外呼处理方法、装置、设备、介质及产品与流程
本技术涉及人工智能领域,尤其涉及一种外呼处理方法、装置、设备、介质及产品。
背景技术:
1、智能外呼是指利用人工智能技术与通信技术相结合,实现自动化拨打电话并与客户进行智能对话的系统。在银行等金融运营场景下,实际智能外呼客户服务业务,包含多种多项,例如日常关怀、产品推荐、服务提醒、信息核实、业务催收等不同大类,覆盖个金、信用卡等数十个银行业务条线,以及多家分行特色业务。
2、相关技术中,智能外呼通常主要以任务为核心进行多轮交互流程、话术、策略的设计和配置等,为用户提供单一活动任务的智能客户服务。具体地,由一线人员根据活动目标针对性逐一搭建多轮交互的流程,主要运用传统规则引擎和小模型实现意图识别,再由一线人员根据活动产品信息人工编写固定话术,结合词槽配置形成完整答复话术。相关技术中的外呼方案,同业务条线、不同分行机构各自自行按需配置外呼时间、次数、客户名单等。
3、然而,相关技术中的外呼处理方法无法准确识别用户意图,无法为用户提供多种多样的灵活交互体验,导致用户体验性差。
技术实现思路
1、本技术提供一种外呼处理方法、装置、设备、介质及产品,用以解决相关技术中的外呼处理方法无法准确识别用户意图,无法为用户提供多种多样的灵活交互体验,导致用户体验性差的技术问题。
2、第一方面,本技术提供一种外呼处理方法,包括:
3、响应于用户的外呼请求,获取用户的交互上下文;
4、调用预设的主智能体,以对交互上下文进行识别处理,得到对应的意图标签;其中,预设的主智能体连接至多个预设的子智能体,预设的主智能体通过交互上下文样本和交互上下文样本对应的意图标签训练得到;
5、根据意图标签,在多个预设的子智能体中进行筛选,以得到至少一个目标子智能体;其中,预设的子智能体对应于预设业务场景,预设的子智能体通过对应的预设的业务场景下的交互上下文和应答文本样本训练得到;
6、调用目标子智能体,以根据交互上下文生成应答文本;
7、根据应答文本,向用户输出应答语音。
8、本技术实施例提供了一种能够灵活适应用户需求的智能外呼方案,利用大模型框架构建的主智能体和子智能体,能够将对应于不同业务场景下不同功能的智能体整合到一个协同系统中,当与用户进行外呼交互时,通过主智能体来识别意图标签,再结合意图标签能够灵活切换至适配用户交互场景的子智能体。这种协同方案,实现了任务分解与多任务协同的灵活、无中断跳转,从而能够准确识别用户意图,结合业务场景为用户提供多种多样的灵活交互体验,能够提高用户体验。
9、可选地,根据意图标签,在多个预设的子智能体中进行筛选,以得到至少一个目标子智能体,包括:
10、获取预设的子智能体的业务场景标签;
11、根据意图标签和业务场景标签,进行匹配处理,以得到意图标签对应的目标子智能体。
12、本技术实施例在进行目标子智能体的确定时,通过为各子智能体配置业务场景标签,并将意图标签与业务场景标签进行匹配,实现了用户意图到具体业务场景的标准化映射。这种标签化的匹配机制,使得主智能体能够快速、准确地从多个子智能体中筛选出目标子智能体,提高了路由效率。同时也可以在新增业务场景时动态扩展子智能体,增强了系统的可扩展性。进一步地提高智能外呼的用户体验。
13、可选地,根据意图标签和业务场景标签,进行匹配处理,以得到意图标签对应的目标子智能体,包括:
14、根据意图标签和业务场景标签,进行匹配处理,以得到意图标签对应的至少一个待筛选子智能体;
15、若意图标签对应的待筛选子智能体为一个,则确定待筛选子智能体为目标子智能体;
16、若意图标签对应的待筛选子智能体为多个,则从多个待筛选子智能体中,确定出目标子智能体。
17、这里,本技术实施例通过对匹配结果进行分支判断,针对单匹配和多匹配场景分别采用不同的处理策略。当只有一个匹配结果时,直接确定为目标子智能体,保证响应速度。当存在多个匹配结果即多个子智能体针对同一任务产生决策冲突时,进入进一步的决策流程,避免路由冲突。这种分支处理机制,在保证效率的同时兼顾了复杂场景下的决策准确性,提升了子智能体分配的准确性。
18、可选地,从多个待筛选子智能体中,确定出目标子智能体,包括:
19、调用预设的仲裁智能体,以通过预设的仲裁智能体中预配置的决策规则,对多个待筛选子智能体进行决策处理,得到目标子智能体;和/或,
20、将多个待筛选子智能体的决策信息发送至预设用户交互接口,以通过用户交互接口接收用户针对决策信息的反馈信息,并根据反馈信息得到目标子智能体。
