CN113225438A - 一种来电处理方法、电子设备与计算机可读存储介质 - Google Patents

Abstract

本发明提供一种来电处理方法、电子设备与计算机可读存储介质。在该方法中，响应于接收到用户来电，获取来电号码相关联的用户信息，之后，将所述用户信息输入第一树形模型，并接收所述第一树形模型输出的预测结果；其中，所述第一树形模型用于预测用户所要咨询的问题，所述第一树形模型由多个分支模型组合而成，任意一个所述分支模型的预测准确率大于或等于预设的准确率阈值，从而，将所述用户来电接入目标客服号码，所述目标客服号码与所述预测结果相关联。本发明所提供的技术方案能够提高客服系统针对用户来电的预测准确率，并提高了来电处理效率。

Description

一种来电处理方法、电子设备与计算机可读存储介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种来电处理方法、电子设备与计算机可读存储介质。

背景技术

随着网络交易的普及，智能客服系统也越来越多的参与人们的生活，用户可以拨打客服电话来咨询问题。客服系统一般采用用户自主选择咨询场景的模式工作，也就是，用户通过按键的方式来自主选择所要咨询问题对应的业务场景，进而，客服系统将用户来电转接到用户选择的业务场景对应的人工客服处。

但是，用户自主选择业务场景的准确率较低，一般仅有15％左右。这也进一步导致了用户咨询问题与客服技能不匹配的问题，通常需要人工客服与用户进行交流，并在确定用户具体咨询的问题后，再由人工客服将用户来电手动转接到实际业务场景对应的人工客服处。这种来电处理方式过程繁琐，用户等待时间长，准确率与效率较低。

发明内容

本发明提供一种来电处理方法、电子设备与计算机可读存储介质，用以提高客服系统针对用户来电的预测准确率，并提高来电处理效率。

第一方面，本发明提供一种来电处理方法，包括：

响应于接收到用户来电，获取来电号码相关联的用户信息；

将所述用户信息输入第一树形模型，并接收所述第一树形模型输出的预测结果；其中，所述第一树形模型用于预测用户所要咨询的问题，所述第一树形模型由多个分支模型组合而成，任意一个所述分支模型的预测准确率大于或等于预设的准确率阈值；

将所述用户来电接入目标客服号码，所述目标客服号码与所述预测结果相关联。

第二方面，本发明提供一种电子设备，包括：

获取模块，用于响应于接收到用户来电，获取来电号码相关联的用户信息；

处理模块，用于将所述用户信息输入第一树形模型，并接收所述第一树形模型输出的预测结果；其中，所述第一树形模型用于预测用户所要咨询的问题，所述第一树形模型由多个分支模型组合而成，任意一个所述分支模型的预测准确率大于或等于预设的准确率阈值；

转接模块，用于将所述用户来电接入目标客服号码，所述目标客服号码与所述预测结果相关联。

第三方面，本发明提供一种电子设备，包括：包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的来电处理方法的步骤。

第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面所述的方法。

本发明提供的本发明提供一种来电处理方法、电子设备与计算机可读存储介质，当接收到用户来电时，获取与来电号码相关联的用户信息，进而，利用第一树形模型来预测用户所要咨询的问题，并进而实现用户来电的自动转接，无需用户自主选择业务场景，简化用户操作步骤，有利于提高处理效率；并且，本发明实施例中，第一树形模型由多个具备较高预测准确率的分支模型组合而来，预测准确率较高，树形模型的可解释性较高，便于客服人员了解用户情况，进一步提高来电处理效率。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1为本发明实施例所提供的来电处理方法的业务场景示意图；

