CN109949071A - 基于语音情绪分析的产品推荐方法、装置、设备和介质 - Google Patents

Abstract

本发明公开了一种基于语音情绪分析的产品推荐方法，包括以下步骤：在接收到终端发出的产品查询请求时，向所述终端发送预设初始语音，并接收所述终端采集的针对所述预设初始语音的语音信息；通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息；根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报。本发明还公开了一种基于语音情绪分析的产品推荐装置、设备和介质。本发明基于语音识别，得到语音信息对应的文本信息和情绪信息，并根据文本信息和情绪信息对预设话术森林进行搜索生成产品推荐话术，使得产品的查询更加准确。

Description

基于语音情绪分析的产品推荐方法、装置、设备和介质

技术领域

本发明涉及计算机技术领域，尤其涉及基于语音情绪分析的产品推荐方法、装置、设备和介质。

背景技术

随着人工智能(Artificial Intelligence)的发展，人机对话应用越来越广泛。

但是目前的人机对话中，在针对客户问题播报应答的话术时，只是简单地进行语音转语义的识别，并不能了解客户意图，例如，现有的产品查询，通过对于客户的语音信息进行识别，并按照语音识别结果搜索对应的产品信息进行播报，这样查询到的产品并不准确，而且这样的语音播报的适用性较差，并不能完全地应用到实际生活中。

发明内容

本发明的主要目的在于提供一种基于语音情绪分析的产品推荐方法、装置、设备和介质，旨在解决当前基于语音识别进行产品推荐时，产品推荐不准确的问题。

为实现上述目的，本发明提供基于语音情绪分析的产品推荐方法，所述基于语音情绪分析的产品推荐方法包括以下步骤：

在接收到终端发出的产品查询请求时，向所述终端发送预设初始语音，并接收所述终端采集的针对所述预设初始语音的语音信息；

通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息；

根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报。

可选地，所述通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息的步骤之前，包括：

分别采集预设方言语系和普通话语系朗读语音数据，并提取各所述语音数据对应的语音特征参数，将各所述语音特征参数组成语音特征集合；

抽取所述语音特征集合中预设比例的各所述语音特征参数，并通过各所述语音特征参数构建初始语音识别模型；

通过迭代算法训练所述初始语音识别模型，并获取训练得到的语音识别模型的语音识别准确率，将识别准确率高于预设阈值的语音识别模型作为预设语音识别模型。

可选地，所述通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息的步骤，包括：

将所述语音信息输入至预设语音识别模型，通过所述预设语音识别模型进行语音识别，得到所述语音信息对应的文本信息；

通过所述预设语音识别模型提取语音信息中的目标语音参数，对目标语音参数进行分析，得到情绪信息。

可选地，所述通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息的步骤，包括：

将所述语音信息输入至预设语音识别模型，通过所述预设语音识别模型进行语音识别，得到所述语音信息对应的文本信息；

通过所述预设语音识别模型提取语音信息中的目标语音参数，对目标语音参数进行分析，得到语音情绪；

将所述文本信息按预设分词法进行分词处理，得到所述文本信息对应的特征词，并将各所述特征词与预设词库中的标准词进行比对；

获取与各所述特征词匹配的目标标准词，及所所述目标标准词对应的文本情绪，并将所述语音情绪和所述文本情绪作为所述语音信息对应的情绪信息。

可选地，所述根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报的步骤，包括：

按所述文本信息对预设话术森林进行搜索，得到所述文本信息对应的文本叶子节点，并获取所述文本叶子节点对应的目标产品；

按所述情绪信息对预设话术森林进行搜索，得到所述情绪信息对应的情绪叶子节点，并获取所述情绪叶子节点对应的话术模板；

获取所述目标产品的产品信息，将所述产品信息添加到所述话术模板中，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报。

可选地，所述根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报的步骤之后，包括：

统计所述产品推荐话术对应产品的产品销售量，在所述产品销售量低于预设销量时，调整所述产品推荐话术。

可选地，所述根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报的步骤之后，包括：

接收所述终端发送的基于所述产品推荐话术答复的答复语音信息，并将所述答复语音信息输入至预设语音识别模型，通过所述预设语音识别模型识别得到所述答复语音信息对应答复文本信息和答复情绪信息；

