freeswitch呼叫异常断开详因追踪方法、系统、电子设备及存储介质技术方案

本发明专利技术提供了一种freeswitch呼叫异常断开详因追踪方法、系统、电子设备及存储介质，属于数据处理的技术领域。所述方法包括：根据现场数据实时记录系统选用匹配的追因模型，并基于此编写off

【技术实现步骤摘要】
freeswitch呼叫异常断开详因追踪方法、系统、电子设备及存储介质


[0001]本专利技术属于数据处理的
，具体地涉及一种freeswitch呼叫异常断开详因追踪方法、系统、电子设备及存储介质。

技术介绍

[0002]freeswitch作为一款开源的、免费的、好用的电话软交换解决方案，已经被广泛应用于适合自动外呼的各实际业务场景，比如助力抗疫的接种新冠疫苗通知、电信运营商的欠费催缴通知等。一通自动外呼电话从发起到结束的正常流程大致可以分为三个阶段：第一阶段，由业务控制调度系统通过事件套接字和freeswitch服务器建立稳定的长连接并订阅相关通道事件，然后向freewitch发送发起外呼的命令，其中携带需要呼叫的号码等参数；第二阶段，freeswitch内部对该命令字符串文本进行解析、向对应的中继服务器发送会话初始协议中的邀请报文(INVITE)，该报文通过远端网络最终会被路由发送到该号码所在的硬件终端，一系列的会话初始协议报文交互后，该号码所在硬件终端会收到来电振铃提醒；第三阶段，用户摘机后开始正常交互直至挂机，与此同时，业务控制调度系统会收到相应的通道事件，并执行播音、录音等一系列预定操作，背后会按需调用自动语音识别引擎和意图理解引擎和文本转语音引擎。
[0003]一般地，freeswitch会将表征呼叫断开详细原因的数字代码(XXX_YYY，如480_19)固定存放在某些通道事件的固定某些字段中，在上述呼叫过程的第二阶段或第三阶段，业务控制调度系统可以直接从对应通道事件的相关字段中获取到呼叫断开的详因代码。在实际的外呼应用过程中，自动外呼都是批量高并发地进行，受实时网络因素、呼叫链路各环节的软硬件实时状态因素等影响；有些号码存在呼叫过程异常断开，且存放详因数字代码的对应通道事件对应字段丢失为空的情况。
[0004]针对freeswitch的自动外呼系统在实际复杂网络软硬件环境、高并发外呼时易产生呼叫异常中断，以及存储详因代码值的字段易丢失为空的技术问题，出于业务需要、系统优化等动机，常需要快速精准获取这些号码对应的呼叫异常断开的详因。为了获取该详因，通常采用如图1所示的人工分析办法。具体来说，可分为如图2所示的步骤进行：S1，需要从呼叫链路各环节(如freeswitch服务器等)导出运行时现场数据；S2，协商讨论，分析对比、排查检测其中存在的异常问题；S3，根据猜想原因组织测试，不是当前原因就迭代猜想原因进一步测试验证；S4，验证得到真实呼叫异常断开的详细原因。可见，这种人工分析办法，整个过程只能依赖各呼叫链路各环节中每位技术专家的专业能力、协作能力、严谨思维和精神意志力等进行排查、检测、分析，整个过程人工成本高、耗时长、效率低。
[0005]因此，针对上述人工分析办法存在的人工成本高、耗时长、效率低等问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]为了解决上述技术问题，本专利技术提供了一种freeswitch呼叫异常断开详因追踪方法、系统、电子设备及存储介质，通过迭代策略在off
‑
line训练系统中定期补充更新数据针对其追因模型进行增量训练及微调，以使更新至on
‑
line推理系统，当存在详因代码缺失的呼叫时可快速根据uuid值从现场实时记录系统中取出对应数据，并将数据送入on
‑
line推理系统中预测得到详因代码。
[0007]第一方面，本专利技术提供一种freeswitch呼叫异常断开详因追踪方法，包括：
[0008]构建现场数据实时记录系统；
[0009]根据所述现场实时记录系统选用匹配的追因模型，并基于所述追因模型编写off
‑
line训练系统及on
‑
line推理系统；
[0010]从所述现场实时记录系统及人工质检历史数据库中按预设比例抽取定量的数据作为训练数据；
[0011]通过所述训练数据迭代训练所述off
‑
line训练系统中的追因模型以调整其模型参数，得到最优追因模型；
[0012]采用所述最优追因模型更新所述on
‑
line推理系统得到目标on
‑
line推理系统；
[0013]根据异常断开的freeswitch呼叫的uuid获取其对应的目标现场数据，并基于所述目标现场数据通过所述目标on
‑
line推理系统预测得到所述freeswitch呼叫异常断开的目标详因代码。
[0014]较佳地，所述构建现场数据实时记录系统的步骤具体包括：
[0015]根据呼叫链路确定所需采集的各环节以及所述各环节中所需采集的字段信息；
