CN110458732A - 培训方法、装置、计算机设备和存储介质 - Google Patents

培训方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110458732A
CN110458732A CN201910520923.2A CN201910520923A CN110458732A CN 110458732 A CN110458732 A CN 110458732A CN 201910520923 A CN201910520923 A CN 201910520923A CN 110458732 A CN110458732 A CN 110458732A
Authority
CN
China
Prior art keywords
training
user
text information
knowledge point
scene
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910520923.2A
Other languages
English (en)
Inventor
李炫廷
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.)
Shenzhen Chase Technology Co Ltd
Shenzhen Zhuiyi Technology Co Ltd
Original Assignee
Shenzhen Chase 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 Shenzhen Chase Technology Co Ltd filed Critical Shenzhen Chase Technology Co Ltd
Priority to CN201910520923.2A priority Critical patent/CN110458732A/zh
Publication of CN110458732A publication Critical patent/CN110458732A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3343—Query execution using phonetics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G06Q50/2057—Career enhancement or continuing education service
    • 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
    • G06—COMPUTING; CALCULATING OR 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
    • G06Q30/01—Customer relationship services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Acoustics & Sound (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本申请涉及一种培训方法、装置、计算机设备和存储介质。所述方法包括：获取被培训用户从多个预设培训场景中选取的目标培训场景；根据所述目标培训场景创建虚拟用户，并通过所述虚拟用户与所述被培训用户进行语音交互；根据所述语音交互中所述被培训用户的语音信息，对培训效果进行量化。通过本发明实施例，可以在被培训用户选取目标培训场景后，模拟虚拟用户与被培训用户进行语音交互，也就是模拟真实场景培训被培训用户，使被培训用户在培训过程中积累实战经验，进而提高培训效果。

Description

培训方法、装置、计算机设备和存储介质
技术领域
本申请涉及培训技术领域，特别是涉及一种培训方法、装置、计算机设备和存储介质。
背景技术
客服人员是企业经营过程中不可或缺的岗位，客服人员的服务对提升企业服务质量、维护企业形象十分重要。但是，由于客服人员数量多、流动性大，企业往往要投入大量的重复性工作进行培训。
随着信息技术的发展，出现了线上客服培训***。这类***囊括了一些学习课程和资料资源，可让学员在线学习。例如，在线播放PPT或者教学视频等。客服人员学习完成后，还能在***中进行在线考核。
但是，由于这类线上客服培训***往往只是理论输出，客服人员在实际操作中并不能将理论结合实际，因此培训效果不佳。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高培训效果的培训方法、装置、计算机设备和存储介质。
第一方面，本发明实施例提供了一种培训方法，该方法包括：
获取被培训用户从多个预设培训场景中选取的目标培训场景；
根据目标培训场景创建虚拟用户，并通过虚拟用户与被培训用户进行语音交互；
根据语音交互中被培训用户的语音信息，对培训效果进行量化。
在其中一个实施例中，上述根据语音交互中被培训用户的语音信息，对培训效果进行量化，包括：
将被培训用户的语音信息转换为对应的文本信息；
采用预设匹配方式判断被培训用户的文本信息是否包含培训知识点；
根据判断结果确定培训效果的量化值。
在其中一个实施例中，上述预设匹配方式包括关键词匹配，培训知识点包括预设关键词；
上述采用预设匹配方式判断被培训用户的文本信息是否包含培训知识点，包括：
判断被培训用户的文本信息中是否包含预设关键词；
若包含预设关键词，则判定被培训用户的文本信息包含培训知识点。
在其中一个实施例中，上述预设匹配方式包括语义匹配，培训知识点包括标准语句的语义标签；
上述采用预设匹配方式判断被培训用户的文本信息是否包含培训知识点，包括：
将被培训用户的文本信息输入到预先训练的语义模型中，得到被培训用户的文本信息的语义标签；
在被培训用户的文本信息的语义标签与标准语句的语义标签一致时，判定被培训用户的文本信息包含培训知识点。
在其中一个实施例中，该方法还包括：
