Parte del contenido de esta aplicación no está disponible en este momento.
Si esta situación persiste, contáctenos aComentarios y contacto
1. (WO2019041523) ELECTRONIC APPARATUS, VOICE NAVIGATION REQUIREMENT PREDICTION METHOD AND STORAGE MEDIUM
Document

说明书

发明名称 0001   0002   0003   0004   0005   0006   0007   0008   0009   0010   0011   0012   0013   0014   0015   0016   0017   0018   0019   0020   0021   0022   0023   0024   0025   0026   0027   0028   0029   0030   0031   0032   0033   0034   0035   0036   0037   0038   0039   0040   0041   0042   0043   0044   0045   0046   0047   0048   0049   0050   0051   0052   0053   0054   0055   0056   0057   0058   0059   0060   0061   0062   0063   0064   0065   0066   0067   0068   0069   0070   0071   0072   0073   0074   0075   0076   0077   0078   0079   0080   0081   0082   0083   0084   0085   0086   0087   0088   0089   0090   0091   0092   0093  

权利要求书

1   2   3   4   5   6   7   8   9   10   11   12   13   14   15   16   17   18   19   20  

附图

0001   0002   0003   0004   0005  

说明书

发明名称 : 电子装置、语音导航需求预测方法和存储介质

[0001]
本申请基于巴黎公约申明享有2017年8月29日递交的申请号为CN 201710754565.2、名称为“电子装置、语音导航需求预测方法和存储介质”中国专利申请的优先权,该中国专利申请的整体内容以参考的方式结合在本申请中。

技术领域

[0002]
本申请涉及智能语音通讯服务领域,特别涉及一种电子装置、语音导航需求预测方法和存储介质。

背景技术

[0003]
目前,智能语音系统已经在越来越多的企业服务热线中使用。当企业服务热线接收到用户进线后,智能语音系统会自动播报引导语,该引导语包含欢迎语、以提示用户通过说话办理业务、交互说法举例等内容。目前的智能语音系统存在如下缺陷:由于引导语是固定不变的,而不同进线用户的用户需求不同,引导语中没有包含用户所需要办理的业务,因此引导语无法引导用户快速进入所需的业务服务,达不到对用户的引导效果。
[0004]
发明内容
[0005]
本申请的主要目的是提供一种语音导航需求预测方法,旨在实现引导进线用户快速进入所需的业务服务,提升对用户的引导效果。
[0006]
本申请第一方面提供一种电子装置,所述电子装置包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的语音导航需求预测系统,所述语音导航需求预测系统被所述处理器执行时实现如下步骤:
[0007]
在接收到客户进线后,识别进线号码,并分析所述进线号码是否为重复进线;
[0008]
若所述进线号码为重复进线,则计算出所述进线号码的本次进线距上次进线的间隔时长,确定该间隔时长所述的预设的时长区间;
[0009]
根据预先确定的时长区间与意图预测模型的映射关系,确定所述确定的时长区间所对应的意图预测模型;
[0010]
获取所述进线号码的上K次的进线意图以及所述进线号码名下的各项业务,将获取到的所述进线号码的上K次的进线意图和其名下的各项业务输入所述确定的意图预测模型中,得出所述进线号码的上K次的进线意图分别转移至所述进线号码名下的各项业务的概率;
[0011]
根据得到的所述概率和第一预设规则计算得出所述进线号码本次进线选择其名下各项业务的概率;
[0012]
根据得出的所述进线号码本次进线选择其名下各项业务的概率和第二预设规则选择所述进线号码名下的业务,并将选出的业务加入导航提示语中进行播报。
[0013]
本申请第二方面提供一种语音导航需求预测方法,该方法包括步骤:
[0014]
在接收到客户进线后,识别进线号码,并分析所述进线号码是否为重复进线;
[0015]
若所述进线号码为重复进线,则计算出所述进线号码的本次进线距上次进线的间隔时长,确定该间隔时长所属的预设的时长区间;
[0016]
根据预先确定的时长区间与意图预测模型的映射关系,确定所述确定的时长区间所对应的意图预测模型;
[0017]
获取所述进线号码的上K次的进线意图以及所述进线号码名下的各项业务,将获取到的所述进线号码的上K次的进线意图和其名下的各项业务输入所述确定的意图预测模型中,得出所述进线号码的上K次的进线意图分别转移至所述进线号码名下的各项业务的概率;
[0018]
根据得到的所述概率和第一预设规则计算得出所述进线号码本次进线选择其名下各项业务的概率;
[0019]
根据得出的所述进线号码本次进线选择其名下各项业务的概率和第二预设规则选择所述进线号码名下的业务,并将选出的业务加入导航提示语中进行播报。
[0020]
本申请第三方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有语音导航需求预测系统,所述语音导航需求预测系统可被至少一个处理器执行,以使所述至少一个处理器执行如下步骤:
[0021]
在接收到客户进线后,识别进线号码,并分析所述进线号码是否为重复进线;
[0022]
若所述进线号码为重复进线,则计算出所述进线号码的本次进线距上次进线的间隔时长,确定该间隔时长所属的预设的时长区间;
[0023]
根据预先确定的时长区间与意图预测模型的映射关系,确定所述确定的时长区间所对应的意图预测模型;
[0024]
获取所述进线号码的上K次的进线意图以及所述进线号码名下的各项业务,将获取到的所述进线号码的上K次的进线意图和其名下的各项业务输入所述确定的意图预测模型中,得出所述进线号码的上K次的进线意图分别转移至所述进线号码名下的各项业务的概率;
[0025]
根据得到的所述概率和第一预设规则计算得出所述进线号码本次进线选择其名下各项业务的概率;
[0026]
根据得出的所述进线号码本次进线选择其名下各项业务的概率和第二预设规则选择所述进线号码名下的业务,并将选出的业务加入导航提示语中进行播报。
[0027]
本申请技术方案,在确认进线用户为重复进线后,根据该进线用户重复进线的间隔时长确定对应的意图预测模型,以对该进线用户的进线意图进行预测,从而预测出该进线用户本次进线选择其名下各个业务的各自概率,系统再根据预测得出的概率选出该进线用户本次最有可能需求的业务,将选出的业务加入导航提示语中进行播报;如此,使进线用户可从导航提示语直接获取到所需的业务,并通过语音快速进入对应的业务服务,提升了对进线用户的引导效果。

