[发明专利]基于深度强化学习的营销话术分析与挖掘方法

说明书

本发明公开了一种基于深度强化学习的营销话术分析与挖掘方法，涉及自然语言处理技术领域，所述方法包括：根据销售对话数据集构建初始销售话术分析模型；基于深度强化学习的自学习机制，训练所述初始销售话术分析模型，得到销售话术分析模型，基于训练好的销售话术分析模型得到的话术评分，能够更具针对性向销售人员推荐推荐销售话术，提高应答话术的标准化程度，提高用户体验感，能够实现销售人员用语质量的评价，方便管理者对销售人员进行考核。

技术领域

本发明涉及自然语音处理技术领域，具体涉及一种基于深度强化学习的营销话术分析与挖掘方法。

背景技术

成功的营销是企业提高收入的关键，而营销的成功率高低依赖于企业销售人员沟通和洽谈水平。此外，普通销售人员往往流动性较高，新入职的销售人员一般需要较长时间的培训才能胜任工作。从大量的真实营销对话(主要指销售与客户之间的对话交流)中分析和挖掘出富有成果的话术，通过机器学习方法从中发现优秀话术和话题引导策略，不仅有助于促进文明销售和规范用语，也能够对新进销售人员进行培训，还可以在实际销售中进行用语推荐，进而提高企业销售的效率和水平。

目前企业对销售人员的销售对话管理，存在如下问题：一、用户体验差。由于用户提问具有不可控性，销售人员无法在第一时间给出最佳回复；二、无法对销售人员的用语质量和水平进行有效评估。

发明内容

针对现有技术中的缺陷，本发明提供一种基于深度强化学习的营销话术分析与挖掘方法。

本发明的方案为：一种基于深度强化学习的营销话术分析与挖掘方法，包括：

步骤1，根据销售对话数据集构建初始销售话术分析模型；

步骤2，基于深度强化学习的自学习机制，训练所述初始销售话术分析模型，得到销售话术分析模型。

优选地，所述步骤S1包括：

步骤11，对初始销售对话数据集进行预处理，得到销售对话数据集；

步骤12，根据评价标准对所述销售对话数据集进行人工标注，所述人工标注包括销售话术评分、销售动作；

步骤13，提取所述销售动作对应的话术状态，利用词向量模型将所述销售动作和所述话术状态转换为词向量；

步骤14，构建初始销售话术分析模型。

优选地，步骤12之前包括：

步骤101：根据情感分析模型对所述销售对话数据集进行分析，确定销售人员和客户的情绪状态，根据所述情绪状态确定评价标准。

优选地，所述步骤2包括：

步骤21，利用Q-Learning算法对所述初始销售话术分析模型训练，得到销售话术分析模型。

优选地，还包括：

步骤3,基于所述销售话术分析模型对销售人员进行评价。

优选地，所述步骤S3包括：

步骤31，获取销售人员的待评估销售对话集；

步骤32，基于所述销售话术分析模型对所述待评估销售对话集进行分析，得到所述待评估销售对话集中每条对话的评分；

步骤33，基于所述评分对所述销售人员进行评价。

优选地，还包括：

步骤4，基于所述销售话术分析模型向销售人员推荐销售话术。

优选地，所述步骤S4包括：

步骤41，获取当前销售对话及当前销售对话的上下文；