一种基于语义的客服智能路由处理方法和装置

摘要

本申请公开了一种基于语义的客服智能路由处理方法和装置，该方法包括：获取来自用户的文字，其中，所述文字为所述用户进行咨询所产生或者所使用的文字；获取所述文字中携带的关键词，并根据所述文字中携带的关键词确定所述文字所表达的语义；根据所述文字所表达的语义确定所述用户的问题；对所述用户的问题进行分类，其中，分类的类别为预先配置的，预先配置了至少两个类别；根据所述问题的分类对应的处理策略将所述用户路由至人工客服或者自动客服。通过本申请解决了现有技术中人工客服和自动客服所存在的问题，从而能够通过技术手段将用户导引到相应的客户环节，提高了对用户问题回答的精确性，进而提高了用户的体验。

权利要求

1.一种基于语义的客服智能路由处理方法，其特征在于，包括：获取来自用户的文字，其中，所述文字为所述用户进行咨询所产生或者所使用的文字；

获取所述文字中携带的关键词，并根据所述文字中携带的关键词确定所述文字所表达的语义；

根据所述文字所表达的语义确定所述用户的问题；

对所述用户的问题进行分类，其中，分类的类别为预先配置的，预先配置了至少两个类别，每个不同的类别均对应一种处理策略；

根据所述问题的分类对应的处理策略将所述用户路由至人工客服或者自动客服；其中，根据所述用户的语音获取所述用户的态度，在所述用户的态度满足预先配置的条件的情况下，将所述用户路由至所述人工客服，在未满足所述预先配置的条件的情况下，将所述用户路由至所述自动客服；获取所述用户的情绪通过如下方式来进行：方式一：获取多组第二训练数据，其中，每组所述第二训练数据均包括输入数据和输出数据，所述输入数据为一段语音，所述输出数据为该段语音所对应的情绪，该情绪是从预先配置的多个情绪中选择出来的；使用多组所述第二训练数据训练得到一个第二机器学习模型；将所述用户的语音输入到所述第二机器学习模型中；从所述第二机器学习模型输出中得到所述用户的态度；

方式二：从通话中提取语音信号；根据多个语音参数对情绪识别准确度的影响程度对多个语音参数进行排序；从排序中选择多个语音参数，一个特定的语音参数；用处理器分析语音信号以获得与语音信号相关的特定语音参数的提取参数值；通过处理器识别与语音信号相关的情感：访问包含与特定语音参数相关联的可能情绪的概率统计的数据库；使用提取的参数值并基于预定的概率标准，从可能的情绪中确定与语音信号相关的情绪；

其中，获取使用方式一判断得到的第一情绪；获取使用方式二判断得到的第二情绪，如果所述方式一和所述方式二得到的第一情绪和第二情绪相同，则确定获取到所述用户的情绪，并根据所述用户的情绪判断是否路由到人工客服；如果所述方式一和所述方式二判断得到的情绪不同，则直接路由到人工客服。

2.根据权利要求1所述的方法，其特征在于，根据所述处理策略将所述用户路由至所述人工客服或自动客服包括：

在所述分类用于表示所述问题的难易程度的情况下，在所述问题的分类的难易程度超过阈值的情况下，将所述用户路由至所述人工客服，否则将所述用户路由至所述自动客服。

3.根据权利要求1所述的方法，其特征在于，获取来自所述用户的文字包括：获取所述用户输入的文字；或者，

在接收到用户的来电之后，将所述来电中的语音转换成文字。

4.根据权利要求3所述的方法，其特征在于，将所述来电中的语音转换成文字包括：将所述语音输入到第一机器学习模型中，其中，所述第一机器学习模型是基于神经网络的机器学习模型，所述第一机器学习模型是使用多组训练数据训练得到的，其中，所述多组训练数据中的每一组训练数据均包括一段语音以及该段语音所对应的文字，该段语音所对应的文字是人工输入；