图2为本发明实施例所提供的一种来电处理方法的流程示意图；

图3为本发明实施例所提供的第一树形模型的一种结构示意图；

图4为本发明实施例所提供的第一树形模型的训练方法的流程示意图；

图5为本发明实施例所提供的第一树形模型的另一种结构示意图；

图6为本发明实施例所提供的另一种来电处理方法的流程示意图；

图7为本发明实施例所提供的一种电子设备的功能方块图；

图8为本发明实施例所提供的一种电子设备的实体结构示意图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

本发明实施例提供的来电处理方法，可以适用于图1所示的业务场景示意图。如图1所示，在该业务场景中，客服系统可以与一个或多个用户终端(图1示出3个用户终端)进行通信，并将用户通过手机等终端设备拨打的用户来电转接到人工客服处。

其中，终端设备可以是无线终端也可以是有线终端。无线终端可以是指向用户提供语音和/或其他业务数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。无线终端可以经无线接入网(Radio Access Network，简称RAN)与一个或多个核心网设备进行通信，无线终端可以是移动终端，如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机，例如，可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置，它们与无线接入网交换语言和/或数据。再例如，无线终端还可以是个人通信业务(Personal Communication Service，简称PCS)电话、无绳电话、会话发起协议(Session Initiation Protocol，简称SIP)话机、无线本地环路(Wireless LocalLoop，简称WLL)站、个人数字助理(Personal Digital Assistant，简称PDA)等设备。无线终端也可以称为系统、订户单元(Subscriber Unit)、订户站(Subscriber Station)，移动站(Mobile Station)、移动台(Mobile)、远程站(Remote Station)、远程终端(RemoteTerminal)、接入终端(Access Terminal)、用户终端(User Terminal)、用户代理(UserAgent)、用户设备(User Device or User Equipment)，在此不作限定。可选的，上述终端设备还可以是智能手表、平板电脑等设备。终端设备具备通过网络或运营商来拨打电话的功能。

本发明具体的应用场景在于客服系统针对用户来电的处理场景。

例如，一种可能的实现场景中，用户通过购物平台下单后，若需要进一步咨询订单的物流问题或售后问题时，可以拨打客服电话，此时，购物平台(或商家)的客服系统就需要对该用户来电转接到某一具体业务对应的客服人员处。

又例如，另一种可能的实现场景中，用户还可以拨打通信运营商的客服电话，来咨询或办理通信业务。

又例如，另一种可能的实现场景中，用户还可以拨打应用程序(Application，APP)的客服电话，以通过电话与APP的客服人员进行联系，进而咨询使用APP中的问题或办理业务。

本公开实施例中，对于任意一种客服系统而言，当其接收到用户来电，一般需要确定用户所要咨询的问题，从而，根据问题所属的业务领域来将来电分配到对应的客服人员处。但是，如背景技术所述，用户自主选择业务场景时，操作步骤繁琐，并且准确率较低。

例如，用户想要咨询物流问题，但由于不清楚客服系统中的业务划分方式，自主选择的业务场景是售后咨询，此时，客服系统会将该用户来电转接到负责售后咨询的客服人员处。而负责售后咨询的客服人员可能并不清楚物流业务方面的问题，无法解答用户提问，也即存在客服人员技能与用户咨询问题不匹配的情况。

这种情况下，可以对客服人员进行所有技能的培训，但培训周期长，业务范围广，客服人员很难消化，培训效果较差。或者，需要由客服人员先与用户进行电话沟通，待明确用户实际提问的问题后，再由客服人员进行人工转接。例如，前一举例中，负责售后咨询的客服人员，就需要在了解到用户实际提问问题后，将用户来电转接到负责物流业务的客服人员处。这种处理方式拉长了整体通话时长，且可能还需要二次转接，来电处理效率较差。

而本发明提供的技术方案，旨在解决现有技术的如上技术问题。

下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

实施例一

本发明实施例提供了一种来电处理方法。可以应用于如图1所示的客服系统。以下，为便于理解，以购物平台的客服系统为例，对该来电处理方法进行说明。

请参考图2，本发明实施例提供的来电处理方法可以包括如下步骤：

S202，响应于接收到用户来电，获取来电号码相关联的用户信息。

本发明实施例中，用户信息可以包括但不限于：用户数据包括用户基础信息、用户行为信息、订单信息中的至少一种。

其中，用户基础信息可以包括但不限于：用户名、用户账号(例如，购物平台的用户编码)、用户的联系方式(例如，手机号码、联系邮箱等)、用户年龄和性别中的一种或多种，不作穷举。前述用户基础信息可以包括用户的注册信息。

