CN113726942A - 一种智能电话接听方法、***、介质及电子终端 - Google Patents

一种智能电话接听方法、***、介质及电子终端 Download PDF

Info

Publication number
CN113726942A
CN113726942A CN202111010617.8A CN202111010617A CN113726942A CN 113726942 A CN113726942 A CN 113726942A CN 202111010617 A CN202111010617 A CN 202111010617A CN 113726942 A CN113726942 A CN 113726942A
Authority
CN
China
Prior art keywords
call
incoming call
preset
recognition result
voice
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
CN202111010617.8A
Other languages
English (en)
Inventor
姚一鸣
徐亮
卢宁
陈波
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
OneConnect Financial Technology Co Ltd Shanghai
Original Assignee
OneConnect Financial Technology Co Ltd Shanghai
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 Financial Technology Co Ltd Shanghai filed Critical OneConnect Financial Technology Co Ltd Shanghai
Priority to CN202111010617.8A priority Critical patent/CN113726942A/zh
Publication of CN113726942A publication Critical patent/CN113726942A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/66—Substation equipment, e.g. for use by subscribers with means for preventing unauthorised or fraudulent calling
    • H04M1/663—Preventing unauthorised calls to a telephone set
    • 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
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1822—Parsing for meaning understanding
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
    • H04M1/7243—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages
    • H04M1/72433—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages for voice messaging, e.g. dictaphones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72484—User interfaces specially adapted for cordless or mobile telephones wherein functions are triggered by incoming communication events
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/12—Detection or prevention of fraud
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2250/00—Details of telephonic subscriber devices
    • H04M2250/74—Details of telephonic subscriber devices with voice recognition means

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Computer Security & Cryptography (AREA)
  • Acoustics & Sound (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Child & Adolescent Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Telephone Function (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明涉及人工智能技术领域，提供一种智能电话接听方法、***、介质及电子终端，方法包括：代接未知来电，获取未知来电的主叫方的通话语音；将通话语音输入预设的语音语义识别模型进行语义识别，获取语义识别结果；将语义识别结果输入预设的类别数据库进行类别匹配，确定来电类别；将通话语音和语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果；利用来电类别和目标情绪识别结果，获取当前的未知来电的重要程度；根据通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前未知来电的欺诈值；根据重要程度、欺诈值和预设的通话策略匹配规则，匹配并执行相应的通话策略，能够对新出现的骚扰电话进行较有效的隔绝。

