CN114118060A - 一种从销售会话中自动识别关键事件的方法及系统 - Google Patents

Abstract

本发明涉及一种从销售会话中自动识别关键事件的方法及系统，属于自然语言处理领域技术领域，解决了现有关键事件识别方法存在的上述一种或多种缺陷。方法包括：获取每一待识别关键事件的事件规则；切分销售会话，获得多个标识会话角色的文本格式的会话语句；将包含关键词的会话语句作为待识别语句，将每一事件规则与每一待识别语句进行初步匹配，得到各事件规则初步匹配的若干条待识别语句；对于初步匹配的各事件规则，均执行：判断该事件规则是否包含其他可选项，若否，将该事件规则初步匹配的待识别语句识别为关键事件；若是，将该事件规则与该事件规则初步匹配的待识别语句进行再次匹配，将再次匹配通过的待识别语句识别为关键事件。

Description

一种从销售会话中自动识别关键事件的方法及系统

技术领域

本发明涉及自然语言处理领域技术领域，尤其涉及一种从销售会话中自动识别关键事件的方法及系统。

背景技术

销售会话中包含了一系列的关键事件，标志了销售介绍的产品属性、客户对产品表达的态度、销售应对客户异议的话术、是否提及竞品公司、是否成功约定下一步安排等。从海量会话中识别关键事件，对于分析会话质量、评估客户意向、发现商机风险、复盘销售问题、提炼优秀案例等方面均有不小的帮助。

采用人工方式识别关键事件的效率较低，无法应对海量会话的分析处理。现有的关键事件识别技术通常为关键词匹配技术和分类模型技术。具体的实现过程如下：先获取销售会话语音文件，将语音文件转换成相应的文本，通过关键词或分类模型对文本进行预测，从中提取出关键事件。然而，在实施现有的关键词匹配技术和分类模型的过程中，会遇到以下问题：

第一、未进行上下文信息关联，导致关键事件召回率低、事件偏差大。

销售会话属于口语交流会话，销售和客户之间的沟通存在较多的问答式对话。单纯对某一方说的话进行关键事件识别，会漏掉交互式的事件。当一方向另一方提问时，回答可能仅包含简单的词汇，问题中包含的问题主体词常常被忽略，这种情况会被漏识别或错误识别，从而导致召回率低，关键事件的识别产生偏差。例如，客户提到价格便宜，无法直接判断出客户认为什么东西的价格便宜，只有联系上下文才能知道，他们讨论的是销售正在介绍的产品，还是销售在向客户提问说，客户认为竞品与他们的产品相比有什么优势。

第二、关键词匹配局限性较大，导致关键事件识别准确率低。

仅依靠关键词、命名实体进行事件匹配，容易产生很多识别错误的情况。例如一方说“我这边是中国移动”，可以被认为是他在进行“自我介绍”，但如果说的话是“我这边是中国移动的网”，则他只是在介绍自己正在用的网络类型，被识别为“自我介绍”就有问题。

第三、分类模型在实际使用中的效率较低。

使用分类模型提取关键事件，一般采用二分类模型，输入一段话，判断是否包含某个事件，当需要识别的事件数量变多后，则一般采用多类分类模型。若以对话中的自然断句为粒度，逐句输入模型进行判断，运算效率相对较低，而若是考虑不同的上下文对，运算规模更是平方级的增长，无法应用于实际生产环境中。即使模型仅针对少数几个关键事件进行迭代更新，当希望对大量历史数据进行重新优化分析时，也会对所有事件一并产生影响，并且仍需进行全量数据的运行，效率比较低。

综上，传统的关键事件识别方法存在准确率和召回率较低、运行效率低及实际应用效果不好等缺陷。

发明内容

鉴于上述的分析，本发明实施例旨在提供一种从销售会话中自动识别关键事件的方法及系统，用以解决现有关键事件识别方法存在的上述一种或多种缺陷。

一方面，本发明公开了一种从销售会话中自动识别关键事件的方法，包括：

获取每一待识别关键事件的事件规则；在事件规则中，必选项为关键词，可选项包括以下一项或多项：指定类型的命名实体、关键词及命名实体在会话语句的位置关系、排除词、会话语句位置及会话角色；

切分所述销售会话，获得多个标识会话角色的文本格式的会话语句；

将包含关键词的会话语句作为待识别语句，基于每一待识别语句的关键词、排除词、会话语句位置及会话角色，将每一事件规则与每一待识别语句进行初步匹配，得到各事件规则初步匹配的若干条待识别语句；