结合分析所述答复文本信息和所述答复情绪信息，得到所述答复语音信息对应的答复倾向信息；

在所述答复倾向信息为消极时，按所述答复倾向信息对所述文本叶子节点进行回溯搜索，获取新的文本叶子节点及所述文本叶子节点对应的目标产品；

按所述答复倾向信息对所述情绪叶子节点进行回溯搜索，获取新的情绪叶子节点及所述情绪叶子节点对应的话术模板；

获取所述目标产品的产品信息，将所述产生信息添加到所述话术模板中得到答复推荐话术并发送至所述终端进行播报。

此外，为实现上述目的，本发明还提供一种基于语音情绪分析的产品推荐装置，所述基于语音情绪分析的产品推荐装置包括：

请求接收模块，用于在接收到终端发出的产品查询请求时，向所述终端发送预设初始语音，并接收所述终端采集的针对所述预设初始语音的语音信息；

语音识别模块，用于通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息；

话术确定模块，用于根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报。

此外，为实现上述目的，本发明还提供一种基于语音情绪分析的产品推荐设备；

所述基于语音情绪分析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程序，其中：

所述计算机程序被所述处理器执行时实现如上所述的基于语音情绪分析的产品推荐方法的步骤。

此外，为实现上述目的，本发明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程序，所述计算机程序被处理器执行时实现如上述的基于语音情绪分析的产品推荐方法的步骤。

本发明实施例提出的一种基于语音情绪分析的产品推荐方法、装置、设备和介质，服务器在接收到终端发出的产品查询请求时，向所述终端发送预设初始语音，并接收所述终端采集的针对所述预设初始语音的语音信息；通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息；根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报。本实施例中对客户的语音信息进行识别，得到语音信息对应的文本信息和情绪信息，并根据文本信息和情绪信息确定用户的意图，以对预设话术森林进行搜索，得到用户感兴趣的目标产品和话术模板；并将获取目标产品的产品信息，将产品信息添加到话术模板中，得到产品查询请求对应的产品推荐话术并播报，使得金融产品的查询更加准确。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图；

图2为本发明基于语音情绪分析的产品推荐方法第一实施例的流程示意图；

图3为本发明基于语音情绪分析的产品推荐装置一实施例的功能模块示意图。

本发明目的的实现、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发明，并不用于限定本发明。

当前的人力成本较高，在产品推荐时为了减少客服，通常采用智能的产品推荐，例如，服务器根据用户输入的文字信息进行产品查询，这样的产品查询方式中用户的操作不便捷；且查询得到的产品并不准确，为了避免上述情况本发明提出了基于人工智能语音识别确定用户的文本信息(用户意图)和用户情绪(感情倾向)，根据用户意图和用户情绪进行确定用户中意的产品信息和对应的话术策略，实现了按照用户需求准确地进行产品推荐，提高了产品推荐效率与用户体验。

本发明提出了一种基于语音情绪分析的产品推荐方法，应用于如图1所示的服务器，图1是本发明实施例方案涉及的硬件运行环境的服务器(又叫基于语音情绪分析的产品推荐设备，其中，基于语音情绪分析的产品推荐设备可以是由单独的基于语音情绪分析的产品推荐装置构成，也可以是由其他装置与基于语音情绪分析的产品推荐装置组合形成)结构示意图。

本发明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程序服务器。运行以上软件的计算机或计算机***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***、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-volatilememory)，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)执行本发明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***、网络通信模块、用户接口模块以及计算机程序。

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，本发明实施例终端可以固定终端也可以是移动终端，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中存储的计算机程序，并执行本发明以下实施例提供的基于语音情绪分析的产品推荐方法中的步骤。

本实施例提出了一种基于语音情绪分析的产品推荐方法。

在本实施例之前服务器预设语音识别模型，用于识别用户的语音信息，得到语音信息对应文本信息和情绪信息，然后按照识别得到的文本信息和情绪信息对预设话术森林(预设话术森林是指预先构建多棵多叉树的数据结构的话术森林，预设话术森林中包括预设产品树和预设话术树，预设产品树的叶子节点中包含的产品信息，例如，预设产品树中父节点为产品类型，一级叶子节点为产品大类，二级叶子节点为产品小类，三级叶子节点为各产品和各产品对应的信息等等；预设话术树的叶子节点对应的话术模板，例如，一级叶子节点为感兴趣的话术模板，二级叶子节点为中立的话术模板，三级叶子节点为消极的话术模板)进行搜索，以得到产品查询请求对应的产品推荐话术，具体地：

