CN114006986A - 外呼合规预警方法、装置、设备及存储介质 - Google Patents
外呼合规预警方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114006986A CN114006986A CN202111270910.8A CN202111270910A CN114006986A CN 114006986 A CN114006986 A CN 114006986A CN 202111270910 A CN202111270910 A CN 202111270910A CN 114006986 A CN114006986 A CN 114006986A
- Authority
- CN
- China
- Prior art keywords
- outbound
- voice information
- voice
- seat
- sequence
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012216 screening Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 110
- 230000006399 behavior Effects 0.000 claims description 89
- 238000012549 training Methods 0.000 claims description 42
- 239000003795 chemical substances by application Substances 0.000 claims description 35
- 238000006243 chemical reaction Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000012163 sequencing technique Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000007689 inspection Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 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
- H04M3/5175—Call or contact centers supervision arrangements
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
- G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1822—Parsing for meaning understanding
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Signal Processing (AREA)
- Marketing (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明涉及人工智能技术,揭露了一种外呼合规预警方法,包括:获取坐席语音信息与客户语音信息;将坐席语音与客户语音按照时间排序,得到语音序列;从语音序列中筛选生成语音信息子序列;对语音信息子序列中的客户语音信息与坐席语音信息进行语音信息识别,得到当前客户意图及坐席行为;根据语音子序列检测生成外呼节点;根据当前客户意图获取所述外呼节点对应的标准坐席行为;当当前坐席行为不满足所述标准坐席行为时,发送预警信息。此外,本发明还涉及区块链技术,客户语音信息及坐席语音信息可存储于区块链的节点。本发明还提出一种外呼合规预警装置、电子设备以及存储介质。本发明可以提高销售外呼服务质量。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种外呼合规预警方法、装置、电子设备及计算机可读存储介质。
背景技术
对于客服、销售等各种领域的外呼系统,需要通过对外呼对话进行质检来判定员工作业是否违规,以提高员工对政策的执行力度,降低外呼违规风险。
现有的外呼质检系统包括人工质检和智能系统自动化质检,可以对员工工作进行监督,间接减少了员工违规事件的发生,但是现有的质检方法都是在外呼对话完成后进行的,只能对既有事实进行检测,无法实时准确地获取坐席行为状态并向坐席展示对应预警信息,从而导致销售外呼服务质量低下。
发明内容
本发明提供一种外呼合规预警方法、装置及计算机可读存储介质,其主要目的在于解决销售外呼服务质量低下的问题。
为实现上述目的,本发明提供的一种外呼合规预警方法,包括:
实时获取外呼对话数据,识别并标记所述外呼对话数据中的坐席语音信息及客户语音信息,得到语音信息序列;
从所述语音信息序列中筛选预设序列长度的语音信息,生成语音信息子序列;
对所述语音文本信息子序列执行文本转化,得到语音文本序列;
利用预训练完成的客户意图识别模型对所述语音文本序列中的客户语音文本信息进行客户意图识别,得到当前客户意图,及利用预训练完成的坐席行为识别模型对所述语音文本序列中的坐席语音文本信息进行坐席行为识别,得到当前坐席行为;