21、其中,当多个智能体对同一任务产生决策冲突时,能够通过引入仲裁智能体,基于预设规则进行决策,同时支持人工干预接口,保障复杂场景下的决策准确性。具体地,针对多个子智能体匹配同一意图标签的场景,通过仲裁智能体基于预配置规则进行自动决策,保障决策效率;通过人工干预接口接收用户反馈进行决策,保障复杂场景下的决策准确性。自动决策与人工干预相结合的方式,兼顾了系统的自动化程度和决策的可靠性,使系统能够适应不同复杂度的业务场景,进一步地提高了外呼交互的灵活性,提高了用户体验。
22、可选地,调用预设的主智能体,以对交互上下文进行识别处理,得到对应的意图标签,包括:
23、获取用户的画像信息;其中,画像信息通过用户的历史交互行为和/或用户的历史交互信息得到;
24、将画像信息和交互上下位输入至预设的主智能体,以通过预设的主智能体输出意图标签。
25、本技术实施例中,在意图识别阶段引入用户的画像信息,使主智能体不仅基于当前交互上下文,还结合用户的历史交互行为和历史交互信息进行综合判断。这种多维度的意图识别方式,能够更准确地理解用户的真实需求,尤其适用于用户表述模糊或上下文信息不充分的场景,提高了意图识别的准确率。
26、可选地,在根据应答文本,向用户输出应答语音之后,还包括:
27、在目标子智能体服务过程中,监测用户的实时交互状态;
28、当监测到用户的意图发生切换时,调用预设的主智能体识别切换后的新意图;
29、根据切换后的新意图,确定新的目标子智能体,以基于新的目标子智能体输出应答语音。
30、这里,本技术实施例在子智能体服务过程中持续监测用户的实时交互状态,当检测到用户意图发生切换时,无需挂断当前通话,而是动态调用主智能体重识别新意图并切换至对应的新子智能体。这种无中断的意图切换机制,使得一次外呼触达即可响应用户在通话过程中演变的多个需求,能够在一次外呼过程中实现多任务的交互,以用户为中心实现外呼交互,为用户提供差异化、定制化的服务,提高了用户体验。
31、可选地,在调用预设的主智能体,以对交互上下文进行识别处理,得到对应的意图标签之前,还包括:
32、获取第一训练数据集;其中,第一训练数据集包括多个交互上下文样本和交互上下文样本对应的意图标签;
33、根据第一训练数据集,对初始的第一模型进行微调训练,以得到预设的主智能体。
34、其中,本技术实施例预先通过交互上下文样本以及意图标签进行微调训练得到主智能体,使主智能体专注于学习从交互上下文到意图标签的映射关系。这种针对性的训练方式,使主智能体在意图识别任务上达到更高的准确率,同时与应答生成部分的子智能体解耦,便于独立优化和迭代更新,进一步地提高了外呼的准确性和灵活性。
35、可选地,在根据意图标签,在多个预设的子智能体中进行筛选,以得到至少一个目标子智能体之前,还包括:
36、获取第二训练数据集;其中,第二训练数据集包括对应预设业务场景下的多个交互上下文样本和应答文本样本;
37、根据第二训练数据集,对初始的第二模型进行训练,以得到对应预设业务场景的预设的子智能体。
38、其中,本技术实施例针对每个预设业务场景,采用该场景专属的交互上下文以及应答文本配对训练数据集,对各子智能体进行独立训练。这种场景化的训练方式,使每个子智能体能够深入掌握特定业务场景下的对话规律和应答策略,生成更专业、更贴合业务需求的应答文本,相较于通用模型显著提升了应答质量,进一步地提高了外呼过程中的用户体验。
39、可选地,在根据应答文本,向用户输出应答语音之后,还包括:
40、采集用户针对应答语音的反馈数据和/或业务变更信息;其中,反馈数据包括交互结果数据和/或满意度评分;
41、根据反馈数据和/或业务变更信息,构建反馈样本集;
42、根据反馈样本集,对预设的主智能体和/或预设的子智能体进行更新处理,以得到更新后的主智能体和/或更新后的子智能体。
43、本技术实施例通过采集用户反馈数据和业务变更信息构建反馈样本集,并基于反馈样本集对主智能体和/或子智能体进行增量更新,实现了模型的持续进化和动态适应。一方面,用户反馈用于模型优化,提高了外呼应答的准确性,另一方面,业务变更信息触发知识库联动更新,保证信息的时效性。这种闭环更新机制,使外呼系统具备了自我优化的能力,能够更加准确地在外呼过程中为用户提供应答,进一步地提高了用户体验。
44、第二方面,本技术实施例提供一种外呼处理装置,包括:
45、第一获取模块,用于响应于用户的外呼请求,获取用户的交互上下文;
46、第一调用模块,用于调用预设的主智能体,以对交互上下文进行识别处理,得到对应的意图标签;其中,预设的主智能体连接至多个预设的子智能体,预设的主智能体通过交互上下文样本和交互上下文样本对应的意图标签训练得到;
