CN113808589A - 坐席通话方法、计算机设备和存储介质 - Google Patents

Abstract

本发明公开一种坐席通话方法、计算机设备和存储介质，属于自然语言处理领域。该坐席通话方法，具体包括：获取通话参与方的实时语音数据；对所述实时语音数据进行语义分析处理，确定所述实时语音数据的语义特征数据；对所述语义特征数据进行知识推理处理，生成提示信息；实时输出所述提示信息。本发明的实施例，其可根据语音数据向坐席人员实时提供相应的提示信息以提高坐席人员的实时服务质量和服务效率。

Description

坐席通话方法、计算机设备和存储介质

技术领域

本发明涉及自然语言处理领域，尤其涉及一种坐席通话方法、计算机设备和存储介质。

背景技术

智能客服已成为客服中心的发展趋势，智能质检是客服智能化的一个典型应用，即系统可通过自然语言处理(NLP)等人工智能技术对客服会话进行自动化的质检。与人工质检相比，智能质检的效率更高而成本更低，可实现会话的全面质检。目前市面上的智能质检系统大多是以语音识别、语义分析、大数据处理技术为基础，在客服中心、呼叫中心通话完成后，通过对质检结果的复盘来提升坐席人员的综合素质。这种智能质检系统虽然解决了人工质检系统效率低下，主观因素导致的差错率等问题，但是只能评估坐席人员先前的服务质量，并不能实时提高坐席人员的服务质量和服务效率。

因此如何提高坐席人员的实时服务质量和服务效率成为亟需解决的问题。

发明内容

本发明实施例的主要目的在于提出一种能够提高坐席人员实时服务质量和服务效率的坐席通话方法、计算机设备和存储介质。

为实现上述目的，本发明实施例提供了一种坐席通话方法，所述方法包括以下步骤：

获取通话参与方的实时语音数据；

对所述实时语音数据进行语义分析处理，确定所述实时语音数据的语义特征数据；

对所述语义特征数据进行知识推理处理，生成提示信息；

实时输出所述提示信息。

为实现上述目的，本发明实施例还提供了一种计算机设备，所述计算机设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现前述方法的步骤。

为实现上述目的，本发明实施例还提供了一种存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现前述方法的步骤。

本发明提出的坐席通话方法、计算机设备和存储介质，其通过获取通话参与方的实时语音数据，并对所述实时语音数据进行语义分析处理，确定所述实时语音数据的语义特征数据，接着对所述语义特征数据进行知识推理处理，生成提示信息，最后实时输出提示信息。本发明实施例，其可根据实时语音数据向坐席人员提供相应的提示信息，以提高坐席人员的当前服务质量和服务效率。

附图说明

图1是本发明实施例提供的一种坐席通话方法的流程示意图；

图2是本发明实施例提供的一种违规提醒的场景示意图；

图3为图1中所述基于语义分析，确定所述语音数据的语义特征数据的子流程示意图；

图4是本发明实施例提供的一种流量套餐推销流程的示意图；

图5是本发明实施例提供的一种坐席通话装置的示意性框图；

图6是本发明实施例提供的另一种坐席通话装置的示意性框图；

图7是本发明实施例提供的一种计算机设备的结构示意性框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特有的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

请参阅图1，图1是本实施例提供的一种坐席通话方法，所述方法可应用于终端设备或服务器，该终端设备可以是电话、智能手机、平板电脑、笔记本电脑、台式电脑、智能电视或者掌上电脑等电子设备；该服务器可以为单台的服务器，也可以为由多台服务器组成的服务器集群。以下以所述坐席通话方法应用于服务器上进行描述。

具体的，该坐席通话方法包括：获取通话参与方的实时语音数据；对所述实时语音数据进行语义分析处理，确定所述实时语音数据的语义特征数据；对所述语义特征数据进行知识推理处理，生成提示信息；实时输出所述提示信息。

