CN113099045B - 一种线路优化的方法、装置和系统 - Google Patents
一种线路优化的方法、装置和系统 Download PDFInfo
- Publication number
- CN113099045B CN113099045B CN202110405732.9A CN202110405732A CN113099045B CN 113099045 B CN113099045 B CN 113099045B CN 202110405732 A CN202110405732 A CN 202110405732A CN 113099045 B CN113099045 B CN 113099045B
- Authority
- CN
- China
- Prior art keywords
- sample
- input
- nodes
- deep learning
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000013135 deep learning Methods 0.000 claims abstract description 56
- 238000005457 optimization Methods 0.000 claims abstract description 33
- 230000004927 fusion Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006854 communication Effects 0.000 abstract description 7
- 239000003999 initiator Substances 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 16
- 238000004590 computer program Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000008451 emotion Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000004065 semiconductor 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
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Abstract
本发明公开了一种线路优化的方法，应用于语音助手或应用于语音助手服务器，其特征在于，所述方法包括以下步骤：获取历史通话线路的历史通话样本；对通话样本进行语音识别和语义分析；对所述语音识别和语义分析结果进行深度学习。本发明的方法能够在线路通话过程中给出最优路径建议，辅助线路发起方的用户进行线路优化，提高通话线路双方的用户体验，获得更好的通话效果。
Description
技术领域
本发明实施例涉及通信技术领域，特别涉及一种线路优化的方法、装置和系统。
背景技术
《民法典》首次将“私人生活安宁”明确写入隐私权，规定任何组织和个人不得以电话、短信、即时通讯工具、电子邮件等方式侵扰他人的私人生活安宁。这就对电话销售人员提出了更高的要求，需要在不打扰他人私生活安宁的基础上完成通话意图，杜绝在推销过程中必须避免用户产生反感情绪，进而觉得被侵犯了隐私。有经验的销售能够根据个人经验判断用户的情绪和反应，进而采用更适合的话术，能够获得通信对端的信任，用户反馈更正向，更能达成意图，销售成功率更高。但是不借助于技术手段，个人经验难以复制，对于销售企业或销售团队整体提升成功率帮助不大。
发明内容
针对现有技术中的问题，本发明提供一种线路优化的方法，应用于语音助手或应用于语音助手服务器，所述方法包括以下步骤：获取历史通话线路的历史通话样本；对通话样本进行语音识别和语义分析；对所述语音识别和语义分析结果进行深度学习。
进一步的，所述对所述语音识别和语义分析结果进行深度学习包括以下一个或几个步骤：对原始通话样本进行深度学习，对输入样本进行深度学习，对输出样本进行深度学习，以及对输入样本和输出样本的关联关系进行深度学习。
进一步的，对所述输出样本进行深度学习至少包括根据所述输出样本获得向导节点和向导路径。
进一步的，对所述输入样本进行深度学习至少包括根据所述输入样本获得输入节点。
进一步的，对所述输入样本和输出样本的关联关系进行深度学习至少包括计算所述输入节点对所述向导节点的影响因子。
进一步的，选择所述影响因子大于阈值的输入节点构成主干节点，所述主干节点构成主干路径，选择所述影响因子不大于阈值的输入节点构成分支节点，计算所述分支节点和主干节点之间的距离，根据所述距离构建一个或多个融合节点。