参照图2，本发明基于语音情绪分析的产品推荐方法的第一实施例中，所述基于语音情绪分析的产品推荐方法包括：

步骤S10，在接收到终端发出的产品查询请求时，向所述终端发送预设初始语音，并接收所述终端采集的针对所述预设初始语音的语音信息。

客户在终端上触发产品查询请求，终端将产品查询请求发送至服务器，服务器对产品查询请求进行响应，即，服务器接收产品查询请求时，服务器向该终端发送预设初始语音，其中，预设初始语音是指预先设置的推荐语音，例如，预设初始语音为：尊敬的客户欢迎致电xxx平台，有什么我可以为您服务吗？终端接收服务器发送的预设初始语音并播放，在预设初始语音播报完成之后，终端通过预设语音采集装置采集客户的语音信息，其中，预设语音采集装置是指预先设置的语音采集装置，例如，预设语音采集装置可以是终端上的录音装置，终端将采集到的针对预设初始语音的语音信息发送至服务器，服务器接收终端发送的客户语音信息，以根据语音信息进行产品查询，具体地：

步骤S20，通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息。

在服务器接收到客户的语音信息之后，服务器通过预设语音识别模型利用信号处理技术对客户的语音信息进行处理，以提取语音信息中的特征数据，其中，特征数据是指语音的音色、音调，音频，然后，预设语音识别模型根据声学、语言模型及词典，寻找能够以最大概率输出该特征数据对应的词串，并将词串作为客户语音信息对应的文本信息。

此外，服务器获取特征数据中的目标语音参数，其中，目标语音参数包括：语音的音量、音调、频率、语速、停顿以及波动起伏等的语音参数；服务器对目标语音参数进行分析得到语音信息对应的情绪信息。

本实施例中通过对语音信息进行识别，得到用户文本信息和情绪信息，以根据识别得到的文本信息和情绪信息进行产品推荐，具体地：

步骤S30，根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报。

在确定文本信息和情绪信息之后，服务器根据文本信息和情绪信息对预设话术森林进行搜索，具体地，包括：

1、服务器根据文本信息对预设话术森林中的预设产品树进行搜索，从而得到文本信息对应的文本叶子节点，进而将文本叶子节点对应的产品作为推荐产品；

2、服务器根据情绪信息对预设话术森林中的预设话术树进行搜索，从而得到情绪信息对应的情绪叶子节点，服务器将情绪叶子节点对应的话术模板作为候选话术模板；

3、服务器获取推荐产品的产品信息，将推荐产品的产品信息添加到候选话术模板，得到产品查询请求对应的产品推荐话术并发送至终端进行播报。

在本实施例中对客户的语音信息进行识别，得到语音信息对应的文本信息和情绪信息，并根据文本信息和情绪信息确定用户的意图，以对预设话术森林进行搜索，得到用户感兴趣的目标产品和话术模板；并将获取目标产品的产品信息，将产品信息添加到话术模板中，得到产品查询请求对应的产品推荐话术并播报，使得产品的查询更加准确。

进一步地，在第一实施例中基础上提出了本发明的第二实施例，本实施例是在第一实施例步骤S20之前的步骤，即在将客户语音信息输入至预设语音识别模型之前，服务器需要先建立语音识别模型，本实施例中给出了预设语音识别模型的训练方法，具体地：

步骤S01，分别采集预设方言语系和普通话语系朗读语音数据，并提取各所述语音数据对应的语音特征参数，将各所述语音特征参数组成语音特征集合。

在建立语音识别模型之前需要首先采集普通话、北京话、东北方言、吴方言、赣方言、湘方言、客家方言、闽方言、粤方言和蜀方言的语音信息，服务器将采集到的语音信息按预处理规则进行处理得到特征数据，其中，预处理主要包括预加重、加窗分帧处理、端点检测和降噪处理四个过程。预加重处理是利用信号特性和噪声特性的差别来有效地对信号进行处理，对语音的高频部分进行加重，去除口鼻辐射的影响，增加语音的高频分辨率。加窗分帧处理包括加窗和分帧，其中，一般的分帧方法为交叠分段的方法，前一帧和后一帧的交叠部分称为帧移，而分帧是采用可移动的有限长度的窗口进行加权的方法来实现的，即用一定的窗函数，从而形成加窗语音信号，其中窗函数一般采用汉明窗和矩形窗。端点检测是从一段给定的语音信号中找出语音的起始点和结束点，正确、有效的进行端点检测不仅可以减少计算量和缩短处理时间，而且还能排除无声段的噪声干扰、提高语音识别的正确率。