Description

一种智能电话接听方法、***、介质及电子终端
技术领域
本发明涉及人工智能技术领域，尤其涉及一种智能电话接听方法、***、介质及电子终端。
背景技术
自电话发明以来，推销、欺诈、骚扰等电话变络绎不绝，形式也层出不穷。现有市场上的“手机管家”等智能电话接听助手大多采用大量客户在接听后标定的骚扰电话数据库，加上电话归属地、号码黑名单等信息对来电进行一刀切的屏蔽方式。
然而，这种方法不能较有效地隔绝新出现的推销，欺诈、骚扰等电话，如人工智能推销客服电话等，给用户带来不便，不能较好地对新出现的电话进行智能分类、重要程度排序和欺诈值分析，且由于用户的使用场景不同，对于骚扰电话的定义、范围、判定标准和处理方式也是不同的，传统一刀切的方法无法有效的用户提供高品质的用户体验效果。
发明内容
本发明提供一种智能电话接听方法、***、介质及电子终端，以解决现有技术中不能较有效的隔绝新出现的骚扰电话，且不能较好地对新出现的电话进行智能分类、重要程度排序和欺诈值分析，以及用户体验感较差的问题。
本发明提供的智能电话接听方法，包括：
代接未知来电，获取所述未知来电的主叫方的通话语音；
将所述通话语音输入预设的语音语义识别模型进行语义识别，获取语义识别结果；
将所述语义识别结果输入预设的类别数据库进行类别匹配，确定来电类别；
将所述通话语音和所述语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果；
利用所述来电类别和目标情绪识别结果，获取当前的未知来电的重要程度；
根据所述通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前的未知来电的欺诈值；
根据所述重要程度、欺诈值和预设的通话策略匹配规则，匹配并执行相应的通话策略，完成智能电话接听。
可选的，获取所述未知来电的主叫方的通话语音的步骤包括：
当代接所述未知来电时，发出通话语音采集指令；
根据所述通话语音采集指令和预设的问答模式，进行通话问答，所述问答模式包括：智能问答模式和预设问答模式，所述智能问答模式为：利用预先训练好的智能问答模型，进行通话问答，所述预设问答模式为：根据预设的标准问题，进行通话问答；
通话问答过程中，采集所述未知来电的主叫方的通话语音。
可选的，所述类别数据库包括：类别词汇和类别标签，所述类别词汇和类别标签相对应；
对所述语义识别结果中的语义标签进行关键词提取，获取语义关键词；
将所述语义关键词输入所述类别数据库与类别词汇进行匹配，获取对应的匹配度；
根据所述匹配度，确定对应的类别标签，进而确定所述未知来电的来电类别。
可选的，将所述通话语音和所述语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果的步骤包括：
将所述通话语音输入卷积神经网络进行特征提取，获取语音特征；
根据所述语音特征，获取对应的语音文本；
将所述语音文本输入所述情绪识别模型进行第一情绪识别，获取第一情绪识别结果；
将所述语义识别结果中的语义标签输入所述情绪识别模型进行第二情绪识别，获取第二情绪识别结果；
根据所述第一情绪识别结果、第二情绪识别结果、预设的第一情绪识别权值和第二情绪识别权值，获取目标情绪识别结果，所述第一情绪识别结果和所述第一情绪识别权值相对应，所述第二情绪识别结果和所述第二情绪识别权值相对应。
可选的，利用所述来电类别和目标情绪识别结果，获取当前的未知来电的重要程度的步骤包括：
根据所述来电类别和预设的优先级策略，确定对应的所述未知来电的优先级；
根据所述优先级，对多个所述未知来电进行一次排序，获取第一重要程度序列；
根据预先设置的目标情绪标签集，对所述目标情绪识别结果中的情绪标签进行筛选，获取所述目标情绪识别结果中的目标情绪标签；
统计所述目标情绪标签的情绪频率；
根据所述情绪频率，对所述第一重要程序序列进行二次排序，获取第二重要程度序列；
根据所述第二重要程度序列和预设的打分规则，对当前的未知来电进行打分，获取当前的未知来电的重要程度。
可选的，根据所述通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前的未知来电的欺诈值的步骤包括：
对与所述通话语音相对应的语音文本进行关键词提取，获取语音关键词；
将所述语音关键词和所述目标情绪识别结果中的情绪标签输入预设的诈骗案例库进行相似度匹配，获取相似度；
对所述目标情绪识别结果中的情绪标签进行筛选，获取对应的负面情绪标签，并获取所述负面情绪标签在目标情绪识别结果中的占比；
根据所述相似度和所述占比，确定当前的未知来电的欺诈值；
确定当前的未知来电的欺诈值的数学表达为：
Fraud＝eMax(P，F)-1
其中，Fraud为欺诈值，P为相似度，F为负面情绪标签的占比。
可选的，根据所述重要程度和欺诈值，执行相应的通话策略的步骤包括：
当所述重要程度低于预设的重要程度阈值，且所述欺诈值高于预设的欺诈阈值时，则将所述未知来电确定为屏蔽来电，生成对应的屏蔽标签，并将所述屏蔽来电和对应的屏蔽标签更新至预设的通话数据库；
当所述重要程度高于所述重要程度阈值，且所述欺诈值低于所述欺诈阈值时，则将所述未知来电接入用户终端；
当所述重要程度高于所述重要程度阈值，且所述欺诈值高于所述欺诈阈值时，则生成所述未知来电的重要程度标签和欺诈标签并反馈至用户终端；
当所述重要程度低于所述重要程度阈值，且所述欺诈值低于所述欺诈阈值时，根据预先设置的接听规则，判断是否将所述未知来电接入用户终端，完成智能电话接听。
本发明还提供一种智能电话接听***，包括：
代接来电模块，用于代接未知来电，获取所述未知来电的主叫方的通话语音；
处理模块，用于将所述通话语音输入预设的语音语义识别模型进行语义识别，获取语义识别结果；将所述语义识别结果输入预设的类别数据库进行类别匹配，确定来电类别；将所述通话语音和所述语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果；利用所述来电类别和目标情绪识别结果，获取当前的未知来电的重要程度；根据所述通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前的未知来电的欺诈值；
智能电话接听模块，用于根据所述重要程度、欺诈值和预设的通话策略匹配规则，匹配并执行相应的通话策略，完成智能电话接听。
