TWI841409B - 基於語音的商品推薦方法 - Google Patents
基於語音的商品推薦方法 Download PDFInfo
- Publication number
- TWI841409B TWI841409B TW112120577A TW112120577A TWI841409B TW I841409 B TWI841409 B TW I841409B TW 112120577 A TW112120577 A TW 112120577A TW 112120577 A TW112120577 A TW 112120577A TW I841409 B TWI841409 B TW I841409B
- Authority
- TW
- Taiwan
- Prior art keywords
- audio
- trained
- computing device
- determined
- client
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000004044 response Effects 0.000 claims abstract description 17
- 230000002996 emotional effect Effects 0.000 claims abstract description 9
- 230000001737 promoting effect Effects 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 4
- 235000013402 health food Nutrition 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000003796 beauty Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000001497 healthy food Nutrition 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一種基於語音的商品推薦方法，在接收到一銷售端音訊檔後，先利用一語音辨識技術，將該銷售端音訊檔轉換為一銷售端文字檔，並判定該銷售端文字檔是否包含一推薦關鍵字，再判定一客戶端音訊檔是否為一結束回應，且利用該語音辨識技術，將至少一待判定客戶端音訊檔轉換為至少一待判定客戶端文字檔，並獲得一待判定音訊特徵組，並根據該至少一待判定客戶端文字檔，利用一語意意願決策模型，獲得一意願程度，根據該待判定音訊特徵組，利用一情緒意願決策模型，獲得另一意願程度，最後根據該意願程度及該另一意願程度，獲得一購賣意願判定結果。
Description
本發明是有關於一種推薦方法，特別是指一種根據推銷通話判定客戶是否意願購買商品的基於語音的商品推薦方法。
以往的推銷手法是依靠銷售人員進行訪問、銷售，及後續服務，且可透過電話訪談或是網路訊息交談來向客戶進行推銷，以電話訪談來說，在銷售人員與客戶進行電話訪談的推銷過程中，由於銷售人員沒有與客戶面對面，無法藉由客戶的表情得知客戶當前的心情，或是銷售人員在與客戶通話時，無法經由客戶簡略的回覆得知客戶現在的心境及購買意願，可能會出現過度推銷的情況，導致客戶不耐煩，被掛電話，甚至有被客訴的風險，從而流失具有購買意願之潛在客戶，因此，勢必得提出一解決方案。
因此，本發明的目的，即在提供一種針對客服與客戶即時對話紀錄，來預測客戶對於商品之購買意願，避免錯失具有購買意願之潛在客戶的基於語音的商品推薦方法。
於是，本發明基於語音的商品推薦方法，藉由一運算裝置來實施，並包含以下步驟：
(A)該運算裝置在接收到一相關於一待推薦商品之一推銷通話的銷售端音訊檔後，該運算裝置利用一語音辨識技術，將該銷售端音訊檔轉換為一銷售端文字檔；
(B)該運算裝置判定該銷售端文字檔是否包含一相關於該待推薦商品之推薦關鍵字；
(C)當該運算裝置判定出該銷售端文字檔包含該推薦關鍵字時，該運算裝置在接收到該推銷通話的一客戶端音訊檔後，該運算裝置判定該客戶端音訊檔是否為一相關於該待推薦商品的結束回應；
(D)當該運算裝置判定出該客戶端音訊檔為該結束回應時，該運算裝置將該推銷通話中自出現該推薦關鍵字到判定出該結束回應所接收到的客戶端音訊檔作為至少一待判定客戶端音訊檔，並利用該語音辨識技術，將該至少一待判定客戶端音訊檔轉換為至少一待判定客戶端文字檔；
(E)該運算裝置根據該至少一待判定客戶端音訊檔及該至少一待判定客戶端文字檔，獲得一待判定音訊特徵組；
