本申请涉及计算机领域，尤其涉及一种识别用户通话响应状态的方法、装置和电子设备。
背景技术
在人工智能机器人客服进行通话对话时，对机器人的反应速度要求极高，为了避免机械式的对话，往往需要对用户对拨号这个事件的响应状态进行实时的识别，从而能够有助于机器人进行判断以便流畅地进行对话。目前业内对响应状态的识别，一个模型用来判断电话是否拨通，第二个模型时用来判断接通的电话是否有人呼应。因为机器人计算出响应状态需要等待两个模型一次计算完，这种方式效率有待改进，有必要提供一种新的方法，以提高通话时对用户响应状态识别的速度。
技术实现要素：
本说明书实施例提供一种识别用户通话响应状态的方法、装置和电子设备，用以提高通话时对用户响应状态识别的速度。
本说明书实施例提供一种识别用户通话响应状态的方法，包括：
构建具有多个任务的通话状态识别模型，所述多个任务之间具有共用片段，不同任务的目标为不同的通话响应状态；
向用户发起通话并获取声音信息，调用所述通话状态识别模型根据声音信息识别用户的通话响应状态，包括：
所述多个任务的共用片段对声音信息进行处理，并将共用片段的处理结果传递至各任务的专有片段进行识别，根据多个任务的识别结果判别用户的通话响应状态。
可选地，所述将共用片段的处理结果传递至各任务的专有片段进行识别，包括：
各专有片段分别根据共用片段的处理结果计算任务各自对应目标的概率；
所述根据多个任务的识别结果判别用户的通话响应状态，包括：
根据任务计算出的概率及各任务的目标判别用户的通话响应状态。
可选地，所述构建具有多个任务的通话状态识别模型，还包括：
将构建的通话状态识别模型进行压缩和部署。
可选地，所述多个任务的目标分别为未接通、杂音通话和语音通话中的一个。
可选地，所述构建具有多个任务的通话状态识别模型，包括：
获取通话响应信息样本，按照各样本的通话响应状态对通话响应信息样本进行标签设置；
构建具有多任务结构的通话状态识别模型，并利用设置有标签的所述通话响应信息样本对所述通话状态识别模型进行训练。
可选地，还包括：
根据实时识别出的通话响应状态选择对话内容的推送时机。
可选地，还包括：
根据通话响应状态筛选目标用户进行通话复拨。
可选地，还包括：
预测所述目标用户对发起通话的号码进行拒接设置的概率，从目标用户中剔除预测出的拒接用户。
可选地，还包括：
根据识别出的通话响应状态对用户进行客群划分和优先权排序，按照优先级顺序投放业务资源。
本说明书实施例还提供一种识别用户通话响应状态的装置，包括：
多任务模型模块，构建具有多个任务的通话状态识别模型，所述多个任务之间具有共用片段，不同任务的目标为不同的通话响应状态；
识别模块，向用户发起通话并获取声音信息，调用所述通话状态识别模型根据声音信息识别用户的通话响应状态，包括：
所述多个任务的共用片段对声音信息进行处理，并将共用片段的处理结果传递至各任务的专有片段进行识别，根据多个任务的识别结果判别用户的通话响应状态。
可选地，所述将共用片段的处理结果传递至各任务的专有片段进行识别，包括：
各专有片段分别根据共用片段的处理结果计算任务各自对应目标的概率；
所述根据多个任务的识别结果判别用户的通话响应状态，包括：
根据任务计算出的概率及各任务的目标判别用户的通话响应状态。
可选地，所述构建具有多个任务的通话状态识别模型，还包括：
将构建的通话状态识别模型进行压缩和部署。
可选地，所述多个任务的目标分别为未接通、杂音通话和语音通话中的一个。
可选地，所述构建具有多个任务的通话状态识别模型，包括：
获取通话响应信息样本，按照各样本的通话响应状态对通话响应信息样本进行标签设置；
构建具有多任务结构的通话状态识别模型，并利用设置有标签的所述通话响应信息样本对所述通话状态识别模型进行训练。
可选地，还包括：
根据实时识别出的通话响应状态选择对话内容的推送时机。
可选地，还包括：
根据通话响应状态筛选目标用户进行通话复拨。
可选地，还包括：
预测所述目标用户对发起通话的号码进行拒接设置的概率，从目标用户中剔除预测出的拒接用户。
可选地，还包括：
根据识别出的通话响应状态对用户进行客群划分和优先权排序，按照优先级顺序投放业务资源。
本说明书实施例还提供一种电子设备，其中，该电子设备包括：
处理器；以及，
存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述任一项方法。
本说明书实施例还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现上述任一项方法。
本说明书实施例提供的各种技术方案通过构建具有多个任务的通话状态识别模型，所述多个任务之间具有共用片段，不同任务的目标为不同的通话响应状态，向用户发起通话并获取声音信息，调用所述通话状态识别模型根据声音信息识别用户的通话响应状态，包括，所述多个任务的共用片段对声音信息进行处理，并将共用片段的处理结果传递至各任务的专有片段进行识别，根据多个任务的识别结果判别用户的通话响应状态。通过构建具有多个任务的通话状态识别模型，由于多个任务之间具有共用片段，对不同状态的计算过程中相同的部分计算过程避免重复计算，因而提高了通话时对用户响应状态识别的速度。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例提供的一种识别用户通话响应状态的方法的原理示意图；