进一步的，所述分支节点和融合节点构成分支路径，所述主干节点构成主干路径，所述主干路径和所述分支路径构成通话线路的路径拓扑。
本发明还提供一种线路优化方法，应用于语音助手或应用于语音助手服务器，所述方法包括以下步骤：主叫方向被叫方发起通话形成当前通话线路；获取所述线路的通话样本；对所述通话样本进行语音识别和语义分析；使用如前所述的深度学习步骤对当前通话线路进行优化。
本发明还提供一种线路优化装置，应用于语音助手或应用于语音助手服务器，所述装置包括：线路分析模块和深度学习模块，所述线路分析模块包括获取模块和分析模块；所述获取模块，用于获取历史通话线路的历史通话样本；所述分析模块，用于对通话样本进行语音识别和语义分析；所述深度学习模块，用于对所述语音识别和语义分析结果进行深度学习。
本发明还提供一种线路优化系统，应用于语音助手或语音助手服务器，所述线路优化系统包括：通话模块，用于由主叫方向被叫方发起通话线路；线路获取模块，用于获取所述通话线路的通话样本；线路分析模块，用于对所述通话线路进行语音识别和语义分析；以及如权利要求9所述的线路优化装置。
本发明还提供一种线路优化装置，所述线路优化装置包括处理器和存储器，所述存储器中存储有可在处理器上运行的计算机程序，所述计算机程序在被所述处理器执行时实现如前所述的方法。
本发明还提供一种线路优化装置系统，所述线路优化装置系统包括处理器和存储器，所述存储器中存储有可在处理器上运行的计算机程序，所述计算机程序在被所述处理器执行时实现如前所述的方法。
本发明还提供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可在处理器上运行的计算机程序、所述计算机程序在被执行时实现如前所述的方法。
本发明还提供一种线路优化系统，所述系统包括：如前所述的线路优化装置。
本发明的线路优化方法、装置和系统，通过对历史通话样本进行深度学习，构建不同输入和输出之间的影响因子图谱，能够以结果为导向，学习成功通话路径的关键信息，将历史通话线路的有效内容固定下来，构建复杂拓扑关系路径；对于普通发起方能够起到引导沟通的作用。该方法和装置应用于语音助手中，能够在线路通话过程中给出最优路径建议，辅助线路发起方的用户进行线路优化，提高通话线路双方的用户体验，获得更好的通话效果。本发明的方法带来了用户体验的大幅提升，并且能够较好的节约终端资源，体现用户意图，具有很高的交互性和灵活性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,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是本发明一个实施例中的线路优化方法流程图。
图2是本发明另一个实施例中的线路优化装置结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。本发明的实施例以及实施例的具体特征是对本发明实施例技术方案的详细说明，而非对本发明说明书技术方案的限定，在不冲突的情况下，本发明的实施例以及实施例的技术特征可以相互结合。以下结合具体实施例对本发明的方法和装置进行具体描述。
实施例一
本发明实施例提供一种线路优化方法，应用于语音助手或应用于语音助手服务器。所述线路优化方法包括以下步骤：获取历史通话线路的历史通话样本；对通话样本进行语音识别和语义分析；对所述语音识别和语义分析结果进行深度学习。
优选的，历史通话线路是与当前通话线路具有相同或相似意图的通话线路；或者历史通话线路是与当前通话线路的通话双方之一或两者具有相同或相似属性的通话线路；
优选的，对所述语音识别和语义分析结果进行深度学习包括：将通话样本区分为输入样本和输出样本；所述输入样本是通话发起方的通话样本，所述输出样本是通话接收方的通话样本；区分所述输入样本和输出样本可以通过现有技术中的语音分离方法，例如声纹识别等方法。为了区分于输入样本和输出样本，本发明将未分离之前的通话样本称为“原始通话样本”。
优选的，所述深度学习包括以下一个或几个方面：对所述原始通话样本进行深度学习，对所述输入样本进行深度学习，对所述输出样本进行深度学习，以及对所述输入样本和输出样本的关联关系进行深度学习。
优选的，对所述原始通话样本进行深度学习至少包括将所述原始通话样本划分为进程，不同的进程表征通话双方交谈的不同阶段，例如：展开问候的阶段，进行意图铺垫阶段，对通话对端进行引导的阶段，进入正题的阶段，对于负面反映进行挽回的阶段，等等。上述举例应视为对该步骤的一种示例，而不是限定。
进一步的，根据所述通话进程将所述输入样本和输出样本分别划分为输入样本片段和输出样本片段。