(F)該運算裝置根據該至少一待判定客戶端文字檔，利用一用於依據所輸入之文字內容獲得一指示出購買意願之意願程度的語意意願決策模型，獲得該至少一待判定客戶端文字檔對應的一意願程度；
(G)該運算裝置根據該待判定音訊特徵組，利用一用於依據所輸入音訊特徵組獲得另一指示出購買意願之意願程度的情緒意願決策模型，獲得該待判定音訊特徵組對應的另一意願程度；及
(H)該運算裝置根據該意願程度及該另一意願程度，獲得相關於該客戶端音訊檔所對應之客戶的一購賣意願判定結果。
本發明的功效在於： 藉由該運算裝置利用該語音辨識技術，將該銷售端音訊檔轉換為該銷售端文字檔，且在判定出該銷售端文字檔包含該推薦關鍵字及該客戶端音訊檔為該結束回應後，利用該語音辨識技術，將該至少一待判定客戶端音訊檔轉換為該至少一待判定客戶端文字檔，並獲得該待判定音訊特徵組，且根據利用該語意意願決策模型及該情緒意願決策模型所分別獲得的該意願程度及該另一意願程度，獲得該購賣意願判定結果，以達成即時預測該客戶對於該待推薦商品之購買意願，進而避免錯失具有購買意願之潛在客戶。
參閱圖1，本發基於語音的商品推薦方法之實施例，藉由一運算裝置來實施，該運算裝置包含一儲存模組1、一顯示模組2及一電連接該儲存模組1及該顯示模組2的處理模組3。該運算裝置之實施態樣例如為一伺服器、一個人電腦、一筆記型電腦、一平板電腦或一智慧型手機等。
該儲存模組1儲存有多筆對應多個測試者之待訓練音訊資料、多個對應該等待訓練音訊資料之購買意願標記，及多筆對應不同類商品之商品資訊，每筆待訓練音訊資料包含至少一待訓練音訊檔，每筆商品資訊包含一推銷商品及一與該推銷商品相關之另一推銷商品，其中每一購買意願標記為一第一購買意願、一第二購買意願、一第三購買意願，及一第四購買意願之其中一者，該第一購買意願為十分願意購買，該第四購買意願為不願意購買，該第三購買意願之意願是介於該第一購買意願及該第四購買意願之間，該第二購買意願之意願是介於該第一購買意願及該第三購買意願之間。每筆商品資訊如下表1所示，下表1統計出不同消費族群與不同推銷商品之關聯程度，若其中一推銷商品為保健食品，則與該推銷商品最相關之另一推銷商品為保險。
表1
| 推銷商品 消費族群 | 保健食品 | 保險 | 美容商品 | 食品飲料 | 汽機車用品 |
| 金融族群 | 51% | 58% | 17% | 24% | 35% |
| 銀髮族 | 66% | 55% | 18% | 12% | 6% |
| 通勤族群 | 38% | 31% | 45% | 6% | 68% |
| 露營族群 | 2% | 8% | 26% | 52% | 3% |
| 健身族群 | 18% | 12% | 48% | 46% | 39% |
| 美容族群 | 3% | 10% | 51% | 28% | 2% |
以下將藉由本發明基於語音的商品推薦方法的實施例來說明該運算裝置的運作細節。本實施例依序包含一模型建立程序及一商品推薦程序。
參閱圖1與圖2，該模型建立程序說明了如何獲得一用於依據所輸入之文字內容獲得一指示出購買意願之意願程度的語意意願決策模型及一用於依據所輸入音訊特徵組獲得另一指示出購買意願之意願程度的情緒意願決策模型，並包含下列步驟。
在步驟601中，對於每一待訓練音訊資料，該處理模組3利用一語音辨識技術(speech recognition)，將該待訓練音訊資料中之該至少一待訓練音訊檔轉換為至少一待訓練文字檔。其中該語音辨識技術亦可為高斯混合模型(Gaussian mixture model)、隱藏式馬爾夫模型(Hidden Markov Model)或注意力機制模型(Attention-Based Model)，但不以此為限。由於本發明之特徵並不在於熟知此技藝者所已知的語音轉文字的細部運作，為了簡潔，故在此省略了他們的細節。
在步驟602中，對於每一待訓練音訊資料，該處理模組3將該待訓練音訊資料所對應之該至少一待訓練文字檔及購買意願標記作為一組待訓練語意資料。
在步驟603中，該處理模組3根據該等待訓練語意資料，利用一機器學習演算法，獲得該語意意願決策模型。其中該機器學習演算法為TextRank演算法、詞頻跟逆向文件頻率TF-IDF(Term Frequency–Inverse Document Frequency，簡稱TF-IDF)演算法或RAKE演算法(Rapid Automatic keyword extraction)，但不以此為限。
在步驟604中，對於每一待訓練音訊資料，該處理模組3根據該待訓練音訊資料之該至少一待訓練音訊檔，獲得一待訓練音訊分貝及一待訓練音訊頻率。值得特別說明的是，該處理模組3可以計算所有待訓練音訊檔之平均分貝，以獲得該待訓練音訊分貝，或是自所有待訓練音訊檔中獲得最高分貝，以獲得該待訓練音訊分貝，或是自所有待訓練音訊檔中獲得最低分貝，以獲得該待訓練音訊分貝，但不以此為限。該處理模組3可以計算所有待訓練音訊檔之平均頻率，以獲得該待訓練音訊頻率，或是自所有待訓練音訊檔中獲得最高頻率，以獲得該待訓練音訊頻率，或是自所有待訓練音訊檔中獲得最低頻率，以獲得該待訓練音訊頻率，但不以此為限。
