一种基于多维风险评估与生成式优化的坐席辅助方法、系统及介质与流程
本申请涉及人工智能,尤其涉及一种基于多维风险评估与生成式优化的坐席辅助方法、系统及介质。
背景技术:
1、在呼叫中心和在线客服等客户服务领域,坐席人员的服务质量直接影响客户满意度和企业形象。传统的坐席辅助系统通常是被动式的,其功能主要在于提供知识库供坐席人员手动查询,这种模式严重依赖坐席的个人经验和临场判断能力。当面对情绪激动或问题复杂的客户时,坐席往往难以快速、准确地找到最合适的沟通策略,导致沟通效率低下,甚至可能导致客户负面情绪升级。
2、为解决上述问题,一些现有技术方案尝试引入情绪监控功能。例如,有的系统能够分析并展示用户情绪状态随时间变化的轨迹,当检测到情绪状态满足预设的干预标准时,便会向坐席人员提供一些建议。然而,这类现有技术仍然存在明显缺陷:首先,其干预时机的判断往往仅基于当前情绪的静态快照或简单的规则,缺乏对情绪动态变化趋势的考量,无法区分一个正在从愤怒中平复的客户和一个愤怒情绪正在快速升级的客户,从而可能给出不合时宜的建议。其次,这类系统缺乏对沟通风险的综合量化评估,未能将情绪趋势、用户历史画像等多个维度信息融合起来进行精确决策。再次,其推荐的话术通常来源于固定的知识库,在面对复杂或非标准场景时显得僵化,缺乏灵活性和个性化。最重要的是,现有技术普遍缺乏有效的闭环反馈和自我优化能力,系统无法从话术的应用效果中学习并持续迭代其推荐策略,导致话术库僵化,无法适应不断变化的业务场景,整体辅助效能难以提升。
技术实现思路
1、本申请的目的在于解决背景技术中现有坐席辅助系统仅基于静态情绪快照进行推荐、缺乏对情绪动态变化的考量、且不具备闭环反馈优化能力,导致辅助效果不佳、无法自适应提升的问题,提供一种基于多维风险评估与生成式优化的坐席辅助方法、系统及介质。
2、为实现上述目的,本申请提供了一种基于多维风险评估与生成式优化的坐席辅助方法,该方法包括:获取预设规则、预存的用户画像信息以及用户与坐席间的交互会话数据,并基于所述交互会话数据周期性地解析出用户的情绪状态值以形成情绪状态值的时间序列,以及提取会话上下文;基于所述情绪状态值的时间序列,计算用户的情绪变化趋势;综合所述情绪状态值的时间序列中的当前情绪状态值、所述情绪变化趋势以及预存的用户画像信息,计算多维沟通风险等级,并在所述多维沟通风险等级超过第一预设阈值时,触发话术推荐;根据预设规则、触发时的所述多维沟通风险等级及所述会话上下文,执行从话术知识库匹配话术、或调用生成式语言模型生成话术的操作,以获得推荐话术;监测在推送所述推荐话术后的用户情绪变化作为反馈数据,并根据所述反馈数据,更新所述话术知识库中话术的有效性评分和/或对所述生成式语言模型进行微调训练。
3、可选地,所述交互会话数据包括语音数据和由所述语音数据转录得到的文本数据;所述周期性地解析出用户的情绪状态值的步骤,包括:采用多模态数据融合技术,融合基于所述语音数据的声学特征的语音分析结果和基于所述文本数据的语义的文本分析结果。
4、可选地,所述多模态数据融合技术包括:采用卷积神经网络对语音数据的声学特征进行分析,得到声学特征分析结果;采用transformer模型对文本数据进行语义分析,得到语义分析结果;以及通过注意力融合层对所述声学特征分析结果和所述语义分析结果进行加权融合。
5、可选地,所述计算多维沟通风险等级的步骤,具体为:采用加权求和模型计算所述多维沟通风险等级。
6、可选地,所述加权求和模型的输入包括:归一化的当前情绪状态值、归一化的情绪变化趋势和基于用户画像的风险偏置项。
7、可选地,所述执行从话术知识库匹配话术、或调用生成式语言模型生成话术的操作,包括:在所述多维沟通风险等级超过第二预设阈值,或所述预存的用户画像信息中的画像标签与所述会话上下文满足预设匹配条件的条件下,调用所述生成式语言模型生成话术;否则,从所述话术知识库中匹配推荐话术;其中,所述第二预设阈值大于或等于所述第一预设阈值。
