CN112182197A - 话术推荐方法、装置、设备及计算机可读介质 - Google Patents
话术推荐方法、装置、设备及计算机可读介质 Download PDFInfo
- Publication number
- CN112182197A CN112182197A CN202011242349.8A CN202011242349A CN112182197A CN 112182197 A CN112182197 A CN 112182197A CN 202011242349 A CN202011242349 A CN 202011242349A CN 112182197 A CN112182197 A CN 112182197A
- Authority
- CN
- China
- Prior art keywords
- target
- keyword
- matched
- determining
- node
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000009193 crawling Effects 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 19
- 238000003062 neural network model Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 12
- 230000002860 competitive effect Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种话术推荐方法、装置、设备及计算机可读介质。该方法包括:获取语音采集设备发送的第一对话信息;识别第一对话信息的对话内容,并生成与对话内容匹配的第一关键词;在预设知识图谱中确定与第一关键词匹配的第二关键词;爬取与第二关键词匹配的目标话术,并将目标话术发送至目标终端设备。本申请通过实时获取、识别销售和客户的对话,从对话内容中提取关键词并进行话题预测,从而根据预测的话题从互联网中爬取相关话术,并实时提供给销售,解决了***推荐的话术与实际情况所需要的话术不匹配的技术问题。
Description
技术领域
本申请涉及智能推荐技术领域,尤其涉及一种话术推荐方法、装置、设备及计算机可读介质。
背景技术
随着电商的发展,线下实体店的销售模式面临着巨大的冲击,如何适当的迎合客户的心理、准确的挖掘客户的意图、提供优良的导购服务,成为提升线下模式的关键。然而,在一些复杂度较高的行业中(如:保险、汽车),线下实体店面临如下两方面的挑战:一方面,行业复杂度高导致销售人员无法快速准确的应对客户提出的问题,导致客户满意度降低失去销售契机;另一方面,销售人员的流动性高,新员工很难短时间内掌握销售技巧、提升专业水平。
目前,相关技术中,只能预先收集话术,提供给推销者,但面对实际情况时,往往***推荐的话术与实际情况所需要的话术不匹配。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请提供了一种话术推荐方法、装置、设备及计算机可读介质,以解决销售***推荐的话术与实际情况所需要的话术不匹配的技术问题。
根据本申请实施例的一个方面,本申请提供了一种话术推荐方法,包括:获取语音采集设备发送的第一对话信息;识别第一对话信息的对话内容,并生成与对话内容匹配的第一关键词;在预设知识图谱中确定与第一关键词匹配的第二关键词;爬取与第二关键词匹配的目标话术,并将目标话术发送至目标终端设备。
可选地,识别第一对话信息的对话内容,并生成与对话内容匹配的第一关键词包括:确定第一对话信息中的语音间隔;根据语音间隔将第一对话信息分割为语音片段;提取语音片段的特征矢量;从语音模板库中确定与特征矢量相似度最高的目标矢量;将目标矢量转换为目标字符;在第一对话信息中的所有语音片段都匹配到相应的目标字符的情况下,将所有目标字符按照语音片段在第一对话信息中的位置进行排列,得到第一文本;将第一文本输入目标神经网络模型,得到目标神经网络模型输出的第一关键词,目标神经网络模型为双向长短期记忆神经网络,用于对第一文本进行语义识别。
可选地,在预设知识图谱中确定与第一关键词匹配的第二关键词包括:在预设知识图谱中确定第一关键词所指示的第一节点;确定与第一节点具有关联边的第二节点;根据第二节点与第一节点之间的关联边的关联强度确定与第一节点匹配度最高的第二节点;将与第一节点匹配度最高的第二节点所表示的关键词作为第二关键词。
可选地,获取语音采集设备发送的第一对话信息之前,该方法还包括:获取图像采集设备对第一对象采集到的人脸图像;将人脸图像输入人脸识别模型,得到人脸特征;在预设的人脸数据库中查找与人脸特征匹配的目标人脸图像;在查找到目标人脸图像的情况下,确定第一对象的身份信息,并确定与第一对象相关联的第二对象,第二对象为在第一时间接待过第一对象的对象,第一时间早于当前时间;向目标终端设备发送指派指令,以指示第二对象接待第一对象。