利用预构建的外呼节点数据库对所述语音文本序列进行外呼节点检测,得到外呼节点;
利用所述当前客户意图,获取所述外呼节点对应的标准坐席行为;
当所述当前坐席行为不满足所述标准坐席行为时,发送预警信息。
可选地,所述识别并标记所述外呼对话数据中的坐席语音信息及客户语音信息,得到语音信息序列,包括:
在所述外呼对话语音数据中,根据坐席与客户不同的声音特征,识别所述外呼对话数据中的坐席语音信息及客户语音信息;
利用预设的第一标签标记所述坐席语音信息,及利用预设的第二标签标记所述客户语音信息;
提取所述坐席语音信息与所述客户语音信息的生成时间;
根据所述生成时间将所述坐席语音信息与客户语音信息按照时间的先后顺序进行标记,得到语音信息序列。
可选地,所述从所述语音信息序列中筛选预设序列长度的语音信息,生成语音信息子序列,包括:
计算所述语音信息序列中语音信息的总数;
若所述语音信息的总数大于等于预设数量2N,则按照时间顺序,从所述语音信息序列中筛选出最新录制得到的2N条语音信息,生成语音信息子序列,其中,所述N为大于0的自然数;
若所述语音信息的总数小于2N,则提取所述语音信息序列中所有语音信息,生成语音信息子序列。
可选地,所述利用预训练完成的客户意图模型进行客户意图识别,得到当前客户意图之前,所述方法还包括:
步骤A:接收训练文本集及对应的标签集,对所述训练文本集执行掩码操作,得到掩码训练集;
步骤B:使用Word2vec将所述掩码训练集中的每个文字转化为词向量,得到词向量集,并对所述词向量集执行位置编码,得到定位词向量集;
步骤C:将所述定位词向量集转换为定位向量矩阵,根据所述定位向量矩阵的维度,生成分类迭代转换矩阵;
步骤D:利用预构建的softmax预测函数和所述定位向量矩阵、分类迭代转换矩阵,计算得到与所述定位字向量集对应的原始向量相关矩阵;
步骤E:利用所述原始向量相关矩阵和所所述定位向量矩阵,调节预构建的前馈神经网络中的迭代权重因子,得到目标向量相关矩阵;
步骤F:在所述定位向量矩阵中,提取所述掩码训练集中的掩码文字的定位字向量,得到定位掩码向量,利用所述目标向量相关矩阵,提取所述定位掩码向量与所述训练文本对应的客户意图相关度,根据所述相关度生成一个或多个候选客户意图和所述候选客户意图的概率值;
步骤G:判断所述候选客户意图的概率值是否大于预设的概率阈值;
若所述候选客户意图的概率值小于或等于预设的概率阈值,则步骤H:更新所述分类迭代转换矩阵,并返回上述的步骤D;
若所述候选客户意图的概率值大于预设的概率阈值,则步骤I:判断所述客户意图识别模型训练完成。
可选地,所述利用所述原始向量相关矩阵和所述定位向量相关矩阵,调节预构建的前馈神经网络中的迭代权重因子,得到目标向量矩阵,包括:
将所述原始向量相关矩阵和所述定位向量矩阵进行求和归一,得到归一向量相关矩阵;
将所述归一向量相关矩阵输入预构建的前馈神经网络,利用所述前馈神经网络中的迭代权重因子对所述归一向量相关矩阵进行权重调节,得到所述目标向量相关矩阵。
可选地,所述利用预构建的外呼节点数据库对所述语音文本序列进行外呼节点检测,得到外呼节点,包括:
对所述语音文本序列进行分词处理,得到文本关键词;
提取所述文本关键词中出现次数最多的文本关键词,得到外呼节点关键词;
利用所述外呼节点关键词匹配在预构建的外呼节点数据库中匹配所述外呼节点关键词对应的外呼节点。
可选地,所述利用所述当前坐席行为,获取所述外呼节点的标准坐席行为,包括:
根据所述当前客户意图在预设的坐席行为数据库中检索,得到所述外呼节点对应的标准坐席行为。
为了解决上述问题,本发明还提供一种外呼合规预警装置,所述装置包括:
语音信息序列获取模块,用于实时获取外呼对话数据,识别并标记所述外呼对话数据中的坐席语音信息及客户语音信息,得到语音信息序列;
语音信息子序列筛选模块,用于从所述语音信息序列中筛选预设序列长度的语音信息,生成语音信息子序列;
语音文本序列获取模块,用于对所述语音文本信息子序列执行文本转化,得到语音文本序列
语音信息识别模块,利用预训练完成的客户意图识别模型对所述语音文本序列中的客户语音文本信息进行客户意图识别,得到当前客户意图,及利用预训练完成的坐席行为识别模型对所述语音文本序列中的坐席语音文本信息进行坐席行为识别,得到当前坐席行为;
外呼节点检测模块,用于利用预构建的外呼节点数据库对所述语音文本序列进行外呼节点检测,得到外呼节点;
标准坐席行为获取模块,用于利用所述当前客户意图,获取所述外呼节点对应的标准坐席行为;
预警信息发送模块,用于当所述当前坐席行为不满足所述标准坐席行为时,发送预警信息。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的外呼合规预警方法。
为了解决上述问题,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至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的外呼合规预警方法。
