CN110929005A - 基于情绪分析的任务跟催方法、装置、设备及存储介质 - Google Patents
基于情绪分析的任务跟催方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110929005A CN110929005A CN201910990755.3A CN201910990755A CN110929005A CN 110929005 A CN110929005 A CN 110929005A CN 201910990755 A CN201910990755 A CN 201910990755A CN 110929005 A CN110929005 A CN 110929005A
- Authority
- CN
- China
- Prior art keywords
- follow
- task
- emotion
- urging
- customer service
- 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
Links
- 230000008451 emotion Effects 0.000 title claims abstract description 237
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000004458 analytical method Methods 0.000 title claims abstract description 69
- 230000008569 process Effects 0.000 claims abstract description 31
- 238000004891 communication Methods 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000013145 classification model Methods 0.000 claims description 11
- 230000008909 emotion recognition Effects 0.000 claims description 8
- 230000002996 emotional effect Effects 0.000 claims description 7
- 238000000611 regression analysis Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000003197 catalytic effect Effects 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006397 emotional response Effects 0.000 description 2
- 230000008450 motivation Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000027534 Emotional disease Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能领域，公开了一种基于情绪分析的任务跟催方法，包括：获取客服端发起的跟催任务请求；从跟催任务请求中提取任务信息并生成跟催任务清单；从跟催任务清单中提取跟催任务并调用对应的跟催任务话语模板；根据跟催任务话语模板和预置跟催任务策略，生成对应的跟催任务文本并发送至跟催对象；记录客服端与跟催对象端之间的跟催交流内容，并对跟催交流内容进行情绪分析，得到客服的当前情绪；根据客服的当前情绪，向客服端发送相应的情绪管理提示，以供客服调整或保持在执行跟催任务过程中的情绪。本发明还公开了一种基于情绪分析的任务跟催装置、设备及计算机可读存储介质。本发明实现了跟催过程的监控管理，提升了跟催触达率。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于情绪分析的任务跟催方法、装置、设备及计算机可读存储介质。
背景技术
随着国民经济地稳步发展，***等金融信贷技术已经步入规模化发展阶段。为在激烈的市场竞争中生存，各信贷机构在追求客户规模的大比例增长的同时，也在力求提升服务质量，减少逾期坏账。目前国内征信制度存在较多缺陷，导致不良账款居高不下。
目前的账款跟催方式比较传统的催收方式，如电话、短信、邮件、信函等，客户实际触达率比较低。尽管当前也产生了更智能化的线上催收方式，但现有的线上催收***实现的功能比较单一，很多数据仍旧需要人工进行分析和判断，因而分析结果存在很大的主观性，进而影响信贷机构的跟催触达率。
发明内容
本发明的主要目的在于提供一种基于情绪分析的任务跟催方法、装置、设备及计算机可读存储介质，旨在解决现有线上跟催方式的数据分析能力薄弱而导致跟催触达率不高的技术问题。
为实现上述目的，本发明提供一种基于情绪分析的任务跟催方法，所述基于情绪分析的任务跟催方法包括以下步骤：
获取客服端发起的跟催任务请求；
从所述跟催任务请求中提取任务信息，并根据所述任务信息生成跟催任务清单；
从所述跟催任务清单中提取跟催任务，并根据所述跟催任务的任务信息调用对应的跟催任务话语模板；
根据所述跟催任务话语模板和预置跟催任务策略，生成对应的跟催任务文本并发送至跟催对象端；
记录所述客服端与所述跟催对象端之间的跟催交流内容，并对所述跟催交流内容进行情绪分析，得到客服的当前情绪；
