CN1592427B - 从自动系统到人工操作者的呼叫处理的理想传送 - Google Patents

从自动系统到人工操作者的呼叫处理的理想传送 Download PDF

Info

Publication number
CN1592427B
CN1592427B CN2004100631081A CN200410063108A CN1592427B CN 1592427 B CN1592427 B CN 1592427B CN 2004100631081 A CN2004100631081 A CN 2004100631081A CN 200410063108 A CN200410063108 A CN 200410063108A CN 1592427 B CN1592427 B CN 1592427B
Authority
CN
China
Prior art keywords
call
automatic
model
caller
human operators
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.)
Expired - Fee Related
Application number
CN2004100631081A
Other languages
English (en)
Other versions
CN1592427A (zh
Inventor
E·J·豪维茨
T·S·皮克
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.)
Microsoft Technology Licensing LLC
Original Assignee
Microsoft Corp
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 Microsoft Corp filed Critical Microsoft Corp
Publication of CN1592427A publication Critical patent/CN1592427A/zh
Application granted granted Critical
Publication of CN1592427B publication Critical patent/CN1592427B/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

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
    • H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q3/00—Selecting arrangements
    • H04Q3/64—Distributing or queueing
    • 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
    • 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
    • H04M3/527—Centralised call answering arrangements not requiring operator intervention
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2201/00—Electronic components, circuits, software, systems or apparatus used in telephone systems
    • H04M2201/14—Delay circuits; Timers
    • 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
    • H04M3/54—Arrangements for diverting calls for one subscriber to another predetermined subscriber
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2213/00—Indexing scheme relating to selecting arrangements in general and for multiplex systems
    • H04Q2213/13072—Sequence circuits for call signaling, ACD systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2213/00—Indexing scheme relating to selecting arrangements in general and for multiplex systems
    • H04Q2213/1337—Operator, emergency services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2213/00—Indexing scheme relating to selecting arrangements in general and for multiplex systems
    • H04Q2213/13378—Speech recognition, speech analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Telephonic Communication Services (AREA)
  • Electrophonic Musical Instruments (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

该本发明涉及用于将人们从自动或用户直接呼叫处理系统传送到人工操作者的动态策略，依赖于考虑与呼叫处理系统交互的失败可能性、关于与使用该系统相关的期望时间或挫折的预测、和人工操作者的当前负载。系统和方法平衡系统的概率模型和从记录数据建立的用户行为。提供了决策理论分析和理想决策的对应模型，该理想决策关于从自动系统到人工操作者的呼叫转移。所述的方法应用于呼叫处理系统领域，该呼叫处理系统包括以键入式和语音识别为基础的系统。