附图说明

[0028]
图1为本申请语音导航需求预测方法一实施例的流程示意图;
[0029]
图2为本申请语音导航需求预测方法二实施例的流程示意图;
[0030]
图3为本申请语音导航需求预测系统一实施例的运行环境示意图;
[0031]
图4为本申请语音导航需求预测系统一实施例的程序模块图;
[0032]
图5为本申请语音导航需求预测系统二实施例的程序模块图。

具体实施方式

[0033]
以下结合附图对本申请的原理和特征进行描述,所举实例只用于解释本申请,并非用于限定本申请的范围。
[0034]
如图1所示,图1为本申请语音导航需求预测方法一实施例的流程示意图。
[0035]
本实施例中,该语音导航需求预测方法包括:
[0036]
步骤S1,在接收到客户进线后,识别进线号码,并分析所述进线号码是否为重复进线;
[0037]
当接收到客户进线后,系统自动识别进线号码,并通过查询历史记录中是否有该进线号码的进线记录信息,从而确定该进线号码是否为重复进线,如果历史记录中有该进线号码的信息则可确认该进线号码为重复进线;若所述进线号码不是重复进线,则该进线号码为新号码进线,此时系统播报标准导航提示语。
[0038]
步骤S2,若所述进线号码为重复进线,则计算出所述进线号码的本次进线距上次进线的间隔时长,确定该间隔时长所属的预设的时长区间;
[0039]
当确定该进线号码是重复进线后,找出该进线号码上一次的进线记录并获取进线时间,计算出该进线号码本次进线与上次进线之间的间隔时长,进而确定该间隔时长属于哪一个预设的时长区间。例如,预设的时长区间包括小于24小时、1天至3天、3天至7天,假设计算出的间隔时长为35小时,则该间隔时长所属的时长区间就为1天 至3天。
[0040]
步骤S3,根据预先确定的时长区间与意图预测模型的映射关系,确定所述确定的时长区间所对应的意图预测模型;
[0041]
系统中具有时长区间与意图预测模型的映射表,例如,时长区间小于1天对应的是A模型,时长区间1-3天对应的是B模型,时长区间3-7天对应的是C模型;通过查找系统中的该映射表,就可确定当前进线号码的时长区间所对应的意图预测模型;其中,各个时长区间对应的意图预测模型均是经过离线训练的模型。
[0042]
步骤S4,获取所述进线号码的上K次的进线意图以及所述进线号码名下的各项业务,将获取到的所述进线号码的上K次的进线意图和其名下的各项业务输入所述确定的意图预测模型中,得出所述进线号码的上K次的进线意图分别转移至所述进线号码名下的各项业务的概率;
[0043]
本实施例中,K为预设值(例如,2、3、4)。通过查询该进线号码的历史进线记录信息得到该进线号码的上K次的进线意图,以及从系统的客户数据库中得到该进线号码名下的所有业务;将该进线号码的上K次进线意图和其名下的所有业务输入意图预测模型中,意图预测模型根据输入的上K次进线意图和各项业务信息,输出该进线号码的上K次进线意图分别转移至其名下的各项业务的概率;例如,假设K为2,进线号码名下的业务包括a、b、c,进线号码的上一次进线意图为b、上上次进线意图为c,意图预测模型根据以上输入信息可以预测得到由上次进线意图b转移至a、b、c的概率(例如分别为0.3、0.5、0.2)及由上上次进线意图c转移至a、b、c的概率(例如分别为0.3、0.3、0.4)。本实施例中,各个意图预测模型分别采用其对应时长区间的重复进线的历史数据进行训练,在每个时长区间对应的意图预测模型的训练中,将每一次的进线意图与上K次的进线意图进行关联分析,通过对意图预测模型大量的离线训练,得出上K次进线意图分别与当次进线意图之间的概率转移规则。本实施例的意图预测模型优先为PrefixSpan算法模型。
[0044]
步骤S5,根据得到的所述概率和第一预设规则计算得出所述进线号码本次进线选择其名下各项业务的概率;
[0045]
系统将通过意图预测模型得到的该进线号码的上K次的进线意图分别转移至其名下各项业务的概率,按第一预设规则进行计算以分别得出该进线号码本次选择其名下各个业务的概率。其中,第一预设规则可以为权重方式,例如,上K进线意图分别转移至同一业务X的概率,占据本次进线选择该业务X的概率的相应权重,将上K进线意图分别转移至该业务X的概率按照对应权重求和则得到本次进线意图选择该业务X的概率;当然,第一预设规则还可以为其它方 式。
[0046]
步骤S6,根据得出的所述进线号码本次进线选择其名下各项业务的概率和第二预设规则选择所述进线号码名下的业务,并将选出的业务加入导航提示语中进行播报。
[0047]
本实施例中,该第二预设规则可为:1、选择概率最大的业务;2、选择概率超过预设阈值的业务;3、选择概率排名的前预设名对应的业务;等。语音导航预测系统将选出的业务加入到导航提示语中进行播报,例如,选出的业务为“车险报案”和“寿险办理”,则播报的导航提示语可为“您可直接说出需要的服务,比如,车险报案或寿险办理”;又例如,选出的业务为“贷款”,则播报的导航提示语可为“您是要办理贷款吗”;等等。
[0048]