步骤S02，抽取所述语音特征集合中预设比例的各所述语音特征参数，并通过各所述语音特征参数构建初始语音识别模型。

接着，服务器提取经预处理后的特征数据之后，利用特征数据对构建初始语音识别模型，即，构建初始语音识别模型是基于HMM(Hidden Markov Model，隐马尔可夫模型)实现的，隐马尔可夫模型实质就是对特征数据中表征语音信息的特征进行建模，通过对特征数据中的语音特征进行了大量的统计而得到模型参数，而迭代算法可以采用Baum–Welch(鲍姆韦尔奇)算法，也可以采用经K均值算法改进后的Baum–Welch算法，可提高模型的准确性。

步骤S03，通过迭代算法训练所述初始语音识别模型，并获取训练得到的语音识别模型的语音识别准确率，将识别准确率高于预设阈值的语音识别模型作为预设语音识别模型。

服务器通过迭代算法训练初始语音识别模型，其中，语音识别模型的训练过程如下：1、基于HMM模型构建语音识别模型，并设置语音识别模型的参数初始值，参数初始值可以通过等划分状态或者根据经验估计设置；2、设置最大的迭代次数和收敛阈值；3、采用Viterbi算法(Viterbi Algorithm，维特比算法)对输入的特征数据进行状态的分段操作；4、通过迭代算法(Baum-welch算法)对该语音识别模型的参数进行更新，并对特征数据进行迭代训练，不断地循环迭代，直到达到先前设置的迭代次数或已经收敛，此时，获取训练得到的语音识别模型的语音识别准确率，将识别准确率高于预设阈值的语音识别模型作为预设语音识别模型。其中，预设阈值是指预先设置的准确率临界值，预设阈值可根据具体场景设置，例如设为99％，在本实施例中通过训练语音识别模型实现客户语音信息的准确识别。

进一步地，在本发明上述实施例的基础上，提出了本发明基于语音情绪分析的产品推荐方法的第三实施例。

本实施例是第一实施例中步骤S20的细化，本实施例中确定客户的情绪信息可以通过不同的是方式实现，具体地：

实现方式一，通过预设语音识别模型对语音信息进行处理，得到情绪信息，包括：

步骤S21，将所述语音信息输入至预设语音识别模型，通过所述预设语音识别模型进行语音识别，得到所述语音信息对应的文本信息。

服务器将所述语音信息输入至预设语音识别模型(预设语音识别模型为第二实施例中训练的模型，本实施例中不作赘述)，通过所述预设语音识别模型进行语音识别，即，预设语音识别模型提取语音信息对应的语音特征参数，其中，语音特征参数包括：语音声调、声音振幅、声音频率等等，预设语音识别模型对语音特征参数得到所述语音信息对应的文本信息。

步骤S22，通过所述预设语音识别模型提取语音信息中的目标语音参数，对目标语音参数进行分析，得到情绪信息。

服务器通过所述预设语音识别模型提取语音信息中的目标语音参数，其中，目标语音参数是语音信息中提取的特定参数，例如语音的音量、音调、频率、语速、停顿以及波动起伏等的语音参数；服务器根据对目标语音参数进行分析，得到情绪信息。

即，服务器将目标语音参数与预设状态对照表(预设状态对照表预先设置语音参数与情绪信息对照表)中的预存语音参数进行比较，得到目标语音参数对应的情绪信息；例如，服务器查询预设对照表，得到目标语音参数中声音频率在1200-2000f/Hz，声音音量在60-80分贝对应的情绪信息为激动。本实施例中对目标语音参数进行分析，得到情绪信息，使得客户情绪分析更加准确。

实现方式二，服务器将所述文本信息和所述语音特征数据进行结合分析，得到情绪信息，即，

步骤S23，将所述语音信息输入至预设语音识别模型，通过所述预设语音识别模型进行语音识别，得到所述语音信息对应的文本信息。

本实施例中服务器将所述语音信息输入至预设语音识别模型，通过所述预设语音识别模型进行语音识别，得到所述语音信息对应的文本信息，以上述实施例相同，本实施例中不作赘述。

