WO2020253115A1 - 基于语音识别的产品推荐方法、装置、设备和存储介质 - Google Patents

基于语音识别的产品推荐方法、装置、设备和存储介质 Download PDF

Info

Publication number
WO2020253115A1
WO2020253115A1 PCT/CN2019/121198 CN2019121198W WO2020253115A1 WO 2020253115 A1 WO2020253115 A1 WO 2020253115A1 CN 2019121198 W CN2019121198 W CN 2019121198W WO 2020253115 A1 WO2020253115 A1 WO 2020253115A1
Authority
WO
WIPO (PCT)
Prior art keywords
customer
data stream
sales
voice
text
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.)
Ceased
Application number
PCT/CN2019/121198
Other languages
English (en)
French (fr)
Inventor
刘金满
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.)
OneConnect Smart Technology Co Ltd
Original Assignee
OneConnect Smart 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 OneConnect Smart Technology Co Ltd filed Critical OneConnect Smart Technology Co Ltd
Publication of WO2020253115A1 publication Critical patent/WO2020253115A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Recommending goods or services
    • 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
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • 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
    • 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
    • G10L17/00—Speaker identification or verification techniques
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state

Definitions

  • This application relates to the field of e-commerce, and in particular to a method, device, equipment and storage medium for product recommendation based on voice recognition.
  • the main purpose of this application is to provide a product recommendation method, device, equipment, and storage medium based on voice recognition, which aims to solve the technical problem of inaccurate customer demand analysis during current telemarketing.
  • the present application provides a method for product recommendation based on voice recognition.
  • the method for product recommendation based on voice recognition includes the following steps:
  • the step of processing the voice information to generate a customer data stream and a sales data stream includes:
  • the sales voice information is recognized through the preset voice processing model to obtain corresponding sales text data and sales voice feature data, and the sales text data and the sales voice feature data are sorted in a time sequence to generate a sales data stream.
  • the present application also provides a voice recognition-based product recommendation device, and the voice recognition-based product recommendation device includes:
  • the voice processing module is used to process the voice information to generate a customer data stream and a sales data stream when the voice information sent by the terminal is received;
  • the detection and analysis module is configured to obtain the time node and the customer attention text corresponding to the positive emotional fluctuation when a positive emotional fluctuation is detected in the customer data stream;
  • a retrospective acquisition module configured to trace the sales data stream according to the time node and the customer attention text, and acquire target sales text data in the sales data stream that causes the positive mood fluctuations;
  • the acquiring and sending module is configured to acquire the product information corresponding to the target sales text data in the preset product database, and send the product information to the terminal, so that the sales personnel corresponding to the terminal can introduce the product information according to the product information.
  • this application also provides a product recommendation device based on voice recognition
  • the voice recognition-based product recommendation device includes: a memory, a processor, and computer-readable instructions stored on the memory and running on the processor, wherein:
  • this application also provides a computer storage medium
  • the computer storage medium stores computer readable instructions, and when the computer readable instructions are executed by a processor, the steps of the above-mentioned voice recognition-based product recommendation method are realized.
  • the method, device, device, and storage medium for product recommendation based on voice recognition proposed in the embodiments of this application, when the server receives the voice information sent by the terminal, processes the voice information to generate a customer data stream and a sales data stream.
  • the voice information is divided into customer data streams and sales data streams, and processed separately for customer data streams and sales data streams to achieve detailed analysis.
  • the server when positive emotional fluctuations in the customer data stream are detected, the server obtains The time node corresponding to the positive emotion fluctuation and the customer attention text, and then the server traces the sales data stream according to the time node and the customer attention text to determine the target sales text data that causes the customer’s positive emotion fluctuation, And obtain the product information corresponding to the target sales text data in the preset product database, and send the product information to the terminal, so that the corresponding sales staff of the terminal can introduce the product information according to the product information, which realizes the accurate user Demand analysis, and effective product recommendation.
  • FIG. 1 is a schematic diagram of the device structure of the hardware operating environment involved in the solution of the embodiment of the present application;
  • FIG. 2 is a schematic flowchart of a first embodiment of a product recommendation method based on speech recognition in this application;
  • FIG. 3 is a schematic diagram of functional modules of an embodiment of a product recommendation device based on voice recognition in this application.
  • Figure 1 is the server of the hardware operating environment involved in the solution of the embodiment of the application (also called the product recommendation device based on voice recognition, where the product recommendation device based on voice recognition can be a separate voice recognition-based product recommendation device
  • the product recommendation device is constituted by a combination of other devices and a product recommendation device based on voice recognition).
  • the server in the embodiment of the present application refers to a computer that manages resources and provides services for users, and is generally divided into a file server, a database server, and an application-readable instruction server.
  • the computer or computer system running the above software is also called a server.
  • the server may include: a processor 1001, such as a central processing unit (Central Processing Unit, CPU), network interface 1004, user interface 1003, memory 1005, communication bus 1002, chipset, disk system, network and other hardware.
  • the communication bus 1002 is used to implement connection and communication between these components.
  • the user interface 1003 may include a display screen (Display) and an input unit such as a keyboard (Keyboard), and the optional user interface 1003 may also include a standard wired interface and a wireless interface.
  • the network interface 1004 may optionally include a standard wired interface and a wireless interface (such as WIreless-FIdelity, WIFI interface).
  • the memory 1005 may be a high-speed random access memory (random access memory, RAM), or stable memory (non-volatile memory), such as disk storage.
  • the memory 1005 may also be a storage device independent of the foregoing processor 1001.
  • the server may also include a camera, RF (Radio Frequency, radio frequency) circuit, sensor, audio circuit, WiFi module; input unit, display screen, touch screen; network interface can be selected except WiFi, Bluetooth, probe, etc.
  • RF Radio Frequency, radio frequency
  • the server structure shown in FIG. 1 does not constitute a limitation on the server, and may include more or fewer components than shown in the figure, or a combination of certain components, or different component arrangements.
  • the computer software product is stored in a storage medium (storage medium: also called computer storage medium, computer medium, readable medium, readable storage medium, computer readable storage medium, or directly called medium, etc., storage medium
  • storage medium can be a non-volatile readable storage medium, such as RAM, magnetic disk, optical disk, and includes several instructions to make a terminal device (can be a mobile phone, computer, server, air conditioner, or network device, etc.) execute this application
  • the memory 1005 as a computer storage medium may include an operating system, a network communication module, a user interface module, and computer-readable instructions.
  • the network interface 1004 is mainly used to connect to the back-end database and perform data communication with the back-end database;
  • the user interface 1003 is mainly used to connect to the client (the client, also called the user terminal or the terminal, the embodiment of the application
  • the terminal can be a fixed terminal or a mobile terminal, such as a PC, a smart phone, a tablet computer, an e-book reader, a portable computer, etc.
  • the terminal contains sensors such as light sensors, motion sensors and other sensors, which will not be repeated here), Perform data communication with the client; and the processor 1001 may be used to call computer-readable instructions stored in the memory 1005, and execute the steps in the voice recognition-based product recommendation method provided in the following embodiments of the present application.
  • the first embodiment of the present application provides a product recommendation method based on voice recognition, which is applied to the server shown in FIG. 1.
  • the product recommendation method based on voice recognition includes:
  • Step S10 When the voice information sent by the terminal is received, the voice information is processed to generate a customer data stream and a sales data stream.
  • the sales staff conduct telephone product sales through the terminal.
  • the terminal collects the voice information of the call.
  • the voice information of the call includes: the sales voice information of the salesperson and the customer voice information of the customer.
  • the terminal sends the collected voice information to the server, and the server receives
  • the voice information sent by the terminal and the voice information received by the server processing specifically, include:
  • Step S11 When the voice information sent by the terminal is received, the voice information is recognized through a preset voice processing model to obtain the voiceprint feature corresponding to the voice information, and the voice information is divided into Customer voice messages and sales voice messages.
  • the server receives the voice information sent by the terminal, that is, the voice recognition model is preset in the server, and the preset voice recognition model is the voice recognition algorithm obtained by preset training.
  • the voice recognition algorithm can realize the voice recognition of the voice information.
  • the server uses the preset voice recognition model to extract voice feature data in the voice information, and determines the voice feature of the voice information based on the extracted voice feature data.