本发明实施例通过实时获取坐席与客户的语音信息,进而根据该语音信息筛选得到语音信息子序列,根据所述语音信息子序列中的客户语音信息和坐席语音信息进行语音信息识别,得到当前客户意图和当前坐席行为,并对语音子序列进行节点检测,得到外呼节点,根据当前客户意图获取所述外呼节点的标准坐席行为,再判断当前坐席行为是否满足所述标准坐席行为,发送预警信息,可以更为及时准确地辅助坐席进行外呼服务,有效的提高坐席外呼质量。因此本发明提出的外呼合规预警方法、装置、电子设备及计算机可读存储介质,可以解决坐席销售外呼质量低下的的问题。
附图说明
图1为本发明一实施例提供的外呼合规预警方法的流程示意图;
图2为本发明一实施例提供的获取语音信息序列的流程示意图;
图3为本发明一实施例提供的客户意图识别模型训练的流程示意图;
图4为本发明一实施例提供的外呼合规预警装置的功能模块图;
图5为本发明一实施例提供的实现所述外呼合规预警方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
本申请实施例提供一种外呼合规预警方法。所述外呼合规预警方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述外呼合规预警方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的外呼合规预警方法的流程示意图。在本实施例中,所述外呼合规预警方法包括:
S1、实时获取外呼对话数据,识别并标记所述外呼对话数据中的坐席语音信息及客户语音信息,得到语音信息序列;
本发明实施例中,所述外呼对话数据是检测到坐席与客户之间的语音信号时启动录音设备开始录音得到的。
本发明实施例中,参阅图2所示,所述识别并标记所述外呼对话数据中的坐席语音信息及客户语音信息,得到语音信息序列,包括:
S11、在所述外呼对话数据中,根据坐席与客户不同的声音特征,识别所述外呼对话数据中的坐席语音信息及客户语音信息;
S12、利用预设的第一标签标记所述坐席语音信息,及利用预设的第二标签标记所述客户语音信息;
S13、提取所述坐席语音信息与所述客户语音信息的生成时间;
S14、根据所述生成时间将所述坐席语音信息与客户语音信息按照时间的先后顺序进行标记,得到语音信息序列。
例如,如若提取得到的所述坐席语音生成时间分别为16:13:27、16:15:11,所述客户语音的生成时间为16:13:40、16:15:20,则按照语音获取的时间先后顺序将所述坐席语音信息与客户语音信息进行标记,即得到包括16:13:27的坐席语音信息、16:13:40的客户语音信息、16:15:11的坐席语音信息、16:15:20的客户语音信息的语音信息序列。
S2、从所述语音信息序列中筛选预设序列长度的语音信息,生成语音信息子序列;
详细地,所述从所述语音信息序列中筛选预设序列长度的语音信息,生成语音信息子序列,包括:
计算所述语音信息序列中语音信息的总数;
若所述语音信息的总数大于等于预设数量2N,则按照时间顺序,从所述语音信息序列中筛选出最新录制得到的2N条语音信息,生成语音信息子序列,其中,所述N为大于0的自然数;
若所述语音信息的总数小于2N,则提取所述语音信息序列中所有语音信息,生成语音信息子序列。
本发明实施例中,所述语音信息序列中语音信息的总数为所述语音信息序列中包含的坐席语音信息与客户语音信息的数量,如包括16:13:27的坐席语音信息、16:13:40的客户语音信息、16:15:11的坐席语音信息、16:15:20的客户语音信息的语音信息序列中,所述语音信息的总数为4。
S3、对所述语音信息子序列执行文本转化,得到语音文本序列;
本发明实施例中,所述语音信息子序列中可能包含噪音或较长的无对话空白语音信息,本发明实施例可以先对所述语音信息子序列执行去噪及语音端点检测处理,以去除所述语音信息子序列中的噪音及无对话空白语音信息,再将所述语音信息子序列转化为文本信息,能够提高后续客户意图识别及坐席行为识别的准确度。
可选地,本发明实施例中可以利用隐马尔可夫模型(HMM)、神经网络(ANN)方法等对所述语音信息子序列执行文本转化,得到语音文本序列。
S4、利用预训练完成的客户意图识别模型对所述语音文本序列中的客户语音文本信息进行客户意图识别,得到当前客户意图,及利用预训练完成的坐席行为识别模型对所述语音文本序列中的坐席语音文本信息进行坐席行为识别,得到当前坐席行为;
本发明实施例中,所述客户语音文本信息及坐席语音文本信息为从所述语音子序列中分别提取N条坐席语音信息及N条客户语音信息。
进一步地,本发明实施例中利用预训练完成的基于bert的客户意图识别模型对所述客户语音文本信息进行客户意图识别,得到当前客户意图。
本发明实施例中,参阅图3所示,所述利用预训练完成的客户意图识别模型对所述客户语音文本数据进行客户意图识别之前,该方法还包括对所述客户意图识别模型的训练过程。
本发明其中一个实施例中,所述客户意图识别模型的训练过程,包括:
S41、接收训练文本集及对应的标签集,对所述训练文本集执行掩码操作,得到掩码训练集;
本发明实施例中,所述训练文本集及标签集分别是是历史客户对话数据及对应的客户真实意图,如训练文本A“XX保险价格是多少”,对应的标签为“购买XX保险”。
详细地,本发明实施例在所述训练文本集中的每个训练文本的文本起始位置,添加起始符,及在所述训练文本集中每个训练文本的文本结束位置,添加语句分割符,并随机对所述训练文本集中每个训练文本中预设比例的文本执行遮蔽操作,得到掩码训练集。