步骤S24，通过所述预设语音识别模型提取语音信息中的目标语音参数，对目标语音参数进行分析，得到语音情绪。

通过所述预设语音识别模型提取语音信息中的目标语音参数，对目标语音参数进行分析，得到客户的语音情绪，即，服务器中预先设置语音参数与情绪信息对照表，服务器将目标语音参数与状态对照表中的预存语音参数进行比较，得到目标语音参数对应的语音情绪。

步骤S25，将所述文本信息按预设分词法进行分词处理，得到所述文本信息对应的特征词，并将各所述特征词与预设词库中的标准词进行比对。

服务器将文本信息按预设分词法进行分词处理，得到文本信息对应的字段，服务器将各个字段进行去噪，保留反映客户情绪的特征词；然后，服务器将各所述特征词与预设词库中的标准词进行比对。其中，预设分词算法是指预先设置的将目标文本信息中的汉字序列切分成一个个单独词的算法。

步骤S26，获取与各所述特征词匹配的目标标准词，及所述目标标准词对应的文本情绪，并将所述语音情绪和所述文本情绪作为所述语音信息对应的情绪信息。

服务器将各特征词与预设词库中的标准词进行比对，即，预设词库中预先设置有表示喜、怒、哀、乐等情绪的标准词，服务器通过模糊匹配确定与特征词同音或者同义的标准词，服务器获取与各所述特征词匹配的目标标准词。服务器获取各目标标准词对应的文本情绪，例如，目标标准词的“谢谢”对应文本情绪为“感恩”。服务器将语音情绪和文本情绪作为语音信息对应的情绪信息。在确定客户情绪的方法实现方式二中，服务器将实现方式一中通过目标语音参数进行分析，得到情绪信息作为语音情绪，然后再根据文本信息分析得到文本情绪，并将语音情绪和文本情绪作为语音信息对应的情绪信息，使得用户情绪识别更加准确。

进一步地，在上述实施例的基础上，提出了本发明基于语音分析的产品推荐方法的第三实施例。

本实施例是第一实施例中步骤S30的细化，具体地，包括：

步骤S31，按所述文本信息对预设话术森林进行搜索，得到所述文本信息对应的文本叶子节点，并获取所述文本叶子节点对应的目标产品。

服务器按文本信息对预设话术森林进行搜索，其中，本实施例中的预设话术森林中多叉树分为两个类型，第一类是包含产品信息的多叉树(预设产品书)，树的每个节点都设置有不同的产品和产品相关信息；第二类是包含语音模板的多叉树，树的每个节点都设置有不同的语音模板(语音模板可以理解为语音答复方式)；服务器按文本信息对预设话术森林的第一类多叉树的进行搜索，服务器搜索得到所述文本信息对应的文本叶子节点，并获取所述文本叶子节点对应的目标产品。

步骤S32，按所述情绪信息对预设话术森林进行搜索，得到所述情绪信息对应的情绪叶子节点，并获取所述情绪叶子节点对应的话术模板。

服务器按情绪信息对预设话术森林中的第二类多叉树(又叫预设话术树)进行搜索，得到所述情绪信息对应的情绪叶子节点，服务器并获取情绪叶子节点对应的话术模板。

步骤S33，获取所述目标产品的产品信息，将所述产品信息添加到所述话术模板中，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报。

在服务器确定目标产品之后，服务器获取目标产品的产品信息，并将产品信息添加到话术模板中，得到产品查询请求对应的产品推荐话术并发送至终端播报；本实施例中服务器根据文本信息选择对应的产品，使得服务器为客户推荐的产品更加准确，服务器根据情绪信息选择对应的话术模板，即，本实施例中服务器可以根据用户的语气选择对应的语音答复方式，使得产品推荐更加符合客户沟通习惯。

进一步地，在本发明基于语音情绪分析的产品推荐方法的第四实施例中，本实施例可以与任一实施例进行结合。

在本实施例中基于语音情绪分析的产品推荐方法包括：

步骤S40，接收所述终端发送的基于所述产品推荐话术答复的答复语音信息，并将所述答复语音信息输入至预设语音识别模型，通过所述预设语音识别模型识别得到所述答复语音信息对应答复文本信息和答复情绪信息。

服务器接收客户基于产品推荐话术答复的答复语音信息，并将答复语音信息输入至预设语音识别模型，通过所述预设语音识别模型识别得到答复语音信息对应答复文本信息和答复情绪信息，其中，本实施例中通过预设语音识别模型识别得到所复语音信息对应答复文本信息和答复情绪信息的具体实现方式第一实施例的中实现方式相同，本实施例不作赘述。