获取多个样本标准语句；
对各样本标准语句添加样本语义标签；
将多个样本标准语句作为深度学习模型的输入，将样本标准语句的样本语义标签作为深度学习模型的输出，对深度学习模型进行训练，得到语义模型。
在其中一个实施例中，上述根据判断结果确定培训效果的量化值，包括：
若被培训用户的文本信息包含培训知识点，则根据知识点与分值之间的对应关系，确定被培训用户的文本信息包含的各培训知识点对应的目标分值；
统计各目标分值，得到培训效果的量化值。
在其中一个实施例中，该方法还包括：
若文本信息不包含培训知识点，则显示培训知识点。
在其中一个实施例中，上述根据目标培训场景创建虚拟用户，并通过虚拟用户与被培训用户进行语音交互，包括：
显示虚拟用户的用户信息；
根据预设的虚拟用户的文本信息生成虚拟用户的语音信息；
根据虚拟用户的语音信息播放语音，并采集被培训用户回复的语音信息。
在其中一个实施例中，在上述获取被培训用户从多个预设培训场景中选取的目标培训场景之前，该方法还包括：
接收输入的场景信息；其中，场景信息至少包括场景名称、虚拟用户的用户信息、虚拟用户的文本信息、培训知识点和培训知识点对应的分值；
根据场景信息生成预设培训场景。
第二方面，本发明实施例提供了一种培训装置，包括：
目标培训场景获取模块，用于获取被培训用户从多个预设培训场景中选取的目标培训场景；
语音交互模块，用于根据目标培训场景创建虚拟用户，并通过虚拟用户与被培训用户进行语音交互；
培训效果量化模块，用于根据语音交互中被培训用户的语音信息，对培训效果进行量化。
在其中一个实施例中，培训效果量化模块包括：
信息转换子模块，用于将被培训用户的语音信息转换为对应的文本信息；
判断子模块，用于采用预设匹配方式判断被培训用户的文本信息是否包含培训知识点；
量化子模块，用于根据判断结果确定培训效果的量化值。
在其中一个实施例中，预设匹配方式包括关键词匹配，培训知识点包括预设关键词；
判断子模块包括：
预设关键词判断单元，用于判断被培训用户的文本信息中是否包含预设关键词；
第一判定单元，用于若包含预设关键词，则判定被培训用户的文本信息包含培训知识点。
在其中一个实施例中，预设匹配方式包括语义匹配，培训知识点包括标准语句的语义标签；
判断子模块包括：
语义标签获得单元，用于将被培训用户的文本信息输入到预先训练的语义模型中，得到被培训用户的文本信息的语义标签；
第二判定单元，用于在被培训用户的文本信息的语义标签与标准语句的语义标签一致时，判定被培训用户的文本信息包含培训知识点。
在其中一个实施例中，该装置还包括：
样本标准语句获取模块，用于获取多个样本标准语句；
样本语义标签添加模块，用于对各样本标准语句添加样本语义标签；
语义模型训练模块，用于将多个样本标准语句作为深度学习模型的输入，将样本标准语句的样本语义标签作为深度学习模型的输出，对深度学习模型进行训练，得到语义模型。
在其中一个实施例中，培训效果量化模块包括：
目标分支确定子模块，用于若被培训用户的文本信息包含培训知识点，则根据知识点与分值之间的对应关系，确定被培训用户的文本信息包含的各培训知识点对应的目标分值；
量化值获得子模块，用于统计各目标分值，得到培训效果的量化值。
在其中一个实施例中，该装置还包括：
培训知识点显示模块，用于若文本信息不包含培训知识点，则显示培训知识点。
在其中一个实施例中，语音交互模块包括：
用户信息显示子模块，用于显示虚拟用户的用户信息；
语音信息生成子模块，用于根据预设的虚拟用户的文本信息生成虚拟用户的语音信息；
播放采集子模块，用于根据虚拟用户的语音信息播放语音，并采集被培训用户回复的语音信息。
在其中一个实施例中，在目标培训场景获取模块之前，该装置还包括：
场景信息接收模块，用于接收输入的场景信息；其中，场景信息至少包括场景名称、虚拟用户的用户信息、虚拟用户的文本信息、培训知识点和培训知识点对应的分值；
预设培训场景生成模块，用于根据场景信息生成预设培训场景。
第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面任一实施例所述的培训方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其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第一方面任一实施例所述的培训方法。
上述培训方法、装置、计算机设备和存储介质，获取被培训用户从多个预设培训场景中选取的目标培训场景；根据目标培训场景创建虚拟用户，并通过虚拟用户与被培训用户进行语音交互；根据语音交互中被培训用户的语音信息，对培训效果进行量化。通过本发明实施例，可以根据培训需求预先设置不同的培训场景，从而适应不同领域的培训；在被培训用户选取目标培训场景后，模拟虚拟用户与被培训用户进行语音交互，也就是模拟真实场景培训被培训用户，使被培训用户在培训过程中积累实战经验；在培训结束后，还向被培训用户反馈培训效果的量化值，使被培训用户了解缺失的知识点，进而提高培训效果。
附图说明
图1为一个实施例中培训方法的应用环境图；
图2为一个实施例中培训方法的流程示意图；
图3为一个实施例中对培训效果进行量化步骤的流程示意图；
图4为一个实施例中语音交互步骤的流程示意图；
图5为一个实施例中生成预设培训场景步骤的流程示意图；
图6为另一个实施例中培训方法的流程示意图；
图7为一个实施例中培训装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处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。
本申请提供的培训方法，可以应用于图1所示的应用环境中。其中，人与终端进行交互，终端可以通过模拟生成的语音对用户进行智能培训。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑。
在一个实施例中，如图2所示，提供了一种培训方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤101，获取被培训用户从多个预设培训场景中选取的目标培训场景。
