中,若所述呼叫结果为呼叫失败,生成单元116根据所述目标用户生成提示信息;
发送单元117将所述提示信息发送至预设用户的终端设备。
通过上述实施方式,能够在所述呼叫结果为呼叫失败时快速生成所述提示信息,进而将所述提示信息发送至所述预设用户的终端设备,从而有利于所述预设用户对所述目标用户的跟进。
输入单元112将所述语音信息输入至预先训练好的情感识别模型中,得到所述目标用户的情感识别结果。
需要强调的是,为进一步保证上述情感识别模型的私密和安全性,上述情感识别模型还可以存储于一区块链的节点中。
在本发明的至少一个实施例中,所述情感识别模型是指通过多个历史语音及标注结果训练得到的模型。
所述情感识别结果包括,但不限于:高兴、平静、愤怒、悲伤等。
在本发明的至少一个实施例中,在所述将所述语音信息输入至预先训练好的情感识别模型中,得到所述目标用户的情感识别结果之前,所述获取单元110获取多个历史语音,并获取每个历史语音的标注结果;
处理单元118提取每个历史语音的语音特征,并对提取到的语音特征进行标准化处理,得到与所述多个历史语音对应的多个特征序列;
计算单元119确定所述多个特征序列中序列最长的特征序列作为目标序列,并计算所述目标序列的目标长度;
所述处理单元118根据所述目标长度对所述多个特征序列进行处理,得到多个待分析序列;
划分单元120对所述多个待分析序列及所述标注结果进行划分,得到语音训练集及语音测试集,所述语音训练集中包括多个待训练序列及所述多个待训练序列的第一标注结果,所述语音测试集中包括多个待测试序列及所述多个待测试序列的第二标注结果;
构建单元121根据所述多个待训练序列及所述第一标注结果构建学习器,并根据所述多个待测试序列及所述第二标注结果确定所述学习器的识别准确率;
若所述识别准确率小于预设阈值,调整单元122调整所述学习器的学习率,直至所述识别准确率大于或者等于所述预设阈值,得到所述情感识别模型。
其中,所述预设阈值是根据应用场景设置的,本发明对所述预设阈值的取值不作限定。
通过所述目标长度对所述多个特征序列进行处理,能够确保生成的所述多个待分析序列为具有相同长度的特征序列,有利于所述学习器的构建,同时,由于从所述多个特征序列中选取序列最长的特征序列作为所述目标序列,能够避免所述多个特征序列中的声音信息的丢失,从而能够构建出准确的所述情感识别模型,通过所述多个待测试序列及所述第二标注结果能够确定出所述学习器的识别准确率,进而能够确保所述情感识别模型的识别准确率。
具体地,所述处理单元118根据所述目标长度对所述多个特征序列进行处理,得到多个待分析序列包括:
获取每个特征序列的序列长度;
若所述序列长度小于所述目标长度,计算所述目标长度与所述序列长度的差值,得到每个特征序列的待处理长度;
根据所述待处理长度对每个特征序列进行补位处理,得到所述多个待分析序列。
例如:获取到特征序列A为789456,所述特征序列A的序列长度为6位,特征序列B为4561,所述特征序列B的序列长度为4位,所述目标长度为8位,经计算,得到所述特征序列A的所述待处理长度为2位,所述特征序列B的所述待处理长度为4位,对所述特征序列A及所述特征序列B进行补位处理后,得到所述特征序列A对应的待分析序列为78945600,所述特征序列B对应的待分析序列为45610000。
通过上述实施方式,在所述序列长度小于所述目标长度时,对所述序列长度的特征序列进行补位处理,能够确保所述多个待分析序列具有相同长度,有利于所述学习器的构建。
若所述目标用户的情感识别结果为预设情感时,检测单元113检测所述目标用户是否存在于预设客户表中,所述预设客户表中存储有多个历史催收用户与客服编号的映射关系。
在本发明的至少一个实施例中,所述预设客户表是通过分析历史催收电话而生成的。
所述预设情感可以是预先设定好的情感,例如,所述预设情感为愤怒、悲伤等不满情感。
在本发明的至少一个实施例中,所述检测单元113检测所述目标用户是否存在于预设客户表中包括:
获取所述目标用户的用户编号;
遍历所述预设客户表中的所有客户编号,并将遍历到的客户编号与所述用户编号进行比较;
若所述遍历到的客户编号与所述用户编号相同,确定所述目标用户存在于所述预设客户表中。
通过将所述目标用户与所述预设客户表中的信息进行比较,能够准确确定出所述目标用户是否存在于预设客户表中。
若所述目标用户存在于所述预设客户表中,所述确定单元114根据所述预设客户表确定与所述目标用户对应的播报客服。
在本发明的至少一个实施例中,所述播报客服可以是聊天机器人,所述播报客服也可以是任意人工客服。
在本发明的至少一个实施例中,所述确定单元114根据所述预设客户表确定与所述目标用户对应的播报客服包括:
从所述预设客户表中确定出与所述目标用户对应的编号作为目标编号;
将与所述目标编号对应的客服确定为所述播报客服。
播报单元115通过所述播报客服向所述目标用户进行催收播报。
在本发明的至少一个实施例中,所述电子设备控制所述播报客服向所述目标用户进行催收播报。
在本发明的至少一个实施例中,若所述目标用户不存在于所述预设客户表中,所述获取单元110获取预设列表中所有客服的评分;
所述确定单元114将所述评分最高的客服确定为目标客服;
所述播报单元115通过所述目标客服向所述目标用户进行催收播报。
通过上述实施方式,能够在所述目标用户不存在于所述预设客户表中时,通过所述目标客服向所述目标用户进行催收播报,从而提高所述语音催收质量。
由以上技术方案可以看出,本发明通过所述预设催收规则能够从所述预设系统中全面获取到所述待催收用户的用户信息,进而利用所述语音拨打策略能够确定出所述目标用户进行语音呼叫,通过所述语音拨打策略能够根据用户需求对所述待催收用户进行呼叫,提高了语音拨打的有序性,在所述呼叫结果为呼叫成功时获取所述目标用户的语音信息,由于在所述呼叫结果为呼叫失败时无需获取用户的语音信息,因此能够提高所述语音信息的获取准确性,进而通过对所述语音信息进行情感识别,能够准确识别出所述目标用户在所述催收场次的情感识别结果,根据所述情感识别结果及所述预设客户表能够准确为所述目标用户确定出合适的所述播报客服,进而精准地控制所述播报客服向所述目标用户进行催收播报,从而能够提高播报质量。