步骤S50，结合分析所述答复文本信息和所述答复情绪信息，得到所述答复语音信息对应的答复倾向信息。

实施例中将答复文本信息和答复情绪信息结合分析，即，服务器将答复文本信息按预设分词法进行分词处理，得到答复文本信息对应的分词集合；服务器去除分词集合中的噪音词，获取分词集合中反映客户情绪的特征词，服务器将客户情绪的特征词与识别得到的情绪信息作为答复语音信息对应的答复倾向信息。例如，答复文本信息为：好的，麻烦帮忙介绍一下健康保险，答复情绪信息为和善，则服务器得到答复语音信息对应的答复倾向为和善

步骤S60，在所述答复倾向信息为消极时，按所述答复倾向信息和所述产品推荐话术对所述预设话术森林进行回溯搜索，得到答复推荐话术并发送至所述终端进行播报。

在服务器得到答复倾向信息之后，服务器需要根据答复倾向信息判定客户对产品推荐话术对应的产品是否感兴趣，具体地，包括：

服务器将答复倾向信息中的答复文本信息与预设情绪信息进行比对；其中，预设情绪信息是指预先设置的消极类型的词，例如，对不起，不用等等，服务器确定答复文本信息与预设情绪信息匹配，则判定答复倾向信息为消极，即，客户对产品推荐话术对应的产品不感兴趣，反之，服务器确定答复文本信息与所述预设标准信息不匹配，则判定答复倾向信息为积极，即，对产品推荐话术对应的产品感兴趣，服务器确定答复倾向信息为积极时再进行搜索，本实施例中不作赘述。

例如，产品推荐话术为：需要我为你介绍健康险a吗？客户可以对产品推荐话术进行答复的答复语音信息为：健康险a保险的有效期限是多久呢？服务器识别答复语音信息：1、健康险a保险的有效期限是多久呢？服务器确定客户的答复倾向信息为感兴趣(积极)；服务器识别答复语音信息：2、对不起，我不需要健康险？得到客户的答复倾向信息为不感兴趣(消极)。

本实施例中按所述答复倾向信息和所述产品推荐话术对所述预设话术森林进行回溯搜索，得到答复推荐话术并发送至所述终端进行播报，具体地，包括：

步骤a，在所述答复倾向信息为消极时，按所述答复倾向信息对所述文本叶子节点进行回溯搜索，获取新的文本叶子节点及所述文本叶子节点对应的目标产品；

步骤b，按所述答复倾向信息对所述情绪叶子节点进行回溯搜索，获取新的情绪叶子节点及所述情绪叶子节点对应的话术模板；

步骤c，获取所述目标产品的产品信息，将所述产生信息添加到所述话术模板中得到答复推荐话术并发送至所述终端进行播报。

即，在答复倾向信息为消极时，也就是说客户对产品推荐话术中的产品不感兴趣，服务器需要进行重新推荐新的产品，服务器根据答复倾向信息和所述产品推荐话术对预设话术森林进行回溯搜索；例如，服务器首先确定产品推荐话术中对应节点，并反向获取该节点的上级节点，获取上级节点对应的产品，然后，服务器按情绪叶子节点进行回溯搜索，获取新的情绪叶子节点及所述情绪叶子节点对应的话术模板，获取新的目标产品的产品信息，将新产品的产生信息添加到新的话术模板中，得到答复推荐话术并发送至所述终端进行播报。

在本实施例中服务器采集客户基于产品推荐话术答复的答复语音信息，并识别答复语音信息得到答复倾向信息；服务器结合所述答复倾向信息和产品推荐话术对所述预设话术森林进行搜索，使得产品推荐更加智能，提高了产品推荐准确率。

进一步地，在上述实施例的基础上，提出了在本发明基于语音情绪分析的产品推荐方法的第五实施例中，本实施例可以与任一实施例进行结合。

在本实施例中基于语音情绪分析的产品推荐方法包括：

步骤S70，统计所述产品推荐话术对应产品的产品销售量，在所述产品销售量低于预设销量时，调整所述产品推荐话术。

即，在本实施例中服务器统计产品推荐话术对应产品的产品销售量，并将产品销售量与预设销量(预设销量是指预先设置的金融产品销量临界值)进行比较，产品销售量低于预设销量时，调整产品推荐话术，使得产品推荐话术更加合理。

