CN113139059A - 一种基于人机对话的意向分级方法 - Google Patents

一种基于人机对话的意向分级方法 Download PDF

Info

Publication number
CN113139059A
CN113139059A CN202110521398.3A CN202110521398A CN113139059A CN 113139059 A CN113139059 A CN 113139059A CN 202110521398 A CN202110521398 A CN 202110521398A CN 113139059 A CN113139059 A CN 113139059A
Authority
CN
China
Prior art keywords
intention
grading
level
nodes
human
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.)
Granted
Application number
CN202110521398.3A
Other languages
English (en)
Other versions
CN113139059B (zh
Inventor
马云函
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bawei Hangzhou Technology Co ltd
Original Assignee
Bawei Hangzhou Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bawei Hangzhou Technology Co ltd filed Critical Bawei Hangzhou Technology Co ltd
Priority to CN202110521398.3A priority Critical patent/CN113139059B/zh
Publication of CN113139059A publication Critical patent/CN113139059A/zh
Application granted granted Critical
Publication of CN113139059B publication Critical patent/CN113139059B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • 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
    • G06F16/35—Clustering; Classification
    • G06F16/355—Class or cluster creation or modification
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Machine Translation (AREA)

Abstract

本发明属于人机对话领域，尤其为一种基于人机对话的意向分级方法，该方法包括以下步骤：S1：建立场景模型并对场景模型进行训练；S2：通过添加通用标签制定意向评级规则；S3：选择需要的分类维度并在话术节点对包含重要信息的节点依次标记，按重要程度进行分类标记；S4：对已标记的主流程和QA节点以及流转条件和交互逻辑进行打分；通过多维度计算对客户意向进行评定，对话术进行深度定制，实现多维度评价客户意向等级的目的，极大地提高对筛选意向客户的满意度，同时深入结合人机对话过程中涉及到的关键点进行不同维度分级条件的自由组合，并通过文字、语音测试进行校对，达到了符合人工坐席评级的条件。