如图1所示，该坐席通话方法具体包括步骤S110至步骤S140。

步骤S110、获取通话参与方的实时语音数据。

示例性的，当所述服务器获取到用户的通话提示请求时，可在通话参与方进行通话的过程中，获取通话参与方的实时语音数据。

在一实施方式中，所述获取通话参与方的实时语音数据，具体可以包括：实时获取所述第一终端用户的第一语音数据和所述第二终端用户的第二语音数据，其中，所述第一终端用户包括客服坐席用户。示例性的，所述通话参与方对话的语音数据可以包括当前实时获取的第一语音数据，或者所述通话参与方对话的语音数据可以包括当前实时获取的第二语音数据，或者所述通话参与方对话的语音数据可以包括当前实时获取的第一语音数据以及第二语音数据。示例性的，所述第二终端用户包括消费者用户。

在一实施方式中，所述获取通话参与方的实时语音数据之后，还可以包括：根据所述实时语音数据判断所述通话参与方是否存在违规行为；若所述通话参与方存在违规行为，则向所述通话参与方发送违规提醒信息。

示例性的，可通过对所述语音数据进行语音识别以得到文本数据，根据所述文本数据判断所述通话参与方是否存在违规行为，若所述通话参与方存在违规行为，则生成违规提醒，所述违规行为包括使用敏感词和/或违规用语，所述违规用语包括通过特征提取、人工标注、热点分析、聚类分析、分类分析等多种分析方法归类出的通话过程中的一些违规用语。需要说明的是，所述违规行为可由用户进行自定义设置，在此不对违规行为的具体内容进行限制。例如，根据所述文本数据和预设的敏感词进行对比分析，以确定所述文本数据中是否包含敏感词，若所述文本数据中包含敏感词则判断所述通话参与方存在违规行为，则生成违规提醒。其中，所述违规提醒可包括如下至少一种：播报预设提醒音、点亮预设呼吸灯和显示预设的违规提醒信息，所述违规提醒信息可如图2所示。通过提醒通话参与方的违规行为，可有效规范通话参与方的通话行为，有利于提高服务质量。

在一实施方式中，所述通话参与方的语音数据包括第一终端用户的第一语音数据和第二终端用户的第二语音数据，所述第一终端用户包括客服坐席用户，所述坐席通话方法具体可以包括：获取通话参与方的实时语音数据和所述第二终端用户的用户特征数据；对所述语音数据进行语义分析处理，确定所述语音数据的语义特征数据；对所述用户特征数据和所述语义特征数据进行知识推理处理，确定与所述第二终端用户匹配的服务项目，根据所述服务项目生成提示信息。示例性的，所述用户特征数据包括用户的当前用户套餐，所述服务项目包括与用户匹配的目标用户套餐，所述提示信息包括套餐提示信息。例如，首先获取通话参与方的语音数据和所述第二终端用户的当前用户套餐；然后基于语义分析，确定所述通话参与方的语音数据的语义特征数据；最后对所述语义特征数据和所述当前用户套餐进行知识推理处理，以确定与所述第二终端用户匹配的目标用户套餐，并根据所述目标用户套餐生成套餐提示信息。

示例性的，将所述通话参与方的语音数据转换为文本数据，并将所述文本数据输入预先设置的语义分析模型中，以得到所述文本数据的语义分析结果。最后根据所述语义分析结果确定所述通话参与方的语音数据的语义特征数据。其中，所述语义分析模型是基于样本文本数据和所述样本文本数据对应的样本语义分析结果训练得到的，所述语义分析结果包括：领域、动作、对象、原因、特征中至少一项。例如，所述样本文本数据包括经历史通话语音数据转换得到的样本文本数据。