可选的，上述划分进程和区分输入样本输出样本的步骤可以互相调换；例如，先对原始通话样本划分进程，得到不同的原始通话样本片段，再区分输入样本片段和输出样本片段。
优选的，对所述输出样本进行深度学习至少包括根据所述输出样本片段获得向导节点；优选的，一个或多个输出样本片段对应与一个或多个向导节点，所述输出样本的全部或部分向导节点构成向导路径；所述向导路径由多个向导节点构成，所述向导路径的最后一个节点为结果节点，所述结果节点指示了所述通话线路的输出结果。进一步的，将所述输出结果为正向的向导路径进行聚类，聚类后获得的向导路径定义为聚类向导路径，所述聚类向导路径上的节点为聚类向导节点。所述输出结果为正向指的是，例如所述被叫方响应了主叫方的通话意图，或者所述通话实现了主叫方的通话目的。优选的，所述输出结果的正向有用户自行定义。
优选的，对所述输入样本进行深度学习包括根据所述输入样本片段获得输入节点，对所述输入样本和输出样本的关联关系进行深度学习至少包括，计算所述输入节点对所述向导节点的影响因子，所述影响因子包括近距离影响因子和结果影响因子，所述近距离影响因子指的是对所述输入节点对相同进程或相邻n个进程的向导节点的影响因子，所述n由用户定义，或取经验值。优选的，所述影响因子的算法可以采用本领域的已知关联度算法，在此不做具体限定。
所述结果影响因子指的是所述输入节点对向导节点中的结果节点的影响因子。选择所述影响因子大于阈值的输入节点构成主干节点。所述主干节点构成主干路径。
进一步的，不满足主干节点条件的剩余输入节点定义为分支节点，计算所述分支节点和主干节点之间的距离，根据所述距离构建一个或多个融合节点。优选的，所述构建一个或多个融合节点，由深度学习过程完成。可选的，所述融合节点由候选输入样本构成，所述融合节点和分支节点构成分支路径。所述分支路径和所述主干路径存在交汇点。
所述分支路径和主干路径构成通话线路的路径拓扑。用于辅助主叫方优化线路，提高线路成功率，并获得良好的用户体验。
所述语音助手向所述主叫方展示所述路径拓扑；优选的，所述语音助手使用自然语言向所述主叫方展示所述路径拓扑；优选的，所述语音助手展示的所述路径拓扑是动态变化的。
实施例二
本发明实施例提供一种线路优化方法，应用于语音助手或语音助手服务器，所述线路优化方法包括：主叫方向被叫方发起通话，所述语音助手获取所述线路的通话样本，对所述通话样本进行语音识别和语义分析，根据如实施例一的所述深度学习结果对当前通话线路进行优化。
具体的，对所述当前通话线路进行优化包括：向所述主叫方输出线路优化建议。优选的所述语音助手可以通过自然语言的文字或语音向所述主叫方输出线路优化建议。
根据本发明的一种可选的实施方式，在通话过程中，所述语音助手可以接替所述主叫方与所述被叫方进行通话，所述语音助手优选的使用和所述主叫方相同的声纹特征进行通话。
根据本发明的另一种可选的实施方式，可以由语音助手向被叫方发起通话。优选的，所述语音助手发起通话后，实时获取被叫方的输出样本，并利用如实施例一所述的深度学习结果，获得下一步的输入内容。
实施例三
本发明实施例提供一种线路优化装置，如图2所示，可选的，所述装置用于语音助手，或应用于语音助手服务器。所述线路优化装置包括：线路分析模块、深度学习模块和线路优化模块。所述线路分析模块包括获取模块和分析模块，所述获取模块，用于获取历史通话线路的历史通话样本；所述分析模块，用于对通话样本进行语音识别和语义分析。所述深度学习模块，用于对所述语音识别和语义分析结果进行深度学习。
优选的，历史通话线路是与当前通话线路具有相同或相似意图的通话线路；或者历史通话线路是与当前通话线路的通话双方之一或两者具有相同或相似属性的通话线路；
优选的，所述深度学习模块包括：区分模块，用于将通话样本区分为输入样本和输出样本；所述输入样本是通话发起方的通话样本，所述输出样本是通话接收方的通话样本；区分所述输入样本和输出样本可以通过现有技术中的语音分离方法，例如声纹识别等方法。为了区分于输入样本和输出样本，本发明将未分离之前的通话样本称为“原始通话样本”。
优选的，所述深度学习模块包括以下一个或几个模块：原始通话样本学习模块，用于对所述原始通话样本进行深度学习；输入样本学习模块，用于对所述输入样本进行深度学习；输出样本学习模块，用于对所述输出样本进行深度学习，以及关联关系学习模块，用于对所述输入样本和输出样本的关联关系进行深度学习。
优选的，对所述原始通话样本进行深度学习至少包括将所述原始通话样本划分为进程，不同的进程表征通话双方交谈的不同阶段，例如：展开问候的阶段，进行意图铺垫阶段，对通话对端进行引导的阶段，进入正题的阶段，对于负面反映进行挽回的阶段，等等。上述举例应视为对该步骤的一种示例，而不是限定。