图2为本说明书实施例提供的一种识别用户通话响应状态的装置的结构示意图；
图3为本说明书实施例提供的一种电子设备的结构示意图；
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
图1为本说明书实施例提供的一种识别用户通话响应状态的方法的原理示意图，该方法可以包括：
S101：构建具有多个任务的通话状态识别模型，所述多个任务之间具有共用片段，不同任务的目标为不同的通话响应状态。
为了使模型能够从多个可能状态中最终得到一个响应状态，我们可以在模型中构建多个任务，对每个任务分别构建对应的响应状态特征匹配规则，这样，不同的任务便能够计算出该任务所要识别的响应状态的概率，最后根据多个任务计算出的概率进行比较，就能够最终判断并得到一个响应状态。
为了减少计算量，我们让多个任务共用部分任务片段，三个任务并行计算提高计算效率。
在本说明书实施例中，涉及到具体训练模型时，所述构建具有多个任务的通话状态识别模型，可以包括：
获取通话响应信息样本，按照各样本的通话响应状态对通话响应信息样本进行标签设置；
构建具有多任务结构的通话状态识别模型，并利用设置有标签的所述通话响应信息样本对所述通话状态识别模型进行训练。
其中，所述多个任务的目标分别为未接通、杂音通话和语音通话中的一个。
对应到多个任务各自的状态特征匹配规则上，可以让识别未接通状态的任务配置匹配固定音的规则，让识别杂音通话状态的任务匹配对方终端发送的杂音，让识别语音通话状态的任务匹配对方终端发送的人类语音。
当然，识别语音通话状态的任务匹配时，可以匹配夹杂有杂音的人类语音，因为杂音能够表示对方接通了电话。
其中，固定音可以是通话未接通的提示音，比如，嘟嘟声，对方已关机提示，音乐等，在此不做具体阐述和限制。
为了实现模型轻量化，加快计算速度，在本说明书实施例中，所述构建具有多个任务的通话状态识别模型，还可以包括：
将构建的通话状态识别模型进行压缩和部署。
S102：向用户发起通话并获取声音信息，调用所述通话状态识别模型根据声音信息识别用户的通话响应状态，可以包括：
所述多个任务的共用片段对声音信息进行处理，并将共用片段的处理结果传递至各任务的专有片段进行识别，根据多个任务的识别结果判别用户的通话响应状态。
该方法通过构建具有多个任务的通话状态识别模型，所述多个任务之间具有共用片段，不同任务的目标为不同的通话响应状态，向用户发起通话并获取声音信息，调用所述通话状态识别模型根据声音信息识别用户的通话响应状态，包括，所述多个任务的共用片段对声音信息进行处理，并将共用片段的处理结果传递至各任务的专有片段进行识别，根据多个任务的识别结果判别用户的通话响应状态。通过构建具有多个任务的通话状态识别模型，由于多个任务之间具有共用片段，对不同状态的计算过程中相同的部分计算过程避免重复计算，因而提高了通话时对用户响应状态识别的速度。
其中，声音信息是采集的机器人终端播放的声音。
在本说明书实施例中，所述将共用片段的处理结果传递至各任务的专有片段进行识别，可以包括：
各专有片段分别根据共用片段的处理结果计算任务各自对应目标的概率；
所述根据多个任务的识别结果判别用户的通话响应状态，可以包括：
根据任务计算出的概率及各任务的目标判别用户的通话响应状态。
其中，任务的专有片段可以包括对共用片段的处理结果进行匹配的计算函数，通过计算概率，得出与目标之间的匹配度，概率位于首位的任务所对应的目标，就判定为最终识别出的通话响应状态。
在本说明书实施例中，该方法还可以包括：
根据实时识别出的通话响应状态选择对话内容的推送时机。
具体可以是指，不同的用户可能被识别为，未接通、杂音通话和语音通话，对于杂音通话和语音通话，前者由于用户未发出语音，因此机器人即便发起话题也不会引起反感，而对于后者，机器人则需要等待时机，避免出现打断用户话题的情况。
在本说明书实施例中，考虑到用户对拨号所产生的不同响应状态，实际上能够一定程度上反映该用户对机器人业务的需求性强弱，如果用户在首次拨号时未接通，那么，说明至少用户并不反感，如果用户接通了电话但是却未说话，说明用户只是意外接通了电话，然而实际上却对机器人比较反感，那么这类人作为目标用户的可能性就比较小，因此，对于前两种状态所体现的拨号效果差的情况，我们可以进行复拨。
因此，在本说明书实施例中，该方法还可以包括：
根据通话响应状态筛选目标用户进行通话复拨。
这样，由于复拨时考虑了用户的响应状态，因而对这些目标用户提供业务命中的可能性较高，有助于产生预期的拨号效果。
在本说明书实施例中，该方法还可以包括：
预测所述目标用户对发起通话的号码进行拒接设置的概率，从目标用户中剔除预测出的拒接用户。
这在实际应用场景中可以表示，通过识别并剔除屏蔽机器人号码的用户，我们可以提前知道未来的拒接事件，不再向这类用户进行拨号，因而能够提高资源利用率，避免资源浪费。
在本说明书实施例中，该方法还可以包括：
根据识别出的通话响应状态对用户进行客群划分和优先权排序，按照优先级顺序投放业务资源。
图2为本说明书实施例提供的一种识别用户通话响应状态的装置的结构示意图，该装置可以包括：
多任务模型模块201，构建具有多个任务的通话状态识别模型，所述多个任务之间具有共用片段，不同任务的目标为不同的通话响应状态；
识别模块202，向用户发起通话并获取声音信息，调用所述通话状态识别模型根据声音信息识别用户的通话响应状态，包括：