知识推理是指在计算机或智能系统中，模拟人类的智能推理方式，依据推理控制策略，利用形式化的知识进行机器思维和求解问题的过程。示例性的，通过预先训练的知识推理模型对所述语义特征数据和所述当前用户套餐进行知识推理处理。例如，将所述用户特征数据和所述语义特征数据输入预先训练的知识推理模型后，所述知识推理模型根据所述用户特征数据和所述语义特征数据确定与所述第二终端用户匹配的服务项目，如目标用户套餐，根据所述服务项目生成提示信息，如套餐提示信息。示例性的，服务器获取所述第二终端用户的当前用户套餐，如20元5G流量A套餐，并基于语义分析确定所述通话参与方的语音数据中的语义特征数据为“流量套餐”、“流量”、“多”、“资费不变”，接着基于知识推理得出所述第二终端用户当前想提升流量数但不想提升资费这一信息，因此根据所述语义特征数据和所述当前用户套餐确定与所述第二终端用户匹配的目标用户套餐，即推荐给所述第二终端用户的用户套餐，如20元8G流量B套餐，并根据所述目标用户套餐生成相应的套餐提示事件。服务器生成所述套餐提示事件后，可将所述套餐提示事件发送至所述客服坐席用户的终端，以使所述客服坐席用户的终端屏幕上显示所述套餐提示事件。通过所述第二终端用户的当前用户套餐和所述通话参与方的语音数据确定与所述第二终端用户匹配的目标用户套餐，可有效的提高套餐推荐的准确性，从而提高坐席人员的服务质量和服务效率。

步骤S120、对所述实时语音数据进行语义分析处理，确定所述实时语音数据的语义特征数据。

示例性的，对所述实时语音数据进行语音语义分析，得到所述实时语音数据的语义特征数据，或者，将所述实时语音数据转换成对应的文本信息，再对所述实时语音数据对应的文本信息进行文字语义分析，得到所述实时语音信息对应的文本信息的语义特征数据。基于此，在一实施方式中，本方法步骤S120的具体流程如图3所示，包括步骤S121和步骤S122。

步骤S121、对所述实时语音数据进行语音识别以得到文本数据。

示例性的，将所述语音数据输入语音识别模型进行语音识别，以得到所述语音数据对应的文本数据。

示例性的，服务器将语音数据发送给语音识别系统，语音识别系统将所述语音信息转化为文字信息并将所述文字信息返回给服务器。

步骤S122、对所述文本数据进行语义分析处理，确定所述文本数据的语义特征数据。

示例性的，将所述文本数据输入预先设置的语义分析模型中，获取所述语义分析模型输出的所述文本数据的语义分析结果，根据所述语义分析结果确定所述文本数据的语义特征数据。其中，所述语义分析模型是基于样本文本数据和所述样本文本数据对应的样本语义分析结果训练得到的，所述语义分析结果包括：领域、动作、对象、原因、特征中至少一项。

例如，所述文本数据为“您好，我总是流量不够，请问目前还有什么流量多的套餐服务麻烦推荐一下”，将所述文本数据输入预先设置的语义分析模型中，得到的所述语义分析模型输出的所述文本数据的语义分析结果为“流量(领域)”、“流量多(特征)”、“套餐业务(对象)”、“推荐(动作)”，根据所述语义分析结果确定所述文本数据的语义特征数据，如“流量、流量多、套餐业务、推荐”。

在一实施方式中，所述对所述文本数据进行语义分析处理，确定所述文本数据的语义特征数据，具体可以包括：对所述文本数据进行预处理，所述预处理包括以下处理中至少一项：分词处理、纠错处理、词性标注处理、归一化处理；对预处理后的文本数据进行语义分析处理，确定所述预处理后的文本数据的语义特征数据。

示例性的，对所述文本数据进行分词、去停用词，如标点、数字、单字和其它一些无意义的词、纠错处理、词性标注处理以及归一化处理等预处理。所述分词可包括基于字符串匹配的分词方法，具体地，按照不同的扫描方式，逐个查找预设的词库进行分词，其中所述扫描方式包括正向最大匹配、反向最大匹配、双向最大匹配和/或最小切分等扫描方法；所述分词可包括全切分方法，具体地，首先切分出与词库匹配的所有可能的词，再运用统计语言模型决定最优的切分结果，例如，对于文本串“中国移动流量套餐推荐”，首先进行词条检索，找到匹配的所有词条，如中国、移动、中国移动、流量、套餐、流量套餐、推、推荐，以词网格word lattices形式表示匹配的所有词条，接着根据所述词网格做路径搜索，基于统计语言模型，如n-gram，找到最优路径，即最优切分，如中国移动、流量套餐、推荐。所述纠错处理包括纠正错字处理，例如对所述文本数据中的错字进行纠正，以避免错字影响语义分析的结果。通过对所述文本数据进行预处理，可有效提高语义分析的效率和准确率。

