一种销售跟进判别方法、装置、设备及介质制造方法及图纸

本申请公开了一种销售跟进判别方法、装置、设备及介质，涉及自然语言处理领域，包括：获取历史语音信息，对历史语音信息进行角色预处理，以得到历史文本信息；确定出历史文本信息长度，判断历史文本信息长度是否大于预设阈值，若大于，则对历史文本信息进行压缩处理，以得到目标历史文本信息；基于目标历史文本信息对预测模型进行训练，以得到目标预测模型，对目标预测模型进行二次训练，以得到训练后模型，将目标历史文本信息发送至训练后模型，以得到预测结果；判断预测结果中是否存在脏数据，若不存在，则结束销售跟进。本申请能够实现电销场景跟进判断标准统一，提高模型的稳定性，从而提高销售跟进判断分类模型来电销场景跟进的效率。跟进的效率。跟进的效率。

【技术实现步骤摘要】
一种销售跟进判别方法、装置、设备及介质


[0001]本专利技术涉及自然语言处理领域，特别涉及一种销售跟进判别方法、装置、设备及介质。

技术介绍

[0002]目前，电销场景中，每个销售人员每天会打出很多通电话，只通过个人记录是否需要跟进容易出错同时每个人的跟进标准不同，如果出现销售人员切换更容易导致跟进记录错乱，极大的消耗人力且容易出错。因此需要设计模型能自动判别出通话是否需要跟进，即一个NLP领域算法对通话内容进行文本分类的任务。相比于其他的文本分类场景，电销场景有三个比较难处理的问题，一个是通话内容多变，一个是通话长短不一，最后一个是实际跟进的样本相比于不需要跟进的样本较少会有样本分布不均衡的现象，这也就导致通常的文本分类方法在本任务上效果表现较差。现有技术的缺点：根据跟类类别对难度较大的分类直接标注容易出现歧义导致标注工作多次返工，极大浪费了人力资源。通常的深度学习模型输入方法对长文本兼容性较差，而特定的能处理长文本的模型会因为通话信息过多导致实际效果不好且更耗费部署上线资源。常用的对抗训练要么耗时效果较好要么耗时不多效果一般。训练后使用通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种销售跟进判别方法，其特征在于，包括：获取待判别的历史语音信息，并对所述历史语音信息进行角色预处理，以得到历史文本信息；确定出历史文本信息长度，判断所述历史文本信息长度是否大于预设阈值，若所述历史文本信息长度大于预设阈值，则对所述历史文本信息进行压缩处理，以得到目标历史文本信息；基于所述目标历史文本信息对预设的预测模型进行训练，以得到目标预测模型，对所述目标预测模型进行二次训练，以得到训练后模型，将所述目标历史文本信息发送至所述训练后模型，以得到预测结果；判断所述预测结果中是否存在脏数据，若所述预测结果中不存在脏数据，则结束销售跟进。2.根据权利要求1所述的销售跟进判别方法，其特征在于，所述对所述历史语音信息进行角色预处理，以得到历史文本信息，包括：利用自动语音识别技术对所述历史语音信息进行识别，以得到识别后文本信息；根据业务需求确定出销售跟进判定规则，基于所述销售跟进判定规则对所述识别后文本信息进行标注，以得到历史文本信息。3.根据权利要求1所述的销售跟进判别方法，其特征在于，所述对所述历史文本信息进行压缩处理，以得到目标历史文本信息，包括：按照预设的信息长度截断比例对所述历史文本信息进行信息截断处理，以得到截断处理后的历史文本信息；采用Textrank算法对所述截断处理后的历史文本信息进行信息关键词提取和填充处理，以得到目标历史文本信息。4.根据权利要求1所述的销售跟进判别方法，其特征在于，所述对所述目标预测模型进行二次训练，以得到训练后模型，包括：利用Free LB算法对所述目标预测模型进行对抗训练，以得到对抗训练后模型；利用预设的预训练模型的albert
‑
tiny对所述对抗训练后模型进行文本二分类任务训练，以得到训练后模型。5.根据权利要求1至4任一项所述的销售跟进判别方法，其特征在于，所述对所述目标预测模型进行二次训练，以得到训练后模型，将所述目标历史文本信息发送至所述训练后模型，以得到预测结果，包括：采用5
‑
flod方法对所述目标预测模型进行二次训练，以得到训练后模型，将所述目标历史文本信息发送至所述训练后模型，以得到第一预测结果；采用代表点排序算法对所述目标预测模型进行二次训练，以得到训练后模型，将所述目标历史文本信息发送至所述训练后模型，以得到第二预测结果；基于所述第一预测结果和所述第二预测结果确定出预测结果...

【专利技术属性】
技术研发人员：郝培宁，蒋林林，周柳阳，
申请(专利权)人：上海销氪信息科技有限公司，
类型：发明
国别省市：