Description

从自动系统到人工操作者的呼叫处理的理想传送
技术领域
本发明总体上涉及便于在装置、系统、程序和/或单机之间进行通信的系统和方法。更具体而言，本发明涉及，在给出成功可能性、与连续与自动系统交互相关联的努力、以及与为人工操作者键入序列相关联的等待次数的情况下，使用动态策略用于将人们从自动呼叫路由选择系统传送到人工操作者。
背景技术
许多用户都有通过电话、借助于基于呼叫路由选择系统的自动语音识别来访问数据和服务的经验。这类系统近来随着更多精确的语音命令和控制以及用于限定领域的连续语音识别系统的出现激增了。然而，即使当限制了应用范围时，这类系统也可能导致受挫的失败。为了针对解决用户挫折，许多设计者建议呼叫者直接路由到活的人工操作者。除语音识别系统之外，部署了其他的自动系统，诸如像使用按键式驱动菜单系统。这类系统在提供固定组选择时可能使用户受挫，这些选择可能不会提供正确的选择、提供具有可理解相关性的选择，和/或可能会将呼叫者路由到受挫序列的选择而不迅速会聚到所期望的设定上。
越来越多的机构都使用利用按键式路由或语音识别和自然语言处理的自动呼叫路径选择系统，以帮助用户导航。自动方法用于减少操作者的负载或减少与呼叫接收和路由选择功能的职工相关的成本。然而，自动接收和路由选择的失败和挫折对呼叫者和使用他们的机构来说是昂贵的，这是由于呼叫者不得不付出更多的努力，等待更长的时间，或在受挫时简单挂断并在别处进行他们的业务。
部署语音识别系统的普及性最近增长了。这类系统普及的一个原因，是他们在比按键式的路由选择提供更多自然接口方面的许诺。然而，这些机构已经发现语音路由选择依旧达不到活的人工操作者可以提供的服务质量。在一个示例中，自动呼叫路由选择系统可以产生所有内部查号辅助呼叫。使用语音识别，该系统试图专门地在一个公司全球地址簿中识别上千个可能的名字条目中的一个。无需说，这种尺寸的词汇表一定会在语音引擎性能方面具有有害的作用。
发明内容
下面提供本发明的一个简单性概括，为了提供对本发明一些方面的基本理解。该概括并不是本发明的广义概述。并不打算认定本发明的关键/决定性元素或描述本发明的范围。它的唯一目的是以简单的形式提供本发明的一些概念，作为在后面提供的具体实施方式的前奏。
本发明涉及根据自动呼叫路由选择系统的引导呼叫。提供了一个或多个决策模型，其输出策略用于基于附近对话位置的环境灵敏性分析，将人们从进行的自动系统切换到人工操作者。这也涉及将决策理论原则应用到与人和自动推理系统的理想融合相关的推理(reason)中。因此，呼叫者与呼叫路由选择系统的经验通过开发模型而得到优化，开发该模型时考虑到该呼叫者与自动系统的合作最终成功(或不成功)的概率、为此成功所需要的步骤的期望值和在人工职员上的当前负载。在一方面，用于查号辅助的语音路径选择系统可以通过系统性能的数据记录而得到分析。考虑到自动系统的成功或失败的可能性，以及使用自动系统的步骤数目、整个持续时间、努力或挫折，随后可以根据该数据记录中构建一个或多个概率模型，假定该相互作用将最终成功。本发明从学习模型中将路径依赖概率与决策分析相结合，以便将呼叫转移优化地引导到人工操作者，给定关于与传送到人工操作者相关的所期望的当前等待时间的信息。
为了实现前述和相关的目标，此处结合以下描述和附图描述了本发明的某些示出方面。这些方面表征了本发明可能实现的一些不同方式，所有这些均由本发明所覆盖。从以下本发明的具体实施方式中，结合附图，本发明的其它优点和新颖特征将变得明显。
附图说明
图1是一个示意性框图，示出了根据本发明一方面的自动呼叫路由选择和决策系统。
图2图示出了根据本发明一方面的呼叫路由选择统计数据。
图3图示出了根据本发明一方面的会话特征。
图4图示出了根据本发明一方面的概率树。
图5图示出了根据本发明一方面的针对会话特征的依赖网络。
图6图示出了根据本发明一方面的马尔可夫(Markov)依赖网络。
图7是根据本发明一方面的会话步骤期望值的事前分布。
图8是一个流程图，示出了根据本发明一方面的系统自动呼叫路由选择。
图9是一个示意性框图，示出了根据本发明一方面的合适的操作环境。
图10是一个本发明可以与之进行交互的实例计算环境的示意性框图。
具体实施方式
本主题发明使用与管理呼叫有关的决策理论。呼叫通信量的管理和具体呼叫的处理对许多商务尤其重要，并且本主题发明使用与优化呼叫处理有关的决策理论。自动呼叫应答系统可以一直使用直到由此付出的成本(例如，用户挂断)重于收益(例如，最小化人为介入以应付呼叫)。因此，根据本发明的系统使用基于构架的决策理论以采取更恰当的动作，(例如，使用自动呼叫应答系统，在使用呼叫应答系统结束后，切换到人工操作者，将呼叫路由到不同的服务……)，所述的动作基于与特殊组件有关的应用，所述的特殊组件用于，例如应答呼叫和/或处理呼叫通信量、呼叫者的状态、接收呼叫的实体的状态、带宽、资源以及呼叫的特性。由此，本主题发明通过决策理论和从过去行为记录中训练的多于一个模型的使用来优化资源的利用。
本申请中所使用的术语″元件″、″模型″、″系统″、等等用来指代与计算机有关的实体、或者硬件、硬件和软件的结合、软件或在执行的软件。例如，组件可以是(但不限于)：在处理器上运行着的进程、处理器、对象、可执行程序、执行的线程、程序和/或计算机。作为举例说明，在服务器上运行的应用程序和该服务器都可以是组件。一个或个多组件可以驻留在执行的进程和/或线程内部，并且组件可以在计算机上定位和/或在两个或更多计算机之间分布。
此处所使用的术语″交互″一般指从一组通过事件和/或数据捕获的观测中推出或推断系统状态、环境和/或用户的进程。例如，推理可以用于识别特殊上下文或动作，也可以在状态之上产生概率分布。所述推理可以是随机的；即，基于数据和事件原因在感兴趣的状态上的概率分布的计算。推理还可以指逻辑推理，包括用于由一组事件和/或数据组成的高级事件的确定性技术。这种推理导致由一组观测的事件和/或存储的事件数据而来的新事件或动作的构建，不管所述的事件是否与暂时近似密切相关，也不管所述的事件和数据是否来自一个或几个事件和数据源。
首先参考图1，示出了根据本发明一方面的呼叫路由选择和决策系统100。该系统100包括自动呼叫路由选择系统110，其通常用于为一个或多个呼叫者130提供自动回应120。这些系统包括处理组件、交换组件、电子目录和相关的软件，诸如与呼叫者130进行通信并在140将呼叫路由选择到已识别的单机的语音识别元件(例如，指出单机最末名的声音命令)。如果呼叫者130在与单机或群进行连接时遇到困难，则呼叫路由选择系统110就可以连接到人工操作者144以便向呼叫者提供进一步的帮助。
根据本发明的一方面，一个或多个决策模块150同呼叫路由选择系统100一起使用，以便于系统100的有效操作，在呼叫者和应答之间提供更多的有效耦合，并在与这类系统进行交互时减缓呼叫者所受到的挫折。一方面，这通过经由数据记录160训练决策模型150而实现，所述的数据记录160记录过去活动并与呼叫路由选择系统110交互的数据。自决策模型150的输出然后用于呼叫路由选择的确定。这类数据包括统计信息，例如每隔多久说话者被找到或未被找到，每隔多久操作者被请求等等，其中这些数据在下面的图2中将更详细地描述。在决策模块被训练之后，与有利于呼叫者和单机之间呼叫路由选择的模式一致进行工作的呼叫路由选择系统100将被连接。像下面将要更详细地描述的一样，例如，模块150可以与动态政策一致进行使用，所述的动态政策与将呼叫者切换到人工操作者的成本和收益有关。
现在参考图2，图表200示出了根据本发明一方面进行分析的统计数据。虽然各种数据通过图表200描绘，但可以理解，与呼叫路由选择性能有关的其他种类的统计数字也可以同样地进行分析(例如，用于连接的时间的平均量)。为了评价上述图1中所描述系统的整体性能，获取了历时大约一年的数据记录的超过250兆字节。该记录包含接近60,000个单机与呼叫路由选择系统进行对话的转录，以分别捕获系统和呼叫者的动作。对于给定对话的一些可能的结果如下：
· 找到说话者(SpeakFound)：系统在目录中找到了名称。
· 未找到说话者(SpeakNotFound)：系统推断出请求的人可能不在目录中，并将呼叫路由至操作者。
· 操作者请求(OperatorRequest)：用户通过按下‘0’请求操作者。
· 帮助请求(HelpRequest)：用户通过按下‘*’或‘#’设法请求帮助。
· 挂断(HangUp)：用户在对话期间退出。
· 最大限度错误(MaxErrrors)：系统达到允许出错数的最大值，并将呼叫路由至操作者。
· 未准备好(NotReady)：系统是暂时中断服务。
· 未定义(Undefined)：用户试图按下数字键。