可选地,在未查找到目标人脸图像的情况下,该方法还包括:向目标终端设备发送指派指令,以指示第三对象接待第一对象,第三对象为当前时间未进行接待任务的对象。
可选地,在识别到第一关键词为目标竞品的情况下,该方法还包括:爬取目标竞品的评价信息;提取评价信息中的第三关键词;将第三关键词填入预设话术模板,得到目标话术;向目标终端设备发送目标话术。
可选地,将目标话术发送至目标终端设备包括:将目标话术转换为目标文本,并将目标文本发送至目标显示终端,目标终端设备包括目标显示终端;和/或,将目标话术转换为目标语音,并将目标语音发送至目标音频接收终端,目标终端设备包括目标音频接收终端。
根据本申请实施例的另一方面,本申请提供了一种话术推荐装置,包括:对话获取模块,用于获取语音采集设备发送的第一对话信息;对话识别模块,用于识别第一对话信息的对话内容,并生成与对话内容匹配的第一关键词;关键词预测模块,用于在预设知识图谱中确定与第一关键词匹配的第二关键词;话术匹配模块,用于爬取与第二关键词匹配的目标话术,并将目标话术发送至目标终端设备。
根据本申请实施例的另一方面,本申请提供了一种电子设备,包括存储器、处理器、通信接口及通信总线,存储器中存储有可在处理器上运行的计算机程序,存储器、处理器通过通信总线和通信接口进行通信,处理器执行计算机程序时实现上述方法的步骤。
根据本申请实施例的另一方面,本申请还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,程序代码使处理器执行上述的方法。
本申请实施例提供的上述技术方案与相关技术相比具有如下优点:
本申请技术方案为获取语音采集设备发送的第一对话信息;识别第一对话信息的对话内容,并生成与对话内容匹配的第一关键词;在预设知识图谱中确定与第一关键词匹配的第二关键词;爬取与第二关键词匹配的目标话术,并将目标话术发送至目标终端设备。本申请通过实时获取、识别销售和客户的对话,从对话内容中提取关键词并进行话题预测,从而根据预测的话题从互联网中爬取相关话术,并实时提供给销售,解决了***推荐的话术与实际情况所需要的话术不匹配的技术问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为根据本申请实施例提供的一种可选的话术推荐方法硬件环境示意图;
图2为根据本申请实施例提供的一种可选的话术推荐方法流程图;
图3为根据本申请实施例提供的一种可选的话术推荐装置框图;
图4为根据本申请实施例提供的一种可选的电子设备结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明,其本身并没有特定的意义。因此,“模块”与“部件”可以混合地使用。
相关技术中,只能预先收集话术,提供给推销者,但面对实际情况时,往往***推荐的话术与实际情况所需要的话术不匹配。
为了解决背景技术中提及的问题,根据本申请实施例的一方面,提供了一种话术推荐方法的实施例。
可选地,在本申请实施例中,上述话术推荐方法可以应用于如图1所示的由终端101和服务器103所构成的硬件环境中。在本申请中,上述服务器为销售***的服务器,上述终端为辅助销售的终端设备,如电子工牌,用于采集客户和销售人员的对话语音,并上传到服务器;摄像头,用于采集到店客户的人脸图像,并上传到服务器;手持终端或耳机,用于接收服务器下发的指令,以文字或语音的方式传递给销售。
本申请中,如图1所示,服务器103通过网络与终端101进行连接,可用于为终端或终端上安装的客户端提供服务,可在服务器上或独立于服务器设置数据库105,用于为服务器103提供数据存储服务,上述网络包括但不限于:广域网、城域网或局域网,终端101包括但不限于PC、手机、平板电脑、耳机等。
本申请实施例中的一种话术推荐方法可以由服务器103来执行,如图2所示,该方法可以包括以下步骤:
步骤S202,获取语音采集设备发送的第一对话信息。
本申请实施例中的一种话术推荐可以应用于辅助销售场景,在销售员向客户进行商品推销时,由上述语音采集设备对销售员与客户的对话进行实时录音,即上述第一对话信息,并将录音传输至服务器,上述语音采集设备可以集成于销售员随身佩戴的电子工牌中。
步骤S204,识别第一对话信息的对话内容,并生成与对话内容匹配的第一关键词。
服务器在接收到语音采集设备发送的第一对话信息后,可以对第一对话信息进行语音识别和语义识别。可以利用语音识别将第一对话信息转换为文本,可以利用语义识别来识别第一对话信息所转换的文本的内容,即销售员与客户的对话内容,同时可以提取该对话内容的主要内容,即第一关键词。
可选地,步骤S204识别第一对话信息的对话内容,并生成与对话内容匹配的第一关键词可以包括以下步骤:
步骤1,确定第一对话信息中的语音间隔;
步骤2,根据语音间隔将第一对话信息分割为语音片段;
步骤3,提取语音片段的特征矢量;