用户行为信息可以包括但不限于：用户在购物平台上的购买行为信息、评价行为信息、点击行为信息、咨询行为信息中的一种或多种。

订单信息可以包括但不限于：订单基础信息、订单物流状态信息、订单时效信息、交易产品信息(例如，产品类型、产品价格、产品所属店铺信息等)中的至少一种。

如前，该步骤用于获取与来电号码相关的用户信息，用户信息能够从前述至少一个方面对用户进行表征。本发明实施例中，所获取到的用户信息可以为一个或多个用户的用户信息，后续结合具体实现方式详述获取方式。

在本发明实施例的一种可能的实施例中，用户数据是由卡夫卡(kafka)系统实时更新的数据。如此，在用户来电进线后，能够获取到电话进线前秒级延迟的特征信息，有助于结合实时数据，进一步提高预测结果的准确率，并进而提高用户咨询问题与客服技能的匹配程度，提高用户体验。

S204，将用户信息输入第一树形模型，并接收第一树形模型输出的预测结果；其中，第一树形模型用于预测用户所要咨询的问题，第一树形模型由多个分支模型组合而成，任意一个分支模型的预测准确率大于或等于预设的准确率阈值。

第一树形模型可以为提升数算法(Boosted Trees)模型。第一树形模型也可以称为问题预测模型、问题预判模型或其他名称，本发明实施例对其名称无特别限制。

请参考图3，图3示出了第一树形模型的一种结构示意图。如图3所示，第一树形模型由多个呈树形结构的分支模型组合而成，每个分支模型也包含根节点(从上往下的顶部位置的节点)和多个叶子结点(从上往下的底部位置的节点)。每个叶子结点都是一个用户可能提问的问题，基于输入第一树形模型的用户信息不同，按照第一树形模型的树形结构，能够输出不同的预测结果(用户可能会提问的问题)。

在如图3所示的第一树形模型中，从任意一个根节点到下方的一个叶子结点，可作为一个预测逻辑；而一个分支模型可作为一个预测逻辑集合。在具体的实现场景中，可以将第一树形模型中各分支模型的多个预测逻辑集合存储在客服系统的可读存储位置。例如，可以存储在客服系统本地内存中，也可以存储在与客服系统连接或通信的另一电子设备的内存中。

并且，本发明实施例中，第一树形模型中，各分支模型的预测准确率均能够达到准确率阈值或之上，能够在一定程度上保证预测结果的准确率较高。其中，对于任意一个叶子节点而言，该叶子节点的预测准确率可以为正样本数目在总样本数目中所占的比例，其中，正样本是指该预测结果与实际结果相同，预测准确的样本。此外，样本中还可能存在负样本，负样本为总样本中除正样本之外的样本，预测结果与实际结果不同。

本发明实施例利用预测准确率较高的第一树形模型来实现问题预测，在保证了输出结果准确率较高的同时，还能够基于树形结构对输出结果进行解释，可解释性较高，问题预测的稳定性也较高。

后续具体对第一树形模型的构建和训练进行说明，此处不赘述。

S206，将用户来电接入目标客服号码，目标客服号码与预测结果相关联。

此时，基于第一树形模型预测出用户可能咨询的问题之后，即可根据其可能咨询的问题，确定所属的业务部门，进而，将用户来电转接入该业务部门的一个目标客服号码中，实现用户与客服人员的通话。

在如图2所示的实施例中，用户无需自定义所要咨询问题的业务场景，而是通过利用第一树形模型处理用户信息的方式，由客服系统自动输出预测结果，并进而实现自动转接。对于来电用户而言，这种处理方式简化了用户操作，能够有效缩短接入人工客服之前的等待时长，用户体验较高。而且，本发明实施例中，第一树形模型由多个具备较高预测准确率的分支模型组合而来，预测准确率较高，树形模型的可解释性较高，便于客服人员了解用户情况，进一步提高来电处理效率。