本实施例中，终端上可以设置培训***，培训***的维护人员可以预先在终端中设置多个培训场景。例如，培训银行客服，可以设置***催收还款、理财咨询、开户行查询等培训场景；培训某官网客服，可以设置产品咨询、余额查询、积分查询等培训场景。本发明实施例对预设培训场景不作详细限定，可以根据实际情况进行设置。
在培训时，被培训用户从多个预设培训场景中选取目标培训场景，终端获取被培训用户选取的目标培训场景，然后进入目标培训场景。例如，终端显示多个预设培训场景a、b、c、d，被培训用户从多个选项中勾选目标培训场景a，并点击确定按键，然后，终端获取到勾选的目标培训场景a和确定按键指示的触发指令，并进入目标培训场景。或者，被培训用户点击目标培训场景a的选项，之后，终端获取到点击指令，并进入目标培训场景a。本发明实施例对目标培训场景的获取方式不作详细限定，可以根据实际情况进行设置。
步骤102，根据目标培训场景创建虚拟用户，并通过虚拟用户与被培训用户进行语音交互。
本实施例中，终端进入目标培训场景后，根据目标培训场景创建虚拟用户。具体地，目标培训场景提供场景信息。例如，目标培训场景是***催收还款，提供还款人的信息，比如姓名、年龄、性别、欠款金额、最低还款金额、逾期天数等。终端可以根据目标培训场景提供的场景信息创建虚拟用户。例如，终端根据还款人信息创建虚拟的还款人。
在培训过程中，创建的虚拟用户与被培训用户进行语音交互。例如，被培训用户为银行客服，银行客服说“您好，这里是XX银行”，“您的***欠款A元，最低还款B元，已经逾期C天，请您安排尽快还款”；而虚拟的还款人说“我已经还了”；银行客服可以继续说“请您再次确认一下是否已经还了，我这边暂时没有你的还款信息”；虚拟的还款人说“我M月D日还的”，银行客服再说“好的，那我再去核实一下，非常抱歉打扰您，再见”。在这个语音交互的过程中，终端可以采用人工智能(Artificial Intelligence)技术实现，本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤103，根据语音交互中被培训用户的语音信息，对培训效果进行量化。
本实施例中，在语音交互过程中，采集被培训用户的语音信息。在采集到被培训用户的语音信息后，根据终端中预设的标准答案判断被培训用户的回答内容是否正确。例如，标准答案为“您的***欠款A元，最低还款B元，已经逾期C天，请您安排尽快还款”，如果银行客服的语音信息为“你的***欠款了，尽快还款吧”，则银行客服的回答内容与标准答案相差较多，终端会判定银行客服回答错误。如果银行客服的语音信息为“你的***已经欠款C天了，总欠款是A元，最低还款B元，请问你什么时候可以进行还款”，则银行客服的回答内容与标准答案比较相近，终端会判定银行客服回答正确。最后，根据被培训用户的回答情况，对培训效果进行量化。例如，得到被培训用户的总分。
上述培训方法中，获取被培训用户从多个预设培训场景中选取的目标培训场景；根据目标培训场景创建虚拟用户，并通过虚拟用户与被培训用户进行语音交互；根据语音交互中被培训用户的语音信息，对培训效果进行量化。通过本发明实施例，可以根据培训需求预先设置不同的培训场景，从而适应不同领域的培训；在被培训用户选取目标培训场景后，模拟虚拟用户与被培训用户进行语音交互，也就是模拟真实场景培训被培训用户，使被培训用户在培训过程中积累实战经验；在培训结束后，还向被培训用户反馈培训效果的量化值，使被培训用户了解缺失的知识点，进而提高培训效果。
在另一个实施例中，如图3所示，本实施例涉及的是根据语音交互中被培训用户的语音信息，对培训效果进行量化的一种可选的过程。在上述图2所示实施例的基础上，上述步骤103具体可以包括以下步骤：
步骤201，将被培训用户的语音信息转换为对应的文本信息。
本实施例中，采集到被培训用户的语音信息后，对语音信息进行语音识别，得到对应的文本信息。例如，对被培训用户的第一句话进行语音识别，得到对应的文本信息1“您好，这里是XX银行”；对被培训用户的第二句话进行语音识别，得到对应的文本信息2“您的***欠款A元，最低还款B元，已经逾期C天，请您安排尽快还款”；对被培训用户的第三句话进行语音识别，得到对应的文本信息3“请您再次确认一下是否已经还了，我这边暂时没有你的还款信息”；对被培训用户的第四句话进行语音识别，得到对应的文本信息4“好的，那我再去核实一下，非常抱歉打扰您，再见”。本发明实施例对语音识别不作详细限定，可以根据实际情况进行设置。
步骤202，采用预设匹配方式判断被培训用户的文本信息是否包含培训知识点。
本实施例中，在将被培训用户的语音信息转换为对应的文本信息之后，采用预设匹配方式判断文本信息是否包含培训知识点。其中，预设匹配方式可以包括关键词匹配、语义匹配中的至少一种。具体地，可以采用如下判断方式：
方式一，在预设匹配方式包括关键词匹配，培训知识点包括预设关键词的情况下，判断被培训用户的文本信息中是否包含预设关键词；若包含预设关键词，则判定被培训用户的文本信息包含培训知识点。
例如，培训知识点包括的预设关键词包括：您好、XX银行、***欠款A元、最低还款B元、逾期C天等。判断被培训用户的文本信息中是否包括这些预设关键词，如果包含预设关键词，则判定被培训用户的文本信息包含培训知识点。例如，文本信息1中包括预设关键词“您好”和“XX银行”，判定文本信息1包含培训知识点；文本信息2中包括预设关键词“***欠款A元”、“最低还款B元”和“逾期C天”，则判定文本信息2包含培训知识点。
方式二，在预设匹配方式包括语义匹配，培训知识点包括标准语句的语义标签的情况下，将被培训用户的文本信息输入到预先训练的语义模型中，得到被培训用户的文本信息的语义标签；在被培训用户的文本信息的语义标签与标准语句的语义标签一致时，判定被培训用户的文本信息包含培训知识点。
例如，将文本信息2输入到预先训练的语义模型中，得到文本信息2的语义标签为“催还款，包括还款金额和逾期天数”，而标准语句为“您的***欠款A元，最低还款B元，已经逾期C天，请您安排尽快还款”，标准语句的语义标签也是“催还款，包括还款金额和逾期天数”，文本信息2的语义标签与标准语句的语义标签一致，判定文本信息2包含培训知识点。
又例如，将文本信息3输入到预先训练的语义模型中，得到文本信息3的语义标签“再次确认”，而标准语句的语义标签也是“再次确认”，文本信息3的语义标签与标准语句的语义标签一致，判定文本信息3包含培训知识点。