步骤4,从语音模板库中确定与特征矢量相似度最高的目标矢量;
步骤5,将目标矢量转换为目标字符;
步骤6,在第一对话信息中的所有语音片段都匹配到相应的目标字符的情况下,将所有目标字符按照语音片段在第一对话信息中的位置进行排列,得到第一文本;
步骤7,将第一文本输入目标神经网络模型,得到目标神经网络模型输出的第一关键词,目标神经网络模型为双向长短期记忆神经网络,用于对第一文本进行语义识别。
本申请实施例中,基于语音识别技术,利用不同发音的声学特征不同的特点,可以将第一对话信息由连续的句子分解为单个的字、词,甚至分解为音素等单位,得到离散的语言片段。上述语音间隔即由声学特征的转换来确定的。得到语音片段之后,可以利用语音识别模型来提取各个语音片段的特征矢量。本申请实施例中,语音识别模型在训练阶段即由用户将词汇表中的每一词依次说一遍,并且将其特征矢量作为模板存入模板库,因此在识别阶段,可以将第一对话信息的各个语音片段的特征矢量和语音模板库中的特征矢量进行对比,从而在语音模板库中找出与第一对话信息的语音片段的特征矢量相似度最高的目标矢量,进而可以根据目标矢量对应的字、词得到各个语音片段对应的文本内容。接着将语音片段对应的文本按照语音片段在第一对话信息中的位置顺序进行排序,从而得到第一对话信息对应的完整文本信息,即上述第一文本。最后将第一文本输入双向长短期记忆神经网络模型,以提取该第一文本的主要信息,得到第一关键词。
步骤S206,在预设知识图谱中确定与第一关键词匹配的第二关键词。
本申请实施例中,上述预设知识图谱为根据商品信息、竞品信息、客户爱好等数据预先构建的话题知识图谱,该话题知识图谱中的节点对应客户与销售员谈话内容所涉及的主要内容,对话信息可以来源于以往的对话内容,还可以根据大数据分析,快速的根据不同内容的关联关系建立该话题知识图谱,话题知识图谱中的节点与节点之间的关联边可以为双向关联边,关联边的指向和关联权重决定了两个节点之间的关联度,例如,由节点A指向节点B的关联边的关联权重为0.4,表示销售员与客户的谈话由话题A引向话题B的概率为0.4。在本申请实施例中,作为优选,上述关联边的指向和关联强度还可以表示为销售员由当前话题A引导客户转向话题B后成交的概率。
可选地,步骤S206在预设知识图谱中确定与第一关键词匹配的第二关键词可以包括以下步骤:
步骤1,在预设知识图谱中确定第一关键词所指示的第一节点;
步骤2,确定与第一节点具有关联边的第二节点;
步骤3,根据第二节点与第一节点之间的关联边的关联强度确定与第一节点匹配度最高的第二节点;
步骤4,将与第一节点匹配度最高的第二节点所表示的关键词作为第二关键词。
本申请实施例中,经过上一步得到客户和销售员对话的主要内容即第一关键词之后,可以利用第一关键词在上述话题知识图谱中进行话题预测,从而预测客户的购买意图、适合客户的产品类型等,根据成交概率的大小(即节点与节点之间的关联权重)判断出下一步向哪个话题引导客户会提升实际成单的概率。上述匹配度可以是两个话题的相似度,可以是成交的概率,还可以是两个话题对应的两个节点之间的关联强度。
步骤S208,爬取与第二关键词匹配的目标话术,并将目标话术发送至目标终端设备。
可选地,将目标话术发送至目标终端设备包括:将目标话术转换为目标文本,并将目标文本发送至目标显示终端,目标终端设备包括目标显示终端;和/或,将目标话术转换为目标语音,并将目标语音发送至目标音频接收终端,目标终端设备包括目标音频接收终端。上述目标显示终端可以销售员手持的手机、平板电脑等设备,目标音频接收终端可以是耳机。
本申请实施例中,在根据上述话题知识图谱预测得到接下来作为推荐的话题方向后,可以根据该推荐话题的关键词从预设的话术库中查找相应的话术,还可以从互联网中直接爬取与该推荐话题有关的文案,形成目标话术,通过语音或文字将该目标话术发送至销售人员的耳机或手持终端中。这样就提升了推荐的话术与实际交流的话题的匹配度,还可以减少销售人员的培训成本,达到了辅助销售,提升成交概率的目的。
采用本申请技术方案,通过实时获取、识别销售和客户的对话,从对话内容中提取关键词并进行话题预测,从而根据预测的话题从互联网中爬取相关话术,并实时提供给销售,解决了***推荐的话术与实际情况所需要的话术不匹配的技术问题。
本申请实施例还提供一种对客户进行人脸识别的方法,以选择接待该客户的销售员。
可选地,获取语音采集设备发送的第一对话信息之前,该方法还包括:
步骤1,获取图像采集设备对第一对象采集到的人脸图像;
步骤2,将人脸图像输入人脸识别模型,得到人脸特征;
步骤3,在预设的人脸数据库中查找与人脸特征匹配的目标人脸图像;
步骤4,在查找到目标人脸图像的情况下,确定第一对象的身份信息,并确定与第一对象相关联的第二对象,第二对象为在第一时间接待过第一对象的对象,第一时间早于当前时间;
步骤5,向目标终端设备发送指派指令,以指示第二对象接待第一对象。在未查找到目标人脸图像的情况下,向目标终端设备发送指派指令,以指示第三对象接待第一对象,第三对象为当前时间未进行接待任务的对象。
