CN114697455A - 语音应答系统控制方法及装置 - Google Patents
语音应答系统控制方法及装置 Download PDFInfo
- Publication number
- CN114697455A CN114697455A CN202011601030.XA CN202011601030A CN114697455A CN 114697455 A CN114697455 A CN 114697455A CN 202011601030 A CN202011601030 A CN 202011601030A CN 114697455 A CN114697455 A CN 114697455A
- Authority
- CN
- China
- Prior art keywords
- incoming call
- call user
- user
- demand
- response system
- 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
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
- H04M3/5166—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing in combination with interactive voice response systems or voice portals, e.g. as front-ends
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- H04M3/487—Arrangements for providing information services, e.g. recorded voice services or time announcements
- H04M3/493—Interactive information services, e.g. directory enquiries ; Arrangements therefor, e.g. interactive voice response [IVR] systems or voice portals
-
- 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
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
- H04M3/5232—Call distribution algorithms
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Telephonic Communication Services (AREA)
Abstract
本公开提出一种语音应答系统控制方法及装置,涉及计算机技术领域。在本公开中,根据来电用户的用户信息和历史行为数据,预测来电用户的需求;根据来电用户的需求,为来电用户进行语音导航;根据来电用户的选择,给来电用户提供相应的服务。针对不同的来电用户,可以主动预测来电用户的需求,并进行相应的语音播报,引导来电用户通过语音导航的内容解决其来电需求,即根据来电用户的选择,给用户提供相应的服务,从而快速地为来电用户提供精准的个性化服务,降低无效语音对话的占比和资源的浪费,有效提高用户来电的工单处理效率和语音应答系统的服务响应度,从而节约人力成本,同时提高用户满意度。
Description
技术领域
本公开涉及计算机技术领域,特别涉及一种语音应答系统控制方法及装置。
背景技术
随着通信运营商的业务量的增加、以及业务种类的增多,不可避免地导致客服所面临的压力越来越大。按照客服端系统提供的统一的语音导航内容,用户需要花费较多的时间才能逐步深入达到末端,最终解决各种各样的真实需求。
发明内容
在相关技术中,由于客服端系统提供的语音导航内容是相同的,用户需要花费较多的时间解决不同的真实需求,费时费力,不够灵活。
为此,本公开提供一种能够主动预测来电用户的需求、提供个性化服务的语音应答系统控制方法。
根据本公开的一些实施例,提供一种语音应答系统控制方法,包括:
根据来电用户的用户信息和历史行为数据,预测来电用户的需求;
根据所述来电用户的需求,为来电用户进行语音导航;
根据来电用户的选择,给来电用户提供相应的服务。
在一些实施例中,所述根据来电用户的用户信息和历史行为数据,预测来电用户的需求包括以下的一种或多种:
根据来电用户的用户信息和历史行为数据,利用经过训练的需求预测模型,预测来电用户的第一需求;
根据来电用户的用户信息、当前账户信息和业务调整信息,预测来电用户的第二需求。
在一些实施例中,还包括:
对决策树模型进行训练,以得到需求预测模型;
所述对决策树模型进行训练包括:
利用多个训练数据子集对多个决策树模型进行训练,得到需求预测模型;