此外，参照图3，本发明实施例还提出一种基于语音情绪分析的产品推荐装置，所述基于语音情绪分析的产品推荐装置包括：

请求接收模块10，用于在接收到终端发出的产品查询请求时，向所述终端发送预设初始语音，并接收所述终端采集的针对所述预设初始语音的语音信息；

语音识别模块20，用于通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息；

话术确定模块30，用于根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报。

可选地，基于语音情绪分析的产品推荐装置，包括：

语音采集模块，用于分别采集预设方言语系和普通话语系朗读语音数据，并提取各所述语音数据对应的语音特征参数，将各所述语音特征参数组成语音特征集合；

初始模型构建模块，用于抽取所述语音特征集合中预设比例的各所述语音特征参数，并通过各所述语音特征参数构建初始语音识别模型；

模型确定模块，用于通过迭代算法训练所述初始语音识别模型，并获取训练得到的语音识别模型的语音识别准确率，将识别准确率高于预设阈值的语音识别模型作为预设语音识别模型。

可选地，所述语音识别模块20，包括：

第一文本识别单元，用于将所述语音信息输入至预设语音识别模型，通过所述预设语音识别模型进行语音识别，得到所述语音信息对应的文本信息；

第一情绪识别单元，用于通过所述预设语音识别模型提取语音信息中的目标语音参数，对目标语音参数进行分析，得到情绪信息。

可选地，所述语音识别模块20，还包括：

第二文本识别单元，用于将所述语音信息输入至预设语音识别模型，通过所述预设语音识别模型进行语音识别，得到所述语音信息对应的文本信息；

数据提取单元，用于通过所述预设语音识别模型提取语音信息中的目标语音参数，对目标语音参数进行分析，得到语音情绪；

文本处理单元，用于将所述文本信息按预设分词法进行分词处理，得到所述文本信息对应的特征词，并将各所述特征词与预设词库中的标准词进行比对；

第二情绪识别单元，用于获取与各所述特征词匹配的目标标准词，及所所述目标标准词对应的文本情绪，并将所述语音情绪和所述文本情绪作为所述语音信息对应的情绪信息。

可选地，所述话术确定模块30，包括：

产品搜索单元，用于按所述文本信息对预设话术森林进行搜索，得到所述文本信息对应的文本叶子节点，并获取所述文本叶子节点对应的目标产品；

话术搜索单元，用于按所述情绪信息对预设话术森林进行搜索，得到所述情绪信息对应的情绪叶子节点，并获取所述情绪叶子节点对应的话术模板；

话术播报单元，用于获取所述目标产品的产品信息，将所述产品信息添加到所述话术模板中，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报。

可选地，所述基于语音情绪分析的产品推荐装置，包括：

接收识别模块，用于接收所述终端发送的基于所述产品推荐话术答复的答复语音信息，并将所述答复语音信息输入至预设语音识别模型，通过所述预设语音识别模型识别得到所述答复语音信息对应答复文本信息和答复情绪信息；

倾向确定模块，用于结合分析所述答复文本信息和所述答复情绪信息，得到所述答复语音信息对应的答复倾向信息；

第一回溯模块，用于在所述答复倾向信息为消极时，按所述答复倾向信息对所述文本叶子节点进行回溯搜索，获取新的文本叶子节点及所述文本叶子节点对应的目标产品；

第二回溯模块，用于按所述答复倾向信息对所述情绪叶子节点进行回溯搜索，获取新的情绪叶子节点及所述情绪叶子节点对应的话术模板；

生成发送模块，用于获取所述目标产品的产品信息，将所述产生信息添加到所述话术模板中得到答复推荐话术并发送至所述终端进行播报。

可选地，所述基于语音情绪分析的产品推荐装置，包括：

统计调整模块，用于统计所述产品推荐话术对应产品的产品销售量，在所述产品销售量低于预设销量时，调整所述产品推荐话术。

其中，基于语音情绪分析的产品推荐装置的各个功能模块实现的步骤可参照本发明基于语音情绪分析的产品推荐方法的各个实施例，此处不再赘述。

此外，本发明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程序，所述计算机程序被处理器执行时实现上述实施例提供的基于语音情绪分析的产品推荐方法中的操作。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来，而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序；术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。

对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

上述本发明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，本发明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)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于语音情绪分析的产品推荐方法，其特征在于，包括以下步骤：