本申请实施例中,可以由设置于交易场所入口及及其他各处的摄像头捕获客户的人脸图像,将该人脸图像输入人脸识别模型中提取特征,将得到的人脸特征与已存储的以往客户的人脸图像进行特征对比,查找是否有具有相同特征的人脸图像,以确定当前客户是否为当前时间以前光临过的老客户。若当前客户为老客户,则指派之前接待过该客户的销售员(第二对象)进行接待,若当前客户为新客户,即没有找到具有相同特征的人脸图像时,指派一名当前没有接待任务,处于空闲状态的销售员(第三对象)前往接待。上述目标终端设备为第二对象或第三对象的终端设备。
可选地,在识别到第一关键词为目标竞品的情况下,该方法还包括以下步骤:
步骤1,爬取目标竞品的评价信息;
步骤2,提取评价信息中的第三关键词;
步骤3,将第三关键词填入预设话术模板,得到目标话术;
步骤4向目标终端设备发送目标话术。
本申请实施例中,如果客户提及竞品,则根据互联网上爬取的竞品舆情信息,找到适合的销售话术,例如:客户提到“XX品牌的YY车型,价格跟这块差不多,但内饰更好”,销售人员可以根据采集到的话术回应“哪款车网上很多用户都说它空间不够大,操控性不好”等。
根据本申请实施例的又一方面,如图3所示,提供了一种话术推荐装置,包括:对话获取模块301,用于获取语音采集设备发送的第一对话信息;对话识别模块303,用于识别第一对话信息的对话内容,并生成与对话内容匹配的第一关键词;关键词预测模块305,用于在预设知识图谱中确定与第一关键词匹配的第二关键词;话术匹配模块307,用于爬取与第二关键词匹配的目标话术,并将目标话术发送至目标终端设备。
需要说明的是,该实施例中的对话获取模块301可以用于执行本申请实施例中的步骤S202,该实施例中的对话识别模块303可以用于执行本申请实施例中的步骤S204,该实施例中的关键词预测模块305可以用于执行本申请实施例中的步骤S206,该实施例中的话术匹配模块307可以用于执行本申请实施例中的步骤S208。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现。
可选地,该对话识别模块,具体用于:确定第一对话信息中的语音间隔;根据语音间隔将第一对话信息分割为语音片段;提取语音片段的特征矢量;从语音模板库中确定与特征矢量相似度最高的目标矢量;将目标矢量转换为目标字符;在第一对话信息中的所有语音片段都匹配到相应的目标字符的情况下,将所有目标字符按照语音片段在第一对话信息中的位置进行排列,得到第一文本;将第一文本输入目标神经网络模型,得到目标神经网络模型输出的第一关键词,目标神经网络模型为双向长短期记忆神经网络,用于对第一文本进行语义识别。
可选地,该关键词预测模块,具体用于:在预设知识图谱中确定第一关键词所指示的第一节点;确定与第一节点具有关联边的第二节点;根据第二节点与第一节点之间的关联边的关联强度确定与第一节点匹配度最高的第二节点;将与第一节点匹配度最高的第二节点所表示的关键词作为第二关键词。
可选地,该话术推荐装置,还包括人员指派模块,用于:获取图像采集设备对第一对象采集到的人脸图像;将人脸图像输入人脸识别模型,得到人脸特征;在预设的人脸数据库中查找与人脸特征匹配的目标人脸图像;在查找到目标人脸图像的情况下,确定第一对象的身份信息,并确定与第一对象相关联的第二对象,第二对象为在第一时间接待过第一对象的对象,第一时间早于当前时间;向目标终端设备发送指派指令,以指示第二对象接待第一对象。
可选地,该人员指派模块,还用于:在未查找到目标人脸图像的情况下,向目标终端设备发送指派指令,以指示第三对象接待第一对象,第三对象为当前时间未进行接待任务的对象。
可选地,该话术推荐装置,还包括竞品话术推荐模块,用于:爬取目标竞品的评价信息;提取评价信息中的第三关键词;将第三关键词填入预设话术模板,得到目标话术;向目标终端设备发送目标话术。
可选地,该话术匹配模块,还用于:将目标话术转换为目标文本,并将目标文本发送至目标显示终端,目标终端设备包括目标显示终端;和/或,将目标话术转换为目标语音,并将目标语音发送至目标音频接收终端,目标终端设备包括目标音频接收终端。
根据本申请实施例的另一方面,本申请提供了一种电子设备,如图4所示,包括存储器401、处理器403、通信接口405及通信总线407,存储器401中存储有可在处理器403上运行的计算机程序,存储器401、处理器403通过通信接口405和通信总线407进行通信,处理器403执行计算机程序时实现上述方法的步骤。
上述电子设备中的存储器、处理器通过通信总线和通信接口进行通信。所述通信总线可以是外设部件互连标准(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
根据本申请实施例的又一方面还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质。