根据客服的当前情绪，向所述客服端发送相应的情绪管理提示，以供客服调整或保持在执行跟催任务过程中的情绪。
可选地，所述记录所述客服端与所述跟催对象端之间的跟催交流内容，并对所述跟催交流内容进行情绪分析，得到客服的当前情绪包括：
记录所述客服端与所述跟催对象端之间的跟催交流内容；
从所述跟催交流内容中获取客服发送给跟催对象的交流内容；
若所述交流内容为文本信息，则将所述交流内容输入预置情绪分类模型进行情绪识别与分类，得到情绪分类结果；
若所述交流内容为语音信息，则通过语音识别将所述语音信息转换为文本信息后输入所述情绪分类模型进行情绪识别与分类，得到情绪分类结果；
对所述情绪分类结果进行回归分析，得到所述情绪分类结果中每种情绪的回归值；
根据每种情绪的回归值，计算每种情绪的得分并将得分最高的情绪作为客服的当前情绪。
可选地，采用如下公式计算每种情绪的得分：
其中，Ti表示第i种情绪的得分，Vi,3、Vi,4分别表示采用分层回归法获得的第i种情绪的第三层回归值与第四层回归值，i为正整数。
可选地，所述根据客服的当前情绪，向所述客服端发送相应的情绪管理提示，以供客服调整或保持在执行跟催任务过程中的情绪包括：
调取预设的情绪值与情绪管理提示之间的对照关系表；
基于客服的当前情绪，查找所述对照关系表，获得与客服的当前情绪相对应的情绪管理提示；
将所述情绪管理提示发送至所述客服端，以供客服调整或保持在执行跟催任务过程中的情绪。
可选地，在所述根据客服的当前情绪，向所述客服端发送相应的情绪管理提示，以供客服调整或保持在执行跟催任务过程中的情绪的步骤之后，还包括：
在跟催任务结束后，提取客服执行跟催任务过程中产生的与所述跟催对象相关的关键数据；
根据所述关键数据，绘制任务数据曲线，其中，所述任务数据曲线以时间为横坐标、以所述关键数据为纵坐标；
通过预置趋势预测算法对所述任务数据曲线进行趋势预测，得到趋势预测结果；
将所述趋势预测结果导入所述跟催对象的跟催任务策略中，以作为下一次对所述跟催对象执行跟催任务时的判断依据。
可选地，所述通过预置趋势预测算法对所述任务数据曲线进行趋势预测，得到趋势预测结果包括：
依次获取所述任务数据曲线中各时间点对应的相邻的关键数据对；
计算所有关键数据对的数据平均值，并根据所述数据平均值绘制数据平均值曲线，其中，所述数据平均值曲线以时间为横坐标、以所述数据平均值为纵坐标；
通过如下趋势预测算法对应的计算公式对所述数据平均值曲线进行趋势预测，得到趋势预测结果：
Yt＝m*xt+(1-m)*Yt-1；
其中，t表示时间，Yt表示时间t对应的预测值，xt表示时间t对应的数据平均值，Yt-1表示时间t-1对应的预测值，m常数，其取值范围为[0.5，1]。
可选地，所述将所述趋势预测结果导入所述跟催对象的跟催任务策略中，以作为下一次对所述跟催对象执行跟催任务时的判断依据包括：
将所述趋势预测结果导入所述任务数据曲线中，并根据最小二乘法生成所述任务数据曲线的趋势线；
判断所述趋势线的斜率是否大于预置阈值；
若是，则重新对所述任务数据曲线进行趋势预测；
若否，则将所述趋势预测结果导入所述跟催对象的跟催任务策略中，以作为下一次对所述跟催对象执行跟催任务时的判断依据。
进一步地，本发明还提供一种基于情绪分析的任务跟催装置，所述基于情绪分析的任务跟催装置包括：
获取模块，用于获取客服端发起的跟催任务请求；
第一生成模块，用于从所述跟催任务请求中提取任务信息，并根据所述任务信息生成跟催任务清单；
调用模块，用于从所述跟催任务清单中提取跟催任务，并根据所述跟催任务的任务信息调用对应的跟催任务话语模板；
第二生成模块，用于根据所述跟催任务话语模板和预置跟催任务策略，生成对应的跟催任务文本并发送至跟催对象端；
情绪分析模块，用于记录所述客服端与所述跟催对象端之间的跟催交流内容，并对所述跟催交流内容进行情绪分析，得到客服的当前情绪；
提示模块，用于根据客服的当前情绪，向所述客服端发送相应的情绪管理提示，以供客服调整或保持在执行跟催任务过程中的情绪。
可选地，所述情绪分析模块包括：
记录单元，用于记录所述客服端与所述跟催对象端之间的跟催交流内容；
获取单元，用于从所述跟催交流内容中获取客服发送给跟催对象的交流内容；
识别单元，用于若所述交流内容为文本信息，则将所述交流内容输入预置情绪分类模型进行情绪识别与分类，得到情绪分类结果；
转换单元，用于若所述交流内容为语音信息，则通过语音识别将所述语音信息转换为文本信息；
分析单元，用于对所述情绪分类结果进行回归分析，得到所述情绪分类结果中每种情绪的回归值；
计算单元，用于根据每种情绪的回归值，计算每种情绪的得分并将得分最高的情绪作为客服的当前情绪。
可选地，采用如下公式计算每种情绪的得分：
其中，Ti表示第i种情绪的得分，Vi,3、Vi,4分别表示采用分层回归法获得的第i种情绪的第三层回归值与第四层回归值，i为正整数。
可选地，所述提示模块包括：
调取单元，用于调取预设的情绪值与情绪管理提示之间的对照关系表；
查找单元，用于基于客服的当前情绪，查找所述对照关系表，获得与客服的当前情绪相对应的情绪管理提示；
提示单元，用于将所述情绪管理提示发送至所述客服端，以供客服调整或保持在执行跟催任务过程中的情绪。
可选地，所述基于情绪分析的任务跟催装置还包括：
提取模块，用于在跟催任务结束后，提取客服执行跟催任务过程中产生的与所述跟催对象相关的关键数据；
绘制模块，用于根据所述关键数据，绘制任务数据曲线，其中，所述任务数据曲线以时间为横坐标、以所述关键数据为纵坐标；
预测模块，用于通过预置趋势预测算法对所述任务数据曲线进行趋势预测，得到趋势预测结果；
导入模块，用于将所述趋势预测结果导入所述跟催对象的跟催任务策略中，以作为下一次对所述跟催对象执行跟催任务时的判断依据。