如图3所示,是本发明实现语音播报方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中,所述电子设备1包括,但不限于,存储器12、处理器13,以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令,例如语音播报程序。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,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,例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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。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,所述处理器13是所述电子设备1的运算核心和控制中心,利用各种接口和线路连接整个电子设备1的各个部分,及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
示例性的,所述计算机可读指令可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该计算机可读指令段用于描述所述计算机可读指令在所述电子设备1中的执行过程。例如,所述计算机可读指令可以被分割成获取单元110、筛选单元111、输入单元112、检测单元113、确定单元114、播报单元115、生成单元116、发送单元117、处理单元118、计算单元119、划分单元120、构建单元121及调整单元122。
所述存储器12可用于存储所述计算机可读指令和/或模块,所述处理器13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块,以及调用存储在存储器12内的数据,实现所述电子设备1的各种功能。所述存储器12可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器,例如:硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地,所述存储器12可以是具有实物形式的存储器,如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1集成的模块/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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机可读指令包括计算机可读指令代码,所述计算机可读指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机可读指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
结合图1,所述电子设备1中的所述存储器12存储计算机可读指令实现一种语音播报方法,所述处理器13可执行所述计算机可读指令从而实现:
根据预设催收规则从预设系统中获取待催收用户的用户信息,所述预设催收规则用于指示需要进行催收的用户;
基于语音拨打策略从所述待催收用户中筛选目标用户进行语音呼叫,得到呼叫结果,所述语音拨打策略用于指示所述待催收用户的催收顺序;
若所述呼叫结果为呼叫成功,从预设库中确定与所述呼叫结果对应的催收场次,并获取在所述催收场次中所述目标用户的语音信息,所述预设库中存储多个语音呼叫的拨打编号,所述催收场次用于指示呼叫成功的语音呼叫的场次;
将所述语音信息输入至预先训练好的情感识别模型中,得到所述目标用户的情感识别结果;
若所述目标用户的情感识别结果为预设情感时,检测所述目标用户是否存在于预设客户表中,所述预设客户表中存储有多个历史催收用户与客服编号的映射关系;
若所述目标用户存在于所述预设客户表中,根据所述预设客户表确定与所述目标用户对应的播报客服;
通过所述播报客服向所述目标用户进行催收播报。
具体地,所述处理器13对上述计算机可读指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,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,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述计算机可读存储介质上存储有计算机可读指令,其中,所述计算机可读指令被处理器13执行时用以实现以下步骤:
根据预设催收规则从预设系统中获取待催收用户的用户信息,所述预设催收规则用于指示需要进行催收的用户;
基于语音拨打策略从所述待催收用户中筛选目标用户进行语音呼叫,得到呼叫结果,所述语音拨打策略用于指示所述待催收用户的催收顺序;
若所述呼叫结果为呼叫成功,从预设库中确定与所述呼叫结果对应的催收场次,并获取在所述催收场次中所述目标用户的语音信息,所述预设库中存储多个语音呼叫的拨打编号,所述催收场次用于指示呼叫成功的语音呼叫的场次;
将所述语音信息输入至预先训练好的情感识别模型中,得到所述目标用户的情感识别模型;
若所述目标用户的情感识别模型为预设情感时,检测所述目标用户是否存在于预设客户表中,所述预设客户表中存储有多个历史催收用户与客服编号的映射关系;
若所述目标用户存在于所述预设客户表中,根据所述预设客户表确定与所述目标用户对应的播报客服;
通过所述播报客服向所述目标用户进行催收播报。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块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,也可以采用硬件加软件功能模块的形式实现。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。所述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。