在一实施方式中，所述通话参与方的语音数据包括第一终端用户的第一语音数据和第二终端用户的第二语音数据，所述第一终端用户包括客服坐席用户，所述基于语义分析，确定所述文本数据的语义特征数据，具体可以包括：对所述第二语音数据进行语义分析处理，确定所述第二语音数据的语义特征数据。示例性的，对所述第二语音数据进行语音识别以得到第二文本数据，并基于语义分析，确定所述第二文本数据的语义特征数据。例如，将所述第二文本数据输入预先设置的语义分析模型中，获取所述语义分析模型输出的所述第二文本数据的语义分析结果，根据所述语义分析结果确定所述第二文本数据的语义特征数据。其中，所述语义分析模型是基于样本文本数据和所述样本文本数据对应的样本语义分析结果训练得到的，所述语义分析结果包括：领域、动作、对象、原因、特征中至少一项。

步骤S130、对所述语义特征数据进行知识推理处理，生成提示信息。

示例性的，将所述语义特征数据输入知识推理模型中，得到所述知识推理模型输出的通话事件，根据所述通话事件确定所述通话提示事件，根据所述通话提示事件生成提示信息；其中，知识推理模型是基于语义特征数据及其所述语义特征数据对应的通话提示事件训练得到的，所述通话事件包括业务流程，所述通话提示事件包括操作提示事件和/或业务偏离提示事件，所述提示信息包括操作提示信息和/或业务偏离提示信息。

在一实施方式中，所述对所述语义特征数据进行知识推理处理，生成提示信息，具体可以包括：获取预设的业务流程数据；根据所述业务流程数据，对所述语义特征数据进行知识推理处理，确定与所述语义特征数据匹配的业务流程；根据所述业务流程生成提示信息。

示例性的，可以预先在数据库中存储通话过程中可能涉及的业务流程数据。将基于语义分析确定的语义特征数据输入预先训练的知识推理模型后，所述知识推理模型根据所述业务流程数据确定与所述语义特征数据匹配的业务流程，并根据所述业务流程确定操作提示事件，并根据所述操作提示事件生成提示信息，如操作提示信息。例如，所述知识推理模型根据所述业务流程数据确定与所述语义特征数据匹配的业务流程为流量套餐推销流程，如图4所示，以及确定所述通话参与方当前的流程为步骤S12“获取用户的现有套餐信息”，即可确定所述通话参与方的待操作流程为步骤S13“根据所述流量套餐需求和所述现有套餐信息确定待推荐套餐”，根据所述待操作流程确定操作提示事件，如将步骤S13确定为操作提醒事件，并根据所述操作提示事件生成操作提示信息，如所述提示信息为“尊敬的用户，您接下来待执行的流程为根据所述流量套餐需求和所述现有套餐信息确定待推荐套餐”。

在一实施方式中，所述对所述语义特征数据进行知识推理处理，生成提示信息，具体还可以包括：获取预设的业务流程数据；根据所述业务流程数据，对所述语义特征数据进行知识推理处理，确定与所述语义特征数据匹配的业务流程；根据所述业务流程和所述语义特征数据确定所述通话参与方是否偏离所述业务流程，若所述通话参与方偏离所述业务流程则根据所述业务流程确定偏离提示事件；根据所述偏离提示事件确定生成业务偏离提示信息。