可选地，所述预测模块具体用于：
依次获取所述任务数据曲线中各时间点对应的相邻的关键数据对；
计算所有关键数据对的数据平均值，并根据所述数据平均值绘制数据平均值曲线，其中，所述数据平均值曲线以时间为横坐标、以所述数据平均值为纵坐标；
通过如下趋势预测算法对应的计算公式对所述数据平均值曲线进行趋势预测，得到趋势预测结果：
Yt＝m*xt+(1-m)*Yt-1；
其中，t表示时间，Yt表示时间t对应的预测值，xt表示时间t对应的数据平均值，Yt-1表示时间t-1对应的预测值，m常数，其取值范围为[0.5，1]。
可选地，所述导入模块具体用于：
将所述趋势预测结果导入所述任务数据曲线中，并根据最小二乘法生成所述任务数据曲线的趋势线；
判断所述趋势线的斜率是否大于预置阈值；
若是，则重新对所述任务数据曲线进行趋势预测；
若否，则将所述趋势预测结果导入所述跟催对象的跟催任务策略中，以作为下一次对所述跟催对象执行跟催任务时的判断依据。
进一步地，为实现上述目的，本发明还提供一种基于情绪分析的任务跟催设备，所述基于情绪分析的任务跟催设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的任务跟催程序，所述任务跟催程序被所述处理器执行时实现如上述任一所述的基于情绪分析的任务跟催方法的步骤。
进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有任务跟催程序，所述任务跟催程序被处理器执行时实现如上述任一所述的基于情绪分析的任务跟催方法的步骤。
本发明在发起跟催任务请求时，能够使用预置的跟催任务话语模板和跟催任务策略，生成对应的跟催任务文本并发送至跟催对象，从而使跟催任务标准化，避免跟催对象产生反感。同时，进一步在跟催过程中，实时获取客服与跟催对象之间的跟催交流内容，并对跟催交流内容进行情绪分析，以确定客服的当前情绪，进而及时调整客服情绪，避免情绪化跟催而使跟催对象产生反感，由于催收过程中可进行监控与管理，因而可避免客服产生不良情绪而影响跟催效果，提升了任务跟催的触达率。
附图说明
图1为本发明实施例方案涉及的基于情绪分析的任务跟催设备运行环境的结构示意图；
图2为本发明基于情绪分析的任务跟催方法第一实施例的流程示意图；
图3为图2中步骤S50一实施例的细化流程示意图；
图4为本发明基于情绪分析的任务跟催方法第二实施例的流程示意图；
图5为本发明基于情绪分析的任务跟催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用以解释本发明，并不用于限定本发明。
本发明提供一种基于情绪分析的任务跟催设备。
参照图1，图1为本发明实施例方案涉及的基于情绪分析的任务跟催设备运行环境的结构示意图。
如图1所示，该基于情绪分析的任务跟催设备包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。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)，网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，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。
本领域技术人员可以理解，图1中示出的基于情绪分析的任务跟催设备的硬件结构并不构成对基于情绪分析的任务跟催设备的限定，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，作为一种计算机可读存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及任务跟催程序。其中，操作***是管理和控制基于情绪分析的任务跟催设备和软件资源的程序，支持任务跟催程序以及其它软件和/或程序的运行。
在图1所示的基于情绪分析的任务跟催设备的硬件结构中，网络接口1004主要用于接入网络；用户接口1003主要用于侦测确认指令和编辑指令等，而处理器1001可以用于调用存储器1005中存储的任务跟催程序，并执行以下基于情绪分析的任务跟催方法的各实施例的操作。
基于上述基于情绪分析的任务跟催设备硬件结构，提出本发明基于情绪分析的任务跟催方法的各个实施例。
参照图2，图2为本发明基于情绪分析的任务跟催方法第一实施例的流程示意图。本实施例中，所述基于情绪分析的任务跟催方法包括以下步骤：
步骤S10，获取客服端发起的跟催任务请求；
本实施例对于客服需要跟催的任务内容与表现形式不限，具体根据实际需要进行设置。比如，一般事务跟催、借贷款跟催等。此外，客服端发起的跟催任务请求中可以包含有多个相同或不同类型的跟催任务。
步骤S20，从所述跟催任务请求中提取任务信息，并根据所述任务信息生成跟催任务清单；
本实施例中，为便于对不同类型的任务进行合理有效跟催，因此，可预先将跟催任务设置不同的优先处理等级。例如，账款跟催任务可以划分为普通、加急、紧急等多个任务等级，根据任务等级的不同，一般优先安排客服执行任务等级为“紧急”的账款跟催任务。
本实施例中，对于从跟催任务请求中提取的任务信息不限，例如可以是任务名称、任务基本信息、跟催对象基本信息、任务等级等。需要说明的是，跟催任务清单中至少包含有一个跟催任务，当跟催任务清单中存在多个任务时，需要对各跟催任务进行排序。
在一实施例中，排序规则为优选将任务等级为“紧急”的跟催任务排在前列，而对于同一等级的跟催任务则按照其他规则进行排序，比如任务的类型、任务生成时间等。
本实施例中，在获得跟催任务请求中各任务的任务信息后，生成对应的跟催任务清单，该任务清单上记载有本次待执行的所有跟催任务的基本信息以及各跟催任务的执行顺序。