可选地,在本申请实施例中,计算机可读介质被设置为存储用于所述处理器执行以下步骤的程序代码:
获取语音采集设备发送的第一对话信息;
识别第一对话信息的对话内容,并生成与对话内容匹配的第一关键词;
在预设知识图谱中确定与第一关键词匹配的第二关键词;
爬取与第二关键词匹配的目标话术,并将目标话术发送至目标终端设备。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本申请实施例在具体实现时,可以参阅上述各个实施例,具有相应的技术效果。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述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,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。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或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种话术推荐方法,其特征在于,包括:
获取语音采集设备发送的第一对话信息;
识别所述第一对话信息的对话内容,并生成与所述对话内容匹配的第一关键词;
在预设知识图谱中确定与所述第一关键词匹配的第二关键词;
爬取与所述第二关键词匹配的目标话术,并将所述目标话术发送至目标终端设备。
2.根据权利要求1所述的方法,其特征在于,识别所述第一对话信息的对话内容,并生成与所述对话内容匹配的第一关键词包括:
确定所述第一对话信息中的语音间隔;
根据所述语音间隔将所述第一对话信息分割为语音片段;
提取所述语音片段的特征矢量;
从语音模板库中确定与所述特征矢量相似度最高的目标矢量;
将所述目标矢量转换为目标字符;
在所述第一对话信息中的所有所述语音片段都匹配到相应的所述目标字符的情况下,将所有所述目标字符按照所述语音片段在所述第一对话信息中的位置进行排列,得到第一文本;
将所述第一文本输入目标神经网络模型,得到所述目标神经网络模型输出的所述第一关键词,其中,所述目标神经网络模型为双向长短期记忆神经网络,用于对所述第一文本进行语义识别。
3.根据权利要求2所述的方法,其特征在于,在预设知识图谱中确定与所述第一关键词匹配的第二关键词包括:
在所述预设知识图谱中确定所述第一关键词所指示的第一节点;
确定与所述第一节点具有关联边的第二节点;
根据所述第二节点与所述第一节点之间的关联边的关联强度确定与所述第一节点匹配度最高的所述第二节点;
将与所述第一节点匹配度最高的所述第二节点所表示的关键词作为所述第二关键词。
4.根据权利要求1至3任一所述的方法,其特征在于,获取语音采集设备发送的第一对话信息之前,所述方法还包括:
获取图像采集设备对第一对象采集到的人脸图像;
将所述人脸图像输入人脸识别模型,得到人脸特征;
在预设的人脸数据库中查找与所述人脸特征匹配的目标人脸图像;
在查找到所述目标人脸图像的情况下,确定所述第一对象的身份信息,并确定与所述第一对象相关联的第二对象,其中,所述第二对象为在第一时间接待过所述第一对象的对象,所述第一时间早于当前时间;
向所述目标终端设备发送指派指令,以指示所述第二对象接待所述第一对象。
5.根据权利要求4所述的方法,其特征在于,在未查找到所述目标人脸图像的情况下,所述方法还包括:
向所述目标终端设备发送指派指令,以指示第三对象接待所述第一对象,其中,所述第三对象为当前时间未进行接待任务的对象。
6.根据权利要求5所述的方法,其特征在于,在识别到所述第一关键词为目标竞品的情况下,所述方法还包括:
爬取所述目标竞品的评价信息;
提取所述评价信息中的第三关键词;
将所述第三关键词填入预设话术模板,得到所述目标话术;
向所述目标终端设备发送所述目标话术。
7.根据权利要求1至3任一所述的方法,其特征在于,将所述目标话术发送至目标终端设备包括:
将所述目标话术转换为目标文本,并将所述目标文本发送至目标显示终端,其中,所述目标终端设备包括所述目标显示终端;和/或,
将所述目标话术转换为目标语音,并将所述目标语音发送至目标音频接收终端,其中,所述目标终端设备包括所述目标音频接收终端。
8.一种话术推荐装置,其特征在于,包括:
对话获取模块,用于获取语音采集设备发送的第一对话信息;
对话识别模块,用于识别所述第一对话信息的对话内容,并生成与所述对话内容匹配的第一关键词;
关键词预测模块,用于在预设知识图谱中确定与所述第一关键词匹配的第二关键词;
话术匹配模块,用于爬取与所述第二关键词匹配的目标话术,并将所述目标话术发送至目标终端设备。
