CN113676603B - 呼叫控制方法、装置、设备及存储介质 - Google Patents
呼叫控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113676603B CN113676603B CN202110902524.XA CN202110902524A CN113676603B CN 113676603 B CN113676603 B CN 113676603B CN 202110902524 A CN202110902524 A CN 202110902524A CN 113676603 B CN113676603 B CN 113676603B
- Authority
- CN
- China
- Prior art keywords
- target user
- call
- user
- service
- information
- 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
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
- H04M3/527—Centralised call answering arrangements not requiring operator intervention
-
- 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
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- H04M3/42187—Lines and connections with preferential service
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请公开了一种呼叫控制方法、装置、设备及存储介质,属于计算机技术领域,该方法包括:获取目标用户的相关信息以及目标用户对应的至少一个预呼叫请求;响应于基于相关信息确定目标用户为可呼叫用户,根据目标用户对应的业务的优先级,获取至少一个预呼叫请求的呼叫顺序;控制至少一个预呼叫请求按照呼叫顺序对目标用户的通信号码进行呼叫。由于业务的优先级用于指示各个业务的呼叫成功概率,因此该方法能够使得目标用户会优先接听到优先级较高的业务的呼叫,提高了预呼叫请求的呼叫成功率,进而提升了呼叫性能,使得呼叫控制的准确性更高。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种呼叫控制方法、装置、设备及存储介质。
背景技术
随着计算机技术的迅速发展,外呼机器人已经广泛应用到各行各业。外呼机器人每天能够进行上千次呼叫,模仿真人沟通,提升了一定的工作效率。为了更好地提升用户使用体验,降低用户的投诉率,需要为外呼呼叫进行相应地控制。
相关技术中,基于呼叫次数、被呼叫时呼叫超时次数、被呼叫时拒绝来电的次数和被呼叫时接听电话时长等设置限制呼叫号码,使得当确定呼叫方发送的呼叫请求中的被叫号码为限制呼叫号码时,则拒绝该呼叫请求,以限制呼叫方对该被叫号码的多次呼叫。
相关技术中的方法虽然限制了被叫用户的被叫次数,但是,对于还没有呼叫过的呼叫方的业务存在不公平性,降低了业务方呼叫请求的呼叫成功率。
发明内容
本申请提供了一种呼叫控制方法、装置、设备及存储介质,能够解决相关技术中的问题。
第一方面,提供一种呼叫控制方法,所述方法包括:获取目标用户的相关信息以及所述目标用户对应的至少一个预呼叫请求,一个预呼叫请求对应一个业务;
响应于基于所述相关信息确定所述目标用户为可呼叫用户,根据所述目标用户对应的业务的优先级,获取所述至少一个预呼叫请求的呼叫顺序,所述业务的优先级用于指示各个业务的呼叫成功概率;
控制所述至少一个预呼叫请求按照所述呼叫顺序对所述目标用户的通信号码进行呼叫。
在一种可能的实施方式中,所述目标用户的相关信息包括所述目标用户的第一用户信息与限制呼叫条件;
所述获取目标用户的相关信息以及所述目标用户对应的至少一个预呼叫请求之后,还包括:
基于所述目标用户的第一用户信息与所述限制呼叫条件确定所述目标用户是否为可呼叫用户。
在一种可能的实施方式中,所述目标用户的第一用户信息包括所述目标用户的第一语言信息、第一行为信息和第一属性信息中的至少一种,所述限制呼叫条件包括所述目标用户的被叫次数大于呼叫阈值、所述目标用户的位置区域属于限制区域和所述目标用户的呼叫频率大于频率阈值中的至少一种。
在一种可能的实施方式中,所述基于所述目标用户的第一用户信息与所述限制呼叫条件确定所述目标用户是否为可呼叫用户,包括:
基于所述第一语言信息获取所述目标用户的第一特征向量,基于所述第一行为信息和所述第一属性信息获取所述目标用户的第二特征向量,基于所述限制呼叫条件获取所述目标用户的第三特征向量;
将所述第一特征向量、所述第二特征向量与所述第三特征向量输入第一分类模型,所述第一分类模型用于获取所述目标用户为可呼叫用户的概率;
根据所述第一分类模型的输出结果,确定所述目标用户是否为可呼叫用户。
在一种可能的实施方式中,所述根据所述目标用户对应的呼叫业务的优先级,获取所述至少一个预呼叫请求的呼叫顺序之前,还包括:
基于所述目标用户的第二用户信息获取所述目标用户对应的业务的优先级,所述目标用户的第二用户信息包括所述目标用户的第二语言信息、第二行为信息和第二属性信息中的至少一种。
在一种可能的实施方式中,所述基于所述目标用户的第二用户信息获取所述目标用户对应的业务的优先级,包括:
基于所述第二语言信息获取所述目标用户的第四特征向量,基于所述第二行为信息和所述第二属性信息获取所述目标用户的第五特征向量;
将所述第四特征向量与所述第五特征向量输入第二分类模型,所述第二分类模型用于预测各个业务的呼叫请求的呼叫成功概率;
根据所述第二分类模型的输出结果,确定所述目标用户对应的业务的优先级。
在一种可能的实施方式中,所述目标用户对应的至少一个预呼叫请求的获取方式,包括:
获取多个业务的多个预呼叫请求,一个预呼叫请求还对应一个用户;
响应于所述多个预呼叫请求对应的多个用户包括所述目标用户,基于所述多个业务的多个预呼叫请求获取所述目标用户对应的至少一个预呼叫请求。
在一种可能的实施方式中,所述获取所述至少一个预呼叫请求的呼叫顺序之后,还包括:
将所述呼叫顺序反馈给所述至少一个预呼叫请求对应的业务方,所述业务方根据所述呼叫顺序调整对所述目标用户的呼叫。
第二方面,提供了一种呼叫控制装置,所述装置包括:
第一获取模块,用于获取目标用户的相关信息以及所述目标用户对应的至少一个预呼叫请求,一个预呼叫请求对应一个业务;