在步驟605中，對於每一待訓練音訊資料，該處理模組3根據該待訓練音訊資料中之至少一待訓練音訊檔之時間長度及該至少一待訓練文字檔，獲得一待訓練音訊速度。
在步驟606中，對於每一待訓練音訊資料，該處理模組3將該待訓練音訊資料所對應之待訓練音訊分貝、待訓練音訊頻率、待訓練音訊速度及購買意願標記作為一待訓練語音資料。
在步驟607中，該處理模組3根據該等待訓練語音資料，利用另一機器學習演算法，獲得該情緒意願決策模型。其中該另一機器學習演算法為邏輯回歸分析(Logistic Regression)演算模型、支持向量機(Support Vector Machines，簡稱SVM)演算模型、K-近鄰(K-Nearest Neighbor，簡稱KNN)演算模型、決策樹(Decision tree)演算模型、高斯混合模型(Gaussian mixture model)，或隱藏式馬爾夫模型(Hidden Markov Model)，但不以此為限。
然而，在其他實施方式中，步驟602~步驟603及步驟604~步驟607亦可平行運作，並不以此為限。
參閱圖1與圖3，該商品推薦程序說明了如何分析一客戶之購買意願並推薦商品，且包含以下步驟。
在步驟701中，該處理模組3在接收到一相關於一待推薦商品之一推銷通話的銷售端音訊檔後，該處理模組3利用該語音辨識技術，將該銷售端音訊檔轉換為一銷售端文字檔。
在步驟702中，該處理模組3判定該銷售端文字檔是否包含一相關於該待推薦商品之推薦關鍵字。當該處理模組3判定出該銷售端文字檔包含該推薦關鍵字時，流程進行步驟703；當該處理模組3判定出該銷售端文字檔不包含該推薦關鍵字時，流程回到步驟701，以接收下一銷售端音訊檔。其中該處理模組3是判定該銷售端文字檔之該等訪問句子是否包含該推薦關鍵字。
在步驟703中，該處理模組3在接收到該推銷通話的一客戶端音訊檔後，該處理模組3判定該客戶端音訊檔是否為一相關於該待推薦商品的結束回應。當該處理模組3判定出該客戶端音訊檔為該結束回應時，流程進行步驟704；當該處理模組3判定出該客戶端音訊檔不為該結束回應時，流程回到步驟703，以接收下一客戶端音訊檔。其中，該處理模組3係利用一端點偵測技術(End-point Detection)判定該客戶端音訊檔中的一靜音期間是否位於一預設時間區間(例如，10秒，但不以此為限)，以判定該客戶端音訊檔是否為該結束回應。由於本發明之特徵並不在於熟知此技藝者所已知的該端點偵測技術的細部運作，為了簡潔，故在此省略了他們的細節。
在步驟704中，該處理模組3將該推銷通話中自出現該推薦關鍵字到判定出該結束回應所接收到的客戶端音訊檔作為至少一待判定客戶端音訊檔，並根據該至少一待判定客戶端音訊檔利用該語音辨識技術，將該至少一待判定客戶端音訊檔轉換為至少一待判定客戶端文字檔。
在步驟705中，該處理模組3根據該至少一待判定客戶端文字檔，利用該語意意願決策模型，獲得該至少一待判定客戶端文字檔對應的該意願程度。
在步驟706中，該處理模組3根據該至少一待判定客戶端音訊檔及該至少一待判定客戶端文字檔，獲得一待判定音訊特徵組。
參閱圖1與圖4，值得特別說明的是，步驟706包含以下子步驟。
在步驟706a中，該處理模組3根據該至少一待判定客戶端音訊檔，獲得一待判定音訊分貝及一待判定音訊頻率。值得特別說明的是，該處理模組3可以計算所有待判定客戶端音訊檔之平均分貝，以獲得該待判定音訊分貝，或是自所有待判定客戶端音訊檔中獲得最高分貝，以獲得該待判定音訊分貝，或是自所有待判定客戶端音訊檔中獲得最低分貝，以獲得該待判定音訊分貝，但不以此為限。該處理模組3可以計算所有待判定客戶端音訊檔之平均頻率，以獲得該待判定音訊頻率，或是自所有待判定客戶端音訊檔中獲得最高頻率，以獲得該待判定音訊頻率，或是自所有待判定客戶端音訊檔中獲得最低頻率，以獲得該待判定音訊頻率，但不以此為限。
在步驟706b中，該處理模組3根據該至少一待判定客戶端音訊檔之時間長度及該至少一待判定客戶端文字檔，獲得一待判定音訊速度。
在步驟706c中，該處理模組3將該待判定音訊分貝、該待判定音訊頻率及該待判定音訊速度作為該待判定音訊特徵組。
在步驟707中，該處理模組3根據該待判定音訊特徵組，利用該情緒意願決策模型，獲得該待判定音訊特徵組對應的該另一意願程度。
在步驟708中，該處理模組3根據該意願程度及該另一意願程度，獲得相關於該客戶端音訊檔所對應之客戶的一購賣意願判定結果。
