CN115204187A - 一种基于真人对话语料的话术流程挖掘辅助方法和系统 - Google Patents

一种基于真人对话语料的话术流程挖掘辅助方法和系统 Download PDF

Info

Publication number
CN115204187A
CN115204187A CN202210550277.6A CN202210550277A CN115204187A CN 115204187 A CN115204187 A CN 115204187A CN 202210550277 A CN202210550277 A CN 202210550277A CN 115204187 A CN115204187 A CN 115204187A
Authority
CN
China
Prior art keywords
action
corpus
classification
theme
clustering
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
Application number
CN202210550277.6A
Other languages
English (en)
Inventor
吴宇
肖龙源
李海洲
李稀敏
李威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Kuaishangtong Technology Co Ltd
Original Assignee
Xiamen Kuaishangtong Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Kuaishangtong Technology Co Ltd filed Critical Xiamen Kuaishangtong Technology Co Ltd
Priority to CN202210550277.6A priority Critical patent/CN115204187A/zh
Publication of CN115204187A publication Critical patent/CN115204187A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种基于真人对话语料的话术流程挖掘辅助方法和系统，包括：获取多轮真人对话语料；提取用户角色的语料，进行聚类和主题分类，得到主题分类标签，在该主题分类下提取客服角色的语料，相应得到动作分类标签；统计不同主题分类下，各动作分类出现的轮次以及频率，并获取动作分类对应的话术；利用用户角色的语料和对应的主题分类标签训练主题分类识别模型，利用客服角色的语料和对应的动作分类标签训练动作分类识别模型，调用识别模型进行主题分类识别和动作分类识别；基于确定的主题类别和动作类别，推荐对应的话术和对话流程；本发明提供的方法，为优化机器人提供应答话术和搭建流程，提高机器人维护效率，帮助提高营销机器人留联率。