可以理解地，上述关键词匹配和语义匹配可以单独使用，也可以组合使用，采用这些预设匹配方式进行判断，可以提高判断的准确率，使客服人员的回答内容在包含培训知识点的前提下更具灵活性。
在其中一个实施例中，训练语义模型的步骤包括：获取多个样本标准语句；对各样本标准语句添加样本语义标签；将多个样本标准语句作为深度学习模型的输入，将样本标准语句的样本语义标签作为深度学习模型的输出，对深度学习模型进行训练，得到语义模型。
例如，多个样本标准语句包括：“您的***已经欠款C天了，总欠款是A元，最低还款B元，请问您什么时候可以进行还款”、“您的***欠款A元，最低还款B元，已经逾期C天，请您安排尽快还款”等，对这些样本标准语句添加样本语义标签“催还款，包括还款金额和逾期天数”。将多个样本标准语句输入深度学习模型中，深度学习模型输出语义标签。在深度学习模型输出的语义标签与样本语义标签一致时训练结束，得到语义模型。
步骤203，根据判断结果确定培训效果的量化值。
本实施例中，若被培训用户的文本信息包含培训知识点，则根据知识点与分值之间的对应关系，确定被培训用户的文本信息包含的各培训知识点对应的目标分值；统计各目标分值，得到培训效果的量化值。
例如，如果文本信息1包含培训知识点，该培训知识点对应25分，则确定被培训用户得到25分；如果文本信息4不包含培训知识点，而该培训知识点对应25分，则确定被培训用户不能得到这25分。最后，统计被培训用户从文本信息1到文本信息4得到的分数，得到培训效果的总分数。
在其中一个实施例中，若文本信息不包含培训知识点，则显示培训知识点。
具体地，如果文本信息不包含培训知识点，则被培训用户不得分，同时，还可以显示培训知识点。例如，文本信息4中不包含“再核实”，则被培训用户不得分，且显示标准语句“好的，那我再去核实一下，非常抱歉打扰您，再见”。显示培训知识点，可以使被培训用户了解失分的问题所在，从而提高培训效果。
可选地，在得到培训效果的量化值之后，可以对同一被培训用户的多个量化值进行排序，也可以对多个被培训用户的多个量化值进行排序，还可以显示错题集合，本领域技术人员可以在此基础上进行扩展。
上述根据语音交互中被培训用户的语音信息，对培训效果进行量化的步骤中，将被培训用户的语音信息转换为对应的文本信息，采用预设匹配方式判断被培训用户的文本信息是否包含培训知识点，根据判断结果确定培训效果的量化值。通过本发明实施例，可以采用多种预设匹配方式判断被培训用户的回答是否符合标准答案，从而可以提高判断效率和判断准确率，使被培训用户的回答在包含培训知识点的前提下更具灵活性。
在另一个实施例中，如图4所示，本实施例涉及的是虚拟用户与被培训用户进行语音交互的一种可选的过程。在上述图2所示实施例的基础上，上述步骤102具体可以包括以下步骤：
步骤301，显示虚拟用户的用户信息。
本实施例中，可以在被培训用户选取目标培训场景后，显示目标培训场景中虚拟用户的用户信息。具体地，显示虚拟用户的姓名、年龄、性别、用户情况。例如，显示姓名XXX，年龄26，性别男，欠款金额A元，最低还款B元，逾期天数C天。
步骤302，根据预设的虚拟用户的文本信息生成虚拟用户的语音信息。
本实施例中，可以预先设置虚拟用户的文本信息，然后在创建虚拟用户时，将虚拟用户的文本信息转换为虚拟用户的语音信息。具体地，可以采用语音合成技术，计算虚拟用户的文本信息的词义、音调、音速，进而根据计算结果合成语音波形。例如，虚拟用户的文本信息包括：“喂，你好”、“是我本人”、“我已经还了”、“我确认已经还了”，则采用语音合成技术合成4个语音波形，即生成虚拟用户的4个语音信息。本发明实施例对语音信息的生成方式不作详细限定，可以根据实际情况进行设置。
步骤303，根据虚拟用户的语音信息播放语音，并采集被培训用户回复的语音信息。
本实施例中，终端显示虚拟用户的用户信息，并依次播放虚拟用户的语音信息。被培训用户在看到虚拟用户的用户信息后，根据终端播放的虚拟用户的语音信息进行回复。在被培训用户回复时，采集被培训用户回复的语音信息。例如，终端播放“喂，你好”之后，采集到被培训用户的语音信息“您好，这里是XX银行”，然后终端播放“是我本人”，接着采集到被培训用户的语音信息“您的***欠款A元，最低还款B元，已经逾期C天，请您安排尽快还款”，随后以终端再播放“我已经还了”。这样，播放虚拟用户的语音信息和采集被培训用户的语音信息交替进行，从而实现语音交互。
上述语音交互的过程中，显示虚拟用户的用户信息，根据预设的虚拟用户的文本信息生成虚拟用户的语音信息，根据虚拟用户的语音信息播放语音，并采集被培训用户回复的语音信息。通过本发明实施例，被培训用户可以根据终端显示的虚拟用户的用户信息，以及终端播放虚拟用户的语音信息进行回复，在语音交互过程中，模拟真实场景培训被培训用户，使被培训用户在培训过程中积累实战经验，从而提高培训效果。
在另一个实施例中，如图5所示，本实施例涉及的是生成预设培训场景的一种可选的过程。在上述图2所示实施例的基础上，在上述步骤101之前还可以包括以下步骤：
步骤401，接收输入的场景信息；其中，场景信息至少包括场景名称、虚拟用户的用户信息、虚拟用户的文本信息、培训知识点和培训知识点对应的分值。
本实施例中，维护人员可以向终端输入场景信息。具体地，输入场景名称、虚拟用户的用户信息、虚拟用户的文本信息、培训知识点和培训知识点对应的分值等。例如，输入场景名称：***催收-本人已还款；输入虚拟用户的用户信息：姓名XXX，年龄26，性别男，欠款金额A元，最低还款B元，逾期天数C天；输入虚拟用户的文本信息：“喂，你好”、“是我本人”、“我已经还了”、“我确认已经还了”；输入培训知识点：您好、XX银行、样本标准语句或样本标准语句的语义标签；输入培训知识点对应的分值：20分、25分。本发明实施例对场景信息不作详细限定，可以根据实际情况进行设置。维护人员输入场景信息后，终端接收输入的场景信息。
步骤402，根据场景信息生成预设培训场景。
本实施例中，终端在接收到场景信息后，根据场景信息生成预设培训场景。例如，接收到***催收还款的场景信息，则生成***催收还款的预设培训场景，如表1所示；接收到理财咨询的场景信息，则生成理财咨询的预设培训场景；接收到积分查询的场景信息，则生成积分查询的预设培训场景。