例如,训练文本为“XX保险价格是多少”,本发明实施例在所述训练文本添加起始符及语句分隔符后,得到“[CLS]XX保险的价格是多少[SEP]”;
进一步地,本发明实施例随机选择所述训练文本中预设比例,如15%的文字用[掩码]代替原始文字,如“[CLS]XX保险的价格是多少[SEP]”执行遮蔽操作后得到“[CLS]XX保险的价格是[掩码][掩码][SEP]”
S42、使用Word2vec将所述掩码训练集中的每个文字转化为词向量,得到词向量集,并对所述词向量集执行位置编码,得到定位词向量集;
详细地,本发明实施例提取所述词向量中已掩码文字对应的词向量,将所述已掩码文字对应的词向量的位置作为坐标原点;根据所述坐标原点,建立所述词向量集中每个词向量的位置向量,利用所述位置向量对所述词向量执行位置编码。
S43、将所述定位词向量集转换为定位向量矩阵,根据所述定位向量矩阵的维度,生成分类迭代转换矩阵;
本发明实施例中,所述分类迭代转换矩阵与所述定位向量矩阵的维度是一致的,如所述定位向量矩阵的维度是6×6,则生成的所述分类迭代转换矩阵维度也是6×6;
本发明实施例中,可采用随机生成的权重,与所述定位向量矩阵相乘得到所述分类迭代转换矩阵。
S44、利用预构建的softmax预测函数和所述定位向量矩阵、分类迭代转换矩阵,计算得到与所述定位字向量集对应的原始向量相关矩阵;
详细地,本发明实施例中所述利用预构建的softmax预测函数和所述定位向量矩阵、分类迭代转换矩阵,计算得到与所述定位字向量集对应的原始向量相关矩阵,包括:
将所述分类迭代转换矩阵拆分为中心转换矩阵、关联转换矩阵和权重转换矩阵;
利用所述定位向量矩阵和所述中心转换矩阵、关联转换矩阵以及权重转换矩阵分别进行点乘,得到中心向量矩阵、关联向量矩阵以及权重向量矩阵;
将所述中心向量矩阵、关联向量矩阵以及权重向量矩阵作为所述Softmax函数的输入参数,计算得到所述原始向量相关矩阵。
本发明实施例中,利用所述分类迭代转换矩阵的维度,将分类迭代转换矩阵拆分成中心转换矩阵、关联转换矩阵和权重转换矩阵,如上述分类迭代转换矩阵为m×n,则可按照m×s、s×t、t×n执行拆分,分别得到m×s维度的中心转换矩阵、s×t维度的关联转换矩阵及t×n维度的权重转换矩阵。
本发明实施例中,所述原始向量相关矩阵的计算过程如下:
其中,Q是指所述中心转换矩阵,KT是指所述关联转换矩阵,dk是指所述关联转换矩阵的维度,V是指所述权重转换矩阵,Z是指所述原始向量相关矩阵。
S45、利用所述原始向量相关矩阵和所所述定位向量矩阵,调节预构建的前馈神经网络中的迭代权重因子,得到目标向量相关矩阵;
详细地,所述利用所述原始向量相关矩阵和所所述定位向量矩阵,调节预构建的前馈神经网络中的迭代权重因子,得到目标向量相关矩阵,包括:
将所述原始向量相关矩阵和所述定位向量矩阵进行求和归一,得到归一向量相关矩阵;
将所述归一向量相关矩阵输入预构建的前馈神经网络,利用所述前馈神经网络中的迭代权重因子对所述归一向量相关矩阵进行权重调节,得到所述目标向量相关矩阵。
其中,所述求和归一是指将所述原始向量相关矩阵和所述定位向量矩阵进行叠加,并对叠加后的向量矩阵执行归一化处理,将向量矩阵中的数值映射到0-1的区间,方便所述前馈神经网络进行调节。
本发明实施例中,所述归一向量相关矩阵是将所述原始向量相关矩阵和所述定位向量矩阵,进行求和后再进行归一化,可采用Layer Normalization函数进行所述归一化操作。
S46、在所述定位向量矩阵中,提取所述掩码训练集中的掩码文字的定位字向量,得到定位掩码向量,利用所述目标向量相关矩阵,提取所述定位掩码向量与所述训练文本对应的客户意图相关度,根据所述相关度生成候选客户意图和所述候选客户意图的概率值;
详细地,本发明实施例对所述目标向量相关矩阵进行线性化处理,得到原始线性向量;对所述原始线性向量进行特征压缩,得到目标线性向量,在所述目标线性向量中,提取所述定位掩码向量与所述训练文本对应的客户意图相关度,将所述相关度输入到预构建的概率输出函数,得到候选客户意图和所述候选客户意图的概率值。
本发明实施例中,所述概率输出函数可使用Softmax函数根据所述相关度进行概率计算,得到所述候选客户意图和所述候选客户意图的概率值。
S47、判断所述候选客户意图的概率值是否大于预设的概率阈值;
本发明实施例中,预设的概率阈值可设置为98%,若得到的所述候选客户意图的概率值最大值为90%,小于所设置的概率阈值,则所述客户意图识别模型训练不符合要求,需重新进行训练,直至满足所述预设概率阈值。
若所述候选客户意图的概率值小于或等于预设的概率阈值,则S48、更新所述分类迭代转换矩阵,并返回上述的S44步骤;
若所述候选客户意图的概率值大于预设的概率阈值,则S49、判断所述客户意图识别模型训练完成。
本发明另一实施例中,还可以包括所述坐席行为识别模型的训练过程。所述坐席行为识别模型是通过将历史坐席语音文本集作为训练文本集,以及所述历史坐席语音文本集对应的真实坐席行为集作为标签集进行训练的,其详细训练过程与上述客户意图模型的训练过程相同,在此不做赘述。
S5、利用预构建的外呼节点数据库对所述语音文本序列进行外呼节点检测,得到外呼节点;
本发明实施例中,所述外呼节点数据库为历史语音文本序列所对应的不同的外呼节点,通过所述外呼节点数据库对所述语音文本序列进行外呼节点检测,可以得到所述语音序列文本所对应的外呼节点,能够提高对外呼阶段判断的准确性,提高后续计算的效率。