从所述第一机器学习模型中获取输出的所述语音转换成的文字。

5.根据权利要求4所述的方法，其特征在于，在将所述来电中的语音转换成文字失败的情况下，还包括：

将所述用户路由至人工客服。

6.一种基于语义的客服智能路由处理装置，其特征在于，包括：获取模块，用于获取来自用户的文字，其中，所述文字为所述用户进行咨询所产生或者所使用的文字；

语义模块，用于获取所述文字中携带的关键词，并根据所述文字中携带的关键词确定所述文字所表达的语义；

问题模块，用于根据所述文字所表达的语义确定所述用户的问题；

分类模块，用于对所述用户的问题进行分类，其中，分类的类别为预先配置的，预先配置了至少两个类别，每个不同的类别均对应一种处理策略；

路由模块，用于根据所述问题的分类对应的处理策略将所述用户路由至人工客服或者自动客服；其中，根据所述用户的语音获取所述用户的态度，在所述用户的态度满足预先配置的条件的情况下，将所述用户路由至所述人工客服，在未满足所述预先配置的条件的情况下，将所述用户路由至所述自动客服；获取所述用户的情绪通过如下方式来进行：方式一：获取多组第二训练数据，其中，每组所述第二训练数据均包括输入数据和输出数据，所述输入数据为一段语音，所述输出数据为该段语音所对应的情绪，该情绪是从预先配置的多个情绪中选择出来的；使用多组所述第二训练数据训练得到一个第二机器学习模型；将所述用户的语音输入到所述第二机器学习模型中；从所述第二机器学习模型输出中得到所述用户的态度；

方式二：从通话中提取语音信号；根据多个语音参数对情绪识别准确度的影响程度对多个语音参数进行排序；从排序中选择多个语音参数，一个特定的语音参数；用处理器分析语音信号以获得与语音信号相关的特定语音参数的提取参数值；通过处理器识别与语音信号相关的情感：访问包含与特定语音参数相关联的可能情绪的概率统计的数据库；使用提取的参数值并基于预定的概率标准，从可能的情绪中确定与语音信号相关的情绪；

其中，获取使用方式一判断得到的第一情绪；获取使用方式二判断得到的第二情绪，如果所述方式一和所述方式二得到的第一情绪和第二情绪相同，则确定获取到所述用户的情绪，并根据所述用户的情绪判断是否路由到人工客服；如果所述方式一和所述方式二判断得到的情绪不同，则直接路由到人工客服。

7.根据权利要求6所述的装置，其特征在于，所述路由模块用于：在所述分类用于表示所述问题的难易程度的情况下，在所述问题的分类的难易程度超过阈值的情况下，将所述用户路由至所述人工客服，否则将所述用户路由至所述自动客服。

8.根据权利要求6所述的装置，其特征在于，所述获取模块用于：获取所述用户输入的文字；或者，

在接收到用户的来电之后，将所述来电中的语音转换成文字。

9.根据权利要求8所述的装置，其特征在于，所述获取模块用于：将所述语音输入到第一机器学习模型中，其中，所述第一机器学习模型是基于神经网络的机器学习模型，所述第一机器学习模型是使用多组训练数据训练得到的，其中，所述多组训练数据中的每一组训练数据均包括一段语音以及该段语音所对应的文字，该段语音所对应的文字是人工输入；

从所述第一机器学习模型中获取输出的所述语音转换成的文字。

10.根据权利要求8所述的装置，其特征在于，所述路由模块用于在将所述来电中的语音转换成文字失败的情况下将所述用户路由至人工客服。

说明书

一种基于语义的客服智能路由处理方法和装置

技术领域

[0001] 本申请涉及到语义数据处理领域，具体而言，涉及一种基于语义的客服智能路由处理方法和装置。

背景技术

[0002] 在现有技术中，会使用人工来接听用户的问题，但是对于人工客服来说，成本比较高，而且人工客服配置的数量如果不合适的话，则用户需要长时间的等待，降低了用户的体
验。

[0003] 为了解决人工客服所存在的问题，在现有技术中，还使用自动客服，该自动客服能够根据用户输入的内容根据预先配置的规则查找响应的答案，自动客服虽然节约了人工，
但是对于复杂的问题，自动客服的回答往往不能让用户满意，也会降低用户的体验。