本实施例方案在确认进线用户为重复进线后,根据该进线用户重复进线的间隔时长确定对应的意图预测模型,以对该进线用户的进线意图进行预测,从而预测出该进线用户本次进线选择其名下各个业务的各自概率,系统再根据预测得出的概率选出该进线用户本次最有可能需求的业务,将选出的业务加入导航提示语中进行播报;如此,使进线用户可从导航提示语直接获取到所需的业务,并通过语音快速进入对应的业务服务,提升了对进线用户的引导效果。
[0049]
进一步地,本实施例的语音导航需求预测方法中,所述步骤S5包括:
[0050]
针对所述进线号码名下的每一项业务,将所述进线号码的上K次进线意图分别转移至该项业务的概率求和取均值,得到的均值作为所述进线号码本次进线选择该项业务的概率。
[0051]
本实施例中,系统根据得到的所述进线号码的上K次的进线意图分别转移至所述进线号码名下的各项业务的概率,将同一业务的转移概率全部加起来后除去K则得到该业务当次被进线号码选择的概率。例如,K为2,该进线号码的上次进线意图转移至该进线号码名下的业务a的概率为G1,该进线号码的上上次进线意图转移至业务a的概率为G2,则该进线号码本次进线选择该业务a的概率为(G1+G2)/2,同样该进线号码名下的其它业务本次被选择的概率也是同样计算。
[0052]
优选地,本实施例中,所述步骤S6包括:将所述进线号码本次进线选择其名下各项业务的概率按降序排名;选择该概率排名中的前两名对应的业务,动态拼接至导航提示语中进行播报。其中,动态拼接就是将选择的业务替换到导航提示语中的业务字段。
[0053]
如图2所示,图2为本申请语音导航需求预测方法二实施例的流 程图。本实施例方案基于一实施例,在本实施例中,该语音导航需求预测方法于步骤S2和S3之间还包括:
[0054]
步骤S7,分析所述间隔时长是否小于第一阈值;
[0055]
进线客户多次重复进线的进线意图之间具有一定的关联性。在重复进线的间隔时长较短时,上几次进线意图与当次进线意图之间的关联性相对较强;当重复进线的间隔时长很长时,上几次进线意图与当次进线意图之间的关联系就相对较弱。本实施例中,系统中设置了第一阈值(例如,7天),通过分析当前进线号码重复进线的间隔时长是否小于该第一阈值,来确定是否采用意图预测模型来预测该进线用户的进线意图。在所述间隔时长小于第一阈值的情况,则采用意图预测模型来预测该进线用户的进线意图,即执行上述步骤S3。
[0056]
步骤S8,若所述间隔时长大于等于第一阈值,则获取所述进线号码的意图预测关联数据以及所述进线号码名下的各项业务,其中,所述意图预测关联数据包括:所述进线号码的用户数量、最近一次意图分布、最近1月意图分布、最近3月意图分布、最近6月意图分布;
[0057]
如果该进线号码重复进线的间隔时长大于等于第一阈值,由于间隔时长过长,该进线号码的上几次进线意图与本次进线意图的关联性较弱,因此,不采用意图预测模型进线意图预测;而是获取该进线号码的意图预测关联数据以及该进线号码名下的所有业务。该意图预测关联数据中的该进线号码的用户数量即该进线号码的使用人数(例如,一家人都在使用该号码),该进线号码的最近一次意图分布(即该进线号码上次进线的进线意图、进线时长等信息),该进线号码最近1月、最近3月及最近6月的意图分布(即该进线号码最近1月内、最近3月内及最近6月内的进线意图和进线时长等信息)。
[0058]
步骤S9,调用回归预测模型,将获取的意图预测信息和所述进线号码名下的各项业务输入所述回归预测模型,得出该进线号码本次进线选择其名下的各项业务的概率。
[0059]
本实施例中,在获取到该进线号码的意图预测关联数据及该进线号码名下的各项业务后,调用经过离线训练好的回归预测模型,并将该意图预测关联数据和该进线号码名下的各项业务输入回归预测模型中,从而得出该进线号码本次进线选择其名下各项业务的概率,然后执行S6步骤,以播报导航提示语。系统采用数据库中的历史进线数据,对回归预测模型进行大量的离线训练,从而分析出意图预测关联数据与进线号码选择各项业务的概率规则。本实施例的回归预测模型优选为softmax函数模型。
[0060]
此外,本申请还提出一种语音导航需求预测系统。
[0061]
请参阅图3,是本申请语音导航需求预测系统10较佳实施例的 运行环境示意图。
[0062]
在本实施例中,语音导航需求预测系统10安装并运行于电子装置1中。电子装置1可以是桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子装置1可包括,但不仅限于,存储器11、处理器12及显示器13。图3仅示出了具有组件11-13的电子装置1,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
[0063]
存储器11是一种计算机存储介质,在一些实施例中可以是电子装置1的内部存储单元,例如该电子装置1的硬盘或内存。存储器11在另一些实施例中也可以是电子装置1的外部存储设备,例如电子装置1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器11还可以既包括电子装置1的内部存储单元也包括外部存储设备。存储器11用于存储安装于电子装置1的应用软件及各类数据,例如语音导航需求预测系统10的程序代码等。存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
