CN117880420A - 一种基于情绪反馈分析技术的智能外呼系统 - Google Patents
一种基于情绪反馈分析技术的智能外呼系统 Download PDFInfo
- Publication number
- CN117880420A CN117880420A CN202410093538.5A CN202410093538A CN117880420A CN 117880420 A CN117880420 A CN 117880420A CN 202410093538 A CN202410093538 A CN 202410093538A CN 117880420 A CN117880420 A CN 117880420A
- Authority
- CN
- China
- Prior art keywords
- outbound
- module
- data
- cluster
- emotion
- 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
- 230000008451 emotion Effects 0.000 title claims abstract description 84
- 238000004458 analytical method Methods 0.000 title claims abstract description 39
- 238000005516 engineering process Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 47
- 230000006854 communication Effects 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims abstract description 19
- 238000007405 data analysis Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 23
- 238000012795 verification Methods 0.000 claims description 12
- 206010027951 Mood swings Diseases 0.000 claims description 9
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000000725 suspension Substances 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 description 15
- 238000004088 simulation Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种基于情绪反馈分析技术的智能外呼系统,涉及智能语音外呼领域,包括中央处理模块、外呼升级模块、智能外呼模块、AI机器人模块与外呼数据分析模块,所述AI机器人模块实施外呼,模拟工作人员与呼叫用户进行交流,同时转化为对话文字数据进行记录,本发明通过对外呼用户接通时的第一句话对用户的人群属性进行初步分析,从而能使得智能外呼模块控制AI机器人模块进行匹配最合适的模式模拟人与其进行交流,获取用户的情绪变化,根据不同的情绪变化使得模拟人能更好应对,通过不断的优化升级,补充用户数据,升级新的模拟人模式,最终提高智能外呼的外呼接通率,进而提升智能外呼的业务指标和用户体验。
Description
技术领域
本发明涉及智能语音外呼领域,具体为一种基于情绪反馈分析技术的智能外呼系统。
背景技术
随着通信技术的迅速发展,智能外呼服务被广泛应用于各个领域,利用智能外呼可将相关信息迅速有效地传播给客户,而智能外呼通过对历史数据分析,能够有计划、有针对性地对客户进行外呼,从而有效的了解客户情况、意见及需求,进而通过智能外呼对接通的用户展开业务沟通,来进行成果转化;