训练数据子集包括历史用户的用户信息、历史行为数据和真实标签,其中,真实标签包括历史用户发生过资费争议、或者历史用户未发生过资费争议,历史用户进行过故障报修、或者历史用户未进行过故障报修,历史用户进行过投诉、或者历史用户未进行过投诉。
在一些实施例中,根据所述来电用户的需求,为来电用户进行语音导航包括:
在来电用户的第一需求是资费争议的情况下,为所述来电用户进行解决资费争议相关的语音导航。
在一些实施例中,根据所述来电用户的需求,为来电用户进行语音导航包括:
在来电用户的第一需求是故障报修的情况下,为所述来电用户进行解决故障报修相关的语音导航。
在一些实施例中,根据所述来电用户的需求,为来电用户进行语音导航包括:
在来电用户的第一需求是投诉的情况下,为所述来电用户进行解决投诉相关的语音导航。
在一些实施例中,根据所述来电用户的需求,为来电用户进行语音导航包括:
在来电用户的第二需求是需要预设业务的服务的情况下,为所述来电用户进行所述预设业务相关的语音导航。
在一些实施例中,还包括:
将经过训练的多个决策树模型解析为可以线上执行的规则集合,得到需求预测模型。
在一些实施例中,根据来电用户的用户信息和历史行为数据,利用经过训练的需求预测模型,预测来电用户的第一需求包括:
根据来电用户的用户信息和历史行为数据,利用经过训练的需求预测模型,得到多个预测概率;
根据多个预测概率的投票结果,确定来电用户的第一需求。
在一些实施例中,确定多个预测概率的投票结果包括:
根据每个预测概率以及预测概率相应的排序序号,确定投票结果。
根据本公开另一些实施例,提供一种语音应答系统控制装置,包括:存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行任一实施例所述的语音应答系统控制方法。
根据本公开的再一些实施例,提供一种非瞬时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一实施例所述的语音应答系统控制方法。
附图说明
下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍。根据下面参照附图的详细描述,可以更加清楚地理解本公开。
显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出根据本公开的一些实施例的语音应答系统控制方法的流程示意图。
图2示出根据本公开的一些实施例的语音应答系统控制方法的具体应用场景的示意图。
图3示出根据本公开的一些实施例的训练需求预测模型的流程示意图。
图4示出根据本公开的一些实施例的经过训练的决策树模型的示意图。
图5示出根据本公开的一些实施例的训练需求预测模型的示意图。
图6示出根据本公开的一些实施例的利用经过训练的需求预测模型预测来电用户的第一需求的示意图。
图7示出根据本公开的一些实施例的语音应答系统控制装置的示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述。
图1示出根据本公开的一些实施例的语音应答系统控制方法的流程示意图。该方法例如可以由语音应答系统控制装置执行。
如图1所示,该实施例的方法包括步骤110-130。
在步骤110,根据来电用户的用户信息和历史行为数据,预测来电用户的需求。
用户信息例如包括用户标识、用户号码、用户号码所属地、年龄等,用户的历史行为数据包括用户的来电记录信息、ITV订购记录信息、ITV使用记录信息、充值账单信息等。
在一些实施例中,预测来电用户的需求包括:根据来电用户的用户信息和历史行为数据,利用经过训练的需求预测模型,预测来电用户的第一需求。例如,可以根据来电用户的用户信息和历史行为数据,利用经过训练的需求预测模型,得到多个预测概率;根据多个预测概率的投票结果,确定来电用户的第一需求。其中,例如可以根据每个预测概率以及预测概率相应的排序序号,确定投票结果。假设利用经过训练的需求预测模型(包括5个决策树模型),得到需求A的5个预测概率分别为0.9,0.8,0.6,0.9,0.8,针对预测概率大于p(例如0.5)的值,计算其预测概率降序排序的序号,表示为1,3,5,2,4。使用需求预测模型中的5个决策树模型输出的5个预测概率进行投票,预测概率大于p(例如0.5)且排序序号为小于等于N(例如3)的投票为1,否则投票为0。即,针对需求A,5个决策树模型的投票结果分别为1,1,0,1,0。当多数(例如半数以上)模型投票为1时,最终的预测结果为1,否则为0,其中,1表示预测来电用户有需求A,0表示预测来电用户没有需求A。即,针对需求A,最终的投票结果为1,表示预测来电用户又需求A。
在一些实施例中,还包括:在首次使用需求预测模型预测来电用户的第一需求之前,对决策树模型进行训练,以得到需求预测模型。在一些实施例中,还包括:将经过训练的多个决策树模型解析为可以线上执行的规则集合,例如是结构化查询语言(StructuredQuery Language,SQL)语句形式的规则集合,得到需求预测模型,可以方便模型在线上进行应用,满足实时性需求,提高预测效率,进而提高语音应答系统的服务响应度,提高用户满意度。