Description

一种基于人机对话的意向分级方法
技术领域
本发明属于人机对话技术领域，具体涉及一种基于人机对话的意向分级方法。
背景技术
随着人工智能的快速发展，人机对话也得到了广泛应用，其中，智能语音对话在很多企业场景中尤为重要，人机对话的目的是为了快速且低成本筛选意向客户，一直以来人机对话对客户意向分级能否通过人机对话对客户进行准确分级是普遍比较关注的问题。目前大部分常见的人机对话意向分级类别比较局限，或意向分级定义不够灵活，或意向分级不够明细。
现有人机对话系统固定地把意向分级类别定义为A、B、C、D等几种意向分级，不能根据实际业务定义不同的意向分级，没有对意向等级进行全面分析，只是简单地在对话过程中根据客户的一些关键词或者预先设置的话术节点等信息对客户进行意向等级划分，对上下文结合不够深入，导致对客户意向划分不够十分准确，甚至错误等情况，当前人机对话的意向分级由于面向的客户群体比较局限、没有灵活、多维度的分级原因设置，达不到不到人工坐席评级的标准。
为此，设计一种基于人机对话的意向分级方法来解决上述问题。
发明内容
为解决上述背景技术中提出的问题。本发明提供了一种基于人机对话的意向分级方法，可以多维度计算对客户意向进行评定，并且具有意向分级的准确率的特点。
为实现上述目的，本发明提供如下技术方案：一种基于人机对话的意向分级方法，该方法包括以下步骤：
S1：建立场景模型并对场景模型进行训练；
S2：通过添加通用标签制定意向评级规则；
S3：选择需要的分类维度并在话术节点对包含重要信息的节点依次标记，按重要程度进行分类标记；
S4：对已标记的主流程和QA节点以及流转条件和交互逻辑进行打分；
S5：通过无差别标签和特殊标签设置第一级意向分级和最差意向分级；
S6：通过文字测试与语音测试进行校对并实时调整意向等级的条件。
作为本发明一种基于人机对话的意向分级方法优选的，所述S2中意向评级规则包括意向等级名称、意向等级数量、意向等级维度。
作为本发明一种基于人机对话的意向分级方法优选的，所述意向等级维度包括已接通维度、未接通维度，
作为本发明一种基于人机对话的意向分级方法优选的，所述已接通维度包括积极决策结果、转人工结果、按键确认结果、意向分类标记节点、意图标记、特殊标签、内容评分、交互评分；
所述未接通维度包括停机、关机、欠费、空号、占线、无人接听、呼叫受限、拒接、AI故障、线路故障、设备故障、通话异常、业务限制。
作为本发明一种基于人机对话的意向分级方法优选的，所述S1在建立场景模型并对场景模型进行训练时还包括以下步骤：
首先针对不同的场景对话术模型进行训练；
通过多次测试并调优会得到一个比较适合多数人的通用模型，并使用改模型对重要的节点先进行标记。
作为本发明一种基于人机对话的意向分级方法优选的，所述S4中的交互逻辑包括积极流转、问答、总业务流程完成度、对话轮数、对话时长。
作为本发明一种基于人机对话的意向分级方法优选的，所述S5中在设置第一级意向分级和最差意向分级时还包括以下步骤：
设置若干中间意向等级；
通过不同的意向等级维度得组合比对实际要求；
单独设置未接通的意向等级。
作为本发明一种基于人机对话的意向分级方法优选的，所述S6中在通过文字测试与语音测试进行校对并实时调整意向等级的条件时，使用TTS、ASR及NLP工具进行校对。
作为本发明一种基于人机对话的意向分级方法优选的，在设置若干中间意向等级时，通过自定义分级名称以及不同意向等级维度“且”与“或”组合实现精确分级。
与现有技术相比，本发明的有益效果是：
通过多维度计算对客户意向进行评定，对话术进行深度定制，实现多维度评价客户意向等级的目的，极大地提高对筛选意向客户的满意度，同时深入结合人机对话过程中涉及到的关键点进行不同维度分级条件的自由组合，并通过文字、语音测试进行校对，达到了符合人工坐席评级的条件。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明的流程图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示；
一种基于人机对话的意向分级方法，该方法包括以下步骤：
步骤S1：建立场景模型并对场景模型进行训练；
具体的，在建立场景模型并对场景模型进行训练时还包括以下步骤：
首先针对不同的场景对话术模型进行训练；
通过多次测试并调优会得到一个比较适合多数人的通用模型，并使用改模型对重要的节点先进行标记；
步骤S2：通过添加通用标签制定意向评级规则；
步骤S3：选择需要的分类维度并在话术节点对包含重要信息的节点依次标记，按重要程度进行分类标记；
步骤S4：对已标记的主流程和QA节点以及流转条件和交互逻辑进行打分；
步骤S5：通过无差别标签和特殊标签设置第一级意向分级和最差意向分级；
具体的，在设置第一级意向分级和最差意向分级时还包括以下步骤：
设置若干中间意向等级；
通过不同的意向等级维度得组合比对实际要求；
单独设置未接通的意向等级；