但是目前的智能外呼系统中,与用户的交流显得非常木讷,缺乏情绪上的分析辅助,对每类人群基本的话术都一致,这使得整个接通率就较低,同时接通后的业务开展转化率也极其低,用户投诉较多,用户流失了高。
发明内容
本发明的目的在于提供一种基于情绪反馈分析技术的智能外呼系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于情绪反馈分析技术的智能外呼系统,包括中央处理模块、外呼升级模块、智能外呼模块、AI机器人模块与外呼数据分析模块;
所述AI机器人模块实施外呼,模拟工作人员与呼叫用户进行交流,内置的语言识别单元进行识别交流语音,同时转化为对话文字数据进行记录;
所述智能外呼模块实时接收所述中央处理模块的数据反馈对所述AI机器人模块的外呼进行控制;
所述外呼数据分析模块实时记录并分析所述AI机器人模块的外呼数据,包括情绪数据,同时反馈至所述中央处理模块与所述外呼升级模块;
所述中央处理模块接收对话文字数据与外呼数据生成更新升级指令发送给所述外呼升级模块,对所述智能外呼模块进行更新升级。
作为优选,所述AI机器人模块的外呼数据包括呼叫时间、呼叫接通时间与呼叫用户的人群属性,所述呼叫用户的人群属性为AI机器人模块在外呼接通后,根据呼叫用户回复语音声音,分析出呼叫用户的性别、年龄段与接通时的情绪,其中年龄段分为青少年、中年与老年三个阶段。
作为优选,所述外呼数据分析模块设置有自动分析量值,所述自动分析量值为接收外呼数据的量到达该值时自动进行分析,一个接通的呼叫用户为一个单元量,所述分析的方法包括以下步骤:
S1:设定自动分析量值为n,则设定对应的数据总量为设置呼叫接通时间为tn'、呼叫挂断时间为tn'',外呼时间为则为Tn,对应单元量的情绪对应的情绪波动为/>,S为对应接通的用户在时间T内的情绪值的一个存在正负之分的波动曲线,所以呼叫用户单元量Pn=(Tn,Sn);
S2:分析计算每个单元量Pn=(Tn,Sn)的时间T与情绪波动S之间的相关性,其中相关性系数:
,得到相应的相关性系数集合/>,其中Tn中为具体时间,具体到秒,Sn(Tn)为对应时间点位置的情绪波动值。
S3:提取出所有k>0对应的单元量P,将其归为数据A簇,其余的分为B簇,所述A簇中得到的接通用户均为在接通时间内情绪变化为好的,而B簇中得到的接通用户为在接通时间内情绪变化不好的,对于这部分用户后期的呼叫处理比较重要,对B簇中的用户进行标记;
S4:将A簇数据传输到所述中央处理模块与所述外呼升级模块;
S5:对B簇中的单元量进行聚类分析,找出影响到接通用户的情绪变化点。
作为优选,所述S5中的聚类分析方法包括以下步骤:
步骤一:对B簇中的单元量Pb=(Tb,Sb)中的情绪波动S之间计算对应的差异距离D(Sbi,Sbj);
步骤二:对B簇中的单元量Pb统计对应时间T内的情绪波动次数Q,Q为单元量P、中S的拐点个数,每个单元量Pb会得到一个对应的Q值;
步骤三:找到单元量Pb量之间差异距离D(Sbi,Sbj)最接近的两个单元量P进行合并,不断重复该过程,直至达到预设的想查看的聚类集合簇个数,其中合并后的单元量P组成的集合簇的差异距离D为集合簇内所有不同簇单元量差异距离D的平均值;
步骤四:将聚类的集合簇中每个单元量P对应的情绪波动次数Q进行计算平均值,最后根据每个集合簇中情绪波动次数Q平均值大小对集合簇进行排序,做成集合簇数据表传输至所述中央处理模块中。
作为优选,所述步骤一中差异距离D(Sbi,Sbj)计算为:
,
当D为0时,表示两个情绪波动S相同,则说明对应的P相同,D越大,S之间的差异越大。
作为优选,所述中央处理模块对A簇中所有接通用户的对话文字数据输入NLP预训练模型进行训练学习,将训练学习后的新数据反馈至所述智能外呼模块,所述智能外呼模块调用训练学习后的新数据控制所述AI机器人模块进行外呼,并记录计算接通率:
接通率提高,则保留对应部分的训练学习后的新数据存储在中央处理模块中的使用区;
接通率不变或出现下降,则将对应部分的训练学习后的新数据存储在中央处理模块验证区中。
作为优选,所述智能外呼模块每次接收到训练学习后的新数据则分别对所述步骤四中聚类形成的集合簇数据表按照排列顺序对每个集合簇随机挑选一个单元量对应的接通用户进行再次呼叫,同时进行外呼数据分析:
相关性系数k>0时,所述智能外呼模块对该集合簇中所以单元量对应的接通用户进行再次呼叫,来提高服务,同时反馈给所述中央处理模块对该部分训练学习后的新数据进行优先标记;
相关性系数k≤0时,所述智能外呼模块将信息反馈给所述中央处理模块,对该部分训练学习后的新数据进行暂缓标记。
作为优选,所述中央处理模块对验证区中带有暂缓标记的训练学习后的新数据进行删除,对标记有优先标记的将其转移至使用区中继续试用。
作为优选,所述中央处理模块对使用区中带有优先标记的训练学习后的新数据输入至所述外呼升级模块中同时生成更新升级指令,驱动所述外呼升级模块对智能外呼模块进行升级。
作为优选,所述中央处理模块对使用区中带有暂缓标记的训练学习后的新数据与从验证区转入带有优先标记的训练学习后的新数据进行数据合并,形成合并新数据,所述智能外呼模块调用合并新数据控制所述AI机器人模块进行外呼,并记录计算接通率:
接通率提高,则输入至所述外呼升级模块中同时生成更新升级指令,驱动所述外呼升级模块对智能外呼模块进行升级;
接通率不变或出现下降,则将合并新数据进行删除。
综上所述,本发明有益效果是:
本发明通过对外呼用户接通时的第一句话对用户的人群属性进行初步分析,从而能使得智能外呼模块控制AI机器人模块进行匹配最合适的模式模拟人与其进行交流,这样能有效的大大提高外呼的接通率,同时在语音交流过程中实时对用户的交流声音进行分析,获取用户的情绪变化,根据不同的情绪变化使得模拟人能更好应对,面对不同的情绪变化,模拟人的交流处理也尤为重要,现有的外呼技术大多忽略了该点,导致很多潜在用户不断流失,利用对呼叫用户的一个情绪分析还能得出该用户对本次呼叫是否有抵触心理,一旦出现抵触心理,模拟人也能及时打断,避免呼叫用户投诉的同时还能为下次呼叫做上铺垫,对该用户下次呼叫就能更换一个模拟人模式进行呼叫,从而进一步提高接通后的成果转化率;
而在外呼接通用户中需要将接通用户尽可能的进行成果转化,进行相应的业务开发,所以后期的回访电话也就极其重要,所以对首次外呼接通的用户进行分类,根据外呼的通话时间与整个时间段的情绪变化进行分类,情绪较好的部分用户其转化率相对较高,主要是情绪较差的那部分用户需要重点注意,那部分用户容易流失,从而对那部分用户的进行再次聚类,将情绪波动相似的用户归为一类,随后将情绪好的那部分用户的通话文字数据进行NLP预训练,再调动训练数据对情绪较差的那部分用户进行外呼试验,不断的进行尝试试验,最后将B簇中的用户进行转化为A簇用户,将外呼接通后的转化率进行进一步提高,避免用户流失,而通过对训练数据的不断验证,将有效数据用户系统升级,通过不断的优化升级,补充用户数据,升级新的模拟人模式,对外呼的接通率、最后的成果转化率都能得到有效的提高,最终提高智能外呼的外呼接通率,进而提升智能外呼的业务指标和用户体验。
附图说明
为了更清楚地说明发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种基于情绪反馈分析技术的智能外呼系统框架结构示意图;
图2为本发明一种基于情绪反馈分析技术的智能外呼系统中实施例外呼数据表;
图3为本发明一种基于情绪反馈分析技术的智能外呼系统实施例外呼数据折线图;
图4为本发明一种基于情绪反馈分析技术的智能外呼系统中实施例用户1情绪波形图;