[0064]
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行语音导航需求预测系统10等。
[0065]
显示器13在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器13用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面,例如业务定制界面等。电子装置1的部件11-13通过系统总线相互通信。
[0066]
请参阅图4,是本申请语音导航需求预测系统10一实施例的程序模块图。在本实施例中,语音导航需求预测系统10可以被分割成一个或多个模块,一个或者多个模块被存储于存储器11中,并由一个或多个处理器(本实施例为处理器12)所执行,以完成本申请。例如,在图5中,语音导航需求预测系统10可以被分割成识别模块101、第一确定模块102、第二确定模块103、第一分析模块104、第二分析模块105及选择模块106。本申请所称的模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述语音导航需求预测系统10在电子装置1中的执行过程,其中:
[0067]
识别模块101,用于在接收到客户进线后,识别进线号码,并分析所述进线号码是否为重复进线;
[0068]
当接收到客户进线后,系统自动识别进线号码,并通过查询历史记录中是否有该进线号码的进线记录信息,从而确定该进线号码是否 为重复进线,如果历史记录中有该进线号码的信息则可确认该进线号码为重复进线;若所述进线号码不是重复进线,则该进线号码为新号码进线,此时系统播报标准导航提示语。
[0069]
第一确定模块102,用于在所述进线号码为重复进线后,计算出所述进线号码的本次进线距上次进线的间隔时长,确定该间隔时长所属的预设的时长区间;
[0070]
当确定该进线号码是重复进线后,找出该进线号码上一次的进线记录并获取进线时间,计算出该进线号码本次进线与上次进线之间的间隔时长,进而确定该间隔时长属于哪一个预设的时长区间。例如,预设的时长区间包括小于24小时、1天至3天、3天至7天,假设计算出的间隔时长为35小时,则该间隔时长所属的时长区间就为1天至3天。
[0071]
第二确定模块103,用于根据预先确定的时长区间与意图预测模型的映射关系,确定所述确定的时长区间所对应的意图预测模型;
[0072]
系统中具有时长区间与意图预测模型的映射表,例如,时长区间小于1天对应的是A模型,时长区间1-3天对应的是B模型,时长区间3-7天对应的是C模型;通过查找系统中的该映射表,就可确定当前进线号码的时长区间所对应的意图预测模型;其中,各个时长区间对应的意图预测模型均是经过离线训练的模型。
[0073]
第一分析模块104,用于获取所述进线号码的上K次的进线意图以及所述进线号码名下的各项业务,将获取到的所述进线号码的上K次的进线意图和其名下的各项业务输入所述确定的意图预测模型中,得出所述进线号码的上K次的进线意图分别转移至所述进线号码名下的各项业务的概率;
[0074]
本实施例中,K为预设值(例如,2、3、4)。通过查询该进线号码的历史进线记录信息得到该进线号码的上K次的进线意图,以及从系统的客户数据库中得到该进线号码名下的所有业务;将该进线号码的上K次进线意图和其名下的所有业务输入意图预测模型中,意图预测模型根据输入的上K次进线意图和各项业务信息,输出该进线号码的上K次进线意图分别转移至其名下的各项业务的概率;例如,假设K为2,进线号码名下的业务包括a、b、c,进线号码的上一次进线意图为b、上上次进线意图为c,意图预测模型根据以上输入信息可以预测得到由上次进线意图b转移至a、b、c的概率(例如分别为0.3、0.5、0.2)及由上上次进线意图c转移至a、b、c的概率(例如分别为0.3、0.3、0.4)。本实施例中,各个意图预测模型分别采用其对应时长区间的重复进线的历史数据进行训练,在每个时长区间对应的意图预测模型的训练中,将每一次的进线意图与上K次的进线意图进行关联分析,通过对意图预测模型大量的离线训练,得 出上K次进线意图分别与当次进线意图之间的概率转移规则。本实施例的意图预测模型优先为PrefixSpan算法模型。
[0075]
第二分析模块105,用于根据得到的所述概率和第一预设规则计算得出所述进线号码本次进线选择其名下各项业务的概率;
[0076]
系统将通过意图预测模型得到的该进线号码的上K次的进线意图分别转移至其名下各项业务的概率,按第一预设规则进行计算以分别得出该进线号码本次选择其名下各个业务的概率。其中,第一预设规则可以为权重方式,例如,上K进线意图分别转移至同一业务X的概率,占据本次进线选择该业务X的概率的相应权重,将上K进线意图分别转移至该业务X的概率按照对应权重求和则得到本次进线意图选择该业务X的概率;当然,第一预设规则还可以为其它方式。
[0077]