步骤S30，从所述跟催任务清单中提取跟催任务，并根据所述跟催任务的任务信息调用对应的跟催任务话语模板；
本实施例中，为进一步提升客服执行跟催任务的触达率，因此，优选客服使用预置的跟催任务话语目标与跟催对象进行交流。跟催任务话语模板是基于具体跟催任务而设定的，不同的跟催任务对应不同的话语模板，使用话语模板能够生成规范、工整的专业话术，从而体现服务专业性，提升客户触达率，避免不专业跟催方式对客户造成影响或带来不利。
本实施例对于跟催任务话语模板的具体内容及表现形式不限，比如，跟催任务话语模板中包含了与跟催任务相关的基本术语、客服需要用到的提问内容以及答复方式等。
本实施例中，在从跟催任务清单中提取跟催任务并执行时，先获得跟催任务的任务信息，比如获得任务基本信息、跟催对象基本信息、任务等级等，然后再根据获得的任务信息查找数据库，确定与任务信息匹配的跟催任务话语模板并进行调用。
其中，需要预先在数据库中存储各种跟催任务话语模板，并建立模板与任务之间的关联映射关系。
步骤S40，根据所述跟催任务话语模板和预置跟催任务策略，生成对应的跟催任务文本并发送至跟催对象端；
本实施例中，为了让跟催对象更容易接受客服端发送的跟催任务文本，因此预先设置有相应的跟催任务策略，该策略具体依据跟催对象的具体个人情况而设置，也即不同的跟催对象对应不同的跟催任务策略。例如，客户喜欢聊天，则跟催任务策略可以是从聊天入手，进而生成一些与聊天相关的跟催任务文本。或者客户喜欢直接沟通，则跟催任务策略可以是直接切入主题，避免客套，进而生成与跟催任务相关的跟催任务文本。
本实施例对于跟催任务策略的具体内容及表现方式不限，具体根据实际需要进行设置。跟催任务策略是一种业务规则，包含有多条预置的用于生成跟催任务文本的规则。根据跟催任务策略对应的规则，使用跟催任务话语模板生成跟催任务文本，然后再将生成的跟催任务文本发送给跟催对象端，例如，使用邮件、聊天软件等方式进行交流，则跟催对象端可以是邮箱、微信号等。
步骤S50，记录所述客服端与所述跟催对象端之间的跟催交流内容，并对所述跟催交流内容进行情绪分析，得到客服的当前情绪；
本实施例中，客服与跟催对象进行交流时，容易产生情绪，因此需要对客服情绪进行监控分析，进而避免客服情绪对跟催对象(也即客户)带来不良影响。本实施例中优选通过对客服端与跟催对象端之间的跟催交流内容进行情绪分析，进而获得客服的当前情绪。
本实施例对于情绪分析的实现方式不限。例如，预先设置各种情绪对应的分值，同时设置各种情绪关键词以及各情绪关键词对应的分值，然后检索获得的跟催交流内容以提取情绪关键词，最后统计所有情绪关键词的总分值，进而根据情绪关键词的总分值确定对应情绪。
步骤S60，根据客服的当前情绪，向所述客服端发送相应的情绪管理提示，以供客服调整或保持在执行跟催任务过程中的情绪。
本实施例中，在确定了客服的当前情绪后，即可对客服进行情绪管理，具体通过发送提示的方式提醒客服调整或保持在执行跟催任务过程中的情绪。比如，客服的当前情绪变差，则提示客服保持冷静并调整情绪，微笑服务；如果客服的当前情绪稳定且保持微笑，则提示客服保持当前情绪执行跟催任务。
可选的，在一实施例中，具体通过如下方式对客服进行情绪管理：
首先，调取预设的情绪值与情绪管理提示之间的对照关系表；
其次，基于客服的当前情绪，查找所述对照关系表，获得与客服的当前情绪相对应的情绪管理提示；
最后，将所述情绪管理提示发送至所述客服端，以供客服调整或保持在执行跟催任务过程中的情绪。
本可选实施例中，预先将各种情绪进行量化，然后设置情绪值与情绪管理提示之间的对照关系表，也即不同的任一种情绪都设有对应的情绪管理提示。通过查表即可与客服的当前情绪相对应的情绪管理提示。
本实施例在发起跟催任务请求时，能够使用预置的跟催任务话语模板和跟催任务策略，生成对应的跟催任务文本并发送至跟催对象，从而使跟催任务标准化，避免跟催对象产生反感。同时，进一步在跟催过程中，实时获取客服与跟催对象之间的跟催交流内容，并对跟催交流内容进行情绪分析，以确定客服的当前情绪，进而及时调整客服情绪，避免情绪化跟催而使跟催对象产生反感，由于催收过程中可进行监控与管理，因而可避免客服产生不良情绪而影响跟催效果，提升了任务跟催的触达率。
参照图3，图3为图2中步骤S50一实施例的细化流程示意图。本实施例中，上述步骤S50进一步包括：
步骤S501，记录所述客服端与所述跟催对象端之间的跟催交流内容；
步骤S502，从所述跟催交流内容中获取客服发送给跟催对象的交流内容；
本实施例中，在执行跟催任务时，客服端会与跟催对象端(也即客户端)进行通信，也即相互之间以聊天方式发送交流信息。比如通过邮件、微信等方式进行聊天，聊天内容可以是文字，也可以是语音。本实施例重点获取客服发送给跟催对象的交流内容，从而用于分析判断客服的当前情绪。
本实施例对于跟催交流内容的记录方式不限，比如通过埋点方式采集信息并进行整理，从而获得跟催交流内容。
步骤S503，若所述交流内容为文本信息，则将所述交流内容输入预置情绪分类模型进行情绪识别与分类，得到情绪分类结果；
步骤S504，若所述交流内容为语音信息，则通过语音识别将所述语音信息转换为文本信息后输入所述情绪分类模型进行情绪识别与分类，得到情绪分类结果；
本实施例中，若交流内容为文本信息，则直接将交流内容输入预置的情绪分类模型进行情绪的识别与分类，而若交流内容为语音信息，则先通过语音识别而将语音信息转换为文本信息，然后再将转换得到的文本信息输入情绪分类模型进行处理。
本实施例中，情绪分类模型的训练过程如下：先采集若干不同客服与多个不同任务对象的多条聊天记录并进行分词，然后根据每个词的词性，确定每个词的情绪特征，最后再根据每个词的情绪特征训练情绪分类器，从而构建情绪分类模型。