本发明还提供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如上述任一项所述方法。
本发明还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上述任一项所述方法。
本发明的有益效果：本发明中的智能电话接听方法、***、介质及电子终端，通过对未知来电进行代接，在代接过程中，获取未知来电的主叫方的通话语音，将通话语音输入预设的语音语义识别模型进行语义识别，获取语义识别结果，将语义识别结果输入预设的类别数据库进行类别匹配，确定来电类别，将通话语音和语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果，利用来电类别和目标情绪识别结果，获取当前的未知来电的重要程度，根据通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前的未知来电的欺诈值，根据重要程度、欺诈值和预设的通话策略匹配规则，匹配并执行相应的通话策略，完成智能电话接听，能够对新出现的骚扰电话进行较有效的隔绝，且实现了对新出现的电话的智能分类、重要程度判断及欺诈值分析，智能化程度较高，灵活度较高，有效提升用户体验。
附图说明
图1是本发明实施例中智能电话接听方法的流程示意图。
图2是本发明实施例中智能电话接听方法中获取未知来电的主叫方的通话语音的流程示意图。
图3是本发明实施例中智能电话接听方法中确定未知来电的来电类别的流程示意图。
图4是本发明实施例中智能电话接听方法中获取目标情绪识别结果的流程示意图。
图5是本发明实施例中智能电话接听方法中获取未知来电的重要程度的流程示意图。
图6是本发明实施例中智能电话接听方法中确定未知来电欺诈值的流程示意图。
图7是本发明实施例中智能电话接听***的结构示意图。
图8是本发明实施例中智能电话接听的电子终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
发明人提出一种智能电话接听方法、***、介质及电子终端，通过对未知来电进行代接，在代接过程中，获取未知来电的主叫方的通话语音，将通话语音输入预设的语音语义识别模型进行语义识别，获取语义识别结果，将语义识别结果输入预设的类别数据库进行类别匹配，确定来电类别，将通话语音和语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果，利用来电类别和目标情绪识别结果，获取当前的未知来电的重要程度，根据通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前的未知来电的欺诈值，根据重要程度、欺诈值和预设的通话策略匹配规则，匹配并执行相应的通话策略，完成智能电话接听，能够对新出现的骚扰电话进行较有效的隔绝，且实现了对新出现的电话的智能分类、重要程度判断及欺诈值分析，智能化程度较高，灵活度较高，有效提升用户体验，实施较方便，成本较低。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***及机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
如图1所示，本实施例中的智能电话接听方法，包括：
S101：代接未知来电，获取所述未知来电的主叫方的通话语音；通过对未知来电进行代接，能够避免用户被未知来电骚扰，提升用户体验。可以理解的，未知来电指不确定来电类别的来电。通过获取未知来电的主叫方的通话语音，能够有助于后续对未知来电的主叫方进行分类与分析。可以理解的，主叫方为拨出电话的一方，相应的，被叫方为接收电话的一方。
在一些实施例中，代接未知来电的步骤包括：
预先构建通话数据库，所述通话数据库包括：已知来电号码，所述已知来电号码带有对应的属性标签，所述属性标签包括：屏蔽标签或接通标签；所述通话数据库可以从用户预设的通话白名单和通话黑名单中获取相关信息。
接收当前来电；
将当前来电输入所述通话数据库进行号码匹配，判断当前来电的号码是否属于已知来电号码，获取判断结果；
若所述判断结果为当前来电的号码属于已知来电号码，则确定对应的属性标签，根据对应的属性标签，对当前来电进行接通或屏蔽；即若当前来电的号码对应的属性标签为接通标签，则将当前来电直接接入用户终端，若当前来电的号码对应的属性标签为屏蔽标签时，则直接屏蔽当前来电。
若所述判断结果为当前来电的号码不属于已知来电号码，则确定当前来电为未知来电，并代接所述未知来电。在一些实施例中，可以将所述未知来电转移到远程服务器或电话助手并进行代接。通过对来电进行筛选，判断是否为未知来电，对未知来电进行代接，较好地避免了用户受到未知来电的干扰，提升用户体验感。
S102：将所述通话语音输入预设的语音语义识别模型进行语义识别，获取语义识别结果；通过将未知来电的主叫方的通话语音输入预先训练好的语音语义识别模型进行语义识别，获取语义识别结果，能够结合通话语音中的上下文，对该通话语音进行较好的语义识别，有助于后续对当前来电进行分类，精确度较高。
在一些实施例中，所述语音语义识别模型的获取步骤包括：
采集第一训练集，所述第一训练集包括：语音样本，以及与语音样本相对应的真实语义标签；
将所述第一训练集中的语音样本输入第一神经网络进行语义识别，获取预测语义标签；所述第一神经网络包括：用于将语音转换为文本的语音识别子网络和用于进行文本语义识别的语义识别子网络；
根据所述真实语义标签、预测语义标签和预先设置的第一损失函数，对所述第一神经网络进行训练，获取训练好的较优的语音语义识别模型，所述第一损失函数的数学表达为：
Figure BDA0003237928290000061
其中，f(x)1为第一损失函数，α为预设的第一权值，δ为预设的第二权值，n为语音样本数量，x为预测语义标签，x＇为真实语义标签。通过利用所述第一损失函数对第一神经网络进行迭代训练，能够提高语音语义识别模型的精确度。
S103：将所述语义识别结果输入预设的类别数据库进行类别匹配，确定来电类别；通过将语义识别结果输入预设的类别数据库进行类别匹配，能够结合未知来电的通话语音的上下文语义，对未知来电进行分类，有助于识别出未知来电是否属于骚扰电话，避免用户被未知来电骚扰。所述来电类别包括：推销、投资、金融、快递、房产中介和朋友来电等。