图表200对所有对话得到的可能的结果进行了全面的、细分的描述。主要由于在实例公司目录中的使用者名称的巨大列表，不具有关联模块和政策的呼叫路由选择系统达到了阴影部分成功率的45％，与SpeakFound结果的百分比相一致，此处系统正确地识别了专有名字，而且呼叫者未试图从人工操作者处请求帮助。当呼叫者在其中甚至未试图说出一个名字的对话记录被移除后，成功率跃至66％。没有交互的情况试图揭示许多呼叫者很可能完全忽视了与系统相互作用的不确定性事实。事实上，这些″no-name″试图包含全部的数据的31％，所有OperatorRequest结果的85％和所有HangUp结果的53％。换句话说，大致每三个呼叫者中有一个决定完全避免与无需附带模型帮助的系统进行交互。在几个月内no-name情况的纵向分析显示出用户正在学着立即请求人工操作者。事实上，no-name情况和″OperatorRequest″的结果之间的相关性在ρ＝.88处有效。在对系统负责的工程师将短语″对于操作者，按下‘0’″加至介绍性提示后，该相关性增加到p＝.90，这具有指导使用者如何避免与自动系统一起工作的作用。这些发现经由上述描述的模块用于表示和优化用户的经验，以便于更有效地使得呼叫者能够与自动呼叫路由选择系统进行交互。
转向图3，示出了根据本发明方面的一个或更多会话特征300。呼叫路由选择系统典型地将策略视为用于在特定方式下将使用者传送到操作者，所述的特定方式使用由各种对话特征组成的手工规则，诸如像在对话中至今仍被问及的问题数目。宁可依靠直觉也不构建规则，本发明以发现预言成功或失败的会话特征为目的，从对话记录的大型数据库中建立概率模型。用来学习模型的会话特征分成四大类：
· 系统和用户动作310(例如，询问用户在最上二个猜测之间进行挑选，用户按下一键，等等。)
· 对话概要特征320(例如，试图检测的名称数量；整个持续时间，等等。)
· n-最佳识别特征330(例如，可信度得分的范围通过语音识别子系统、方式、最大连续得分差异、第一/最末/全名最大频繁的计算来指定，等等。)
· 概括瞬时特征340(例如，与连续变化相匹配的再现第一名称的数量，等等。)
n-最佳识别特征330可以从语音识别器中衍生出来，并包括广义瞬时特征340以覆盖n-最佳列表的趋向。通过使用各不相同的大量特征信息，建立了三类模型(可以多于或少于三类)，以评价具有呼叫路由选择系统的对话最终结束时将要成功或者失败的可能性。
现在参考图4，在给定了根据本发明一方面所示的系统动作序列的情况下，概率树400显示了成功的可能性。以通过呼叫路由选择系统取得的动作序列为条件，可以确定成功的可能性，也就是说，p(SpeakFound|E)，其中观测证据E指的是迄今为止获得的所有系统动作，通过沿着动作序列计算情况的数量，所述的动作序列在沿着序列的情况总数之上产生的成功的结果。如图4所示，概率可以在视觉上显示成树400，其中每个分支代表系统动作。
下面的表1提供了从树400中提取出的几个会话分支的展开视图，其中n指的是在数据记录中达到所述状态的呼叫者的数量。根据概率树400，第一系统动作[操作者简介]仅有45％取得成功的机会，所述的第一系统动作给定了标准提示，还附加了短语“对于操作者，请按‘0’”。有趣的是，如果系统随后要求呼叫者重复整个名字，然后要求呼叫者在三个可能的猜测中选择一个，那么成功的可能性就上升到66％。针对于初始交互的成功可能性的增长对于具有作为一个整体的自动系统的会话而言是不规则的。典型地，动作序列或沿着所述树的路径越长，获得成功的可能越小。
表1：树的几个分支的延伸部分获取特定路径成功的概率。
                                    [Operator Intro](p：0.45，n：51134)
                                    [Operator Intro]＞＞[Repeat full name](p：0.45，n：20570)
                                    [Operator Intro]＞＞[Repeat full name]＞＞[Confirm from 3](p：0.66，n：156)
                                    [Operator Intro]＞＞[Repeat full name]＞＞[Confirm from 3]＞＞[Repeat first name](p：0.17，n：24)
                                    [Operator Intro]＞＞[Repeat full name]＞＞[Confirm from 3]＞＞[Repeat first name]＞＞[Repeat first name](p：0，n：8)
注：Operator Intro——操作者简介
Repeat full name——重复全名
Repeat first name——重复第一名
Confirm from 3——从3确认
临界概率树模型400的优势是简易性。建立树400所必需的数据是分别用于对话和最终结果的系统动作序列。像下面部分将要描述，系统动作序列正巧是确定成功的因素中最有预兆性的因素。这个模型400的缺点是动作序列越长或者沿着树的路径越长、用于建立成功可能性的健壮预测器的情况组就越稀疏。
图5示出了根据本发明一方面用于对话特征的依赖网络500。利用前面讨论的对话特征的四个种类，本发明的其他方面使用贝叶斯(Bayesian)结构学着去为预测的对话结果建立概率模型。执行结构检索和为不同给定数据的预言模型建立分数模型的贝叶斯学习工具可以用于学习预言模型。例如，WinMine工具包(Chichering等人，1997年)可以用于建立依靠网络以及相关的决策树，该决策树考虑作为输入变量的对话结果和其他会话特征。
为了下列依赖强度，用于预言结果的前五个会话特征在图表500中示出：(1)系统动作的序列，(2)在n-最佳识别列表中变换的计数值或数量，(3)用户试图说出名字的时间量，(4)由系统分派的最大可信度得分，以及(5)对话转换的数量——定义为提问—回答对。
依赖模型500在概率树中与查找共振，因为在概率树中强链接到结果的依赖是系统动作序列。在相应的用于依赖网络的决策树中，当尝试一个确认后，当系统识别或者未识别适当名字时，发现第一决策分裂发生。如果确认成功，则SpeakFound对话的可能性几乎确定在99％。否则，决策树500考虑其他对话特征以预测成功。与所述的观点一致，动作序列越长，成功的机会越低，发现后续五个强连接中的两个涉及对话的长度。剩下的三个特征是通过语音识别输出的参数。
给出成功的可能性紧密地依赖于对话的长度，分析指向决策规则如何分离第五强依赖，对话转换的数量。由于所述的分离在2次会话转换发生，数据组通过转换的数量、为第一转换、第二转换和比第二转换大的转换而构建的模型进行分解。
表2：用于一个对话转换、二个转换和多于两个转换的最高五个依赖。
                                      模型                                         第一个                                         第二个                                         第三个                                         第四个                                         第五个
                                      1次转换                                         交替的数目                                         得分范围                                         得分的倾斜度                                       会话转换的数目                                       得分的峰度
                                      2次转换                                         会话转换的数目                                         冗余的第一名                                         交替的数目                                        冗余的最后名                                       n-最佳列表的计算
                                      ＞2次转换                                         听到名称的数目                                         会话转换的数目                                         对话持续瞬时                                         得分和                                         交替的数目
