基于意图识别的智能外呼系统及其方法与流程

本发明涉及一种基于意图识别的智能外呼系统及其方法。

背景技术：

随着大数据、云计算以及ai技术的发展，传统的人工客服向智能客服升级，全新的saas模式大大的降低了企业搭建客服中心的成本，产品功能更加丰富，应用场景也延伸到销售、营销等多个模块，同时，客服机器人大大提高了人工客服的效率和准确率。ai技术不断发展，在客服领域的应用逐渐深化，将为企业客户提供服务、营销、管理更加全面一体化的改革。

技术实现要素：

本发明提供了一种基于意图识别的智能外呼系统及其方法，采用如下的技术方案：

一种基于意图识别的智能外呼系统，包括：任务生成单元、智能呼叫单元、asr语音识别单元、tts语音合成单元、意图识别单元、话术存储单元和话术匹配单元；

任务生成单元生成呼叫任务并将呼叫任务发送至智能呼叫单元；

智能呼叫单元根据任务生成单元生成的呼叫任务智能拨打客户的电话并在接通电话后采集客户的语音信息发送至asr语音识别单元；

asr语音识别单元将客户的语音信息转换成文本信息并发送至意图识别单元；

意图识别单元分析文本信息以识别出客户意图；

话术存储单元存储答复客户的回复文本；

话术匹配单元根据客户意图从话术存储单元中匹配出对应的回复文本并将其发送至tts语音合成单元；

tts语音合成单元将接收到的回复文本转换成回复语音并发送至智能呼叫单元；

智能呼叫单元向客户播放回复语音。

进一步地，任务生成单元包括：客户信息管理模块、筛选模块和生成模块；

客户信息管理模块保存和管理客户信息；

筛选模块从客户信息管理模块中获取客户信息并将符合条件的客户信息筛选出来；

生成模块根据筛选出来的客户信息生成呼叫任务。

进一步地，智能呼叫单元包括：任务解析模块、开场语音存储模块、语音匹配模块、呼叫模块、语音播放模块和语音接收模块；

任务解析模块解析呼叫任务得到呼叫策略并将其发送至语音匹配模块和呼叫模块，呼叫策略包括开场语音类型和客户电话；

开场语音存储模块用存储若干开场语音；

语音匹配模块根据呼叫策略从开场语音存储模块中匹配出对应的开场语音并发送至语音播放模块；

呼叫模块用于根据呼叫策略拨打客户的电话；

语音播放模块用于当呼叫模块拨通客户电话后将匹配出的开场语音向客户播放；

语音接收模块用于接收客户的语音信息并将其发送至asr语音识别单元；

语音播放模块还用于将tts语音合成单元转换得到的回复语音向客户播放。

进一步地，意图识别单元包括：命名实体识别模块、词嵌入模块、组合模块和分类模块；

命名实体识别模块对文本信息进行分词得到语料信息；

词嵌入模块将语料信息进行空间向量映射得到词向量；

组合模块对词向量进行图特征组合生成新特征并将新特征和词向量输入分类模块；

分类模块通过训练好的分类模型处理新特征和词向量得到客户意图。

进一步地，意图识别单元还包括：客户分析模块；

客户分析模块收集该客户本次通话的所有的客户意图并分析出本次通话的结果，并将本次通话的结果发送到客户信息管理模块对其中对应的客户信息进行更新。

一种基于意图识别的智能外呼方法，包括以下步骤：

生成呼叫任务；

根据呼叫任务自动拨打客户的电话并在接通电话后采集客户的语音信息；

将语音信息转换成文本信息；

根据文本信息识别出客户意图；

根据客户意图匹配出对应的回复文本；

将回复文本转换成回复语音并向客户播放。

进一步地，生成呼叫任务的具体方法为：

获取客户信息；

筛选出符合条件的客户信息；

根据符合条件的客户信息生成呼叫任务。

进一步地，根据呼叫任务自动拨打客户的电话并在接通电话后采集客户的语音信息的具体方法为：

解析呼叫任务得到呼叫策略，呼叫策略包括开场语音类型和客户电话；

根据呼叫策略匹配得到开场语音；

根据呼叫策略拨打客户电话；

在接通客户电话后向客户播放开场语音；

采集客户的语音信息。

进一步地，根据文本信息识别出客户意图的具体方法为：

对文本信息进行分词得到语料信息；

将语料信息进行空间向量映射得到词向量；

对词向量进行图特征组合生成新特征；

将新特征和词向量输入训练好的分类模型得到客户意图。

进一步地，基于意图识别的智能外呼方法还包括：

在本次通话结束后收集该客户本次通话的所有的客户意图并分析出本次通话的结果；

通过本次通话的结果对该客户的客户信息进行更新。

本发明的有益之处在于所提供的基于意图识别的智能外呼系统及其方法，能够自动生成呼叫任务，根据呼叫任务自动拨打客户电话，根据客户的语音进行语义分析得到客户意图，进而根据客户意图匹配出答复话术向客户播放，整个过程无需人工参与，智能化程度较高。