Description

一种基于真人对话语料的话术流程挖掘辅助方法和系统
技术领域
本发明涉及营销话术领域，特别是指一种基于真人对话语料的话术流程挖掘辅助方法和系统。
背景技术
智能营销客服技术中台为真人客服和机器人客服提供平台，基于这一平台进行营销活动，流量管理，智能机器人搭建等。真人客服和对话机器人可以在技术中台单独进行活动也可以进行角色切换。营销对话机器人的作用主要是代替真人进行营销活动，区别于普通机器人客服的是，营销机器人客服不仅仅是对常规问题进行回答，营销成功是机器人的目标，因此营销客服机器人还需具备主题识别、意图识别、信息抓取、流程判别、情感极性判别等功能。
当前主流的营销对话机器人核心算法为自然语言理解，框架为任务型对话，体现为一问一答的形式，依靠人工设置流程进行对话引导。该技术存在两个问题，一是流程设定僵化，流程的设置由交付人员通过观察真人客服对话流程总结而来，有新产品营销需求时，搭建新机器人效率较慢。二是话术有限，常规答疑库话术较为僵化，通常使用相似度进行匹配问答，为了话术通用性，很多问题答案设置较为模糊，影响了对话机器人的答疑效果，日常只能通过增加话术库提升问答效率，但该方法见效慢，且无法评估和证明话术的优劣性，维护艰难。
发明内容
本发明的主要目的在于克服现有技术中的上述缺陷，提出一种基于真人对话语料的话术流程挖掘辅助方法，为优化机器人提供应答话术和搭建流程，提高机器人维护效率，帮助提高营销机器人留联率。
本发明采用如下技术方案：
一种基于真人对话语料的话术流程挖掘辅助方法，包括：
获取多轮真人对话语料；
提取用户角色的语料，进行聚类，分析聚类结果并进行主题分类，得到主题分类标签，在该主题分类下提取客服角色的语料，进行聚类，分析聚类结果并进行动作分类，得到动作分类标签；
统计不同主题分类下，各动作分类出现的轮次以及频率，并获取动作分类对应的话术；
利用用户角色的语料和对应的主题分类标签训练主题分类识别模型，利用客服角色的语料和对应的动作分类标签训练动作分类识别模型，得到训练好的主题分类识别模型和训练好的动作分类识别模型；
调用训练好的主题分类识别模型对用户语料进行主题分类识别，调用训练好的动作分类识别模型对客服语料进行动作分类识别，获取语料对应的主题类别和动作类别；
基于确定的主题类别和动作类别，推荐对应的话术和对话流程。
具体地，获取多轮真人对话语料，具体包括：表示每次会话的唯一识别号，表示每轮对话的序号，角色身份和对话语句。
具体地，所述聚类方法包括但不限于：K-Means聚类、均值飘移聚类、基于密度的聚类方法、用高斯混合模型的最大期望聚类、凝聚层次聚类和图团体检测聚类。
具体地，主题分类标签包括但不限于双眼皮咨询、皮肤美白、牙齿美白，所述动作分类标签包括但不限于确认咨询目的、费用介绍。
具体地，分类识别模型包括但不限于，卷积神经网络、长短记忆网络、bert模型、LSTM模型。
具体地，基于确定的主题类别和动作类别，推荐对应的话术和对话流程，具体为：
基于确定的主题类别和动作类别，获取主题类别和动作类别下对应的话术；
根据确定的主题类别，获取各动作分类出现的轮次以及动作分类下对应的话术，组成对话流程，进行推荐。
具体地，还包括：
实时获取并更新真人对话语料。
本发明实施例另一方面还提供一种基于真人对话语料的话术流程挖掘辅助方法系统，包括：
对话语料获取单元：获取多轮真人对话语料；
分类单元：提取用户角色的语料，进行聚类，分析聚类结果并进行主题分类，得到主题分类标签，在该主题分类下提取客服角色的语料，进行聚类，分析聚类结果并进行动作分类，得到动作分类标签；
统计单元：统计不同主题分类下，各动作分类出现的轮次以及频率，并获取动作分类对应的话术；
模型训练单元：利用用户角色的语料和对应的主题分类标签训练主题分类识别模型，利用客服角色的语料和对应的动作分类标签训练动作分类识别模型，得到训练好的主题分类识别模型和训练好的动作分类识别模型；
识别单元：调用训练好的主题分类识别模型对用户语料进行主题分类识别，调用训练好的动作分类识别模型对客服语料进行动作分类识别，获取语料对应的主题类别和动作类别；
推荐单元：基于确定的主题类别和动作类别，推荐对应的话术和对话流程。
本发明再一实施例提供一种电子设备，包括：存储器，处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述一种基于真人对话语料的话术流程挖掘辅助方法步骤。
本发明又一实施例提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述一种基于真人对话语料的话术流程挖掘辅助方法步骤。
由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：