示例性的，将所述对所述语义特征数据输入预先训练的知识推理模型后，所述知识推理模型根据所述业务流程数据确定与所述语义特征数据匹配的业务流程为流量套餐推销流程。若所述语义特征数据中包括与所述流量套餐推销流程不匹配的语义特征数据的数量达到预设阈值时，则确定所述通话参与方偏离所述流量套餐推销流程，例如“短信包”、“手机铃声”等与所述流量套餐推销流程不匹配的语义特征数据出现次数达到预设阈值时，则确定所述通话参与方偏离所述流量套餐推销流程。确定所述通话参与方偏离所述流量套餐推销流程后，根据所述通话参与方的待操作流程确定偏离提示事件，例如，所述通话参与方的待操作流程为步骤S13“根据所述流量套餐需求和所述现有套餐信息确定待推荐套餐”，则根据所述步骤S13确定偏离提示事件。根据所述偏离提示事件生成业务偏离提示信息，如所述业务偏离提示信息为“尊敬的用户，请注意，您已偏离当前的流量套餐推销流程，当前您需要继续执行的流程为:根据所述流量套餐需求和所述现有套餐信息确定待推荐套餐”。

在一实施方式中，所述通话参与方的语音数据包括第一终端用户的第一语音数据和第二终端用户的第二语音数据，所述第一终端用户包括客服坐席用户，所述对所述语义特征数据进行知识推理处理，生成提示信息，具体可以包括：对所述第二语音数据的语义特征数据进行知识推理处理，确定所述第二终端用户的用户需求，根据所述用户需求生成提示信息。

示例性的，将所述语义特征数据输入知识推理模型中，得到所述知识推理模型输出的所述第二终端用户的用户需求，根据所述用户需求确定所述通话提示事件；其中，知识推理模型是基于语义特征数据及其所述语义特征数据对应的用户需求训练得到的，所述用户需求可包括流量需求、通话需求、短信需求等，所述通话提示事件可包括业务流程提示事件，如流量套餐推荐流程提示事件、通话套餐推荐流程提示事件、短信套餐推荐流程提示事件等。例如，基于知识推理模型，确定所述第二终端用户的用户需求为流量需求，根据所述流量需求和预设的业务流程数据确定所述流量需求匹配的业务流程，如流量套餐推荐流程，并根据所述业务流程生成提示信息。通过根据所述第二终端用户的用户需求生成提示信息，可有效提高客服坐席用户的服务质量和服务效率。

步骤S140、实时输出所述提示信息。

示例性的，实时输出所述提示信息以使所述通话参与方根据所述提示信息继续进行通话，例如，可在所述通话参与方的终端的屏幕上显示所述提示信息以使所述通话参与方根据所述提示信息继续进行通话，从而提高通话质量和通话效率。

上述实施例提供的一种坐席通话方法，通过获取通话参与方的实时语音数据，并对所述实时语音数据进行语义分析处理，确定所述实时语音数据的语义特征数据，接着对所述语义特征数据进行知识推理处理，生成提示信息，最后实时输出提示信息。可见，本技术方案，其可根据语音数据向坐席人员实时提供相应的提示信息以实时提高坐席人员的服务质量和服务效率。

图5为本申请实施例提供的一种坐席通话装置的示意性框图。

如图5所示，该坐席通话装置200，包括：语音获取模块201、语音处理模块202、提示生成模块203和提示输出模块204。

语音获取模块201，用于获取通话参与方的实时语音数据；

语音处理模块202，用于对所述实时语音数据进行语义分析处理，确定所述语音数据的语义特征数据；

提示生成模块203，用于对所述语义特征数据进行知识推理处理，生成提示信息；

提示输出模块204，用于实时输出所述提示信息。

在一实施例中，如图6所示，语音处理模块202包括语音识别子模块2021和语义分析子模块2021，其中语音识别子模块2021用于对所述语音数据进行语音识别以得到文本数据，语义分析子模块2021用于对所述文本数据进行语义分析处理，确定所述文本数据的语义特征数据。

在一实施例中，该坐席通话装置200，还包括：违规提醒模块，所述违规提醒模块用于根据所述实时语音数据判断所述通话参与方是否存在违规行为，若所述通话参与方存在违规行为，则向所述通话参与方发送违规提醒消息。

需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块及单元的具体工作过程，可以参考前述坐席通话方法实施例中的对应过程，在此不再赘述。