本实施例中，情绪分类结果中包含有同一文本信息对应的多种情绪，比如一句话中既包含有积极的情绪，也包含有消极的情绪，因此还需进一步对分类结果中的多种情绪进行回归分析以确定最符合当前客服的情绪。
步骤S505，对所述情绪分类结果进行回归分析，得到所述情绪分类结果中每种情绪的回归值；
步骤S506，根据每种情绪的回归值，计算每种情绪的得分并将得分最高的情绪作为客服的当前情绪。
回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。也即通过分析现象之间相关的具体形式以确定其因果关系，并用数学模型来表现其具体关系。
本实施例先通过回归分析，以得到情绪分类结果中每种情绪的回归值，然后根据每种情绪的回归值，计算每种情绪的得分。其中，对于具体计算方式不限。比如根据预置的情绪权重值来统计每种情绪的得分。
可选的，在一实施例中，采用如下公式计算每种情绪的得分：
其中，Ti表示第i种情绪的得分，Vi,3、Vi,4分别表示采用分层回归法获得的第i种情绪的第三层回归值与第四层回归值，i为正整数。
本可选实施例中，通过计算每种情绪的得分情况，然后将得分最高的情绪作为客服的当前情绪。
参照图4，图4为本发明基于情绪分析的任务跟催方法第二实施例的流程示意图。本实施例中，在上述步骤S60之后，还包括：
步骤S70，在跟催任务结束后，提取客服执行跟催任务过程中产生的与所述跟催对象相关的关键数据；
步骤S80，根据所述关键数据，绘制任务数据曲线，其中，所述任务数据曲线以时间为横坐标、以所述关键数据为纵坐标；
本实施例中，关键数据具体在客服执行跟催任务过程中产生，本实施例对于关键数据的具体内容及表现形式不限。例如，关键数据是有关客服跟催过程中的情绪变化、跟催对象的情绪反应等数据。
本实施例中，为便于对下一阶段或后续的跟催任务进行预测，因此基于关键数据，绘制任务数据曲线，该任务数据曲线以时间为横坐标、以关键数据为纵坐标，可以反映将来的关键数据变化情况，比如反映出将来某个时间点客服跟催过程中的情绪变化、跟催对象的情绪反应等趋势。
步骤S90，通过预置趋势预测算法对所述任务数据曲线进行趋势预测，得到趋势预测结果；
本实施例中，在绘制出任务数据曲线后，采用预置的趋势预测算法即可进行趋势预测。需要说明的是，趋势预测主要用于预测跟催对象的情绪反应，从而便于后续调整跟催任务策略。
可选的，在一实施例中，通过以下方式进行趋势预测：
A、依次获取所述任务数据曲线中各时间点对应的相邻的关键数据对；
B、计算所有关键数据对的数据平均值，并根据所述数据平均值绘制数据平均值曲线，其中，所述数据平均值曲线以时间为横坐标、以所述数据平均值为纵坐标；
C、通过如下趋势预测算法对应的计算公式对所述数据平均值曲线进行趋势预测，得到趋势预测结果：
Yt＝m*xt+(1-m)*Yt-1；
其中，t表示时间，Yt表示时间t对应的预测值，xt表示时间t对应的数据平均值，Yt-1表示时间t-1对应的预测值，m常数，其取值范围为[0.5，1]。
本实施例中，为更好地拟合任务数据曲线的变化趋势，在进行趋势预测之前，先获取任务数据曲线中各时间点对应的相邻的关键数据对，并计算所有关键数据对的数据平均值，然后绘制数据平均值曲线，最后再对数据平均值曲线进行趋势预测。
步骤S100，将所述趋势预测结果导入所述跟催对象的跟催任务策略中，以作为下一次对所述跟催对象执行跟催任务时的判断依据。
本实施例中，在获得趋势预测结果后，将趋势预测结果导入跟催任务策略中，以供下次执行跟催任务时使用。
可选的，在一实施例中，具体采用如下方式实现趋势预测结果的导入：
A、将所述趋势预测结果导入所述任务数据曲线中，并根据最小二乘法生成所述任务数据曲线的趋势线；
B、判断所述趋势线的斜率是否大于预置阈值；
C、若是，则重新对所述任务数据曲线进行趋势预测；
D、若否，则将所述趋势预测结果导入所述跟催对象的跟催任务策略中，以作为下一次对所述跟催对象执行跟催任务时的判断依据。
本可选实施例中，为使得趋势预测结果更具有可参考性，因此在将趋势预测结果导入跟催任务策略中之前，进一步对趋势预测结果进行筛选，具体实现方式如下：首先将趋势预测结果导入任务数据曲线中，然后根据最小二乘法生成任务数据曲线的趋势线，最后再判断任务数据曲线的趋势线的斜率是否大于预置阈值，若是，则判定该趋势预测结果不具有可参考性，因而不能导入跟催任务策略中，否则判定该趋势预测结果具有可参考性，因而能够导入跟催任务策略中，以作为下一次对跟催对象执行跟催任务时的判断依据。
本发明还提供一种基于情绪分析的任务跟催装置。
参照图5，图5为本发明基于情绪分析的任务跟催装置一实施例的功能模块示意图。本实施例中，所述基于情绪分析的任务跟催装置包括：
获取模块10，用于获取客服端发起的跟催任务请求；
第一生成模块20，用于从所述跟催任务请求中提取任务信息，并根据所述任务信息生成跟催任务清单；
调用模块30，用于从所述跟催任务清单中提取跟催任务，并根据所述跟催任务的任务信息调用对应的跟催任务话语模板；
第二生成模块40，用于根据所述跟催任务话语模板和预置跟催任务策略，生成对应的跟催任务文本并发送至跟催对象；
情绪分析模块50，用于记录客服与所述跟催对象之间的跟催交流内容，并对所述跟催交流内容进行情绪分析，得到客服的当前情绪；
提示模块60，用于根据客服的当前情绪，向客服发送相应的情绪管理提示，以供客服调整或保持在执行跟催任务过程中的情绪。
基于与上述本发明基于情绪分析的任务跟催方法相同的实施例说明内容，因此本实施例对基于情绪分析的任务跟催装置的实施例内容不做过多赘述。