选择模块106,用于根据得出的所述进线号码本次进线选择其名下各项业务的概率和第二预设规则选择所述进线号码名下的业务,并将选出的业务加入导航提示语中进行播报。
[0078]
本实施例中,该第二预设规则可为:1、选择概率最大的业务;2、选择概率超过预设阈值的业务;3、选择概率排名的前预设名对应的业务;等。语音导航预测系统将选出的业务加入到导航提示语中进行播报,例如,选出的业务为“车险报案”和“寿险办理”,则播报的导航提示语可为“您可直接说出需要的服务,比如,车险报案或寿险办理”;又例如,选出的业务为“贷款”,则播报的导航提示语可为“您是要办理贷款吗”;等等。
[0079]
本实施例方案在确认进线用户为重复进线后,根据该进线用户重复进线的间隔时长确定对应的意图预测模型,以对该进线用户的进线意图进行预测,从而预测出该进线用户本次进线选择其名下各个业务的各自概率,系统再根据预测得出的概率选出该进线用户本次最有可能需求的业务,将选出的业务加入导航提示语中进行播报;如此,使进线用户可从导航提示语直接获取到所需的业务,并通过语音快速进入对应的业务服务,提升了对进线用户的引导效果。
[0080]
进一步地,本实施例的语音导航需求预测系统,所述第二分析模块105用于针对所述进线号码名下的每一项业务,将所述进线号码的上K次进线意图分别转移至该项业务的概率求和取均值,得到的均值作为所述进线号码本次进线选择该项业务的概率。
[0081]
本实施例中,系统根据得到的所述进线号码的上K次的进线意图分别转移至所述进线号码名下的各项业务的概率,将同一业务的转移概率全部加起来后除去K则得到该业务当次被进线号码选择的概率。例如,K为2,该进线号码的上次进线意图转移至该进线号码名 下的业务a的概率为G1,该进线号码的上上次进线意图转移至业务a的概率为G2,则该进线号码本次进线选择该业务a的概率为(G1+G2)/2,同样该进线号码名下的其它业务本次被选择的概率也是同样计算。
[0082]
优选地,本实施例中,所述选择模块包括:
[0083]
排序单元,用于将所述进线号码本次进线选择其名下各项业务的概率按降序排名;
[0084]
选择单元,用于选择该概率排名中的前两名对应的业务,动态拼接至导航提示语中进行播报。其中,动态拼接就是将选择的业务替换到导航提示语中的业务字段。
[0085]
进一步地,参照图5,本实施例的语音导航需求预测系统还包括:
[0086]
第三分析模块107,用于分析所述间隔时长是否小于第一阈值;
[0087]
进线客户多次重复进线的进线意图之间具有一定的关联性。在重复进线的间隔时长较短时,上几次进线意图与当次进线意图之间的关联性相对较强;当重复进线的间隔时长很长时,上几次进线意图与当次进线意图之间的关联系就相对较弱。本实施例中,系统中设置了第一阈值(例如,7天),通过分析当前进线号码重复进线的间隔时长是否小于该第一阈值,来确定是否采用意图预测模型来预测该进线用户的进线意图。系统在第三分析模块107分析到所述间隔时长小于第一阈值的情况时,则执行第二确定模块103,采用意图预测模型来预测该进线用户的进线意图。
[0088]
获取模块108,用于在确定所述间隔时长大于等于第一阈值后,获取所述进线号码的意图预测关联数据以及所述进线号码名下的各项业务,其中,所述意图预测关联数据包括:所述进线号码的用户数量、最近一次意图分布、最近1月意图分布、最近3月意图分布、最近6月意图分布;
[0089]
如果该进线号码重复进线的间隔时长大于等于第一阈值,由于间隔时长过长,该进线号码的上几次进线意图与本次进线意图的关联性较弱,因此,不采用意图预测模型进线意图预测;而是获取该进线号码的意图预测关联数据以及该进线号码名下的所有业务。该意图预测关联数据中的该进线号码的用户数量即该进线号码的使用人数(例如,一家人都在使用该号码),该进线号码的最近一次意图分布(即该进线号码上次进线的进线意图、进线时长等信息),该进线号码最近1月、最近3月及最近6月的意图分布(即该进线号码最近1月内、最近3月内及最近6月内的进线意图和进线时长等信息)。
[0090]
调用模块109,用于调用回归预测模型,将获取的意图预测信息和所述进线号码名下的各项业务输入所述回归预测模型,得出该进线 号码本次进线选择其名下的各项业务的概率。
[0091]
本实施例中,在获取到该进线号码的意图预测关联数据及该进线号码名下的各项业务后,调用经过离线训练好的回归预测模型,并将该意图预测关联数据和该进线号码名下的各项业务输入回归预测模型中,从而得出该进线号码本次进线选择其名下各项业务的概率,然后系统执行选择模块106,以播报导航提示语。系统采用数据库中的历史进线数据,对回归预测模型进行大量的离线训练,从而分析出意图预测关联数据与进线号码选择各项业务的概率规则。本实施例的回归预测模型优选为softmax函数模型。
[0092]
进一步地,本申请还提出一种计算机可读存储介质,所述计算机可读存储介质存储有语音导航需求预测系统,所述语音导航需求预测系统可被至少一个处理器执行,以使所述至少一个处理器执行上述任一实施例中的语音导航需求预测方法。
[0093]
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。