详细地,所述利用预构建的外呼节点数据库对所述语音文本序列进行外呼节点检测,得到外呼节点,包括:
对所述语音文本序列进行分词处理,得到文本关键词;
提取所述文本关键词中出现次数最多的文本关键词,得到外呼节点关键词;
利用所述外呼节点关键词在预构建的外呼节点数据库中匹配所述外呼节点关键词对应的外呼节点。
S6、利用所述当前客户意图,获取所述外呼节点的标准坐席行为,并判断所述当前坐席行为是否满足所述标准坐席行为;
本发明实施例中,所述外呼节点的标准坐席行为是当前语音外呼阶段坐席应该进行的行为,通过所述标准坐席行为规范坐席得行为,提高坐席服务质量。
详细地,本发明实施例根据所述当前客户意图在预设的坐席行为数据库中检索得到所述外呼节点对应的标准坐席行为;
在所述当前坐席行为满足所述标准坐席行为时,返回上述的S1。
具体的,所述外呼节点为“客户咨询XX电视价格”,所述客户意图为“购买XX电视”,则得到所述标准坐席行为可以是“向客户讲解XX电视价格信息”、“XX电视相较于其它品牌的优势”等等。
本发明实施例中,若所述当前坐席行为满足所述标准坐席行为时,则当前所述坐席行为满足要求,不需要发送预警信息。
S7、当所述当前坐席行为不满足所述标准坐席行为时,发送预警信息。
例如,所述标准坐席行为可以是“向客户讲解XX电视价格信息”,“XX电视相较于其它品牌的优势”,但当前坐席行为为“向客户讲解XX电视的基本参数”,则判断所述当前坐席行为不满足所述标准坐席行为,并发送预警信息,其中,所述预警信息包含但不限于,提示坐席回答话术及对应的知识点,供坐席选择以提高坐席服务质量。
本发明实施例通过实时获取坐席与客户的语音信息,进而根据该语音信息筛选得到语音信息子序列,根据所述语音信息子序列中的客户语音信息和坐席语音信息进行语音信息识别,得到当前客户意图和当前坐席行为,并对语音子序列进行节点检测,得到外呼节点,根据当前客户意图和坐席行为以及外呼节点更新得到当前坐席状态,再判断坐席行为状态是否满足预设条件,发送预警信息,可以更为及时准确地辅助坐席进行外呼服务,有效的提高坐席外呼质量。因此本发明提出的外呼合规预警方法,可以解决销售外呼质量低下的问题。
如图4所示,是本发明一实施例提供的外呼合规预警装置的功能模块图。
本发明所述外呼合规预警装置100可以安装于电子设备中。根据实现的功能,所述外呼合规预警装置100可以包括语音信息序列获取模块101、语音信息子序列筛选模块102、语音文本序列获取模块103、语音信息识别模块104、外呼节点检测模块105、标准坐席行为获取模块106及预警信息发送模块107。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述语音信息序列获取模块101,用于实时获取外呼对话数据,识别并标记所述外呼对话数据中的坐席语音信息及客户语音信息,得到语音信息序列;
所述语音信息子序列筛选模块102,用于从所述语音信息序列中筛选预设序列长度的语音信息,生成语音信息子序列;
所述语音文本序列获取模块103,用于对所述语音文本信息子序列执行文本转化,得到语音文本序列
所述语音信息识别模块104,利用预训练完成的客户意图识别模型对所述语音文本序列中的客户语音文本信息进行客户意图识别,得到当前客户意图,及利用预训练完成的坐席行为识别模型对所述语音文本序列中的坐席语音文本信息进行坐席行为识别,得到当前坐席行为;
所述外呼节点检测模块105,用于利用预构建的外呼节点数据库对所述语音文本序列进行外呼节点检测,得到外呼节点;
所述标准坐席行为状态获取模块106,用于利用所述当前客户意图,获取所述外呼节点对应的标准坐席行为;
所述预警信息发送模块107,用于当所述当前坐席行为不满足所述标准坐席行为时,发送预警信息。
详细地,本发明实施例中所述外呼合规预警装置100中所述的各模块在使用时采用与上述图1至图3中所述的外呼合规预警方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现外呼合规预警方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如外呼合规预警程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行外呼合规预警程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如外呼合规预警程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的外呼合规预警程序是多个指令的组合,在所述处理器10中运行时,可以实现:
实时获取外呼对话数据,识别并标记所述外呼对话数据中的坐席语音信息及客户语音信息,得到语音信息序列;
从所述语音信息序列中筛选预设序列长度的语音信息,生成语音信息子序列;
对所述语音文本信息子序列执行文本转化,得到语音文本序列;
利用预训练完成的客户意图识别模型对所述语音文本序列中的客户语音文本信息进行客户意图识别,得到当前客户意图,及利用预训练完成的坐席行为识别模型对所述语音文本序列中的坐席语音文本信息进行坐席行为识别,得到当前坐席行为;
利用预构建的外呼节点数据库对所述语音文本序列进行外呼节点检测,得到外呼节点;