  • the server converts the voice information according to the voice feature data. Divided into customer voice information and sales voice information.
  • the server in this embodiment also divides the voice information into sales voice information or customer voice information according to other principles, which will not be repeated in this embodiment.
  • the server divides the voice information according to the voice content of the voice information.
  • the voice content is: I am the xxx server of the xxx company to determine that the voice information is sales voice information.
  • Step S12 Recognize the customer voice information through the preset voice processing model, obtain corresponding customer text data and customer voice feature data, and sort the customer text data and the customer voice feature data in a time sequence to generate customer data flow.
  • the server After the server divides the voice information into customer voice information and sales voice information, the server processes the customer voice information to generate a customer data stream; specifically, the server inputs the customer voice information into the preset voice recognition model, and the preset voice recognition model first The customer voice information is denoised, and then each frame of the customer voice information is recognized as a state, and the states are further combined into phonemes. Finally, each phoneme is combined into words to generate the customer text data corresponding to the customer voice information. The server converts the customer text The data is sorted by time to generate a customer text data stream.
  • the preset voice processing model extracts the customer voice feature data from the customer voice information.
  • the customer voice feature data includes the frequency, pitch, amplitude, etc. of the customer voice.
  • the server sorts the customer voice feature data according to time to obtain the customer voice feature Data stream, the server combines the customer text data stream and the customer voice feature data stream in chronological order to obtain the customer data stream; it can be understood that the customer data stream includes the customer voice feature data stream and the customer text data stream.
  • the customer can be The data stream is analogous to the music score.
  • the customer voice feature data stream in the customer data stream is equivalent to the notes in the music score
  • the customer text data stream in the customer data stream is equivalent to the lyrics in the music score.
  • Step S13 Recognize the sales voice information through the preset voice processing model to obtain corresponding sales text data and sales voice feature data, and sort the sales text data and the sales voice feature data in a time sequence to generate sales data flow.
  • the server processes the sales voice information to generate a sales data stream; specifically, the server inputs the sales voice information into a preset voice recognition model, and the preset voice recognition model first denoises the sales voice information, and then transfers the sales voice Each frame of the information is recognized as a state, and the states are further combined into phonemes, and finally each phoneme is combined into words to generate sales text data corresponding to the sales voice information.
  • the server sorts the sales text data according to time to generate a sales text data stream;
  • the preset voice processing model extracts the sales voice feature data in the sales voice information, where the sales voice feature data is the frequency, pitch, amplitude, etc. of the salesperson’s voice, and the server sorts the sales voice feature data according to time to obtain Sales voice feature data stream; the server combines the sales text data stream and the sales voice feature data stream in chronological order to obtain the sales data stream.
  • voice information is processed to generate customer data streams and sales data streams to facilitate accurate and detailed analysis during subsequent voice analysis.
  • voice information is processed to generate customer data streams and sales data streams to facilitate accurate and detailed analysis during subsequent voice analysis.
  • step S20 when it is detected that a positive emotion fluctuation occurs in the customer data stream, a time node and a customer attention text corresponding to the positive emotion fluctuation are obtained.
  • the server can analyze the customer data stream in different ways:
  • method 1 The server performs analysis based on the client text data stream in the client data stream, specifically, including:
  • Step a Compare the customer text data in the customer data stream with the target words in the preset target vocabulary.
  • Step b When there is target customer text data matching the target word, it is determined that positive mood fluctuations occur in the customer data stream.
  • Step c Use the target customer text data as customer attention text, and obtain the time node corresponding to the customer attention text in the customer data stream.
  • the server obtains the client text data stream in the client data stream, and the server compares the client text data in the client text data stream with the target words in the preset target vocabulary, where the preset target vocabulary refers to the advance
  • the database is set to store the target words.
  • the target words in the preset target word database refer to words related to the product, for example, the target words are: performance, price, etc.
  • the positive emotion fluctuations in this embodiment of the application refer to the customer
  • the server takes the target customer text data corresponding node as the positive emotional fluctuation point
  • the server takes the target customer text data as the customer attention text
  • the server performs a combined analysis based on the customer voice feature data stream and the customer text data stream in the customer data stream, specifically, including:
  • the server obtains each voice feature data in the customer voice feature data stream, and the server sets the voice feature data higher than the preset voice feature data (the preset voice feature data refers to the user's usual voice frequency, pitch, and timbre set in advance)
  • the time point is regarded as the point of positive mood fluctuation.
  • the positive mood fluctuation in the embodiment of this application refers to the change of voice feature data such as question tone appearing in the customer voice information when the customer is interested in the product, and the server obtains the customer voice The time node corresponding to the positive emotion fluctuation in the characteristic data stream, and then the server obtains the customer attention text of the time node in the customer text data stream.
  • Step S30 Trace the sales data stream according to the time node and the customer attention text, and obtain target sales text data in the sales data stream that causes the positive mood swing.
  • Step a Obtain a target sales text data stream for a preset time period before the time node in the sales text data stream, and compare the sales text data in the target sales text data stream with the customer attention text;
  • Step b Obtain target sales text data matching the customer focus text.
  • the server obtains the target sales text data stream for a preset time period before the time node in the sales text data stream, where the preset time period refers to a preset time interval, and the preset time period can be flexibly set according to specific scenarios, for example,
  • the preset time period is set to 1 minute, that is, when the server determines that the time node of the positive mood swing is 15:40:30, the server obtains the target sales data between 15:39:30 and 15:40:30 Stream, the server obtains the target sales text data stream in the target sales data stream, and compares the sales text data in the target sales text data stream with the customer attention text; to determine whether there is a customer attention text match in the target sales text data stream If there is no target sales text data matching the customer focus text in the target sales text data stream, the server sends the customer focus text as prompt information to the terminal so that the sales staff corresponding to the terminal can understand the customer focus text.
  • the server obtains the target sales text data matching the customer's attention text to perform product information query based on the target sales text data, specifically:
  • Step S40 Obtain the product information corresponding to the target sales text data in the preset product database, and send the product information to the terminal, so that a salesperson corresponding to the terminal can introduce the product information according to the product information.
  • the server recommends product information according to the target sales text data.
  • the product database is preset in the server, and the product information is stored in the preset product database.
  • the server queries the preset product database to obtain the target sales text data in the preset product database.
  • the server sends the product information to the terminal for the terminal's corresponding sales staff to introduce the product information.
  • the server converts voice information into sales data streams and customer data streams.
  • the time nodes and customer attention texts corresponding to the positive emotional fluctuations are determined by the server based on the time nodes and The customer pays attention to the text to analyze the sales data flow, and obtains the corresponding product information according to the target sales data, realizes accurate user demand analysis, and effectively introduces products to avoid calls caused by sales staff not understanding user needs or product information The problem of difficult sales.
  • This embodiment is a refinement of step S20 in the first embodiment of the present application.
  • the method in which the server determines the positive mood fluctuations according to the customer voice feature data stream and the customer text data stream in the customer data stream is specifically explained.
  • the product recommendation methods based on speech recognition include:
  • Step S21 Acquire basic feature data in the customer voice feature data stream, and when the customer voice feature data stream is higher than the basic feature data, it is determined that positive mood fluctuations occur in the customer data stream.
  • the server obtains the basic feature data in the customer's voice feature data stream, where the basic feature data is determined by the server according to the voice frequency, amplitude, and pitch in the customer's voice feature data stream. Take a voice feature parameter of frequency as an example for illustration. 10% of the voice feature data stream is less than 30 Hz, 80% of the frequency is 30-50 Hz, and 10% of the frequency is greater than 50 Hz.
  • the server sets the basic feature data to 50 Hz, and the server sets the customer voice feature data stream higher than the basic feature data
  • the target customer’s voice feature data is used as a positive mood swing.