以下，在图2所示基础上，对本发明实施例所提供的来电处理方法做进一步说明。

本发明实施例中，S204所涉及到的第一树形模型，可以是利用样本数据训练得到的，也就是，首先获取样本数据，并利用样本数据，训练得到第一树形模型。

具体而言，训练第一树形模型的方式可以参考图4所示的模型训练方式的流程示意图，如图4所示可以按照如下方式训练第一树形模型。

S402，获取样本数据。

样本数据中至少携带用户信息与用户咨询问题两方面的数据。其中，用户信息同前，此处不赘述。而用户咨询问题则用于就模型的预测准确率进行确定。对任意一个样本数据而言，将yoghurt信息输入模型，若模型输出的预测结果与用户咨询问题相同，则该样本数据为正样本。

此外，此处所涉及到的“预测结果与用户咨询问题相同”是指二者的语义相同，并非所有文字相同。例如，若预测结果为“查询当前物流状态”，而样本数据中用户咨询问题为“现在物流到哪儿了”，二者的语义相同，则预测结果与用户咨询问题相同。

一种具体的实现方式中，样本数据可以为购物平台的离线数据。离线数据可以来源于购物平台的大数据集合，通过对大数据集合中的数据进行数据分析，得到用户信息与用户咨询问题，从而，利用用户信息与用户咨询问题来构建模型并验证数据准确率。

其中，大数据集合可以基于hive、python、spark开发来构建。对大数据集合中的数据进行数据分析时，可以通过业务归纳、数据分析选取合适的特征，这些特征刻画客户电话进线时的状态，主要包括订单信息、订单物流状态、订单promise时效、咨询行为、流量点击行为等。通过向量化处理(或数值化处理)，得到样本数据，并进而将样本数据作用于第一树形模型的训练。

S404，利用样本数据对初始树形模型进行训练，得到第二树形模型；其中，第二树形模型充分拟合，第二树形模型的输入数据为样本数据中的样本用户数据，输出数据为预测出的用户提问的问题。

初始树形模型可以为预设的具备根节点与多个叶子节点的树形模型，本发明实施例中，利用样本数据来训练出充分拟合的第二树形模型。

S406，将第二树形模型分割为多个分支模型；分支模型包括第一分支模型与第二分支模型，第一分支模型的预测准确率大于或等于准确率阈值，第二分支模型的预测准确率小于准确率阈值。

具体而言，可以从根节点开始，由上至下，将第二树形模型裁剪成多个分支模型，每个分支模型具备自己的根节点和叶子结点。具体裁剪时，第一分支模型的数目可以为一个或多个，第二分支模型的数目可以为一个或多个，由各分支模型的预测准确率来确定。

S408，利用样本数据，对第二分支模型进行训练，得到第三分支模型，其中，第三分支模型的预测准确率大于或等于准确率阈值。

该步骤用于对预测准确率较小的第二分支模型进行训练，该步骤可以重复多次执行，直至得到预测准确率较高的第三分支模型。

S410，组合第一分支模型与第三分支模型，得到第一树形模型。

也就是，将第一分支模型与第三分支模型进行打包，即得到第一树形模型。

在执行该步骤时，可以将相关联的模型逻辑组合为一个树形结构，将无关联的分支模型直接进行打包。此时，第一树形模型可以表现为一个或多个树形结构。例如，图3示出的第一树形模型表现为一个树形结构。又例如，图5示出了第一树形模型的另一种结构示意图，如图所5所示，该第一树形模型由三个树形结构构成，而一个树形结构可以由一个或多个分支模型组合而成。