获取利用所述当前客户意图,获取所述外呼节点对应的标准坐席行为;
当所述当前坐席行为状态不满足所述标准坐席行为时,发送预警信息。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
实时获取外呼对话数据,识别并标记所述外呼对话数据中的坐席语音信息及客户语音信息,得到语音信息序列;
从所述语音信息序列中筛选预设序列长度的语音信息,生成语音信息子序列;
对所述语音文本信息子序列执行文本转化,得到语音文本序列;
利用预训练完成的客户意图识别模型对所述语音文本序列中的客户语音文本信息进行客户意图识别,得到当前客户意图,及利用预训练完成的坐席行为识别模型对所述语音文本序列中的坐席语音文本信息进行坐席行为识别,得到当前坐席行为;
利用预构建的外呼节点数据库对所述语音文本序列进行外呼节点检测,得到外呼节点;
利用所述当前客户意图,获取所述外呼节点对应的标准坐席行为;
当所述当前坐席行为不满足所述标准坐席行为时,发送预警信息。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种外呼合规预警方法,其特征在于,所述方法包括:
实时获取外呼对话数据,识别并标记所述外呼对话数据中的坐席语音信息及客户语音信息,得到语音信息序列;
从所述语音信息序列中筛选预设序列长度的语音信息,生成语音信息子序列;
对所述语音文本信息子序列执行文本转化,得到语音文本序列;
利用预训练完成的客户意图识别模型对所述语音文本序列中的客户语音文本信息进行客户意图识别,得到当前客户意图,及利用预训练完成的坐席行为识别模型对所述语音文本序列中的坐席语音文本信息进行坐席行为识别,得到当前坐席行为;
利用预构建的外呼节点数据库对所述语音文本序列进行外呼节点检测,得到外呼节点;
利用所述当前客户意图,获取所述外呼节点对应的标准坐席行为;
当所述当前坐席行为不满足所述标准坐席行为时,发送预警信息。
2.如权利要求1所述的外呼合规预警方法,其特征在于,所述识别并标记所述外呼对话数据中的坐席语音信息及客户语音信息,得到语音信息序列,包括:
在所述外呼对话数据中,根据坐席与客户不同的声音特征,识别所述外呼对话数据中的坐席语音信息及客户语音信息;
利用预设的第一标签标记所述坐席语音信息,及利用预设的第二标签标记所述客户语音信息;
提取所述坐席语音信息与所述客户语音信息的生成时间;
根据所述生成时间将所述坐席语音信息与客户语音信息按照时间的先后顺序进行标记,得到语音信息序列。
3.如权利要求1所述的外呼合规预警方法,其特征在于,所述从所述语音信息序列中筛选预设序列长度的语音信息,生成语音信息子序列,包括:
计算所述语音信息序列中语音信息的总数;
若所述语音信息的总数大于等于预设数量2N,则按照时间顺序,从所述语音信息序列中筛选出最新录制得到的2N条语音信息,生成语音信息子序列,其中,所述N为大于0的自然数;
若所述语音信息的总数小于2N,则提取所述语音信息序列中所有语音信息,生成语音信息子序列。
4.如权利要求1所述的外呼合规预警方法,其特征在于,所述利用预训练完成的客户意图模型进行客户意图识别,得到当前客户意图之前,所述方法还包括:
步骤A:接收训练文本集及对应的标签集,对所述训练文本集执行掩码操作,得到掩码训练集;
步骤B:使用Word2vec将所述掩码训练集中的每个文字转化为词向量,得到词向量集,并对所述词向量集执行位置编码,得到定位词向量集;
步骤C:将所述定位词向量集转换为定位向量矩阵,根据所述定位向量矩阵的维度,生成分类迭代转换矩阵;
步骤D:利用预构建的softmax预测函数和所述定位向量矩阵、分类迭代转换矩阵,计算得到与所述定位字向量集对应的原始向量相关矩阵;
步骤E:利用所述原始向量相关矩阵和所所述定位向量矩阵,调节预构建的前馈神经网络中的迭代权重因子,得到目标向量相关矩阵;
步骤F:在所述定位向量矩阵中,提取所述掩码训练集中的掩码文字的定位字向量,得到定位掩码向量,利用所述目标向量相关矩阵,提取所述定位掩码向量与所述训练文本对应的客户意图相关度,根据所述相关度生成一个或多个候选客户意图和所述候选客户意图的概率值;
步骤G:判断所述候选客户意图的概率值是否大于预设的概率阈值;
若所述候选客户意图的概率值小于或等于预设的概率阈值,则步骤H:更新所述分类迭代转换矩阵,并返回上述的步骤D;
若所述候选客户意图的概率值大于预设的概率阈值,则步骤I:判断所述客户意图识别模型训练完成。
5.如权利要求4所述的外呼合规预警方法,其特征在于,所述利用所述原始向量相关矩阵和所述定位向量矩阵,调节预构建的前馈神经网络中的迭代权重因子,得到目标向量相关矩阵,包括:
将所述原始向量相关矩阵和所述定位向量矩阵进行求和归一,得到归一向量相关矩阵;
将所述归一向量相关矩阵输入预构建的前馈神经网络,利用所述前馈神经网络中的迭代权重因子对所述归一向量相关矩阵进行权重调节,得到所述目标向量相关矩阵。
6.如权利要求1所述的外呼合规预警方法,其特征在于,所述利用预构建的外呼节点数据库对所述语音文本序列进行外呼节点检测,得到外呼节点,包括:
对所述语音文本序列进行分词处理,得到文本关键词;
提取所述文本关键词中出现次数最多的文本关键词,得到外呼节点关键词;
利用所述外呼节点关键词在预构建的外呼节点数据库中匹配所述外呼节点关键词对应的外呼节点。