9.一种电子设备,包括存储器、处理器、通信接口及通信总线,所述存储器中存储有可在所述处理器上运行的计算机程序,所述存储器、所述处理器通过所述通信总线和所述通信接口进行通信,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至7任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011242349.8A CN112182197A (zh) | 2020-11-09 | 2020-11-09 | 话术推荐方法、装置、设备及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011242349.8A CN112182197A (zh) | 2020-11-09 | 2020-11-09 | 话术推荐方法、装置、设备及计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112182197A true CN112182197A (zh) | 2021-01-05 |
Family
ID=73916570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011242349.8A Pending CN112182197A (zh) | 2020-11-09 | 2020-11-09 | 话术推荐方法、装置、设备及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112182197A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112966119A (zh) * | 2021-02-25 | 2021-06-15 | 青岛海信网络科技股份有限公司 | 一种信息获取方法、设备及介质 |
CN112988994A (zh) * | 2021-03-04 | 2021-06-18 | 网易(杭州)网络有限公司 | 对话处理方法、装置及电子设备 |
CN112989046A (zh) * | 2021-03-18 | 2021-06-18 | 中国平安人寿保险股份有限公司 | 实时话术预判方法、装置、计算机设备和存储介质 |
CN113095868A (zh) * | 2021-03-09 | 2021-07-09 | 上海明略人工智能(集团)有限公司 | 辅助销售商品的方法、装置及*** |
CN113127616A (zh) * | 2021-03-25 | 2021-07-16 | 白鹭 | 应用于现场对话场景中的智能话术推荐方法及装置 |
CN113158052A (zh) * | 2021-04-23 | 2021-07-23 | 平安银行股份有限公司 | 聊天内容推荐方法、装置、计算机设备及存储介质 |
CN113177160A (zh) * | 2021-05-25 | 2021-07-27 | 上海众源网络有限公司 | 一种推送文案生成方法、装置、电子设备及存储介质 |
CN113282783A (zh) * | 2021-05-28 | 2021-08-20 | 上海明略人工智能(集团)有限公司 | 用于信息推荐的方法及装置、电子设备、可读存储介质 |
CN113535921A (zh) * | 2021-07-21 | 2021-10-22 | 携程旅游网络技术(上海)有限公司 | 用于客服的话术输出方法、***、电子设备及存储介质 |
CN113569160A (zh) * | 2021-08-16 | 2021-10-29 | 上海明略人工智能(集团)有限公司 | 用于推送话术的方法及装置、电子设备、存储介质 |
CN113626573A (zh) * | 2021-08-11 | 2021-11-09 | 北京深维智信科技有限公司 | 一种销售会话异议及应对提取方法及*** |
CN113743129A (zh) * | 2021-09-30 | 2021-12-03 | 平安科技(深圳)有限公司 | 基于神经网络的信息推送方法、***、设备及介质 |
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 |
CN114399343A (zh) * | 2022-03-24 | 2022-04-26 | 北京优全智汇信息技术有限公司 | 一种智能机器人线上辅助销售方法及*** |
WO2022213986A1 (zh) * | 2021-04-06 | 2022-10-13 | 维沃移动通信有限公司 | 语音识别的方法、装置、电子设备和可读存储介质 |
CN116312968A (zh) * | 2023-02-09 | 2023-06-23 | 广东德澳智慧医疗科技有限公司 | 一种基于人机对话和核心算法的心理咨询和疗愈*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001338295A (ja) * | 2000-05-26 | 2001-12-07 | Wens Network Kk | 生態情報による本人認証システム |