  • Step S22 Obtain the time node corresponding to the positive emotional fluctuation in the customer voice feature data stream, and obtain the customer attention text corresponding to the time node in the customer text data stream.
  • the server obtains the time node corresponding to the positive mood fluctuation in the customer voice characteristic data stream, and the server determines the customer's attention point at this time node, that is, the server obtains the customer attention text corresponding to the time node in the customer text data stream.
  • the server performs accurate customer demand analysis according to the customer data stream and the sales data stream, which improves the accuracy of customer demand analysis.
  • This embodiment is a step after step S40 in the first implementation.
  • the server after the server sends the product information to the terminal, the server detects the customer feedback voice information sent by the terminal, and updates the preset product database according to the customer feedback voice information.
  • the product recommendation method based on voice recognition includes:
  • Step S50 Acquire customer feedback voice information based on the product information, and extract questions of interest from the customer feedback voice information.
  • the salesperson introduces the product information of the terminal.
  • the terminal receives the customer feedback voice information and sends it to the server.
  • the server receives the customer feedback voice information.
  • the customer feedback voice information refers to the customer's announcement based on the salesperson.
  • the server obtains the customer’s feedback voice information and extracts the question of interest, that is, the server obtains the product performance information, product price information or product logistics information in the customer’s feedback voice information as the question of interest.
  • Step S60 Count the number of questions of each interest question, and when the number of questions of interest exceeds a preset threshold, add the interest question to the preset product database.
  • the server counts the number of questions asked for each question of interest, that is, the server records the obtained questions of interest separately, and when there are repetitions, the server accumulates, and the server detects that the number of questions asked for the question of interest exceeds a preset threshold (the preset threshold is preset Set the number of times, the preset threshold can be set according to specific conditions, for example, when the preset threshold is set to 10 times), the question of interest is added to the preset product database.
  • the server updates the preset product database according to the voice information received from the customer, so that the later product recommendation is more intelligent.
  • This embodiment is a step after step S40 in the first embodiment.
  • the server can score customers according to customer data streams to realize potential customer mining.
  • the voice recognition-based product recommendation method includes :
  • Step S70 When it is detected that the voice information transmission of the terminal is suspended, acquire the customer voice time and customer text data in the customer data stream.
  • the server When the server detects that the terminal's voice information transmission is suspended, that is, when the server detects that a customer communication is completed, the server obtains the customer voice time and customer text data in the customer data stream, where the customer voice time refers to the total time of the customer voice information.
  • Step S80 the customer data stream is scored according to the customer voice time and the customer text data, and when the score is higher than a preset score value, the customer corresponding to the customer data stream is regarded as a target customer and marked.
  • the server scores the customer data stream according to the customer voice time and customer text data.
  • the customer voice time in the customer data stream is more than 2 minutes
  • the customer text data contains: Please introduce the xxx product, the customer data stream is scored 8 -10 points; the customer voice time in the customer data stream is 1 to 2 minutes, the customer data stream score is 4-7 points; the customer voice time in the customer data stream is less than 2 minutes, the customer data stream score is 0-3 points
  • the server sets the customer data stream corresponding to the customer whose score is higher than the preset score value (the preset score value is a preset score value, and the preset score value can be set to 6 points) as target customers and marks them.
  • the data stream identifies and identifies target customers who have a tendency to purchase the corresponding product for later follow-up, making telemarketing more intelligent.
  • an embodiment of the present application also proposes a product recommendation device based on voice recognition, and the product recommendation device based on voice recognition includes:
  • the voice processing module 10 is configured to process the voice information to generate a customer data stream and a sales data stream when the voice information sent by the terminal is received;
  • the detection and analysis module 20 is configured to obtain the time node and customer attention text corresponding to the positive emotional fluctuation when a positive emotional fluctuation is detected in the customer data stream;
  • the retrospective acquisition module 30 is configured to trace the sales data stream according to the time node and the customer attention text, and acquire the target sales text data in the sales data stream that causes the positive mood fluctuations;
  • the obtaining and sending module 40 is used to obtain the product information corresponding to the target sales text data in the preset product database, and send the product information to the terminal, so that the corresponding sales staff of the terminal can introduce the product information according to the product information. .
  • the voice processing module 10 includes:
  • the voice receiving unit is configured to recognize the voice information through a preset voice processing model when receiving the voice information sent by the terminal, obtain the voiceprint characteristics corresponding to the voice information, and divide the voice information according to the voiceprint Features are divided into customer voice information and sales voice information;
  • the first generating unit is configured to recognize the customer voice information through the preset voice processing model to obtain corresponding customer text data and customer voice feature data, and arrange the customer text data and the customer voice feature data in a time sequence Sort and generate customer data stream;
  • the second generating unit is configured to recognize the sales voice information through the preset voice processing model to obtain corresponding sales text data and sales voice feature data, and arrange the sales text data and the sales voice feature data in a time sequence Sort to generate sales data stream.
  • the detection and analysis module 20 includes:
  • the information comparison unit is used to compare the customer text data in the customer data stream with the target words in the preset target vocabulary
  • the comparison and determination unit is configured to determine that there is a positive mood swing in the customer data stream when there is target customer text data that matches the target word;
  • the first acquiring unit is configured to use the target customer text data as customer attention text, and obtain the time node corresponding to the customer attention text in the customer data stream.
  • the customer data stream includes a customer voice feature data stream and a customer text data stream;
  • the detection and analysis module 20 includes:
  • the information analysis unit is used to obtain basic feature data in the customer voice feature data stream, and determine that positive emotions appear in the customer data stream when the customer voice feature data stream is higher than the basic feature data fluctuation;
  • the second acquiring unit is configured to acquire the time node corresponding to the positive mood fluctuation in the customer voice feature data stream, and acquire the customer attention text corresponding to the time node in the customer text data stream.
  • the sales data stream includes a sales text data stream
  • the retrospective acquisition module 30 includes:
  • the information comparison unit is used to obtain the target sales text data stream of the preset time period before the time node in the sales text data stream, and compare the sales text data in the target sales text data stream with the customer attention text Compare
  • the information acquisition unit is used to acquire target sales text data that matches the customer's attention text.
  • the product recommendation device based on voice recognition includes:
  • An acquisition and extraction module configured to acquire customer feedback voice information based on the product information, and extract questions of interest from the customer feedback voice information
  • the statistical update module is used to count the number of questions asked for each question of interest, and when the number of questions asked for the question of interest exceeds a preset threshold, add the question of interest to the preset product database.
  • the product recommendation device based on voice recognition further includes:
  • the detection and acquisition module is configured to acquire the customer voice time and customer text data in the customer data stream when it is detected that the voice information transmission of the terminal is suspended;
  • the evaluation marking module is used to score the customer data stream according to the customer voice time and the customer text data, and when the score is higher than a preset score value, the customer corresponding to the customer data stream is regarded as the target customer and marked .
  • each functional module of the voice recognition-based product recommendation device can refer to the various embodiments of the voice recognition-based product recommendation method of the present application, which will not be repeated here.
  • the embodiment of the present application also proposes a computer storage medium.
  • the computer storage medium stores computer-readable instructions, and when the computer-readable instructions are executed by the processor, the operations in the voice recognition-based product recommendation method provided in the foregoing embodiments are implemented.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Signal Processing (AREA)
  • Marketing (AREA)
  • Hospice & Palliative Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Child & Adolescent Psychology (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Psychiatry (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Telephonic Communication Services (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种基于语音识别的产品推荐方法，包括：在接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流；在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本；按所述时间节点和所述客户关注文本追溯所述销售数据流，获取所述销售数据流中引起所述正向情绪波动的目标销售文本数据；获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端，以供所述终端对应销售人员按所述产品信息进行介绍。本申请还公开了一种基于语音识别的产品推荐装置、设备和存储介质。本申请通过对客户数据流的细致分析，提高了客户需求分析的准确性。