表2显示了用于分别依赖网络模型的最高五个作用变量。注意，对于第一转换，几乎所有最高五个变量都涉及到通过语言识别产生的n-最佳识别列表，包括可信度得分的分布特征曲线，例如偏斜和峰度。然而，在移动到第二转换的过程中，一般瞬时特征开始活动，例如来自第一次会话转换的第一或最末名字在第二次转换中再次显露的瞬时最大值。在两个转换之后，对话特征更多涉及会话长度。
参看图6，是根据本发明一方面的马尔可夫依赖网络600。为了充实来自语音识别中的特征，所述的语言识别在下一个转换中可能是执行的预兆，建构用于n-最佳识别列表特征的马尔可夫对的瞬时依赖网络。图6示出了马尔可夫依赖网络600。由于n-最佳识别列表中交替的计数或数值一贯地被挑选为最强依赖的一个，所述的依赖网络示出了如何可能从转换t-1中的n-最佳列表特性中预测转换t中的交替数量。
为了评价如上所述概率模型的预测性能，将学习模型的分类准确度与为训练集捕获全面运行时间统计数字的边际模块进行比较。该模型从将初始数据组70/30拆分为训练和保持数据组中到结果。由于该随机模型的目标是引导关于调度的决策，所以结果变量被限制在两个可能的分类状态中：成功或失败，其中成功即相当于SpeakFound状态。表格3在下面给出了用于检验第一次会话转换、第二次转换、大于二次转换并最后检验完整数据组的在保持数据上分类任务的结果。
像用于各自会话转换数据组的边际具有第一对话转换上的最高准确度94％一样，局部对话模型的工作性能优于完整模型。在完整数据组上，完整模型也达到了85％，但是当该数据组通过会话转换分解后提供了差的结果。当然，增加数据的总量可以促进用于边际模型上会话转换的局部模型。
表3：边际、完整和局部对话模型的分类准确度。
                                        模型                                         转换1(5792)                                         转换2(3741)                                         转换＞2(2652)                                         结束(12185)
                                        边际                                         0.6979                                         0.6867                                         0.5199                                         0.6516
                                        完整                                         0.7029                                         0.699                                         0.3872                                         0.8514
                                        转换1                                         0.9404                                         n/a                                         n/a                                         n/a
                                        转换2                                         n/a                                         0.8083                                         n/a                                         n/a
                                       转换＞2                                         n/a                                         n/a                                         0.7164                                         n/a
除调查对话动作和成功中间的概率关系外，本发明的一个目标是利用动态决策中的概率模型，所述的概率模型关于从呼叫者到人工操作者转换的成本和利益。访问与自动系统进行对话的最终成功的概率，就如同会话的观测状态的功能，提供了实现此类决策的控制面。
从质量方面看，具有提供预测关于结果的能力的概率模型提供了一个供自动呼叫路由选择系统的管理者考虑对人工操作者的呼叫者的传递的指定优先权的立即路线。这种优先选择可以表示失败上的默认阈值，作为呼叫者将必须等待人工操作者的当前期望时间的功能，给定操作者上的当前负载。概率模型还可以用于呼叫中心设计。职工决策可以通过整个系统模型产生，通过考虑成功地选择呼叫路由的自动系统的概率性能来构建，关于等待时间的优先权，呼叫者音量的特征描述，和用于载等待操作者的队列中寻址呼叫者。
系统和方法可以为处理全面优化呼叫路由选择系统设计的挑战提供基于队列-理论的公式。在本发明中，决策理论分析用于为呼叫者提供最小的期望等待时间，给观测者关于具有自动系统的会话的性质和进度。
假定针对用户，与呼叫路由选择的进程有关的u(n，m，w)的应用是自动系统中运行的会话步骤的数目的功能，n，步骤的总附加的期望值，其将被用于具有自动路径选择系统的当前呼叫，m，和等待时间，w，与人工操作者有关的传输将是传递发生。注意，在一般情况下，不仅考虑总时间，还考虑交互步骤的性质。举例来说，即使全面结果是精确的，人们也可能对系统不良的识别感到非常地受挫。除了转换的次数和等待时间外，对于呼叫者的交互的应用也可能受其他因素的影响。例如：呼叫者对于与人工操作者相对的自动系统一起工作，可能具有消极的情绪反应。这类因素可以并入成本-利益分析中，在不定性下选择路由动作，考虑会话中各步骤的数量和特性。
图7是一个图表700，举例说明了取决于自动呼叫路由选择系统成功与否的会话步骤期望值的事前分布。为了继续与图6有关讨论的分析，假定交互的应用通过交互的时间成本来获取。该分析可以通过到交互有效总时间的步骤转换来概括，此处挫折通过增加具体步骤的有效总时间来获取。因此，一类解决方案是，假定u(n，m，w)通过有效的测量来获得，t(n，m，w)＝t(n)+t(m)+w。
对于哪里存在使用自动系统取得最终成功的情况，以及哪里存在由于任何原因自动路由选择失败(例如，用户按下“O”键访问操作者)和用户立即路由到人工操作者的情况，附加步骤的期望值可以在会话中的各点计算。图7显示了对于在0步骤——交互的开端成功的步骤的期望值。
本发明使用p(xfer|E，ξ)来表示交互将在某些点最后失败的概率，并且用户将在该点立即路由到人工操作者。在交互中的各点，预计算并可得到，p(xfer|E，ξ)和p(success|e，ξ)＝1-p(xfer|e，ξ)。此外预计算概率分布，p(m|E，xfer，ξ)——给定了最后失败的、超过附加的步骤数的概率分布，p(m| E，success，ξ)——给定了具有自动系统成功交互的、超过附加的步骤数的概率分布，并且对每个这些情况的步骤的期望值分别被标记为<m>和<m′>。
具有继续自动交互的期待附加等待时间，t0在会话的各点在不确定性下失败如下：
等式1：
ta＝p(xfer|E，ξ)(t(<m>)+w)+(1-p(xfer|E，ξ))t(<m’>)
与到排队的立即传递有关的、用于对人工操作者产生影响的等待时间是w。时间值和当前值是可以测量的，或可以在任意时间通过测量最近的平均等待时间或核对呼叫者等待操作者的队列来估计。在会话的当前位置，与继续自动交互对比有关的期望等待时间使得对于人工操作者可以一个立即自动传输到等待队列可以比较。也就是说，继续确定是否ta＞w。如果期望等待时间足够继续将用户与自动系统相接合(engage)，则为人工操作者将传递该用户到队列。
除采取近距离分析外，该本发明可以执行大量不同的预行估计，并在会话中远下游的点调用等式1计算期望等待时间，考虑用户将采用电流通路上以当前路径为条件的不同路径的不确定性，并将成功地达到每一下游的点。为用户使用决策理论测量约定，以最小化总等待时间。
此外，可以考虑处理呼叫的成本，所述的呼叫具有人工操作者，C，用于在作出决策时机构并采取机构的前途。优于仅仅按照时间和挫折向用户模拟所述的成本，除机构估计与用户的时间和挫折有关的成本之外，下面还像通过人工操作者处理呼叫的成本的功能一样，考虑机构的应用委派。