表1
可以理解地，由于接收到不同领域的场景信息，因此可以生成不同领域的预设培训场景，从而可以适用于不同领域的培训。
上述生成预设培训场景中，接收输入的场景信息，根据场景信息生成预设培训场景。通过本发明实施例，接收到不同领域的场景信息，可以生成不同领域的预设培训场景，从而使培训***可以适用于不同领域的培训，使培训更加灵活。
在另一个实施例中，如图6所示，本实施例涉及的是培训方法的一种可选的过程，具体可以包括如下步骤：
步骤501，接收输入的场景信息；其中，场景信息至少包括场景名称、虚拟用户的用户信息、虚拟用户的文本信息、培训知识点和培训知识点对应的分值。
步骤502，根据场景信息生成预设培训场景。
步骤503，显示虚拟用户的用户信息。
步骤504，根据预设的虚拟用户的文本信息生成虚拟用户的语音信息。
步骤505，根据虚拟用户的语音信息播放语音，并采集被培训用户回复的语音信息。
步骤506，将被培训用户的语音信息转换为对应的文本信息。
步骤507，采用预设匹配方式判断被培训用户的文本信息是否包含培训知识点。
具体地，在预设匹配方式包括关键词匹配，培训知识点包括预设关键词的情况下，判断被培训用户的文本信息中是否包含预设关键词；若包含预设关键词，则判定被培训用户的文本信息包含培训知识点。在预设匹配方式包括语义匹配，培训知识点包括标准语句的语义标签的情况下，将被培训用户的文本信息输入到预先训练的语义模型中，得到被培训用户的文本信息的语义标签；在被培训用户的文本信息的语义标签与标准语句的语义标签一致时，判定被培训用户的文本信息包含培训知识点。
步骤508，根据判断结果确定培训效果的量化值。
具体地，若被培训用户的文本信息包含培训知识点，则根据知识点与分值之间的对应关系，确定被培训用户的文本信息包含的各培训知识点对应的目标分值；统计各目标分值，得到培训效果的量化值。若文本信息不包含培训知识点，则显示培训知识点。
上述培训方法中，维护人员编辑预设培训场景，被培训用户从多个预设培训场景中选取目标培训场景，然后终端根据目标培训场景模拟虚拟用户与被培训用户进行语音交互。在交互过程中，终端根据虚拟用户的文本信息生成虚拟用户的语音信息，并采集被培训用户回复的语音信息。然后，终端采用关键词匹配、语义匹配等方式判断被培训用户的回复内容是否包含培训知识点。最后，根据判断结果得到培训效果的量化值。通过本发明实施例，，可以根据培训需求预先设置不同的培训场景，从而适应不同领域的培训；在被培训用户选取目标培训场景后，模拟虚拟用户与被培训用户进行语音交互，也就是模拟真实场景培训被培训用户，使被培训用户在培训过程中积累实战经验；在培训结束后，还向被培训用户反馈培训效果的量化值，使被培训用户了解缺失的知识点，进而提高培训效果。
应该理解的是，虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种培训装置，包括：
目标培训场景获取模块601，用于获取被培训用户从多个预设培训场景中选取的目标培训场景；
语音交互模块602，用于根据目标培训场景创建虚拟用户，并通过虚拟用户与被培训用户进行语音交互；
培训效果量化模块603，用于根据语音交互中被培训用户的语音信息，对培训效果进行量化。
在其中一个实施例中，培训效果量化模块包括：
信息转换子模块，用于将被培训用户的语音信息转换为对应的文本信息；
判断子模块，用于采用预设匹配方式判断被培训用户的文本信息是否包含培训知识点；
量化子模块，用于根据判断结果确定培训效果的量化值。
在其中一个实施例中，预设匹配方式包括关键词匹配，培训知识点包括预设关键词；
判断子模块包括：
预设关键词判断单元，用于判断被培训用户的文本信息中是否包含预设关键词；
第一判定单元，用于若包含预设关键词，则判定被培训用户的文本信息包含培训知识点。
在其中一个实施例中，预设匹配方式包括语义匹配，培训知识点包括标准语句的语义标签；
判断子模块包括：
语义标签获得单元，用于将被培训用户的文本信息输入到预先训练的语义模型中，得到被培训用户的文本信息的语义标签；
第二判定单元，用于在被培训用户的文本信息的语义标签与标准语句的语义标签一致时，判定被培训用户的文本信息包含培训知识点。
在其中一个实施例中，该装置还包括：
样本标准语句获取模块，用于获取多个样本标准语句；
样本语义标签添加模块，用于对各样本标准语句添加样本语义标签；
语义模型训练模块，用于将多个样本标准语句作为深度学习模型的输入，将样本标准语句的样本语义标签作为深度学习模型的输出，对深度学习模型进行训练，得到语义模型。
在其中一个实施例中，培训效果量化模块包括：
目标分支确定子模块，用于若被培训用户的文本信息包含培训知识点，则根据知识点与分值之间的对应关系，确定被培训用户的文本信息包含的各培训知识点对应的目标分值；
量化值获得子模块，用于统计各目标分值，得到培训效果的量化值。
在其中一个实施例中，该装置还包括：
培训知识点显示模块，用于若文本信息不包含培训知识点，则显示培训知识点。
在其中一个实施例中，语音交互模块包括：
用户信息显示子模块，用于显示虚拟用户的用户信息；
语音信息生成子模块，用于根据预设的虚拟用户的文本信息生成虚拟用户的语音信息；
播放采集子模块，用于根据虚拟用户的语音信息播放语音，并采集被培训用户回复的语音信息。
在其中一个实施例中，在目标培训场景获取模块之前，该装置还包括：
场景信息接收模块，用于接收输入的场景信息；其中，场景信息至少包括场景名称、虚拟用户的用户信息、虚拟用户的文本信息、培训知识点和培训知识点对应的分值；
预设培训场景生成模块，用于根据场景信息生成预设培训场景。
关于培训装置的具体限定可以参见上文中对于培训方法的限定，在此不再赘述。上述培训装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种培训方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取被培训用户从多个预设培训场景中选取的目标培训场景；
根据目标培训场景创建虚拟用户，并通过虚拟用户与被培训用户进行语音交互；