本发明的有益之处还在于所提供的基于意图识别的智能外呼系统及其方法，进行意图识别时，通过命名实体识别模块对文本信息进行分词得到语料信息，通过词嵌入模块将语料信息进行空间向量映射得到词向量，再通过组合模块对语料信息进行图特征组合生成新特征并将新特征输入分类模块，最后通过分类模块通过训练好的分类模型处理新特征得到客户意图。在传统的语义识别的方式中增加了组合模块对词向量进行图特征组合并生成新特征，以新特征作为分类模块的输入。使用图特征可以更容易的获得上下文的信息，提高后续分类模块分类的准确率。

附图说明

图1是本发明的基于意图识别的智能外呼系统的示意图；

图2是本发明的图特征组合的示意图；

图3是本发明的基于意图识别的智能外呼方法的示意图；

基于意图识别的智能外呼系统100，任务生成单元10，客户信息管理模块11，筛选模块12，生成模块13，智能呼叫单元20，任务解析模块21，开场语音存储模块22，语音匹配模块23，呼叫模块24，语音播放模块25，语音接收模块26，asr语音识别单元30，tts语音合成单元40，意图识别单元50，命名实体识别模块51，词嵌入模块52，组合模块53，分类模块54，客户分析模块55，话术存储单元60，话术匹配单元70。

具体实施方式

以下结合附图和具体实施例对本发明作具体的介绍。

如图1所示为本发明的一种基于意图识别的智能外呼系统100，主要包括：任务生成单元10、智能呼叫单元20、asr(automaticspeechrecognition，自动语音识别)语音识别单元30、tts(texttospeech，文本转语音)语音合成单元40、意图识别单元50、话术存储单元60和话术匹配单元70。

任务生成单元10生成呼叫任务并将呼叫任务发送至智能呼叫单元20。

具体而言，任务生成单元10包括：客户信息管理模块11、筛选模块12和生成模块13。客户信息管理模块11保存和管理客户信息。筛选模块12从客户信息管理模块11中获取客户信息并将符合条件的客户信息筛选出来。生成模块13根据筛选出来的客户信息生成呼叫任务。

任务生成单元10主要根据客户信息生成呼叫任务，在这里，客户信息根据呼叫任务的类别具有不同的具体内容。本发明的基于意图识别的智能外呼系统100可以应用在催收、电话回访以及电话销售等不同应用场景。以催收为例，客户信息包含了客户的贷款信息，比如贷款金额、还款期限、逾期金额、逾期时间以及之前的沟通记录等具体信息。这些信息保存在客户信息管理模块11中，筛选模块12从客户信息管理模块11中获取到客户信息，并对这些客户信息进行智能分析判断，识别出需要电话催收的客户。生成模块13再根据筛选出来的这些需要电话催收的客户信息生成呼叫任务发送到智能呼叫单元20中。

智能呼叫单元20根据任务生成单元10生成的呼叫任务智能拨打客户的电话并在接通电话后采集客户的语音信息发送至asr语音识别单元30。具体而言，智能呼叫单元20包括：任务解析模块21、开场语音存储模块22、语音匹配模块23、呼叫模块24、语音播放模块25和语音接收模块26。任务解析模块21解析呼叫任务得到呼叫策略并将其发送至语音匹配模块23和呼叫模块24，呼叫策略包括开场语音类型和客户电话。开场语音存储模块22用存储若干开场语音。语音匹配模块23根据呼叫策略从开场语音存储模块22中匹配出对应的开场语音并发送至语音播放模块25。呼叫模块24用于根据呼叫策略拨打客户的电话。语音播放模块25用于当呼叫模块24拨通客户电话后将匹配出的开场语音向客户播放。语音接收模块26用于接收客户的语音信息并将其发送至asr语音识别单元30。语音播放模块25还用于将tts语音合成单元40转换得到的回复语音向客户播放。