Description

基于语音识别的产品推荐方法、装置、设备和存储介质
本申请要求于2019年06月19日提交中国专利局、申请号为201910535455.6、发明名称为“基于语音识别的产品推荐方法、装置、设备和存储介质”的中国专利申请的优先权，其全部内容通过引用结合在申请中。
技术领域
本申请涉及电子商务领域，尤其涉及基于语音识别的产品推荐方法、装置、设备和存储介质。
背景技术
在电话销售多依赖于销售人员进行主动推销，经验不足的销售人员在电话销售过程中会忽略掉一些细节，或者是当出现一些客户感兴趣的问题提问到销售人员的时候，销售人员出现问题答不上来，使得用户不能进一步了解产品，影响销售成果。因此，部分公司通过引入实时语音识别技术和自然语音处理技术，把传统上人工听并理解、回忆、搜索的工作转化为机器实时自动提供候选答案，然后人工判断并选取结果的工作。但是面对当前的语音识别进行销售的方法，并不可以准确地识别客户需求。
发明内容
本申请的主要目的在于提供一种基于语音识别的产品推荐方法、装置、设备和存储介质，旨在解决当前电话销售时客户需求分析不准确的技术问题。
为实现上述目的，本申请提供基于语音识别的产品推荐方法，所述基于语音识别的产品推荐方法包括以下步骤：
在接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流；
在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本；
按所述时间节点和所述客户关注文本追溯所述销售数据流，获取所述销售数据流中引起所述正向情绪波动的目标销售文本数据；
获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端，以供所述终端对应销售人员按所述产品信息进行介绍；
其中，所述在接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流的步骤，包括：
在接收到终端发送的语音信息时，通过预设语音处理模型识别所述语音信息，得到所述语音信息对应的声纹特征，并将所述语音信息按所述声纹特征划分为客户语音信息和销售语音信息；
通过所述预设语音处理模型识别所述客户语音信息，得到对应的客户文本数据与客户语音特征数据，将所述客户文本数据与所述客户语音特征数据按时间序列排序生成客户数据流；
通过所述预设语音处理模型识别所述销售语音信息，得到对应的销售文本数据与销售语音特征数据，将所述销售文本数据与所述销售语音特征数据按时间序列排序生成销售数据流。
此外，为实现上述目的，本申请还提供一种基于语音识别的产品推荐装置，所述基于语音识别的产品推荐装置包括：
语音处理模块，用于在接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流；
检测分析模块，用于在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本；
追溯获取模块，用于按所述时间节点和所述客户关注文本追溯所述销售数据流，获取所述销售数据流中引起所述正向情绪波动的目标销售文本数据；
获取发送模块，用于获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端，以供所述终端对应销售人员按所述产品信息进行介绍。
此外，为实现上述目的，本申请还提供一种基于语音识别的产品推荐设备；
所述基于语音识别的产品推荐设备包括：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可读指令，其中：
所述计算机可读指令被所述处理器执行时实现如上所述的基于语音识别的产品推荐方法的步骤。
此外，为实现上述目的，本申请还提供计算机存储介质；
所述计算机存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上述的基于语音识别的产品推荐方法的步骤。
本申请实施例提出的一种基于语音识别的产品推荐方法、装置、设备和存储介质，在服务器接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流，服务器将语音信息划分为客户数据流和销售数据流，并针对客户数据流和销售数据流分别处理，实现细致分析，具体地，在检测到所述客户数据流中出现正向情绪波动时，服务器获取所述正向情绪波动对应的时间节点和客户关注文本，然后，服务器按所述时间节点和所述客户关注文本追溯所述销售数据流，以确定引起客户正向情绪波动的目标销售文本数据，并获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端，以供所述终端对应销售人员按所述产品信息进行介绍，实现了准确地用户需求分析，并有效地对进行产品推荐。
附图说明
图1是本申请实施例方案涉及的硬件运行环境的装置结构示意图；
图2为本申请基于语音识别的产品推荐方法第一实施例的流程示意图；
图3为本申请基于语音识别的产品推荐装置一实施例的功能模块示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示，图1是本申请实施例方案涉及的硬件运行环境的服务器（又叫基于语音识别的产品推荐设备，其中，基于语音识别的产品推荐设备可以是由单独的基于语音识别的产品推荐装置构成，也可以是由其他装置与基于语音识别的产品推荐装置组合形成）结构示意图。
本申请实施例服务器指一个管理资源并为用户提供服务的计算机，通常分为文件服务器、数据库服务器和应用可读指令服务器。运行以上软件的计算机或计算机系统也被称为服务器。相对于普通PC(personal computer)个人计算机来说，服务器在稳定性、安全性、性能等方面都要求较高；如图1所示，该服务器可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），网络接口1004，用户接口1003，存储器1005，通信总线1002、芯片组、磁盘系统、网络等硬件等。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真WIreless-FIdelity，WIFI接口）。存储器1005可以是高速随机存取存储器（random access memory，RAM），也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，服务器还可以包括摄像头、RF（Radio Frequency，射频）电路，传感器、音频电路、WiFi模块；输入单元，比显示屏，触摸屏；网络接口可选除无线接口中除WiFi外，蓝牙、探针等。本领域技术人员可以理解，图1中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，该计算机软件产品存储在一个存储介质（存储介质：又叫计算机存储介质、计算机介质、可读介质、可读存储介质、计算机可读存储介质或者直接叫介质等，存储介质可以是非易失性可读存储介质，如RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本申请各个实施例所述的方法，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机可读指令。
在图1所示的服务器中，网络接口1004主要用于连接后台数据库，与后台数据库进行数据通信；用户接口1003主要用于连接客户端（客户端，又叫用户端或终端，本申请实施例终端可以固定终端也可以是移动终端，如，PC、智能手机、平板电脑、电子书阅读器、便携计算机等，终端中包含传感器比如光传感器、运动传感器以及其他传感器，在此不再赘述），与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的计算机可读指令，并执行本申请以下实施例提供的基于语音识别的产品推荐方法中的步骤。
本申请第一实施例提供一种基于语音识别的产品推荐方法，应用于如图1所示的服务器。