在一些实施例中，根据所述来电类别，对当前未知来电的通话语音进行保存或屏蔽，如：若当前来电类别属于推销和房产中介等类别，则直接对当前的通话语音进行屏蔽，若当前来电类别属于朋友来电，则保存当前通话语音，并保存该段通话语音的摘要，将所述通话语音和对应的摘要发送至用户终端供用户查看。
S104：将所述通话语音和所述语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果；通过将通话语音和语义识别结果分别输入语音情绪识别模型进行情绪识别，能够有助于后续确定该未知来电的重要程度和欺诈值。
S105：利用所述来电类别和目标情绪识别结果，获取当前的未知来电的重要程度；例如：根据来电类别和目标情绪识别结果，对所述未知来电进行重要程度排序，获取对应的重要程度序列，根据所述重要程度序列和预设的打分规则，获取当前的未知来电的重要程度，便于用户对当前未知来电的重要程度进行辨识，提升用户体验。
S106：根据所述通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前的未知来电的欺诈值；通过获取当前的未知来电的欺诈值，能够后续执行相应的通话策略，同时，便于用户识别未知来电的欺诈值，降低社会电信诈骗事件的发生概率，避免由于电话诈骗给用户带来不必要的损失。
S107：根据所述重要程度、欺诈值和预设的通话策略匹配规则，匹配并执行相应的通话策略，完成智能电话接听。即根据所述重要程度和欺诈值和预设的通话策略匹配规则，匹配相应的通话策略并执行，有效利用了未知来电的重要程度和欺诈值，对不同未知来电执行不同的通话策略，灵活度较高，有效提升用户体验，成本较低，实施较方便。
请参考图2，为了便于获取未知来电的主叫方的通话语音，发明人提出，获取所述未知来电的主叫方的通话语音的步骤包括：
S201：当代接所述未知来电时，发出通话语音采集指令；
S202：根据所述通话语音采集指令和预设的问答模式，进行通话问答，所述问答模式包括：智能问答模式和预设问答模式，所述智能问答模式为：利用预先训练好的智能问答模型，进行通话问答，所述预设问答模式为：根据预设的标准问题，进行通话问答；用户可以根据对智能问答模式和预设问答模式进行选择，设定相应的问答模式，当用户将问答模式设置为智能问答模式时，则根据所述通话语音采集指令，利用预先训练好的智能问答模型，进行通话问答，当用户将问答模式设置为预设问答模式时，则根据用户预先设置的标准问题，进行通话问答，通过对未知来电的主叫方进行通话问答，能够获取较全面的通话语音，提高后续通话语音解析的精确度。所述智能问答模型的获取步骤包括：采集样本集，所述样本集包括：多个问题样本和对应的真实答复样本，将所述样本集输入深度神经网络进行问答预测，获取预测答复结果，根据所述预测答复结果和真实答复样本，对所述深度神经网络进行迭代训练，获取训练好的较优的智能问答模型。
S203：通话问答过程中，采集所述未知来电的主叫方的通话语音。例如：在通话问答过程中，询问“您好，请问您是哪位？”、“您找我有什么事？”等问题，采集问答过程中主叫方的通话语音。
如图3所示，在一些实施例中，所述类别数据库包括：类别词汇和类别标签，所述类别词汇和类别标签相对应。将所述语义识别结果输入预设的类别数据库进行类别匹配，确定来电类别的步骤包括：
S301：对所述语义识别结果中的语义标签进行关键词提取，获取语义关键词；通过对语义识别结果中的语义标签进行关键词提取，能够便于后续对未知来电进行分类。可以采用常见的关键词提取算法进行关键词提取，此处不再赘述。
S302：将所述语义关键词输入所述类别数据库与类别词汇进行匹配，获取对应的匹配度；
S303：根据所述匹配度，确定对应的类别标签，进而确定所述未知来电的来电类别。如：当所述语义关键词与类别数据库中的类别词汇的匹配度超出预设的匹配度阈值时，则将该类别词汇对应的类别标签确定为未知来电的类别标签，完成对未知来电的来电类别的确定。
请参考图4，将所述通话语音和所述语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果的步骤包括：
S401：将所述通话语音输入卷积神经网络进行特征提取，获取语音特征；
S402：根据所述语音特征，获取对应的语音文本；通过获取对应的语音文本，便于后续进行情绪识别。
S403：将所述语音文本输入所述情绪识别模型进行第一情绪识别，获取第一情绪识别结果；
S404：将所述语义识别结果中的语义标签输入所述情绪识别模型进行第二情绪识别，获取第二情绪识别结果；
S405：根据所述第一情绪识别结果、第二情绪识别结果、预设的第一情绪识别权值和第二情绪识别权值，获取目标情绪识别结果，所述第一情绪识别结果和所述第一情绪识别权值相对应，所述第二情绪识别结果和所述第二情绪识别权值相对应。即通过对第一情绪识别结果和第二情绪识别结果分别设置不同的权值，获取目标情绪识别结果，能够较好地结合通话语音的语音文本和语义内容，进行情绪识别，提高情绪识别的准确性。所述目标情绪识别结果包括：一个或多个情绪标签，在一些实施例中，所述情绪标签如下表所示：
表一：情绪标签表
1自豪 10欢乐 19恐惧 28紧张 37不赞成 46愤怒
2自大 11乐观 20敬畏 29担忧 38沮丧 47侮辱
3冷静 12钦佩 21惊讶 30忧虑 39悲伤 48仇恨
4安详 13感激 22困惑 31烦恼 40悲观 49厌恶
5和谐 14爱恋 23尴尬 32分心 41消极 50不真诚
6容忍 15兴趣 24屈服 33无聊 42怀疑 51虚伪
7信任 16期待 25懊悔 34忽视 43嫉妒 52轻蔑
8真诚 17渴望 26委屈 35疲劳 44好斗 53违抗
9兴奋 18怯懦 27羞耻 36中立 45冲突 54勇敢
为了提高情绪识别模型的精确度，发明人提出，所述情绪识别模型的获取步骤包括：
采集第二训练集，所述第二训练集包括：多个训练样本，以及与训练样本相对应的真实情绪标签；
将所述第二训练集中的训练样本输入第二神经网络进行情绪识别，获取一个或多个预测情绪标签；
根据所述预测情绪标签和真实情绪标签，利用预设的第二损失函数，对第二神经网络进行迭代训练，获取语音情绪识别模型，所述第二损失函数的数学表达为：
Figure BDA0003237928290000091