对于初步匹配的各事件规则，均执行：判断该事件规则是否包含其他可选项，若否，将该事件规则初步匹配的待识别语句识别为关键事件；若是，基于事件规则的其他可选项，将该事件规则与该事件规则初步匹配的待识别语句进行再次匹配，将再次匹配通过的待识别语句识别为关键事件。

在上述方案的基础上，本发明还做出了如下改进：

进一步，在执行再次匹配的过程中，对所述事件规则的其他可选项进行一一匹配，若所有的其他可选项均匹配成功，则再次匹配通过；同时，所述其他可选项的匹配顺序优先级从高到低依次为：指定类型的命名实体、关键词及命名实体在会话语句的位置关系。

进一步，所述事件规则的可选项还包括句法结构，所述句法结构用于限定识别为关键事件的会话语句需满足的词性和修饰关系要求；

在执行再次匹配的过程中，句法结构的匹配顺序优先级在所述关键词及命名实体在会话语句的位置关系之后。

进一步，所述事件规则的可选项还包括上下文结构，所述上下文结构用于以当前会话语句为基准、在设定的上下文范围内寻找设定的句式，所述设定的句式的结构与所述事件规则相同；

在执行再次匹配的过程中，所述上下文结构的匹配顺序优先级在所述句法结构之后。

进一步，所述事件规则中的排除词包括强排除词和弱排除词；其中，强排除词表示排除会话语句是关键事件的词；弱排除词表示匹配过程中忽略不计的词；

通过执行以下操作进行初步匹配：

获取每一待识别语句的关键词、排除词、会话语句位置及会话角色，不存在的规则项内容为空；

每获取一个事件规则和一个待识别语句，均执行：

判断该待识别语句是否命中该事件规则中的强排除词，若命中，则该待识别语句与该事件规则不匹配；

忽略该待识别语句中的弱排除词，并判断该待识别语句的关键词、会话语句位置及会话角色是否均与该事件规则中的相应内容对应匹配，若对应匹配，则该事件规则与该待识别语句初步匹配。

进一步，通过执行以下操作获取每一待识别语句的关键词及排除词：

将每一会话语句与关键词字典树进行匹配，将命中关键词字典树中的任意关键词的会话语句作为待识别语句；所述关键词字典树通过汇总每一事件规则的关键词得到；

将每一待识别语句与排除词字典树进行匹配，并存储匹配到的关键词、排除词及其在相应待识别语句中的位置；排除词字典树通过汇总每一事件规则的排除词得到。

进一步，在执行再次匹配的过程中，

通过执行以下操作判断命名实体是否匹配通过：

识别待识别语句的命名实体，并判断识别的命名实体的类型是否为当前事件规则中命名实体的指定类型，若是，则命名实体匹配通过；

通过执行以下操作判断所述关键词及命名实体在会话语句的位置关系是否匹配通过：

获取待识别语句中关键词及命名实体在当前待识别语句中的位置，并判断所获取的位置是否满足当前事件规则中定义的关键词及命名实体在会话语句的位置关系，若满足，则所述关键词及命名实体在会话语句的位置关系匹配通过。

进一步，在执行再次匹配的过程中，还通过执行以下操作判断句法结构是否匹配通过：

根据依存句法分析方法获取待识别语句的句法结构，并判断所获取的句法结构是否满足当前事件规则中定义的句法结构，若满足，则句法结构匹配通过。

进一步，在执行再次匹配的过程中，还通过执行以下操作判断上下文结构是否匹配通过：

以当前待识别语句为基准，根据设定的上下文范围，确定所述设定的句式的搜索范围；

若所述设定的句式的结构不包含可选项或者包含的可选项为排除词、会话语句位置及会话角色中的一种或多种，则在所述搜索范围内执行每一待识别语句与所述设定的句式的初次匹配，若初次匹配通过，则上下文结构匹配通过；

若所述设定的句式的结构还包括其他可选项，则在所述搜索范围内执行每一待识别语句与所述设定的句式的初次匹配和再次匹配，若初次匹配和再次匹配均通过，则上下文结构匹配通过；

并将当前待识别语句以及上下文结构匹配通过的待识别语句共同作为一个关键事件。

另一方面，本发明还公开了一种从销售会话中自动识别关键事件的系统，包括：

事件规则获取模块，用于获取每一待识别关键事件的事件规则；在事件规则中，必选项为关键词，可选项包括以下一项或多项：指定类型的命名实体、关键词及命名实体在会话语句的位置关系、排除词、会话语句位置及会话角色；

