System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能领域,特别是涉及一种播放自助语音服务的方法及装置。
技术介绍
1、随着社会经济的发展,越来越多的人通过购买保险,缴纳规定的保费,获得相应的财物、人身等保障。随之而来的是,用户在购买保险后,可能存在对保险产品不满意从而产生投诉需求或者需要达到理赔条件,产生理赔需求等,用户可以通过拨打官方客户电话以表达自身需求。
2、目前,客户电话一般设置固定的语音服务,例如,办理业务请按1,了解保险产品请按2等,每个用户都是这样固定的语音服务,从而可能导致即使经过多轮对话,用户仍无法准确找到有效信息,导致用户体验感较差。
技术实现思路
1、本申请提供一种播放自助语音服务的方法,以在拨打保险公司客户电话时,提升用户的体验感,本申请还提供一种播放自助语音服务的装置。
2、第一方面,本申请提供一种播放自助语音服务的方法,包括:
3、当接收来电时,确定所述来电对应的用户的身份信息以及历史行为数据;
4、将所述身份信息以及所述历史行为数据输入至预先训练好的机器学习模型,并根据机器学习模型的输出结果确定所述用户的目标来电意图;
5、根据所述目标来电意图,确定预先设定的与所述目标来电意图对应的自助语音服务;
6、根据所述目标用户的语音信息,播放所述自助语音服务。
7、可选的,来电意图包括:理赔-报案、理赔-非报案、增值业务、保单业务、非车险业务、投诉业务、投保业务、非产险业务以及在线业务中的至少一种;所述根据模型
8、根据模型的输出结果,从所述来点意图中确定所述用户的目标来电意图。
9、可选的,所述来电意图包括:理赔-报案、理赔-非报案、增值业务、保单业务、非车险业务、投诉业务、投保业务、非产险业务以及在线业务。
10、可选的,所述机器学习模型为梯度提升决策树gbdt模型,所述gbdt模型包括多个二分类的分类回归树;所述机器学习模型通过以下方式训练:
11、获取训练数据,所述训练数据包括用户的基本信息、用户持保信息以及用户的历史行为数据;
12、根据所述训练数据对初始gbdt模型中的每个所述目标类别形成分类回归树进行迭代训练,直至确定每个所述分类回归树对应的损失函数的最小值。
13、可选的,所述方法还包括:
14、识别所述用户的身份;
15、当所述身份为预设的特殊身份时,停止播放所述自助语音服务,转入所述特殊身份对应的人工座席。
16、第二方面,本申请还提供一种播放自助语音服务的装置,包括:
17、第一确定单元,用于当接收来电时,确定所述来电对应的用户的身份信息以及历史行为数据;
18、第二确定单元,用于将所述身份信息以及所述历史行为数据输入至预先训练好的机器学习模型,并根据机器学习模型的输出结果确定所述用户的目标来电意图;
19、第三确定单元,用于根据所述目标来电意图,确定预先设定的与所述目标来电意图对应的自助语音服务;
20、播放单元,用于根据所述目标用户的语音信息,播放所述自助语音服务。
21、可选的,来电意图包括:理赔-报案、理赔-非报案、增值业务、保单业务、非车险业务、投诉业务、投保业务、非产险业务以及在线业务中的至少一种,第二确定单元,具体用于:
22、根据模型的输出结果,从所述来点意图中确定所述用户的目标来电意图。
23、可选的,所述来电意图包括:理赔-报案、理赔-非报案、增值业务、保单业务、非车险业务、投诉业务、投保业务、非产险业务以及在线业务。
24、可选的,所述机器学习模型为梯度提升决策树gbdt模型,所述gbdt模型包括多个二分类的分类回归树;所述机器学习模型通过以下方式训练:
25、获取训练数据,所述训练数据包括用户的基本信息、用户持保信息以及用户的历史数据;
26、根据所述训练数据对初始gbdt模型中的每个所述目标类别形成分类回归树进行迭代训练,直至确定每个所述分类回归树对应的损失函数的最小值。
27、可选的,所述装置还包括:
28、识别单元,用于识别所述用户的身份;