在步驟709中，該處理模組3判定該購買意願判定結果是否為是。當該處理模組3判定出該購買意願判定結果為是時，流程進行步驟710；當該處理模組3判定出該購買意願判定結果為否時，流程進行步驟713。
在步驟710中，該處理模組3產生並藉由該顯示模組2呈現一指示出該客戶願意購買該待推薦商品之購買意願通知。
在步驟711中，該處理模組3自該等商品資訊中對應有該待推薦商品之目標商品資訊，獲得該目標商品資訊之該待推薦商品所對應之另一待推銷商品以作為下一待推薦商品。
在步驟712中，該處理模組3藉由該顯示模組2呈現該下一待推銷商品，且流程回到步驟701，以接續進行下一待推薦商品之推銷與購買意願判斷。舉例來說，參閱表1，若該待推薦商品為保健食品，則該另一待推銷商品為與保健食品關聯度最高之保險。
在步驟713中，該處理模組3產生並藉由該顯示模組2呈現另一指示出該客戶不願意購買該待推薦商品之購買意願通知。
在步驟714中，該處理模組3自該等商品資訊中獲得另一目標商品資訊中的推銷商品以作為下一待推薦商品。
在步驟715中，該處理模組3藉由該顯示模組2呈現該另一目標商品資訊所對應之下一待推銷商品，並流程回到步驟701，以接續進行下一待推薦商品之推銷與購買意願判斷。舉例來說，參閱表1，若該目標商品資訊之待推薦商品為保健食品，則該另一目標商品資訊中的推銷商品為汽機車用品，但不以此為限。
藉此以提商品的銷售率，然而，在其他實施方式中，步驟705及步驟706~步驟707亦可平行運作，並不以此為限。
值得特別說明的是，若在步驟709中，該處理模組3判定出該購買意願結果為否超過兩次(不以此為限)，則該處理模組3在藉由該顯示模組2呈現該另一購買意願通知後，流程結束；若在步驟709中，該處理模組3判定出該購買意願結果為是有兩次(不以此為限)的前提下，第三次之判定結果為該購買意願結果若為否，則該處理模組3在藉由該顯示模組2呈現該另一購買意願通知後，流程結束，以避免有過度推銷之情形。
綜上所述，本發明基於語音的商品推薦方法，藉由該處理模組3在接收到該銷售端音訊檔後，先利用該語音辨識技術，將該銷售端音訊檔轉換為該銷售端文字檔，並判定該銷售端文字檔是否包含該推薦關鍵字，再判定該客戶端音訊檔是否為該結束回應，且利用該語音辨識技術，將該至少一待判定客戶端音訊檔轉換為該至少一待判定客戶端文字檔，接著獲得該待判定音訊特徵組，並根據該至少一待判定客戶端文字檔，利用該語意意願決策模型，獲得該意願程度，然後根據該待判定音訊特徵組，利用該情緒意願決策模型，獲得該另一意願程度，最後根據該意願程度及該另一意願程度，獲得該購賣意願判定結果，並判定該購賣意願判定結果是否為是，當判定出為是時，產生並呈現該購買意願通知，並接續進行對應該目標商品資訊之下一待推薦商品之推銷與購買意願判斷，當判定出不為是時，產生並呈現該另一購買意願通知，並接續進行對應該另一目標商品資訊之下一待推薦商品之推銷與購買意願判斷，藉此以即時且準確地推估出客戶之購買意願，故確實能達成本發明的目的。
惟以上所述者，僅為本發明的實施例而已，當不能以此限定本發明實施的範圍，凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾，皆仍屬本發明專利涵蓋的範圍內。
1:儲存模組
2:顯示模組
3:處理模組
601~607:步驟
701~715:步驟
706a~706c:子步驟
本發明的其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中：
圖1是一方塊圖，說明實施本發明基於語音的商品推薦方法之實施例的一運算裝置；
圖2是一流程圖，說明本發明基於語音的商品推薦方法之實施例的一模型建立程序；
圖3是一流程圖，說明本發明基於語音的商品推薦方法之實施例的一商品推薦程序；及
圖4是一流程圖，說明該商品推薦程序如何獲得語音特徵組之細部流程。
701~715:步驟
Claims (8)
- 一種基於語音的商品推薦方法，藉由一運算裝置來實施，該運算裝置還儲存有多筆對應多個測試者之待訓練音訊資料及多個對應該等待訓練音訊資料之購買意願標記，每筆待訓練音訊資料包含至少一待訓練音訊檔，並包含以下步驟：(A)對於每一待訓練音訊資料，該運算裝置根據該待訓練音訊資料之該至少一待訓練音訊檔，獲得一待訓練音訊分貝及一待訓練音訊頻率；(B)對於每一待訓練音訊資料，該運算裝置利用一語音辨識技術，將該待訓練音訊資料中之至少一待訓練音訊檔轉換為至少一待訓練文字檔；(C)對於每一待訓練音訊資料，該運算裝置根據該待訓練音訊資料中之至少一待訓練音訊檔之時間長度及該至少一待訓練文字檔，獲得一待訓練音訊速度；(D)對於每一待訓練音訊資料，該運算裝置將該待訓練音訊資料所對應之待訓練音訊分貝、待訓練音訊頻率、待訓練音訊速度及購買意願標記作為一待訓練語音資料；(E)該運算裝置根據該等待訓練語音資料，利用另一機器學習演算法，獲得該情緒意願決策模型；(F)該運算裝置在接收到一相關於一待推薦商品之一推銷通話的銷售端音訊檔後，該運算裝置利用該語音辨識 