如前，第一树形模型具备较高的可解释性。以图3所示第一树形模型为例进行说明。当提取出第一树形模型中处理逻辑时，可以得到如下预测逻辑：

当X≤1时，得到预测结果为问题A1；

当X＞1且Y！＝3(！＝表述不等于)时，得到预测结果为问题A2；

当X＞1、Y＝3且Z＞5时，得到预测结果为问题A3；

当X＞1、Y＝3、Z≤5且Q＜6时，得到预测结果为问题A4；

当X＞1、Y＝3、Z≤5且Q≥6时，得到预测结果为问题A5。

由此，基于第一树形模型输出的预测结果，可以依据前述预测逻辑，对这种预测结果进行解释。例如，若用户来电得到的用户信息输入第一树形模型后，第一树形模型输出的预测结果为问题A3，则可以由此确定该预测结果是由于满足“X＞1、Y＝3且Z＞5”这一条件而得出的。

在一种可能的实施例中，客服系统除按照前述实施例所示方式进行用户来电的转接之外，还可以将第一树形模型输出至目标客服号码对应的客服节点。如此，客服人员可以基于该第一树形模型，来了解该用户来电的用户信息，有利于实现后续的高效率沟通。

在本发明实施例的一种可能的设计中，可以直接建立各来电号码与用户信息之间的关联关系，从而，客服系统在接收到用户来电时，能够直接根据该关联关系确定来电号码所关联的用户信息。

另一种可能的设计中，用户信息可以与用户账号相关联，也就是，按照用户账号来存储用户信息。由此，客服系统首先确定来电号码所对应的用户账号。

这种情况下，在客服系统的另一可读存储位置，例如在hbase数据库中，还可以维护有号码集合。号码集合也可以称之为电话维表，用于将用户在购物平台上的用户账号与电话号码进行关联维护。电话维表中可以维护有多个电话号码池子，一个电话号码池子对应于一个用户账户。而任意一个用户账号的电话号码池子中，可以关联维护多个电话号码。这些电话号码可以是与用户账号具备行为关联的号码。

具体而言，对于任意一个用户账号而言，可以采集与用户账号相关联的多个电话号码；然后，将多个电话号码作为用户账号的号码集合，进行存储。例如，一种可能的实施例中，可以对购物平台在最近一年内的订单所属用户账号，获取该用户账号最近M个订单中收件人的电话号码、该用户账号最近N次客服咨询使用的电话号码、该用户账号注册时所留的电话号码，并将这M+N+1个电话号码与用户账号关联存储，形成该用户账号的电话号码池子。其中，M、N均为大于0的整数，二者可以相同或不同，本发明实施例对此数值无特别限定，例如，M可以为5，N可以为3，如此，每个用户账号可以与9个电话号码相关联。

此外，在另一可能的实现场景中，电话维表中的号码是经过加密处理后的，这能够在一定程度上提高客服系统的信息安全程度。

基于这种设计，客服系统在执行前述S202步骤时，当接收到用户来电时，即确定来电号码所属的目标号码集合，从而，确定目标号码集合对应的用户账号，进而，获取用户账号对应的用户信息。

此时，由于电话维表中维护的多个电话号码，则可能存在一个电话号码可能会落在多个电话号码池子中，也就是，来电号码所属的目标号码集合为多个的情况。此时，客服系统执行后续的S204步骤时，可以将每个用户账号对应的用户信息分别输入第一树形模型，并分别接收第一树形模型输出的多个预测结果，每个预测结果对应于一个用户账号。

客服系统在接收到第一树形模型输出的预测结果后，还需要基于预测结果确定相关联的目标客服号码。

一种可能的实施例中，客服系统的另一可读存储位置，还可以存储有预测结果(或提问问题)与客服号码之间的对应关系表，如此，刻度系统在接收到预测结果之后，即可根据该对应关系表，确定目标客服号码。