其中f(x)2为第二损失函数，N为训练样本数量，R为情绪标签类别总数，yi,r为第二神经网络输出的类别为r类的预测情绪标签，pir为预测情绪标签属于r类的预测类别概率。通过利用所述第二损失函数对第二神经网络进行迭代训练，能够较好地提高情绪识别模型的识别精确度。
如图5所示，利用所述来电类别和目标情绪识别结果，获取当前的未知来电的重要程度的步骤包括：
S501：根据所述来电类别和预设的优先级策略，确定对应的所述未知来电的优先级；所述优先级策略中，不同来电类别对应不同的优先级。
S502：根据所述优先级，对多个所述未知来电进行一次排序，获取第一重要程度序列；所述一次排序可以为降序或升序。
S503：根据预先设置的目标情绪标签集，对所述目标情绪识别结果中的情绪标签进行筛选，获取所述目标情绪识别结果中的目标情绪标签；所述目标情绪标签集包括多个目标情绪标签，所述目标情绪标签包括：兴奋、快乐、乐观、钦佩、感激、紧张、担忧、忧虑、烦恼、沮丧、悲伤、悲观和消极等重要程度较高的情绪标签，所述目标情绪标签可以采用用户自定义的方式进行设定。
S504：统计所述目标情绪标签的情绪频率；由于目标情绪标签的情绪频率在一定程度上反映了未知来电的重要程度，因此，通过统计目标情绪识别结果中的目标情绪标签的次数，获取所述目标情绪标签的情绪频率，有助于对未知来电的重要程度进行排序。
S505：根据所述情绪频率，对所述第一重要程序序列进行二次排序，获取第二重要程度序列；通过对第一重要程度序列进行二次排序，能够提高重要程度排序的准确度。所述二次排序可以为降序或升序。
S506：根据所述第二重要程度序列和预设的打分规则，对当前的未知来电进行打分，获取当前的未知来电的重要程度。所述打分规则为：所述第二重要程度序列中的不同序列位置对应了不同的分数，根据当前的未知来电在第二重要程度序列中的序列位置，获取对应的分数，将所述分数作为当前的未知来电的重要程度。
请参考图6，根据所述通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前的未知来电的欺诈值的步骤包括：
S601：对与所述通话语音相对应的语音文本进行关键词提取，获取语音关键词；通过对语音文本进行关键词提取，便于后续利用提取的语音关键词，获取语音关键词与诈骗案例库中的诈骗案件信息的相似度。可以采用常见的关键词提取方法对语音文本进行关键词提取，此处不再赘述。
S602：将所述语音关键词和所述目标情绪识别结果中的情绪标签输入预设的诈骗案例库进行相似度匹配，获取相似度；所述诈骗案例库包括：多个诈骗案件的诈骗案件信息，所述诈骗案件信息包括：多个诈骗关键词。将所述语音关键词和目标情绪识别结果中的情绪标签输入诈骗案例库，与多个诈骗案件的诈骗关键词进行比较，获取对应的相似度。
S603：对所述目标情绪识别结果中的情绪标签进行筛选，获取对应的负面情绪标签，并获取所述负面情绪标签在目标情绪识别结果中的占比；所述负面情绪标签包括：悲伤、悲观和消极等情绪标签，可以通过设置相应的负面情绪标签集，所述负面情绪标签集包括：多个负面情绪标签，将所述目标情绪识别结果中的情绪标签与负面情绪标签集中的负面情绪标签进行匹配，确定目标情绪识别结果中的负面情绪标签。
S604：根据所述相似度和所述占比，确定当前的未知来电的欺诈值；
确定当前的未知来电的欺诈值的数学表达为：
Fraud＝eMax(P，F)-1
其中，Fraud为欺诈值，P为相似度，F为负面情绪标签的占比。
在一些实施例中，根据所述重要程度、欺诈值和预设的通话策略匹配规则，匹配并执行相应的通话策略的步骤包括：
当所述重要程度低于预设的重要程度阈值，且所述欺诈值高于预设的欺诈阈值时，则将所述未知来电确定为屏蔽来电，生成对应的屏蔽标签，并将所述屏蔽来电和对应的屏蔽标签更新至预设的通话数据库；
当所述重要程度高于所述重要程度阈值，且所述欺诈值低于所述欺诈阈值时，则将所述未知来电接入用户终端；
当所述重要程度高于所述重要程度阈值，且所述欺诈值高于所述欺诈阈值时，则生成所述未知来电的重要程度标签和欺诈标签并反馈至用户终端；
当所述重要程度低于所述重要程度阈值，且所述欺诈值低于所述欺诈阈值时，根据预先设置的接听规则，判断是否将所述未知来电接入用户终端，完成智能电话接听。通过根据未知来电的重要程度和欺诈值，匹配并执行对应的通话策略，实现对不同未知来电的通话策略的定制化，满足针对不同未知来电使用不同处理方式的需求，提升用户体验感。
在一些实施例中，还可以设置不同场景模式，如：会议模式、勿扰模式和屏蔽模式等，根据场景模式，设置不同处理策略，即建立场景模式和处理策略之间的对应关系。当代接未知来电时，根据当前的场景模式，确定对应的处理策略。例如：若当前的场景模式为会议模式，则代接未知来电，并对未知来电进行智能解析，获取并执行对应的通话策略，同时，将已知来电接入用户终端，供用户静音接听；若当前的场景模式为勿扰模式，则代接所有来电，并对所有来电的通话语音进行语义识别与情绪识别，获取当前来电的重要程度和欺诈值，并反馈至用户终端；若当前的场景模式为屏蔽模式，则屏蔽所有来电，不再进行后续识别。
如图7所示，本实施例还提供一种智能电话接听***，包括：
代接来电模块，用于代接未知来电，获取所述未知来电的主叫方的通话语音；
处理模块，用于将所述通话语音输入预设的语音语义识别模型进行语义识别，获取语义识别结果；将所述语义识别结果输入预设的类别数据库进行类别匹配，确定来电类别；将所述通话语音和所述语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果；利用所述来电类别和目标情绪识别结果，获取当前的未知来电的重要程度；根据所述通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前的未知来电的欺诈值；
智能电话接听模块，用于根据所述重要程度、欺诈值和预设的通话策略匹配规则，匹配并执行相应的通话策略，完成智能电话接听；所述代接来电模块、处理模块和智能电话接听模块连接。本***通过对未知来电进行代接，在代接过程中，获取未知来电的主叫方的通话语音，将通话语音输入预设的语音语义识别模型进行语义识别，获取语义识别结果，将语义识别结果输入预设的类别数据库进行类别匹配，确定来电类别，将通话语音和语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果，利用来电类别和目标情绪识别结果，获取当前的未知来电的重要程度，根据通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前的未知来电的欺诈值，根据重要程度和欺诈值，执行相应的通话策略，完成智能电话接听，能够对新出现的骚扰电话进行较有效的隔绝，且实现了对新出现的电话的智能分类、重要程度判断及欺诈值分析，智能化程度较高，灵活度较高，有效提升用户体验，成本较低，实施较方便。