技術，將該銷售端音訊檔轉換為一銷售端文字檔；(G)該運算裝置判定該銷售端文字檔是否包含一相關於該待推薦商品之推薦關鍵字；(H)當該運算裝置判定出該銷售端文字檔包含該推薦關鍵字時，該運算裝置在接收到該推銷通話的一客戶端音訊檔後，該運算裝置判定該客戶端音訊檔是否為一相關於該待推薦商品的結束回應；(I)當該運算裝置判定出該客戶端音訊檔為該結束回應時，該運算裝置將該推銷通話中自出現該推薦關鍵字到判定出該結束回應所接收到的客戶端音訊檔作為至少一待判定客戶端音訊檔，並利用該語音辨識技術，將該至少一待判定客戶端音訊檔轉換為至少一待判定客戶端文字檔；(J)該運算裝置根據該至少一待判定客戶端音訊檔及該至少一待判定客戶端文字檔，獲得一待判定音訊特徵組；(K)該運算裝置根據該至少一待判定客戶端文字檔，利用一用於依據所輸入之文字內容獲得一指示出購買意願之意願程度的語意意願決策模型，獲得該至少一待判定客戶端文字檔對應的一意願程度；(L)該運算裝置根據該待判定音訊特徵組，利用一用於依據所輸入音訊特徵組獲得另一指示出購買意願之意 願程度的情緒意願決策模型，獲得該待判定音訊特徵組對應的另一意願程度；及(M)該運算裝置根據該意願程度及該另一意願程度，獲得相關於該客戶端音訊檔所對應之客戶的一購賣意願判定結果。
- 如請求項1所述的基於語音的商品推薦方法，其中，在步驟(H)中，該運算裝置係藉由判定該客戶端音訊檔中的一靜音期間是否位於一預設時間區間，以判定該客戶端音訊檔是否為該結束回應。
- 如請求項1所述的基於語音的商品推薦方法，其中，在步驟(J)中，包含以下子步驟：(J-1)該運算裝置根據該至少一待判定客戶端音訊檔，獲得一待判定音訊分貝及一待判定音訊頻率；(J-2)該運算裝置根據該至少一待判定客戶端音訊檔之時間長度及該至少一待判定客戶端文字檔，獲得一待判定音訊速度；及(J-3)該運算裝置將該待判定音訊分貝、該待判定音訊頻率及該待判定音訊速度作為該待判定音訊特徵組。
- 如請求項1所述的基於語音的商品推薦方法，該運算裝置儲存有多筆對應不同類商品之商品資訊，每筆商品資訊包含一推銷商品及一與該推銷商品相關之另一推銷商品，在步驟(M)之後，還包含以下步驟： (N)該運算裝置判定該購買意願判定結果是否為是；(O)當該運算裝置判定出該購買意願判定結果為是時，該運算裝置產生並呈現一指示出該客戶願意購買該待推薦商品之購買意願通知；及(P)該運算裝置自該等商品資訊中對應有該待推薦商品之目標商品資訊，獲得該目標商品資訊之該待推薦商品所對應之另一待推銷商品以作為下一待推薦商品，並回到步驟(F)。
- 如請求項4所述的基於語音的商品推薦方法，在步驟(N)之後，還包含以下步驟：(Q)當該運算裝置判定出該購買意願判定結果為否時，該運算裝置產生並呈現另一指示出該客戶不願意購買該待推薦商品之購買意願通知；及(R)該運算裝置自該等商品資訊中獲得另一目標商品資訊中的推銷商品以作為下一待推薦商品，並回到步驟(F)。
- 如請求項1所述的基於語音的商品推薦方法，在步驟(G)後，還包含以下步驟：(S)當該運算裝置判定出該銷售端文字檔不包含該推薦關鍵字時，回到步驟(F)，以接收下一銷售端音訊檔。
- 如請求項1所述的基於語音的商品推薦方法，在步驟(H)後，包含以下步驟： (T)當該運算裝置判定出該客戶端音訊檔不為該結束回應時，回到步驟(H)，以接收下一客戶端音訊檔。
- 如請求項1所述的基於語音的商品推薦方法，該運算裝置還儲存有多筆對應多個測試者之待訓練音訊資料及多個對應該等待訓練音訊資料之購買意願標記，每筆待訓練音訊資料包含至少一待訓練音訊檔，在步驟(F)之前，還包含以下步驟：(U)對於每一待訓練音訊資料，該運算裝置利用該語音辨識技術，將該待訓練音訊資料中之該至少一待訓練音訊檔轉換為至少一待訓練文字檔；(V)對於每一待訓練音訊資料，該運算裝置將該待訓練音訊資料所對應之至少一待訓練文字檔及購買意願標記作為一組待訓練語意資料；及(W)該運算裝置根據該等待訓練語意資料，利用一機器學習演算法，獲得該語意意願決策模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW112120577A TWI841409B (zh) | 2023-06-01 | 2023-06-01 | 基於語音的商品推薦方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW112120577A TWI841409B (zh) | 2023-06-01 | 2023-06-01 | 基於語音的商品推薦方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TWI841409B true TWI841409B (zh) | 2024-05-01 |