其中,对决策树模型进行训练包括:利用多个训练数据子集对多个决策树模型进行训练,得到需求预测模型。其中,训练数据子集表示训练数据总集(例如为所有的历史来电用户)的一部分,例如可以通过从训练数据总集中有放回地随机采样得到,训练数据子集包括历史用户的用户信息、历史行为数据和真实标签。其中,真实标签例如可以包括历史用户发生过资费争议、或者历史用户未发生过资费争议,历史用户进行过故障报修、或者历史用户未进行过故障报修,历史用户进行过投诉、或者历史用户未进行过投诉。相应地,利用需求预测模型预测来电用户的第一需求例如可以包括来电用户有解决资费争议的需求,来电用户有解决故障报修的需求,来电用户有进行投诉的需求。
在一些实施例中,预测来电用户的需求包括:根据来电用户的用户信息、当前账户信息和业务调整信息,预测来电用户的第二需求。其中,当前账户信息例如包括账户余额信息、欠费信息、积分信息等,业务调整信息例如包括新业务、业务变更、积分兑换信息等。来电用户的第二需求例如可以包括查询余额信息、查询欠费信息、查询积分信息、查询积分兑换信息等。
在步骤120,根据来电用户的需求,为来电用户进行语音导航。
例如,为来电用户进行语音导航包括:在来电用户的第一需求是资费争议的情况下,为来电用户进行解决资费争议相关的语音导航。其中,资费争议例如可以包括交互式电视(Interactive Tele-Vision,ITV)资费争议、码分多址(Code Division MultipleAccess,CDMA,也称C网)资费争议、全球移动通讯系统(Global System for MobileCommunications,GSM,也称G网)资费争议等。
又例如,为来电用户进行语音导航包括:在来电用户的第一需求是故障报修的情况下,为来电用户进行解决故障报修相关的语音导航。
再例如,为来电用户进行语音导航包括:在来电用户的第一需求是投诉的情况下,为来电用户进行解决投诉相关的语音导航。
又再例如,为来电用户进行语音导航包括:在来电用户的第二需求是需要预设业务的服务的情况下,为来电用户进行预设业务相关的语音导航。例如来电用户是ITV的签约用户时,预设业务例如可以包括ITV相关的预设业务,例如来电用户是C网的签约用户时,预设业务例如可以包括C网相关的预设业务,例如来电用户是G网的签约用户时,预设业务例如可以包括G网相关的预设业务,此外,预设业务还包括新上线的业务,例如第五代移动通信技术5G(5th-Generation)网业务等。
在步骤130,根据来电用户的选择,给来电用户提供相应的服务。
来电用户基于语音导航内容作出选择,语音应答系统控制装置根据来电用户的选择,给来电用户提供相应的服务。
上述实施例中,针对不同的来电用户,可以主动预测来电用户的需求,并进行相应的语音播报,引导来电用户通过语音导航的内容解决其来电需求,即根据来电用户的选择,给用户提供相应的服务,从而快速地为来电用户提供精准的个性化服务,降低无效语音对话的占比和资源的浪费,有效提高用户来电的工单处理效率和语音应答系统的服务响应度,从而节约人力成本,同时提高用户满意度。
图2示出根据本公开的一些实施例的语音应答系统控制方法的具体应用场景的示意图。
如图2所示,来电用户发起来电,语音应答系统控制装置根据来电用户的用户信息和历史行为数据,预测来电用户的需求,例如第二需求是需要ITV相关的业务,第一需求是解决资费争议相关的需求,语音应答系统控制装置根据来电用户的需求,为来电用户进行语音导航,语音应答系统控制装置接收来电用户的选择,并根据来电用户的选择,给来电用户提供相应的服务(例如为ITV退费)。
图3示出根据本公开的一些实施例的训练需求预测模型的流程示意图。
如图3所示,该实施例的方法包括步骤310-330。
在步骤310,获取训练数据子集。
训练数据子集表示训练数据总集(例如为所有的历史来电用户)的一部分,例如可以通过从训练数据总集中有放回地随机采样得到。
训练数据子集包括历史用户的用户信息、历史行为数据和真实标签。其中,真实标签例如可以包括历史用户发生过资费争议、或者历史用户未发生过资费争议,历史用户进行过故障报修、或者历史用户未进行过故障报修,历史用户进行过投诉、或者历史用户未进行过投诉。相应地,利用需求预测模型预测来电用户的第一需求例如可以包括来电用户有解决资费争议的需求,来电用户有解决故障报修的需求,来电用户有进行投诉的需求。
在步骤320,利用多个训练数据子集对多个决策树模型分别进行训练。
在步骤330,将经过训练的多个决策树模型分别解析为SQL语句形式的规则集合,得到需求预测模型。
上述实施例中,训练多个决策树模型得到需求预测模型,根据多个决策树模型的投票结果确定最终的预测结果,可以提高需求预测模型的预测结果的准确性。
图4示出根据本公开的一些实施例的经过训练的决策树模型的示意图。
如图4所示,示出了一个经过训练的决策树模型,将该决策树模型转化为SQL语句,例如可以表示为:
case when(a>0.5)
then 1
when(a≤0.5and b>0.5)
then 0
when(a≤0.5and b≤0.5)
then 1