本发明提供一种基于真人对话语料的话术流程挖掘辅助方法，包括：获取多轮真人对话语料；提取用户角色的语料，进行聚类，分析聚类结果并进行主题分类，得到主题分类标签，在该主题分类下提取客服角色的语料，进行聚类，分析聚类结果并进行动作分类，得到动作分类标签；统计不同主题分类下，各动作分类出现的轮次以及频率，并获取动作分类对应的话术；利用用户角色的语料和对应的主题分类标签训练主题分类识别模型，利用客服角色的语料和对应的动作分类标签训练动作分类识别模型，得到训练好的主题分类识别模型和训练好的动作分类识别模型；调用训练好的主题分类识别模型对用户语料进行主题分类识别，调用训练好的动作分类识别模型对客服语料进行动作分类识别，获取语料对应的主题类别和动作类别；基于确定的主题类别和动作类别，推荐对应的话术和对话流程；本发明提供的方法，为优化机器人提供应答话术和搭建流程，提高机器人维护效率，帮助提高营销机器人留联率。
附图说明
图1为本发明实施例提供的一种基于真人对话语料的话术流程挖掘辅助方法的流程图；
图2为本发明实施例提供的利用本发明方法更新维护机器人流程和话术过程示意图；
图3为本发明实施例提供的一种基于真人对话语料的话术流程挖掘辅助系统架构图；
图4为本发明实施例提供的一种电子设备示意图；
图5为本发明实施例提供的一种计算机可读存储介质的实施例示意图。
以下结合附图和具体实施例对本发明作进一步详述。
具体实施方式
本发明提出的一种基于真人对话语料的话术流程挖掘辅助方法，为优化机器人提供应答话术和搭建流程，提高机器人维护效率，帮助提高营销机器人留联率。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
如下结合具体的应用示例，对本申请实施例所提供的一种基于真人对话语料的话术流程挖掘辅助方法进行解释说明。该方法的执行主体可以是终端设备，例如手机、电脑、穿戴设备等，也可以是服务器，在此不作限制，如图1，为本发明实施例提供的一种基于真人对话语料的话术流程挖掘辅助方法的流程图，具体包括：
一种基于真人对话语料的话术流程挖掘辅助方法，包括：
S101：获取多轮真人对话语料；
首先获取多轮真人对话语料，语料包括对话session_id，sentence_id，role，sentence，其中，session_id表示每次会话的唯一识别号，sentence_id表示每轮对话的序号，role表示身份，这里主要是客服(server)及用户(client)两个身份，sentence为对话语句。
数据示列：
表1
Figure BDA0003654770020000041
Figure BDA0003654770020000051
S102：提取用户角色的语料，进行聚类，分析聚类结果并进行主题分类，得到主题分类标签，在该主题分类下提取客服角色的语料，进行聚类，分析聚类结果并进行动作分类，得到动作分类标签；
S1021：提取用户角色的语料，进行聚类，分析聚类结果并进行分析，得到主题分类标签，在此之前制定主题(topic)分类规范，Topic标签如：双眼皮咨询、皮肤美白、牙齿美白等。
分别代表不同医美产品主题。标签示列如下：
双眼皮可以做吗？——双眼皮咨询
打水光针需要什么条件——水光针咨询
我想美白——美白；
S1022：提取客服角色的语料，进行聚类，分析聚类结果并进行分析，制定动作(action)分类规范，action标签如：确认咨询目的、费用介绍等。该分类模型用于判断客服动作类别属性，为优质流程挖掘和优质话术挖掘做准备。分类示列如下：
您是想要做双眼皮是吗？——确认咨询目的
您之前有就诊过吗？——询问就诊史
您的微信号是多少呢——询问联系方式
美白有多种方式，光子嫩肤、微针、水光针等，具体需要根据您的情况来看——治疗方式介绍
您今年多大了？——咨询年龄
具体的聚类方法，本发明实施例采用的基于密度的聚类方法，基于密度的聚类方法为现有技术，这里不再赘述，当然聚类方法也可以采用，K-Means聚类、均值飘移聚类、用高斯混合模型的最大期望聚类、凝聚层次聚类和图团体检测聚类等。
S103：统计不同主题分类下，各动作分类出现的轮次以及频率，并获取动作分类对应的话术；
分类统计不同主题下，每个客服动作action的出现位置以及对应的话术，例如，双眼皮主题下，“确认咨询目的”这一action最常出现的位置为{“1”：50，“2”：20，“3”：10，表示“确认咨询目的”在第一轮对话出现的频率为50，在第二轮出现的频率为20，在第三轮对话出现的频率为10。选取最常出现的频率，即第一轮，作为该action的最常见轮次，同理统计该主题下其他action最常见轮次和其他主题的不同action最常见轮次，最终得到数据如下：
表2
Figure BDA0003654770020000061
S104：利用用户角色的语料和对应的主题分类标签训练主题分类识别模型，利用客服角色的语料和对应的动作分类标签训练动作分类识别模型，得到训练好的主题分类识别模型和训练好的动作分类识别模型；
具体地，主题分类识别模型和动作分类识别模型包括但不限于，卷积神经网络、长短记忆网络、bert模型、LSTM模型。