Family
ID=92077016
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW112120577A TWI841409B (zh) | 2023-06-01 | 2023-06-01 | 基於語音的商品推薦方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI841409B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108764485A (zh) * | 2011-01-06 | 2018-11-06 | 电子湾有限公司 | 计算建议工具中的兴趣度推荐 |
| TWM573484U (zh) * | 2018-11-16 | 2019-01-21 | 顯榮國際股份有限公司 | Smart phone marketing system |
| CN109690602A (zh) * | 2017-05-26 | 2019-04-26 | 微软技术许可有限责任公司 | 在自动聊天中提供产品推荐 |
| CN109949071A (zh) * | 2019-01-31 | 2019-06-28 | 平安科技（深圳）有限公司 | 基于语音情绪分析的产品推荐方法、装置、设备和介质 |
| CN110709869A (zh) * | 2017-06-15 | 2020-01-17 | 谷歌有限责任公司 | 用于在聊天对话中与嵌入式应用一起使用的建议项目 |
| TWI714090B (zh) * | 2019-02-26 | 2020-12-21 | 國際康健人壽保險股份有限公司 | 機器人電話行銷系統及其計算機裝置與回應訊息產生方法 |
| TWM618782U (zh) * | 2021-08-05 | 2021-10-21 | 中國信託商業銀行股份有限公司 | 即時分析回覆設備 |
| CN115151936A (zh) * | 2020-02-25 | 2022-10-04 | 利维帕尔森有限公司 | 用于呼叫中心响应生成的意图分析 |
| TW202312144A (zh) * | 2021-09-14 | 2023-03-16 | 中國信託商業銀行股份有限公司 | 業務辦理意願判定方法及其運算裝置 |
-
2023
- 2023-06-01 TW TW112120577A patent/TWI841409B/zh active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108764485A (zh) * | 2011-01-06 | 2018-11-06 | 电子湾有限公司 | 计算建议工具中的兴趣度推荐 |
| CN109690602A (zh) * | 2017-05-26 | 2019-04-26 | 微软技术许可有限责任公司 | 在自动聊天中提供产品推荐 |
| CN110709869A (zh) * | 2017-06-15 | 2020-01-17 | 谷歌有限责任公司 | 用于在聊天对话中与嵌入式应用一起使用的建议项目 |
| TWM573484U (zh) * | 2018-11-16 | 2019-01-21 | 顯榮國際股份有限公司 | Smart phone marketing system |
| CN109949071A (zh) * | 2019-01-31 | 2019-06-28 | 平安科技（深圳）有限公司 | 基于语音情绪分析的产品推荐方法、装置、设备和介质 |
| TWI714090B (zh) * | 2019-02-26 | 2020-12-21 | 國際康健人壽保險股份有限公司 | 機器人電話行銷系統及其計算機裝置與回應訊息產生方法 |
| CN115151936A (zh) * | 2020-02-25 | 2022-10-04 | 利维帕尔森有限公司 | 用于呼叫中心响应生成的意图分析 |
| TWM618782U (zh) * | 2021-08-05 | 2021-10-21 | 中國信託商業銀行股份有限公司 | 即時分析回覆設備 |
| TW202312144A (zh) * | 2021-09-14 | 2023-03-16 | 中國信託商業銀行股份有限公司 | 業務辦理意願判定方法及其運算裝置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10896428B1 (en) | Dynamic speech to text analysis and contact processing using agent and customer sentiments | |