进一步的，根据所述通话进程将所述输入样本和输出样本分别划分为输入样本片段和输出样本片段。
可选的，上述划分进程和区分输入样本输出样本的步骤可以互相调换；例如，先对原始通话样本划分进程，得到不同的原始通话样本片段，再区分输入样本片段和输出样本片段。
优选的，对所述输出样本学习模块，至少包括：向导节点生成模块，用于根据所述输出样本片段获得向导节点；优选的，一个或多个输出样本片段对应与一个或多个向导节点；向导路径形成模块，用于将所述输出样本的全部或部分向导节点构成向导路径；所述向导路径由多个向导节点构成，所述向导路径的最后一个节点为结果节点，所述结果节点指示了所述通话线路的输出结果。
进一步的，所述输出样本学习模块还包括聚类模块，用于将所述输出结果为正向的向导路径进行聚类，聚类后获得的向导路径定义为聚类向导路径，所述聚类向导路径上的节点为聚类向导节点。所述输出结果为正向指的是，例如所述被叫方响应了主叫方的通话意图，或者所述通话实现了主叫方的通话目的。优选的，所述输出结果的正向有用户自行定义。
优选的，所述输入样本学习模块包括：输入节点生成模块，用于根据所述输入样本片段获得输入节点。
优选的，所述关联关系学习模块包括影响因子计算模块，用于计算所述输入节点对所述向导节点的影响因子，所述影响因子包括近距离影响因子和结果影响因子，所述近距离影响因子指的是对所述输入节点对相同进程或相邻n个进程的向导节点的影响因子，所述n由用户定义，或取经验值。优选的，所述影响因子的算法可以采用本领域的已知关联度算法，在此不做具体限定。
所述结果影响因子指的是所述输入节点对向导节点中的结果节点的影响因子。优选的，所述关联关系学习模块包括节点定义模块，用于选择所述影响因子大于阈值的输入节点构成主干节点，不满足主干节点条件的剩余输入节点定义为分支节点，计算所述分支节点和主干节点之间的距离，根据所述距离构建一个或多个融合节点。优选的，所述构建一个或多个融合节点，由深度学习过程完成。可选的，所述融合节点由候选输入样本构成，所述融合节点和分支节点构成分支路径。所述分支路径和所述主干路径存在交汇点。所述主干节点构成主干路径。
优选的，所述关联关系学习模块包括拓扑形成模块，用于构建由所述主干路径和分支路径构成的通话线路路径拓扑。所述通话线路路径拓扑用于辅助主叫方优化线路，提高线路成功率，并获得良好的用户体验。
进一步的，所述语音助手向所述主叫方展示所述路径拓扑；优选的，所述语音助手使用自然语言向所述主叫方展示所述路径拓扑；优选的，所述语音助手展示的所述路径拓扑是动态变化的。
实施例四
本发明实施例提供一种线路优化系统，应用于语音助手或语音助手服务器，所述线路优化系统包括：通话模块，用于由主叫方向被叫方发起通话线路；线路获取模块，用于获取所述通话线路的通话样本；线路分析模块，用于对所述通话线路进行语音识别和语义分析；以及实施例三中限定的线路优化装置。
具体的，对所述当前通话线路进行优化包括：向所述主叫方输出线路优化建议。优选的所述语音助手可以通过自然语言的文字或语音向所述主叫方输出线路优化建议。
根据本发明的一种可选的实施方式，在通话过程中，所述语音助手可以接替所述主叫方与所述被叫方进行通话，所述语音助手优选的使用和所述主叫方相同的声纹特征进行通话。
根据本发明的另一种可选的实施方式，可以由语音助手向被叫方发起通话。优选的，所述语音助手发起通话后，实时获取被叫方的输出样本，并利用如实施例一所述的深度学习结果，获得下一步的输入内容。
本发明还提供一种线路优化装置，所述线路优化装置包括处理器和存储器，所述存储器中存储有可在处理器上运行的计算机程序，所述计算机程序在被所述处理器执行时实现如前所述的方法。
本发明还提供一种线路优化装置系统，所述线路优化装置系统包括处理器和存储器，所述存储器中存储有可在处理器上运行的计算机程序，所述计算机程序在被所述处理器执行时实现如前所述的方法。
本发明还提供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可在处理器上运行的计算机程序、所述计算机程序在被执行时实现如前所述的方法。
本发明还提供一种线路优化系统，所述系统包括：如前所述的线路优化装置。
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可以包括：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)、闪存、可擦式可编程只读存储器(EPROM)、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。
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。