等式2：
呼叫处理的应用＝p(xfer|E，ξ)u(t(n)+t(<m>)+w)，C)
+(1-p(xfer|E，ξ))u(t(n)+t(<m’>).
在这些方面，考虑应用的机构的估计，u(t，c)，获取作为呼叫者经历等待时间功能的总成本和处理呼叫的金融成本。注意该成本也许不是常数；关于用户的选择和回应的证据可能用来更新超过成本p(C|E，ξ)的概率分布，并且期望成本可以代入等式2。
作为另一种扩展，也考虑通信总失败的成本，基于可能性中的合并，用户将在交互中挫折的各点简单地挂断，作为路径的功能，他们是接通的并在队列中等待时间。具有这个扩展，处理呼叫的期望成本的全面组织的考虑是：
等式3：
呼叫处理的应用＝
      1-p(fail|E，ξ)(p(xfer|E，ξ)u(t(n)+t(<m>)+w，C，success)+
                     (1-p(xfer|E，ξ)(u(t(n)+t(<m’>)，0，success)
                      +p(fail|E，ξ)u(u(t(n)+t(<m>)，0，fail)
在这些方面，考虑成本的应用的组织估计，u(t，C，outcome)，呼叫者经历的等待时间的功能，处理呼叫的金融成本，以及呼叫与断开最后是否完成或失败。呼叫者的损失表示为p(fail|E，ξ)。这样的应用模型可以扩大为包括更多详细模型，该详细模型关于呼叫者是否一直缺乏组织或直到进行另一次努力。
图8举例说明了用于呼叫路由选择和根据本发明作出决策的方法。为了说明简单化，该方法论被示出和描述为一系列的动作，可以明白和理解本发明并不由动作的顺序限定，根据本发明，一些动作可以按照不同顺序和/或同时与此处示出和描述的其它动作一起发生。例如，那些该领域技术人员将会懂得和理解，例如在状态表中方法论可以可选地表示为一系列相关状态或事件。而且，根据本发明并非会需要所有示出的动作来完成方法论。
进入802，本发明考虑到不同交互和基于自动呼叫路由系统的真实世界语音识别。如上指出的，这可以包括对各种系统组件和影响一个或多个系统性能变量的操作者交互的分析。在804，收集数据以确定系统不同方面的性能。这可以包括基于不同因素例如时间总量的呼叫应答统计、路由选择统计、成功或失败统计，例如呼叫者在被指向序列之前必须等待和人工操作者对话。在808，一个或多个概率模型可以根据数据来构建，该数据提供穿过呼叫路由选择系统的不同路径的概率，包括像与自动系统的交互是否成功这样的信息。在812，在用户与自动路径选择系统的交互中，在不同点也提供切换到人工操作者的值的决策-理论分析。
参考图9，用于实现本发明不同方面的示范性环境910包括计算机912。该计算机912包括处理部件914、系统存储器916和系统总线918。该系统总线918将包括但不限于系统存储器916系统元件与处理单元914相耦合。该处理单元914可以是任何不同的可用处理器，双微处理器及其他多处理机体系结构也可以用作处理单元914。
该系统总线918可以是包括存储器总线或存储控制器、外围总线或外部总线、和/或本地总线几种类型总线结构中的任意一个，上述几种总线结构使用任何可用的总线体系结构中的任一个，可用的总线体系结构包括但是不限于11位总线、工业标准体系结构(ISA)、微通道体系结构(MSA)、扩展ISA(EISA)、智能驱动电子电路(IDE)、VESA局部总线(VLB)、周边元件互联接口(PCI)、通用串行总线(USB)、高级图形口(AGP)、个人计算机存储卡国际协会总线(PCMCIA)和小型计算机系统接口(SCSI)。
该系统存储器916包括易失性存储器920和非易失存储器922。例如在启动期间，包含用于在计算机内部元件之间传送信息的基本例程的基本输入/输出系统(BIOS)存储在非易失存储器922内。以例示的方式，但并不作为限制，非易失存储器922可以包括只读存储器(ROM)、可编程只读存储器(PROM)、电可编程序只读存储器(EPROM)、电可擦只读存储器(EEPROM)或闪存。易失性存储器920包括随机存取存储器(RAM)、其用作外部高速缓冲存储器。以例示的方式，但并不作为限制，RAM为可用的许多形式，例如同步RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAN(DDR SDRAM)、加速SDRAM(ESDRAM)、同步链接DRAM(SLDRAM)和直接存储器总线RAM(DRRAM)。
计算机912还包括可移除/不可移除、易失/非易失计算机存储器介质。图9示出了，例如磁盘存储器924。磁盘存储器924包括，但是不局限于：像磁盘驱动器、软盘驱动器、磁带驱动器、Jaz驱动器、压缩驱动器、LS一100驱动器、闪存卡或记忆棒这样的装置。另外，磁盘存储器924可以单独包括存储器介质，或与包括但不限定为光盘驱动器的其他存储介质相结合的包括存储器介质，所述的光盘驱动器例如：光盘ROM设备(CD-ROM)、CD可记录驱动器(CD-R驱动器)、CD可重写驱动器(CD-RW驱动器)或数字化视频光盘(DVD-ROM)。为了便于磁盘存储设备924连接到系统总线918，可移除/不可移除接口通常使用接口926。
应当理解，图9描述了在用户和在适当的操作环境910中描述的基本计算机资源之间用作媒介物的软件。这样的软件包括操作系统928。可以存储在磁盘存储器924上的操作系统928，用于和分配计算机系统912的资源。系统应用程序930通过程序模块932和存储在系统存储器916或磁盘存储器924上的程序数据934，由操作系统928利用资源管理。可以理解，本发明可以由不同的操作系统或者操作系统的组合实现。
用户通过输入设备936向计算机912键入命令或信息。输入设备936包括但不限于定点设备，例如鼠标、跟踪球、指示笔、触摸垫、键盘、麦克风、操纵杆、游戏垫、圆盘式卫星电视天线、扫描仪、电视调谐卡、数码相机、数字摄像机、网络照相机等等。这些及其他输入装置经由接口端口938通过系统总线918连接到处理单元914。例如，接口端口938包括串行端口、并行端口、游戏端口和通用的串行总线(USB)。输出设备940使用与输入设备936相同类型的一些端口。因此，例如USB端口可以用于提供输入到计算机912及从计算机912输出信息到输出设备940。提供的输出适配器942示出了在需要其它特定适配器的其它输出设备940中存在某些输出装置940，如监视器、扬声器和打印机。作为示例但并不限定，输出适配器942包括视频和声卡，它们提供了在输出设备940和系统总线918之间的一种连接方法。应该指出，其他设备和/或设备系统提供了输入和输出的能力，例如远程计算机944。
路由器、网络PC、工作站、基于应用的微处理器、同级设备或其他公用网络节点等等，并且一般包括许多或所有相对于计算机912描述的元件。为了简洁起见，仅仅示出了存储器设备946和远程计算机944。远程计算机944通过网络接口948逻辑连接到计算机912上，然后经由通信连接950物理连接。网络接口948涵盖通信网络，例如局域网(LAN)和广域网(WAN)。LAN技术包括光纤分布式数据接口(FDDI)、铜线分布式数据接口(CDDI)、以太网/IEEE 1102.3，令牌网1102.5等等。WAN技术包括但不局限于点到点连接、线路转接网络如综合服务数字网路(ISDN)和其变体、分封式交换网络和数字用户链接(DSL)。
通信连接950指应用于连接网络接口948到总线918的硬件/软件。虽然为了清楚地示出，在计算机912内显示了通信连接950，但是其还可以在计算机912之外。仅仅为了说明的目的，连接网络接口948所必须的硬件/软件包括内部和外部技术，例如包括规则电话等级调制解调器、电缆调制解调器和DSL调制解调器、ISDN适配器和以太网卡的调制解调器。
图10是本发明可以作用的实例计算环境1000的示意性框图。该系统1000包括一个或多个客户端1010。该客户端1010可以是硬件和/或软件(例如，线程、进程、计算设备)。该系统1000也包括一个或多个服务器1030。该服务器1030还可以是硬件和/或软件(例如，线程、进程、计算设备)。例如，通过使用本发明，该服务器1030可以容纳线程以执行变换。在客户端1010和服务器1030之间的一种可能通信连接可以是适于在两个或更多计算机进程之间传输的数据包的形式。该系统1000包括通信构架1050，可以采用该通信构架来便于客户端1010与服务器1030之间的通信。该客户端1010可操作地连接到一个或多个客户端数据存储器1060，该客户端数据存储器1060用于存储客户端1010的本地信息。类似地，服务器1030可操作地连接到一个或多个客户端数据存储器1040，该客户端数据存储器1040用于存储服务器1030的本地信息。
上面已经描述了包括本发明的实例。当然为了描述本发明，不可能描述元件或方法的每个能想得到的组合，但是本领域的一个普通技术人员可能认识到本发明许多组合和替换是可能的。因此，本发明包括所有这样的替换、修改和变化，这些都落入所附加的权利要求的精神和范围之内。而且，对于在说明书或权利要求书中所使用的术语“包括”，该术语包含于类似术语“包含”的意思内，虽然“包含”在权利要求中使用时用作过渡词。