会话角色标识模块，用于切分所述销售会话，获得多个标识会话角色的文本格式的会话语句；

初步匹配模块，用于将包含关键词的会话语句作为待识别语句，基于每一待识别语句的关键词、排除词、会话语句位置及会话角色，将每一事件规则与每一待识别语句进行初步匹配，得到各事件规则初步匹配的若干条待识别语句；

关键事件识别模块，用于关键事件识别模块，用于对于初步匹配的各事件规则，均执行：判断该事件规则是否包含其他可选项，若否，将该事件规则初步匹配的待识别语句识别为关键事件；若是，基于事件规则的其他可选项，将该事件规则与该事件规则初步匹配的待识别语句进行再次匹配，将再次匹配通过的待识别语句识别为关键事件。

与现有技术相比，本发明至少可实现如下有益效果之一：

综上，本发明公开的从销售会话中自动识别关键事件的方法及系统，

在识别效果方面，通过优化关键事件的事件规则定义以及关键事件识别过程，将多种识别方法和策略相结合(综合了关键词识别、命名实体识别、依存句法分析、上下文查找等方法，辅以排除词、位置关系、会话角色等识别策略)，能够有效提升了识别的准确率。

在在运行效率方面，通过优化关键识别的识别顺序，采用类似责任链的模式，将简单且高效的匹配过程放在前面，复杂且耗时较长的匹配过程放在后面，使得数据规模在每个步骤过后逐渐缩小，不需要每一句话都进行后面的复杂步骤，大大提升了整个流程的运行效率。

另外，当仅对部分事件规则进行优化后，若想对历史数据进行重新分析，可以重新识别事件规则发生变动的关键事件，不需要将全部关键事件重新运行，可大大减小数据规模。

本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为本发明实施例1中的从销售会话中自动识别关键事件的方法流程图；

图2为客户异议(关键事件)识别示例；

图3为客户意向(关键事件)识别示例；

图4为本发明实施例3中的从销售会话中自动识别关键事件的系统的结构示意图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。

实施例1

本发明的一个具体实施例，公开了一种从销售会话中自动识别关键事件的方法，流程图如图1所示，包括以下步骤：

步骤S1：获取每一待识别关键事件的事件规则；在事件规则中，必选项为关键词，可选项包括以下一项或多项：指定类型的命名实体、关键词及命名实体在会话语句的位置关系、排除词、会话语句位置及会话角色；对事件规则中的各规则项做如下介绍：

关键词：用于描述识别为关键事件的会话语句中必须包括的词；在定义事件规则过程中，根据各关键事件必须包含的要素，可以定义一组或多组关键词，每组关键词可以包括一个或多个关键词；例如，对于“自我介绍”类型的关键事件，可以定义两组关键词：[我，我们，这边，我司]，[是]；对于存在多组关键词的情形，在初次匹配过程中，必须找到待识别语句在每一组关键词中所匹配的关键词，才能算关键词匹配成功；若一组关键词中包括多个关键词，命中该组中的一个关键词即可。

指定类型的命名实体：用于描述识别为关键事件的会话语句中必须包括的指定类型的词；命名实体意味着将同一类型的所有不同词汇统一归类，例如，“张三”、“李四”都是人名，“中国移动”、“北京大学”都是机构，“客服”、“老师”都是岗位。还以上述“自我介绍”为例，一般地，关键词[是]之后应该包括人名、机构、岗位等信息，而由于人名、机构、岗位等信息无法具体限定为确切的词，因此，这里通过指定类型的命名实体来体现这类特殊的关键词，如[Entity(人名)，Entity(机构)，Entity(岗位)]。

关键词及命名实体在会话语句的位置关系：在部分关键事件中，对关键词及命名实体在会话语句的位置关系也有明确限定，还以上述“自我介绍”为例，位置关系为[3，15]。这表示，命中这一关键事件，需要同时命中两组关键词、一组命名实体，此外，还需要保证关键词及命名实体按照前后顺序被识别到(如，“我”必须在“是”之前)，而其中的数字表示相邻两组词之间的间隔不能超过几个字。此关键事件中，“我是张三”、“我这边是专做大企业的高端猎头”都能正确被匹配，而“我从某种意义上讲是个老师”则不能匹配，因为命中的词“我”和“是”的间隔超过了设定的“3”。这里的“位置关系”并非必须的，若不设定，则表示词组之间可以任意排列；