以上说明只是为了方便理解本发明而举出的例子，不用于限定本发明的范围。在具体实现时，本领域技术人员可以根据实际情况对装置的部件进行变更、增加、减少，在不影响方法所实现的功能的基础上可以根据实际情况对方法的步骤进行变更、增加、减少或改变顺序。
尽管已经示出和描述了本发明的实施例，本领域技术人员应当理解：在不脱离本发明的原理和宗旨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，本发明的范围由权利要求及其等同替换所限定，在未经创造性劳动所作的改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种线路优化方法，应用于语音助手或应用于语音助手服务器，其特征在于，所述方法包括以下步骤：获取历史通话线路的历史通话样本；对通话样本进行语音识别和语义分析；对所述语音识别和语义分析结果进行深度学习；
所述对所述语音识别和语义分析结果进行深度学习包括：对原始通话样本进行深度学习，对输入样本进行深度学习，对输出样本进行深度学习，以及对输入样本和输出样本的关联关系进行深度学习；
对所述输入样本进行深度学习至少包括根据所述输入样本获得输入节点；
对所述输入样本和输出样本的关联关系进行深度学习至少包括计算所述输入节点对向导节点的影响因子；
选择所述影响因子大于阈值的输入节点构成主干节点，所述主干节点构成主干路径，选择所述影响因子不大于阈值的输入节点构成分支节点，计算所述分支节点和主干节点之间的距离，根据所述距离构建一个或多个融合节点。
2.如权利要求1所述的线路优化方法，其特征在于，对所述输出样本进行深度学习至少包括根据所述输出样本获得向导节点和向导路径。
3.如权利要求1所述的线路优化方法，其特征在于，所述分支节点和融合节点构成分支路径，所述主干节点构成主干路径，所述主干路径和所述分支路径构成通话线路的路径拓扑。
4.一种线路优化方法，应用于语音助手或应用于语音助手服务器，其特征在于，所述方法包括以下步骤：
主叫方向被叫方发起通话形成当前通话线路；
获取历史通话线路的历史通话样本；对通话样本进行语音识别和语义分析；对所述语音识别和语义分析结果进行深度学习；
所述对所述语音识别和语义分析结果进行深度学习包括：对原始通话样本进行深度学习，对输入样本进行深度学习，对输出样本进行深度学习，以及对输入样本和输出样本的关联关系进行深度学习；
对所述输入样本进行深度学习至少包括根据所述输入样本获得输入节点；
对所述输入样本和输出样本的关联关系进行深度学习至少包括计算所述输入节点对向导节点的影响因子；
选择所述影响因子大于阈值的输入节点构成主干节点，所述主干节点构成主干路径，选择所述影响因子不大于阈值的输入节点构成分支节点，计算所述分支节点和主干节点之间的距离，根据所述距离构建一个或多个融合节点。
5.一种线路优化装置，应用于语音助手或应用于语音助手服务器，其特征在于，所述装置包括：线路分析模块和深度学习模块，所述线路分析模块包括获取模块和分析模块；所述获取模块，用于获取历史通话线路的历史通话样本；所述分析模块，用于对通话样本进行语音识别和语义分析；所述深度学习模块，用于对所述语音识别和语义分析结果进行深度学习;
所述深度学习模块包括以下一个或几个模块：原始通话样本学习模块，用于对所述原始通话样本进行深度学习；输入样本学习模块，用于对所述输入样本进行深度学习；输出样本学习模块，用于对所述输出样本进行深度学习，以及关联关系学习模块，用于对所述输入样本和输出样本的关联关系进行深度学习；
其中，所述输入样本学习模块包括：输入节点生成模块，用于根据所述输入样本片段获得输入节点；
所述深度学习模块包括关联关系学习模块，用于对所述输入样本和输出样本的关联关系进行深度学习，所述关联关系学习模块包括：影响因子计算模块以及节点定义模块；所述影响因子计算模块，用于计算所述输入节点对向导节点的影响因子；所述节点定义模块，用于选择所述影响因子大于阈值的输入节点构成主干节点，不满足主干节点条件的剩余输入节点定义为分支节点，计算所述分支节点和主干节点之间的距离，根据所述距离构建一个或多个融合节点。
6.一种线路优化系统，应用于语音助手或语音助手服务器，其特征在于，所述线路优化系统包括：通话模块，用于由主叫方向被叫方发起通话线路；以及如权利要求5所述 的线路优化装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110405732.9A CN113099045B (zh) | 2021-04-15 | 2021-04-15 | 一种线路优化的方法、装置和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110405732.9A CN113099045B (zh) | 2021-04-15 | 2021-04-15 | 一种线路优化的方法、装置和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113099045A CN113099045A (zh) | 2021-07-09 |