在本发明实施例中，选择LSTM模型，具体训练步骤包括：
使用预训练模型进行文本特征提取；
搭建LSTM模型，并进行训练；
模型调优，获得泛化能力相对较高的模型。
S105：调用训练好的主题分类识别模型对用户语料进行主题分类识别，调用训练好的动作分类识别模型对客服语料进行动作分类识别，获取语料对应的主题类别和动作类别；
经过以上步骤获的客服action分类模型，进一步对数据进行预处理，主要调用主题、动作分类模型，对游客的语料进行主题识别，对客服语料进行动作识别，最终获得数据除了session_id，sentence_id，role，sentence之外，还包括topic(主题)，action(客服动作)两列；
表3
Figure BDA0003654770020000071
S106：基于确定的主题类别和动作类别，推荐对应的话术和对话流程。
基于确定的主题类别和动作类别，获取主题类别和动作类别下对应的话术；
表4
Figure BDA0003654770020000072
Figure BDA0003654770020000081
根据确定的主题类别，获取各动作分类出现的轮次以及动作分类下对应的话术，组成对话流程，进行推荐。
具体地，还包括：
实时获取并更新真人对话语料。
随着线上真人对话数据越来越多，日常需要分析对话日志，对机器人进行维护更新，基于真人对话数据的话术流程挖掘可以依据最新的真人对话数据，给出最新的优质话术和优质流程，帮助周期性、持续性跟新维护机器人。
此外，获得不同主题场景优质话术及优质流程后，可以对当前智能营销客服平台机器人话术及流程进行跟新和维护，更新维护过程如下图2所示。
如图3，本发明实施例另一方面提供一种基于真人对话语料的话术流程挖掘辅助方法系统，包括：
对话语料获取单元301：获取多轮真人对话语料；
分类单元302：提取用户角色的语料，进行聚类，分析聚类结果并进行主题分类，得到主题分类标签，在该主题分类下提取客服角色的语料，进行聚类，分析聚类结果并进行动作分类，得到动作分类标签；
统计单元303：统计不同主题分类下，各动作分类出现的轮次以及频率，并获取动作分类对应的话术；
模型训练单元304：利用用户角色的语料和对应的主题分类标签训练主题分类识别模型，利用客服角色的语料和对应的动作分类标签训练动作分类识别模型，得到训练好的主题分类识别模型和训练好的动作分类识别模型；
识别单元305：调用训练好的主题分类识别模型对用户语料进行主题分类识别，调用训练好的动作分类识别模型对客服语料进行动作分类识别，获取语料对应的主题类别和动作类别；
推荐单元306：基于确定的主题类别和动作类别，推荐对应的话术和对话流程。
图4所示，本发明实施例提供了一种电子设备400，包括存储器410、处理器420及存储在存储器410上并可在处理器420上运行的计算机程序411，处理器420执行计算机程序411时实现本发明实施例提供的一种基于真人对话语料的话术流程挖掘辅助方法。
由于本实施例所介绍的电子设备为实施本发明实施例中所采用的设备，故而基于本发明实施例中所介绍的方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本发明实施例中的方法不再详细介绍，只要本领域所属技术人员实施本发明实施例中的方法所采用的设备，都属于本发明所欲保护的范围。
请参阅图5，图5为本发明实施例提供的一种计算机可读存储介质的实施例示意图。
如图5所示，本实施例提供了一种计算机可读存储介质500，其上存储有计算机程序511，该计算机程序511被处理器执行时实现本发明实施例提供的一种基于真人对话语料的话术流程挖掘辅助方法；
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(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。
本发明提供一种基于真人对话语料的话术流程挖掘辅助方法，包括：获取多轮真人对话语料；提取用户角色的语料，进行聚类，分析聚类结果并进行主题分类，得到主题分类标签，在该主题分类下提取客服角色的语料，进行聚类，分析聚类结果并进行动作分类，得到动作分类标签；统计不同主题分类下，各动作分类出现的轮次以及频率，并获取动作分类对应的话术；利用用户角色的语料和对应的主题分类标签训练主题分类识别模型，利用客服角色的语料和对应的动作分类标签训练动作分类识别模型，得到训练好的主题分类识别模型和训练好的动作分类识别模型；调用训练好的主题分类识别模型对用户语料进行主题分类识别，调用训练好的动作分类识别模型对客服语料进行动作分类识别，获取语料对应的主题类别和动作类别；基于确定的主题类别和动作类别，推荐对应的话术和对话流程；本发明提供的方法，为优化机器人提供应答话术和搭建流程，提高机器人维护效率，帮助提高营销机器人留联率。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (10)