排除词包括强排除词和弱排除词；其中，

强排除词表示排除会话语句是关键事件的词；即，若会话语句中包含定义的强排除词中的内容，直接否定全句，认为当前会话语句不匹配此关键事件。例如，表示约定下一步行为的事件，那么可以设置强排除词“下次一定”。这样，当会话语句中出现“下次一定”时，该会话语句被认为不是在约定“下一步”，反倒是在表达“没有下一步”的意思。此外，当会话语句为“下次一定跟您联系”、“我们下次再约，下次一定”，都认为约定下一步行为的关键事件不成立，当前会话语句会直接被整句排除掉(仅对这条关键事件)；

弱排除词表示匹配过程中忽略不计的词。即，若会话语句中识别到弱排除词，则忽略该词(视为语句中没有这个词)，会话语句的其他部分正常进行执行其余的识别步骤。例如，某个关键事件需要检测“苹果”一词，而该关键事件的本意是检测作为“水果”的苹果，那么，可以设置弱排除词“苹果手机”。当会话语句为“我用苹果手机”时，其中的“苹果手机”会被忽略掉，而句子其余部分没有再出现“苹果”了，于是本句并不算匹配到“苹果”。但当会话语句为“我的苹果手机里保存了很多苹果的图片”，忽略掉其中的“苹果手机”，其余的部分仍然匹配到了“苹果”，那么，可以认为此事件匹配成功；

会话语句位置：表示识别为关键事件的会话语句在整个销售会话中的位置，即，符合条件的语句必须处于整个会话的哪个部分，例如，开始、中前部、中部、中后部、结尾等；

会话角色：表示识别为关键事件的会话语句的会话角色要求；

此外，事件规则还可以包括句法结构和上下文结构；其中，

句法结构：用于限定识别为关键事件的会话语句需满足的词性和修饰关系要求。例如，“自我介绍”事件，“我是联通的客服”、“我家网是联通的”，按照前述规则，都可以识别出“我”、“是”、“联通”，然而第二句话却并不属于“自我介绍”，属于错误识别的样例。这时，可以在关键事件的事件规则中加入句法的定义：PN->top->VC->attr->NR，其中三组大写字母表示这三个词的词性，依次为代词、系动词、专有名词，而两组小写字母表示他相连的两个词之间的修饰关系，top表示“主题”，即“xx是”这种句式，而attr表示“属性”，即“是xx”这种句式。于是，对第一个句子进行句法分析后，发现其中的“我”“是”“联通”三个词满足句法规则的设定；而对第二句话进行句法分析后，发现其中的“我”“是”“联通”不满足该规则，因为“我”和“是”并不是“top”的修饰关系，“我”直接修饰的是“家”，而“网”才是和“是”形成“top”修饰关系。因此，通过对会话语句进行句法分析，可以把这种错误的识别结果排除掉。

上下文结构：用于以当前会话语句为基准、在设定的上下文范围内寻找设定的句式；也就是在上下文的指定范围内，重新进行一次识别与匹配，需要说明的是，设定的句式的结构与所述事件规则相同，句式的具体内容需要重新定义，句式中的关键词、排除词也会分别汇总在后续的关键词字典树和排除词字典树中。例如，对于猎头与候选人沟通的场景，考虑客户拒绝类的事件，主句的规则同样识别出客户所说的“不考虑”，而此时并不能准确的知道客户不考虑的是什么，就需要对上下文结构进行设定。若想识别出客户对于工作地点不满意，就要在上文中对猎头说的话设定词组：[考虑，在]，[Entitiy(地点)]；若想识别客户根本不看工作机会，就要设定[考虑，换，看]，[工作，机会]。

步骤S2：切分所述销售会话，获得多个标识会话角色的文本格式的会话语句；该过程可通过多种方式实现。本实施例中给出了一种实现该过程的具体方式，介绍如下：

步骤S21：获取销售会话，确定所述销售会话涉及的会话主体；基于所述会话主体的切换切分所述销售会话，得到按会话顺序排序的多个文本格式的会话语句；其中，一个会话语句唯一对应一个会话主体；