29、转入单元,用于当所述身份为预设的特殊身份时,停止播放所述自助语音服务,转入所述特殊身份对应的人工座席。
30、第三方面,本申请实施例提供了一种设备,所述设备包括存储器和处理器,所述存储器用于存储指令或代码,所述处理器用于执行所述指令或代码,以使所述设备执行前述第一方面任一项所述的方法。
31、第四方面,本申请实施例提供了一种计算机存储介质,所述计算机存储介质中存储有代码,当所述代码被运行时,运行所述代码的设备实现前述第一方面任一项所述的方法。
32、相较于现有技术,本申请具有以下有益效果:
33、本申请提供了一种播放自助语音服务的方法及装置,本申请中当接收来电时,可以确定来电对应的用户的身份信息以及历史行为数据,然后将身份信息以及所述历史行为数据输入至预先训练好的机器学习模型,并根据机器学习模型的输出结果确定用户的目标来电意图,根据目标来电意图,确定预先设定的与目标来电意图对应的自助语音服务,最后根据目标用户的语音信息,播放所述自助语音服务,这样,当接收来电,可以确定用户的目标来电意图,从而确定预先设定的对应的自助语音服务,也就可以针对不同来电意图,生成专属的自助语音服务,从而提高对话效率,提升用户的体验感。
本文档来自技高网...【技术保护点】
1.一种播放自助语音服务的方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,来电意图包括:理赔-报案、理赔-非报案、增值业务、保单业务、非车险业务、投诉业务、投保业务、非产险业务以及在线业务中的至少一种;所述根据模型的输出结果确定所述用户的目标来电意图,包括:
3.根据权利要求2所述的方法,其特征在于,所述来电意图包括:理赔-报案、理赔-非报案、增值业务、保单业务、非车险业务、投诉业务、投保业务、非产险业务以及在线业务。
4.根据权利要求1所述的方法,其特征在于,所述机器学习模型为梯度提升决策树GBDT模型,所述GBDT模型包括多个二分类的分类回归树;所述机器学习模型通过以下方式训练:
5.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
6.一种播放自助语音服务的装置,其特征在于,包括:
7.根据权利要求6所述的装置,其特征在于,来电意图包括:理赔-报案、理赔-非报案、增值业务、保单业务、非车险业务、投诉业务、投保业务、非产险业务以及在线业务中的至少一种,第二确定单元,具体
8.根据权利要求7所述的装置,其特征在于,所述来电意图包括:理赔-报案、理赔-非报案、增值业务、保单业务、非车险业务、投诉业务、投保业务、非产险业务以及在线业务。
9.根据权利要求6所述的装置,其特征在于,所述机器学习模型为梯度提升决策树GBDT模型,所述GBDT模型包括多个二分类的分类回归树;所述机器学习模型通过以下方式训练:
10.根据权利要求6-9任一项所述的装置,其特征在于,所述装置还包括:
...【技术特征摘要】
1.一种播放自助语音服务的方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,来电意图包括:理赔-报案、理赔-非报案、增值业务、保单业务、非车险业务、投诉业务、投保业务、非产险业务以及在线业务中的至少一种;所述根据模型的输出结果确定所述用户的目标来电意图,包括:
3.根据权利要求2所述的方法,其特征在于,所述来电意图包括:理赔-报案、理赔-非报案、增值业务、保单业务、非车险业务、投诉业务、投保业务、非产险业务以及在线业务。
4.根据权利要求1所述的方法,其特征在于,所述机器学习模型为梯度提升决策树gbdt模型,所述gbdt模型包括多个二分类的分类回归树;所述机器学习模型通过以下方式训练:
5.根据权利要求1-4任一项所述的方法,其特征在于,所述方法...
【专利技术属性】
技术研发人员:徐曦,鞠菲,孙谷飞,王磊,
申请(专利权)人:太保科技有限公司,
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。