在接收到终端发出的产品查询请求时，向所述终端发送预设初始语音，并接收所述终端采集的针对所述预设初始语音的语音信息；

通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息；

根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报。

2.如权利要求1所述的基于语音情绪分析的产品推荐方法，其特征在于，所述通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息的步骤之前，包括：

分别采集预设方言语系和普通话语系朗读语音数据，并提取各所述语音数据对应的语音特征参数，将各所述语音特征参数组成语音特征集合；

抽取所述语音特征集合中预设比例的各所述语音特征参数，并通过各所述语音特征参数构建初始语音识别模型；

通过迭代算法训练所述初始语音识别模型，并获取训练得到的语音识别模型的语音识别准确率，将识别准确率高于预设阈值的语音识别模型作为预设语音识别模型。

3.如权利要求1所述的基于语音情绪分析的产品推荐方法，其特征在于，所述通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息的步骤，包括：

将所述语音信息输入至预设语音识别模型，通过所述预设语音识别模型进行语音识别，得到所述语音信息对应的文本信息；

通过所述预设语音识别模型提取语音信息中的目标语音参数，对目标语音参数进行分析，得到情绪信息。

4.如权利要求1所述的基于语音情绪分析的产品推荐方法，其特征在于，所述通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息的步骤，包括：

将所述语音信息输入至预设语音识别模型，通过所述预设语音识别模型进行语音识别，得到所述语音信息对应的文本信息；

通过所述预设语音识别模型提取语音信息中的目标语音参数，对目标语音参数进行分析，得到语音情绪；

将所述文本信息按预设分词法进行分词处理，得到所述文本信息对应的特征词，并将各所述特征词与预设词库中的标准词进行比对；

获取与各所述特征词匹配的目标标准词，及所述目标标准词对应的文本情绪，并将所述语音情绪和所述文本情绪作为所述语音信息对应的情绪信息。

5.如权利要求1所述的基于语音情绪分析的产品推荐方法，其特征在于，所述根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报的步骤，包括：

按所述文本信息对预设话术森林进行搜索，得到所述文本信息对应的文本叶子节点，并获取所述文本叶子节点对应的目标产品；

按所述情绪信息对预设话术森林进行搜索，得到所述情绪信息对应的情绪叶子节点，并获取所述情绪叶子节点对应的话术模板；

获取所述目标产品的产品信息，将所述产品信息添加到所述话术模板中，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报。

6.如权利要求5所述的基于语音情绪分析的产品推荐方法，其特征在于，所述根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报的步骤之后，包括：

接收所述终端发送的基于所述产品推荐话术答复的答复语音信息，并将所述答复语音信息输入至预设语音识别模型，通过所述预设语音识别模型识别得到所述答复语音信息对应答复文本信息和答复情绪信息；

结合分析所述答复文本信息和所述答复情绪信息，得到所述答复语音信息对应的答复倾向信息；

在所述答复倾向信息为消极时，按所述答复倾向信息对所述文本叶子节点进行回溯搜索，获取新的文本叶子节点及所述文本叶子节点对应的目标产品；

按所述答复倾向信息对所述情绪叶子节点进行回溯搜索，获取新的情绪叶子节点及所述情绪叶子节点对应的话术模板；

获取所述目标产品的产品信息，将所述产生信息添加到所述话术模板中得到答复推荐话术并发送至所述终端进行播报。

7.如权利要求1所述的基于语音情绪分析的产品推荐方法，其特征在于，所述根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报的步骤之后，包括：

统计所述产品推荐话术对应产品的产品销售量，在所述产品销售量低于预设销量时，调整所述产品推荐话术。

8.一种基于语音情绪分析的产品推荐装置，其特征在于，所述基于语音情绪分析的产品推荐装置包括：

请求接收模块，用于在接收到终端发出的产品查询请求时，向所述终端发送预设初始语音，并接收所述终端采集的针对所述预设初始语音的语音信息；

语音识别模块，用于通过预设语音识别模型识别所述语音信息，得到所述语音信息对应文本信息和情绪信息；

话术确定模块，用于根据所述文本信息和所述情绪信息对预设话术森林进行搜索，得到所述产品查询请求对应的产品推荐话术并发送至所述终端进行播报。

9.一种基于语音情绪分析的产品推荐设备，其特征在于，所述基于语音情绪分析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程序，其中：

所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于语音情绪分析的产品推荐方法的步骤。

10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于语音情绪分析的产品推荐方法的步骤。