确定最优话术序列的方法、装置及存储介质与流程

1.本技术涉及话术预测技术领域，特别是涉及一种确定最优话术序列的方法、装置及存储介质。


背景技术：

2.由于人工智能技术发展，现在已近出现许多通过机器人与人进行语音交流系统，特别是语音客服，智能电销，智能催收，智能音箱等语音交互场景应用非常广泛。
3.当机器人能够与人语音交流后，如何提升交流效果，成为一个难点(比如在智能提醒中，如何提升机器人提醒有效率)。现有技术主要的话术优化方案主要是通过预测各个话术的转化率，但是在预测转化率的过程中，默认所有通话都能走到最终节点，所以预测的都是能够走完所有流程的最优情况。但是如果通话中断，例如用户在说完第一句话就挂断了，在这种情况下，由于在进行预测时没有考虑挂断信息，使得预测得到的话术序列并非最优结果，导致话术预测精准度不高。
4.针对上述的现有技术中存在的现有的话术预测方法默认所有通话都能走到最终节点，由于没有考虑到可能出现中途挂断的现象，使得预测得到的话术序列并非最优结果，导致话术预测精准度不高的技术问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本公开的实施例提供了一种确定最优话术序列的方法、装置及存储介质，以至少解决现有技术中存在的现有的话术预测方法默认所有通话都能走到最终节点，由于没有考虑到可能出现中途挂断的现象，使得预测得到的话术序列并非最优结果，导致话术预测精准度不高的技术问题。
6.根据本公开实施例的一个方面，提供了一种确定最优话术序列的方法，最优话术序列包括与目标用户进行交互的各个话术节点所对应的最优话术，包括：确定目标用户的用户特征信息和拨打信息；利用预先训练的预测模型，根据用户特征信息和拨打信息，分别确定多个话术序列中的各个话术的预测挂断率和预测挂断转化率，其中与各个话术节点对应的话术构成多个话术序列；以及根据多个话术序列中的各个话术的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，确定与目标用户进行交互的最优话术序列，其中交互过程信息包括：与目标用户进行交互的当前话术序列、与目标用户进行交互的话术子序列以及与目标用户进行交互的后续话术序列；当前话术序列为与目标用户进行交互的当前话术节点所对应的话术构成的序列；话术子序列为与目标用户进行交互的先前话术节点所对应的话术构成的序列；以及后续话术序列为由当前话术节点之后的后续话术节点所对应的话术构成的序列。
7.根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。
8.根据本公开实施例的另一个方面，还提供了一种确定最优话术序列的装置，最优
话术序列包括与目标用户进行交互的各个话术节点所对应的最优话术，包括：第一确定模块，由于确定目标用户的用户特征信息和拨打信息；第二确定模块，由于利用预先训练的预测模型，根据用户特征信息和拨打信息，分别确定多个话术序列中的各个话术的预测挂断率和预测挂断转化率，其中与各个话术节点对应的话术构成多个话术序列；以及第三确定模块，用于根据多个话术序列中的各个话术的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，确定与目标用户进行交互的最优话术序列，其中交互过程信息包括：与目标用户进行交互的当前话术序列、与目标用户进行交互的话术子序列以及与目标用户进行交互的后续话术序列；当前话术序列为与目标用户进行交互的当前话术节点所对应的话术构成的序列；话术子序列为与目标用户进行交互的先前话术节点所对应的话术构成的序列；以及后续话术序列为由当前话术节点之后的后续话术节点所对应的话术构成的序列。
9.根据本公开实施例的另一个方面，还提供了一种确定最优话术序列的装置，最优话术序列包括与目标用户进行交互的各个话术节点所对应的最优话术，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：确定目标用户的用户特征信息和拨打信息；利用预先训练的预测模型，根据用户特征信息和拨打信息，分别确定多个话术序列中的各个话术的预测挂断率和预测挂断转化率，其中与各个话术节点对应的话术构成多个话术序列；以及根据多个话术序列中的各个话术的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，确定与目标用户进行交互的最优话术序列，其中交互过程信息包括：与目标用户进行交互的当前话术序列、与目标用户进行交互的话术子序列以及与目标用户进行交互的后续话术序列；当前话术序列为与目标用户进行交互的当前话术节点所对应的话术构成的序列；话术子序列为与目标用户进行交互的先前话术节点所对应的话术构成的序列；以及后续话术序列为由当前话术节点之后的后续话术节点所对应的话术构成的序列。