示例性地，以会话主体的切换为节点，将所述销售会话切分成按会话顺序排序的多个文本格式的会话语句。

步骤S22：识别每一会话语句的角色标签，并基于每一会话语句的角色标签和会话主体，得到每一会话语句的会话角色；所述会话角色为销售和客户；

示例性地，可基于角色识别模型实现识别出每一会话语句的角色标签：将全部会话语句输入至角色识别模型，得到每一会话语句的角色标签，所述角色标签为销售、客户或不确定；实际应用过程中，由于销售和客户的会话术语存在比较明显的差别，例如：销售提及较多的词如“性价比很高”、“特惠价”及“业内第一”等，客户提及较多的词如“太贵了”、“便宜点”及“质量不好”等。从列举出来的部分词汇可以看出，销售和客户提及的词汇有很大区别。同时，也有一些术语是销售和客户都有可能提及的，如，“您好”、“再看一下”、“我知道了”等。因此，基于销售会话的上述特点，本实施例构建了如下角色识别模型：获取标准销售会话(将具备代表性的销售会话作为标准销售会话)对应的会话语句样本，并标记每一会话语句样本的角色标签，角色标签为销售、客户或不确定；将部分会话语句样本及其角色标签作为角色识别模型的训练集，将剩余会话语句样本及其角色标签作为角色识别模型的验证集；基于角色识别模型的训练集训练角色识别模型，基于角色识别模型的验证集验证角色识别模型，并得到验证通过的角色识别模型。

在此过程中，可根据每一会话语句的角色标签及会话主体的对应关系，识别所述会话主体的会话角色；示例性地，将销售会话涉及的两个会话主体中的一个作为第一会话主体、另一个作为第二会话主体；获取第一会话主体中角色标签为销售或客户的会话语句的总数，记为N1；获取第一会话主体中角色标签为销售的会话语句的总数，记为N11；获取第二会话主体中角色标签为销售或客户的会话语句的总数，记为N2；获取第二会话主体中角色标签为销售的会话语句的总数，记为N21；若N11/N1大于N21/N2，表明第一会话主体为销售的概率更高，此时，可以确定：第一会话主体的角色为销售，第二会话主体的角色为客户；否则，第一会话主体的角色为客户，第二会话主体的角色为销售。或者，获取第一会话主体中角色标签为客户的会话语句的总数，记为N12；获取第二会话主体中角色标签为客户的会话语句的总数，记为N22；若N12/N1大于N22/N2，表明第一会话主体为客户的概率更高，此时，可以确定：第一会话主体的角色为客户，第二会话主体的角色为销售；否则，第一会话主体的角色为销售，第二会话主体的角色为客户。将所述会话主体的角色作为对应于该会话主体的会话语句的会话角色。

步骤S3：将包含关键词的会话语句作为待识别语句，基于每一待识别语句的关键词、排除词、会话语句位置及会话角色，将每一事件规则与每一待识别语句进行初步匹配，得到各事件规则初步匹配的若干条待识别语句；优选地，通过执行以下操作进行初步匹配：

步骤S31：获取每一待识别语句的关键词、排除词、会话语句位置及会话角色，不存在的规则项内容为空；

在该步骤中，通过执行以下操作获取每一待识别语句的关键词及排除词：

将每一会话语句与关键词字典树进行匹配，将命中关键词字典树中的任意关键词的会话语句作为待识别语句；所述关键词字典树通过汇总每一事件规则的关键词得到；

将每一待识别语句与排除词字典树进行匹配，并存储匹配到的关键词、排除词及其在相应待识别语句中的位置；排除词字典树通过汇总每一事件规则的排除词得到；

在该过程中，考虑到不包含任意关键词的会话语句必然不可能提取出任何一个关键事件，通过提前过滤掉这些无法提取出任何关键事件的会话语句，能够有效减少之后步骤需要处理的会话语句的数量，提高处理效率。同时，通过提前存储匹配匹配的关键词、排除词及其在相应待识别语句中的位置，能够减少后续步骤的处理难度，提升处理效率。

此外，会话角色已在步骤S2中确定完成；会话语句位置为当前待识别事件在所有会话语句中的位置；该位置可以以文字描述或占比的形式体现，这里的体现形式应与事件规则中会话语句位置的体现方式保持一致。

步骤S32：每获取一个事件规则和一个待识别语句，均执行：

判断该待识别语句是否命中该事件规则中的强排除词，若命中，则该待识别语句与该事件规则不匹配；

忽略该待识别语句中的弱排除词，并判断该待识别语句的关键词、会话语句位置及会话角色是否均与该事件规则中的相应内容对应匹配，若对应匹配，则该事件规则与该待识别语句初步匹配。

在该步骤中，根据一些简单的规则项，筛选出每一关键事件的事件规则初步匹配的待识别语句列表，由于这些简单的规则项的匹配速度较快，因此，通过执行该步骤，可以再次滤除大部分不匹配的待识别语句。