8、可选地,所述计算用户的情绪变化趋势,包括:计算所述情绪状态值在预设时间窗内的线性回归斜率,以所述线性回归斜率作为所述情绪变化趋势。
9、可选地,所述根据所述反馈数据,更新所述话术知识库中话术的有效性评分和/或对所述生成式语言模型进行微调训练,还包括:将由所述生成式语言模型生成的、且被判定为有效的推荐话术,作为高质量样本用于对所述生成式语言模型进行进一步的微调训练,其中,判定为有效是指在推送所述推荐话术后的预设时间段内,用户的当前情绪状态值提升超过预设情绪阈值,或多维沟通风险等级下降超过预设风险阈值。
10、为实现上述目的,本申请还提供了一种基于多维风险评估与生成式优化的坐席辅助系统,该系统包括:数据采集模块,用于获取用户与坐席间的交互会话数据;情绪分析引擎,与所述数据采集模块连接,用于基于所述交互会话数据周期性地解析出用户的情绪状态值以形成情绪状态值的时间序列,并基于所述情绪状态值的时间序列计算用户的情绪变化趋势,以及提取会话上下文;多维决策引擎,与所述情绪分析引擎连接,用于综合所述情绪状态值的时间序列中的当前情绪状态值、所述情绪变化趋势以及预存的用户画像信息计算多维沟通风险等级;话术管理与推荐模块,其包括话术知识库和生成式语言模型,与所述多维决策引擎连接,用于在所述多维沟通风险等级超过第一预设阈值时被触发,并根据预设规则、所述多维沟通风险等级及所述会话上下文,执行从所述话术知识库匹配话术、或调用生成式语言模型生成话术的操作;闭环优化模块,与所述情绪分析引擎及所述话术管理与推荐模块连接,用于监测在推送话术后的用户情绪变化作为反馈数据,并根据所述反馈数据,更新所述话术管理与推荐模块中的所述话术知识库的有效性评分和/或对所述生成式语言模型进行微调训练。
11、为实现上述目的,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时,实现如前述任一项所述的方法。
12、与现有技术相比,本申请具有以下有益效果:首先,通过引入情绪变化趋势的分析,并结合量化的多维风险评估模型,本申请能够预判并精确度量对话的风险走向,提供更具前瞻性和针对性的辅助,提升了辅助的精准性和前瞻性。其次,通过引入生成式语言模型,本申请能够突破固定话术库的限制,在复杂场景下提供超越模板的、高度情境化和个性化的动态话术,实现了高度情境化的智能响应。再次,通过对知识库评分和生成式模型进行双重闭环反馈微调,系统能够从每一次交互中学习,自动优化话术策略,实现自我迭代,降低人工维护成本,从而实现了系统的自适应进化能力。最后,精准、智能的系统辅助能够有效帮助坐席应对高压沟通场景,降低心理压力,缩短新坐席的成长周期,从而降低了坐席的工作压力和培训成本。
1.一种基于多维风险评估与生成式优化的坐席辅助方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述交互会话数据包括语音数据和由所述语音数据转录得到的文本数据;
3.根据权利要求2所述的方法,其特征在于,所述多模态数据融合技术包括:
4.根据权利要求1所述的方法,其特征在于,所述计算多维沟通风险等级的步骤,具体为:
5.根据权利要求4所述的方法,其特征在于,所述加权求和模型的输入包括:
6.根据权利要求1所述的方法,其特征在于,所述执行从话术知识库匹配话术、或调用生成式语言模型生成话术的操作,包括:
7.根据权利要求1所述的方法,其特征在于,所述计算用户的情绪变化趋势,包括:
8.根据权利要求1所述的方法,其特征在于,所述根据所述反馈数据,更新所述话术知识库中话术的有效性评分和/或对所述生成式语言模型进行微调训练,还包括:
9.一种基于多维风险评估与生成式优化的坐席辅助系统,其特征在于,包括:
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时,实现如权利要求1至8中任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com