[0004] 针对现有技术中人工客服和自动客服所存在的弊端，目前尚没有合适的解决方案。

发明内容

[0005] 本申请实施例提供了一种基于语义的客服智能路由处理方法和装置，以至少解决现有技术中人工客服和自动客服所存在的问题。

[0006] 根据本申请的一个方面，提供了一种基于语义的客服智能路由处理方法，包括：获取来自用户的文字，其中，所述文字为所述用户进行咨询所产生或者所使用的文字；获取所
述文字中携带的关键词，并根据所述文字中携带的关键词确定所述文字所表达的语义；根
据所述文字所表达的语义确定所述用户的问题；对所述用户的问题进行分类，其中，分类的
类别为预先配置的，预先配置了至少两个类别，每个不同的类别均对应一种处理策略；根据
所述问题的分类对应的处理策略将所述用户路由至人工客服或者自动客服。

[0007] 进一步地，根据所述处理策略将所述用户路由至所述人工客服或自动客服包括：在所述分类用于表示所述问题的难易程度的情况下，在所述问题的分类的难易程度超过阈
值的情况下，将所述用户路由至所述人工客服，否则将所述用户路由至所述自动客服。

[0008] 进一步地，获取来自所述用户的文字包括：获取所述用户输入的文字；或者，在接收到用户的来电之后，将所述来电中的语音转换成文字。

[0009] 进一步地，将所述来电中的语音转换成文字包括：将所述语音输入到第一机器学习模型中，其中，所述第一机器学习模型是基于神经网络的机器学习模型，所述第一机器学
习模型是使用多组训练数据训练得到的，其中，所述多组训练数据中的每一组训练数据均
包括一段语音以及该段语音所对应的文字，该段语音所对应的文字是人工输入；从所述第
一机器学习模型中获取输出的所述语音转换成的文字。

[0010] 进一步地，在将所述来电中的语音转换成文字失败的情况下，还包括：将所述用户路由至人工客服。

[0011] 根据本申请的另一个方面，还提供了一种基于语义的客服智能路由处理装置，包括：获取模块，用于获取来自用户的文字，其中，所述文字为所述用户进行咨询所产生或者
所使用的文字；语义模块，用于获取所述文字中携带的关键词，并根据所述文字中携带的关
键词确定所述文字所表达的语义；问题模块，用于根据所述文字所表达的语义确定所述用
户的问题；分类模块，用于对所述用户的问题进行分类，其中，分类的类别为预先配置的，预
先配置了至少两个类别，每个不同的类别均对应一种处理策略；路由模块，用于根据所述问
题的分类对应的处理策略将所述用户路由至人工客服或者自动客服。

[0012] 进一步地，所述路由模块用于：在所述分类用于表示所述问题的难易程度的情况下，在所述问题的分类的难易程度超过阈值的情况下，将所述用户路由至所述人工客服，否
则将所述用户路由至所述自动客服。

[0013] 进一步地，所述获取模块用于：获取所述用户输入的文字；或者，在接收到用户的来电之后，将所述来电中的语音转换成文字。

[0014] 进一步地，所述获取模块用于：将所述语音输入到第一机器学习模型中，其中，所述第一机器学习模型是基于神经网络的机器学习模型，所述第一机器学习模型是使用多组
训练数据训练得到的，其中，所述多组训练数据中的每一组训练数据均包括一段语音以及
该段语音所对应的文字，该段语音所对应的文字是人工输入；从所述第一机器学习模型中
获取输出的所述语音转换成的文字。

[0015] 进一步地，所述路由模块用于在将所述来电中的语音转换成文字失败的情况下将所述用户路由至人工客服。

[0016] 在本申请实施例中，采用了获取来自用户的文字，其中，所述文字为所述用户进行咨询所产生或者所使用的文字；获取所述文字中携带的关键词，并根据所述文字中携带的
关键词确定所述文字所表达的语义；根据所述文字所表达的语义确定所述用户的问题；对
所述用户的问题进行分类，其中，分类的类别为预先配置的，预先配置了至少两个类别，每
个不同的类别均对应一种处理策略；根据所述问题的分类对应的处理策略将所述用户路由
至人工客服或者自动客服。通过本申请解决了现有技术中人工客服和自动客服所存在的问
题，从而能够通过技术手段将用户导引到相应的客户环节，提高了对用户问题回答的精确
性，进而提高了用户的体验。

附图说明

[0017] 构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

[0018] 图1是根据本申请实施例的基于语义的客服智能路由处理方法的流程图。

具体实施方式

[0019] 需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

[0020] 需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不
同于此处的顺序执行所示出或描述的步骤。