所述多个任务的共用片段对声音信息进行处理，并将共用片段的处理结果传递至各任务的专有片段进行识别，根据多个任务的识别结果判别用户的通话响应状态。
为了使模型能够从多个可能状态中最终得到一个响应状态，我们可以在模型中构建多个任务，对每个任务分别构建对应的响应状态特征匹配规则，这样，不同的任务便能够计算出该任务所要识别的响应状态的概率，最后根据多个任务计算出的概率进行比较，就能够最终判断并得到一个响应状态。
为了减少计算量，我们让多个任务共用部分任务片段，三个任务并行计算提高计算效率。
在本说明书实施例中，所述将共用片段的处理结果传递至各任务的专有片段进行识别，包括：
各专有片段分别根据共用片段的处理结果计算任务各自对应目标的概率；
所述根据多个任务的识别结果判别用户的通话响应状态，包括：
根据任务计算出的概率及各任务的目标判别用户的通话响应状态。
在本说明书实施例中，所述构建具有多个任务的通话状态识别模型，还包括：
将构建的通话状态识别模型进行压缩和部署。
在本说明书实施例中，所述多个任务的目标分别为未接通、杂音通话和语音通话中的一个。
在本说明书实施例中，所述构建具有多个任务的通话状态识别模型，包括：
获取通话响应信息样本，按照各样本的通话响应状态对通话响应信息样本进行标签设置；
构建具有多任务结构的通话状态识别模型，并利用设置有标签的所述通话响应信息样本对所述通话状态识别模型进行训练。
在本说明书实施例中，还包括：
根据实时识别出的通话响应状态选择对话内容的推送时机。
在本说明书实施例中，还包括：
根据通话响应状态筛选目标用户进行通话复拨。
在本说明书实施例中，还包括：
预测所述目标用户对发起通话的号码进行拒接设置的概率，从目标用户中剔除预测出的拒接用户。
在本说明书实施例中，还包括：
根据识别出的通话响应状态对用户进行客群划分和优先权排序，按照优先级顺序投放业务资源。
该装置构建具有多个任务的通话状态识别模型，所述多个任务之间具有共用片段，不同任务的目标为不同的通话响应状态，向用户发起通话并获取声音信息，调用所述通话状态识别模型根据声音信息识别用户的通话响应状态，包括，所述多个任务的共用片段对声音信息进行处理，并将共用片段的处理结果传递至各任务的专有片段进行识别，根据多个任务的识别结果判别用户的通话响应状态。通过构建具有多个任务的通话状态识别模型，由于多个任务之间具有共用片段，对不同状态的计算过程中相同的部分计算过程避免重复计算，因而提高了通话时对用户响应状态识别的速度。
基于同一发明构思，本说明书实施例还提供一种电子设备。
下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
图3为本说明书实施例提供的一种电子设备的结构示意图。下面参照图3来描述根据本发明该实施例的电子设备300。图3显示的电子设备300仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于：至少一个处理单元310、至少一个存储单元320、连接不同系统组件(包括存储单元320和处理单元310)的总线330、显示单元340等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元310执行，使得所述处理单元310执行本说明书上述处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元310可以执行如图1所示的步骤。
所述存储单元320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元(ROM)3203。
所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204，这样的程序模块3205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备300也可以与一个或多个外部设备400(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备300交互的设备通信，和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且，电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器360可以通过总线330与电子设备300的其它模块通信。应当明白，尽管图3中未示出，可以结合电子设备300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAI D系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：如图1所示的方法。
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
实现图1所示方法的计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C 等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述，本发明可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