第二获取模块,用于响应于基于所述相关信息确定所述目标用户为可呼叫用户,根据所述目标用户对应的业务的优先级,获取所述至少一个预呼叫请求的呼叫顺序,所述业务的优先级用于指示各个业务的呼叫成功概率;
控制模块,用于控制所述至少一个预呼叫请求按照所述呼叫顺序对所述目标用户的通信号码进行呼叫。
在一种可能的实施方式中,所述目标用户的相关信息包括所述目标用户的第一用户信息与限制呼叫条件;所述装置还包括:
确定模块,用于基于所述目标用户的第一用户信息与所述限制呼叫条件确定所述目标用户是否为可呼叫用户。
在一种可能的实施方式中,所述目标用户的第一用户信息包括所述目标用户的第一语言信息、第一行为信息和第一属性信息中的至少一种,所述限制呼叫条件包括所述目标用户的被叫次数大于呼叫阈值、所述目标用户的位置区域属于限制区域和所述目标用户的呼叫频率大于频率阈值中的至少一种。
在一种可能的实施方式中,所述确定模块,用于基于所述第一语言信息获取所述目标用户的第一特征向量,基于所述第一行为信息和所述第一属性信息获取所述目标用户的第二特征向量,基于所述限制呼叫条件获取所述目标用户的第三特征向量;将所述第一特征向量、所述第二特征向量与所述第三特征向量输入第一分类模型,所述第一分类模型用于获取所述目标用户为可呼叫用户的概率;根据所述第一分类模型的输出结果,确定所述目标用户是否为可呼叫用户。
在一种可能的实施方式中,所述装置还包括:
第三获取模块,用于基于所述目标用户的第二用户信息获取所述目标用户对应的业务的优先级,所述目标用户的第二用户信息包括所述目标用户的第二语言信息、第二行为信息和第二属性信息中的至少一种。
在一种可能的实施方式中,所述第三获取模块,用于基于所述第二语言信息获取所述目标用户的第四特征向量,基于所述第二行为信息和所述第二属性信息获取所述目标用户的第五特征向量;将所述第四特征向量与所述第五特征向量输入第二分类模型,所述第二分类模型用于预测各个业务的呼叫请求的呼叫成功概率;根据所述第二分类模型的输出结果,确定所述目标用户对应的业务的优先级。
在一种可能的实施方式中,所述第一获取模块,用于获取多个业务的多个预呼叫请求,一个预呼叫请求还对应一个用户;响应于所述多个预呼叫请求对应的多个用户包括所述目标用户,基于所述多个业务的多个预呼叫请求获取所述目标用户对应的至少一个预呼叫请求。
在一种可能的实施方式中,所述装置还包括:
反馈模块,用于将所述呼叫顺序反馈给所述至少一个预呼叫请求对应的业务方,所述业务方根据所述呼叫顺序调整对所述目标用户的呼叫。
第三方面,还提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以使计算机设备实现上述任一项所述的呼叫控制方法。
第四方面,还提供了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至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以使计算机实现上述任一项所述的呼叫控制方法。
第五方面,还提供了一种计算机程序产品或计算机程序,所述计算机程序产品或计算机程序包括计算机指令,所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令,处理器执行所述计算机指令,使得所述计算机设备执行上述任一所述的呼叫控制方法。
本申请提供的技术方案至少可以带来如下有益效果:
本申请提供的技术方案,对于可呼叫目标用户对应的至少一个预呼叫请求,通过获取该至少一个预呼叫请求的呼叫顺序,使得能够控制至少一个预呼叫请求按照该呼叫顺序对目标用户的通信号码进行呼叫。由于呼叫顺序基于目标用户对应的业务的优先级获取得到,业务的优先级用于指示各个业务的呼叫成功概率。因此,目标用户会优先接听到优先级较高的业务的呼叫,提高了预呼叫请求的呼叫成功率,进而提升了呼叫性能,使得呼叫控制的准确性更高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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是本申请实施例提供的一种呼叫控制方法的实施环境的示意图;
图2是本申请实施例提供的一种呼叫控制方法的流程图;
图3是本申请实施例提供的一种确定目标用户是否为可呼叫用户的流程图;
图4是本申请实施例提供的一种获取目标用户对应的业务的优先级的流程图;
图5是本申请实施例提供的一种呼叫控制系统的示意图;
图6是本申请实施例提供的一种呼叫控制装置的示意图;
图7是本申请实施例提供的一种呼叫控制装置的示意图;
图8是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
图1是本申请实施例提供的一种呼叫控制方法的实施环境示意图,如图1所示,该实施环境包括:服务器101和通信设备102。
服务器101可以是一台服务器,也可以是多台服务器组成的服务器集群。服务器101可以是云计算平台和虚拟化中心中的至少一种,本申请实施例对此不做限定。服务器101用于获取目标用户的相关信息以及目标用户对应的至少一个预呼叫请求;响应于当基于相关信息确定目标用户为可呼叫用户时,根据目标用户对应的业务的优先级,获取该至少一个预呼叫请求的呼叫顺序;控制至少一个预呼叫请求按照该呼叫顺序对目标用户的通信号码进行呼叫。当然,该服务器101还可以包括其他功能服务器,以便提供更加全面且多样化的服务。
通信设备102为智能手机,或者固定电话,或者是任意可以进行通信的设备。该通信设备102与服务器101通过有线网络或无线网络进行通信连接。通信设备102用于接听服务器101呼叫的通信号码。
通信设备102可以泛指多个通信设备中的一个,本申请实施例仅以通信设备102来举例说明。本领域技术人员可以知晓,上述通信设备102的数量可以更多或更少。比如上述通信设备102可以仅为一个,或者上述通信设备102为几十个或几百个,或者更多数量,本申请实施例对通信设备102的数量和设备类型不加以限定。
基于上述实施环境,本申请实施例提供了一种呼叫控制方法,以图2所示的本申请实施例提供的一种呼叫控制方法的流程图为例,该方法可由服务器101执行。如图2所示,该方法包括下述步骤201-203。
步骤201,获取目标用户的相关信息以及目标用户对应的至少一个预呼叫请求。
在本申请实施例中,服务器的存储空间中存储有多个用户的相关信息,每个用户的相关信息包括每个用户的用户信息与呼叫限制条件。其中,每个用户的用户信息包括语言信息、行为信息和属性信息中的至少一种;呼叫限制条件包括目标用户的被叫次数大于呼叫阈值、目标用户的位置区域属于限制区域和目标用户的呼叫频率大于频率阈值中的至少一种。可选地,每个用户的用户信息可以通过参考时间内用户的网络浏览记录、通话记录等收集得到,参考时间可根据灵活调整,例如,参考时间为近一个月内。