在一些实施例中，所述代接来电模块获取所述未知来电的主叫方的通话语音的步骤包括：
当代接所述未知来电时，发出通话语音采集指令；
根据所述通话语音采集指令和预设的问答模式，进行通话问答，所述问答模式包括：智能问答模式和预设问答模式，所述智能问答模式为：利用预先训练好的智能问答模型，进行通话问答，所述预设问答模式为：根据预设的标准问题，进行通话问答；
通话问答过程中，采集所述未知来电的主叫方的通话语音。
在一些实施例中，所述类别数据库包括：类别词汇和类别标签，所述类别词汇和类别标签相对应；
所述处理模块对所述语义识别结果中的语义标签进行关键词提取，获取语义关键词；
将所述语义关键词输入所述类别数据库与类别词汇进行匹配，获取对应的匹配度；
根据所述匹配度，确定对应的类别标签，进而确定所述未知来电的来电类别。
在一些实施例中，所述处理模块将所述通话语音和所述语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果的步骤包括：
将所述通话语音输入卷积神经网络进行特征提取，获取语音特征；
根据所述语音特征，获取对应的语音文本；
将所述语音文本输入所述情绪识别模型进行第一情绪识别，获取第一情绪识别结果；
将所述语义识别结果中的语义标签输入所述情绪识别模型进行第二情绪识别，获取第二情绪识别结果；
根据所述第一情绪识别结果、第二情绪识别结果、预设的第一情绪识别权值和第二情绪识别权值，获取目标情绪识别结果，所述第一情绪识别结果和所述第一情绪识别权值相对应，所述第二情绪识别结果和所述第二情绪识别权值相对应。
在一些实施例中，所述处理模块利用所述来电类别和目标情绪识别结果，获取当前的未知来电的重要程度的步骤包括：
根据所述来电类别和预设的优先级策略，确定对应的所述未知来电的优先级；
根据所述优先级，对多个所述未知来电进行一次排序，获取第一重要程度序列；
根据预先设置的目标情绪标签集，对所述目标情绪识别结果中的情绪标签进行筛选，获取所述目标情绪识别结果中的目标情绪标签；
统计所述目标情绪标签的情绪频率；
根据所述情绪频率，对所述第一重要程序序列进行二次排序，获取第二重要程度序列；
根据所述第二重要程度序列和预设的打分规则，对当前的未知来电进行打分，获取当前的未知来电的重要程度。
在一些实施例中，所述处理模块根据所述通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前的未知来电的欺诈值的步骤包括：
对与所述通话语音相对应的语音文本进行关键词提取，获取语音关键词；
将所述语音关键词和所述目标情绪识别结果中的情绪标签输入预设的诈骗案例库进行相似度匹配，获取相似度；
对所述目标情绪识别结果中的情绪标签进行筛选，获取对应的负面情绪标签，并获取所述负面情绪标签在目标情绪识别结果中的占比；
根据所述相似度和所述占比，确定当前的未知来电的欺诈值；
确定当前的未知来电的欺诈值的数学表达为：
Fraud＝eMax(P，F)-1
其中，Fraud为欺诈值，P为相似度，F为负面情绪标签的占比。
在一些实施例中，所述智能电话接听模块根据所述重要程度和欺诈值，执行相应的通话策略的步骤包括：
当所述重要程度低于预设的重要程度阈值，且所述欺诈值高于预设的欺诈阈值时，则将所述未知来电确定为屏蔽来电，生成对应的屏蔽标签，并将所述屏蔽来电和对应的屏蔽标签更新至预设的通话数据库；
当所述重要程度高于所述重要程度阈值，且所述欺诈值低于所述欺诈阈值时，则将所述未知来电接入用户终端；
当所述重要程度高于所述重要程度阈值，且所述欺诈值高于所述欺诈阈值时，则生成所述未知来电的重要程度标签和欺诈标签并反馈至用户终端；
当所述重要程度低于所述重要程度阈值，且所述欺诈值低于所述欺诈阈值时，根据预先设置的接听规则，判断是否将所述未知来电接入用户终端，完成智能电话接听。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本实施例中的任一项方法。
本实施例还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行本实施例中任一项方法。
如图8所示，展示本发明一实施例中电子终端的结构示意图。本实施例提供的电子终端，包括：处理器81、存储器82、通信器83、通信接口84和***总线85；存储器82和通信接口84通过***总线85与处理器81和通信器83连接并完成相互间的通信，存储器82用于存储计算机程序，通信接口84用于和其他设备进行通信，处理器81和通信器83用于运行计算机程序，使电子终端执行如上述多任务模型蒸馏方法的各个步骤。
上述提到的***总线85可以是外设部件互连标准(Peripheral PomponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该***总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
在本实施例中，存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
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。
本实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备，例如利用因特网服务提供商来通过因特网连接。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种智能电话接听方法，其特征在于，包括：
代接未知来电，获取所述未知来电的主叫方的通话语音；
将所述通话语音输入预设的语音语义识别模型进行语义识别，获取语义识别结果；
将所述语义识别结果输入预设的类别数据库进行类别匹配，确定来电类别；