47、筛选模块,用于根据意图标签,在多个预设的子智能体中进行筛选,以得到至少一个目标子智能体;其中,预设的子智能体对应于预设业务场景,预设的子智能体通过对应的预设的业务场景下的交互上下文和应答文本样本训练得到;
48、第二调用模块,用于调用目标子智能体,以根据交互上下文生成应答文本;
49、输出模块,用于根据应答文本,向用户输出应答语音。
50、可选地,所述筛选模块具体用于:
51、获取所述预设的子智能体的业务场景标签;
52、根据所述意图标签和所述业务场景标签,进行匹配处理,以得到所述意图标签对应的目标子智能体。
53、可选地,所述筛选模块还具体用于:
54、根据所述意图标签和所述业务场景标签,进行匹配处理,以得到所述意图标签对应的至少一个待筛选子智能体;
55、若所述意图标签对应的待筛选子智能体为一个,则确定所述待筛选子智能体为所述目标子智能体;
56、若所述意图标签对应的待筛选子智能体为多个,则从多个所述待筛选子智能体中,确定出所述目标子智能体。
57、可选地,所述筛选模块还具体用于:
58、调用预设的仲裁智能体,以通过所述预设的仲裁智能体中预配置的决策规则,对多个所述待筛选子智能体进行决策处理,得到所述目标子智能体;和/或,
59、将所述多个所述待筛选子智能体的决策信息发送至预设用户交互接口,以通过所述用户交互接口接收所述用户针对所述决策信息的反馈信息,并根据所述反馈信息得到所述目标子智能体。
60、可选地,所述第一调用模块具体用于:
61、获取所述用户的画像信息;其中,所述画像信息通过所述用户的历史交互行为和/或用户的历史交互信息得到;
62、将所述画像信息和所述交互上下位输入至所述预设的主智能体,以通过所述预设的主智能体输出所述意图标签。
63、可选地,在所述输出模块用于根据所述应答文本,向所述用户输出应答语音之后,上述装置还包括切换模块,用于:
64、在所述目标子智能体服务过程中,监测所述用户的实时交互状态;
65、当监测到所述用户的意图发生切换时,调用所述预设的主智能体识别切换后的新意图;
66、根据所述切换后的新意图,确定新的目标子智能体,以基于所述新的目标子智能体输出应答语音。
67、可选地,在所述第一调用模块用于调用预设的主智能体,以对所述交互上下文进行识别处理,得到对应的意图标签之前,上述装置还包括第一训练模块,用于:
68、获取第一训练数据集;其中,所述第一训练数据集包括多个交互上下文样本和所述交互上下文样本对应的意图标签;
69、根据所述第一训练数据集,对初始的第一模型进行微调训练,以得到所述预设的主智能体。
70、可选地,在所述第二调用模块用于根据所述意图标签,在多个预设的子智能体中进行筛选,以得到至少一个目标子智能体之前,上述装置还包括第二训练模块,用于:
71、获取第二训练数据集;其中,所述第二训练数据集包括对应预设业务场景下的多个交互上下文样本和应答文本样本;
72、根据所述第二训练数据集,对初始的第二模型进行训练,以得到对应所述预设业务场景的预设的子智能体。
73、可选地,在所述输出模块用于根据所述应答文本,向所述用户输出应答语音之后,上述装置还包括更新模块,用于:
74、采集所述用户针对所述应答语音的反馈数据和/或业务变更信息;其中,所述反馈数据包括交互结果数据和/或满意度评分;
75、根据所述反馈数据和/或业务变更信息,构建反馈样本集;
76、根据所述反馈样本集,对所述预设的主智能体和/或所述预设的子智能体进行更新处理,以得到更新后的主智能体和/或更新后的子智能体。
77、第三方面,本技术实施例提供一种电子设备,包括:存储器,处理器;
78、存储器存储计算机执行指令;
79、处理器执行存储器存储的计算机执行指令,使得处理器执行如上第一方面的方法。
80、第四方面,本技术实施例提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现如上第一方面的方法。
81、第五方面,本技术实施例提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上第一方面的方法。
82、本技术提供的一种外呼处理方法、装置、设备、介质及产品,能够利用大模型框架构建的主智能体和子智能体,能够将对应于不同业务场景下不同功能的智能体整合到一个协同系统中,当与用户进行外呼交互时,通过主智能体来识别意图标签,再结合意图标签能够灵活切换至适配用户交互场景的子智能体。这种协同方案,实现了任务分解与多任务协同的灵活、无中断跳转,从而能够准确识别用户意图,结合业务场景为用户提供多种多样的灵活交互体验,能够提高用户体验。
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