示例性地,语言信息为用户在网络平台发表的评论文本和用户接听呼叫电话时的通话语音记录等自然语言信息;行为信息为用户的点击数据、曝光数据等通过操作留下的记录信息;属性信息为用户注册时留下的基本的属性信息,例如用户的姓名、身份证号、通信号码、年龄、性别和爱好等属性信息。
在一种可能的实施方式中,当各个业务方根据外呼需求需要向指定的多个用户发起呼叫请求时,各个业务方将需要发送的所有预呼叫请求发送至服务器,由此,服务器能够获取多个业务发送的多个预呼叫请求。其中,每个预呼叫请求对应一个业务和一个用户。可选地,服务器通过获取所有预呼叫请求,以得到各个用户分别对应的至少一个预呼叫请求。
在一种可能的实施方式中,获取目标用户对应的至少一个预呼叫请求,包括:获取多个业务的多个预呼叫请求;响应于多个预呼叫请求对应的多个用户包括目标用户,基于多个业务的多个预呼叫请求获取目标用户对应的至少一个预呼叫请求。
在一种可能的实施方式中,获取目标用户对应的至少一个预呼叫请求,包括:获取时间窗口内多个业务的多个预呼叫请求;响应于多个预呼叫请求对应的多个用户包括目标用户,基于多个业务的多个预呼叫请求获取时间窗口内目标用户对应的至少一个预呼叫请求。其中,时间窗口可以根据经验设置,或者根据需求灵活调整,例如,时间窗口为一天。目标用户为多个用户中的一个用户,本申请实施例不对目标用户的确定方式进行限定。
在一种可能的实施方式中,基于多个业务的多个预呼叫请求获取目标用户对应的至少一个预呼叫请求,包括:基于多个业务的多个预呼叫请求,建立多个预呼叫请求对应的多个用户与多个预呼叫请求的映射关系;根据该映射关系获取目标用户对应的至少一个预呼叫请求。
示例性地,业务A向服务器发送了3个预呼叫请求,该3个预呼叫请求分别对应用户x、用户y和用户z,业务B向服务器发送了2个预呼叫请求,该2个预呼叫请求分别对应用户x和用户z,那么用户x对应的预呼叫请求包括业务A和业务B,用户y对应的预呼叫请求包括业务A,用户z对应的预呼叫请求包括业务A和业务B。
步骤202,响应于基于相关信息确定目标用户为可呼叫用户,根据目标用户对应的业务的优先级,获取至少一个预呼叫请求的呼叫顺序。
在本申请实施例中,由于服务器中存储有各个用户的相关信息,当确定目标用户后,可根据目标用户的相关信息确定该目标用户是否为可呼叫用户。以避免服务器对已经限制呼叫的用户进行呼叫,导致业务呼叫的呼叫成功率低,还可能导致用户的投诉率增加,使得用户的接听体验感差。
在一种可能的实施方式中,获取目标用户的相关信息以及目标用户对应的至少一个预呼叫请求之后,还包括:基于目标用户的第一用户信息与限制呼叫条件确定目标用户是否为可呼叫用户。其中,目标用户的第一用户信息包括目标用户的第一语言信息、第一行为信息和第一属性信息中的至少一种。
在一种可能的实施方式中,参见图3,基于目标用户的第一用户信息与限制呼叫条件确定目标用户是否为可呼叫用户,包括但不限于如下步骤2021-2023。
步骤2021,基于第一语言信息获取目标用户的第一特征向量,基于第一行为信息和第一属性信息获取目标用户的第二特征向量,基于限制呼叫条件获取目标用户的第三特征向量。
本申请实施例不对特征提取与编码的方法进行限定,只要能够获取信息相应的特征向量即可。可选地,通过语音识别技术和自然语言处理(Nature Language Processing,NLP)技术提取第一语言信息对应的第一特征向量;通过二进制逻辑编码方式提取第一行为信息和第一属性信息对应的第二特征向量;通过二进制逻辑编码方式提取限制呼叫条件对应的第三特征向量。
其中,语音识别技术可以采用模板匹配法、统计建模法、神经网络模型法或隐马尔可夫模型等方法,NLP技术可以采用循环神经网络(Recurrent Neural Network,RNN)模型、长短期记忆(Long Short Term Memory,LSTM)循环神经网络、门限循环单元(GatedRecurrent Unit,GRU)神经网络模型、卷积神经网络(Recurrent Neural Network,CNN)模型或基于转换器的双向编码表征(Bidirectional Encoder Representation fromTransformers,BERT)模型等方法,本申请实施例不对采用语音识别与NLP的方法进行限定。
在一种可能的实施方式中,基于第一语言信息获取目标用户的第一特征向量的过程为:首先采用语音识别技术对用户的第一语言信息进行识别,将第一语音信息识别为文本,再采用NLP技术对该文本进行文本处理,得到文本对应的语义特征即第一特征向量,例如,词向量。
在一种可能的实施方式中,基于第一行为信息和第一属性信息获取目标用户的第二特征向量的过程为:当第一行为信息包括点击数据和曝光数据时,若点击数据指示用户的操作为点击,则编码为1,若点击数据指示用户的操作为未点击,则编码为0,若曝光数据指示用户的操作为曝光,则编码为1,若曝光数据指示用户的操作为未曝光,则编码为0;当属性信息包括性别和年龄时,若用户为女性编码为1,若用户为男性编码为0,若用户年龄大于50则编码为1,若用户年龄不大于50则编码为0。这里,需要保证每次编码的顺序与规则一致,使得不同用户的编码一一对应具有相同的意义,使得编码结果具有可比性。
示例性地,用户x的第一行为信息包括点击a、点击b、点击c和未曝光d,用户x的属性信息包括女性和25岁,那么用户x的第二特征向量可编码为111010。
在一种可能的实施方式中,基于限制呼叫条件获取目标用户的第三特征向量的过程可以为:满足呼叫限制条件编码为1,不满足呼叫限制条件编码为0。例如,用户的被叫次数大于呼叫阈值编码为1,用户的被叫次数不大于呼叫阈值编码为0;用户所属的位置区域属于限制呼叫区域编码为1;用户所属的位置区域不属于限制呼叫区域编码为0;用户的呼叫频率大于频率阈值编码为1,用户的呼叫频率不大于频率阈值编码为0。其中,呼叫阈值、限制呼叫区域和频率阈值可根据经验设置,或根据应用场景灵活调整,例如,呼叫阈值为10次,限制呼叫区域为**省**市,频率阈值为每一小时3次。
步骤2022,将第一特征向量、第二特征向量与第三特征向量输入第一分类模型,第一分类模型用于获取目标用户为可呼叫用户的概率。
在一种可能的实施方式中,在获取到目标用户的第一特征向量、第二特征向量与第三特征向量后,可将第一特征向量、第二特征向量与第三特征向量进行融合得到第一融合特征向量,将该第一融合特征向量输入到已经训练好的第一分类模型。本申请实施例不对将第一特征向量、第二特征向量与第三特征向量进行融合得到第一融合特征向量的方式进行限定,例如,可以将第一特征向量、第二特征向量与第三特征向量进行串行拼接得到第一融合特征向量,此时第一融合特征向量为一维向量,也可以将第一特征向量、第二特征向量与第三特征向量进行并行拼接得到第一融合特征向量,此时第一融合特征向量为多维向量。