参照图2，在本申请一种基于语音识别的产品推荐方法的第一实施例中，所述基于语音识别的产品推荐方法包括：
步骤S10，在接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流。
销售人员通过终端进行电话产品销售，终端采集通话的语音信息，其中，通话的语音信息包括：销售人员的销售语音信息和客户的客户语音信息，终端将采集到的语音信息发送到服务器，服务器接收终端发送的语音信息，服务器处理接收的语音信息，具体地，包括：
步骤S11，在接收到终端发送的语音信息时，通过预设语音处理模型识别所述语音信息，得到所述语音信息对应的声纹特征，并将所述语音信息按所述声纹特征划分为客户语音信息和销售语音信息。
在本实施例中，服务器接收终端发送的语音信息，即，服务器中预设语音识别模型，预设语音识别模型为预设训练得到的语音识别算法，该语音识别算法可以实现对语音信息的语音特征数据提取和语音文本识别等功能，服务器利用预设语音识别模型，提取语音信息中的语音特征数据，并根据提取的语音特征数据确定语音信息的声纹特征，服务器按声纹特征将语音信息划分为客户语音信息和销售语音信息。
此外，可以理解的是：本实施例中服务器还根据其他原理将语音信息划分为销售语音信息或客户语音信息，本实施例不作赘述，例如，服务器根据语音信息的语音内容进行语音信息的划分，语音内容为：我是xxx公司的xxx服务器确定该语音信息为销售语音信息。
步骤S12，通过所述预设语音处理模型识别所述客户语音信息，得到对应的客户文本数据与客户语音特征数据，将所述客户文本数据与所述客户语音特征数据按时间序列排序生成客户数据流。
服务器将语音信息划分为客户语音信息和销售语音信息之后，服务器将客户语音信息进行处理生成客户数据流；具体地，服务器将客户语音信息输入至预设语音识别模型，预设语音识别模型首先对客户语音信息进行去噪处理，然后将客户语音信息的各帧识别成状态，进一步地把状态组合成音素，最后将各个音素组合成单词，生成客户语音信息对应的客户文本数据，服务器将客户文本数据按时间排序生成客户文本数据流。
与此同时，预设语音处理模型提取客户语音信息中的客户语音特征数据，客户语音特征数据包括客户语音的频率、音高、振幅等等，服务器将客户语音特征数据按照时间排序得到客户语音特征数据流，服务器将客户文本数据流与客户语音特征数据流按照时间顺序组合得到客户数据流；可以理解的是客户数据流中包括客户语音特征数据流和客户文本数据流，为了方便理解可以将客户数据流与乐谱类比，客户数据流中的客户语音特征数据流相当于乐谱中的音符，客户数据流中的客户文本数据流相当于乐谱中的歌词。
步骤S13，通过所述预设语音处理模型识别所述销售语音信息，得到对应的销售文本数据与销售语音特征数据，将所述销售文本数据与所述销售语音特征数据按时间序列排序生成销售数据流。
进一步地，服务器将销售语音信息进行处理生成销售数据流；具体地，服务器将销售语音信息输入至预设语音识别模型，预设语音识别模型首先对销售语音信息进行去噪处理，然后将销售语音信息的各帧识别成状态，进一步地把状态组合成音素，最后将各个音素组合成单词，生成销售语音信息对应的销售文本数据，服务器将销售文本数据按时间排序生成销售文本数据流；
与此同时，预设语音处理模型提取销售语音信息中的销售语音特征数据，其中，销售语音特征数据为销售人员语音的频率、音高、振幅等等，服务器将销售语音特征数据按照时间排序得到销售语音特征数据流；服务器将销售文本数据流与销售语音特征数据流按照时间顺序组合得到销售数据流。
本实施例中将语音信息处理生成客户数据流和销售数据流，以方便后续语音分析时准确细致的分析，具体地：
步骤S20，在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本。
由于客户数据流中包含客户语音特征数据流和客户文本数据流，服务器对客户数据流分析可采用不同的方式：
例如，方式一：服务器根据客户数据流中的客户文本数据流进行分析，具体地，包括：
步骤a，将所述客户数据流中的客户文本数据与预设目标词库中的目标词语进行比对。
步骤b，在存在与所述目标词语匹配的目标客户文本数据时，判定所述客户数据流中出现正向情绪波动。
步骤c，将所述目标客户文本数据作为客户关注文本，并获取所述客户关注文本在所述客户数据流中对应的时间节点。
即，服务器获取客户数据流中的客户文本数据流，服务器将客户文本数据流中的客户文本数据与预设目标词库中的目标词语进行比对，其中，预设目标词库中是指预先设置的用于保存目标词语的数据库，此外，预设目标词库中的目标词语是指与产品相关的词语，例如，目标词语为：性能、价格等。在服务器确定客户文本数据流中存在与目标词语匹配的目标客户文本数据时，服务器判定客户数据流中出现正向情绪波动，可以理解的是，本申请实施例中的正向情绪波动是指客户对产品感兴趣时客户语音信息中产品咨询语音，服务器将目标客户文本数据对应节点作为正向情绪波动点，服务器将目标客户文本数据作为客户关注文本，并获取客户关注文本在客户数据流对应时间节点。
或者，方式二：服务器根据客户数据流中的客户语音特征数据流和客户文本数据流进行结合分析，具体地，包括：
服务器获取客户语音特征数据流中的各个语音特征数据，服务器将语音特征数据中高于预设语音特征数据（预设语音特征数据是指预先设置的用户通常的语音频率、音高和音色等）的时间点作为正向情绪波动点，可以理解的是，本申请实施例中的正向情绪波动是指客户对产品感兴趣时客户语音信息中出现的疑问语气等语音特征数据变化，服务器获取客户语音特征数据流中正向情绪波动对应的时间节点，然后，服务器并获取客户文本数据流中该时间节点的客户关注文本。
步骤S30，按所述时间节点和所述客户关注文本追溯所述销售数据流，获取所述销售数据流中引起所述正向情绪波动的目标销售文本数据。
具体地，包括：
步骤a，获取所述销售文本数据流中所述时间节点之前预设时间段的目标销售文本数据流，将所述目标销售文本数据流中的销售文本数据与所述客户关注文本进行比对；
步骤b，获取与所述客户关注文本匹配的目标销售文本数据。
即，服务器获取销售文本数据流中时间节点之前预设时间段的目标销售文本数据流，其中，预设时间段是指预先设置的时间间隔，预设时间段可根据具体场景灵活设置，例如，预设时间段设置为1分钟，即，服务器确定正向情绪波动的时间节点为15点40分30秒时，服务器获取15点39分30秒到15点40分30秒之间的目标销售数据流，服务器获取目标销售数据流中的目标销售文本数据流，并将目标销售文本数据流中的销售文本数据与客户关注文本进行比对；以判断目标销售文本数据流中是否存在客户关注文本匹配的目标销售文本数据，在目标销售文本数据流中不存在客户关注文本匹配的目标销售文本数据时，服务器将客户关注文本作为提示信息发送至终端，以使终端对应的销售人员了解客户关注文本。
在目标销售文本数据流中存在客户关注文本匹配的目标销售文本数据时，服务器获取与客户关注文本匹配的目标销售文本数据，以根据目标销售文本数据进行产品信息查询，具体地：
步骤S40，获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端，以供所述终端对应销售人员按所述产品信息进行介绍。
服务器根据目标销售文本数据进行产品信息推荐，具体地，服务器中预设产品数据库，预设产品数据库中保存有产品信息，服务器查询预设产品数据库，获取预设产品数据库中目标销售文本数据对应的产品信息，服务器将产品信息发送至终端，以供终端对应销售人员按产品信息进行介绍。
在本实施例中服务器将语音信息转化为销售数据流和客户数据流，在客户数据流中出现正向情绪波动时，确定正向情绪波动对应的时间节点和客户关注文本，服务器基于时间节点和客户关注文本对销售数据流进行分析，并按目标销售数据获取对应的产品信息，实现了准确地用户需求分析，并有效地进行产品介绍，以避免销售人员不了解用户需求或者产品信息导致的电话销售困难的问题。
进一步地，在本申请第一实施例的基础上，提出了本申请基于语音识别的产品推荐方法的第二实施例。