| CN113099045B true CN113099045B (zh) | 2023-02-10 |
Family
ID=76677740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110405732.9A Active CN113099045B (zh) | 2021-04-15 | 2021-04-15 | 一种线路优化的方法、装置和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113099045B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110335609A (zh) * | 2019-06-26 | 2019-10-15 | 四川大学 | 一种基于语音识别的地空通话数据分析方法及系统 |
| CN111901554A (zh) * | 2020-07-27 | 2020-11-06 | 中国平安人寿保险股份有限公司 | 基于语义聚类的通话通道构建方法、装置和计算机设备 |
| CN112291432A (zh) * | 2020-10-23 | 2021-01-29 | 北京蓦然认知科技有限公司 | 语音助手参与通话的方法及语音助手 |
-
2021
- 2021-04-15 CN CN202110405732.9A patent/CN113099045B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110335609A (zh) * | 2019-06-26 | 2019-10-15 | 四川大学 | 一种基于语音识别的地空通话数据分析方法及系统 |
| CN111901554A (zh) * | 2020-07-27 | 2020-11-06 | 中国平安人寿保险股份有限公司 | 基于语义聚类的通话通道构建方法、装置和计算机设备 |
| CN112291432A (zh) * | 2020-10-23 | 2021-01-29 | 北京蓦然认知科技有限公司 | 语音助手参与通话的方法及语音助手 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113099045A (zh) | 2021-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108962282B (zh) | 语音检测分析方法、装置、计算机设备及存储介质 | |
| US9742912B2 (en) | Method and apparatus for predicting intent in IVR using natural language queries | |
| US9865264B2 (en) | Selective speech recognition for chat and digital personal assistant systems | |
| US20190087455A1 (en) | System and method for natural language processing | |
| JP3941299B2 (ja) | 音声対話装置 | |
| CN111212190A (zh) | 一种基于话术策略管理的对话管理方法、装置和系统 | |
| JPH08106298A (ja) | 対話処理装置及び対話処理方法 | |
| JP2016212541A (ja) | 対話装置、対話方法、及びそのコンピュータプログラム | |
| US20200233908A1 (en) | Interactive system and computer program therefor | |
| CN111402861A (zh) | 一种语音识别方法、装置、设备及存储介质 | |
| JP2018197924A (ja) | 情報処理装置、対話処理方法、及び対話処理プログラム | |
| CN115309877A (zh) | 对话生成方法、对话模型训练方法及装置 | |
| CN112541068A (zh) | 语音对话的意图识别方法、系统、设备及存储介质 | |