在一种可能的实施方式中,将第一特征向量、第二特征向量与第三特征向量输入第一分类模型之前,还需要先对第一初始分类模型进行训练,得到第一分类模型。示例性地,对第一初始分类模型的训练过程如下步骤1和步骤2。
步骤1,获取多个用户的历史相关信息和多个用户的历史接通概率。
在一种可能的实施方式中,服务器从其存储空间中提取已经呼叫过的多个通信号码对应的多个用户的历史相关信息以及多个用户的历史接通概率。
步骤2,根据多个用户的历史相关信息以及多个用户的历史接通概率,对第一初始分类模型进行训练,得到第一分类模型。
在一种可能的实施方式中,根据多个用户的历史相关信息以及多个用户的历史接通概率,对第一初始分类模型进行训练,包括:分别基于多个用户的历史相关信息获取多个用户的第一融合特征向量;基于该多个用户的第一融合特征向量对第一初始分类模型进行训练,得到第一分类模型。其中,该第一初始分类模型是卡尔曼滤波分类模型,或者是组合概率分类模型,或者是反向传播(Back-ProPagation,BP)网络分类模型,本申请实施例对该第一初始分类模型的类型不做限定,该第一初始分类模型可以是任意一个用于分类的模型。
在一种可能的实施方式中,基于上述步骤1和步骤2得到第一分类模型,采用训练第一分类模型时运用的特征提取方法,将基于目标用户的相关信息获取的第一融合特征向量输入第一分类模型,以得到目标用户对应的可呼叫概率。
步骤2023,根据第一分类模型的输出结果,确定目标用户是否为可呼叫用户。
在一种可能的实施方式中,第一分类模型会根据输入的第一融合特征向量输出目标用户可呼叫的概率结果,根据输出的概率结果即可确定该目标用户是否为可呼叫用户。可选地,当输出的概率结果大于0.40时,可确定该目标用户为可呼叫用户;当输出的概率结果不大于0.40时,可确定该目标用户为不可呼叫用户。
在一种可能的实施方式中,基于上述步骤2021-2023可确定目标用户是否为可呼叫用户。响应于目标用户为可呼叫用户,则可根据目标用户对应的业务的优先级,获取至少一个预呼叫请求的呼叫顺序;响应于目标用户为不可呼叫用户,不对该目标用户进行呼叫。可选地,响应于目标用户为不可呼叫用户,服务器可删除该目标用户对应的至少一个预呼叫请求,还可向该目标用户对应的至少一个预呼叫请求对应的业务方发送反馈信息,使得业务方在该时间窗口内不再向目标用户发送预呼叫请求。
在一种可能的实施方式中,根据目标用户的第一用户信息与限制呼叫条件确定目标用户是否为可呼叫用户的方式,除了可以基于上述步骤2021-2023确定之外,还可以通过如下方式确定:首先,基于限制呼叫条件确定目标用户是否满足限制呼叫条件,若基于限制呼叫条件确定目标用户不满足限制呼叫条件,则确定目标用户为不可呼叫用户;若基于限制呼叫条件确定目标用户满足限制呼叫条件,则基于第一用户信息提取对应的第一特征向量,将第一特征向量输入第三分类模型。第三分类模型可通过类似于上述步骤1和步骤2的方式训练得到,根据第三分类模型的输出结果确定目标用户是否为可呼叫用户。
在本申请实施例中,响应于基于相关信息确定目标用户为可呼叫用户后,即可根据目标用户对应的业务的优先级,获取至少一个预呼叫请求的呼叫顺序。可选地,业务的优先级用于指示各个业务的呼叫成功的概率,或者,业务的优先级用于指示用户对各个业务的感兴趣程度。
在一种可能的实施方式中,根据目标用户对应的业务的优先级,获取至少一个预呼叫请求的呼叫顺序,包括:根据目标用户对应的业务的优先级,获取至少一个预呼叫请求对应的业务的优先级;基于至少一个预呼叫请求对应的业务的优先级,按照优先级由高到低的顺序得到至少一个预呼叫请求的呼叫顺序。
由于业务的优先级用于指示各个业务的呼叫成功的概率,或者,业务的优先级用于指示用户对各个业务的感兴趣程度,因此,优先级越高代表用户可能对该业务的呼叫请求越感兴趣,进而使得用户对该业务的呼叫请求的满意度越高,该业务的呼叫请求的呼叫成功率也越高。
示例性地,目标用户对应的业务的优先级为:业务A>业务B>业务C>业务D>业务E>业务F,目标用户的至少一个预呼叫请求为预呼叫请求c、预呼叫请求e和预呼叫请求a,预呼叫请求c、预呼叫请求e和预呼叫请求a分别为业务C、业务E和业务A发送的。那么,根据目标用户对应的业务的优先级,获取该呼叫请求c、预呼叫请求e和预呼叫请求a对应的业务的优先级为:预呼叫请求a>预呼叫请求c>预呼叫请求e,即呼叫顺序为先控制呼叫预呼叫请求a进行呼叫,再控制预呼叫请求c进行呼叫,最后控制预呼叫请求e进行呼叫。
在一种可能的实施方式中,根据目标用户对应的呼叫业务的优先级,获取至少一个预呼叫请求的呼叫顺序之前,还包括:基于目标用户的第二用户信息获取目标用户对应的业务的优先级。其中,目标用户的第二用户信息包括目标用户的第二语言信息、第二行为信息和第二属性信息中的至少一种。目标用户的第二用户信息与目标用户的第一用户信息可以相同也可以不同。
在一种可能的实施方式中,参见图4,基于目标用户的第二用户信息获取目标用户对应的业务的优先级,包括但不限于如下步骤2024-2026。
步骤2024,基于第二语言信息获取目标用户的第四特征向量,基于第二行为信息和第二属性信息获取目标用户的第五特征向量。
在本申请实施例中,该步骤2024可参见步骤2021中基于第一语言信息获取目标用户的第一特征向量,基于第一行为信息和第一属性信息获取目标用户的第二特征向量的相关内容,此处不再赘述。
步骤2025,将第四特征向量与第五特征向量输入第二分类模型,第二分类模型用于预测各个业务的呼叫请求的呼叫成功概率。
在一种可能的实施方式中,在获取到目标用户的第四特征向量与第五特征向量后,可将第四特征向量与第五特征向量进行融合得到第二融合特征向量,将该第二融合特征向量输入到已经训练好的第二分类模型。本申请实施例不对将第四特征向量与第五特征向量进行融合得到第二融合特征向量的方式进行限定,例如,可以将第四特征向量与第五特征向量进行串行拼接得到第二融合特征向量,此时第二融合特征向量为一维向量,也可以将第四特征向量与第五特征向量进行并行拼接得到第二融合特征向量,此时第二融合特征向量为多维向量。
在一种可能的实施方式中,将第四特征向量与第五特征向量输入第二分类模型之前,还需要先对第二初始分类模型进行训练,得到第二分类模型。示例性地,对第二初始分类模型的训练过程可如下步骤3和步骤4。
步骤3,获取多个用户的历史用户信息和多个用户针对各个业务的历史接通概率。
在一种可能的实施方式中,服务器从其存储空间中提取已经呼叫过的多个通信号码对应的多个用户的历史用户信息以及多个用户针对各个业务的历史接通概率。
步骤4,根据多个用户的历史用户信息和多个用户针对各个业务的历史接通概率,对初第二始分类模型进行训练,得到第二分类模型。
