网点机器人自调节方法及装置制造方法及图纸

本发明专利技术提供一种网点机器人自调节方法及装置，其中方法应用于网点机器人，所述方法包括：确定业务办理操作的初始业务参数集；在业务操作过程中录取用户语音并提取用户语音特征；输入所述用户语音特征至理解程度识别模型，获得所述理解程度识别模型输出的、适用于用户的当前等级；利用所述当前等级执行业务办理操作。本发明专利技术在业务办理过程中基于用户理解程度来确定当前等级，以便网点机器人利用当前等级来执行业务办理操作，从而提升业务办理操作的灵活性。

【技术实现步骤摘要】
网点机器人自调节方法及装置
本申请涉及通信
，尤其涉及网点机器人自调节方法及装置。
技术介绍
现在银行非常关注科技的力量，很多银行网点已经部署有网点机器人，网点机器人可以协助客户解答问题、办理业务，从而提升用户体验。但是，现在网点机器人业务处理过程是固定不变的，例如输出语速一致、业务展现方式一致等。因此业务处理过程较为机械化。
技术实现思路
鉴于此，本申请提供网点机器人自调节方法、装置及系统，可以根据用户理解程度来灵活调节业务处理过程，提升灵活性。为了实现上述目的，本专利技术提供了以下技术特征：一种网点机器人自调节方法，应用于网点机器人，所述方法包括：确定业务办理操作的初始业务参数集；在业务操作过程中录取用户语音并提取用户语音特征；输入所述用户语音特征至理解程度识别模型，获得所述理解程度识别模型输出的、适用于用户的当前等级；利用所述当前等级执行业务办理操作。可选的，所述确定业务办理操作的初始业务参数集包括：通过排队设备获取处于等待状态的用户数量；预估与所述用户数量对应的业务办理时间总和；输入所述用户数量和业务办理时间总和至预先训练好的业务调节模型，获得业务调节模型输出的初始业务参数集。可选的，所述预估与所述用户数量对应的业务办理时间总和包括：从银行服务器提取处于等待状态的各个用户的基本数据，从排队设备获取所需办理的业务标识；分别输入各个用户的基本数据和所需办理的业务标识至业务时间预估模型，并获得所述业务时间预估模型输出的各个用户对应的业务办理时间；对各个用户对应的业务办理时间执行加和操作获得业务办理时间总和。可选的，所述初始业务参数集包括：语速、语调和业务模式。可选的，在所述利用所述当前等级执行业务办理操作之后，还包括：构建并保存用户的用户标识和所述当前等级的对应关系。一种网点机器人自调节装置，应用于网点机器人，所述装置包括：确定单元，用于确定业务办理操作的初始业务参数集；提取单元，用于在业务操作过程中录取用户语音并提取用户语音特征；计算单元，用于输入所述用户语音特征至理解程度识别模型，获得所述理解程度识别模型输出的、适用于用户的当前等级；执行单元，用于利用所述当前等级执行业务办理操作。可选的，所述确定单元包括：获取单元，用于通过排队设备获取处于等待状态的用户数量；预估单元，用于预估与所述用户数量对应的业务办理时间总和；获得单元，用于输入所述用户数量和业务办理时间总和至预先训练好的业务调节模型，获得业务调节模型输出的初始业务参数集。可选的，所述预估单元具体包括：从银行服务器提取处于等待状态的各个用户的基本数据，从排队设备获取所需办理的业务标识；分别输入各个用户的基本数据和所需办理的业务标识至业务时间预估模型，并获得所述业务时间预估模型输出的各个用户对应的业务办理时间；对各个用户对应的业务办理时间执行加和操作获得业务办理时间总和。可选的，所述初始业务参数集包括：语速、语调和业务模式。可选的，在所述执行单元之后，还包括：构建单元，用于构建并保存用户的用户标识和所述当前等级的对应关系。通过以上技术手段，可以实现以下有益效果：本专利技术可以首先确定业务办理操作的初始业务参数集，在业务操作过程中录取用户语音并提取用户语音特征；输入所述用户语音特征至理解程度识别模型，获得所述理解程度识别模型输出的、适用于用户的当前等级，最后利用当前等级执行业务办理操作。本专利技术在业务办理过程中基于用户理解程度来确定当前等级，以便网点机器人利用当前等级来执行业务办理操作，从而提升业务办理操作的灵活性。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例公开的一种网点机器人自调节系统的结构示意图；图2为本申请实施例公开的一种业务调节模型训练方法的流程图；图3为本申请实施例公开的一种业务时间预估模型的训练方法的流程图；图4为本申请实施例公开的一种理解程度识别模型的训练方法的流程图；图5为本申请实施例公开的一种网点机器人自调节方法的流程图；图6为本申请实施例公开的一种网点机器人自调节方法中确定业务办理操作的初始业务参数集的流程图；图7为本申请实施例公开的一种网点机器人自调节装置的结构示意图。具体实施方式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，所描述的实施例仅仅是本申请一部分实施例，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。本专利技术提供一种网点机器人自调节系统，参见图1包括：网点机器人100、排队设备200和银行服务器300。根据本申请提供的实施例，本专利技术提供一种业务调节模型训练方法。参见图2，包括以下步骤：步骤S201：获取训练样本集。一个训练样本包括用户数量、业务办理时间总和以及业务参数集，业务参数集包括：语速、语调和业务模式。可以理解的是，在用户数量较少业务办理时间总和较小的情况下，语速可以为正常语速、业务模式为丰富模式。在丰富模式下可以提供较为详尽的业务介绍和业务提醒，以及，在业务办理结束时可以提供理财产品推荐和介绍，以便可以为银行带来最大收益。可以理解的是，在用户数量适中业务办理时间总和适中的情况下，语速可以为正常语速、业务模式为正常模式。正常模式下可以提供正常情况的业务介绍和业务提醒，业务办理结束之后即可。可以理解的是，在用户数量较多业务办理时间总和较多的情况下，语速可以为加快语速、业务模式为精简模式。精简模式下可以提供比正常情况更加精简化的业务介绍和业务提醒，以便客户简单方便了解业务核心内容，业务办理结束即可。步骤S202：利用所述训练样本集训练神经网络模型。利用训练样本集来训练神经网络模型，并在训练过程使得神经网络模型学习到用户数量和业务办理时间总和，与，业务参数集的对应关系。步骤S203：在训练结束后获得训练好的业务调节模型。业务调节模型以用户数量和业务办理时间总和为输入，以与用户数量和业务办理时间总和对应的业务参数集为输出。根据本申请提供的实施例，本专利技术提供一种业务时间预估模型的训练方法。参见图3，包括以下步骤：步骤S301：获取训练样本集。一个训练样本包括一个用户的基本数据，以及，某一业务标识对应的业务办理时间。用户的基本数据可以包括用户年龄、学历等基本数据。业务标识对应的业务办理时间为本文档来自技高网...