将所述通话语音和所述语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果；
利用所述来电类别和目标情绪识别结果，获取当前的未知来电的重要程度；
根据所述通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前的未知来电的欺诈值；
根据所述重要程度、欺诈值和预设的通话策略匹配规则，匹配并执行相应的通话策略，完成智能电话接听。
2.根据权利要求1所述的智能电话接听方法，其特征在于，获取所述未知来电的主叫方的通话语音的步骤包括：
当代接所述未知来电时，发出通话语音采集指令；
根据所述通话语音采集指令和预设的问答模式，进行通话问答，所述问答模式包括：智能问答模式和预设问答模式，所述智能问答模式为：利用预先训练好的智能问答模型，进行通话问答，所述预设问答模式为：根据预设的标准问题，进行通话问答；
通话问答过程中，采集所述未知来电的主叫方的通话语音。
3.根据权利要求1所述的智能电话接听方法，其特征在于，所述类别数据库包括：类别词汇和类别标签，所述类别词汇和类别标签相对应；
对所述语义识别结果中的语义标签进行关键词提取，获取语义关键词；
将所述语义关键词输入所述类别数据库与类别词汇进行匹配，获取对应的匹配度；
根据所述匹配度，确定对应的类别标签，进而确定所述未知来电的来电类别。
4.根据权利要求1所述的智能电话接听方法，其特征在于，将所述通话语音和所述语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果的步骤包括：
将所述通话语音输入卷积神经网络进行特征提取，获取语音特征；
根据所述语音特征，获取对应的语音文本；
将所述语音文本输入所述情绪识别模型进行第一情绪识别，获取第一情绪识别结果；
将所述语义识别结果中的语义标签输入所述情绪识别模型进行第二情绪识别，获取第二情绪识别结果；
根据所述第一情绪识别结果、第二情绪识别结果、预设的第一情绪识别权值和第二情绪识别权值，获取目标情绪识别结果，所述第一情绪识别结果和所述第一情绪识别权值相对应，所述第二情绪识别结果和所述第二情绪识别权值相对应。
5.根据权利要求1所述的智能电话接听方法，其特征在于，利用所述来电类别和目标情绪识别结果，获取当前的未知来电的重要程度的步骤包括：
根据所述来电类别和预设的优先级策略，确定对应的所述未知来电的优先级；
根据所述优先级，对多个所述未知来电进行一次排序，获取第一重要程度序列；
根据预先设置的目标情绪标签集，对所述目标情绪识别结果中的情绪标签进行筛选，获取所述目标情绪识别结果中的目标情绪标签；
统计所述目标情绪标签的情绪频率；
根据所述情绪频率，对所述第一重要程序序列进行二次排序，获取第二重要程度序列；
根据所述第二重要程度序列和预设的打分规则，对当前的未知来电进行打分，获取当前的未知来电的重要程度。
6.根据权利要求1所述的智能电话接听方法，其特征在于，根据所述通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前的未知来电的欺诈值的步骤包括：
对与所述通话语音相对应的语音文本进行关键词提取，获取语音关键词；
将所述语音关键词和所述目标情绪识别结果中的情绪标签输入预设的诈骗案例库进行相似度匹配，获取相似度；
对所述目标情绪识别结果中的情绪标签进行筛选，获取对应的负面情绪标签，并获取所述负面情绪标签在目标情绪识别结果中的占比；
根据所述相似度和所述占比，确定当前的未知来电的欺诈值；
确定当前的未知来电的欺诈值的数学表达为：
Fraud＝eMax(P，F)-1
其中，Fraud为欺诈值，P为相似度，F为负面情绪标签的占比。
7.根据权利要求1所述的智能电话接听方法，其特征在于，根据所述重要程度、欺诈值和预设的通话策略匹配规则，匹配并执行相应的通话策略的步骤包括：
当所述重要程度低于预设的重要程度阈值，且所述欺诈值高于预设的欺诈阈值时，则将所述未知来电确定为屏蔽来电，生成对应的屏蔽标签，并将所述屏蔽来电和对应的屏蔽标签更新至预设的通话数据库；
当所述重要程度高于所述重要程度阈值，且所述欺诈值低于所述欺诈阈值时，则将所述未知来电接入用户终端；
当所述重要程度高于所述重要程度阈值，且所述欺诈值高于所述欺诈阈值时，则生成所述未知来电的重要程度标签和欺诈标签并反馈至用户终端；
当所述重要程度低于所述重要程度阈值，且所述欺诈值低于所述欺诈阈值时，根据预先设置的接听规则，判断是否将所述未知来电接入用户终端，完成智能电话接听。
8.一种智能电话接听***，其特征在于，包括：
代接来电模块，用于代接未知来电，获取所述未知来电的主叫方的通话语音；
处理模块，用于将所述通话语音输入预设的语音语义识别模型进行语义识别，获取语义识别结果；将所述语义识别结果输入预设的类别数据库进行类别匹配，确定来电类别；将所述通话语音和所述语义识别结果输入预设的情绪识别模型进行情绪识别，获取目标情绪识别结果；利用所述来电类别和目标情绪识别结果，获取当前的未知来电的重要程度；根据所述通话语音、目标情绪识别结果和预设的欺诈值获取规则，确定当前的未知来电的欺诈值；
智能电话接听模块，用于根据所述重要程度、欺诈值和预设的通话策略匹配规则，匹配并执行相应的通话策略，完成智能电话接听。
9.一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如权利要求1至7中任一项所述方法。
10.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至7中任一项所述方法。
CN202111010617.8A 2021-08-31 2021-08-31 一种智能电话接听方法、***、介质及电子终端 Pending CN113726942A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111010617.8A CN113726942A (zh) 2021-08-31 2021-08-31 一种智能电话接听方法、***、介质及电子终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111010617.8A CN113726942A (zh) 2021-08-31 2021-08-31 一种智能电话接听方法、***、介质及电子终端

