一种基于声音信息的客服推荐方法、话务系统及计算设备技术方案

本申请公开了一种基于声音信息的客服推荐方法、话务系统及计算设备。其中基于声音信息的客服推荐方法包括：响应于切换客服请求，生成用户与第一客服通话的文本特征向量和用户的声音特征向量，切换客服请求包括将通话客服由第一客服切换为第二客服；利用声音匹配模型，对用户的声音特征向量与各第二客服的声音特征向量进行处理，得到声音匹配特征；基于声音匹配特征、文本特征向量、用户的用户信息特征和各第二客服的客服信息特征，利用客服推荐模型，得到用户对各第二客服的满意度预测值；以及基于满意度预测值，确定出对应的第二客服并推荐给所述用户。根据本申请的方案能够提升话务系统服务质量、增加用户粘性。话务系统服务质量、增加用户粘性。话务系统服务质量、增加用户粘性。

【技术实现步骤摘要】
一种基于声音信息的客服推荐方法、话务系统及计算设备


[0001]本申请涉及计算机
，尤其涉及一种基于声音信息的客服推荐方法、话务系统及计算设备。

技术介绍

[0002]话务系统目前的应用多集中在热线和咨询电话。通常，经过培训的客服专门负责接听和处理来电用户的各种问题，如咨询、投诉、建议等。随着计算机技术、通信技术、网络技术以及各行各业客户需求和业务的发展，在话务系统中使用机器人客服来替代人工客服的部分工作。
[0003]通常，面对用户的咨询需求，机器人客服可以通过语义分析等处理来查找到对应的答案并进行回复，以节省人工、提高会话效率。然而，受限于知识库内容和算法的精准度等原因，机器人客服并不能完全满足用户的咨询需求。当机器人客服不能满足用户的咨询需求时，用户会发起切换客服的请求，话务系统接入人工客服，来回答用户的问题。通常，话务系统会从当前在线且空闲的人工客服中，随机推送一个人工客服给用户，以尽可能减少用户的等待时间。但是这样的推送方式具有随机性，没有考虑人工客服与用户的匹配度，无法为客户提供个性化的服务。
[0004]因此，需要一种新的客服推荐方案，以提升服务质量，增加用户粘性。