7.如权利要求1所述的外呼合规预警方法,其特征在于,所述利用所述当前客户意图,获取所述外呼节点的标准坐席行为,包括:
根据所述当前客户意图在预设的坐席行为数据库中检索,得到所述外呼节点对应的标准坐席行为。
8.一种外呼合规预警装置,其特征在于,所述装置包括:
语音信息序列获取模块,用于实时获取外呼对话数据,识别并标记所述外呼对话数据中的坐席语音信息及客户语音信息,得到语音信息序列;
语音信息子序列筛选模块,用于从所述语音信息序列中筛选预设序列长度的语音信息,生成语音信息子序列;
语音文本序列获取模块,用于对所述语音文本信息子序列执行文本转化,得到语音文本序列
语音信息识别模块,利用预训练完成的客户意图识别模型对所述语音文本序列中的客户语音文本信息进行客户意图识别,得到当前客户意图,及利用预训练完成的坐席行为识别模型对所述语音文本序列中的坐席语音文本信息进行坐席行为识别,得到当前坐席行为;
外呼节点检测模块,用于利用预构建的外呼节点数据库对所述语音文本序列进行外呼节点检测,得到外呼节点;
标准坐席行为状态获取模块,用于利用所述当前客户意图,获取所述外呼节点对应的标准坐席行为;
预警信息发送模块,用于当所述当前坐席行为不满足所述标准坐席行为时,发送预警信息。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的外呼合规预警方法。
10.一种计算机可读存储介质,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如权利要求1至7中任意一项所述的外呼合规预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111270910.8A CN114006986A (zh) | 2021-10-29 | 2021-10-29 | 外呼合规预警方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111270910.8A CN114006986A (zh) | 2021-10-29 | 2021-10-29 | 外呼合规预警方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114006986A true CN114006986A (zh) | 2022-02-01 |
Family
ID=79925044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111270910.8A Pending CN114006986A (zh) | 2021-10-29 | 2021-10-29 | 外呼合规预警方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114006986A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114860904A (zh) * | 2022-04-26 | 2022-08-05 | 平安普惠企业管理有限公司 | 智能外呼方法、装置、电子设备及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108833722A (zh) * | 2018-05-29 | 2018-11-16 | 平安科技(深圳)有限公司 | 语音识别方法、装置、计算机设备及存储介质 |
CN110266900A (zh) * | 2019-06-11 | 2019-09-20 | 平安科技(深圳)有限公司 | 客户意图的识别方法、装置及客服系统 |
US20200274970A1 (en) * | 2019-02-26 | 2020-08-27 | Cigna Taiwan Life Assurance Co. Ltd. | Automated systems and methods for natural language processing with speaker intention inference |
CN111641757A (zh) * | 2020-05-15 | 2020-09-08 | 北京青牛技术股份有限公司 | 坐席通话的实时质检与辅助话术推送的方法 |
CN111951831A (zh) * | 2020-08-24 | 2020-11-17 | 浙江百应科技有限公司 | 一种基于ai实现音频质检的方法 |
CN111949784A (zh) * | 2020-08-14 | 2020-11-17 | 中国工商银行股份有限公司 | 基于意图识别的外呼方法及装置 |
CN112699220A (zh) * | 2021-01-07 | 2021-04-23 | 北京金万维科技有限公司 | 一种话术匹配的智能质检方法 |
CN113411454A (zh) * | 2021-06-17 | 2021-09-17 | 商客通尚景科技(上海)股份有限公司 | 一种实时通话语音分析的智能质检方法 |
-
2021