上述实施例提供的坐席通话装置可以实现为一种计算机程序的形式，该计算机程序可以在如图7所示的计算机设备上运行。

请参阅图7，图7为本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为服务器或终端设备。

如图7所示，该计算机设备包括通过数据总线连接的处理器和存储器，其中，存储器可以包括非易失性存储介质和内存储器。

非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种坐席通话方法。

处理器用于提供计算和控制能力，支撑整个计算机设备的运行。

内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种坐席通话方法。

示例性的，在一实施例中，所述计算机设备还包括网络接口，该网络接口用于进行网络通信，如发送分配的任务等。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本申请实施例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上存储有计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时所实现的方法可参照本申请坐席通话方法的各个实施例。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路，其中，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器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 SpecificIntegrated 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。其中，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。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

前述实施例提供的坐席通话装置、计算机设备及计算机可读存储介质，通过实时获取通话参与方的实时语音数据，并对所述实时语音数据进行语义分析处理，确定所述实时语音数据的语义特征数据，接着对所述语义特征数据进行知识推理处理，生成提示信息，最后实时输出提示信息。可见，本技术方案，其可根据语音数据向坐席人员实时提供相应的提示信息以实时提高坐席人员的服务质量和服务效率。可见，本发明实施例，其可根据语音数据向坐席人员实时提供相应的提示信息以实时提高坐席人员的服务质量和服务效率。

应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种坐席通话方法，其特征在于，包括：

获取通话参与方的实时语音数据；

对所述实时语音数据进行语义分析处理，确定所述实时语音数据的语义特征数据；

对所述语义特征数据进行知识推理处理，生成提示信息；

实时输出所述提示信息。

2.根据权利要求1所述的方法，所述对所述实时语音数据进行语义分析处理，确定所述实时语音数据的语义特征数据，包括：

对所述实时语音数据进行语音识别以得到文本数据；

对所述文本数据进行语义分析处理，确定所述文本数据的语义特征数据。

3.根据权利要求2所述的方法，其特征在于，所述对所述文本数据进行语义分析处理，确定所述文本数据的语义特征数据，包括：

对所述文本数据进行预处理，所述预处理包括以下处理中至少一项：分词处理、纠错处理、词性标注处理、归一化处理；

对预处理后的文本数据进行语义分析处理，确定所述预处理后的文本数据的语义特征数据。

4.根据权利要求1所述的方法，其特征在于，所述对所述语义特征数据进行知识推理处理，生成提示信息，包括：

获取预设的业务流程数据；

根据所述业务流程数据，对所述语义特征数据进行知识推理处理，确定与所述语义特征数据匹配的业务流程；

根据所述业务流程生成提示信息。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述实时语音数据判断所述通话参与方是否存在违规行为；

若所述通话参与方存在违规行为，则向所述通话参与方发送违规提醒消息。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述获取通话参与方的实时语音数据，包括：

实时获取第一终端用户的第一语音数据和第二终端用户的第二语音数据，其中，所述第一终端用户包括客服坐席用户；

所述实时输出所述提示信息，包括：

实时向所述客服坐席用户的终端设备发送所述提示信息。

7.根据权利要求6所述的方法，其特征在于，所述对所述语音数据进行语义分析处理，确定所述语音数据的语义特征数据，包括：

对所述第二语音数据进行语义分析处理，确定所述第二语音数据的语义特征数据；

所述对所述语义特征数据进行知识推理处理，生成提示信息，包括：

对所述第二语音数据的语义特征数据进行知识推理处理，确定所述第二终端用户的用户需求；

根据所述用户需求生成提示信息。

8.根据权利要求6所述的方法，其特征在于，还包括：

获取所述第二终端用户的用户特征数据；

所述对所述语义特征数据进行知识推理处理，生成提示信息，包括：

对所述用户特征数据和所述语义特征数据进行知识推理处理，确定与所述第二终端用户匹配的服务项目；

根据所述服务项目生成提示信息。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现如权利要求1至8中任一项所述的坐席通话方法的步骤。

10.一种存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1至8中任一项所述的坐席通话方法的步骤。

Images