10.在本公开实施例中，确定与目标用户进行交互的最优话术序列的过程中，不仅考虑各个话术的预测挂断率和预测挂断转化率，还结合了与目标用户进行交互的交互过程信息，并且该交互过程信息包括当前话术序列、话术子序列以及后续话术序列，其中后续话术序列将中途挂断的挂断信息考虑在内。从而，本技术对每一个节点的最优话术预测都考虑了挂断信息，在用户不能听完整通对话时，也能获取到当前情况的最优话术序列。进而解决了现有技术中存在的现有的话术预测方法默认所有通话都能走到最终节点，由于没有考虑到可能出现中途挂断的现象，使得预测得到的话术序列并非最优结果，导致话术预测精准度不高的技术问题。
附图说明
11.此处所说明的附图用来提供对本公开的进一步理解，构成本技术的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
12.图1是用于实现根据本公开实施例1所述的方法的计算设备的硬件结构框图；
13.图2是根据本公开实施例1的第一个方面所述的确定最优话术序列的方法的流程示意图；
14.图3是根据本公开实施例1所述的交互过程中各个话术的示意图；
15.图4是根据本公开实施例1所述的期望挂断转化率的计算示意图；
16.图5是根据本公开实施例1所述的确定最优话术序列的方法的整体流程示意图；
17.图6是根据本公开实施例2所述的确定最优话术序列的装置的示意图；以及
18.图7是根据本公开实施例3所述的确定最优话术序列的装置的示意图。
具体实施方式
19.为了使本技术领域的人员更好地理解本公开的技术方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。
20.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
21.实施例1
22.根据本实施例，提供了一种确定最优话术序列的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
23.本实施例所提供的方法实施例可以在服务器或者类似的计算设备中执行。图1示出了一种用于实现确定最优话术序列的方法的计算设备的硬件结构框图。如图1所示，计算设备可以包括一个或多个处理器(处理器可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口(i/o接口)、通用串行总线(usb)端口(可以作为i/o接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
24.应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算设备中的其他元件中的任意一个内。如本公开实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
25.存储器可用于存储应用软件的软件程序以及模块，如本公开实施例中的确定最优话术序列的方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的确定最优
话术序列的方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
26.传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算设备的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器(network interface controller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频(radio frequency，rf)模块，其用于通过无线方式与互联网进行通讯。
27.显示器可以例如触摸屏式的液晶显示器(lcd)，该液晶显示器可使得用户能够与计算设备的用户界面进行交互。
28.此处需要说明的是，在一些可选实施例中，上述图1所示的计算设备可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是，图1仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算设备中的部件的类型。
29.在上述运行环境下，根据本实施例的第一个方面，提供了一种确定最优话术序列的方法。图2示出了该方法的流程示意图，参考图2所示，该方法包括：
30.s202：确定目标用户的用户特征信息和拨打信息；
31.s204：利用预先训练的预测模型，根据用户特征信息和拨打信息，分别确定多个话术序列中的各个话术的预测挂断率和预测挂断转化率，其中与各个话术节点对应的话术构成多个话术序列；以及
32.s206：根据多个话术序列中的各个话术的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，确定与目标用户进行交互的最优话术序列。