根据语音交互中被培训用户的语音信息，对培训效果进行量化。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将被培训用户的语音信息转换为对应的文本信息；
采用预设匹配方式判断被培训用户的文本信息是否包含培训知识点；
根据判断结果确定培训效果的量化值。
在一个实施例中，上述预设匹配方式包括关键词匹配，培训知识点包括预设关键词；处理器执行计算机程序时还实现以下步骤：
判断被培训用户的文本信息中是否包含预设关键词；
若包含预设关键词，则判定被培训用户的文本信息包含培训知识点。
在一个实施例中，上述预设匹配方式包括语义匹配，培训知识点包括标准语句的语义标签；
处理器执行计算机程序时还实现以下步骤：
将被培训用户的文本信息输入到预先训练的语义模型中，得到被培训用户的文本信息的语义标签；
在被培训用户的文本信息的语义标签与标准语句的语义标签一致时，判定被培训用户的文本信息包含培训知识点。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取多个样本标准语句；
对各样本标准语句添加样本语义标签；
将多个样本标准语句作为深度学习模型的输入，将样本标准语句的样本语义标签作为深度学习模型的输出，对深度学习模型进行训练，得到语义模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若被培训用户的文本信息包含培训知识点，则根据知识点与分值之间的对应关系，确定被培训用户的文本信息包含的各培训知识点对应的目标分值；
统计各目标分值，得到培训效果的量化值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若文本信息不包含培训知识点，则显示培训知识点。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
显示虚拟用户的用户信息；
根据预设的虚拟用户的文本信息生成虚拟用户的语音信息；
根据虚拟用户的语音信息播放语音，并采集被培训用户回复的语音信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
接收输入的场景信息；其中，场景信息至少包括场景名称、虚拟用户的用户信息、虚拟用户的文本信息、培训知识点和培训知识点对应的分值；
根据场景信息生成预设培训场景。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取被培训用户从多个预设培训场景中选取的目标培训场景；
根据目标培训场景创建虚拟用户，并通过虚拟用户与被培训用户进行语音交互；
根据语音交互中被培训用户的语音信息，对培训效果进行量化。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将被培训用户的语音信息转换为对应的文本信息；
采用预设匹配方式判断被培训用户的文本信息是否包含培训知识点；
根据判断结果确定培训效果的量化值。
在一个实施例中，上述预设匹配方式包括关键词匹配，培训知识点包括预设关键词；计算机程序被处理器执行时还实现以下步骤：
判断被培训用户的文本信息中是否包含预设关键词；
若包含预设关键词，则判定被培训用户的文本信息包含培训知识点。
在一个实施例中，上述预设匹配方式包括语义匹配，培训知识点包括标准语句的语义标签；
计算机程序被处理器执行时还实现以下步骤：
将被培训用户的文本信息输入到预先训练的语义模型中，得到被培训用户的文本信息的语义标签；
在被培训用户的文本信息的语义标签与标准语句的语义标签一致时，判定被培训用户的文本信息包含培训知识点。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取多个样本标准语句；
对各样本标准语句添加样本语义标签；
将多个样本标准语句作为深度学习模型的输入，将样本标准语句的样本语义标签作为深度学习模型的输出，对深度学习模型进行训练，得到语义模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若被培训用户的文本信息包含培训知识点，则根据知识点与分值之间的对应关系，确定被培训用户的文本信息包含的各培训知识点对应的目标分值；
统计各目标分值，得到培训效果的量化值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若文本信息不包含培训知识点，则显示培训知识点。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
显示虚拟用户的用户信息；
根据预设的虚拟用户的文本信息生成虚拟用户的语音信息；
根据虚拟用户的语音信息播放语音，并采集被培训用户回复的语音信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
接收输入的场景信息；其中，场景信息至少包括场景名称、虚拟用户的用户信息、虚拟用户的文本信息、培训知识点和培训知识点对应的分值；
根据场景信息生成预设培训场景。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种培训方法，其特征在于，所述方法包括：
获取被培训用户从多个预设培训场景中选取的目标培训场景；
根据所述目标培训场景创建虚拟用户，并通过所述虚拟用户与所述被培训用户进行语音交互；
根据所述语音交互中所述被培训用户的语音信息，对培训效果进行量化。
2.根据权利要求1所述的方法，其特征在于，所述根据所述语音交互中所述被培训用户的语音信息，对培训效果进行量化，包括：
将所述被培训用户的语音信息转换为对应的文本信息；
采用预设匹配方式判断所述被培训用户的文本信息是否包含培训知识点；
根据判断结果确定所述培训效果的量化值。
3.根据权利要求2所述的方法，其特征在于，所述预设匹配方式包括关键词匹配，所述培训知识点包括预设关键词；
所述采用预设匹配方式判断所述被培训用户的文本信息是否包含培训知识点，包括：
判断所述被培训用户的文本信息中是否包含所述预设关键词；
若包含所述预设关键词，则判定所述被培训用户的文本信息包含所述培训知识点。
4.根据权利要求2所述的方法，其特征在于，所述预设匹配方式包括语义匹配，所述培训知识点包括标准语句的语义标签；