另一种可能的实施例中，还可以建立预测结果(或提问问题)与业务部门之间的对应关系，从而，可以将各业务部门中的人工客服电话作为目标客服号码。

在本发明实施例中，第一树形模型可能输出多个预测结果。例如，当获取到的用户信息与多个用户账户相关联时，可以接收到第一树形模型输出的与各用户账户关联的预测结果。又例如，即便获取到的用户信息仅与一个用户账户相关联，第一树形模型也可以输出预测准确率较高的多个预测结果。

当预测结果的数目为多个时，客服系统可以在多个预测结果中，确定目标预测结果，目标预测结果所属分支模型的预测准确率在多个预测结果中最高(也就是，可以获取准确率最高的一个预测结果作为目标预测结果)；从而，确定目标预测结果所属的目标业务部门，进而，将用户来电接入目标业务部门的目标客服号码。也就是，获取客服系统可以获取预测准确率最高的一个预测结果，来进行用户来电的转接。

除此之外的另一个实施例中，当预测结果的数目为多个时，可以根据各预测结果所对应的业务部门，获取预测结果最多的一个业务部门的客服电话，作为目标客服号码。例如，若预测结果有5个，其中，2个预测结果对应业务部门1，3个预测结果对应业务部门2，业务部门2对应的预测结果的数目最多，则将业务部门2的客服电话号码作为目标客服号码。

实际场景中，也可以仅确定一个目标业务部门，通过业务接口，将该用户来电转接入该业务部门的客服分配系统，进而，由该业务部门的客服分配系统来自主分配人工客服。也就是，将目标业务部门分配的人工客服的接线号码作为目标客服号码。

通过前述处理，用户拨打客服电话后，客服系统接通用户来电，按照前述处理，将用户来电转接至目标客服号码，实现用户与人工客服的电话交流。在一种可能的实施例中，用户号码对于客服人员也可以是经过加密的，保障用户信息安全。

图6示出了本发明实施例所提供的来电处理方法的另一流程示意图。如图6所示，客服系统可以利用离线数据，例如订单详情、物流信息、用户基础信息等，构建第一树形模型；而对于购物平台上的实时数据，则通过卡夫卡系统进行实时同步和存储。以及，客服系统还维护有电话维表。从而，在客服系统接收到用户来电时，通过业务接口和数据接口，查询电话维表确定目标用户账号后，获取卡夫卡系统实时同步的用户数据，即可得到用户信息。之后，客服系统可以通过数据接口，将用户信息输入第一树形模型，并接收其输出的预测结果。基于预测出来的用户可能咨询的问题，可以确定目标业务部门。进而，客服系统通过业务接口获得目标业务部门后，即可将该用户来电转接入负责该业务部门的人工客服处，实现用户与人工客服的通话。

可以理解的是，上述实施例中的部分或全部步骤或操作仅是示例，本申请实施例还可以执行其它操作或者各种操作的变形。此外，各个步骤可以按照上述实施例呈现的不同的顺序来执行，并且有可能并非要执行上述实施例中的全部操作。

本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。

实施例二

基于上述实施例一所提供的来电处理方法，本发明实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。

本发明实施例提供了一种电子设备，请参考图7，该电子设备700，包括：

获取模块72，用于响应于接收到用户来电，获取来电号码相关联的用户信息；

处理模块74，用于将用户信息输入第一树形模型，并接收第一树形模型输出的预测结果；其中，第一树形模型用于预测用户所要咨询的问题，第一树形模型由多个分支模型组合而成，任意一个分支模型的预测准确率大于或等于预设的准确率阈值；

转接模块76，用于将用户来电接入目标客服号码，目标客服号码与预测结果相关联。

本发明的一种实施例中，该电子设备700还包括模型训练模块(图7未示出)，模型训练模块用于：

获取样本数据；

利用样本数据，训练得到第一树形模型。

具体的，模型训练模块，具体用于：

利用样本数据对初始树形模型进行训练，得到第二树形模型；其中，第二树形模型充分拟合，第二树形模型的输入数据为样本数据中的样本用户数据，输出数据为预测出的用户提问的问题；