将经过训练的决策树模型转化为SQL语句形式的规则集合,可以满足线上应用的实时性要求,提高预测效率,从而降低提供服务的响应时间,提高用户满意度。
图5示出根据本公开的一些实施例的训练需求预测模型的示意图。
如图5所示,示出了训练需求预测模型的过程。
首先,将训练数据子集1,训练数据子集2,……,训练数据子集N分别输入到决策树模型1,决策树模型2,……,决策树模型N中,得到各个决策树模型输出的预测概率1,预测概率2,……,预测概率N。然后,根据得到的预测概率1,预测概率2,……,预测概率N与真实的概率值计算的损失函数,循环更新各个决策树模型的参数,直到损失函数收敛、或者循环更新参数的次数达到预设次数,训练完成,最终得到训练好的各个决策树模型。
图6示出根据本公开的一些实施例的利用经过训练的需求预测模型预测来电用户的第一需求的示意图。
如图6所示,示出了利用经过训练的需求预测模型预测来电用户的第一需求的过程。
首先,将来电用户的用户信息和历史行为数据分别输入到决策树模型1,决策树模型2,……,决策树模型N中,得到各个决策树模型输出的预测概率1,预测概率2,……,预测概率N,假设将预测概率大于p且排序序号为小于等于N的投票结果确定为1,否则投票结果为0。然后,根据统计的N个预测概率的总的投票结果,确定来电用户的第一需求。
上述实施例中,根据多个决策树模型的投票结果,确定来电用户的第一需求,可以提高预测的第一需求的准确性,进而提升用户体验,提高用户满意度。
图7示出根据本公开的一些实施例的语音应答系统控制装置的示意图。
如图7所示,该实施例的语音应答系统控制装置700包括:存储器710以及耦接至该存储器710的处理器720,处理器720被配置为基于存储在存储器710中的指令,执行本公开任意一些实施例中的语音应答系统控制方法。
其中,存储器710例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。
语音应答系统控制装置700还可以包括输入输出接口730、网络接口740、存储接口750等。这些接口730,740,750以及存储器710和处理器720之间例如可以通过总线760连接。其中,输入输出接口730为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口740为各种联网设备提供连接接口。存储接口750为SD卡、U盘等外置存储设备提供连接接口。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机程序代码的计算机非瞬时性可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的较佳实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (12)
1.一种语音应答系统控制方法,包括:
根据来电用户的用户信息和历史行为数据,预测来电用户的需求;
根据所述来电用户的需求,为来电用户进行语音导航;
根据来电用户的选择,给来电用户提供相应的服务。
2.根据权利要求1所述的语音应答系统控制方法,其中,所述根据来电用户的用户信息和历史行为数据,预测来电用户的需求包括以下的一种或多种:
根据来电用户的用户信息和历史行为数据,利用经过训练的需求预测模型,预测来电用户的第一需求;
根据来电用户的用户信息、当前账户信息和业务调整信息,预测来电用户的第二需求。
3.根据权利要求2所述的语音应答系统控制方法,还包括:
对决策树模型进行训练,以得到需求预测模型;
所述对决策树模型进行训练包括:
利用多个训练数据子集对多个决策树模型进行训练,得到需求预测模型;
训练数据子集包括历史用户的用户信息、历史行为数据和真实标签,其中,真实标签包括历史用户发生过资费争议、或者历史用户未发生过资费争议,历史用户进行过故障报修、或者历史用户未进行过故障报修,历史用户进行过投诉、或者历史用户未进行过投诉。
4.根据权利要求2所述的语音应答系统控制方法,其中,根据所述来电用户的需求,为来电用户进行语音导航包括:
在来电用户的第一需求是资费争议的情况下,为所述来电用户进行解决资费争议相关的语音导航。
5.根据权利要求2所述的语音应答系统控制方法,其中,根据所述来电用户的需求,为来电用户进行语音导航包括:
在来电用户的第一需求是故障报修的情况下,为所述来电用户进行解决故障报修相关的语音导航。
6.根据权利要求2所述的语音应答系统控制方法,其中,根据所述来电用户的需求,为来电用户进行语音导航包括:
在来电用户的第一需求是投诉的情况下,为所述来电用户进行解决投诉相关的语音导航。
7.根据权利要求2所述的语音应答系统控制方法,其中,根据所述来电用户的需求,为来电用户进行语音导航包括:
在来电用户的第二需求是需要预设业务的服务的情况下,为所述来电用户进行所述预设业务相关的语音导航。
8.根据权利要求2所述的语音应答系统控制方法,还包括:
将经过训练的多个决策树模型解析为可以线上执行的规则集合,得到需求预测模型。
9.根据权利要求2所述的语音应答系统控制方法,其中,根据来电用户的用户信息和历史行为数据,利用经过训练的需求预测模型,预测来电用户的第一需求包括:
根据来电用户的用户信息和历史行为数据,利用经过训练的需求预测模型,得到多个预测概率;
根据多个预测概率的投票结果,确定来电用户的第一需求。
10.根据权利要求9所述的语音应答系统控制方法,其中,确定多个预测概率的投票结果包括:
根据每个预测概率以及预测概率相应的排序序号,确定投票结果。
11.一种语音应答系统控制装置,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行权利要求1-10中任一项所述的语音应答系统控制方法。
12.一种非瞬时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求1-10中任一项所述的语音应答系统控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011601030.XA CN114697455A (zh) | 2020-12-29 | 2020-12-29 | 语音应答系统控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011601030.XA CN114697455A (zh) | 2020-12-29 | 2020-12-29 | 语音应答系统控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114697455A true CN114697455A (zh) | 2022-07-01 |
Family
ID=82131747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011601030.XA Pending CN114697455A (zh) | 2020-12-29 | 2020-12-29 | 语音应答系统控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114697455A (zh) |
-
2020
- 2020-12-29 CN CN202011601030.XA patent/CN114697455A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106993104B (zh) | 来电处理方法、装置及终端 | |
CN110197331A (zh) | 业务数据处理方法、装置、设备及计算机可读存储介质 | |
CN102270363B (zh) | 智能排队方法 | |
CN103150696A (zh) | 选择目标增值业务潜在客户的方法及装置 | |
CN101345654A (zh) | 一种指标计算方法和装置 | |
CN111954173A (zh) | 发送短信的方法、装置、服务器及计算机可读存储介质 | |
CN103250376A (zh) | 用于执行与通信网络的节点有关的预测分析的方法和系统 | |
CN109284321A (zh) | 数据加载方法、装置、计算设备和计算机可读存储介质 | |
CN108876406A (zh) | 客服行为分析方法、装置、服务器及可读存储介质 | |
CN109428977A (zh) | 互动式语音应答交互方法和装置 | |
CN112015977A (zh) | 一种定制信息推送方法、装置和电子设备 | |
CN112465615A (zh) | 账单数据的处理方法、装置及系统 | |
CN113657634A (zh) | 银行网点排队等待时长预测方法及装置 | |
CN105786941B (zh) | 一种信息挖掘方法和装置 | |
CN111343348A (zh) | 互动式语音应答菜单的应用方法、系统、装置及存储介质 | |
CN110365660B (zh) | 一种基于机器学习的用户注册方法、装置和电子设备 | |
CN114697455A (zh) | 语音应答系统控制方法及装置 | |
CN112637793B (zh) | 一种基于5g的场景化计费方法、系统、电子设备和存储介质 | |
CN113556430B (zh) | 外呼系统和外呼方法 | |
CN114912958A (zh) | 坐席外呼方法、装置、计算机设备及存储介质 | |
CN114841267B (zh) | 实时预测方法、装置、电子设备及计算机程序产品 | |
CN114423051B (zh) | 信息推荐方法、装置、电子设备和计算机可读介质 | |
CN114611712B (zh) | 基于异构联邦学习的预测方法、模型生成方法及装置 | |
CN110827109B (zh) | 一种短信营销方法及装置 | |
US20230041328A1 (en) | System and method for dynamic digital survey channel selection |
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 |