CN105530387A (zh) * | 2015-12-14 | 2016-04-27 | 上海携程商务有限公司 | Ivr***的来电处理方法 |
CN110136727A (zh) * | 2019-04-16 | 2019-08-16 | 平安科技(深圳)有限公司 | 基于说话内容的说话者身份识别方法、装置及存储介质 |
CN110460798A (zh) * | 2019-06-26 | 2019-11-15 | 平安科技(深圳)有限公司 | 视频访谈服务处理方法、装置、终端与存储介质 |
CN111460413A (zh) * | 2019-01-18 | 2020-07-28 | 阿里巴巴集团控股有限公司 | 身份识别***及方法、装置、电子设备、存储介质 |
-
2020
- 2020-11-09 CN CN202011242349.8A patent/CN112182197A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001338295A (ja) * | 2000-05-26 | 2001-12-07 | Wens Network Kk | 生態情報による本人認証システム |
CN105530387A (zh) * | 2015-12-14 | 2016-04-27 | 上海携程商务有限公司 | Ivr***的来电处理方法 |
CN111460413A (zh) * | 2019-01-18 | 2020-07-28 | 阿里巴巴集团控股有限公司 | 身份识别***及方法、装置、电子设备、存储介质 |
CN110136727A (zh) * | 2019-04-16 | 2019-08-16 | 平安科技(深圳)有限公司 | 基于说话内容的说话者身份识别方法、装置及存储介质 |
CN110460798A (zh) * | 2019-06-26 | 2019-11-15 | 平安科技(深圳)有限公司 | 视频访谈服务处理方法、装置、终端与存储介质 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112966119A (zh) * | 2021-02-25 | 2021-06-15 | 青岛海信网络科技股份有限公司 | 一种信息获取方法、设备及介质 |
CN112988994A (zh) * | 2021-03-04 | 2021-06-18 | 网易(杭州)网络有限公司 | 对话处理方法、装置及电子设备 |
CN113095868A (zh) * | 2021-03-09 | 2021-07-09 | 上海明略人工智能(集团)有限公司 | 辅助销售商品的方法、装置及*** |
CN112989046A (zh) * | 2021-03-18 | 2021-06-18 | 中国平安人寿保险股份有限公司 | 实时话术预判方法、装置、计算机设备和存储介质 |
CN112989046B (zh) * | 2021-03-18 | 2023-07-21 | 中国平安人寿保险股份有限公司 | 实时话术预判方法、装置、计算机设备和存储介质 |
CN113127616A (zh) * | 2021-03-25 | 2021-07-16 | 白鹭 | 应用于现场对话场景中的智能话术推荐方法及装置 |
WO2022213986A1 (zh) * | 2021-04-06 | 2022-10-13 | 维沃移动通信有限公司 | 语音识别的方法、装置、电子设备和可读存储介质 |
CN113158052A (zh) * | 2021-04-23 | 2021-07-23 | 平安银行股份有限公司 | 聊天内容推荐方法、装置、计算机设备及存储介质 |
CN113158052B (zh) * | 2021-04-23 | 2023-08-01 | 平安银行股份有限公司 | 聊天内容推荐方法、装置、计算机设备及存储介质 |
CN113177160A (zh) * | 2021-05-25 | 2021-07-27 | 上海众源网络有限公司 | 一种推送文案生成方法、装置、电子设备及存储介质 |
CN113177160B (zh) * | 2021-05-25 | 2024-04-23 | 上海众源网络有限公司 | 一种推送文案生成方法、装置、电子设备及存储介质 |
CN113282783A (zh) * | 2021-05-28 | 2021-08-20 | 上海明略人工智能(集团)有限公司 | 用于信息推荐的方法及装置、电子设备、可读存储介质 |
CN113535921A (zh) * | 2021-07-21 | 2021-10-22 | 携程旅游网络技术(上海)有限公司 | 用于客服的话术输出方法、***、电子设备及存储介质 |
CN113626573A (zh) * | 2021-08-11 | 2021-11-09 | 北京深维智信科技有限公司 | 一种销售会话异议及应对提取方法及*** |