本实施例中，任务跟催装置在发起跟催任务请求时，能够使用预置的跟催任务话语模板和跟催任务策略，生成对应的跟催任务文本并发送至跟催对象，从而使跟催任务标准化，避免跟催对象产生反感。同时，进一步在跟催过程中，任务跟催装置实时获取客服与跟催对象之间的跟催交流内容，并对跟催交流内容进行情绪分析，以确定客服的当前情绪，进而及时调整客服情绪，避免情绪化跟催而使跟催对象产生反感，由于催收过程中可进行监控与管理，因而可避免客服产生不良情绪而影响跟催效果，提升了任务跟催的触达率。
本发明还提供一种计算机可读存储介质。
本实施例中，计算机可读存储介质上存储有任务跟催程序，所述任务跟催程序被处理器执行时实现上述任一实施例中所述的基于情绪分析的任务跟催方法的步骤。其中，任务跟催程序被处理器执行时所实现的方法可参照本发明基于情绪分析的任务跟催方法的各个实施例，因此不再过多赘述。
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一个存储介质(如ROM/RAM)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，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，这些均属于本发明的保护之内。
Claims (10)
1.一种基于情绪分析的任务跟催方法，其特征在于，所述基于情绪分析的任务跟催方法包括以下步骤：
获取客服端发起的跟催任务请求；
从所述跟催任务请求中提取任务信息，并根据所述任务信息生成跟催任务清单；
从所述跟催任务清单中提取跟催任务，并根据所述跟催任务的任务信息调用对应的跟催任务话语模板；
根据所述跟催任务话语模板和预置跟催任务策略，生成对应的跟催任务文本并发送至跟催对象端；
记录所述客服端与所述跟催对象端之间的跟催交流内容，并对所述跟催交流内容进行情绪分析，得到客服的当前情绪；
根据客服的当前情绪，向所述客服端发送相应的情绪管理提示，以供客服调整或保持在执行跟催任务过程中的情绪。
2.如权利要求1所述的基于情绪分析的任务跟催方法，其特征在于，所述记录所述客服端与所述跟催对象端之间的跟催交流内容，并对所述跟催交流内容进行情绪分析，得到客服的当前情绪包括：
记录所述客服端与所述跟催对象端之间的跟催交流内容；
从所述跟催交流内容中获取客服发送给跟催对象的交流内容；
若所述交流内容为文本信息，则将所述交流内容输入预置情绪分类模型进行情绪识别与分类，得到情绪分类结果；
若所述交流内容为语音信息，则通过语音识别将所述语音信息转换为文本信息后输入所述情绪分类模型进行情绪识别与分类，得到情绪分类结果；
对所述情绪分类结果进行回归分析，得到所述情绪分类结果中每种情绪的回归值；
根据每种情绪的回归值，计算每种情绪的得分并将得分最高的情绪作为客服的当前情绪。
3.如权利要求2所述的基于情绪分析的任务跟催方法，其特征在于，采用如下公式计算每种情绪的得分：
其中，Ti表示第i种情绪的得分，Vi,3、Vi,4分别表示采用分层回归法获得的第i种情绪的第三层回归值与第四层回归值，i为正整数。
4.如权利要求1所述的基于情绪分析的任务跟催方法，其特征在于，所述根据客服的当前情绪，向所述客服端发送相应的情绪管理提示，以供客服调整或保持在执行跟催任务过程中的情绪包括：
调取预设的情绪值与情绪管理提示之间的对照关系表；
基于客服的当前情绪，查找所述对照关系表，获得与客服的当前情绪相对应的情绪管理提示；
将所述情绪管理提示发送至所述客服端，以供客服调整或保持在执行跟催任务过程中的情绪。
5.如权利要求1-4中任一所述的基于情绪分析的任务跟催方法，其特征在于，在所述根据客服的当前情绪，向所述客服端发送相应的情绪管理提示，以供客服调整或保持在执行跟催任务过程中的情绪的步骤之后，还包括：
在跟催任务结束后，提取客服执行跟催任务过程中产生的与所述跟催对象相关的关键数据；
根据所述关键数据，绘制任务数据曲线，其中，所述任务数据曲线以时间为横坐标、以所述关键数据为纵坐标；
通过预置趋势预测算法对所述任务数据曲线进行趋势预测，得到趋势预测结果；
将所述趋势预测结果导入所述跟催对象的跟催任务策略中，以作为下一次对所述跟催对象执行跟催任务时的判断依据。
6.如权利要求5所述的基于情绪分析的任务跟催方法，其特征在于，所述通过预置趋势预测算法对所述任务数据曲线进行趋势预测，得到趋势预测结果包括：
依次获取所述任务数据曲线中各时间点对应的相邻的关键数据对；
计算所有关键数据对的数据平均值，并根据所述数据平均值绘制数据平均值曲线，其中，所述数据平均值曲线以时间为横坐标、以所述数据平均值为纵坐标；
通过如下趋势预测算法对应的计算公式对所述数据平均值曲线进行趋势预测，得到趋势预测结果：
Yt＝m*xt+(1-m)*Yt-1；
其中，t表示时间，Yt表示时间t对应的预测值，xt表示时间t对应的数据平均值，Yt-1表示时间t-1对应的预测值，m常数，其取值范围为[0.5，1]。
7.如权利要求6所述的基于情绪分析的任务跟催方法，其特征在于，所述将所述趋势预测结果导入所述跟催对象的跟催任务策略中，以作为下一次对所述跟催对象执行跟催任务时的判断依据包括：
将所述趋势预测结果导入所述任务数据曲线中，并根据最小二乘法生成所述任务数据曲线的趋势线；
判断所述趋势线的斜率是否大于预置阈值；
若是，则重新对所述任务数据曲线进行趋势预测；
若否，则将所述趋势预测结果导入所述跟催对象的跟催任务策略中，以作为下一次对所述跟催对象执行跟催任务时的判断依据。
8.一种基于情绪分析的任务跟催装置，其特征在于，所述基于情绪分析的任务跟催装置包括：
获取模块，用于获取客服端发起的跟催任务请求；