本实施例是本申请第一实施例中步骤S20的细化，本实施例中具体说明了服务器按客户数据流中的客户语音特征数据流和客户文本数据流确定正向情绪波动的方法，所述基于语音识别的产品推荐方法包括：
步骤S21，获取所述客户语音特征数据流中的基础特征数据，在所述客户语音特征数据流中出现高于所述基础特征数据时，判定所述客户数据流中出现正向情绪波动。
服务器获取客户语音特征数据流中的基础特征数据，其中，基础特征数据是服务器根据客户语音特征数据流中的语音频率、振幅、音高确定的，以频率一个语音特征参数为例进行说明，客户语音特征数据流中10%频率小于30赫兹，80%频率在30-50赫兹，10%频率大于50赫兹，服务器将基础特征数据设置为50赫兹，服务器将客户语音特征数据流中高于基础特征数据的目标客户语音特征数据作为正向情绪波动。
步骤S22，获取所述客户语音特征数据流中所述正向情绪波动对应的时间节点，并获取所述客户文本数据流中所述时间节点对应的客户关注文本。
服务器获取客户语音特征数据流中正向情绪波动对应的时间节点，服务器确定该时间节点客户的关注点，即，服务器获取客户文本数据流中时间节点对应的客户关注文本。本实施例中服务器根据客户数据流和销售数据流进行准确地客户需求分析，提高了客户需求分析的准确度。
进一步地，在上述实施例的基础上提出了本申请基于语音识别的产品推荐方法的第三实施例。
本实施例是第一实施中步骤S40之后的步骤，本实施例中服务器在将产品信息发送至终端之后，服务器检测终端发送的客户反馈语音信息，并根据客户反馈语音信息更新预设产品数据库，具体地，所述基于语音识别的产品推荐方法包括：
步骤S50，获取基于所述产品信息的客户反馈语音信息，从所述客户反馈语音信息中提取感兴趣问题。
服务器将产品信息发送至终端之后，销售人员按照终端的产品信息进行介绍，终端接收客户反馈语音信息并发送至服务器，服务器接收客户反馈语音信息，其中，客户反馈语音信息是指客户基于销售人员播报的产品信息反馈的信息，服务器获取客户反馈语音信息中提取感兴趣问题，即，服务器获取客户反馈语音信息中的产品性能信息，产品价格信息或者产品物流信息等作为感兴趣问题。
步骤S60，统计各感兴趣问题的提问次数，在感兴趣问题提问次数超过预设阈值时，将所述感兴趣问题添加到所述预设产品数据库。
服务器统计各感兴趣问题的提问次数，即，服务器中将获取的感兴趣问题分别记录，在出现重复的时候，服务器进行累加，服务器监测到感兴趣问题提问次数超过预设阈值（预设阈值预先设置的次数，预设阈值可以根据具体情况设置，例如预设阈值设置为10次）时，将感兴趣问题添加到预设产品数据库。在本实施例中服务器根据接收到客户反馈语音信息更新预设产品数据库，使得后期的产品推荐更加智能。
进一步地，在上述实施例的基础上提出了本申请基于语音识别的产品推荐方法的第四实施例。
本实施例是第一实施例中步骤S40之后的步骤，本实施例中服务器可以根据客户数据流对客户进行评分，以实现潜在客户的挖掘，具体地，所述基于语音识别的产品推荐方法包括：
步骤S70，在检测到所述终端的语音信息发送中止时，获取所述客户数据流中的客户语音时间和客户文本数据。
在服务器检测到终端的语音信息发送中止时，即，服务器监测到一个客户沟通完成时，服务器获取客户数据流中的客户语音时间和客户文本数据，其中，客户语音时间是指客户语音总的时间信息。
步骤S80，按所述客户语音时间和所述客户文本数据对所述客户数据流进行评分，在评分高于预设评分值时，将所述客户数据流对应客户作为目标客户并标记。
服务器按客户语音时间和客户文本数据对客户数据流进行评分，例如，客户数据流中客户语音时间高于2分钟，且客户文本数据中包含：请介绍xxx产品，则客户数据流的评分为8-10分；客户数据流中客户语音时间为1到2分钟，则客户数据流评分为4-7分；客户数据流中客户语音时间小于2分钟，则客户数据流评分为0-3分，服务器将评分高于预设评分值（预设评分值为预先设置的评分值，预设评分值可以设置为6分）的客户数据流对应客户作为目标客户并标记，本实施例中服务器根据客户数据流确定对应产品有购买倾向的目标客户并标识，以进行后期跟进，使得电话销售更加智能。
此外，参照图3，本申请实施例还提出一种基于语音识别的产品推荐装置，所述基于语音识别的产品推荐装置包括：
语音处理模块10，用于在接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流；
检测分析模块20，用于在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本；
追溯获取模块30，用于按所述时间节点和所述客户关注文本追溯所述销售数据流，获取所述销售数据流中引起所述正向情绪波动的目标销售文本数据；
获取发送模块40，用于获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端，以供所述终端对应销售人员按所述产品信息进行介绍。
可选地，所述语音处理模块10，包括：
语音接收单元，用于在接收到终端发送的语音信息时，通过预设语音处理模型识别所述语音信息，得到所述语音信息对应的声纹特征，并将所述语音信息按所述声纹特征划分为客户语音信息和销售语音信息；
第一生成单元，用于通过所述预设语音处理模型识别所述客户语音信息，得到对应的客户文本数据与客户语音特征数据，将所述客户文本数据与所述客户语音特征数据按时间序列排序生成客户数据流；
第二生成单元，用于通过所述预设语音处理模型识别所述销售语音信息，得到对应的销售文本数据与销售语音特征数据，将所述销售文本数据与所述销售语音特征数据按时间序列排序生成销售数据流。
可选地，所述检测分析模块20，包括：
信息比对单元，用于将所述客户数据流中的客户文本数据与预设目标词库中的目标词语进行比对；
比对判定单元，用于在存在与所述目标词语匹配的目标客户文本数据时，判定所述客户数据流中出现正向情绪波动；
第一获取单元，用于将所述目标客户文本数据作为客户关注文本，并获取所述客户关注文本在所述客户数据流中对应的时间节点。
可选地，所述客户数据流包括客户语音特征数据流和客户文本数据流；所述检测分析模块20，包括：
信息分析单元，用于获取所述客户语音特征数据流中的基础特征数据，在所述客户语音特征数据流中出现高于所述基础特征数据时，判定所述客户数据流中出现正向情绪波动；
第二获取单元，用于获取所述客户语音特征数据流中所述正向情绪波动对应的时间节点，并获取所述客户文本数据流中所述时间节点对应的客户关注文本。
可选地，所述销售数据流中包括销售文本数据流；所述追溯获取模块30，包括：
信息比对单元，用于获取所述销售文本数据流中所述时间节点之前预设时间段的目标销售文本数据流，将所述目标销售文本数据流中的销售文本数据与所述客户关注文本进行比对；
信息获取单元，用于获取与所述客户关注文本匹配的目标销售文本数据。
可选地，所述的基于语音识别的产品推荐装置，包括：
获取提取模块，用于获取基于所述产品信息的客户反馈语音信息，从所述客户反馈语音信息中提取感兴趣问题；
统计更新模块，用于统计各感兴趣问题的提问次数，在感兴趣问题提问次数超过预设阈值时，将所述感兴趣问题添加到所述预设产品数据库。
可选地，所述的基于语音识别的产品推荐装置，还包括：
检测获取模块，用于在检测到所述终端的语音信息发送中止时，获取所述客户数据流中的客户语音时间和客户文本数据；
评价标记模块，用于按所述客户语音时间和所述客户文本数据对所述客户数据流进行评分，在评分高于预设评分值时，将所述客户数据流对应客户作为目标客户并标记。
其中，基于语音识别的产品推荐装置的各个功能模块实现的步骤可参照本申请基于语音识别的产品推荐方法的各个实施例，此处不再赘述。
此外，本申请实施例还提出一种计算机存储介质。
所述计算机存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述实施例提供的基于语音识别的产品推荐方法中的操作。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (20)