步骤S4：对于初步匹配的各事件规则，均执行：判断该事件规则是否包含其他可选项，若否，表明该事件规则全部匹配通过，可以将该事件规则初步匹配的待识别语句识别为关键事件；若是，表明该事件规则还存在未匹配通过的可选项(称之为“其他可选项”)，此时，基于初步匹配的待识别语句的其他可选项内容，将该事件规则与该事件规则初步匹配的待识别语句进行再次匹配，将再次匹配通过的待识别语句识别为关键事件。

在执行再次匹配的过程中，对事件规则的其他可选项(步骤S3中未提及的可选项)进行一一匹配，若所有的其他可选项均匹配成功，则再次匹配通过；在该步骤中，使用的规则相对步骤S3来说更复杂、耗时更长。这里，基于所有其他可选项的规则匹配时长及规则之间的相互影响关系，设定了匹配顺序优先级，以确定执行匹配的顺序。优选地，所述其他可选项的匹配顺序优先级从高到低依次为：指定类型的命名实体、关键词及命名实体在会话语句的位置关系、句法结构及上下文结构。

在执行再次匹配的过程中，

(1)通过执行以下操作判断命名实体是否匹配通过：

识别待识别语句的命名实体，并判断识别的命名实体的类型是否为当前事件规则中命名实体的指定类型，若是，则命名实体匹配通过；示例性地，命名实体的识别可使用基于Bert的语言模型。

(2)通过执行以下操作判断所述关键词及命名实体在会话语句的位置关系是否匹配通过：

获取待识别语句中关键词及命名实体在当前待识别语句中的位置，并判断所获取的位置是否满足当前事件规则中定义的关键词及命名实体在会话语句的位置关系，若满足，则所述关键词及命名实体在会话语句的位置关系匹配通过。

(3)通过执行以下操作判断句法结构是否匹配通过：

根据依存句法分析方法获取待识别语句的句法结构，并判断所获取的句法结构是否满足当前事件规则中定义的句法结构，若满足，则句法结构匹配通过；这里，依存句法分析同样使用基于Bert的语言模型。

(4)通过执行以下操作判断上下文结构是否匹配通过：

以当前待识别语句为基准，根据设定的上下文范围，确定所述设定的句式的搜索范围；

若所述设定的句式的结构不包含可选项或者包含的可选项为排除词、会话语句位置及会话角色中的一种或多种，则在所述搜索范围内执行每一待识别语句与所述设定的句式的初次匹配，若初次匹配通过，则上下文结构匹配通过；

若所述设定的句式的结构还包括其他可选项，则在所述搜索范围内执行每一待识别语句与所述设定的句式的初次匹配和再次匹配，若初次匹配和再次匹配均通过，则上下文结构匹配通过；

并将当前待识别语句以及上下文结构匹配通过的待识别语句共同作为一个关键事件。

需要说明的是，这里的初次匹配过程、再次匹配过程与前述匹配过程一致，只是限定了搜索范围、限定了事件规则为当前的句式结构，这里对匹配的过程不再做过多说明。

综上所述，本实施例公开的从销售会话中自动识别关键事件的方法，在识别效果方面，通过优化关键事件的事件规则定义以及关键事件识别过程，将多种识别方法和策略相结合(综合了关键词识别、命名实体识别、依存句法分析、上下文查找等方法，辅以排除词、位置关系、会话角色等识别策略)，能够有效提升了识别的准确率；在在运行效率方面，通过优化关键识别的识别顺序，采用类似责任链的模式，将简单且高效的匹配过程放在前面，复杂且耗时较长的匹配过程放在后面，使得数据规模在每个步骤过后逐渐缩小，不需要每一句话都进行后面的复杂步骤，大大提升了整个流程的运行效率；另外，当仅对部分事件规则进行优化后，若想对历史数据进行重新分析，可以重新识别事件规则发生变动的关键事件，不需要将全部关键事件重新运行，可大大减小数据规模。

实施例2

为验证实施例1中方法的有效性，本发明实施例给出了从销售会话中自动识别关键事件示例；

示例1：客户异议-价格

如图2所示，待识别语句为“我觉得100一天有点小贵”，由客户方所说。现给出本句话在“客户异议-价格”事件中的识别过程。

首先识别出关键词：贵。在与事件匹配过程中，关键词“贵”确为本事件的设定词，且会话角色满足事件要求。

接下来，识别命名实体，将100识别为MONEY，与“贵”形成词组组合，100在前，与“贵”的距离为5，满足事件设定的规则。

下一步，进行句法分析。该事件设定的其中一条规则为CD(数词)->nsubj(名词性主语)->VA(形容词谓语)，即数词作为名词性主语修饰形容词性谓语，本句满足该规则。