在一种可能的实施方式中,根据多个用户的历史用户信息和多个用户针对各个业务的历史接通概率,对第二初始分类模型进行训练,包括:分别基于多个用户的历史用户信息获取多个用户的第二融合特征向量;基于该多个用户的第二融合特征向量和多个用户针对各个业务的历史接通概率对第二初始分类模型进行训练,得到第二分类模型。其中,该第二初始分类模型是卡尔曼滤波分类模型,或者是组合概率分类模型,或者是BP网络分类模型,本申请实施例对该第二初始分类模型的类型不做限定,该第二初始分类模型可以是任意一个用于分类的模型。其中,第二初始分类模型与第一初始分类模型可以相同也不可以不同。
在一种可能的实施方式中,基于上述步骤3和步骤4得到第二分类模型,采用训练第二分类模型时运用的特征提取方法,将基于目标用户的用户信息获取的第二融合特征向量输入第二分类模型,以得到目标用户对应的业务的优先级。
步骤2026,根据第二分类模型的输出结果,确定目标用户对应的业务的优先级。
在一种可能的实施方式中,第二分类模型会根据输入的第二融合特征向量输出目标用户针对各个业务的呼叫成功概率结果,根据输出的针对各个业务的呼叫成功概率结果即可确定该目标用户对应的业务的优先级。可选地,以3个业务方分别为业务A、业务B和业务C为例,当输出的针对该3个业务的呼叫成功概率结果为0.80、0.15和0.05时,可确定该目标用户对应的业务的优先级可以表示如下:业务A>业务B>业务C。
在一种可能的实施方式中,基于目标用户的第二用户信息获取目标用户对应的业务的优先级的方式,除了可以基于上述步骤2024-2026获取之外,还可以通过如下方式获取:基于目标用户的第二用户信息提取第二融合特征向量;将第二融合特征向量分别与各个业务对应的特征向量进行融合,得到目标用户对应各个业务的多个第三融合特征向量,将多个第三特征向量输入目标排序模型,根据目标排序模型的输出结果获取目标用户对应的业务的优先级。其中,目标排序模型用于对目标用户对应的各个业务的呼叫成功率进行排序。
在一种可能的实施方式中,还需要对初始排序模型进行训练以得到目标排序模型,对目标排序模型的训练过程包括但不限于:获取多个用户的历史用户信息和多个用户针对各个业务的历史接通概率,提取多个用户的历史用户信息对应的第二融合特征向量与各个业务对应的特征向量,基于得到的每个用户的第二融合特征向量与各个业务对应的特征向量融合得到每个用户针对各个业务的第三融合特征向量;基于该多个用户分别对应的各个业务的第三融合特征向量和多个用户针对各个业务的历史接通概率对初始排序模型进行训练,得到目标排序模型。其中,该初始排序模型可以是任意一个用于排序的模型,例如单点标注(point wise)排序模型、两两标注(pair wise)排序模型或列表标注(listwise)排序模型等。
步骤203,控制至少一个预呼叫请求按照呼叫顺序对目标用户的通信号码进行呼叫。
在一种可能的实施方式中,确定目标用户为可呼叫用户,且获取目标用户对应的至少一个预呼叫请求的呼叫顺序后,即可按照该呼叫顺序控制至少一个预呼叫请求依次对目标用户的通信号码进行呼叫。使得目标用户先接听到呼叫成功率高的呼叫,也就是说,目标用户先接听到的呼叫业务为感兴趣的业务呼叫。
在一种可能的实施方式中,控制至少一个预呼叫请求按照呼叫顺序对目标用户的通信号码进行呼叫,包括:获取目标用户对应的剩余呼叫次数;基于剩余呼叫次数,获取至少一个预呼叫请求对应的可呼呼叫顺序;控制至少一个预呼叫请求按照可呼呼叫顺序对目标用户的通信号码进行呼叫。
示例性地,根据目标用户的历史通信记录获取目标用户对应的剩余呼叫次数为3次,当目标用户对应的至少一个预呼叫请求为4个时,只控制4个预呼叫请求中优先级排在前3的预呼叫请求进行呼叫。
在一种可能的实施方式中,获取至少一个预呼叫请求的呼叫顺序之后,还包括:将呼叫顺序反馈给至少一个预呼叫请求对应的至少一个业务方,业务方根据呼叫顺序调整对目标用户的呼叫。示例性地,若某一业务方对应目标用户的呼叫顺序排在后三位,表明该目标用户对该某一业务方的业务不感兴趣,该某一业务方可不再对目标用户发起预呼叫请求,或者调整对目标用户发起预呼叫请求的时间。
本申请实施例提供的呼叫控制方法,对于可呼叫目标用户对应的至少一个预呼叫请求,通过获取该至少一个预呼叫请求的呼叫顺序,使得能够控制至少一个预呼叫请求按照该呼叫顺序对目标用户的通信号码进行呼叫。由于呼叫顺序基于目标用户对应的业务的优先级获取得到,因此,目标用户会优先接听到优先级较高的业务的呼叫,提高了预呼叫请求的呼叫成功率,进而提升了呼叫性能,使得呼叫控制的准确性更高。同时,能够提升用户对业务呼叫的满意度,使得用户的使用体验更好,降低用户的投诉率。
图5为本申请实施例提供的一种呼叫控制系统的示意图,如图5所示,该呼叫控制系统包括数据统筹模块、数据分析模块与综合决策模块。
其中,数据统筹模块用于根据时间窗口内的所有业务发起的呼叫请求,建立业务与用户之间的倒排映射,即获取用户与呼叫请求之间的对应关系。其中,获取的所有呼叫请求包括时间窗口内所有业务发起的对不同用户的多个呼叫请求,每个呼叫请求对应一个业务与一个用户,将所有的呼叫请求分别对应的用户与业务一一映射,以得到每个用户对应的至少一个呼叫请求。即对于每一个用户来说,获取到准备呼叫该用户的业务的呼叫请求。其中,时间窗口的大小可根据经验设置,或根据应用场景灵活调整,例如,时间窗口为8个小时。
数据分析模块用于基于用户的历史用户信息训练优先级分类模型与呼叫分类模型。其中,优先级分类模型用于预测用户对应的业务的优先级,呼叫分类模型用于预测用户是否为可呼叫用户。
在一种可能的实施方式中,优先级分类模型可根据收集的用户近期发表的评论文本、用户近期接听呼叫电话时说的话语等语言信息,用户的点击数据、曝光数据等行为信息,以及用户注册时留下的基本的用户属性信息等用户信息训练得到。可选地,将用户近期发表的评论文本、用户近期接听呼叫电话时说的话语等语言信息进行自然语言理解与编码,得到语言信息对应的特征向量,即词向量;将用户的点击数据、曝光数据等行为信息进行行为特征编码,得到行为信息对应的特征向量,即行为离散向量;将用户注册时留下的基本的用户属性信息进行属性信息编码,得到属性信息对应的特征向量,即属性离散向量;将上述词向量、行为离散向量与属性离散向量进一步编码得到第一融合特征向量。以获取的多个第一融合特征向量作为训练样本,以用户对各种业务的呼叫接听结果作为各种业务的标签,训练初始分类模型以得到优先级分类模型。
其中,各种业务的标签的设置可以为用户接听设为1,用户未接听设为0;或者,用户投诉设为0,用户未接听设为1,通话时长小于时长阈值设为2,通话时长大于时长阈值设为3。