| CN113793599B (zh) | 语音识别模型的训练方法和语音识别方法及装置 | |
| CN112951211B (zh) | 一种语音唤醒方法及装置 | |
| CN110503943B (zh) | 一种语音交互方法以及语音交互系统 | |
| US11615787B2 (en) | Dialogue system and method of controlling the same | |
| KR102102287B1 (ko) | 챗봇을 위한 대화 모델의 데이터 크라우드소싱 방법 | |
| CN113099045B (zh) | 一种线路优化的方法、装置和系统 | |
| 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 | |
| WO2024027089A1 (zh) | 智能语音助手的持续学习方法、装置、电子设备及介质 | |
| CN116246632A (zh) | 外呼话术指导方法及装置 | |
| JP2001100787A (ja) | 音声対話システム | |
| CN115346520A (zh) | 语音识别的方法、装置、电子设备和介质 | |
| KR102370437B1 (ko) | 버추얼 상담 시스템 및 이를 이용한 상담방법 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220117 Address after: 310024 floor 5, zone 2, building 3, Hangzhou cloud computing Industrial Park, Zhuantang street, Xihu District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou suddenly Cognitive Technology Co.,Ltd. Address before: 100083 gate 3, block a, 768 Creative Industry Park, Zhongguancun, No.5 Xueyuan Road, Haidian District, Beijing Applicant before: BEIJING MORAN COGNITIVE TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240205 Address after: 710000, No. 67 Nanyi Street, Nannian Village, Xinglong Township, Chang'an District, Xi'an City, Shaanxi Province Patentee after: Gong Xue Country or region after: China Address before: 310024 floor 5, zone 2, building 3, Hangzhou cloud computing Industrial Park, Zhuantang street, Xihu District, Hangzhou City, Zhejiang Province Patentee before: Hangzhou suddenly Cognitive Technology Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20240416 Address after: Room 10108, 1st Floor, Unit 1, Building 1, Class International Mansion, Tangyan Road, High tech Zone, Xi'an City, Shaanxi Province, 710000 Patentee after: Shaanxi Huaju Electric Power Technology Co.,Ltd. Country or region after: China Address before: 710000, No. 67 Nanyi Street, Nannian Village, Xinglong Township, Chang'an District, Xi'an City, Shaanxi Province Patentee before: Gong Xue Country or region before: China |