  1. 一种基于语音识别的产品推荐方法，其特征在于，所述基于语音识别的产品推荐方法包括以下步骤：
    在接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流；
    在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本；
    按所述时间节点和所述客户关注文本追溯所述销售数据流，获取所述销售数据流中引起所述正向情绪波动的目标销售文本数据；
    获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端，以供所述终端对应销售人员按所述产品信息进行介绍；
    其中，所述在接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流的步骤，包括：
    在接收到终端发送的语音信息时，通过预设语音处理模型识别所述语音信息，得到所述语音信息对应的声纹特征，并将所述语音信息按所述声纹特征划分为客户语音信息和销售语音信息；
    通过所述预设语音处理模型识别所述客户语音信息，得到对应的客户文本数据与客户语音特征数据，将所述客户文本数据与所述客户语音特征数据按时间序列排序生成客户数据流；
    通过所述预设语音处理模型识别所述销售语音信息，得到对应的销售文本数据与销售语音特征数据，将所述销售文本数据与所述销售语音特征数据按时间序列排序生成销售数据流。
  2. 如权利要求1所述的基于语音识别的产品推荐方法，其特征在于，所述在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本的步骤，包括：
    将所述客户数据流中的客户文本数据与预设目标词库中的目标词语进行比对；
    在存在与所述目标词语匹配的目标客户文本数据时，判定所述客户数据流中出现正向情绪波动；
    将所述目标客户文本数据作为客户关注文本，并获取所述客户关注文本在所述客户数据流中对应的时间节点。
  3. 如权利要求1所述的基于语音识别的产品推荐方法，其特征在于，所述客户数据流包括客户语音特征数据流和客户文本数据流；
    所述在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本的步骤，包括：
    获取所述客户语音特征数据流中的基础特征数据，在所述客户语音特征数据流中出现高于所述基础特征数据时，判定所述客户数据流中出现正向情绪波动；
    获取所述客户语音特征数据流中所述正向情绪波动对应的时间节点，并获取所述客户文本数据流中所述时间节点对应的客户关注文本。
  4. 如权利要求1所述的基于语音识别的产品推荐方法，其特征在于，所述销售数据流中包括销售文本数据流；
    所述按所述时间节点和所述客户关注文本追溯所述销售数据流，获取所述销售数据流中引起所述正向情绪波动的目标销售文本数据的步骤，包括：
    获取所述销售文本数据流中所述时间节点之前预设时间段的目标销售文本数据流，将所述目标销售文本数据流中的销售文本数据与所述客户关注文本进行比对；
    获取与所述客户关注文本匹配的目标销售文本数据。
  5. 如权利要求1所述的基于语音识别的产品推荐方法，其特征在于，所述获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端的步骤之后，包括：
    获取基于所述产品信息的客户反馈语音信息，从所述客户反馈语音信息中提取感兴趣问题；
    统计各感兴趣问题的提问次数，在感兴趣问题提问次数超过预设阈值时，将所述感兴趣问题添加到所述预设产品数据库。
  6. 如权利要求1所述的基于语音识别的产品推荐方法，其特征在于，所述获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端的步骤之后，包括：
    在检测到所述终端的语音信息发送中止时，获取所述客户数据流中的客户语音时间和客户文本数据；
    按所述客户语音时间和所述客户文本数据对所述客户数据流进行评分，在评分高于预设评分值时，将所述客户数据流对应客户作为目标客户并标记。
  7. 一种基于语音识别的产品推荐装置，其特征在于，所述基于语音识别的产品推荐装置包括：
    语音处理模块，用于在接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流；
    检测分析模块，用于在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本；
    追溯获取模块，用于按所述时间节点和所述客户关注文本追溯所述销售数据流，获取所述销售数据流中引起所述正向情绪波动的目标销售文本数据；
    获取发送模块，用于获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端，以供所述终端对应销售人员按所述产品信息进行介绍；
    其中，所述语音处理模块，包括：
    语音接收单元，用于在接收到终端发送的语音信息时，通过预设语音处理模型识别所述语音信息，得到所述语音信息对应的声纹特征，并将所述语音信息按所述声纹特征划分为客户语音信息和销售语音信息；
    第一生成单元，用于通过所述预设语音处理模型识别所述客户语音信息，得到对应的客户文本数据与客户语音特征数据，将所述客户文本数据与所述客户语音特征数据按时间序列排序生成客户数据流；
    第二生成单元，用于通过所述预设语音处理模型识别所述销售语音信息，得到对应的销售文本数据与销售语音特征数据，将所述销售文本数据与所述销售语音特征数据按时间序列排序生成销售数据流。
  8. 如权利要求7所述的基于语音识别的产品推荐装置，其特征在于，所述检测分析模块，包括：
    信息比对单元，用于将所述客户数据流中的客户文本数据与预设目标词库中的目标词语进行比对；
    比对判定单元，用于在存在与所述目标词语匹配的目标客户文本数据时，判定所述客户数据流中出现正向情绪波动；
    第一获取单元，用于将所述目标客户文本数据作为客户关注文本，并获取所述客户关注文本在所述客户数据流中对应的时间节点。
  9. 如权利要求7所述的基于语音识别的产品推荐装置，其特征在于，所述客户数据流包括客户语音特征数据流和客户文本数据流；所述检测分析模块，包括：
    信息分析单元，用于获取所述客户语音特征数据流中的基础特征数据，在所述客户语音特征数据流中出现高于所述基础特征数据时，判定所述客户数据流中出现正向情绪波动；
    第二获取单元，用于获取所述客户语音特征数据流中所述正向情绪波动对应的时间节点，并获取所述客户文本数据流中所述时间节点对应的客户关注文本。
  10. 如权利要求7所述的基于语音识别的产品推荐装置，其特征在于，所述销售数据流中包括销售文本数据流；所述追溯获取模块，包括：
    信息比对单元，用于获取所述销售文本数据流中所述时间节点之前预设时间段的目标销售文本数据流，将所述目标销售文本数据流中的销售文本数据与所述客户关注文本进行比对；
    信息获取单元，用于获取与所述客户关注文本匹配的目标销售文本数据。
  11. 如权利要求7所述的基于语音识别的产品推荐装置，其特征在于，所述的基于语音识别的产品推荐装置，包括：
    获取提取模块，用于获取基于所述产品信息的客户反馈语音信息，从所述客户反馈语音信息中提取感兴趣问题；
    统计更新模块，用于统计各感兴趣问题的提问次数，在感兴趣问题提问次数超过预设阈值时，将所述感兴趣问题添加到所述预设产品数据库。
  12. 如权利要求7所述的基于语音识别的产品推荐装置，其特征在于，所述的基于语音识别的产品推荐装置，还包括：
    检测获取模块，用于在检测到所述终端的语音信息发送中止时，获取所述客户数据流中的客户语音时间和客户文本数据；
    评价标记模块，用于按所述客户语音时间和所述客户文本数据对所述客户数据流进行评分，在评分高于预设评分值时，将所述客户数据流对应客户作为目标客户并标记。
  13. 一种基于语音识别的产品推荐设备，其特征在于，所述基于语音识别的产品推荐设备包括：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可读指令，其中：
    所述计算机可读指令被所述处理器执行时实现如以下的步骤：
    在接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流；
    在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本；
    按所述时间节点和所述客户关注文本追溯所述销售数据流，获取所述销售数据流中引起所述正向情绪波动的目标销售文本数据；
    获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端，以供所述终端对应销售人员按所述产品信息进行介绍；
    其中，所述在接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流的步骤，包括：
    在接收到终端发送的语音信息时，通过预设语音处理模型识别所述语音信息，得到所述语音信息对应的声纹特征，并将所述语音信息按所述声纹特征划分为客户语音信息和销售语音信息；
    通过所述预设语音处理模型识别所述客户语音信息，得到对应的客户文本数据与客户语音特征数据，将所述客户文本数据与所述客户语音特征数据按时间序列排序生成客户数据流；
    通过所述预设语音处理模型识别所述销售语音信息，得到对应的销售文本数据与销售语音特征数据，将所述销售文本数据与所述销售语音特征数据按时间序列排序生成销售数据流。
  14. 如权利要求13所述的基于语音识别的产品推荐设备，其特征在于，所述在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本的步骤，包括：
    将所述客户数据流中的客户文本数据与预设目标词库中的目标词语进行比对；
    在存在与所述目标词语匹配的目标客户文本数据时，判定所述客户数据流中出现正向情绪波动；
    将所述目标客户文本数据作为客户关注文本，并获取所述客户关注文本在所述客户数据流中对应的时间节点。
  15. 如权利要求13所述的基于语音识别的产品推荐设备，其特征在于，所述客户数据流包括客户语音特征数据流和客户文本数据流；
    所述在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本的步骤，包括：
    获取所述客户语音特征数据流中的基础特征数据，在所述客户语音特征数据流中出现高于所述基础特征数据时，判定所述客户数据流中出现正向情绪波动；
    获取所述客户语音特征数据流中所述正向情绪波动对应的时间节点，并获取所述客户文本数据流中所述时间节点对应的客户关注文本。
  16. 如权利要求13所述的基于语音识别的产品推荐设备，其特征在于，所述销售数据流中包括销售文本数据流；
    所述按所述时间节点和所述客户关注文本追溯所述销售数据流，获取所述销售数据流中引起所述正向情绪波动的目标销售文本数据的步骤，包括：
    获取所述销售文本数据流中所述时间节点之前预设时间段的目标销售文本数据流，将所述目标销售文本数据流中的销售文本数据与所述客户关注文本进行比对；
    获取与所述客户关注文本匹配的目标销售文本数据。
  17. 如权利要求13所述的基于语音识别的产品推荐设备，其特征在于，所述获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端的步骤之后，包括：
    获取基于所述产品信息的客户反馈语音信息，从所述客户反馈语音信息中提取感兴趣问题；
    统计各感兴趣问题的提问次数，在感兴趣问题提问次数超过预设阈值时，将所述感兴趣问题添加到所述预设产品数据库。
  18. 如权利要求13所述的基于语音识别的产品推荐设备，其特征在于，所述获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端的步骤之后，包括：
    在检测到所述终端的语音信息发送中止时，获取所述客户数据流中的客户语音时间和客户文本数据；
    按所述客户语音时间和所述客户文本数据对所述客户数据流进行评分，在评分高于预设评分值时，将所述客户数据流对应客户作为目标客户并标记。
  19. 一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现以下的步骤：
    在接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流；
    在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本；
    按所述时间节点和所述客户关注文本追溯所述销售数据流，获取所述销售数据流中引起所述正向情绪波动的目标销售文本数据；
    获取预设产品数据库中所述目标销售文本数据对应的产品信息，将所述产品信息发送至所述终端，以供所述终端对应销售人员按所述产品信息进行介绍；
    其中，所述在接收到终端发送的语音信息时，将所述语音信息处理生成客户数据流和销售数据流的步骤，包括：
    在接收到终端发送的语音信息时，通过预设语音处理模型识别所述语音信息，得到所述语音信息对应的声纹特征，并将所述语音信息按所述声纹特征划分为客户语音信息和销售语音信息；
    通过所述预设语音处理模型识别所述客户语音信息，得到对应的客户文本数据与客户语音特征数据，将所述客户文本数据与所述客户语音特征数据按时间序列排序生成客户数据流；
    通过所述预设语音处理模型识别所述销售语音信息，得到对应的销售文本数据与销售语音特征数据，将所述销售文本数据与所述销售语音特征数据按时间序列排序生成销售数据流。
  20. 如权利要求19所述的计算机存储介质，其特征在于，所述在检测到所述客户数据流中出现正向情绪波动时，获取所述正向情绪波动对应的时间节点和客户关注文本的步骤，包括：
    将所述客户数据流中的客户文本数据与预设目标词库中的目标词语进行比对；
    在存在与所述目标词语匹配的目标客户文本数据时，判定所述客户数据流中出现正向情绪波动；
    将所述目标客户文本数据作为客户关注文本，并获取所述客户关注文本在所述客户数据流中对应的时间节点。
PCT/CN2019/121198 2019-06-19 2019-11-27 基于语音识别的产品推荐方法、装置、设备和存储介质 Ceased WO2020253115A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910535455.6A CN110335596A (zh) 2019-06-19 2019-06-19 基于语音识别的产品推荐方法、装置、设备和存储介质
CN201910535455.6 2019-06-19