Claims (34)

1.一种自动呼叫路由选择系统，包括：
自动呼叫路由选择元件，用于将输入的呼叫路由到机构成员，并对一个或多个呼叫者提供自动回应；以及
与自动呼叫路由选择元件相关的决策模型，用于减少到操作者的传送呼叫，并确定呼叫路由选择，其中所述决策模型被训练为基于对过去的活动以及与所述呼叫路由选择元件之间的交互的数据记录来进行一个或多个决策。
2.如权利要求1所述的系统，进一步包括用于与呼叫者相通信的语音识别元件。
3.如权利要求1所述的系统，所述的决策模型从数据记录中训练。
4.如权利要求3所述的系统，所述的数据记录包括与找到说话者、未找到说话者、操作者请求、帮助请求、挂断、最大限度错误、未准备好指示和未定义种类中的至少一个相关的数据。
5.如权利要求1所述的系统，决策模型处理包括系统和用户动作中的至少一个、对话概要特色、n-最佳识别特征和概括瞬时特征中的一个或多个会话特征。
6.如权利要求5所述的系统，n-最佳识别特征源于语音识别，并且所述的概括瞬时特征包括一个或多个n-最佳识别特征列表之间的覆盖趋势。
7.如权利要求1所述的系统，决策模型使用概率树确定给定的系统动作序列成功的可能性。
8.如权利要求7所述的系统，决策模型确定成功找到说话者的概率p(SpeakFound|E)，其中，观测证据E指通过沿着动作序列计算许多记录情况而获得的系统动作，在整体数量情况上沿着该动作序列导致成功。
9.如权利要求1所述的系统，决策模型使用处理一种或多种作为输入变量的会话特征的依赖网络。
10.如权利要求9所述的系统，所述会话特征包括：系统动作序列、在n-最佳识别特征列表中变换的计数或数量、用户试图说出名字次数的数量、由呼叫路由选择系统分配的最大可信度得分和对话转换的数量，其中所述对话转换被定义为提问-回答对。
11.如权利要求1所述的系统，所述决策模型使用马尔可夫依赖网络。
12.如权利要求11所述的系统，进一步包括用于增加数据数量的元件，以便在边际模型上为会话转换增加局部模型。
13.如权利要求1所述的系统，所述的决策模型包括概率模型，用来执行关于将呼叫者切换到人工操作者的成本和收益的动态决策。
14.如权利要求13所述的系统，所述概率模型提供关于结果的预测，以便使得自动呼叫路由选择系统的管理者确定关于将呼叫者转移到人工操作者的优先选择。
15.如权利要求14所述的系统，所述优先选择表示为给定操作者的当前负载的情况下对失败承受的极限，作为呼叫者不得不等待人工操作者的当前期望时间的功能，所述概率模型能够用于呼叫中心设计。
16.如权利要求1所述的系统，所述决策模型通过考虑自动系统路由呼叫成功的概率性能、关于等待时间的优先权、呼叫者音量的特征以及在等待操作者的序列中寻址呼叫者所需的时间中的至少一个，以便于员工决策。
17.如权利要求16所述的系统，所述序列基于序列-理论公式而得到优化。
18.一种自动路由选择呼叫的方法，包括：
为使用呼叫路由选择系统确定应用模型；
基于过去系统呼叫活动的记录来训练所述应用模型以进行一个或多个统计决策；以及
基于所述一个或多个统计决策来自动将呼叫导向至少一个机构成员和操作者。
19.如权利要求18所述的方法，所述应用模型用于用户函数u(n，m，w)，与呼叫路由选择处理相关，所述用户函数为已采取的多个自动会话步骤的数量n，将与自动路由选择系统一起采取的步骤的整体期望数量m，以及用于转移到人工操作者的等待时间w的函数。
20.如权利要求19所述的方法，进一步包括处理用户挫折。
21.如权利要求19所述的方法，进一步包括处理负面情绪反应，以便于同相对于人工操作者的自动系统一起工作。
22.如权利要求19所述的方法，进一步包括考虑在会话中至少一个步骤的数量和特性，在不确定的情况下执行路由选择动作的成本-收益分析。
23.如权利要求18所述的方法，进一步包括根据交互的时间成本，确定交互的应用。
24.如权利要求23所述的方法，进一步包括为交互的有效总时间生成步骤的转化，其中通过特定步骤有效总时间的增加捕获挫折。
25.如权利要求23所述的方法，进一步包括执行产生p(xfer|E，ξ)和p(success|E，ξ)＝1-p(xfer|E，ξ)的预估计，其中p(xfer|E，ξ)表示交互将在某些点最后失败的概率，并且用户将在该点立即路由到人工操作者，p(success|E，ξ)表示交互将在某些点最后成功的概率。
26.如权利要求23所述的方法，进一步包括概率分布p(m|E，xfer，ξ)和p(m|E，success，ξ)的预估计以及用于情况的步骤的期望数量，分别标记为<m>和<m’>，其中p(m|E，xfer，ξ)表示最后失败的、超过附加的步骤数的概率分布，p(m|E，success，ξ)表示具有自动系统成功交互的、超过附加的步骤数的概率分布。
27.如权利要求26所述的方法，进一步包括确定继续自动交互而在不确定性下在对话中失败的各个点处的期望总体等待时间ta为：
ta＝p(xfer|E，ξ)(t(<m>)+w)
  +(1-p(xfer|E，ξ))(t(<m’>))，
其中与立即传送到序列中用于与人工操作者交互的等待时间为w。
28.如权利要求27所述的方法，进一步包括确定呼叫处理应用如下：
Utility of call handling＝p(xfer|E，ξ)u(t(n)+t(<m>)+w)，C)
           +(1-p(xfer|E，ξ))u(t(n)+t(<m’>))，
其中u(t，C)表示机构估计的应用关于呼叫者经历等待时间和处理呼叫的金融成本的函数。
29.如权利要求27所述的方法，进一步包括确定呼叫处理应用如下：
Utility of call handling＝
1-p(fail|E，ξ)(p(xfer|E，ξ)u(t(n)+t(<m>)+w，C，success)+
(1-p(xfer|E，ξ)(u(t(n)+t(<m’>)，0，success)
+p(fail|E，ξ)u(u(t(n)+t(<m>)，0，fail))，
其中u(t，C，outcome)表示机构估计的应用关于呼叫者经历的等待时间、处理呼叫的金融成本以及呼叫与断开最后是否完成或失败的函数。
30.如权利要求29所述的方法，处理人工操作者C的呼叫的成本依赖于呼叫者的需要或目标，并且从证据中推断。
31.如权利要求29所述的方法，进一步包括给定到目前为止所收集的证据的情况下，通过在成本上的概率分布p(C|E，ξ)的推断确定期望成本。
32.如权利要求18所述的方法，进一步包括为正在被传送到人工操作者的呼叫提供当前等待时间的在线感测。
33.如权利要求18所述的方法，进一步包括下面中的至少一个生成端对端系统，该系统继续记录、监视和建立模型中的至少一个；以及
为动作的有效性和审核自动设定参数、生成报告和生成路径。
34.如权利要求18所述的方法支持包括按键式路由选择和语音识别中至少一个的应用。
CN2004100631081A 2003-06-30 2004-05-28 从自动系统到人工操作者的呼叫处理的理想传送 Expired - Fee Related CN1592427B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/610,486 2003-06-30
US10/610,486 US20040264677A1 (en) 2003-06-30 2003-06-30 Ideal transfer of call handling from automated systems to human operators based on forecasts of automation efficacy and operator load