所述采用预设匹配方式判断所述被培训用户的文本信息是否包含培训知识点，包括：
将所述被培训用户的文本信息输入到预先训练的语义模型中，得到所述被培训用户的文本信息的语义标签；
在所述被培训用户的文本信息的语义标签与所述标准语句的语义标签一致时，判定所述被培训用户的文本信息包含所述培训知识点。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取多个样本标准语句；
对各所述样本标准语句添加样本语义标签；
将所述多个样本标准语句作为深度学习模型的输入，将所述样本标准语句的样本语义标签作为所述深度学习模型的输出，对所述深度学习模型进行训练，得到所述语义模型。
6.根据权利要求2所述的方法，其特征在于，所述根据判断结果确定所述培训效果的量化值，包括：
若所述被培训用户的文本信息包含所述培训知识点，则根据知识点与分值之间的对应关系，确定所述被培训用户的文本信息包含的各所述培训知识点对应的目标分值；
统计各所述目标分值，得到所述培训效果的量化值。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
若所述文本信息不包含所述培训知识点，则显示所述培训知识点。
8.根据权利要求1所述的方法，其特征在于，所述根据所述目标培训场景创建虚拟用户，并通过所述虚拟用户与所述被培训用户进行语音交互，包括：
显示所述虚拟用户的用户信息；
根据预设的所述虚拟用户的文本信息生成所述虚拟用户的语音信息；
根据所述虚拟用户的语音信息播放语音，并采集所述被培训用户回复的语音信息。
9.根据权利要求1所述的方法，其特征在于，在所述获取被培训用户从多个预设培训场景中选取的目标培训场景之前，所述方法还包括：
接收输入的场景信息；其中，所述场景信息至少包括场景名称、所述虚拟用户的用户信息、所述虚拟用户的文本信息、培训知识点和培训知识点对应的分值；
根据所述场景信息生成所述预设培训场景。
10.一种培训装置，其特征在于，所述装置包括：
目标培训场景获取模块，用于获取被培训用户从多个预设培训场景中选取的目标培训场景；
语音交互模块，用于根据所述目标培训场景创建虚拟用户，并通过所述虚拟用户与所述被培训用户进行语音交互；
培训效果量化模块，用于根据所述语音交互中所述被培训用户的语音信息，对培训效果进行量化。
11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
CN201910520923.2A 2019-06-17 2019-06-17 培训方法、装置、计算机设备和存储介质 Pending CN110458732A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910520923.2A CN110458732A (zh) 2019-06-17 2019-06-17 培训方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910520923.2A CN110458732A (zh) 2019-06-17 2019-06-17 培训方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN110458732A true CN110458732A (zh) 2019-11-15

Family

ID=68481025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910520923.2A Pending CN110458732A (zh) 2019-06-17 2019-06-17 培训方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN110458732A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110910694A (zh) * 2019-11-28 2020-03-24 大唐融合通信股份有限公司 一种智能客服培训***
CN111553555A (zh) * 2020-03-27 2020-08-18 深圳追一科技有限公司 培训方法、装置、计算机设备和存储介质
CN112053597A (zh) * 2020-10-13 2020-12-08 北京灵伴即时智能科技有限公司 人工坐席培训考核方法及***
CN112328742A (zh) * 2020-11-03 2021-02-05 平安科技（深圳）有限公司 基于人工智能的培训方法、装置、计算机设备及存储介质
CN113377200A (zh) * 2021-06-22 2021-09-10 平安科技（深圳）有限公司 基于vr技术的交互式培训方法及装置、存储介质
CN113821619A (zh) * 2021-08-31 2021-12-21 前海人寿保险股份有限公司 培训方法、装置、***与计算机可读存储介质
CN114117755A (zh) * 2021-11-11 2022-03-01 泰康保险集团股份有限公司 一种模拟演练方法、装置、计算设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034475A (zh) * 2010-12-08 2011-04-27 中国科学院自动化研究所 一种运用计算机对开放式短对话进行交互式评分的方法
US20170053546A1 (en) * 2015-08-19 2017-02-23 Boe Technology Group Co., Ltd. Teaching system and working method thereof
CN109298779A (zh) * 2018-08-10 2019-02-01 济南奥维信息科技有限公司济宁分公司 基于虚拟代理交互的虚拟训练***与方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034475A (zh) * 2010-12-08 2011-04-27 中国科学院自动化研究所 一种运用计算机对开放式短对话进行交互式评分的方法