权利要求书

[权利要求 1]
一种电子装置,其特征在于,所述电子装置包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的语音导航需求预测系统,所述语音导航需求预测系统被所述处理器执行时实现如下步骤: S1、在接收到客户进线后,识别进线号码,并分析所述进线号码是否为重复进线; S2、若所述进线号码为重复进线,则计算出所述进线号码的本次进线距上次进线的间隔时长,确定该间隔时长所属的预设的时长区间; S3、根据预先确定的时长区间与意图预测模型的映射关系,确定所述确定的时长区间所对应的意图预测模型; S4、获取所述进线号码的上K次的进线意图以及所述进线号码名下的各项业务,将获取到的所述进线号码的上K次的进线意图和其名下的各项业务输入所述确定的意图预测模型中,得出所述进线号码的上K次的进线意图分别转移至所述进线号码名下的各项业务的概率; S5、根据得到的所述概率和第一预设规则计算得出所述进线号码本次进线选择其名下各项业务的概率; S6、根据得出的所述进线号码本次进线选择其名下各项业务的概率和第二预设规则选择所述进线号码名下的业务,并将选出的业务加入导航提示语中进行播报。
[权利要求 2]
如权利要求1所述的电子装置,其特征在于,于步骤S2和S3之间,所述处理器还用于执行所述语音导航需求预测系统,以实现以下步骤: 分析所述间隔时长是否小于第一阈值; 若所述间隔时长小于第一阈值,则执行步骤S3; 若所述间隔时长大于等于第一阈值,则获取所述进线号码的意图预测关联数据以及所述进线号码名下的各项业务,其中,所述意图预测关联数据包括:所述进线号码的用户数量、最近一次意图分布、最近1月意图分布、最近3月意图分布、最近6月意图分布; 调用回归预测模型,将获取的意图预测信息和所述进线号码名下的各项业务输入所述回归预测模型,得出该进线号码本次进线选择其名下的各项业务的概率。
[权利要求 3]
如权利要求1所述的电子装置,其特征在于,所述步骤S5包括: 针对所述进线号码名下的每一项业务,将所述进线号码的上K次进线意图分别转移至该项业务的概率求和取均值,得到的均值作为所述进线号码本次进线选择该项业务的概率。
[权利要求 4]
如权利要求3所述的电子装置,其特征在于,于步骤S2和S3之间,所述处理器还用于执行所述语音导航需求预测系统,以实现以下步骤: 分析所述间隔时长是否小于第一阈值; 若所述间隔时长小于第一阈值,则执行步骤S3; 若所述间隔时长大于等于第一阈值,则获取所述进线号码的意图预测关联数据以及所述进线号码名下的各项业务,其中,所述意图预测关联数据包括:所述进线号码的用户数量、最近一次意图分布、最近1月意图分布、最近3月意图分布、最近6月意图分布; 调用回归预测模型,将获取的意图预测信息和所述进线号码名下的各项业务输入所述回归预测模型,得出该进线号码本次进线选择其名下的各项业务的概率。
[权利要求 5]
如权利要求1所述的电子装置,其特征在于,所述步骤S6包括: 将所述进线号码本次进线选择其名下各项业务的概率按降序排名; 选择前两名对应的业务,动态拼接至导航提示语中进行播报。
[权利要求 6]
如权利要求5所述的电子装置,其特征在于,于步骤S2和S3之间,所述处理器还用于执行所述语音导航需求预测系统,以实现以下步骤: 分析所述间隔时长是否小于第一阈值; 若所述间隔时长小于第一阈值,则执行步骤S3; 若所述间隔时长大于等于第一阈值,则获取所述进线号码的意图预测关联数据以及所述进线号码名下的各项业务,其中,所述意图预测关联数据包括:所述进线号码的用户数量、最近一次意图分布、最近1月意图分布、最近3月意图分布、最近6月意图分布; 调用回归预测模型,将获取的意图预测信息和所述进线号码名下的各项业务输入所述回归预测模型,得出该进线号码本次进线选择其名下的各项业务的概率。
[权利要求 7]