步骤S6：通过文字测试与语音测试进行校对并实时调整意向等级的条件。
根据上述技术方案，通过多维度计算对客户意向进行评定，对话术进行深度定制，实现多维度评价客户意向等级的目的，极大地提高对筛选意向客户的满意度，同时深入结合人机对话过程中涉及到的关键点进行不同维度分级条件的自由组合，并通过文字、语音测试进行校对，达到了符合人工坐席评级的条件。
在一个可选的实施例中：所述S2中意向评级规则包括意向等级名称、意向等级数量、意向等级维度。
在一个可选的实施例中：所述意向等级维度包括已接通维度、未接通维度，
在一个可选的实施例中：所述已接通维度包括积极决策结果、转人工结果、按键确认结果、意向分类标记节点、意图标记、特殊标签、内容评分、交互评分；
所述未接通维度包括停机、关机、欠费、空号、占线、无人接听、呼叫受限、拒接、AI故障、线路故障、设备故障、通话异常、业务限制。
在一个可选的实施例中：所述S4中的交互逻辑包括积极流转、问答、总业务流程完成度、对话轮数、对话时长。
在一个可选的实施例中：所述S6中在通过文字测试与语音测试进行校对并实时调整意向等级的条件时，使用TTS、ASR及NLP工具进行校对，其中，TTS为Text To Speech语音合成，ASR为Automatic Speech Recognition语音识别，NLP为Natural LanguageProcessing自然语言处理，通过此三种处理语音的技术，通过文字、语音测试进行校对，达到了符合人工坐席评级的条件，极大地提高对筛选意向客户的满意度。
在一个可选的实施例中：在设置若干中间意向等级时，通过自定义分级名称以及不同意向等级维度“且”与“或”组合实现精确分级，通过自定义分级名称，以不同的意向等级维度通过“且”与“或”的组合，进而丰富了中间意向等级，使之评级更加符合实际要求。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于人机对话的意向分级方法，其特征在于，该方法包括以下步骤：
S1：建立场景模型并对场景模型进行训练；
S2：通过添加通用标签制定意向评级规则；
S3：选择需要的分类维度并在话术节点对包含重要信息的节点依次标记，按重要程度进行分类标记；
S4：对已标记的主流程和QA节点以及流转条件和交互逻辑进行打分；
S5：通过无差别标签和特殊标签设置第一级意向分级和最差意向分级；
S6：通过文字测试与语音测试进行校对并实时调整意向等级的条件。
2.根据权利要求1所述的基于人机对话的意向分级方法，其特征在于：所述S2中意向评级规则包括意向等级名称、意向等级数量、意向等级维度。
3.根据权利要求2所述的基于人机对话的意向分级方法，其特征在于：所述意向等级维度包括已接通维度、未接通维度。
4.根据权利要求3所述的基于人机对话的意向分级方法，其特征在于：所述已接通维度包括积极决策结果、转人工结果、按键确认结果、意向分类标记节点、意图标记、特殊标签、内容评分、交互评分；
所述未接通维度包括停机、关机、欠费、空号、占线、无人接听、呼叫受限、拒接、AI故障、线路故障、设备故障、通话异常、业务限制。
5.根据权利要求1所述的基于人机对话的意向分级方法，其特征在于：所述S1在建立场景模型并对场景模型进行训练时还包括以下步骤：
首先针对不同的场景对话术模型进行训练；
通过多次测试并调优会得到一个比较适合多数人的通用模型，并使用改模型对重要的节点先进行标记。
6.根据权利要求1所述的基于人机对话的意向分级方法，其特征在于：所述S4中的交互逻辑包括积极流转、问答、总业务流程完成度、对话轮数、对话时长。
7.根据权利要求3所述的基于人机对话的意向分级方法，其特征在于：所述S5中在设置第一级意向分级和最差意向分级时还包括以下步骤：
设置若干中间意向等级；
通过不同的意向等级维度得组合比对实际要求；
单独设置未接通的意向等级。
8.根据权利要求1所述的基于人机对话的意向分级方法，其特征在于：所述S6中在通过文字测试与语音测试进行校对并实时调整意向等级的条件时，使用TTS、ASR及NLP工具进行校对。
9.根据权利要求7所述的基于人机对话的意向分级方法，其特征在于：在设置若干中间意向等级时，通过自定义分级名称以及不同意向等级维度“且”与“或”组合实现精确分级。
CN202110521398.3A 2021-05-13 2021-05-13 一种基于人机对话的意向分级方法 Active CN113139059B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110521398.3A CN113139059B (zh) 2021-05-13 2021-05-13 一种基于人机对话的意向分级方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110521398.3A CN113139059B (zh) 2021-05-13 2021-05-13 一种基于人机对话的意向分级方法

