本公开涉及智能呼叫领域,尤其涉及一种外呼机器人的意向打分方法及系统。

背景技术：

过去几年人工智能技术之所以能够获得快速发展，主要源于三个因素：性能更强的神经元网络、价格低廉的芯片以及大数据。智能机器人也在越来越多的领域投入研发与使用，在客服及各类服务类行业中，外呼机器人的使用越来越多，主要是因为外呼机器人成本低效率高，且随着深度学习神经网络越来越成熟，外呼机器人的学习能力也越来越强。虽然外呼机器人对自然语言语义的理解力在逐步提高，但这种提高并没有一个相对标准的系统或方法来进行检验，导致外呼机器人在意图识别方面的改进比较盲目。

技术实现要素：

为解决上述技术问题，本公开提供了一种外呼机器人的意向打分方法及系统，以实现对外呼机器人的意图识别结果进行打分，具体技术方案如下：

一种外呼机器人的意向打分方法，包括：

分类用户说话的意图类别；

基于意图类别，对用户说话训练分类模型；

对每一通对话，通过分类模型进行识别，得到意图识别结果，所述意图识别结果的集合为C={Ci}，i=1,2,3…；

对用户说话的意向进行打分。

作为具体实施例地，对每个所述意图类别设置分数为， ，则总的意图类别原始分数为，所述意向得分为，所述a为可调参数，且a∈[10,100]，所述；

进一步地，所述 ∈[-10,10]。

一种外呼机器人的意向打分系统，包括：

意图类别分类模块，分类用户说话的意图类别；

分类器，基于意图类别，对用户说话训练分类模型；

意图识别模块，对每一通对话，通过分类模型进行识别，得到意图识别结果，所述意图识别结果的集合为C={Ci}，i=1,2,3…；

打分模块，对用户说话的意向进行打分。

作为具体实施例地，所述意图类别分类模块包括：

ASR模块，将用户说话的音频转换为文本信息；

数据模块，以文本信息为原始信息，获取关键词；

分类模块，基于关键词将用户说话分类到不同的意图类别。

分类模块，基于关键词将用户说话分类到不同的意图类别。

作为具体实施例地，所述意图识别模块包括ASR模块和分类模型。

作为具体实施例地，所述分类器为深度神经网络文本分类器。

作为具体实施例地，所述打分模块包括：

分数设置模块，对每个所述意图类别设置分数为， ，则总的意图类别原始分数为；

打分模块，所述意向打分为，所述a为可调参数，且a∈[10,100]，所述。

进一步地，所述 ∈[-10,10]。

一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述任一项所述的方法。

综上所述，本公开的有益效果在于：本公开提供了一种外呼机器人的意图识别打分方法及系统，将用户话说话分类为不同的意图类别，并基于意图类别，对用户说话训练分类模型。通过分类模型对用户的每一通对话进行识别，得到通话意图识别结果的集合。给每个意图类别设置分数，对用户意向进行打分，得分高则也意向高，得分低就意向低，外呼机器人外呼同时就可以及时得到用户的意向指数，效果展现直观。

附图说明

图1是本公开的流程示意图。

具体实施方式

以下结合附图对本公开作进一步详细说明。

对外呼机器人的意向进行打分，如图1所示，分类用户说话的意图类别，将意图类别输入到分类器中训练分类模型，分类模型训练好后，输入通话，得到意图识别结果的集合C={Ci}，i=1,2,3…，最后将意图识别结果的集合输入到打分模块进行打分。

本公开将每个意图类别的分数设为，，则总的意图类别原始分数为。当 ∈[-10,10]，打分机制的效果较佳。

根据可得意图识别的打分分数，a为可调参数，且a∈[10,100]，。

分类用户说话的意图类别主要由意图类别分类模块来完成，当然意图类别分类模块是已经训练好的，意图类别分类模块包括ASR模块、数据模块和分类模块。ASR模块为自动识别语音模块，可以将用户说话的音频转为文本信息，数据模块从文本信息中提取关键词，分类模块则根据关键词完成对用户说话的分类。

将意图分类结果输入到分类器，完成分类模型的训练。分类器为深度神经网络文本分类器，例如基于CNN或RNN模型的文本分类器。

分类模型训练完成后，将每一通对话输入意图识别模块进行识别，得到意图识别结果的集合C={Ci}，i=1,2,3…。意图识别模块包括ASR模块和分类模型，ASR模块也是将每一通对话的音频转为文本信息，再将文本信息转入到分类模型进行意图识别。将集合输入打分模块，根据即可得到。

本公开可以应用在客服或服务类的外呼中，如保险、金融及房地产等行业。针对不同的行业，先训练好意图类别分类模块，例如金融行业推销理财产品，先将理财类产品意图类别模块训练好，将一定数量的外呼理财通话经意图类别分类模块进行意图类别识别后，输入至分类器训练分类模型。

分类模型训练完成后，外呼机器人就开始使用分类模型进行外呼，将与用户的通话进行识别后再进行意向打分，得到用户的意向打分，分数的高低即表示用户意向的高低，分数高则意向高，分数低则意向低，能较好的评判用户是否有购买理财产品的意向。对于意向高或成交的用户，可以使用其通话来继续深化训练分类模型，使其外呼的能力越来越强，意向分数越来越高。

应当理解，上面是对本公开的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本发明由权利要求书及其等效物限定。