如权利要求1所述的电子装置,其特征在于,于步骤S1之后,所述处理器还用于执行所述语音导航需求预测系统,以实现以下步 骤:若所述进线号码不是重复进线,则系统播报标准导航提示语。
[权利要求 8]
如权利要求7所述的电子装置,其特征在于,于步骤S2和S3之间,所述处理器还用于执行所述语音导航需求预测系统,以实现以下步骤: 分析所述间隔时长是否小于第一阈值; 若所述间隔时长小于第一阈值,则执行步骤S3; 若所述间隔时长大于等于第一阈值,则获取所述进线号码的意图预测关联数据以及所述进线号码名下的各项业务,其中,所述意图预测关联数据包括:所述进线号码的用户数量、最近一次意图分布、最近1月意图分布、最近3月意图分布、最近6月意图分布; 调用回归预测模型,将获取的意图预测信息和所述进线号码名下的各项业务输入所述回归预测模型,得出该进线号码本次进线选择其名下的各项业务的概率。
[权利要求 9]
一种语音导航需求预测方法,其特征在于,该方法包括步骤: A1、在接收到客户进线后,识别进线号码,并分析所述进线号码是否为重复进线; A2、若所述进线号码为重复进线,则计算出所述进线号码的本次进线距上次进线的间隔时长,确定该间隔时长所属的预设的时长区间; A3、根据预先确定的时长区间与意图预测模型的映射关系,确定所述确定的时长区间所对应的意图预测模型; A4、获取所述进线号码的上K次的进线意图以及所述进线号码名下的各项业务,将获取到的所述进线号码的上K次的进线意图和其名下的各项业务输入所述确定的意图预测模型中,得出所述进线号码的上K次的进线意图分别转移至所述进线号码名下的各项业务的概率; A5、根据得到的所述概率和第一预设规则计算得出所述进线号码本次进线选择其名下各项业务的概率; A6、根据得出的所述进线号码本次进线选择其名下各项业务的概率和第二预设规则选择所述进线号码名下的业务,并将选出的业务加入导航提示语中进行播报。
[权利要求 10]
如权利要求9所述的语音导航需求预测方法,其特征在于,于步骤A2和A3之间,该方法还包括: 分析所述间隔时长是否小于第一阈值; 若所述间隔时长小于第一阈值,则执行步骤A3; 若所述间隔时长大于等于第一阈值,则获取所述进线号码的意图预测关联数据以及所述进线号码名下的各项业务,其中,所述意图预测关联数据包括:所述进线号码的用户数量、最近一次意图分布、最近1月意图分布、最近3月意图分布、最近6月意图分布; 调用回归预测模型,将获取的意图预测信息和所述进线号码名下的各项业务输入所述回归预测模型,得出该进线号码本次进线选择其名下的各项业务的概率。
[权利要求 11]
如权利要求9所述的语音导航需求预测方法,其特征在于,所述步骤A5包括: 针对所述进线号码名下的每一项业务,将所述进线号码的上K次进线意图分别转移至该项业务的概率求和取均值,得到的均值作为所述进线号码本次进线选择该项业务的概率。
[权利要求 12]
如权利要求11所述的语音导航需求预测方法,其特征在于,于步骤A2和A3之间,该方法还包括: 分析所述间隔时长是否小于第一阈值; 若所述间隔时长小于第一阈值,则执行步骤A3; 若所述间隔时长大于等于第一阈值,则获取所述进线号码的意图预测关联数据以及所述进线号码名下的各项业务,其中,所述意图预测关联数据包括:所述进线号码的用户数量、最近一次意图分布、最近1月意图分布、最近3月意图分布、最近6月意图分布; 调用回归预测模型,将获取的意图预测信息和所述进线号码名下的各项业务输入所述回归预测模型,得出该进线号码本次进线选择其名下的各项业务的概率。
[权利要求 13]
如权利要求9所述的语音导航需求预测方法,其特征在于,所述步骤A6包括: 将所述进线号码本次进线选择其名下各项业务的概率按降序排名; 选择前两名对应的业务,动态拼接至导航提示语中进行播报。
[权利要求 14]