Publications (2)

Publication Number Publication Date
CN113139059A true CN113139059A (zh) 2021-07-20
CN113139059B CN113139059B (zh) 2022-07-15

Family

ID=76817868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110521398.3A Active CN113139059B (zh) 2021-05-13 2021-05-13 一种基于人机对话的意向分级方法

Country Status (1)

Country Link
CN (1) CN113139059B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109672794A (zh) * 2018-12-04 2019-04-23 天津深思维科技有限公司 一种智能语音外呼系统
US20200034421A1 (en) * 2016-06-24 2020-01-30 Elemental Cognition Llc Architecture and processes for computer learning and understanding
CN111078846A (zh) * 2019-11-25 2020-04-28 青牛智胜(深圳)科技有限公司 一种基于业务场景的多轮对话体系构建方法及系统
CN111091832A (zh) * 2019-11-28 2020-05-01 秒针信息技术有限公司 一种基于语音识别的意向评估方法和系统
CN112015879A (zh) * 2020-09-14 2020-12-01 百可录(北京)科技有限公司 基于文本结构化管理的人机交互引擎实现方法及装置
CN112150694A (zh) * 2020-08-12 2020-12-29 国网浙江省电力有限公司营销服务中心 一种智能语音电费催缴系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200034421A1 (en) * 2016-06-24 2020-01-30 Elemental Cognition Llc Architecture and processes for computer learning and understanding
CN109672794A (zh) * 2018-12-04 2019-04-23 天津深思维科技有限公司 一种智能语音外呼系统
CN111078846A (zh) * 2019-11-25 2020-04-28 青牛智胜(深圳)科技有限公司 一种基于业务场景的多轮对话体系构建方法及系统
CN111091832A (zh) * 2019-11-28 2020-05-01 秒针信息技术有限公司 一种基于语音识别的意向评估方法和系统
CN112150694A (zh) * 2020-08-12 2020-12-29 国网浙江省电力有限公司营销服务中心 一种智能语音电费催缴系统及方法
CN112015879A (zh) * 2020-09-14 2020-12-01 百可录(北京)科技有限公司 基于文本结构化管理的人机交互引擎实现方法及装置

Also Published As

Publication number Publication date
CN113139059B (zh) 2022-07-15

Similar Documents

Publication Publication Date Title
US7844045B2 (en) Intelligent call routing and call supervision method for call centers
US10044864B2 (en) Computer-implemented system and method for assigning call agents to callers
US6487530B1 (en) Method for recognizing non-standard and standard speech by speaker independent and speaker dependent word models
US8725518B2 (en) Automatic speech analysis
US6721416B1 (en) Call centre agent automated assistance
CN103458056B (zh) 自动外呼系统基于自动分类技术的语音意图判定系统
RU2007108794A (ru) Машинное обучение
CN110135879A (zh) 基于自然语言处理的客服质量自动评分方法
CN112800743A (zh) 一种基于特定领域的语音打分模型构建系统及方法
CN107240394A (zh) 一种动态自适应语音分析技术以用于人机口语考试的方法及系统
CN112015875B (zh) 在线客服助手的构建方法
Karis et al. Automating services with speech recognition over the public switched telephone network: Human factors considerations
CN114328867A (zh) 一种人机对话中智能打断的方法及装置
CN113139059B (zh) 一种基于人机对话的意向分级方法
EP3908941A1 (en) Artificial intelligence system for business processes
CN111953854B (zh) 一种基于场景模型的智能客服辅助方法
CN114710592A (zh) 一种基于人工智能的呼叫系统及方法
CN116189713A (zh) 一种基于语音识别的外呼管理方法及装置
CN117153151B (zh) 基于用户语调的情绪识别方法
CN114708047B (zh) 一种基于知识图谱的外呼策略运营方法与系统
CN114666449B (zh) 一种呼叫系统的语音数据处理方法及呼叫系统
CN116939110A (zh) 人工座席辅助系统及方法
CN112887490A (zh) 一种基于催收场景的电话机器人压力测试系统
CN113192498A (zh) 音频数据处理方法、装置、处理器及非易失性存储介质
CN117877532A (zh) 一种台区客户智能化互动服务系统

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