Publications (1)

Publication Number Publication Date
WO2020253115A1 true WO2020253115A1 (zh) 2020-12-24

Family

ID=68142195

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/121198 Ceased WO2020253115A1 (zh) 2019-06-19 2019-11-27 基于语音识别的产品推荐方法、装置、设备和存储介质

Country Status (2)

Country Link
CN (1) CN110335596A (zh)
WO (1) WO2020253115A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110335596A (zh) * 2019-06-19 2019-10-15 深圳壹账通智能科技有限公司 基于语音识别的产品推荐方法、装置、设备和存储介质
CN110880330A (zh) * 2019-10-28 2020-03-13 维沃移动通信有限公司 音频转换方法及终端设备
CN111107400B (zh) * 2019-12-30 2022-06-10 深圳Tcl数字技术有限公司 数据收集方法、装置、智能电视及计算机可读存储介质
CN111626813B (zh) * 2020-04-22 2023-09-29 北京水滴科技集团有限公司 产品推荐方法及其系统
CN111680337B (zh) * 2020-06-04 2021-07-06 宁波智讯联科科技有限公司 Pdm系统产品设计需求信息获取方法及系统
CN112633992A (zh) * 2021-01-11 2021-04-09 上海明略人工智能(集团)有限公司 基于语音识别的销售管理方法及系统
CN113657927A (zh) * 2021-08-02 2021-11-16 上海明略人工智能(集团)有限公司 依据销售录音管理门店的方法及装置
CN114974255A (zh) * 2022-05-16 2022-08-30 上海华客信息科技有限公司 基于酒店场景的声纹识别方法、系统、设备及存储介质
CN115063154A (zh) * 2022-06-23 2022-09-16 平安银行股份有限公司 基于兴趣度的业务推荐方法、装置、终端及存储介质
CN119848198A (zh) * 2024-12-25 2025-04-18 内蒙古同远咨询集团股份有限公司 一种信息技术咨询服务管理方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104125348A (zh) * 2014-07-04 2014-10-29 北京智谷睿拓技术服务有限公司 通信控制方法、装置和智能终端
CN108961072A (zh) * 2018-06-07 2018-12-07 平安科技（深圳）有限公司 推送保险产品的方法、装置、计算机设备和存储介质
WO2019071599A1 (en) * 2017-10-13 2019-04-18 Microsoft Technology Licensing, Llc PROVIDING AN ANSWER IN A SESSION
CN110335596A (zh) * 2019-06-19 2019-10-15 深圳壹账通智能科技有限公司 基于语音识别的产品推荐方法、装置、设备和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103811009A (zh) * 2014-03-13 2014-05-21 华东理工大学 一种基于语音分析的智能电话客服系统
CN107341685A (zh) * 2017-05-24 2017-11-10 百度在线网络技术（北京）有限公司 数据分析方法及装置
US10311454B2 (en) * 2017-06-22 2019-06-04 NewVoiceMedia Ltd. Customer interaction and experience system using emotional-semantic computing
CN109767791B (zh) * 2019-03-21 2021-03-30 中国—东盟信息港股份有限公司 一种针对呼叫中心通话的语音情绪识别及应用系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104125348A (zh) * 2014-07-04 2014-10-29 北京智谷睿拓技术服务有限公司 通信控制方法、装置和智能终端
WO2019071599A1 (en) * 2017-10-13 2019-04-18 Microsoft Technology Licensing, Llc PROVIDING AN ANSWER IN A SESSION
CN108961072A (zh) * 2018-06-07 2018-12-07 平安科技（深圳）有限公司 推送保险产品的方法、装置、计算机设备和存储介质
CN110335596A (zh) * 2019-06-19 2019-10-15 深圳壹账通智能科技有限公司 基于语音识别的产品推荐方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN110335596A (zh) 2019-10-15

Similar Documents

Publication Publication Date Title
WO2020253115A1 (zh) 基于语音识别的产品推荐方法、装置、设备和存储介质
WO2020034526A1 (zh) 保险录音的质检方法、装置、设备和计算机存储介质
WO2021051558A1 (zh) 基于知识图谱的问答方法、装置和存储介质
CN112951275B (zh) 语音质检方法、装置、电子设备及介质
WO2020207035A1 (zh) 骚扰电话拦截方法、装置、设备及存储介质
WO2020015067A1 (zh) 数据采集方法、装置、设备及存储介质
WO2020107761A1 (zh) 广告文案处理方法、装置、设备及计算机可读存储介质
WO2020253112A1 (zh) 测试策略的获取方法、装置、终端及可读存储介质
WO2020139058A1 (en) Cross-device voiceprint recognition
WO2021010744A1 (ko) 음성 인식 기반의 세일즈 대화 분석 방법 및 장치
WO2016112558A1 (zh) 智能交互系统中的问题匹配方法和系统
WO2020258657A1 (zh) 异常检测方法、装置、计算机设备及存储介质
WO2020107762A1 (zh) Ctr预估方法、装置及计算机可读存储介质
WO2015178600A1 (en) Speech recognition method and apparatus using device information
WO2020082766A1 (zh) 输入法的联想方法、装置、设备及可读存储介质
WO2020119069A1 (zh) 基于自编码神经网络的文本生成方法、装置、终端及介质
WO2020256204A1 (ko) 텍스트의 내용 및 감정 분석에 기반한 답변 추천 시스템 및 방법
WO2021251539A1 (ko) 인공신경망을 이용한 대화형 메시지 구현 방법 및 그 장치
WO2021017332A1 (zh) 语音控制报错方法、电器及计算机可读存储介质
WO2014115952A1 (ko) 유머 발화를 이용하는 음성 대화 시스템 및 그 방법
WO2019223547A1 (zh) 教学分析方法、服务器及计算机可读存储介质
WO2020233055A1 (zh) 基于活体检测的产品推广方法、装置、设备及存储介质
WO2018014593A1 (zh) 基于大数据的风险预测方法、装置、服务器及存储介质
WO2019223543A1 (zh) 教学分析方法、服务器及计算机可读存储介质
WO2021051557A1 (zh) 基于语义识别的关键词确定方法、装置和存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19933824

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19933824

Country of ref document: EP

Kind code of ref document: A1

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 30.03.2022)

122 Ep: pct application non-entry in european phase

Ref document number: 19933824

Country of ref document: EP

Kind code of ref document: A1