| US10049664B1 (en) | Determining application experience based on paralinguistic information | |
| US11017775B1 (en) | Systems and methods to utilize text representations of conversations | |
| US10771627B2 (en) | Personalized support routing based on paralinguistic information | |
| US10262195B2 (en) | Predictive and responsive video analytics system and methods | |
| US10068588B2 (en) | Real-time emotion recognition from audio signals | |
| US20200195779A1 (en) | System and method for performing agent behavioral analytics | |
| US11144964B2 (en) | System for assisting in marketing | |
| US11763823B2 (en) | Automatically recognizing and surfacing important moments in multi-party conversations | |
| US20190130900A1 (en) | Voice interactive device and voice interactive method using the same | |
| WO2019241619A1 (en) | Deep actionable behavioral profiling and shaping | |
| JP6548974B2 (ja) | 営業支援情報提供システム及び営業支援情報提供方法 | |
| TWI714090B (zh) | 機器人電話行銷系統及其計算機裝置與回應訊息產生方法 | |
| TWI841409B (zh) | 基於語音的商品推薦方法 | |
| US11743384B2 (en) | Real-time agent assistance using real-time automatic speech recognition and behavioral metrics | |
| US20130243207A1 (en) | Analysis system and method for audio data | |
| KR102564513B1 (ko) | 감성 기반 추천 시스템 및 방법 | |
| TWI841866B (zh) | 業務辦理意願判定方法及其運算裝置 | |
| TWM621578U (zh) | 用於判定業務辦理意願的運算裝置 | |
| US11783835B2 (en) | Systems and methods for utilizing contextual information of human speech to generate search parameters | |
| Chang et al. | Using Machine Learning to Extract Insights from Consumer Data | |
| EP2874110A1 (en) | A method and a system to obtain data from voice analysis in a communication and computer programs products thereof | |
| Chang et al. | Machine Learning and Consumer Data | |
| US11769175B2 (en) | System for assisting in marketing | |
| US11756077B2 (en) | Adjusting content presentation based on paralinguistic information |