将第二树形模型分割为多个分支模型；分支模型包括第一分支模型与第二分支模型，第一分支模型的预测准确率大于或等于准确率阈值，第二分支模型的预测准确率小于准确率阈值；

利用样本数据，对第二分支模型进行训练，得到第三分支模型，其中，第三分支模型的预测准确率大于或等于准确率阈值；

组合第一分支模型与第三分支模型，得到第一树形模型。

本发明的另一实施例中，获取模块72，具体用于：

响应于接收到用户来电，确定来电号码所属的目标号码集合；

确定目标号码集合对应的用户账号；

获取用户账号对应的用户信息。

另一实施例中，当用户账号的数目为多个时，处理模块74，具体用于：

将每个用户账号对应的用户信息分别输入第一树形模型；

接收第一树形模型输出的多个预测结果，每个预测结果对应于一个用户账号。

本发明的一种实施例中，该电子设备700还包括：

采集模块(图7未示出)，用于对于任意一个用户账号，采集与用户账号相关联的多个电话号码；

存储模块(图7未示出)，用于将多个电话号码作为用户账号的号码集合，进行存储。

本发明的一种实施例中，转接模块76，具体用于：

在多个预测结果中，确定目标预测结果，目标预测结果所属分支模型的预测准确率在多个预测结果中最高；

确定目标预测结果所属的目标业务部门；

将用户来电接入目标业务部门的目标客服号码。

本发明实施例中，用户数据包括用户基础信息、用户行为信息、订单信息中的至少一种。

本发明的一种实施例中，用户数据是由卡夫卡系统实时更新的数据。

本发明的一种实施例中，该电子设备700还包括：

输出模块(图7未示出)，用于将第一树形模型输出至目标客服号码对应的客服节点。

图7所示实施例的电子设备700可用于执行上述方法实施例的技术方案，其实现原理和技术效果可以进一步参考方法实施例中的相关描述，可选的，该电子设备700可以服务器或终端。

应理解以上图7所示电子设备700的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块以软件通过处理元件调用的形式实现，部分模块通过硬件的形式实现。例如，处理模块74可以为单独设立的处理元件，也可以集成在电子设备700中，例如终端的某一个芯片中实现，此外，也可以以程序的形式存储于电子设备700的存储器中，由电子设备700的某一个处理元件调用并执行以上各个模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，ASIC)，或，一个或多个微处理器(digital singnal processor，DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，FPGA)等。再如，当以上某个模块通过处理元件调度程序的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central ProcessingUnit，CPU)或其它可以调用程序的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。

并且，本发明实施例提供了一种电子设备，请参考图8，该电子设备700，包括：

存储器 710；

处理器 720；以及

计算机程序；

其中，计算机程序存储在存储器710中，并被配置为由处理器720执行以实现如上述实施例的方法。

其中，电子设备700中处理器720的数目可以为一个或多个，处理器720也可以称为处理单元，可以实现一定的控制功能。处理器720可以是通用处理器或者专用处理器等。在一种可选地设计中，处理器720也可以存有指令，所述指令可以被所述处理器720运行，使得所述电子设备700执行上述方法实施例中描述的方法。

在又一种可能的设计中，电子设备700可以包括电路，所述电路可以实现前述方法实施例中发送或接收或者通信的功能。

可选地，所述电子设备700中存储器710的数目可以为一个或多个，存储器710上存有指令或者中间数据，所述指令可在所述处理器720上被运行，使得所述电子设备700执行上述方法实施例中描述的方法。可选地，所述存储器710中还可以存储有其他相关数据。可选地处理器720中也可以存储指令和/或数据。所述处理器720和存储器710可以单独设置，也可以集成在一起。

此外，如图8所示，在该电子设备700中还设置有收发器730，其中，所述收发器730可以称为收发单元、收发机、收发电路、或者收发器等，用于与测试设备或其他终端设备进行数据传输或通信，在此不再赘述。

如图8所示，存储器710、处理器720与收发器730通过总线连接并通信。

此外，本发明实施例提供了一种可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行以实现如实施例一所述的方法。