Publications (1)

Publication Number Publication Date
CN113726942A true CN113726942A (zh) 2021-11-30

Family

ID=78679560

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111010617.8A Pending CN113726942A (zh) 2021-08-31 2021-08-31 一种智能电话接听方法、***、介质及电子终端

Country Status (1)

Country Link
CN (1) CN113726942A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114170030A (zh) * 2021-12-08 2022-03-11 北京百度网讯科技有限公司 用于车辆远程定损的方法、装置、电子设备和介质
CN114971658A (zh) * 2022-07-29 2022-08-30 四川安洵信息技术有限公司 一种反诈宣传方法、***、电子设备以及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111683175A (zh) * 2020-04-22 2020-09-18 北京捷通华声科技股份有限公司 一种自动应答来电的方法、装置、设备及存储介质
CN113055523A (zh) * 2021-03-08 2021-06-29 北京百度网讯科技有限公司 一种骚扰电话拦截方法、装置、电子设备和存储介质
CN113241096A (zh) * 2021-07-09 2021-08-10 明品云(北京)数据科技有限公司 一种情绪监测装置及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111683175A (zh) * 2020-04-22 2020-09-18 北京捷通华声科技股份有限公司 一种自动应答来电的方法、装置、设备及存储介质
CN113055523A (zh) * 2021-03-08 2021-06-29 北京百度网讯科技有限公司 一种骚扰电话拦截方法、装置、电子设备和存储介质
CN113241096A (zh) * 2021-07-09 2021-08-10 明品云(北京)数据科技有限公司 一种情绪监测装置及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114170030A (zh) * 2021-12-08 2022-03-11 北京百度网讯科技有限公司 用于车辆远程定损的方法、装置、电子设备和介质
CN114170030B (zh) * 2021-12-08 2023-09-26 北京百度网讯科技有限公司 用于车辆远程定损的方法、装置、电子设备和介质
CN114971658A (zh) * 2022-07-29 2022-08-30 四川安洵信息技术有限公司 一种反诈宣传方法、***、电子设备以及存储介质
CN114971658B (zh) * 2022-07-29 2022-11-04 四川安洵信息技术有限公司 一种反诈宣传方法、***、电子设备以及存储介质

Similar Documents

Publication Publication Date Title
US11645517B2 (en) Information processing method and terminal, and computer storage medium
CN104598445B (zh) 自动问答***和方法
CN111428010B (zh) 人机智能问答的方法和装置
CN110019742B (zh) 用于处理信息的方法和装置
CN109960723B (zh) 一种用于心理机器人的交互***及方法
CN108447471A (zh) 语音识别方法及语音识别装置
CN103458056A (zh) 自动外呼***基于自动分类技术的语音意图判定方法
CN108038208B (zh) 上下文信息识别模型的训练方法、装置和存储介质
WO2021036439A1 (zh) 一种信访问题答复方法及装置
CN113726942A (zh) 一种智能电话接听方法、***、介质及电子终端
CN113407677B (zh) 评估咨询对话质量的方法、装置、设备和存储介质
CN113807103B (zh) 基于人工智能的招聘方法、装置、设备及存储介质
CN112364622B (zh) 对话文本分析方法、装置、电子装置及存储介质
CN112163081A (zh) 标签确定方法、装置、介质及电子设备
CN113239204A (zh) 文本分类方法及装置、电子设备、计算机可读存储介质
CN110990627A (zh) 一种知识图谱构建的方法、装置、电子设备及介质
CN112995414A (zh) 基于语音通话的行为质检方法、装置、设备及存储介质
CN114706945A (zh) 意图识别方法、装置、电子设备及存储介质
CN113051384B (zh) 基于对话的用户画像抽取方法及相关装置
CN113392205A (zh) 用户画像构建方法、装置、设备及存储介质
CN109119073A (zh) 基于多源识别的语音识别方法、***、音箱及存储介质
CN116561284A (zh) 智能应答方法、装置、电子设备及介质
CN114417974B (zh) 模型训练方法、信息处理方法、装置、电子设备和介质
CN110197196A (zh) 问题处理方法、装置、电子设备以及存储介质
CN113111157B (zh) 问答处理方法、装置、计算机设备和存储介质

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20211130