1.一种基于真人对话语料的话术流程挖掘辅助方法，其特征在于，包括：
获取多轮真人对话语料；
提取用户角色的语料，进行聚类，分析聚类结果并进行主题分类，得到主题分类标签，在该主题分类下提取客服角色的语料，进行聚类，分析聚类结果并进行动作分类，得到动作分类标签；
统计不同主题分类下，各动作分类出现的轮次以及频率，并获取动作分类对应的话术；
利用用户角色的语料和对应的主题分类标签训练主题分类识别模型，利用客服角色的语料和对应的动作分类标签训练动作分类识别模型，得到训练好的主题分类识别模型和训练好的动作分类识别模型；
调用训练好的主题分类识别模型对用户语料进行主题分类识别，调用训练好的动作分类识别模型对客服语料进行动作分类识别，获取语料对应的主题类别和动作类别；
基于确定的主题类别和动作类别，推荐对应的话术和对话流程。
2.根据权利要求1所述的一种基于真人对话语料的话术流程挖掘辅助方法，其特征在于，获取多轮真人对话语料，具体包括：表示每次会话的唯一识别号，表示每轮对话的序号，角色身份和对话语句。
3.根据权利要求1所述的一种基于真人对话语料的话术流程挖掘辅助方法，其特征在于，所述聚类方法包括但不限于：K-Means聚类、均值飘移聚类、基于密度的聚类方法、用高斯混合模型的最大期望聚类、凝聚层次聚类和图团体检测聚类。
4.根据权利要求1所述的一种基于真人对话语料的话术流程挖掘辅助方法，其特征在于，主题分类标签包括但不限于双眼皮咨询、皮肤美白、牙齿美白，所述动作分类标签包括但不限于确认咨询目的、费用介绍。
5.根据权利要求1所述的一种基于真人对话语料的话术流程挖掘辅助方法，其特征在于，主题分类识别模型和动作分类识别模型包括但不限于，卷积神经网络、长短记忆网络、bert模型、LSTM模型。
6.根据权利要求1所述的一种基于真人对话语料的话术流程挖掘辅助方法，其特征在于，基于确定的主题类别和动作类别，推荐对应的话术和对话流程，具体为：
基于确定的主题类别和动作类别，获取主题类别和动作类别下对应的话术；
根据确定的主题类别，获取各动作分类出现的轮次以及动作分类下对应的话术，组成对话流程，进行推荐。
7.根据权利要求1所述的一种基于真人对话语料的话术流程挖掘辅助方法，其特征在于，还包括：
实时获取并更新真人对话语料。
8.一种基于真人对话语料的话术流程挖掘辅助方法系统，其特征在于，包括：
对话语料获取单元：获取多轮真人对话语料；
分类单元：提取用户角色的语料，进行聚类，分析聚类结果并进行主题分类，得到主题分类标签，在该主题分类下提取客服角色的语料，进行聚类，分析聚类结果并进行动作分类，得到动作分类标签；
统计单元：统计不同主题分类下，各动作分类出现的轮次以及频率，并获取动作分类对应的话术；
模型训练单元：利用用户角色的语料和对应的主题分类标签训练主题分类识别模型，利用客服角色的语料和对应的动作分类标签训练动作分类识别模型，得到训练好的主题分类识别模型和训练好的动作分类识别模型；
识别单元：调用训练好的主题分类识别模型对用户语料进行主题分类识别，调用训练好的动作分类识别模型对客服语料进行动作分类识别，获取语料对应的主题类别和动作类别；
推荐单元：基于确定的主题类别和动作类别，推荐对应的话术和对话流程。
9.一种电子设备，其特征在于，包括：存储器，处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现权利要求1至7任一所述的方法步骤。
10.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
CN202210550277.6A 2022-05-20 2022-05-20 一种基于真人对话语料的话术流程挖掘辅助方法和系统 Pending CN115204187A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210550277.6A CN115204187A (zh) 2022-05-20 2022-05-20 一种基于真人对话语料的话术流程挖掘辅助方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210550277.6A CN115204187A (zh) 2022-05-20 2022-05-20 一种基于真人对话语料的话术流程挖掘辅助方法和系统