CN113626573B (zh) * | 2021-08-11 | 2022-09-27 | 北京深维智信科技有限公司 | 一种销售会话异议及应对提取方法及*** |
CN113569160A (zh) * | 2021-08-16 | 2021-10-29 | 上海明略人工智能(集团)有限公司 | 用于推送话术的方法及装置、电子设备、存储介质 |
CN113743129A (zh) * | 2021-09-30 | 2021-12-03 | 平安科技(深圳)有限公司 | 基于神经网络的信息推送方法、***、设备及介质 |
WO2023050669A1 (zh) * | 2021-09-30 | 2023-04-06 | 平安科技(深圳)有限公司 | 基于神经网络的信息推送方法、***、设备及介质 |
CN113743129B (zh) * | 2021-09-30 | 2023-09-26 | 平安科技(深圳)有限公司 | 基于神经网络的信息推送方法、***、设备及介质 |
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 |
CN114399343A (zh) * | 2022-03-24 | 2022-04-26 | 北京优全智汇信息技术有限公司 | 一种智能机器人线上辅助销售方法及*** |
CN116312968A (zh) * | 2023-02-09 | 2023-06-23 | 广东德澳智慧医疗科技有限公司 | 一种基于人机对话和核心算法的心理咨询和疗愈*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112182197A (zh) | 话术推荐方法、装置、设备及计算机可读介质 | |
CN110147726B (zh) | 业务质检方法和装置、存储介质及电子装置 | |
CN110110038B (zh) | 话务预测方法、装置、服务器及存储介质 | |
CN109767787B (zh) | 情绪识别方法、设备及可读存储介质 | |
CN104598644B (zh) | 喜好标签挖掘方法和装置 | |
US20100332287A1 (en) | System and method for real-time prediction of customer satisfaction | |
US20090326947A1 (en) | System and method for spoken topic or criterion recognition in digital media and contextual advertising | |
KR102100214B1 (ko) | 음성 인식 기반의 세일즈 대화 분석 방법 및 장치 | |
CN112560449B (zh) | 一种文本质量的检测方法、装置、电子设备及存储介质 | |
CN111314566A (zh) | 一种语音质检方法、装置与*** | |
CN109086455B (zh) | 一种语音识别库的构建方法及学习设备 | |
KR20230084441A (ko) | 인공 신경망을 이용한 상담 서비스 품질 보증 방법과 상기 방법을 수행할 수 있는 컴퓨터 프로그램 | |
CA3158927A1 (en) | Shopping method, device and system | |
CN114783421A (zh) | 智能推荐方法和装置、设备、介质 | |
CN111611358A (zh) | 信息交互方法、装置、电子设备及存储介质 | |
CN114357126A (zh) | 一种智能问答*** | |
CN114817507A (zh) | 基于意图识别的回复推荐方法、装置、设备和存储介质 | |
CN113869969A (zh) | 问答信息处理、商品信息展示方法、设备及存储介质 | |
CN105869631B (zh) | 语音预测的方法和装置 | |
KR20220109238A (ko) | 사용자의 발화 입력에 관련된 추천 문장을 제공하는 디바이스 및 방법 | |
CN113064983A (zh) | 语义检测方法、装置、计算机设备及存储介质 | |
CN112183417A (zh) | 一种置业顾问服务能力评价***及方法 | |
CN114726635B (zh) | 权限验证方法、装置、电子设备及介质 | |
CN115602160A (zh) | 基于语音识别的业务办理方法、装置及电子设备 | |
JP2005215726A (ja) | 話者に対する情報提示システム及びプログラム |
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 |