- 2021-10-29 CN CN202111270910.8A patent/CN114006986A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108833722A (zh) * | 2018-05-29 | 2018-11-16 | 平安科技(深圳)有限公司 | 语音识别方法、装置、计算机设备及存储介质 |
US20200274970A1 (en) * | 2019-02-26 | 2020-08-27 | Cigna Taiwan Life Assurance Co. Ltd. | Automated systems and methods for natural language processing with speaker intention inference |
CN110266900A (zh) * | 2019-06-11 | 2019-09-20 | 平安科技(深圳)有限公司 | 客户意图的识别方法、装置及客服系统 |
CN111641757A (zh) * | 2020-05-15 | 2020-09-08 | 北京青牛技术股份有限公司 | 坐席通话的实时质检与辅助话术推送的方法 |
CN111949784A (zh) * | 2020-08-14 | 2020-11-17 | 中国工商银行股份有限公司 | 基于意图识别的外呼方法及装置 |
CN111951831A (zh) * | 2020-08-24 | 2020-11-17 | 浙江百应科技有限公司 | 一种基于ai实现音频质检的方法 |
CN112699220A (zh) * | 2021-01-07 | 2021-04-23 | 北京金万维科技有限公司 | 一种话术匹配的智能质检方法 |
CN113411454A (zh) * | 2021-06-17 | 2021-09-17 | 商客通尚景科技(上海)股份有限公司 | 一种实时通话语音分析的智能质检方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114860904A (zh) * | 2022-04-26 | 2022-08-05 | 平安普惠企业管理有限公司 | 智能外呼方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112507936B (zh) | 图像信息审核方法、装置、电子设备及可读存储介质 | |
CN112560453B (zh) | 语音信息校验方法、装置、电子设备及介质 | |
CN111681681A (zh) | 语音情绪识别方法、装置、电子设备及存储介质 | |
CN112581227A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN112380870A (zh) | 用户意图分析方法、装置、电子设备及计算机存储介质 | |
CN112396005A (zh) | 生物特征图像识别方法、装置、电子设备及可读存储介质 | |
CN113886691A (zh) | 基于历史数据的智能推荐方法、装置、电子设备及介质 | |
CN112988963A (zh) | 基于多流程节点的用户意图预测方法、装置、设备及介质 | |
CN113064994A (zh) | 会议质量评估方法、装置、设备及存储介质 | |
CN114626731A (zh) | 风险识别方法、装置、电子设备及计算机可读存储介质 | |
CN113706291A (zh) | 欺诈风险预测方法、装置、设备及存储介质 | |
CN114880449A (zh) | 智能问答的答复生成方法、装置、电子设备及存储介质 | |
CN113808616A (zh) | 语音合规检测方法、装置、设备及存储介质 | |
CN114006986A (zh) | 外呼合规预警方法、装置、设备及存储介质 | |
CN115146653B (zh) | 对话剧本构建方法、装置、设备及存储介质 | |
CN114996386A (zh) | 业务角色识别方法、装置、设备及存储介质 | |
CN113726963B (zh) | 智能外呼防骚扰方法、装置、设备及介质 | |
CN113515591B (zh) | 文本不良信息识别方法、装置、电子设备及存储介质 | |
CN115203364A (zh) | 软件故障反馈处理方法、装置、设备及可读存储介质 | |
CN114610854A (zh) | 智能问答方法、装置、设备及存储介质 | |
CN115099680A (zh) | 风险管理方法、装置、设备及存储介质 | |
CN114186028A (zh) | 咨诉工单处理方法、装置、设备及存储介质 | |
CN113706207A (zh) | 基于语义解析的订单成交率分析方法、装置、设备及介质 | |
CN114219367A (zh) | 用户评分方法、装置、设备及存储介质 | |
CN114708073A (zh) | 一种围标串标智能检测方法、装置、电子设备及存储介质 |
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 | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240621 |