[0016]通过采集服务器和所述各环节的服务器的白名单互相添加IP，以实现所述各环节的网络通道的互联互通；
[0017]针对所述各环节的服务器编写python监听程序脚本，定时采集所述字段信息并将其保存为新文件；
[0018]将所述新文件存放至所述各环节的服务器上配置的源文件夹目录，以使flume系统实现实时监听并将监听结果自动采集到kafka系统；
[0019]通过所述flume系统及所述kafka系统构建现场数据实时记录系统。
[0020]较佳地，所述根据所述现场实时记录系统选用匹配的追因模型，并基于所述追因模型编写off
‑
line训练系统及on
‑
line推理系统的步骤具体包括：
[0021]根据所述现场实时记录系统针对预训练模型所需的考虑因数选用匹配的追因模型，并下载所述追因模型的初始参数文件；
[0022]基于所述初始参数文件针对所述追因模型编写off
‑
line训练系统及on
‑
line推理系统。
[0023]较佳地，所述通过所述训练数据迭代训练所述off
‑
line训练系统中的追因模型以调整其模型参数，得到最优追因模型的步骤具体包括：
[0024]将所述训练数据进行清洗及转换处理，以使所述训练数据的键值格式转换成文本表达形式格式；
[0025]将转换格式后的所述训练数据进行拼接符切分得到最终数据，其中所述最终数据具体为输入是SEP分隔开的长文本串、输出是对应详因代码的id；
[0026]根据所述最终数据选择适配的损失函数进行超参数组合以迭代训练所述off
‑
line训练系统中的追因模型；其中所述损失函数为交叉熵损失函数或焦点损失函数；
[0027]迭代训练结束后采用评价公式选取最优模型作为最优追因模块。
[0028]较佳地，所述评价公式为：
[0029][0030]式中，F1表示评价值，r表示召回率，p表示精准率。
[0031]较佳地，所述根据异常断开的freeswitch呼叫的uuid获取其对应的目标现场数据，并基于所述目标现场数据通过所述目标on
‑
line推理系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种freeswitch呼叫异常断开详因追踪方法，其特征在于，包括：构建现场数据实时记录系统；根据所述现场实时记录系统选用匹配的追因模型，并基于所述追因模型编写off
‑
line训练系统及on
‑
line推理系统；从所述现场实时记录系统及人工质检历史数据库中按预设比例抽取定量的数据作为训练数据；通过所述训练数据迭代训练所述off
‑
line训练系统中的追因模型以调整其模型参数，得到最优追因模型；采用所述最优追因模型更新所述on
‑
line推理系统得到目标on
‑
line推理系统；根据异常断开的freeswitch呼叫的uuid获取其对应的目标现场数据，并基于所述目标现场数据通过所述目标on
‑
line推理系统预测得到所述freeswitch呼叫异常断开的目标详因代码。2.根据权利要求1所述的freeswitch呼叫异常断开详因追踪方法，其特征在于，所述构建现场数据实时记录系统的步骤具体包括：根据呼叫链路确定所需采集的各环节以及所述各环节中所需采集的字段信息；通过采集服务器和所述各环节的服务器的白名单互相添加IP，以实现所述各环节的网络通道的互联互通；针对所述各环节的服务器编写python监听程序脚本，定时采集所述字段信息并将其保存为新文件；将所述新文件存放至所述各环节的服务器上配置的源文件夹目录，以使flume系统实现实时监听并将监听结果自动采集到kafka系统；通过所述flume系统及所述kafka系统构建现场数据实时记录系统。3.根据权利要求1所述的freeswitch呼叫异常断开详因追踪方法，其特征在于，所述根据所述现场实时记录系统选用匹配的追因模型，并基于所述追因模型编写off
‑
line训练系统及on
‑
line推理系统的步骤具体包括：根据所述现场实时记录系统针对预训练模型所需的考虑因数选用匹配的追因模型，并下载所述追因模型的初始参数文件；基于所述初始参数文件针对所述追因模型编写off
‑
line训练系统及on
‑
line推理系统。4.根据权利要求1所述的freeswitch呼叫异常断开详因追踪方法，其特征在于，所述通过所述训练数据迭代训练所述off
‑
line训练系统中的追因模型以调整其模型参数，得到最优追因模型的步骤具体包括：将所述训练数据进行清洗及转换处理，以使所述训练数据的键值格式转换成文本表达形式格式；将转换格式后的所述训练数据进行拼接符切分得到最终数据，其中所述最终数据具体为输入是SEP分隔开的长文本串、输出是对应详因代码的id；根据所述最终数据选择适配的损失函数进行超参数组合以迭代训练所述off
‑...

【专利技术属性】
技术研发人员：张琳，吴文韬，陶俊，尧德鹏，刘凯，
申请(专利权)人：江西电信信息产业有限公司，
类型：发明
国别省市：