图5为本发明一种基于情绪反馈分析技术的智能外呼系统中语音转化为文字示意图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,可以是直接相连,也可以通过中间媒介间接相连,可以是至少两个元件内部的连通或至少两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合图1-5对本发明进行详细说明,本发明提供的一种实施例:一种基于情绪反馈分析技术的智能外呼系统,包括中央处理模块、外呼升级模块、智能外呼模块、AI机器人模块与外呼数据分析模块,整个系统内具有一定量用户大数据作为基础;
智能外呼模块控制AI机器人模块实施外呼,模拟工作人员与呼叫用户进行交流,其中的模拟人具有多种模式,对应不同的人群会匹配不一样模式的模拟人,而AI机器人模块每次进行外呼时会记录外呼的时间,具体到每分每秒,例如在09:35:22对用户1进行呼叫,呼叫会产生两个结果,接通与未接通,而未接通中又存在直接挂断的现象,从而可以根据呼叫时的呼叫时间来判断是否为直接挂断,例如对用户1进行呼叫时出现未接通的结果,而检测到的呼叫时间为5s或者7s再或者10s这类呼叫时间较短的均可视为直接挂断,对于这类用户AI机器人模块会进行标记,一旦连续标记三次后会将这类用户数据进行封存,短时间内是不会进行呼叫的,每次进行标记后,下侧呼叫的时间都与上次被标记呼叫的时间不同;
对于接通的用户,会记录接通的时间,例如用户1的接通时间为09:35:32,所述AI机器人模块根据用户回复的第一句话,对其语音进行分析,从而可以分析出呼叫用户的性别是男的还是女的,年龄段在青少年、中年或者老年,同时利用声音情绪识别技术对其接通时的情绪进行分析,能得到用户的一个初始情绪,得到呼叫用户的人群属性,从而根据用户的人群属性,智能外呼模块会控制AI机器人模块进行配对最合适的模拟人进行语音交流,在交流过程中实时对用户的交流声音进行分析,直到用户挂断,记录呼叫挂断时间,所以可得到整个外呼时间,同时记录整个交流过程中用户的一个情绪变化,此时用户的外呼数据则完成存储在所述外呼数据分析模块中,例如:
其中S为一个情绪波动图,可参考附图4,同时利用语言识别单元将交流的语音转化为对话文字数据一起存储中央处理模块中,可参考附图5;
所述外呼数据分析模块对存储的外呼数据进行分析,在外呼数据分析模块中设置有一个自动分析的量值,一个接通的呼叫用户为一个单元量,在外呼数据中的用户量到达一定值时自动进行分析,有量的体系能更好的保证数据分析的准确性,其中自动分析的量值是可以进行调试设定的,可以根据后期分析过程中出现的问题不断进行调试,找到最适合的量值,分析的方法包括具体为:
第一步:
设定自动分析量值为n,则设定对应的数据总量为,设置呼叫接通时间为tn'、呼叫挂断时间为tn'',外呼时间为则为Tn,对应单元量的,情绪对应的情绪波动为/>,S为对应接通的用户在时间T内的情绪值的一个波动曲线,其存在正负之分,所以呼叫用户单元量Pn=(Tn,Sn),例如:对于用户1,其单元量P1=(T1,S1),T1∈(t1',t1'');
第二步:
对用户的外呼时间与用户的情绪之间进行分析,分析计算每个单元量Pn=(Tn,Sn)的时间T与情绪波动S之间的相关性,其中相关性系数:
,
得到相应的相关性系数集合,其中Tn中为具体时间,具体到秒,Sn(Tn)为对应时间点位置的情绪波动值,例如对单元量P1=(T1,S1),T1∈(09:35:32,09:36:12),从S1中可读取到每个时间点对应的一个情绪值,从相关性系数k中可以看出在整个通话时间内用户的一个情绪变化,k的取值在-1与1之间,是存在正负的,而在k靠近1时的正相关可以分析出在呼叫时间内用户的情绪是偏向于好的,而k靠近-1时的负相关可分析出在呼叫时间内用户的情绪是偏向于不好的,所以提取出所有k>0对应的单元量P,将其归为数据A簇,A簇在整个通话时间内的情绪都保持较好,这类用户的转化率较高,其余的分为B簇,对于B簇这部分用户后期的回访呼叫处理比较重要,回访处理不好,这类用户的流失效率会比较大,所以对B簇中的用户进行标记;
第三步:
将A簇中用户数据直接传输到所述中央处理模块与所述外呼升级模块,中央处理模块对这部分用户的对话文字数据进行分析处理,从而能更好对其后期进行沟通处理,来提高服务,而外呼升级模块中对这部分数据进行暂存,等到接收到中央处理模块发出更新升级指令时进行阶段性升级更新;
而对B簇中的单元量进行聚类分析,找出影响到接通用户的情绪变化点;
首先,对B簇中的单元量Pb=(Tb,Sb)中的情绪波动S之间计算对应的差异距离D(Sbi,Sbj):
,
面对外呼这种概率分布,能更好的进行度量,分析出两个S之间的差异程度,当D为0时说明两个S之间的完全相同,而D越大则差异越大;
其次,对B簇中的单元量Pb统计对应时间T内的情绪波动次数Q,外呼时间内的用户的情绪波动,能比较好反映出用户对本次呼叫的一个服务质量;
例如:当B簇中用户的外呼时间较短,情绪波动次数也较少,则能说明该用户对本次接通比较不满意,让用户觉得这是个骚扰电话,情绪可能出现了急剧下降,这类用户可以再次进行尝试其他时间进行呼叫,并匹配让AI机器人模块匹配其余模式的模拟人进行沟通,这类用户虽然接通了,但是转化率、调研率等其实是非常低的,所以后续的开发比较困难;
而情绪波动次数如果较多,则说明该用户为有意向开发的用户,交流过程中出现了用户比较感兴趣的点,但是可能出于时间的考虑,现在这个时间没有空导致的挂断,所以该类用户是可以进一步进行回访沟通的;
而在外呼时间较长,但是情绪波动次数较少时,则可能是在进行沟通过程中AI机器人模块的模拟人说了许多无关紧要的话语,导致用户情绪出现直接下降而挂断;
而外呼时间较长,情绪波动次数较多的则可能是在模拟人在某个点上的语言出现了偏差,这类用户可以对其中的对话文字数据进行详细分析,后续进行回访时避免掉这类问题的发生,能大大提高转化率、调研率等;
我们可以计算出每个S中的拐点个数作为Q,S上的拐点或者转折点都是情绪突变点,而每个单元量Pb会得到一个对应的Q值,找到单元量Pb量之间差异距离D(Sbi,Sbj)最接近的两个单元量P进行合并,不断重复该过程,直至达到预设的想查看的聚类集合簇个数;
其中合并后的单元量P组成的集合簇的差异距离D为集合簇内所有不同簇单元量差异距离D的平均值;
最后,将聚类的集合簇中每个单元量P对应的情绪波动次数Q进行计算平均值,最后根据每个集合簇中情绪波动次数Q平均值大小对集合簇进行排序,做成集合簇数据表传输至所述中央处理模块中。
此时所述中央处理模块中首先对A簇中所有接通用户的对话文字数据输入NLP预训练模型进行训练学习,将训练学习后的新数据反馈至所述智能外呼模块,所述智能外呼模块调用训练学习后的新数据控制所述AI机器人模块进行外呼,并记录计算接通率:
接通率提高,则保留对应部分的训练学习后的新数据存储在中央处理模块中的使用区;
接通率不变或出现下降,则将对应部分的训练学习后的新数据存储在中央处理模块验证区中;
所述智能外呼模块每次接收到训练学习后的新数据则分别对集合簇数据表中按照排列顺序对每个集合簇随机挑选一个单元量对应的接通用户进行再次呼叫,再次呼叫的间隔时间最好不能太短,同时进行外呼数据分析:
在相关性系数k>0时,所述智能外呼模块对抽取该单元量对应的接通用户集合簇中所以单元量对应的接通用户进行再次呼叫,来提高服务,同时反馈给所述中央处理模块对该部分训练学习后的新数据进行优先标记,这样说明该部分学习数据能有效的提高转化率,使得后期回访效果会大大增加;
相关性系数k≤0时,所述智能外呼模块将信息反馈给所述中央处理模块,对该部分训练学习后的新数据进行暂缓标记,说明该部分学习数据效果不太好,需要再次进行验证。
此时所述中央处理模块对验证区中带有暂缓标记的训练学习后的新数据进行删除,对标记有优先标记的将其转移至使用区中继续试用,对使用区中带有优先标记的训练学习后的新数据输入至所述外呼升级模块中同时生成更新升级指令,驱动所述外呼升级模块对智能外呼模块进行升级;
对使用区中带有暂缓标记的训练学习后的新数据与从验证区转入带有优先标记的训练学习后的新数据进行数据合并,形成合并新数据,所述智能外呼模块调用合并新数据控制所述AI机器人模块进行外呼,并记录计算接通率:
接通率提高,则输入至所述外呼升级模块中同时生成更新升级指令,驱动所述外呼升级模块对智能外呼模块进行升级,通通过不断的优化升级,补充用户数据,升级新的模拟人模式,对外呼的接通率、最后的成果转化率都能得到有效的提高;
接通率不变或出现下降,则将合并新数据进行删除。
综上所述,通过对外呼用户接通时的第一句话对用户的人群属性进行初步分析,从而能使得智能外呼模块控制AI机器人模块进行匹配最合适的模式模拟人与其进行交流,这样能有效的大大提高外呼的接通率,同时在语音交流过程中实时对用户的交流声音进行分析,获取用户的情绪变化,根据不同的情绪变化使得模拟人能更好应对,面对不同的情绪变化,模拟人的交流处理也尤为重要,现有的外呼技术大多忽略了该点,导致很多潜在用户不断流失,利用对呼叫用户的一个情绪分析还能得出该用户对本次呼叫是否有抵触心理,一旦出现抵触心理,模拟人也能及时打断,避免呼叫用户投诉的同时还能为下次呼叫做上铺垫,对该用户下次呼叫就能更换一个模拟人模式进行呼叫,从而进一步提高接通后的成果转化率;
而在外呼接通用户中需要将接通用户尽可能的进行成果转化,进行相应的业务开发,所以后期的回访电话也就极其重要,所以对首次外呼接通的用户进行分类,根据外呼的通话时间与整个时间段的情绪变化进行分类,情绪较好的部分用户其转化率相对较高,主要是情绪较差的那部分用户需要重点注意,那部分用户容易流失,从而对那部分用户的进行再次聚类,将情绪波动相似的用户归为一类,随后将情绪好的那部分用户的通话文字数据进行NLP预训练,再调动训练数据对情绪较差的那部分用户进行外呼试验,不断的进行尝试试验,最后将B簇中的用户进行转化为A簇用户,将外呼接通后的转化率进行进一步提高,避免用户流失,而通过对训练数据的不断验证,将有效数据用户系统升级,通过不断的优化升级,补充用户数据,升级新的模拟人模式,对外呼的接通率、最后的成果转化率都能得到有效的提高,最终提高智能外呼的外呼接通率,进而提升智能外呼的业务指标和用户体验。
以上所述,仅为发明的具体实施方式,但发明的保护范围并不局限于此,任何不经过创造性劳动想到的变化或替换,都应涵盖在发明的保护范围之内。因此,发明的保护范围应该以权利要求书所限定的保护范围为准。
Claims (10)
1.一种基于情绪反馈分析技术的智能外呼系统,其特征在于:包括中央处理模块、外呼升级模块、智能外呼模块、AI机器人模块与外呼数据分析模块;
所述AI机器人模块实施外呼,模拟工作人员与呼叫用户进行交流,内置的语言识别单元进行识别交流语音,同时转化为对话文字数据进行记录;
所述智能外呼模块实时接收所述中央处理模块的数据反馈对所述AI机器人模块的外呼进行控制;
所述外呼数据分析模块实时记录并分析所述AI机器人模块中含有情绪数据的外呼数据,同时反馈至所述中央处理模块与所述外呼升级模块;
所述中央处理模块接收对话文字数据与外呼数据生成更新升级指令发送给所述外呼升级模块,对所述智能外呼模块进行更新升级。
2.根据权利要求1所述的一种基于情绪反馈分析技术的智能外呼系统,其特征在于:所述AI机器人模块的外呼数据包括呼叫时间、呼叫接通时间与呼叫用户的人群属性,所述呼叫用户的人群属性为AI机器人模块在外呼接通后,根据呼叫用户回复语音声音,分析出呼叫用户的性别、年龄段与接通时的情绪。
3.根据权利要求2所述的一种基于情绪反馈分析技术的智能外呼系统,其特征在于:所述外呼数据分析模块设置有自动分析量值,所述自动分析量值为接收外呼数据的量到达该值时自动进行分析,一个接通的呼叫用户为一个单元量,所述分析的方法包括以下步骤:
S1:设定自动分析量值为n,则设定对应的数据总量为,设置呼叫接通时间为tn'、呼叫挂断时间为tn'',外呼时间为则为Tn,对应单元量的,情绪对应的情绪波动为/>,S为对应接通的用户在时间T内的情绪值的一个存在正负之分的波动曲线,所以呼叫用户单元量Pn=(Tn,Sn);
S2:分析计算每个单元量Pn=(Tn,Sn)的时间T与情绪波动S之间的相关性,其中相关性系数:
,得到相应的相关性系数集合/>,Sn(Tn)为对应时间点位置的情绪波动值;
S3:提取出所有k>0对应的单元量P,将其归为数据A簇,其余的分为B簇,同时对B簇中的用户进行标记,将A簇数据传输到所述中央处理模块与所述外呼升级模块;
S4:对B簇中的单元量进行聚类分析,找出影响到接通用户的情绪变化点。
4.根据权利要求3所述的一种基于情绪反馈分析技术的智能外呼系统,其特征在于:所述S4中的聚类分析方法包括以下步骤:
步骤一:对B簇中的单元量Pb=(Tb,Sb)中的情绪波动S之间计算对应的差异距离D(Sbi,Sbj);
步骤二:对B簇中的单元量Pb统计对应时间T内的情绪波动次数Q,Q为单元量P、中S的拐点个数,每个单元量Pb会得到一个对应的Q值;
步骤三:找到单元量Pb量之间差异距离D(Sbi,Sbj)最接近的两个单元量P进行合并,不断重复该过程,直至达到预设的想查看的聚类集合簇个数,其中合并后的单元量P组成的集合簇的差异距离D为集合簇内所有不同簇单元量差异距离D的平均值;
步骤四:将聚类的集合簇中每个单元量P对应的情绪波动次数Q进行计算平均值,最后根据每个集合簇中情绪波动次数Q平均值大小对集合簇进行排序,做成集合簇数据表传输至所述中央处理模块中。
5.根据权利要求4所述的一种基于情绪反馈分析技术的智能外呼系统,其特征在于:所述步骤一中差异距离D(Sbi,Sbj)计算为:。
6.根据权利要求4所述的一种基于情绪反馈分析技术的智能外呼系统,其特征在于:所述中央处理模块对A簇中所有接通用户的对话文字数据输入NLP预训练模型进行训练学习,将训练学习后的新数据反馈至所述智能外呼模块,所述智能外呼模块调用训练学习后的新数据控制所述AI机器人模块进行外呼,并记录计算接通率:
接通率提高,则保留对应部分的训练学习后的新数据存储在中央处理模块中的使用区;
接通率不变或出现下降,则将对应部分的训练学习后的新数据存储在中央处理模块验证区中。
7.根据权利要求6所述的一种基于情绪反馈分析技术的智能外呼系统,其特征在于:所述智能外呼模块每次接收到训练学习后的新数据则分别对所述步骤四中聚类形成的集合簇数据表按照排列顺序对每个集合簇随机挑选一个单元量对应的接通用户进行再次呼叫,同时进行外呼数据分析:
相关性系数k>0时,所述智能外呼模块对该集合簇中所以单元量对应的接通用户进行再次呼叫,同时反馈给所述中央处理模块对该部分训练学习后的新数据进行优先标记;
相关性系数k≤0时,所述智能外呼模块将信息反馈给所述中央处理模块,对该部分训练学习后的新数据进行暂缓标记。
8.根据权利要求7所述的一种基于情绪反馈分析技术的智能外呼系统,其特征在于:所述中央处理模块对验证区中带有暂缓标记的训练学习后的新数据进行删除,对标记有优先标记的训练学习后的新数据转移至使用区中继续试用。
9.根据权利要求8所述的一种基于情绪反馈分析技术的智能外呼系统,其特征在于:所述中央处理模块对使用区中带有优先标记的训练学习后的新数据输入至所述外呼升级模块中同时生成更新升级指令,驱动所述外呼升级模块对智能外呼模块进行升级。
10.根据权利要求9所述的一种基于情绪反馈分析技术的智能外呼系统,其特征在于:所述中央处理模块对使用区中带有暂缓标记的训练学习后的新数据与从验证区转入带有优先标记的训练学习后的新数据进行数据合并,形成合并新数据,所述智能外呼模块调用合并新数据控制所述AI机器人模块进行外呼,并记录计算接通率:
接通率提高,则输入至所述外呼升级模块中同时生成更新升级指令,驱动所述外呼升级模块对智能外呼模块进行升级;
接通率不变或出现下降,则将合并新数据进行删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410093538.5A CN117880420A (zh) | 2024-01-23 | 2024-01-23 | 一种基于情绪反馈分析技术的智能外呼系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410093538.5A CN117880420A (zh) | 2024-01-23 | 2024-01-23 | 一种基于情绪反馈分析技术的智能外呼系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117880420A true CN117880420A (zh) | 2024-04-12 |