US20170053546A1 (en) * 2015-08-19 2017-02-23 Boe Technology Group Co., Ltd. Teaching system and working method thereof
CN109298779A (zh) * 2018-08-10 2019-02-01 济南奥维信息科技有限公司济宁分公司 基于虚拟代理交互的虚拟训练***与方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110910694A (zh) * 2019-11-28 2020-03-24 大唐融合通信股份有限公司 一种智能客服培训***
CN111553555A (zh) * 2020-03-27 2020-08-18 深圳追一科技有限公司 培训方法、装置、计算机设备和存储介质
CN112053597A (zh) * 2020-10-13 2020-12-08 北京灵伴即时智能科技有限公司 人工坐席培训考核方法及***
CN112053597B (zh) * 2020-10-13 2023-02-21 北京灵伴即时智能科技有限公司 人工坐席培训考核方法及***
CN112328742A (zh) * 2020-11-03 2021-02-05 平安科技（深圳）有限公司 基于人工智能的培训方法、装置、计算机设备及存储介质
WO2022095378A1 (zh) * 2020-11-03 2022-05-12 平安科技（深圳）有限公司 基于人工智能的培训方法、装置、计算机设备及存储介质
CN112328742B (zh) * 2020-11-03 2023-08-18 平安科技（深圳）有限公司 基于人工智能的培训方法、装置、计算机设备及存储介质
CN113377200A (zh) * 2021-06-22 2021-09-10 平安科技（深圳）有限公司 基于vr技术的交互式培训方法及装置、存储介质
CN113377200B (zh) * 2021-06-22 2023-02-24 平安科技（深圳）有限公司 基于vr技术的交互式培训方法及装置、存储介质
CN113821619A (zh) * 2021-08-31 2021-12-21 前海人寿保险股份有限公司 培训方法、装置、***与计算机可读存储介质
CN114117755A (zh) * 2021-11-11 2022-03-01 泰康保险集团股份有限公司 一种模拟演练方法、装置、计算设备及存储介质

Similar Documents

Publication Publication Date Title
CN110458732A (zh) 培训方法、装置、计算机设备和存储介质
CN112346567B (zh) 基于ai的虚拟交互模型生成方法、装置及计算机设备
CN110472060B (zh) 题目推送方法、装置、计算机设备和存储介质
US20180124437A1 (en) System and method for video data collection
CN110232183A (zh) 关键词提取模型训练方法、关键词提取方法、装置及存储介质
US11140360B1 (en) System and method for an interactive digitally rendered avatar of a subject person
CN109033418A (zh) 一种学习内容的智能推荐方法及学习设备
CN107423851A (zh) 基于学习风格情境感知的自适应学习方法
CN109784654A (zh) 任务生成方法、装置、计算机设备和存储介质
WO2006125347A1 (en) A homework assignment and assessment system for spoken language education and testing
CN109389427A (zh) 问卷推送方法、装置、计算机设备和存储介质
CN109582796A (zh) 企业舆情事件网络的生成方法、装置、设备及存储介质
CN109784639A (zh) 基于智能评分的线上招聘方法、装置、设备及介质
CN109543011A (zh) 问答数据处理方法、装置、计算机设备和存储介质
CN110321409A (zh) 基于人工智能的辅助面试方法、装置、设备及存储介质
CN113377200A (zh) 基于vr技术的交互式培训方法及装置、存储介质
CN116645251A (zh) 基于人工智能的全景知识培训方法、装置、设备及介质
US20170358234A1 (en) Method and Apparatus for Inquiry Driven Learning
Fauzia et al. Implementation of chatbot on university website using RASA framework
Harahap et al. Teacher-students discourse in English teaching at high school (Classroom discourse analysis)
KR102534275B1 (ko) 어학 학습 단말, 이를 포함하는 어학 학습 시스템 및 방법
CN111553555A (zh) 培训方法、装置、计算机设备和存储介质
US20230015312A1 (en) System and Method for an Interactive Digitally Rendered Avatar of a Subject Person
CN116153152A (zh) 一种用于在线课程学***台及方法
CN111883111B (zh) 话术训练处理方法、装置、计算机设备和可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20191115

RJ01 Rejection of invention patent application after publication