[发明专利]一种基于智能语音分析的电网客服业务推荐方法及装置

说明书

本发明公开了一种基于智能语音分析的电网客服业务推荐方法、装置、设备及计算机可读存储介质，包括：利用基于深度卷积长短期记忆神经网络的语音识别算法对目标用户语音进行识别，获取目标用户语音对应的文本信息；依据预建的关键词库，分别利用Text Rank算法与TF‑IDF算法提取文本信息的第一关键词集与第二关键词集，以确定文本信息的目标关键词集；利用基于N‑gram相似度的业务匹配算法对目标关键词集中的关键词与预建的备选业务库中的备选业务进行匹配，确定目标推荐业务，并将目标推荐业务发送至目标用户。本发明所提供的方法、装置、设备及计算机可读存储介质，提高了对客户的语音文本信息关键词提取的准确度及电网客服业务推荐的质量。

技术领域

本发明涉及语音客服技术领域，特别是涉及一种基于智能语音分析的电网客服业务推荐方法、装置、设备以及计算机可读存储介质。

背景技术

目前，语音客服作为解决用户日常问题的重要窗口，已经日渐成为各大企业提升客户满意度必不可少的服务模式。传统的语音客服方式大多采用用户选择菜单进入对应服务业务的方式，然而这种方式会造成两个常见问题，一方面是用户等待时间过长，一方面是若选择菜单难以有效命中需求点则会导致用户不得不求助于人工客服，这将大大影响用户体验和降低服务的质量。

为了进一步提高服务的效率，有些语音客服选择智能分析的方式，将客户描述的问题作为输入，对分析结果进行关键词提取，再针对提取的关键词进行业务匹配。虽然这种方式比起传统的菜单选择方式能够为用户提供更具个性化的服务，并进一步提升用户满意度。但是，若针对分析结果提取的关键词不够准确，无法覆盖用户需求关键点，那么将会使后续的业务推荐质量大打折扣。此外，有些关键词提取算法应用候选关键词库进行关键词提取，若没有及时跟进用户关注点的变化和业务的迁移，并对候选关键词库进行动态更新，则也会造成业务推荐不准确的情况。

综上，现有技术方案存在如下的问题：(1)客服应答流程僵化，传统的备选业务模式无法满足日益复杂多变的客户需求，且难以快速解决客户难题。(2)语音提取的关键词不够全面准确，难以尽可能多地覆盖到客户需求的关键点。(3)用于关键词提取的备选词库缺少有效的动态更新，随着时间的推移和业务的变更难以有效进行关键词提取。

综上所述可以看出，如何提高对用户描述问题的语音文本关键词提取的准确性，从而提高电网客服业务推荐的质量是目前有待解决的问题。

发明内容

本发明的目的是提供一种基于智能语音分析的电网客服业务推荐方法、装置、设备以及计算机可读存储介质，以解决现有的语音客服由于对客户语音分析结果提取的关键词不准确，导致电网业务推荐质量较低的问题。

为解决上述技术问题，本发明提供一种基于智能语音分析的电网客服业务推荐的方法，包括：利用基于深度卷积长短期记忆神经网络的语音识别算法对目标用户语音进行识别，获取所述目标用户语音对应的文本信息；其中，所述基于深度卷积长短期记忆神经网络的语音识别算法由全连接卷积网络、长短期记忆神经网络与深度神经网络进行组合获得；依据预建的关键词库，分别利用Text Rank算法与TF-IDF算法提取所述文本信息的第一关键词集与第二关键词集，以确定所述文本信息的目标关键词集；利用预先构建的基于N-gram相似度的业务匹配算法对所述目标关键词集中的关键词与预建的备选业务库中的备选业务进行匹配，确定目标推荐业务，并将所述目标推荐业务发送至所述目标用户。

优选地，所述利用基于深度卷积长短期记忆神经网络的语音识别算法对目标用户语音进行识别，获取所述目标用户语音对应的文本信息包括：

将目标用户语音输入至全连接卷积网络后，将所述全连接卷积网络的输出结果输入至线性层；

将所述线性层的输出结果输入至长短期记忆神经网络后，将所述长短期记忆神经网络的输出结果输入至深度神经网络，通过所述深度神经网络输出所述目标用户语音的文本信息。