Family
ID=90591964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410093538.5A Pending CN117880420A (zh) | 2024-01-23 | 2024-01-23 | 一种基于情绪反馈分析技术的智能外呼系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117880420A (zh) |
-
2024
- 2024-01-23 CN CN202410093538.5A patent/CN117880420A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109710772B (zh) | 一种基于深度学习的问答库知识管理系统及其实现方法 | |
CN107818798B (zh) | 客服服务质量评价方法、装置、设备及存储介质 | |
CN110209791A (zh) | 一种多轮对话智能语音交互系统及装置 | |
CN103458056B (zh) | 自动外呼系统基于自动分类技术的语音意图判定系统 | |
CN107886949A (zh) | 一种内容推荐方法及装置 | |
US20210312930A1 (en) | Computer system, speech recognition method, and program | |
CN112599124A (zh) | 一种面向电网调度的语音调度方法及系统 | |
CN107222865A (zh) | 基于可疑行为识别的通讯诈骗实时检测方法和系统 | |
CN109670023A (zh) | 人机自动面试方法、装置、设备和存储介质 | |
CN108304489A (zh) | 一种基于强化学习网络的目标引导型个性化对话方法与系统 | |
CN110175229B (zh) | 一种基于自然语言进行在线培训的方法和系统 | |
CN106295807A (zh) | 一种信息处理的方法及装置 | |
CN108132952A (zh) | 一种基于语音识别的主动型搜索方法和装置 | |
CN109544104A (zh) | 一种招聘数据处理方法及装置 | |
CN107679147A (zh) | 基于语音识别的人机对话式电网信息调阅展示方法 | |
CN107329986A (zh) | 基于语言行为识别的人机对话方法及装置 | |
CN110415103A (zh) | 基于变量影响度指标进行用户分群提额的方法、装置和电子设备 | |
CN106127526A (zh) | 智能机器人系统及其工作方法 | |
CN106558309A (zh) | 一种口语对话策略生成方法及口语对话方法 | |
CN108053826A (zh) | 用于人机交互的方法、装置、电子设备及存储介质 | |
CN111681755A (zh) | 一种生猪疾病诊疗系统及方法 | |
CN110956142A (zh) | 一种智能交互培训系统 | |
CN109033378A (zh) | 一种Zero-shot Learning在智能客服系统中的应用方法 | |
CN117713377A (zh) | 调度自动化主站智能语音联调系统 | |
CN117880420A (zh) | 一种基于情绪反馈分析技术的智能外呼系统 |
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 |