Publications (1)

Publication Number Publication Date
CN115204187A true CN115204187A (zh) 2022-10-18

Family

ID=83575061

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210550277.6A Pending CN115204187A (zh) 2022-05-20 2022-05-20 一种基于真人对话语料的话术流程挖掘辅助方法和系统

Country Status (1)

Country Link
CN (1) CN115204187A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115687754A (zh) * 2022-10-21 2023-02-03 四川大学 一种基于智能对话的主动式网络信息挖掘方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115687754A (zh) * 2022-10-21 2023-02-03 四川大学 一种基于智能对话的主动式网络信息挖掘方法
CN115687754B (zh) * 2022-10-21 2024-01-23 四川大学 一种基于智能对话的主动式网络信息挖掘方法

Similar Documents

Publication Publication Date Title
RU2747425C2 (ru) Система ответа на вопросы из разных областей знаний в режиме реального времени
CN109960723B (zh) 一种用于心理机器人的交互系统及方法
CN110175229B (zh) 一种基于自然语言进行在线培训的方法和系统
CN109766419A (zh) 基于语音分析的产品推荐方法、装置、设备及存储介质
CN111145903A (zh) 获取眩晕症问诊文本的方法、装置、电子设备及问诊系统
CN114911932A (zh) 基于主题语义增强的异构图结构多会话者情感分析方法
CN117493513A (zh) 一种基于向量和大语言模型的问答系统及方法
CN114118451A (zh) 智能交互模型的训练方法、交互方法、装置及设备
CN115204187A (zh) 一种基于真人对话语料的话术流程挖掘辅助方法和系统
Yadav et al. A novel automated depression detection technique using text transcript
Elmitwally et al. Personality Detection Using Context Based Emotions in Cognitive Agents.
Ali et al. K-means clustering to improve the accuracy of decision tree response classification
Aloshban et al. Detecting depression in less than 10 seconds: Impact of speaking time on depression detection sensitivity
CN110502609A (zh) 一种调节情绪的方法、装置及陪伴机器人
CN115482912A (zh) 对话机器自助心理干预系统及方法
CN114064873A (zh) 保险领域faq知识库构建方法、装置及电子设备
CN115470314A (zh) 一种基于真人对话语料的话术流程推荐方法和系统
Avci A Pattern Mining Approach for Improving Speech Emotion Recognition
CN116991982B (zh) 基于人工智能的交互式对话方法、装置、设备及存储介质
CN116312486B (zh) 情绪识别方法、装置、计算机可读存储介质及电子设备
CN113990302B (zh) 电话随访语音识别方法、装置及系统
Li et al. Unsupervised speech representation learning for behavior modeling using triplet enhanced contextualized networks
CN113704443B (zh) 一种融合显式和隐式个性化信息的对话生成方法
CN116992867B (zh) 一种基于软提示主题建模的抑郁情绪检测方法及系统
KR20230101587A (ko) 사용자db 기반 사용자 정신 건강 상태의 변동을 고려한 맞춤형 치료 서비스 제공 시스템

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