在一种可能的实施方式中,呼叫分类模型可根据收集的用户近期发表的评论文本、用户近期接听呼叫电话时说的话语等语言信息,用户的点击数据、曝光数据等行为信息,用户注册时留下的基本的用户属性信息等用户信息以及呼叫限制条件训练得到。可选地,将用户近期发表的评论文本、用户近期接听呼叫电话时说的话语等语言信息进行自然语言理解与编码,得到语言信息对应的特征向量,即词向量;将用户的点击数据、曝光数据等行为信息进行行为特征编码,得到行为信息对应的特征向量,即行为离散向量;将用户注册时留下的基本的用户属性信息进行属性信息编码,得到属性信息对应的特征向量,即属性离散向量;将呼叫限制条件的满足条件编码为对应的特征向量;将上述词向量、行为离散向量、属性离散向量以及特征向量进一步编码得到第二融合特征向量。以获取的多个第二融合特征向量作为训练样本,以用户是否接听呼叫作为标签,训练初始分类模型以得到呼叫分类模型。
可选地,也可直接根据多个第一融合特征向量作为训练样本,以用户是否接听呼叫作为标签,训练初始分类模型以得到呼叫分类模型。
示例性地,将用户近期发表的评论文本、用户近期接听呼叫电话时说的话语等历史语言信息进行自然语言理解与编码的过程可以为:首先采用语音识别技术对用户近期接听呼叫电话时说的话语进行识别,将语音识别为文本,再采用NLP技术对该文本和用户近期发表的评论文本进行文本处理,得到文本对应的语义特征,例如,词向量。
示例性地,将用户的点击数据、曝光数据等历史行为信息和属性信息进行编码的过程可以为:对于任一种点击数据,若用户点击编码为1,若用户未点击编码为0;对于任一种曝光数据,若用户曝光编码为1,若用户未曝光编码为0;对于属性信息中的性别信息,若用户为女性编码为1,若用户为男性编码为0等。这里,需要保证每次编码的顺序与规则一致,使得不同用户的编码一一对应具有相同的意义,使得编码结果具有可比性。
此外,对于将呼叫限制条件的满足条件编码为对应的特征向量,可选地,限制呼叫条件可包括用户的被叫次数是否大于呼叫阈值、用户所属的位置区域是否属于限制呼叫区域和用户的呼叫频率是否大于频率阈值中的至少一种。示例性地,编码方式可以为:满足呼叫限制条件编码为1,不满足呼叫限制条件编码为0。例如,用户的被叫次数大于呼叫阈值编码为1,用户的被叫次数不大于呼叫阈值编码为0;用户所属的位置区域属于限制呼叫区域编码为1;用户所属的位置区域不属于限制呼叫区域编码为0;用户的呼叫频率大于频率阈值编码为1,用户的呼叫频率不大于频率阈值编码为0。其中,呼叫阈值、限制呼叫区域和频率阈值可根据经验设置,或根据应用场景灵活调整,例如,呼叫阈值为10次,限制呼叫区域为**省**市,频率阈值为每一小时3次。
需要说明的是,上述编码方式仅为本申请实施例中的一个示例性描述,本申请实施例不对编码的方式进行限定,只要编码的结果能够反应用户信息的抽象特征即可。
其次,不对训练上述优先级分类模型和呼叫分类模型采用的初始模型进行限定,该初始模型可以是任意一个用来分类的模型,例如卡尔曼滤波分类模型、组合概率分类模型或BP神经网络分类模型等。训练优先级分类模型采用的初始模型类型和训练呼叫分类模型采用的初始模型类型可以相同也可以不同。
需要说明的是,在本申请实施例中,优先级分类模型也可以为优先级排序模型。此时,在第一融合特征向量中增加与业务相关的特征向量,形成多个第三特征向量,第三特征向量的数量与业务的数量相同。例如,将能够指示第一业务的场景类型、业务类型和业务评价等特征的向量增加到融合特征向量中,得到第一业务对应的第三特征向量。以获取的各个业务对应的多个第三融合特征向量作为训练样本,以用户对各种业务的呼叫接听结果作为各种业务的标签,训练初始排序模型以得到优先级排序模型。其中,不对训练上述优先级排序模型采用的初始模型进行限定,该初始模型可以是任意一个用来排序的模型。
综合决策模块用于决策用户是否为可呼叫用户以及在可呼叫情况下的确定呼叫优先级,即确定可呼叫用户对应的呼叫请求的呼叫顺序,按照呼叫顺序能够知道先控制哪个业务的呼叫请求进行呼叫,后控制哪个业务的呼叫请求进行呼叫。其中,用户是否为可呼叫用户可通过上述呼叫分类模型的输出结果来决定;确定呼叫优先级可通过上述优先级分类模型的输出结果来决定,或者通过上述优先级排序模型的输出结果来决定。
在一种可能的实施方式中,根据优先级分类模型的输出结果能够得到用户的用户信息对应各业务的概率值,按照各业务的概率值的大小排序的结果即为用户对应的业务的优先级;或者,根据优先级排序模型的输出结果直接得到各业务的排序结果,按照输出的各业务的排序结果即可得到用户对应的业务的优先级。
在一种可能的实施方式中,对于直接根据多个第一融合特征向量作为训练样本,以用户是否接听呼叫作为标签,训练初始分类模型得到的呼叫分类模型来说,可以先根据呼叫限制条件进行判断,若满足所有的呼叫限制条件再基于呼叫分类模型的输出结果来决定是否呼叫该用户;若不满足呼叫限制条件中的任一条件,则决定不呼叫该用户。
此外,综合决策模块还包括业务方反馈模块,业务方反馈模块用于将得到的用户的呼叫顺序反馈给业务方,业务方根据接收到用户的呼叫顺序进行判断,若该业务方排在呼叫顺序的后三位,则业务方可根据实际需求动态规划和调整发起对该用户的呼叫请求的时间。
参见图6,本申请实施例提供了一种呼叫控制装置,该装置包括:
第一获取模块601,用于获取目标用户的相关信息以及目标用户对应的至少一个预呼叫请求,一个预呼叫请求对应一个业务;
第二获取模块602,用于响应于基于相关信息确定目标用户为可呼叫用户,根据目标用户对应的业务的优先级,获取至少一个预呼叫请求的呼叫顺序,业务的优先级用于指示各个业务的呼叫成功概率;
控制模块603,用于控制至少一个预呼叫请求按照呼叫顺序对目标用户的通信号码进行呼叫。
在一种可能的实施方式中,目标用户的相关信息包括目标用户的第一用户信息与限制呼叫条件;参见图7,该装置还包括:
确定模块604,用于基于目标用户的第一用户信息与限制呼叫条件确定目标用户是否为可呼叫用户。
在一种可能的实施方式中,目标用户的第一用户信息包括目标用户的第一语言信息、第一行为信息和第一属性信息中的至少一种,限制呼叫条件包括目标用户的被叫次数大于呼叫阈值、目标用户的位置区域属于限制区域和目标用户的呼叫频率大于频率阈值中的至少一种。
在一种可能的实施方式中,确定模块604,用于基于第一语言信息获取目标用户的第一特征向量,基于第一行为信息和第一属性信息获取目标用户的第二特征向量,基于限制呼叫条件获取目标用户的第三特征向量;将第一特征向量、第二特征向量与第三特征向量输入第一分类模型,第一分类模型用于获取目标用户为可呼叫用户的概率;根据第一分类模型的输出结果,确定目标用户是否为可呼叫用户。
在一种可能的实施方式中,参见图7,该装置还包括:
第三获取模块605,用于基于目标用户的第二用户信息获取目标用户对应的业务的优先级,目标用户的第二用户信息包括目标用户的第二语言信息、第二行为信息和第二属性信息中的至少一种。
在一种可能的实施方式中,第三获取模块605,用于基于第二语言信息获取目标用户的第四特征向量,基于第二行为信息和第二属性信息获取目标用户的第五特征向量;将第四特征向量与第五特征向量输入第二分类模型,第二分类模型用于预测各个业务的呼叫请求的呼叫成功概率;根据第二分类模型的输出结果,确定目标用户对应的业务的优先级。