【技术保护点】
1.一种网点机器人自调节方法，其特征在于，应用于网点机器人，所述方法包括：/n确定业务办理操作的初始业务参数集；/n在业务操作过程中录取用户语音并提取用户语音特征；/n输入所述用户语音特征至理解程度识别模型，获得所述理解程度识别模型输出的、适用于用户的当前等级；/n利用所述当前等级执行业务办理操作。/n

【技术特征摘要】
1.一种网点机器人自调节方法，其特征在于，应用于网点机器人，所述方法包括：
确定业务办理操作的初始业务参数集；
在业务操作过程中录取用户语音并提取用户语音特征；
输入所述用户语音特征至理解程度识别模型，获得所述理解程度识别模型输出的、适用于用户的当前等级；
利用所述当前等级执行业务办理操作。


2.如权利要求1所述的方法，其特征在于，所述确定业务办理操作的初始业务参数集包括：
通过排队设备获取处于等待状态的用户数量；
预估与所述用户数量对应的业务办理时间总和；
输入所述用户数量和业务办理时间总和至预先训练好的业务调节模型，获得业务调节模型输出的初始业务参数集。


3.如权利要求2所述的方法，其特征在于，所述预估与所述用户数量对应的业务办理时间总和包括：
从银行服务器提取处于等待状态的各个用户的基本数据，从排队设备获取所需办理的业务标识；
分别输入各个用户的基本数据和所需办理的业务标识至业务时间预估模型，并获得所述业务时间预估模型输出的各个用户对应的业务办理时间；
对各个用户对应的业务办理时间执行加和操作获得业务办理时间总和。


4.如权利要求1所述的方法，其特征在于，所述初始业务参数集包括：
语速、语调和业务模式。


5.如权利要求1所述的方法，其特征在于，在所述利用所述当前等级执行业务办理操作之后，还包括：
构建并保存用户的用户标识和所述当前等级的对应关系。

<...

【专利技术属性】
技术研发人员：黄文强，季蕴青，胡路苹，胡玮，黄雅楠，胡传杰，浮晨琪，李蚌蚌，申亚坤，徐晨敏，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：北京;11