[0021] 在本实施例中提供了一种基于语义的客服智能路由处理方法，图1是根据本申请实施例的基于语义的客服智能路由处理方法的流程图，如图1所示，该流程包括如下步骤：

[0022] 步骤S102，获取来自用户的文字，其中，所述文字为所述用户进行咨询所产生或者所使用的文字。

[0023] 在该步骤中，可以获取所述用户输入的文字；或者，在接收到用户的来电之后，将所述来电中的语音转换成文字。将语音转换成文字的方式有很多种，例如，可以通过机器学
习的方式来进行：将所述语音输入到第一机器学习模型中，其中，所述第一机器学习模型是
基于神经网络的机器学习模型，所述第一机器学习模型是使用多组训练数据训练得到的，
其中，所述多组训练数据中的每一组训练数据均包括一段语音以及该段语音所对应的文
字，该段语音所对应的文字是人工输入；从所述第一机器学习模型中获取输出的所述语音
转换成的文字。

[0024] 作为一个可选的实施方式，在上述训练数据中，可以根据语音的发音以及语音的韵律来进行识别得到对应的文字，这样可以迅速的得到多组训练数据，其中，(a)将包括多
个词的文本接收到所述计算设备的所述存储器中； (b) 从所述文本中导出多个音素； (c)
基于与多个词相关联的韵律记录的数据库，将韵律记录与每个所述音素相关联； (d) 应用
第一组人工智能规则来确定与所述文本相关联的上下文信息； (e) 对于每个所述音素： 
(i) 确定上下文影响的韵律变化； (ii) 确定的韵律变化； (iii) 响应所述上下文影响的
韵律变化； (iv) 从所述记忆中读取与所述音素相关联的声音信息； (v)基于响应于所述
上下文影响的韵律变化修改所述声音信息以生成修改的声音信息； (f)输出所述声音信息
以产生语音信号。其中所述语音信号的韵律是变化的，从而在所述语音信号中实现增加的
真实感。其中所述语音信号的韵律以随机或看似随机的方式变化，从而在所述语音信号中
实现增加的真实感。其中所述声音信息与不同的说话人相关联，并使用一组人工智能规则
来确定与要输出的声音信息相关联的说话人的身份。其中响应于所述上下文影响的韵律变
化的所述韵律记录的修改基于所述文本中的词及其序列。其中响应于所述上下文影响的韵
律变化的所述韵律记录的修改基于所述文本中的词的情感上下文。其中所述语音信号的韵
律是变化的，由此在所述语音信号中实现增加的真实感。

[0025] 可选地，在将所述来电中的语音转换成文字失败的情况下可以将所述用户路由至人工客服。

[0026] 步骤S104，获取所述文字中携带的关键词，并根据所述文字中携带的关键词确定所述文字所表达的语义。

[0027] 步骤S106，根据所述文字所表达的语义确定所述用户的问题。

[0028] 步骤S108，对所述用户的问题进行分类，其中，分类的类别为预先配置的，预先配置了至少两个类别，每个不同的类别均对应一种处理策略。

[0029] 步骤S110，根据所述问题的分类对应的处理策略将所述用户路由至人工客服或者自动客服。

[0030] 例如，在所述分类用于表示所述问题的难易程度的情况下，在所述问题的分类的难易程度超过阈值的情况下，将所述用户路由至所述人工客服，否则将所述用户路由至所
述自动客服。

[0031] 作为一个可选的实施方式，自动客服还可以分为多种，例如，基于知识库的自动客服、基于文字语义判断的自动客服等，可以根据不同的处理策略将所述用户路由至不同的
自动客服。

[0032] 通过上述步骤解决了现有技术中人工客服和自动客服所存在的问题，从而能够通过技术手段将用户导引到相应的客户环节，提高了对用户问题回答的精确性，进而提高了
用户的体验。

[0033] 作为另一个可选的实施方式，还可以根据所述用户的语音获取所述用户的态度（态度也可以理解为情绪），在所述用户的态度满足预先配置的条件的情况下，将所述用户
路由至所述人工客服，在未满足所述预先配置的条件的情况下，将所述用户路由至所述自
动客服。

