基于NLP的车险业务回话线索推荐方法及其相关设备技术

本申请实施例属于金融科技技术领域，应用于金融业务中投保定价指导领域中，涉及一种基于NLP的车险业务回话线索推荐方法及其相关设备，包括识别人机对话录音；进行转文字处理，实时动态获取对话文本数据；采用NLP自然语言处理对话文本数据；获取客户意图聚类结果；识别通话客户的对话意图；根据所述对话意图筛选对应的回话文本作为推荐线索分配给当前人机对话后的下一转接坐席，完成对所述转接坐席的回话线索推荐。本申请采用ASR+kafka+动态数据流获取框架+NLP的方式，实现了人工客服在转接被AI语音服务助手服务过的客户时，面对冗长的AI智能外呼数据记录，能快速定位通话客户的对话意图，提高人工坐席的工作效率，保证了客户的良好通话体验。良好通话体验。良好通话体验。

【技术实现步骤摘要】
基于NLP的车险业务回话线索推荐方法及其相关设备


[0001]本申请涉及金融科技
，尤其涉及一种基于NLP的车险业务回话线索推荐方法及其相关设备。

技术介绍

[0002]随着人工智能及语音助手的普及与发展，越来越多的保险公司采用AI语音的方式服务用户，这种便捷的在线服务省去了大量的人力开销，与此同时，AI语音服务助手与传统的人工客服相比，更加可控且并行度更高。但目前而言，由于保险行业的“AI热潮”处于起步阶段，目前的AI助手不足以完成整个的销售流程，所以存在AI语音服务助手提前接触客户，以探求客户的投保需求，而在最后的投保步骤接着由人工客服承接的方式。
[0003]这种AI语音服务助手+人工客服双重服务的新型方式有利于节省人力开销的同时，又保证了投保步骤的稳定运行，但是人工客服在转接被AI语音服务助手服务过的客户时，面对冗长的AI智能外呼数据记录，通常很难理解及直接利用。