最后，识别上下文。因为该事件未设定上下文规则，直接视为成立，故所有步骤均成立，识别流程结束，整体事件成立。

示例二：客户意向-看工作机会

如图3所示，待识别语句为客户所说的“我可能下半年再开始看吧”，前一句为上下文要寻找的段落。示例的会话来自于招聘行业，销售身份为猎头，客户身份为猎头联系的候选人，检测的事件为客户意向-看工作机会。

首先识别关键词：看，匹配该事件，会话角色、会话语句位置符合要求。

接下来，识别命名实体，将“下半年”识别为TIME，与“看”形成词组组合，位置关系满足事件规则。

下一步，进行句法分析，因该事件未设定句法规则，直接跳过。

最后，识别上下文。该事件设定在上方2个段落内查找，说话对象为销售，然后在上方1段的位置找到示例中的句子，匹配出关键词：您、考虑、看看、机会，满足上下文中的关键词设定。然后是上下文的词组、命名实体部分，整个词组组合、位置满足要求，因词组规则设定中不包含命名实体，故命名实体的识别步骤直接跳过。因上下文规则中也未设定句法规则，上下文部分匹配成功，继而整体关键事件成立。

实施例3

本发明实施例3公开了一种从销售会话中自动识别关键事件的系统，与实施例1中的方法相对应，该系统的结构示意图如图4所示，包括：

事件规则获取模块，用于获取每一待识别关键事件的事件规则；在事件规则中，必选项为关键词，可选项包括以下一项或多项：指定类型的命名实体、关键词及命名实体在会话语句的位置关系、排除词、会话语句位置及会话角色；

会话角色标识模块，用于切分所述销售会话，获得多个标识会话角色的文本格式的会话语句；

初步匹配模块，用于将包含关键词的会话语句作为待识别语句，基于每一待识别语句的关键词、排除词、会话语句位置及会话角色，将每一事件规则与每一待识别语句进行初步匹配，得到各事件规则初步匹配的若干条待识别语句；

关键事件识别模块，用于对于初步匹配的各事件规则，均执行：判断该事件规则是否包含其他可选项，若否，将该事件规则初步匹配的待识别语句识别为关键事件；若是，基于初步匹配的待识别语句的其他可选项内容，将该事件规则与该事件规则初步匹配的待识别语句进行再次匹配，将再次匹配通过的待识别语句识别为关键事件。

本实施例中的系统实施例的具体实施过程参见上述方法实施例即可，本实施例在此不再赘述。

由于本系统实施例与上述方法实施例原理相同，所以本系统也具有上述方法实施例相应的技术效果。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种从销售会话中自动识别关键事件的方法，其特征在于，包括：

获取每一待识别关键事件的事件规则；在事件规则中，必选项为关键词，可选项包括以下一项或多项：指定类型的命名实体、关键词及命名实体在会话语句的位置关系、排除词、会话语句位置及会话角色；

切分所述销售会话，获得多个标识会话角色的文本格式的会话语句；

将包含关键词的会话语句作为待识别语句，基于每一待识别语句的关键词、排除词、会话语句位置及会话角色，将每一事件规则与每一待识别语句进行初步匹配，得到各事件规则初步匹配的若干条待识别语句；

对于初步匹配的各事件规则，均执行：判断该事件规则是否包含其他可选项，若否，将该事件规则初步匹配的待识别语句识别为关键事件；若是，基于事件规则的其他可选项，将该事件规则与该事件规则初步匹配的待识别语句进行再次匹配，将再次匹配通过的待识别语句识别为关键事件。

2.根据权利要求1所述的从销售会话中自动识别关键事件的方法，其特征在于，在执行再次匹配的过程中，对所述事件规则的其他可选项进行一一匹配，若所有的其他可选项均匹配成功，则再次匹配通过；同时，所述其他可选项的匹配顺序优先级从高到低依次为：指定类型的命名实体、关键词及命名实体在会话语句的位置关系。

3.根据权利要求2所述的从销售会话中自动识别关键事件的方法，其特征在于，所述事件规则的可选项还包括句法结构，所述句法结构用于限定识别为关键事件的会话语句需满足的词性和修饰关系要求；

在执行再次匹配的过程中，句法结构的匹配顺序优先级在所述关键词及命名实体在会话语句的位置关系之后。

4.根据权利要求3所述的从销售会话中自动识别关键事件的方法，其特征在于，所述事件规则的可选项还包括上下文结构，所述上下文结构用于以当前会话语句为基准、在设定的上下文范围内寻找设定的句式，所述设定的句式的结构与所述事件规则相同；