第一生成模块，用于从所述跟催任务请求中提取任务信息，并根据所述任务信息生成跟催任务清单；
调用模块，用于从所述跟催任务清单中提取跟催任务，并根据所述跟催任务的任务信息调用对应的跟催任务话语模板；
第二生成模块，用于根据所述跟催任务话语模板和预置跟催任务策略，生成对应的跟催任务文本并发送至跟催对象端；
情绪分析模块，用于记录所述客服端与所述跟催对象端之间的跟催交流内容，并对所述跟催交流内容进行情绪分析，得到客服的当前情绪；
提示模块，用于根据客服的当前情绪，向所述客服端发送相应的情绪管理提示，以供客服调整或保持在执行跟催任务过程中的情绪。
9.一种基于情绪分析的任务跟催设备，其特征在于，所述基于情绪分析的任务跟催设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的任务跟催程序，所述任务跟催程序被所述处理器执行时实现如权利要求1-7中任一所述的基于情绪分析的任务跟催方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有任务跟催程序，所述任务跟催程序被处理器执行时实现如权利要求1-7中任一所述的基于情绪分析的任务跟催方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910990755.3A CN110929005A (zh) | 2019-10-18 | 2019-10-18 | 基于情绪分析的任务跟催方法、装置、设备及存储介质 |
| PCT/CN2020/111405 WO2021073258A1 (zh) | 2019-10-18 | 2020-08-26 | 基于情绪分析的任务跟催方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910990755.3A CN110929005A (zh) | 2019-10-18 | 2019-10-18 | 基于情绪分析的任务跟催方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110929005A true CN110929005A (zh) | 2020-03-27 |
Family
ID=69849016
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910990755.3A Pending CN110929005A (zh) | 2019-10-18 | 2019-10-18 | 基于情绪分析的任务跟催方法、装置、设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110929005A (zh) |
| WO (1) | WO2021073258A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021073258A1 (zh) * | 2019-10-18 | 2021-04-22 | 平安科技（深圳）有限公司 | 基于情绪分析的任务跟催方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103970864A (zh) * | 2014-05-08 | 2014-08-06 | 清华大学 | 基于微博文本的情绪分类和情绪成分分析方法及*** |
| CN108427916A (zh) * | 2018-02-11 | 2018-08-21 | 上海复旦通讯股份有限公司 | 一种用于客服坐席情绪的监控***及监控方法 |
| CN109064315A (zh) * | 2018-08-02 | 2018-12-21 | 平安科技（深圳）有限公司 | 逾期账单智能催收方法、装置、计算机设备及存储介质 |
| CN109767765A (zh) * | 2019-01-17 | 2019-05-17 | 平安科技（深圳）有限公司 | 话术匹配方法及装置、存储介质、计算机设备 |
| CN109859032A (zh) * | 2019-01-22 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 基于智能语音的账款催收方法、装置、设备和存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109784414A (zh) * | 2019-01-24 | 2019-05-21 | 出门问问信息科技有限公司 | 一种电话客服中客户情绪检测方法、装置及电子设备 |
| CN109767787B (zh) * | 2019-01-28 | 2023-03-10 | 腾讯科技（深圳）有限公司 | 情绪识别方法、设备及可读存储介质 |
| KR20190018666A (ko) * | 2019-02-18 | 2019-02-25 | 네이버 주식회사 | 기계의 자동 활성을 위한 방법 및 시스템 |
| CN109949103B (zh) * | 2019-03-29 | 2021-10-22 | 联想(北京)有限公司 | 一种数据处理方法、装置及电子设备 |
| CN110929005A (zh) * | 2019-10-18 | 2020-03-27 | 平安科技（深圳）有限公司 | 基于情绪分析的任务跟催方法、装置、设备及存储介质 |
-
2019
- 2019-10-18 CN CN201910990755.3A patent/CN110929005A/zh active Pending
-
2020