技术实现思路

[0004]本申请实施例的目的在于提出一种基于NLP的车险业务回话线索推荐方法及其相关设备，以解决现有技术中人工客服在转接被AI语音服务助手服务过的客户时，面对冗长的AI智能外呼数据记录，通常很难理解及直接利用问题。
[0005]为了解决上述技术问题，本申请实施例提供一种基于NLP的车险业务回话线索推荐方法，采用了如下所述的技术方案：
[0006]一种基于NLP的车险业务回话线索推荐方法，包括下述步骤：
[0007]根据ASR技术识别AI语音机器人与通话客户间的人机对话录音；/>[0008]通过ASR识别技术，对所述人机对话录音进行转文字处理，并实时动态获取所述人机对话录音对应的对话文本数据；
[0009]采用NLP自然语言处理技术对所述对话文本数据进行量化处理，获取量化处理结果；
[0010]基于预构建的车险语义拓扑图谱对所述量化处理结果进行聚类处理，获取客户意图聚类结果；
[0011]根据所述客户意图聚类结果和预设筛选规则，识别所述通话客户的对话意图；
[0012]根据所述对话意图筛选对应的回话文本作为推荐线索分配给当前人机对话后的下一转接坐席，完成对所述转接坐席的回话线索推荐。
[0013]进一步的，所述实时动态获取所述人机对话录音对应的对话文本数据的步骤，具体包括：
[0014]通过kafka消息中间件实时获取所述人机对话录音对应的对话文本数据；
[0015]采用Apache Spark Streaming技术提取所述kafka消息中间件内的所述对话文本数据，其中，所述Apache Spark Streaming为一种动态数据流批处理框架。
[0016]进一步的，在执行所述采用Apache Spark Streaming技术提取所述kafka消息中间件内的所述对话文本数据的步骤过程中，所述方法还包括：
[0017]根据实时提取的所述对话文本数据和预设计算规则，计算提取时批处理间隔、块间隔、滑动窗口大小和滑动间隔；
[0018]根据计算结果，判断是否需要对所述批处理间隔、块间隔、滑动窗口大小和滑动间隔进行调优处理；
[0019]若需要，则根据预设调优方案，在提取过程中对所述批处理间隔、块间隔、滑动窗口大小和滑动间隔进行并行调优。
[0020]进一步的，所述采用NLP自然语言处理技术对所述对话文本数据进行量化处理，获取量化处理结果的步骤，具体包括：
[0021]采用NLP自然语言处理技术对所述对话文本数据依次进行句法解析、词性标注和分词处理；
[0022]根据词性标注和分词处理结果，并结合预设停用词表单删除所述对话文本数据中的停用词；
[0023]将删除过所述停用词之后的分词处理结果作为所述对话文本数据对应的所述量化处理结果。
[0024]进一步的，所述基于预构建的车险语义拓扑图谱对所述量化处理结果进行聚类处理，获取客户意图聚类结果的步骤，具体包括：
[0025]根据所述车险语义拓扑图谱识别出所述量化处理结果中的关键词，其中，所述车险语义拓扑图谱中预先设置了表征车险不同维度特征的关键词，包括车险相关险种名称、险种编码、车险业务相关部门、部门编码、业务常用短语；
[0026]采用TF
‑
IDF词频度量法对所述关键词进行词频计算，根据词频计算结果获取不同关键词分别在所述通话客户进行人机对话过程中出现的频率；
[0027]并根据所述频率对所述不同关键词进行排序处理，将排序处理结果作为聚类处理结果；
[0028]参照预设关键词与客户意图对照表单，获取所述聚类处理结果对应的客户意图聚类结果。
[0029]进一步的，所述采用TF
‑
IDF词频度量法对所述关键词进行词频计算，根据词频计算结果获取不同关键词分别在所述通话客户进行人机对话过程中出现的频率的步骤，具体包括：
[0030]获取所述通话客户的联系方式，并根据所述通话客户的联系方式，从预设对话文本数据库中获取所述通话客户对应的历史对话文本数据，其中，所述对话文本数据库中缓存有所述通话客户每一次进行人机对话后的所述量化处理结果；
[0031]根据预设词频度量公式:TFIDF
i
＝F
i
*DF
i
，获取不同关键词分别在所述通话客户进行人机对话过程中出现的频率，其中，TF
i
表示关键词i在当前文档中出现的频率值，IDF
i
表示关键词i对应的逆向文件频率。
[0032]进一步的，所述根据所述客户意图聚类结果和预设筛选规则，识别所述通话客户的对话意图的步骤，具体包括：
[0033]根据预设筛选规则，筛选出在所述通话客户进行人机对话过程中出现的频率排名
前N位的关键词；
[0034]获取所述排名前N位的关键词对应的客户意图聚类结果作为所述通话客户的对话意图。
[0035]为了解决上述技术问题，本申请实施例还提供一种基于NLP的车险业务回话线索推荐装置，采用了如下所述的技术方案：
[0036]一种基于NLP的车险业务回话线索推荐装置，包括：
[0037]录音识别模块，用于根据ASR技术识别AI语音机器人与通话客户间的人机对话录音；
[0038]文本数据获取模块，用于通过ASR识别技术，对所述人机对话录音进行转文字处理，并实时动态获取所述人机对话录音对应的对话文本数据；
[0039]量化处理模块，用于采用NLP自然语言处理技术对所述对话文本数据进行量化处理，获取量化处理结果；
[0040]聚类处理模块，用于基于预构建的车险语义拓扑图谱对所述量化处理结果进行聚类处理，获取客户意图聚类结果；
[0041]对话意图识别模块，用于根据所述客户意图聚类结果和预设筛选规则，识别所述通话客户的对话意图；
[0042]回话线索推荐模块，用于根据所述对话意图筛选对应的回话文本作为推荐线索分配给当前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于NLP的车险业务回话线索推荐方法，其特征在于，包括下述步骤：根据ASR技术识别A I语音机器人与通话客户间的人机对话录音；通过ASR识别技术，对所述人机对话录音进行转文字处理，并实时动态获取所述人机对话录音对应的对话文本数据；采用NLP自然语言处理技术对所述对话文本数据进行量化处理，获取量化处理结果；基于预构建的车险语义拓扑图谱对所述量化处理结果进行聚类处理，获取客户意图聚类结果；根据所述客户意图聚类结果和预设筛选规则，识别所述通话客户的对话意图；根据所述对话意图筛选对应的回话文本作为推荐线索分配给当前人机对话后的下一转接坐席，完成对所述转接坐席的回话线索推荐。2.根据权利要求1所述的基于NLP的车险业务回话线索推荐方法，其特征在于，所述实时动态获取所述人机对话录音对应的对话文本数据的步骤，具体包括：通过kafka消息中间件实时获取所述人机对话录音对应的对话文本数据；所述实时动态获取所述人机对话录音对应的对话文本数据的步骤之后，还包括：采用Apache Spark Streaming技术提取所述kafka消息中间件内的所述对话文本数据，其中，所述Apache Spark Streaming为一种动态数据流批处理框架。3.根据权利要求2所述的基于NLP的车险业务回话线索推荐方法，其特征在于，在执行所述采用Apache Spark Streaming技术提取所述kafka消息中间件内的所述对话文本数据的步骤过程中，所述方法还包括：根据实时提取的所述对话文本数据和预设计算规则，计算提取时批处理间隔、块间隔、滑动窗口大小和滑动间隔；根据计算结果，判断是否需要对所述批处理间隔、块间隔、滑动窗口大小和滑动间隔进行调优处理；若需要，则根据预设调优方案，在提取过程中对所述批处理间隔、块间隔、滑动窗口大小和滑动间隔进行并行调优。4.根据权利要求1所述的基于NLP的车险业务回话线索推荐方法，其特征在于，所述采用NLP自然语言处理技术对所述对话文本数据进行量化处理，获取量化处理结果的步骤，具体包括：采用NLP自然语言处理技术对所述对话文本数据依次进行句法解析、词性标注和分词处理；根据词性标注和分词处理结果，并结合预设停用词表单删除所述对话文本数据中的停用词；将删除过所述停用词之后的分词处理结果作为所述对话文本数据对应的所述量化处理结果。5.根据权利要求1所述的基于NLP的车险业务回话线索推荐方法，其特征在于，所述基于预构建的车险语义拓扑图谱对所述量化处理结果进行聚类处理，获取客户意图聚类结果的步骤，具体包括：根据所述车险语义拓扑图谱识别出所述量化处理结果中的关键词，其中，所述车险语义拓扑图谱中预先设置了表征车险不同维度特征的关键词，包括车险相关险种名称、险种
编码、车险业务相关部门、部门编码、业务常用短语；采用TF
‑
IDF词频度量法对所述关键词进行词频计算，根据词频计算...

【专利技术属性】
技术研发人员：严杨扬，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：