【技术实现步骤摘要】
确定话术序列的方法、装置以及存储介质
[0001]本申请涉及智能语音通话
，特别是涉及一种确定话术序列的方法、装置以及存储介质。
技术介绍
[0002]随着人工智能技术发展，现在已经出现许多通过机器人与人进行语音交流系统，特别是在语音客服、智能电销、智能催收以及智能音箱等语音交互场景应用非常广泛。当机器人能够与人语音交流后，如何提升交流的效果，就成为一个难点(例如在智能提醒中，如何提升机器人提醒的效率更高)。除了人工优化机器人话术以外，技术人员也能够根据用户画像进行用户精准营销，达到千人千面的营销效果。现有的机器人交互的话术序列预测方案是使用模型预测话术序列的挂断率以及挂断转化率，然后通过挂断率和挂断转化率预测结果计算话术序列的期望转化率，但是在这种方案中最终的期望转化率没有直接的模型指导，无法做离线指标评估，而且只能在线评估方式除了实验周期慢以外，预测结果的不确定性对业务影响更大。
[0003]针对上述的现有技术中存在的现有的话术序列预测方法，无法做离线指标评估，并且实验周期慢以及预测结果的不确定性对业务影响...
【技术保护点】
【技术特征摘要】
1.一种确定话术序列的方法，所述话术序列包括与目标用户进行交互的各个话术节点所对应的话术单元中的其中一个话术，其特征在于，包括：确定所述目标用户的用户特征信息以及与所述目标用户进行交互的交互过程信息，其中所述交互过程信息包括：与所述目标用户进行交互的当前话术序列、所述当前话术序列的子序列、与所述目标用户进行交互的后续话术序列集合以及与所述后续话术序列集合对应的后续话术父节点索引信息；以及利用预先训练的最优话术序列预测模型，根据所述用户特征信息和所述交互过程信息，确定与所述目标用户进行交互的最优话术序列，其中所述当前话术序列为与所述目标用户进行交互的当前话术节点以及先前话术节点所对应的话术单元所构成的序列；所述后续话术序列为由当前话术节点之后的后续话术节点所对应的话术单元构成的序列；以及所述后续话术父节点索引信息用于为后续话术序列寻找其父节点话术序列。2.根据权利要求1所述的方法，其特征在于，各个话术节点构成多个话术序列，并且利用预先训练的最优话术序列预测模型，根据所述用户特征信息和所述交互过程信息，确定与所述目标用户进行交互的最优话术序列的操作，包括：利用预先训练的最优话术序列预测模型，根据所述用户特征信息和所述交互过程信息，获取所述多个话术序列的期望转化率；以及根据所述多个话术序列的期望转化率，确定所述多个话术序列中用于与所述目标用户进行交互的最优话术序列。3.根据权利要求1所述的方法，其特征在于，还包括根据以下操作训练所述最优话术序列预测模型：获取与已拨打记录中的已拨打用户对应的交互信息以及用户画像；以及根据预先设置的深度神经网络算法，对所述交互信息以及所述用户画像进行学习，确定所述最优话术序列预测模型。4.根据权利要求3所述的方法，其特征在于，根据预先设置的深度神经网络算法，对所述交互信息以及所述用户画像进行学习，确定所述最优话术序列预测模型的操作，包括：对所述交互信息进行特征处理，确定所述交互信息中对应的话术特征信息；对所述用户画像进行特征处理，确定与所述已拨打用户相关的用户特征；根据所述交互信息，确定所述交互信息对应的转化率信息、所述交互信息中的当前话术序列的当前话术挂断率以及话术子序列的子话术挂断率；以及根据预先设置的深度神经网络算法，将所述用户特征以及所述话术特征信息作为所述深度神经网络算法的输入向量，以及将所述转化率信息、当前话术挂断率以及子话术挂断率作为输出向量，确定所述最优话术序列预测模型。5.根据权利要求4所述的方法，其特征在于，所述话术特征信息包括当前话术序列、话术子序列向量、后续话术序列向量以及后续话术父节点索引，并且将所述用户特征以及所述话术特征信息作为所述深度神经网络算法的输入向量的操作，还包括：通过预先设置的嵌入层和全连接层将所述用户特征进行编码，确定用户特征编码；通过预先设置的嵌入层和循环神经网络将所述话术特征信息中的当前话术特征、话术
子序列向量、后续话术序列向量...
【专利技术属性】
技术研发人员：罗欢，陈实，王洪斌，蒋宁，权圣，吴海英，关力，
申请(专利权)人：北京有限元科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。