在执行再次匹配的过程中，所述上下文结构的匹配顺序优先级在所述句法结构之后。

5.根据权利要求1所述的从销售会话中自动识别关键事件的方法，其特征在于，所述事件规则中的排除词包括强排除词和弱排除词；其中，强排除词表示排除会话语句是关键事件的词；弱排除词表示匹配过程中忽略不计的词；

通过执行以下操作进行初步匹配：

获取每一待识别语句的关键词、排除词、会话语句位置及会话角色，不存在的规则项内容为空；

每获取一个事件规则和一个待识别语句，均执行：

判断该待识别语句是否命中该事件规则中的强排除词，若命中，则该待识别语句与该事件规则不匹配；

忽略该待识别语句中的弱排除词，并判断该待识别语句的关键词、会话语句位置及会话角色是否均与该事件规则中的相应内容对应匹配，若对应匹配，则该事件规则与该待识别语句初步匹配。

6.根据权利要求5所述的从销售会话中自动识别关键事件的方法，其特征在于，通过执行以下操作获取每一待识别语句的关键词及排除词：

将每一会话语句与关键词字典树进行匹配，将命中关键词字典树中的任意关键词的会话语句作为待识别语句；所述关键词字典树通过汇总每一事件规则的关键词得到；

将每一待识别语句与排除词字典树进行匹配，并存储匹配到的关键词、排除词及其在相应待识别语句中的位置；排除词字典树通过汇总每一事件规则的排除词得到。

7.根据权利要求4所述的从销售会话中自动识别关键事件的方法，其特征在于，在执行再次匹配的过程中，

通过执行以下操作判断命名实体是否匹配通过：

识别待识别语句的命名实体，并判断识别的命名实体的类型是否为当前事件规则中命名实体的指定类型，若是，则命名实体匹配通过；

通过执行以下操作判断所述关键词及命名实体在会话语句的位置关系是否匹配通过：

获取待识别语句中关键词及命名实体在当前待识别语句中的位置，并判断所获取的位置是否满足当前事件规则中定义的关键词及命名实体在会话语句的位置关系，若满足，则所述关键词及命名实体在会话语句的位置关系匹配通过。

8.根据权利要求3所述的从销售会话中自动识别关键事件的方法，其特征在于，在执行再次匹配的过程中，还通过执行以下操作判断句法结构是否匹配通过：

根据依存句法分析方法获取待识别语句的句法结构，并判断所获取的句法结构是否满足当前事件规则中定义的句法结构，若满足，则句法结构匹配通过。

9.根据权利要求4所述的从销售会话中自动识别关键事件的方法，其特征在于，在执行再次匹配的过程中，还通过执行以下操作判断上下文结构是否匹配通过：

以当前待识别语句为基准，根据设定的上下文范围，确定所述设定的句式的搜索范围；

若所述设定的句式的结构不包含可选项或者包含的可选项为排除词、会话语句位置及会话角色中的一种或多种，则在所述搜索范围内执行每一待识别语句与所述设定的句式的初次匹配，若初次匹配通过，则上下文结构匹配通过；

若所述设定的句式的结构还包括其他可选项，则在所述搜索范围内执行每一待识别语句与所述设定的句式的初次匹配和再次匹配，若初次匹配和再次匹配均通过，则上下文结构匹配通过；

并将当前待识别语句以及上下文结构匹配通过的待识别语句共同作为一个关键事件。

10.一种从销售会话中自动识别关键事件的系统，其特征在于，包括：

事件规则获取模块，用于获取每一待识别关键事件的事件规则；在事件规则中，必选项为关键词，可选项包括以下一项或多项：指定类型的命名实体、关键词及命名实体在会话语句的位置关系、排除词、会话语句位置及会话角色；

会话角色标识模块，用于切分所述销售会话，获得多个标识会话角色的文本格式的会话语句；

初步匹配模块，用于将包含关键词的会话语句作为待识别语句，基于每一待识别语句的关键词、排除词、会话语句位置及会话角色，将每一事件规则与每一待识别语句进行初步匹配，得到各事件规则初步匹配的若干条待识别语句；

关键事件识别模块，用于对于初步匹配的各事件规则，均执行：判断该事件规则是否包含其他可选项，若否，将该事件规则初步匹配的待识别语句识别为关键事件；若是，基于事件规则的其他可选项，将该事件规则与该事件规则初步匹配的待识别语句进行再次匹配，将再次匹配通过的待识别语句识别为关键事件。

Images