Publications (2)

Publication Number Publication Date
CN1592427A CN1592427A (zh) 2005-03-09
CN1592427B true CN1592427B (zh) 2011-01-26

Family

ID=33435409

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2004100631081A Expired - Fee Related CN1592427B (zh) 2003-06-30 2004-05-28 从自动系统到人工操作者的呼叫处理的理想传送

Country Status (8)

Country Link
US (2) US20040264677A1 (zh)
EP (1) EP1494499B1 (zh)
JP (1) JP2005027283A (zh)
KR (1) KR101099231B1 (zh)
CN (1) CN1592427B (zh)
AT (1) ATE420537T1 (zh)
BR (1) BRPI0403831A (zh)
DE (1) DE602004018875D1 (zh)

Families Citing this family (75)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7725307B2 (en) * 1999-11-12 2010-05-25 Phoenix Solutions, Inc. Query engine for processing voice based queries including semantic decoding
US7330895B1 (en) 2001-03-15 2008-02-12 Microsoft Corporation Representation, decision models, and user interface for encoding managing preferences, and performing automated decision making about the timing and modalities of interpersonal communications
US7372952B1 (en) 2002-03-07 2008-05-13 Wai Wu Telephony control system with intelligent call routing
US7870240B1 (en) 2002-06-28 2011-01-11 Microsoft Corporation Metadata schema for interpersonal communications management systems
US9818136B1 (en) 2003-02-05 2017-11-14 Steven M. Hoffberg System and method for determining contingent relevance
US7676034B1 (en) 2003-03-07 2010-03-09 Wai Wu Method and system for matching entities in an auction
US20050055216A1 (en) * 2003-09-04 2005-03-10 Sbc Knowledge Ventures, L.P. System and method for the automated collection of data for grammar creation
US20050069122A1 (en) * 2003-09-30 2005-03-31 Xiaofan Lin System and method for operator assisted automated call handling
US7552221B2 (en) 2003-10-15 2009-06-23 Harman Becker Automotive Systems Gmbh System for communicating with a server through a mobile communication device
DE602004010054T2 (de) * 2004-01-19 2008-03-06 Harman Becker Automotive Systems Gmbh Betätigung eines Sprachdialogsystems
EP1560199B1 (en) 2004-01-29 2008-07-09 Harman Becker Automotive Systems GmbH Multimodal data input
ATE415684T1 (de) * 2004-01-29 2008-12-15 Harman Becker Automotive Sys Verfahren und system zur sprachdialogschnittstelle
EP1562180B1 (en) * 2004-02-06 2015-04-01 Nuance Communications, Inc. Speech dialogue system and method for controlling an electronic device
US7844045B2 (en) * 2004-06-16 2010-11-30 Panasonic Corporation Intelligent call routing and call supervision method for call centers
US7580837B2 (en) 2004-08-12 2009-08-25 At&T Intellectual Property I, L.P. System and method for targeted tuning module of a speech recognition system
US7242751B2 (en) 2004-12-06 2007-07-10 Sbc Knowledge Ventures, L.P. System and method for speech recognition-enabled automatic call routing
US7436948B1 (en) * 2004-12-23 2008-10-14 Sprint Spectrum L.P. Method and system for timed interaction with an interactive voice response
US8332226B1 (en) * 2005-01-07 2012-12-11 At&T Intellectual Property Ii, L.P. System and method of dynamically modifying a spoken dialog system to reduce hardware requirements
US7751551B2 (en) 2005-01-10 2010-07-06 At&T Intellectual Property I, L.P. System and method for speech-enabled call routing
US7657020B2 (en) 2005-06-03 2010-02-02 At&T Intellectual Property I, Lp Call routing system and method of using the same
US8175253B2 (en) * 2005-07-07 2012-05-08 At&T Intellectual Property I, L.P. System and method for automated performance monitoring for a call servicing system
JP5394739B2 (ja) * 2005-08-09 2014-01-22 モバイル・ヴォイス・コントロール・エルエルシー 音声制御型ワイヤレス通信デバイス・システム
US20070043604A1 (en) * 2005-08-22 2007-02-22 Aspect Communications Corporation Methods and systems to obtain a relative frequency distribution describing a distribution of counts
US8874477B2 (en) 2005-10-04 2014-10-28 Steven Mark Hoffberg Multifactorial optimization system and method
US7818417B2 (en) * 2006-01-10 2010-10-19 International Business Machines Corporation Method for predicting performance of distributed stream processing systems
US20070168457A1 (en) * 2006-01-18 2007-07-19 International Business Machines Corporation Apparatus and method for addressing computer-related problems
JP4197344B2 (ja) * 2006-02-20 2008-12-17 インターナショナル・ビジネス・マシーンズ・コーポレーション 音声対話システム
US8494152B1 (en) 2006-02-28 2013-07-23 Allstate Insurance Company Systems and methods for automated call-handling and processing
US7599861B2 (en) 2006-03-02 2009-10-06 Convergys Customer Management Group, Inc. System and method for closed loop decisionmaking in an automated care system
JP2007272123A (ja) * 2006-03-31 2007-10-18 Toyota Central Res & Dev Lab Inc 音声操作システム
US8300798B1 (en) 2006-04-03 2012-10-30 Wai Wu Intelligent communication routing system and method
US7809663B1 (en) 2006-05-22 2010-10-05 Convergys Cmg Utah, Inc. System and method for supporting the utilization of machine language
US8379830B1 (en) * 2006-05-22 2013-02-19 Convergys Customer Management Delaware Llc System and method for automated customer service with contingent live interaction
JP4719654B2 (ja) * 2006-09-26 2011-07-06 富士通株式会社 応対者情報出力プログラム、応対者情報出力方法および応対者情報出力装置
US8204205B1 (en) 2007-02-08 2012-06-19 At&T Intellectual Property Ii, L.P. Method for increasing the efficiency of automated telephony systems
US8200663B2 (en) * 2007-04-25 2012-06-12 Chacha Search, Inc. Method and system for improvement of relevance of search results
WO2008132572A1 (en) * 2007-04-25 2008-11-06 Van Den Berg Barend Frederick Telephone call processing system amd method
US8126723B1 (en) 2007-12-19 2012-02-28 Convergys Cmg Utah, Inc. System and method for improving tuning using caller provided satisfaction scores
US8086596B2 (en) * 2008-05-15 2011-12-27 International Business Machines Corporation Healthcheck of information technology infrastructure based on log data
US20110153381A1 (en) * 2009-12-18 2011-06-23 Saryu Shah Method and System for Smart Queuing of Test Requests
US8396204B2 (en) * 2010-10-09 2013-03-12 Hewlett-Packard Development Company, L.P. Call center resource allocation
US8639508B2 (en) * 2011-02-14 2014-01-28 General Motors Llc User-specific confidence thresholds for speech recognition
US8601030B2 (en) * 2011-09-09 2013-12-03 International Business Machines Corporation Method for a natural language question-answering system to complement decision-support in a real-time command center
US9213695B2 (en) 2012-02-06 2015-12-15 Language Line Services, Inc. Bridge from machine language interpretation to human language interpretation
US9213693B2 (en) 2012-04-03 2015-12-15 Language Line Services, Inc. Machine language interpretation assistance for human language interpretation
WO2013188185A1 (en) * 2012-06-11 2013-12-19 Interactive Intelligence, Inc. Method and system for improving the productivity of calling agents and call yield
US10346542B2 (en) * 2012-08-31 2019-07-09 Verint Americas Inc. Human-to-human conversation analysis
CN104823157B (zh) 2012-09-12 2018-04-06 格林伊登美国控股有限责任公司 用于提供联络中心资源的动态弹性的系统和方法
US9912813B2 (en) 2012-11-21 2018-03-06 Genesys Telecommunications Laboratories, Inc. Graphical user interface with contact center performance visualizer
US9912812B2 (en) 2012-11-21 2018-03-06 Genesys Telecommunications Laboratories, Inc. Graphical user interface for configuring contact center routing strategies
US9628623B2 (en) 2012-11-21 2017-04-18 Genesys Telecommunications Laboratories, Inc. Graphical user interface for monitoring and visualizing contact center routing strategies
CN103118208B (zh) * 2013-01-29 2015-09-02 江苏电力信息技术有限公司 一种基于动态决策树的话务峰涌呼叫优化方法
JP6111802B2 (ja) * 2013-03-29 2017-04-12 富士通株式会社 音声対話装置及び対話制御方法
WO2015000161A1 (zh) * 2013-07-04 2015-01-08 华为技术有限公司 语音呼叫的处理方法、装置与系统
US9848084B2 (en) 2014-08-01 2017-12-19 Genesys Telecommunications Laboratories, Inc. Adaptable business objective routing for a contact center
CA3108009C (en) * 2014-08-01 2023-02-07 Greeneden U.S. Holdings Ii, Llc System and method for anticipatory dynamic customer segmentation for a contact center
US9781270B2 (en) 2014-08-01 2017-10-03 Genesys Telecommunications Laboratories, Inc. System and method for case-based routing for a contact
US9473632B2 (en) 2014-08-27 2016-10-18 Avaya Inc. System and method to improve self-service experience and optimize contact center resources
US9906648B2 (en) * 2014-09-23 2018-02-27 Interactive Intelligence Group, Inc. Method and system for prediction of contact allocation, staff time distribution, and service performance metrics in a multi-skilled contact center operation environment
US11621932B2 (en) * 2014-10-31 2023-04-04 Avaya Inc. System and method for managing resources of an enterprise
KR20170074246A (ko) 2014-11-03 2017-06-29 제넨테크, 인크. Ox40 효능제 치료의 효능 예측 및 평가용 방법 및 바이오마커
WO2016167424A1 (ko) * 2015-04-16 2016-10-20 주식회사 플런티코리아 답변 추천 장치, 자동 문장 완성 시스템 및 방법
CN105206269A (zh) * 2015-08-14 2015-12-30 百度在线网络技术（北京）有限公司 一种语音处理方法和装置
US9811519B2 (en) * 2015-09-24 2017-11-07 Conduent Business Services, Llc Generative discriminative approach for transactional dialog state tracking via collective matrix factorization
US10230846B2 (en) * 2016-05-17 2019-03-12 Facebook, Inc. Systems and methods for interacting with answering systems
US11270686B2 (en) * 2017-03-28 2022-03-08 International Business Machines Corporation Deep language and acoustic modeling convergence and cross training
US11257038B2 (en) * 2017-06-02 2022-02-22 Apple Inc. Event extraction systems and methods
US11316977B2 (en) * 2017-10-27 2022-04-26 Tata Consultancy Services Limited System and method for call routing in voice-based call center
US11163961B2 (en) 2018-05-02 2021-11-02 Verint Americas Inc. Detection of relational language in human-computer conversation
US11822888B2 (en) 2018-10-05 2023-11-21 Verint Americas Inc. Identifying relational segments
US10776252B1 (en) * 2018-11-27 2020-09-15 Walgreen Co. Crowd-sourced automatic generation of user interface tests for enterprise-specific mobile applications
US11769038B2 (en) 2019-04-12 2023-09-26 Optum, Inc. Contextually optimizing routings for interactions
US11250213B2 (en) * 2019-04-16 2022-02-15 International Business Machines Corporation Form-based transactional conversation system design
US11316980B2 (en) 2019-11-26 2022-04-26 International Business Machines Corporation Agent to bot transfer
CN112365099B (zh) * 2020-12-08 2024-03-19 南京大学 一种非确定性分离的web服务器集群伸缩方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1253457A (zh) * 1998-11-02 2000-05-17 新电黄页私人有限公司 自动通信路由选择系统和方法
CN1272034A (zh) * 1999-04-27 2000-11-01 罗克韦尔电子商业公司 基于技能的动态呼叫路由选择