智能呼叫单元20能够解析任务生成单元10生成的呼叫任务，得到具体的呼叫策略，呼叫策略主要包含开场语音类型以及客户电话决定了呼叫模块24向谁拨打电话以及拨通电话后播放什么开场语音。

asr语音识别单元30将客户的语音信息转换成文本信息并发送至意图识别单元50。

意图识别单元50分析文本信息以识别出客户意图。具体而言，意图识别单元50包括：命名实体识别模块51、词嵌入模块52、组合模块53和分类模块54。命名实体识别模块51对文本信息进行分词得到语料信息，在本发明中，命名实体识别模块51通过主流命名实体识别算法bi-lstm+crf对文本信息进行分词。具体的，随着时间推移，在展开的网络上进行的前向和后向传递同常规网络中的前向和后向传递方式类似，除了需要对所有的时间步骤展开隐藏状态，还需要在数据点的开始和结束时进行特殊的处理。在本发明中，对整个句子进行前向扫描和后向扫描的时候仅仅需要在句子的开头将隐藏状态重置为0。在本发明中，多个句子可以同时被处理。词嵌入模块52将语料信息进行空间向量映射的得到词向量，在本发明中，词嵌入模块52通过word2vec将语料信息进行空间向量映射，将文本转化为向量。组合模块53对词嵌入模块52处理得到的词向量进行图特征组合生成新特征并将新特征和词向量输入到分类模块54。分类模块54通过训练好的分类模型处理新特征和词向量得到客户意图。分类模块54可以通过主流的dssm，text-cnn，bert等主流意图识别算法进行意图分类。在本发明中，使用多尺度卷积核text-cnn的思想，参考inception的结构构建的模型。本发明中用了两层的inception结构，最深有4层卷积，比text-cnn更深。

其中，组合模块53对词向量进行图特征组合得到新特征的具体方法如下。如图2所示，图中每一个节点(f1、f2、f3和f4)为输入的词向量，初始化图的时候，默认全部构建双向有向边，并随机赋予相应权重。再根据二维矩阵构建邻接矩阵，根据邻接矩阵生成新特征。新特征为对应的词向量及其相邻的词向量的加权求和。如f1’＝w11*f1+w2*f2+w8*f3+w10*f4,其中w11、w2、w8和w10为权重值。以此类推，求出新特征f2’、f3’和f4’，再将词向量和新特征f1、f2、f3、f4、f1’、f2’、f3’和f4’作为输入，输入至分类模块54中。使用图特征可以更容易的获得上下文的信息，提高后续网络分类准确率。

话术存储单元60存储答复客户的回复文本。每个回复文本均对应着客户意图，当确定了客户意图，即可从话术存储单元60找到对应的回复文本。话术匹配单元70根据客户意图从话术存储单元60中匹配出对应的回复文本并将其发送至tts语音合成单元40。tts语音合成单元40将接收到的回复文本转换成回复语音并发送至智能呼叫单元20。智能呼叫单元20向客户播放回复语音。

作为一种优选的实施方式，意图识别单元50还包括：客户分析模块55。客户分析模块55收集该客户本次通话的所有的客户意图并分析出本次通话的结果，并将本次通话的结果发送到客户信息管理模块11对其中对应的客户信息进行更新。可以理解的是，本次通话记录中，客户的行为和态度很大程度影响任务生成单元10在下次判断是否需要对该客户进行进一步的电话呼叫。因此，将本次通话的结果返回到任务生成单元10的客户信息管理模块11对该客户信息进行更新。

如图3所示，本发明还公开了一种基于意图识别的智能外呼方法，包括以下步骤：

s1：生成呼叫任务。

具体而言，生成呼叫任务的具体方法为：获取客户信息。筛选出符合条件的客户信息。根据符合条件的客户信息生成呼叫任务。

s2：根据呼叫任务自动拨打客户的电话并在接通电话后采集客户的语音信息。

具体而言，根据呼叫任务自动拨打客户的电话并在接通电话后采集客户的语音信息的具体方法为：解析呼叫任务得到呼叫策略，呼叫策略包括开场语音和客户电话。根据呼叫策略匹配得到开场语音。根据呼叫策略拨打客户电话。在接通客户电话后向客户播放开场语音。采集客户的语音信息。

s3：将语音信息转换成文本信息。

s4：根据文本信息识别出客户意图。

具体而言，根据文本信息识别出客户意图的具体方法为：对文本信息进行分词得到语料信息。将语料信息进行空间向量映射的得到词向量。对词向量进行图特征组合生成新特征。将新特征和词向量输入训练好的分类模型得到客户意图。

s5：根据客户意图匹配出对应的回复文本。

s6：将回复文本转换成回复语音并向客户播放。

进一步地，在步骤s6之后，基于意图识别的智能外呼方法还包括：

在本次通话结束后收集该客户本次通话的所有的客户意图并分析出本次通话的结果。通过本次通话的结果对该客户的客户信息进行更新。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除