[0034] 获取所述用户的情绪可以通过如下方式来进行。

[0035] 方式一：获取多组第二训练数据，其中，每组所述第二训练数据均包括输入数据和输出数据，所述输入数据为一段语音，所述输出数据为该段语音所对应的情绪，该情绪是从
预先配置的多个情绪中选择出来的；使用多组所述第二训练数据训练得到一个第二机器学
习模型；将所述用户的语音输入到所述第二机器学习模型中；从所述第二机器学习模型输
出中得到所述用户的态度。

[0036] 方式二： 从通话中提取语音信号；根据多个语音参数对情绪识别准确度的影响程度对多个语音参数进行排序；从排序中选择多个语音参数，一个特定的语音参数；用处理器
分析语音信号以获得与语音信号相关的特定语音参数的提取参数值；通过处理器识别与语
音信号相关的情感： 访问包含与特定语音参数相关联的可能情绪的概率统计的数据库； 
使用提取的参数值并基于预定的概率标准，从可能的情绪中确定与语音信号相关的情绪。

[0037] 可以使用上述两种方式的其中之一，在另一个可选的实施方式中，获取使用方式一判断得到的第一情绪；获取使用方式二判断得到的第二情绪，如果所述方式一和所述方
式二得到的第一情绪和第二情绪相同，则确定获取到所述用户的情绪，并根据所述用户的
情绪判断是否路由到人工客服；如果所述方式一和所述方式二判断得到的情绪不同，则直
接路由到人工客服。本段落中的方式一和方式二并不限于上述两种方式。

[0038] 在步骤S110之后，在路由到自动客服的情况下，通过所述用户的文字识别用户的情绪变化（例如，预先配置不同的关键词所对应的不同情绪），在所述用户的情绪变化为预
定情绪之后，将所述用户路由至人工客服，并且将所述用户的优先级设置为最高。

[0039] 在将所述用户路由至人工客服时，将自动客服处理过程中的文字也发送至所述人工客服。

[0040] 在本实施例中，提供一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的方法。

[0041] 上述程序可以运行在处理器中，或者也可以存储在存储器中（或称为计算机可读介质），计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或
技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计
算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动
态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可
擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 
(CD‑ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他
磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文
中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据
信号和载波。

[0042] 这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他
可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方
框或多个方框中指定的功能的步骤，对应与不同的步骤可以通过不同的模块来实现。

[0043] 该本实施例中就提供了这样的一种装置或系统。获取模块，用于获取来自用户的文字，其中，所述文字为所述用户进行咨询所产生或者所使用的文字；语义模块，用于获取
所述文字中携带的关键词，并根据所述文字中携带的关键词确定所述文字所表达的语义；
问题模块，用于根据所述文字所表达的语义确定所述用户的问题；分类模块，用于对所述用
户的问题进行分类，其中，分类的类别为预先配置的，预先配置了至少两个类别，每个不同
的类别均对应一种处理策略；路由模块，用于根据所述问题的分类对应的处理策略将所述
用户路由至人工客服或者自动客服。

[0044] 该系统或者装置用于实现上述的实施例中的方法的功能，该系统或者装置中的每个模块与方法中的每个步骤相对应，已经在方法中进行过说明的，在此不再赘述。

[0045] 例如，所述路由模块用于：在所述分类用于表示所述问题的难易程度的情况下，在所述问题的分类的难易程度超过阈值的情况下，将所述用户路由至所述人工客服，否则将
所述用户路由至所述自动客服。

[0046] 又例如，所述获取模块用于：获取所述用户输入的文字；或者，在接收到用户的来电之后，将所述来电中的语音转换成文字。可选地，所述获取模块用于：将所述语音输入到
第一机器学习模型中，其中，所述第一机器学习模型是基于神经网络的机器学习模型，所述
第一机器学习模型是使用多组训练数据训练得到的，其中，所述多组训练数据中的每一组
训练数据均包括一段语音以及该段语音所对应的文字，该段语音所对应的文字是人工输
入；从所述第一机器学习模型中获取输出的所述语音转换成的文字。可选地，所述路由模块
用于在将所述来电中的语音转换成文字失败的情况下将所述用户路由至人工客服。

[0047] 通过上述实施例解决了现有技术中人工客服和自动客服所存在的问题，从而能够通过技术手段将用户导引到相应的客户环节，提高了对用户问题回答的精确性，进而提高
了用户的体验。

[0048] 以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、
改进等，均应包含在本申请的权利要求范围之内。