在一种可能的实施方式中,第一获取模块601,用于获取多个业务的多个预呼叫请求,一个预呼叫请求还对应一个用户;响应于多个预呼叫请求对应的多个用户包括目标用户,基于多个业务的多个预呼叫请求获取目标用户对应的至少一个预呼叫请求。
在一种可能的实施方式中,参见图7,该装置还包括:
反馈模块606,用于将呼叫顺序反馈给至少一个预呼叫请求对应的业务方,业务方根据呼叫顺序调整对目标用户的呼叫。
本申请实施例提供的呼叫控制装置,对于可呼叫目标用户对应的至少一个预呼叫请求,通过获取该至少一个预呼叫请求的呼叫顺序,使得能够控制至少一个预呼叫请求按照该呼叫顺序对目标用户的通信号码进行呼叫。由于呼叫顺序基于目标用户对应的业务的优先级获取得到,业务的优先级用于指示各个业务的呼叫成功概率。因此,目标用户会优先接听到优先级较高的业务的呼叫,提高了预呼叫请求的呼叫成功率,进而提升了呼叫性能,使得呼叫控制的准确性更高。同时,能够提升用户对业务呼叫的满意度,使得用户的使用体验更好,降低用户的投诉率。
应理解的是,上述实施例提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
请参考图8,图8是本申请实施例提供的一种服务器的结构示意图,该服务器400可因配置或性能不同而产生比较大的差异,可以包括一个或多个处理器(CentralProcessing Units,CPU)401和一个或多个的存储器402,其中,该一个或多个存储器402中存储有至少一条程序指令,该至少一条程序指令由该一个或多个处理器401加载并执行以实现上述各个方法实施例提供的呼叫控制方法。当然,该服务器400还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器400还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种计算机设备,该计算机设备包括处理器和存储器,该存储器中存储有至少一条程序代码。该至少一条程序代码由一个或者一个以上处理器加载并执行,以使计算机设备实现上述任一种呼叫控制方法。
在示例性实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条程序代码,该至少一条程序代码由计算机设备的处理器加载并执行,以使计算机实现上述任一种呼叫控制方法。
可选地,上述计算机可读存储介质可以是只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、只读光盘(Compact Disc Read-OnlyMemory,CD-ROM)、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述任一种呼叫控制方法。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (11)
1.一种呼叫控制方法,其特征在于,所述方法包括:
获取目标用户的相关信息以及所述目标用户对应的至少一个预呼叫请求,一个预呼叫请求对应一个业务;
基于所述目标用户的第二语言信息获取所述目标用户的第四特征向量,基于所述目标用户的第二行为信息和所述目标用户的第二属性信息获取所述目标用户的第五特征向量;将所述第四特征向量与所述第五特征向量输入第二分类模型,所述第二分类模型用于预测各个业务的呼叫请求的呼叫成功概率;根据所述第二分类模型的输出结果,确定所述目标用户对应的业务的优先级;
响应于基于所述相关信息确定所述目标用户为可呼叫用户,根据所述目标用户对应的业务的优先级,获取所述至少一个预呼叫请求的呼叫顺序,所述业务的优先级用于指示各个业务的呼叫成功概率;
控制所述至少一个预呼叫请求按照所述呼叫顺序对所述目标用户的通信号码进行呼叫。
2.根据权利要求1所述的方法,其特征在于,所述目标用户的相关信息包括所述目标用户的第一用户信息与限制呼叫条件;
所述获取目标用户的相关信息以及所述目标用户对应的至少一个预呼叫请求之后,还包括:
基于所述目标用户的第一用户信息与所述限制呼叫条件确定所述目标用户是否为可呼叫用户。
3.根据权利要求2所述的方法,其特征在于,所述目标用户的第一用户信息包括所述目标用户的第一语言信息、第一行为信息和第一属性信息中的至少一种,所述限制呼叫条件包括所述目标用户的被叫次数大于呼叫阈值、所述目标用户的位置区域属于限制区域和所述目标用户的呼叫频率大于频率阈值中的至少一种。
4.根据权利要求3所述的方法,其特征在于,所述基于所述目标用户的第一用户信息与所述限制呼叫条件确定所述目标用户是否为可呼叫用户,包括:
基于所述第一语言信息获取所述目标用户的第一特征向量,基于所述第一行为信息和所述第一属性信息获取所述目标用户的第二特征向量,基于所述限制呼叫条件获取所述目标用户的第三特征向量;
将所述第一特征向量、所述第二特征向量与所述第三特征向量输入第一分类模型,所述第一分类模型用于获取所述目标用户为可呼叫用户的概率;
根据所述第一分类模型的输出结果,确定所述目标用户是否为可呼叫用户。
5.根据权利要求1-4任一所述的方法,其特征在于,所述目标用户对应的至少一个预呼叫请求的获取方式,包括:
获取多个业务的多个预呼叫请求,一个预呼叫请求还对应一个用户;
响应于所述多个预呼叫请求对应的多个用户包括所述目标用户,基于所述多个业务的多个预呼叫请求获取所述目标用户对应的至少一个预呼叫请求。
6.根据权利要求1-4任一所述的方法,其特征在于,所述获取所述至少一个预呼叫请求的呼叫顺序之后,还包括:
将所述呼叫顺序反馈给所述至少一个预呼叫请求对应的业务方,所述业务方根据所述呼叫顺序调整对所述目标用户的呼叫。
7.一种呼叫控制装置,其特征在于,所述装置包括:
第一获取模块,用于获取目标用户的相关信息以及所述目标用户对应的至少一个预呼叫请求,一个预呼叫请求对应一个业务;
第三获取模块,用于基于所述目标用户的第二语言信息获取所述目标用户的第四特征向量,基于所述目标用户的第二行为信息和所述目标用户的第二属性信息获取所述目标用户的第五特征向量;将所述第四特征向量与所述第五特征向量输入第二分类模型,所述第二分类模型用于预测各个业务的呼叫请求的呼叫成功概率;根据所述第二分类模型的输出结果,确定所述目标用户对应的业务的优先级;
第二获取模块,用于响应于基于所述相关信息确定所述目标用户为可呼叫用户,根据所述目标用户对应的业务的优先级,获取所述至少一个预呼叫请求的呼叫顺序,所述业务的优先级用于指示各个业务的呼叫成功概率;
控制模块,用于控制所述至少一个预呼叫请求按照所述呼叫顺序对所述目标用户的通信号码进行呼叫。
