[发明专利]一种未接通电话类型识别方法

说明书

本发明涉及一种未接通电话类型识别方法，包括：获取未接通的电话录音并提取出未接通类型的关键词，将关键词对应的音频切分出来并计算相应的梅尔频率倒谱系数构成训练数据集；基于卷积神经网络构建未接通类型识别模型；使用预设算法和训练数据集对未接通类型识别模型进行训练；对待识别电话录音进行切分并获取相应的片段的所述梅尔频率倒谱系数，并将梅尔频率倒谱系数输入到训练好的未接通类型识别模型进行未接通类型的识别。相比于传统的未接通识别主要依赖于线路厂商返回的SIP编码来判断，且不同线路厂商对SIP编码的定义不一致，且不准确，使得识别的结果更加的准确可靠，提供了更准确的未接通原因。

技术领域

本发明属于智能呼叫技术领域，具体涉及一种未接通电话类型识别方法。

背景技术

随着人工智能产业额发展，智能客服、外呼机器人得到了迅猛的发展，而呼叫中心作为连接客户与机器人的纽带，在其中发挥着重要的作用。智能外呼机器人在与客户的整个沟通过程中，存在着两个关键的结果：接通和未接通。接通后与客户的沟通内容完全由机器人进行主导，机器人可以根据沟通结果判断是否继续跟进和跟进的间隔。而未接通的话，由于机器人没有与客户进行过沟通，只能通过线路商返回的SIP编码来判断未接通的原因，精确的未接通结果有助于机器人对是否跟进和跟进间隔进行准确的推断。但是不同线路厂商的SIP编码不统一，且结果存在差异，这给机器人的判断带来了天然误差，不能给出精准的未接通原因。

发明内容

为了解决现有技术存在的未接通原因不准确的问题，本发明提供了一种未接通电话类型识别方法，其具有识别更加准确、未接通原因更加的精确等特点。

根据本发明的具体实施方式的一种未接通电话类型识别方法，包括：

获取未接通的电话录音并提取出未接通类型的关键词，将所述关键词对应的音频切分出来并计算相应的梅尔频率倒谱系数构成训练数据集；

基于卷积神经网络构建未接通类型识别模型；

使用预设算法和所述训练数据集对所述未接通类型识别模型进行训练；

对待识别电话录音进行切分并获取相应的片段的所述梅尔频率倒谱系数，并将所述梅尔频率倒谱系数输入到训练好的所述未接通类型识别模型进行未接通类型的识别。

进一步地，所述获取未接通的电话录音并提取出未接通类型的关键词，将所述关键词对应的音频切分出来并计算相应的梅尔频率倒谱系数构成训练数据集包括：

将所述电话录音经语音识别转换成相应的文本内容；根据所述文本内容提取用于判断所述电话录音未接通类型的关键词。

进一步地，所述获取未接通的电话录音并提取出未接通类型的关键词，将所述关键词对应的音频切分出来并计算相应的梅尔频率倒谱系数构成训练数据集还包括：

基于语音识别中的强制对齐算法将所述关键词对应的音频切分出来，并计算梅尔频率倒谱系数组成训练数据集。

进一步地，所述未接通类型识别模型包括依次连接的二维卷积核、深度特征理解器、平均池化层、全连接层和softmax函数。

进一步地，所述深度特征理解器的数量为三个。

进一步地，所述深度特征理解器包括第一管道和第二管道，所述第一管道包括依次连接的第一二维卷积层、第一归一化层、第一ReLU激活函数、第二二维卷积层和第二归一化层；

所述第二管道包括依次连接的第三二维卷积层、第三归一化层和第二ReLU激活函数，经所述第二归一化层和所述第二ReLU激活函数处理后的数据合并后由第三ReLU激活函数处理后输出。

进一步地，所述使用预设算法和所述训练数据集对所述未接通类型识别模型进行训练包括：

使用交叉熵损失函数进行不同关键词的分类。