技术实现思路

[0005]本申请提供了一种基于声音信息的客服推荐方法、话务系统及计算设备，以力图解决或者至少缓解上面存在的至少一个问题。
[0006]根据本申请的一个方面，提供了一种基于声音信息的客服推荐方法，包括：响应于切换客服请求，生成用户与第一客服通话的文本特征向量和用户的声音特征向量，切换客服请求包括将通话客服由第一客服切换为第二客服；利用声音匹配模型，对用户的声音特征向量与各第二客服的声音特征向量进行处理，得到声音匹配特征；基于声音匹配特征、文本特征向量、用户的用户信息特征和各第二客服的客服信息特征，利用客服推荐模型，得到用户对各第二客服的满意度预测值；以及基于满意度预测值，确定出对应的第二客服并推荐给所述用户。
[0007]可选地，在根据本申请的方法中，响应于切换客服请求，生成用户与第一客服通话的文本特征向量和用户的声音特征向量，包括：将用户与第一客服通话的语音数据，转换为文本数据；响应于切换客服请求，基于文本数据生成用户与第一客服通话的文本特征向量。
[0008]可选地，在根据本申请的方法中，响应于切换客服请求，生成用户与第一客服通话的文本特征向量和用户的声音特征向量，还包括：从通话中提取用户的声音信息；利用梅尔频率倒谱系数，提取用户的声音特征向量。
[0009]可选地，在根据本申请的方法中，基于文本数据生成用户与第一客服通话的文本特征向量，包括：通过预训练语言模型，对文本数据中的各句子分别进行处理，以对应得到
各句向量；将各句向量相加并计算平均值，作为文本数据的文本特征向量。
[0010]可选地，在根据本申请的方法中，利用声音匹配模型，对用户的声音特征向量与各第二客服的声音特征向量进行处理，得到声音匹配特征，包括：将用户的声音特征向量和各第二客服的声音特征向量分别拼接，对应得到各第一拼接向量；将各第一拼接向量分别输入声音匹配模型进行处理，对应得到声音匹配特征，声音匹配特征指示对应的第二客服与用户的声音的匹配度。
[0011]可选地，根据本申请的方法还包括：获取用户的用户信息，并基于用户信息提取用户信息特征；基于各第二客服的客服信息，确定出客服信息特征；其中，用户信息至少包括用户的性别、年龄、地域信息，客服信息至少包括第二客服的性别、年龄、地域信息。
[0012]可选地，在根据本申请的方法中，基于声音匹配特征、文本特征向量、用户的用户信息特征和各第二客服的客服信息特征，利用客服推荐模型，得到用户对各第二客服的满意度预测值，包括：将声音匹配特征、文本特征向量、用户信息特征与各客服信息特征分别拼接，对应得到各第二拼接向量；将各第二拼接向量分别输入客服推荐模型进行处理，对应预测出用户对各第二客服的满意度预测值。
[0013]可选地，在根据本申请的方法中，声音匹配模型基于多层感知机，客服推荐模型基于多层感知机。
[0014]可选地，根据本申请的方法还包括训练生成声音匹配模型：基于历史通话数据，生成用户的声音特征向量和第二客服的声音特征向量；将用户的声音特征向量和第二客服的声音特征向量输入初始的声音匹配模型中进行处理，得到声音匹配特征，并以对应通话中所述用户对所述第二客服的满意度评价值为目标，训练所述声音匹配模型，直到满足条件，训练结束，得到训练完成的声音匹配模型。
[0015]可选地，根据本申请的方法还包括训练生成所述客服推荐模型：基于历史通话数据，生成用户与第一客服通话的文本特征向量，并获取用户信息特征和第二客服的客服信息特征；将声音匹配特征、文本特征向量、用户信息特征与客服信息特征输入初始的客服推荐模型中进行处理，得到满意度预测值，并以对应通话中所述用户对所述第二客服的满意度评价值为目标，训练客服推荐模型，直到满足条件，训练结束，得到训练完成的客服推荐模型。
[0016]可选地，在根据本申请的方法中，历史通话数据包括：用户与第一客服的通话数据、用户与第二客服的通话数据、以及用户对第二客服的满意度评价值。
[0017]可选地，在根据本申请的方法中，基于满意度分值，确定出对应的第二客服并推荐给用户，包括：选取所述满意度预测值最大且空闲的第二客服，推荐给所述用户。
[0018]根据本申请的再一方面，提供了一种话务系统，包括：连接管理单元，适于获取用户与第一客服的通话数据，还适于获取切换客服请求，切换客服请求包括将通话客服由第一客服切换为第二客服；特征提取单元，适于生成用户与第一客服通话的文本特征向量和所述用户的声音特征向量；声音匹配单元，适于利用声音匹配模型，对用户的声音特征向量与各第二客服的声音特征向量进行处理，得到声音匹配特征；客服推荐单元，适于基于所述声音匹配特征、所述文本特征向量、所述用户的用户信息特征和各第二客服的客服信息特征，利用客服推荐模型，预测用户对各第二客服的满意度分值；还适于基于所述满意度分值，确定出对应的第二客服；以及连接管理单元还适于将所确定的第二客服推荐给所述用
户。
[0019]根据本申请的再一方面，提供了一种计算设备，包括：一个或多个处理器存储器；一个或多个程序，其中所述一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于执行如上任一方法的指令。
[0020]根据本申请的再一方面，提供了一种存储一个或多个程序的计算机可读存储介质，一个或多个程序包括指令，指令在被计算设备执行时，使得计算设备执行如上所述的任一方法。
[0021]根据本申请的方案，在话务系统为用户推送第二客服时，融入声音信息特征：考虑到不同的客户对于声音的喜好不同，因此先基于用户的声音特征和第二客服的声音特征，确定出声音匹配特征。在此基础上，再结合本次通话的文本特征、用户信息特征、客服信息特征，通过多维度特征的处理，预测出用户对第二客服的满意度，并将满意度预测值最大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于声音信息的客服推荐方法，包括：响应于切换客服请求，生成用户与第一客服通话的文本特征向量和所述用户的声音特征向量，所述切换客服请求包括将通话客服由第一客服切换为第二客服；利用声音匹配模型，对所述用户的声音特征向量与各第二客服的声音特征向量进行处理，得到声音匹配特征；基于所述声音匹配特征、所述文本特征向量、所述用户的用户信息特征和各第二客服的客服信息特征，利用客服推荐模型，得到用户对各第二客服的满意度预测值；以及基于所述满意度预测值，确定出对应的第二客服并推荐给所述用户。2.如权利要求1所述的方法，其中，所述响应于切换客服请求，生成用户与第一客服通话的文本特征向量和所述用户的声音特征向量，包括：将用户与第一客服通话的语音数据，转换为文本数据；响应于切换客服请求，基于所述文本数据生成用户与第一客服通话的文本特征向量。3.如权利要求1或2所述的方法，其中，所述响应于切换客服请求，生成用户与第一客服通话的文本特征向量和用户的声音特征向量，还包括：从所述通话中提取所述用户的声音信息；利用梅尔频率倒谱系数，提取所述用户的声音特征向量。4.如权利要求2所述的方法，其中，所述基于文本数据生成用户与第一客服通话的文本特征向量，包括：通过预训练语言模型，对所述文本数据中的各句子分别进行处理，以对应得到各句向量；将各句向量相加并计算平均值，作为所述文本数据的文本特征向量。5.如权利要求1
‑
4中任一项所述的方法，其中，所述利用声音匹配模型，对用户的声音特征向量与各第二客服的声音特征向量进行处理，得到声音匹配特征，包括：将用户的声音特征向量和各第二客服的声音特征向量分别拼接，对应得到各第一拼接向量；将各第一拼接向量分别输入所述声音匹配模型进行处理，对应得到声音匹配特征，所述声音匹配特征指示对应的第二客服与所述用户的声音的匹配度。6.如权利要求1
‑
5中任一项所述的方法，其中，在所述基于声音匹配特征、文本特征向量、用户的用户信息特征和各第二客服的客服信息特征，利用客服推荐模型，预...

【专利技术属性】
技术研发人员：段庆龙，王树大，魏鸿利，
申请(专利权)人：北京鸿联九五信息产业有限公司，
类型：发明
国别省市：