8.根据权利要求7所述的装置,其特征在于,所述第一获取模块,用于获取多个业务的多个预呼叫请求,一个预呼叫请求还对应一个用户;响应于所述多个预呼叫请求对应的多个用户包括所述目标用户,基于所述多个业务的多个预呼叫请求获取所述目标用户对应的至少一个预呼叫请求。
9.根据权利要求7或8所述的装置,其特征在于,所述装置还包括:
反馈模块,用于将所述呼叫顺序反馈给所述至少一个预呼叫请求对应的业务方,所述业务方根据所述呼叫顺序调整对所述目标用户的呼叫。
10.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以使所述计算机设备实现如权利要求1至6任一所述的呼叫控制方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以使计算机实现如权利要求1至6任一所述的呼叫控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110902524.XA CN113676603B (zh) | 2021-08-06 | 2021-08-06 | 呼叫控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110902524.XA CN113676603B (zh) | 2021-08-06 | 2021-08-06 | 呼叫控制方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113676603A CN113676603A (zh) | 2021-11-19 |
CN113676603B true CN113676603B (zh) | 2022-09-20 |
Family
ID=78541979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110902524.XA Active CN113676603B (zh) | 2021-08-06 | 2021-08-06 | 呼叫控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113676603B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060013140A1 (en) * | 2004-01-28 | 2006-01-19 | Pushparaj Vinodh F | Predictive, intelligent routing of calls to users |
CN102663613A (zh) * | 2012-03-08 | 2012-09-12 | 北京神州数码思特奇信息技术股份有限公司 | 一种客户数据处理方法 |
CN106331394A (zh) * | 2016-10-19 | 2017-01-11 | 上海携程商务有限公司 | 语音外呼系统及其外呼方法 |
CN109246321A (zh) * | 2018-07-27 | 2019-01-18 | 平安科技(深圳)有限公司 | 呼叫管控方法、系统、计算机设备及其存储介质 |
CN111294470B (zh) * | 2020-02-05 | 2021-06-29 | 北京三快在线科技有限公司 | 呼叫处理方法、装置、设备及存储介质 |
CN112437198B (zh) * | 2020-11-10 | 2022-06-24 | 中国平安人寿保险股份有限公司 | 智能外呼数据处理方法、装置及存储介质 |
-
2021
- 2021-08-06 CN CN202110902524.XA patent/CN113676603B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113676603A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110334201B (zh) | 一种意图识别方法、装置及系统 | |
CN110162633B (zh) | 语音数据意图确定方法、装置、计算机设备和存储介质 | |
US10650311B2 (en) | Suggesting resources using context hashing | |
CN109514586B (zh) | 实现智能客服机器人的方法及系统 | |
CN110287297A (zh) | 对话答复方法、装置、计算机设备及计算机可读存储介质 | |
CN111611351B (zh) | 在线客服会话的控制方法、装置和电子设备 | |
CN108920640A (zh) | 基于语音交互的上下文获取方法及设备 | |
US10762423B2 (en) | Using a neural network to optimize processing of user requests | |
CN108986825A (zh) | 基于语音交互的上下文获取方法及设备 | |
CN112182186A (zh) | 智能客服的运行方法、装置以及系统 | |
CN115130711A (zh) | 一种数据处理方法、装置、计算机及可读存储介质 | |
CN113591463A (zh) | 意图识别方法、装置、电子设备及存储介质 | |
CN113111157B (zh) | 问答处理方法、装置、计算机设备和存储介质 | |
CN110428816A (zh) | 一种语音细胞库训练和分享的方法及装置 | |
CN113676603B (zh) | 呼叫控制方法、装置、设备及存储介质 | |
CN117216206A (zh) | 会话处理方法、装置、电子设备及存储介质 | |
CN115905293A (zh) | 作业执行引擎的切换方法及装置 | |
CN116823264A (zh) | 风险识别方法、装置、电子设备、介质及程序产品 | |
CN110472113B (zh) | 一种智能交互引擎优化方法、装置、设备 | |
CN114203173A (zh) | 机器人预约客户的方法、装置、计算机设备及存储介质 | |
CN113744741B (zh) | 识别电话接听行为的方法及装置 | |
CN113782022B (zh) | 基于意图识别模型的通信方法、装置、设备及存储介质 | |
CN116029492B (zh) | 派单方法和装置 | |
CN117473070B (zh) | 智能机器人的多渠道应用方法、智能机器人和存储介质 | |
CN114742065A (zh) | 基于意图槽位联合模型的数据处理方法及装置 |
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 |