由于本实施例中的各模块能够执行实施例一所示的方法，本实施例未详细描述的部分，可参考对实施例一的相关说明。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

Claims (13)

1.一种来电处理方法，其特征在于，包括：

响应于接收到用户来电，获取来电号码相关联的用户信息；

将所述用户信息输入第一树形模型，并接收所述第一树形模型输出的预测结果；其中，所述第一树形模型用于预测用户所要咨询的问题，所述第一树形模型由多个分支模型组合而成，任意一个所述分支模型的预测准确率大于或等于预设的准确率阈值；

将所述用户来电接入目标客服号码，所述目标客服号码与所述预测结果相关联。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取样本数据；

利用所述样本数据，训练得到所述第一树形模型。

3.根据权利要求2所述的方法，其特征在于，所述利用所述样本数据，训练得到所述第一树形模型，包括：

利用所述样本数据对初始树形模型进行训练，得到第二树形模型；其中，所述第二树形模型充分拟合，所述第二树形模型的输入数据为所述样本数据中的样本用户数据，输出数据为预测出的用户提问的问题；

将所述第二树形模型分割为多个分支模型；所述分支模型包括第一分支模型与第二分支模型，所述第一分支模型的预测准确率大于或等于所述准确率阈值，所述第二分支模型的预测准确率小于所述准确率阈值；

利用所述样本数据，对第二分支模型进行训练，得到第三分支模型，其中，所述第三分支模型的预测准确率大于或等于所述准确率阈值；

组合第一分支模型与所述第三分支模型，得到所述第一树形模型。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述响应于接收到用户来电，获取来电号码相关联的用户信息，包括：

响应于接收到用户来电，确定所述来电号码所属的目标号码集合；

确定所述目标号码集合对应的用户账号；

获取所述用户账号对应的所述用户信息。

5.根据权利要求4所述的方法，其特征在于，当所述用户账号的数目为多个时，所述将所述用户信息输入第一树形模型，并接收所述第一树形模型输出的预测结果，包括：

将每个所述用户账号对应的所述用户信息分别输入所述第一树形模型；

接收所述第一树形模型输出的多个所述预测结果，每个所述预测结果对应于一个所述用户账号。

6.根据权利要求4所述的方法，其特征在于，所述方法还包括：

对于任意一个所述用户账号，采集与所述用户账号相关联的多个电话号码；

将所述多个电话号码作为所述用户账号的号码集合，进行存储。

7.根据权利要求1-3任一项所述的方法，其特征在于，当所述预测结果的数目为多个时，所述将所述用户来电接入目标客服号码，包括：

在多个所述预测结果中，确定目标预测结果，所述目标预测结果所属分支模型的预测准确率在所述多个预测结果中最高；

确定所述目标预测结果所属的目标业务部门；

将所述用户来电接入所述目标业务部门的所述目标客服号码。

8.根据权利要求1-3任一项所述的方法，其特征在于，所述用户数据包括用户基础信息、用户行为信息、订单信息中的至少一种。

9.根据权利要求8所述的方法，其特征在于，所述用户数据是由卡夫卡系统实时更新的数据。

10.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

将所述第一树形模型输出至所述目标客服号码对应的客服节点。

11.一种电子设备，其特征在于，包括：

获取模块，用于响应于接收到用户来电，获取来电号码相关联的用户信息；

处理模块，用于将所述用户信息输入第一树形模型，并接收所述第一树形模型输出的预测结果；其中，所述第一树形模型用于预测用户所要咨询的问题，所述第一树形模型由多个分支模型组合而成，任意一个所述分支模型的预测准确率大于或等于预设的准确率阈值；

转接模块，用于将所述用户来电接入目标客服号码，所述目标客服号码与所述预测结果相关联。

12.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-10任一项所述的来电处理方法的步骤。

13.一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，所述计算机程序被处理器执行时实现权利要求1-10任一项所述的来电处理方法的步骤。

Images