- 2020-08-26 WO PCT/CN2020/111405 patent/WO2021073258A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103970864A (zh) * | 2014-05-08 | 2014-08-06 | 清华大学 | 基于微博文本的情绪分类和情绪成分分析方法及*** |
| CN108427916A (zh) * | 2018-02-11 | 2018-08-21 | 上海复旦通讯股份有限公司 | 一种用于客服坐席情绪的监控***及监控方法 |
| CN109064315A (zh) * | 2018-08-02 | 2018-12-21 | 平安科技（深圳）有限公司 | 逾期账单智能催收方法、装置、计算机设备及存储介质 |
| CN109767765A (zh) * | 2019-01-17 | 2019-05-17 | 平安科技（深圳）有限公司 | 话术匹配方法及装置、存储介质、计算机设备 |
| CN109859032A (zh) * | 2019-01-22 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 基于智能语音的账款催收方法、装置、设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 客户世界: "某商业银行智能质检应用案例", pages 1 - 6, Retrieved from the Internet <URL:https://www.sohu.com/a/325062978_753232> * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021073258A1 (zh) * | 2019-10-18 | 2021-04-22 | 平安科技（深圳）有限公司 | 基于情绪分析的任务跟催方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021073258A1 (zh) | 2021-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107818798B (zh) | 客服服务质量评价方法、装置、设备及存储介质 | |
| US11062220B2 (en) | Integrated virtual cognitive agents and message communication architecture | |
| CN109767787B (zh) | 情绪识别方法、设备及可读存储介质 | |
| US20160117624A1 (en) | Intelligent meeting enhancement system | |
| CN111917878B (zh) | 消息处理方法、装置、设备及存储介质 | |
| CN108416375B (zh) | 工单分类方法及装置 | |
| CN109710766B (zh) | 一种工单数据的投诉倾向分析预警方法及装置 | |
| CN110543550B (zh) | 自动生成试题的方法和装置 | |
| WO2023272850A1 (zh) | 基于决策树的产品匹配方法、装置、设备及存储介质 | |
| JP2017215943A (ja) | 情報共有支援システム、情報共有支援装置、情報共有支援方法及びプログラム | |
| WO2013184667A1 (en) | System, method and apparatus for voice analytics of recorded audio | |
| CN115665325A (zh) | 一种智能外呼的方法、装置、电子设备及存储介质 | |
| KR20210095609A (ko) | 회의록 열람 문서 생성 방법 및 그 장치 | |
| CN111127213A (zh) | 信息处理方法与装置、存储介质、电子设备 | |
| US10701006B2 (en) | Method and system for facilitating computer-generated communication with user | |
| KR102171658B1 (ko) | 크라우드전사장치 및 그 동작 방법 | |
| CN110929005A (zh) | 基于情绪分析的任务跟催方法、装置、设备及存储介质 | |
| CN117196630A (zh) | 交易风险预测方法、装置、终端设备以及存储介质 | |
| CN117113973A (zh) | 一种信息处理方法及相关装置 | |
| CN116433324A (zh) | 一种产品推荐方法、装置、介质和计算机设备 | |
| US20220207066A1 (en) | System and method for self-generated entity-specific bot | |
| CN114141235A (zh) | 语音语料库生成方法、装置、计算机设备和存储介质 | |
| CN113890948A (zh) | 基于语音外呼机器人对话数据的资源分配方法及相关设备 | |
| CN112307186A (zh) | 基于情绪识别的问答服务方法、***、终端设备及介质 | |
| CN111539834A (zh) | 一种预核保方法及装置 |
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 |