如权利要求13所述的语音导航需求预测方法,其特征在于,于步骤A2和A3之间,该方法还包括: 分析所述间隔时长是否小于第一阈值; 若所述间隔时长小于第一阈值,则执行步骤A3; 若所述间隔时长大于等于第一阈值,则获取所述进线号码的意图预测关联数据以及所述进线号码名下的各项业务,其中,所述意图预 测关联数据包括:所述进线号码的用户数量、最近一次意图分布、最近1月意图分布、最近3月意图分布、最近6月意图分布; 调用回归预测模型,将获取的意图预测信息和所述进线号码名下的各项业务输入所述回归预测模型,得出该进线号码本次进线选择其名下的各项业务的概率。
[权利要求 15]
如权利要求9所述的语音导航需求预测方法,其特征在于,于步骤A1之后,该方法还包括: 若所述进线号码不是重复进线,则系统播报标准导航提示语。
[权利要求 16]
如权利要求15所述的语音导航需求预测方法,其特征在于,于步骤A2和A3之间,该方法还包括: 分析所述间隔时长是否小于第一阈值; 若所述间隔时长小于第一阈值,则执行步骤A3; 若所述间隔时长大于等于第一阈值,则获取所述进线号码的意图预测关联数据以及所述进线号码名下的各项业务,其中,所述意图预测关联数据包括:所述进线号码的用户数量、最近一次意图分布、最近1月意图分布、最近3月意图分布、最近6月意图分布; 调用回归预测模型,将获取的意图预测信息和所述进线号码名下的各项业务输入所述回归预测模型,得出该进线号码本次进线选择其名下的各项业务的概率。
[权利要求 17]
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存储有语音导航需求预测系统,所述语音导航需求预测系统可被至少一个处理器执行,以使所述至少一个处理器执行如下步骤: B1、在接收到客户进线后,识别进线号码,并分析所述进线号码是否为重复进线; B2、若所述进线号码为重复进线,则计算出所述进线号码的本次进线距上次进线的间隔时长,确定该间隔时长所属的预设的时长区间; B3、根据预先确定的时长区间与意图预测模型的映射关系,确定所述确定的时长区间所对应的意图预测模型; B4、获取所述进线号码的上K次的进线意图以及所述进线号码名下的各项业务,将获取到的所述进线号码的上K次的进线意图和其名下的各项业务输入所述确定的意图预测模型中,得出所述进线号码的上K次的进线意图分别转移至所述进线号码名下的各项业务的概率; B5、根据得到的所述概率和第一预设规则计算得出所述进线号码 本次进线选择其名下各项业务的概率; B6、根据得出的所述进线号码本次进线选择其名下各项业务的概率和第二预设规则选择所述进线号码名下的业务,并将选出的业务加入导航提示语中进行播报。
[权利要求 18]
如权利要求17所述的计算机可读存储介质,其特征在于,所述步骤B5包括: 针对所述进线号码名下的每一项业务,将所述进线号码的上K次进线意图分别转移至该项业务的概率求和取均值,得到的均值作为所述进线号码本次进线选择该项业务的概率。
[权利要求 19]
如权利要求17所述的计算机可读存储介质,其特征在于,所述步骤B6包括: 将所述进线号码本次进线选择其名下各项业务的概率按降序排名; 选择前两名对应的业务,动态拼接至导航提示语中进行播报。
[权利要求 20]
如权利要求17所述的计算机可读存储介质,其特征在于,于步骤B2和B3之间,该方法还包括: 分析所述间隔时长是否小于第一阈值; 若所述间隔时长小于第一阈值,则执行步骤B3; 若所述间隔时长大于等于第一阈值,则获取所述进线号码的意图预测关联数据以及所述进线号码名下的各项业务,其中,所述意图预测关联数据包括:所述进线号码的用户数量、最近一次意图分布、最近1月意图分布、最近3月意图分布、最近6月意图分布; 调用回归预测模型,将获取的意图预测信息和所述进线号码名下的各项业务输入所述回归预测模型,得出该进线号码本次进线选择其名下的各项业务的概率。

附图

[ 图 0001]  
[ 图 0002]  
[ 图 0003]  
[ 图 0004]  
[ 图 0005]