Family Cites Families (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4747054A (en) * 1984-11-28 1988-05-24 Conoco Inc. Method for non-linear signal matching
US5291550A (en) * 1990-12-26 1994-03-01 At&T Bell Laboratories Dynamic network call distributor
US5848131A (en) * 1993-02-22 1998-12-08 Murex Securities, Ltd. Automatic information and routing system for telephonic services
US5555376A (en) * 1993-12-03 1996-09-10 Xerox Corporation Method for granting a user request having locational and contextual attributes consistent with user policies for devices having locational attributes consistent with the user request
US5493692A (en) * 1993-12-03 1996-02-20 Xerox Corporation Selective delivery of electronic messages in a multiple computer system based on context and environment of a user
US5812865A (en) * 1993-12-03 1998-09-22 Xerox Corporation Specifying and establishing communication data paths between particular media devices in multiple media device computing systems based on context of a user or users
US5561711A (en) * 1994-03-09 1996-10-01 Us West Technologies, Inc. Predictive calling scheduling system and method
US5519773A (en) * 1994-06-07 1996-05-21 Siemens Colm Communications Inc. Call sharing for inbound and outbound call center agents
US5530744A (en) * 1994-09-20 1996-06-25 At&T Corp. Method and system for dynamic customized call routing
US6092725A (en) * 1997-01-24 2000-07-25 Symbol Technologies, Inc. Statistical sampling security methodology for self-scanning checkout system
US6035104A (en) 1996-06-28 2000-03-07 Data Link Systems Corp. Method and apparatus for managing electronic documents by alerting a subscriber at a destination other than the primary destination
US7040541B2 (en) * 1996-09-05 2006-05-09 Symbol Technologies, Inc. Portable shopping and order fulfillment system
US6837436B2 (en) * 1996-09-05 2005-01-04 Symbol Technologies, Inc. Consumer interactive shopping system
US5896448A (en) * 1996-12-17 1999-04-20 Bellsouth Corporation Method and apparatus for routing calls based on call success history
US6409086B1 (en) * 1997-08-08 2002-06-25 Symbol Technolgies, Inc. Terminal locking system
US6480598B1 (en) * 1997-09-16 2002-11-12 Verizon Services Corp. Methods and apparatus for automating the telephone operator services
US5995805A (en) * 1997-10-17 1999-11-30 Lockheed Martin Missiles & Space Decision-theoretic satellite communications system
JPH11143488A (ja) * 1997-11-10 1999-05-28 Hitachi Ltd 音声認識装置
US6115462A (en) * 1998-01-09 2000-09-05 Gte Laboratories Incorporated Method and apparatus for efficient call routing
US7010501B1 (en) * 1998-05-29 2006-03-07 Symbol Technologies, Inc. Personal shopping system
US6640214B1 (en) * 1999-01-16 2003-10-28 Symbol Technologies, Inc. Portable electronic terminal and data processing system
US6812937B1 (en) * 1998-12-18 2004-11-02 Tangis Corporation Supplying enhanced computer user's context data
US6968333B2 (en) * 2000-04-02 2005-11-22 Tangis Corporation Soliciting information based on a computer user's context
US6466232B1 (en) * 1998-12-18 2002-10-15 Tangis Corporation Method and system for controlling presentation of information to a user based on the user's condition
US6791580B1 (en) * 1998-12-18 2004-09-14 Tangis Corporation Supplying notifications related to supply and consumption of user context data
US6842877B2 (en) * 1998-12-18 2005-01-11 Tangis Corporation Contextual responses based on automated learning techniques
US7080322B2 (en) * 1998-12-18 2006-07-18 Tangis Corporation Thematic response to a computer user's context, such as by a wearable personal computer
US6801223B1 (en) * 1998-12-18 2004-10-05 Tangis Corporation Managing interactions between computer users' context models
US6747675B1 (en) * 1998-12-18 2004-06-08 Tangis Corporation Mediating conflicts in computer user's context data
US6513046B1 (en) * 1999-12-15 2003-01-28 Tangis Corporation Storing and recalling information to augment human memories
US7107539B2 (en) * 1998-12-18 2006-09-12 Tangis Corporation Thematic response to a computer user's context, such as by a wearable personal computer
US7076737B2 (en) * 1998-12-18 2006-07-11 Tangis Corporation Thematic response to a computer user's context, such as by a wearable personal computer
US7055101B2 (en) * 1998-12-18 2006-05-30 Tangis Corporation Thematic response to a computer user's context, such as by a wearable personal computer
US6798876B1 (en) * 1998-12-29 2004-09-28 At&T Corp. Method and apparatus for intelligent routing of incoming calls to representatives in a call center
US6490698B1 (en) * 1999-06-04 2002-12-03 Microsoft Corporation Multi-level decision-analytic approach to failure and repair in human-computer interactions
US20010030664A1 (en) * 1999-08-16 2001-10-18 Shulman Leo A. Method and apparatus for configuring icon interactivity
JP3608449B2 (ja) * 1999-09-09 2005-01-12 日本電信電話株式会社 音声応答方法及び装置及び音声応答プログラムを格納した記憶媒体
US6353398B1 (en) * 1999-10-22 2002-03-05 Himanshu S. Amin System for dynamically pushing information to a user utilizing global positioning system
JP3444486B2 (ja) * 2000-01-26 2003-09-08 インターナショナル・ビジネス・マシーンズ・コーポレーション 音声認識手段を使用する自動音声応答システムおよび方法
JP3319457B2 (ja) * 2000-01-28 2002-09-03 三菱電機株式会社 電話音声応答システム
EP1176838A1 (en) 2000-07-24 2002-01-30 Hewlett-Packard Company, A Delaware Corporation A communication platform for providing computer telephony integration services to remote subscribers, and associated method
GB2386724A (en) * 2000-10-16 2003-09-24 Tangis Corp Dynamically determining appropriate computer interfaces
US20020054130A1 (en) * 2000-10-16 2002-05-09 Abbott Kenneth H. Dynamically displaying current status of tasks
US20020044152A1 (en) * 2000-10-16 2002-04-18 Abbott Kenneth H. Dynamic integration of computer generated and real world images
US20030035532A1 (en) * 2001-08-17 2003-02-20 International Business Machines Corporation Web-based distributed call center architecture
US6807274B2 (en) * 2002-07-05 2004-10-19 Sbc Technology Resources, Inc. Call routing from manual to automated dialog of interactive voice response system
US20040098274A1 (en) * 2002-11-15 2004-05-20 Dezonno Anthony J. System and method for predicting customer contact outcomes
USD494584S1 (en) * 2002-12-05 2004-08-17 Symbol Technologies, Inc. Mobile companion
US7310632B2 (en) * 2004-02-12 2007-12-18 Microsoft Corporation Decision-theoretic web-crawling and predicting web-page change

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1253457A (zh) * 1998-11-02 2000-05-17 新电黄页私人有限公司 自动通信路由选择系统和方法
CN1272034A (zh) * 1999-04-27 2000-11-01 罗克韦尔电子商业公司 基于技能的动态呼叫路由选择

Also Published As

Publication number Publication date
US7742591B2 (en) 2010-06-22
DE602004018875D1 (de) 2009-02-26
US20040264672A1 (en) 2004-12-30
KR20050004702A (ko) 2005-01-12
ATE420537T1 (de) 2009-01-15
JP2005027283A (ja) 2005-01-27
EP1494499A2 (en) 2005-01-05
EP1494499B1 (en) 2009-01-07
BRPI0403831A (pt) 2005-06-07
KR101099231B1 (ko) 2011-12-27
US20040264677A1 (en) 2004-12-30
EP1494499A3 (en) 2005-06-15
CN1592427A (zh) 2005-03-09

Similar Documents

Publication Publication Date Title
CN1592427B (zh) 从自动系统到人工操作者的呼叫处理的理想传送
KR102381214B1 (ko) 인간-기계 대화 방법, 장치 및 전자 기기
KR102121135B1 (ko) 기계 학습에 기반한 최적화된 컨택 센터 에이전트와의 라우팅 인터랙션
US9224147B2 (en) Customer service management system
KR101932876B1 (ko) 연락 센터용 지능형 자동 에이전트
US7412402B2 (en) Performance motivation systems and methods for contact centers
US20170111509A1 (en) Optimized routing of interactions to contact center agents based on machine learning
CN110392168B (zh) 呼叫处理方法、装置、服务器、存储介质和系统
CN108197167A (zh) 人机对话处理方法、设备及可读存储介质
US20080267386A1 (en) Performance Motivation Systems and Methods for Contact Centers
CN109760041A (zh) 基于聊天机器人的云管理系统及其操作方法
CN106993104A (zh) 来电处理方法、装置及终端
EP3149675A1 (en) Multi-tenant based analytics for contact centers
KR20210028480A (ko) 인공지능기반 상담지원장치
CN103250376B (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
Wewerka et al. Robotic Process Automation--A Systematic Literature Review and Assessment Framework
Horvitz et al. Complementary computing: policies for transferring callers from dialog systems to human receptionists
Ma et al. Performance assessment in an interactive call center workforce simulation
US20040042591A1 (en) Method and system for the processing of voice information
CN111212102A (zh) 任务推送管理方法及装置、系统、存储介质及电子设备
CN109726975A (zh) 基于工作流的项目开发方法、装置、设备及可读存储介质
WO2023154542A1 (en) Incident resolution system
Petitdemange et al. A tool-based framework to assess and challenge the responsiveness of emergency call centers
Bartolini et al. Modeling IT support organizations using multiple-priority queues
CN101482816B (zh) 中介软件桥接系统及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: MICROSOFT TECHNOLOGY LICENSING LLC

Free format text: FORMER OWNER: MICROSOFT CORP.

Effective date: 20150506

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20150506

Address after: Washington State

Patentee after: Micro soft technique license Co., Ltd

Address before: Washington State

Patentee before: Microsoft Corp.

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20110126

Termination date: 20180528