[发明专利]一种基于机器学习的外呼对话管理智能选择方法及系统

说明书

本发明公开了一种基于机器学习的外呼对话管理智能选择方法及系统，该方法包括：根据用户特征建立业务分类模型，利用机器学习算法预训练所述业务分类模型，生成业务分类结果；根据所述业务分类结果，选择不同的对话管理模块，送入AI外呼装置；利用所述AI外呼装置，根据所选择的对话管理模块执行不同的外呼对话策略，运行相应的外呼任务。采用本发明，利用机器学习算法预训练业务分类模型，以提供多种不同的对话管理模块和对话策略选择，以适配不同的人群或应用场景，以提高外呼任务的准确率和完成概率。

技术领域

本发明涉及人工智能(Artificial Intelligence，AI)及信息处理技术，尤其涉及一种基于机器学习的外呼对话管理智能选择方法及系统。

背景技术

随着AI技术和信息处理技术的发展，越来越多的企业选择采用AI语音交互技术的语音助手或AI语音机器人来取代人工外呼系统。

目前业界针对AI外呼一般采用如下方法：

1)申请号为CN202010772740.2，名称为“一种基于自然语言处理(NaturalLanguage Processing，NLP)深度学习智能消息推送方法”的发明申请，公开的基于NLP深度学习智能消息推送方法，该方法采用以下步骤，实现更准确、更高效地对客户进行智能催收：数据收集，收集催收对象的数据信息并插入信息库中，根据信息处理数据，生成量化指标；智能分案，根据量化指标对催收对象进行不同的策略分组；智能催收，根据不同的策略分组，对催收对象进行催收，并通过智能外呼系统，提高催收效率，使催收结果更结构化，方便机器学习；智能标注，对催收结果进行分类统计，使后续的催收更精准、高效。该方法通过客户评分对不同的客户选择不同的催收方式，但对于进入智能外呼系统的用户，未采用不同的对话策略。因此，通过智能外呼系统催收的用户群体数量有限、催收效果有限。

2)申请号为CN202010810228.2，名称为“一种基于互联网AI外呼的专家库数据抽取方法及系统”的发明申请，公开的所述基于互联网AI外呼的专家库数据抽取方法，该方法通过对专家库外呼项目的外呼访问计划进行模拟生成以提取外呼项目的特征，并将外呼相应特征与专家库外呼项目的特征进行关联，以确定专家外呼项目的较佳外呼访问计划，以提高外呼的针对性，提高数据提取的效率。然而，该方法缺少对外呼对象的特征进行甄别，难以针对外呼对象采用针对性外呼访问计划，在需要针对外呼对象特征采用不同外呼访问计划或策略的场景中效果欠佳。

然而，以上现有技术均没有针对外呼对话策略提供选择功能，因此不能适应复杂的应用场景，尤其是对外呼的准确性和外呼任务完成率有一定要求的应用场景。

申请号为CN202011186887.X，名称为“一种基于埋点数据的营销外呼数据推荐方法”，公开的所述营销外呼数据推荐方法，主要通过使用数据埋点技术，监测和采集用户访问数据进而得到用户访问行为数据，进行预处理后，再在此基础上进一步分析和预测，计算出用户价值分数，并以此为判断依据向外呼系统推荐待营销用户和用户基础数据的方式实现精准营销的目的。

但是采用上述数据埋点技术开启数据分析，由于设置数据埋点涉及产品、运营、技术实现以及埋点规划、埋点与数据分析的关系等多个环节，对实施埋点技术本身的要求非常高，而且对实施埋点技术与能否达到预期的效果，也需要反复评估和调整。因此，实施复杂度和难度很高，而且产生的推荐待营销用户的结果与实际能否达到营销目的的需求之间仍有一定偏差。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于机器学习的外呼对话管理智能选择方法及系统，利用机器学习算法预训练业务分类模型，提供多种不同的对话管理模块和对话策略选择，以适配不同的人群或应用场景；得到业务分类模型，再根据用户特征，针对不同的用户采用不同的对话管理模块和AI外呼对话策略，使AI外呼装置能够根据对话策略执行外呼任务。进一步地，根据用户反馈，对外呼效果进行标定，并通过标定后的外呼结果，将迭代优化结果输入深度学习模型，进一步提高外呼任务的准确率和完成概率。