33.其中，交互过程信息包括：与目标用户进行交互的当前话术序列、与目标用户进行交互的话术子序列以及与目标用户进行交互的后续话术序列；当前话术序列为与目标用户进行交互的当前话术节点所对应的话术构成的序列；话术子序列为与目标用户进行交互的先前话术节点所对应的话术构成的序列；以及后续话术序列为由当前话术节点之后的后续话术节点所对应的话术构成的序列。
34.正如背景技术中所述的，当机器人能够与人语音交流后，如何提升交流效果，成为一个难点(比如在智能提醒中，如何提升机器人提醒有效率)。现有技术主要的话术优化方案主要是通过预测各个话术的转化率，但是在预测转化率的过程中，默认所有通话都能走到最终节点，所以预测的都是能够走完所有流程的最优情况。但是如果通话中断，例如用户在说完第一句话就挂断了，在这种情况下，由于在进行预测时没有考虑挂断信息，使得预测得到的话术序列并非最优结果，导致话术预测精准度不高。
35.有鉴于此，在智能语音机器人需要通过一系列的话术和目标用户进行交互的情况下，可以预先选择能够使得该目标用户进行转化的最优话术序列，使得用户可以最大概率的进行转化。在本实施例中，首先确定目标用户的用户特征信息和拨打信息。其中用户特征信息为与目标用户关联的所有特征信息，包括但不限于用户属性，用户行为，用户历史拨打信息等信息。拨打信息为拨打前就能够获得的信息，包括但不限于电话、拨打任务、拨打活
动、拨打时间等拨打前可以获取的信息。
36.进一步地，利用预先训练的预测模型，根据用户特征信息和拨打信息，分别确定多个话术序列中的各个话术的预测挂断率和预测挂断转化率。其中，参照图3所示，具有三个话术节点：话术节点1、话术节点2、以及话术节点3，每个话术节点包括至少一个话术，例如话术节点1包括三个话术：s11、s12以及s13，话术节点2包括两个话术：s21以及s22，话术节点3包括两个话术：s31以及s32。此时，多个话术序列中的各个话术有s11、s12、s13、s21、s22、s31以及s32。利用预先训练的预测模型，根据用户特征信息和交互过程信息，分别确定s11、s12、s13、s21、s22、s31以及s32的预测挂断率和预测挂断转化率。
37.进一步地，根据s11、s12、s13、s21、s22、s31以及s32的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，确定与目标用户进行交互的最优话术序列。其中与目标用户进行交互的交互过程信息包括：与目标用户进行交互的当前话术序列、与目标用户进行交互的话术子序列以及与目标用户进行交互的后续话术序列。当前话术序列为与目标用户进行交互的当前话术节点所对应的话术构成的序列；话术子序列为与目标用户进行交互的先前话术节点所对应的话术构成的序列；以及后续话术序列为由当前话术节点之后的后续话术节点所对应的话术构成的序列。
38.参考图3所示，假定与目标用户进行交互的当前话术为s21，与目标用户进行交互的先前话术节点所对应的话术为s11，那么当前话术序列为s11-》s21，当前话术序列为s11。其中，当目标用户在听完话术s21后挂断，没来得及听后续话术的情况下，与目标用户进行交互的后续话术为0(用none表示)。当目标用户听完话术s21后未挂断且听到后续话术的情况下，与目标用户进行交互的后续话术为与目标用户进行交互的后续话术为s31和s32，因此后续话术序列为s11-》s21-》none、s11-》s21-》s31和s11-》s21-》s32。
39.在本实施例中，确定与目标用户进行交互的最优话术序列的过程中，不仅考虑各个话术的预测挂断率和预测挂断转化率，还结合了与目标用户进行交互的交互过程信息，并且该交互过程信息包括当前话术序列、话术子序列以及后续话术序列，其中后续话术序列将中途挂断的挂断信息考虑在内。从而，本技术对每一个节点的最优话术预测都考虑了挂断信息，在用户不能听完整通对话时，也能获取到当前情况的最优话术序列。进而解决了现有技术中存在的现有的话术预测方法默认所有通话都能走到最终节点，由于没有考虑到可能出现中途挂断的现象，使得预测得到的话术序列并非最优结果，导致话术预测精准度不高的技术问题。
40.可选地，根据多个话术序列中的各个话术的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，确定与目标用户进行交互的最优话术序列的操作，包括：根据多个话术序列中的各个话术的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，分别确定多个话术序列中的各个话术的期望挂断转化率；以及分别将各个话术节点对应的期望挂断转化率最高的话术确定为最优话术，生成最优话术序列。
41.具体地，参照图4所示，通过期望挂断转化率确定最优话术序列，即分别确定多个话术序列中的各个话术的期望挂断转化率，然后分别将各个话术节点对应的期望挂断转化率最高的话术确定为最优话术，生成最优话术序列。例如：话术节点1对应的期望挂断转化率最高的话术为s11，话术节点2对应的期望挂断转化率最高的话术为s21，话术节点3对应的期望挂断转化率最高的话术为s32，那么最优话术序列为s11-》s21-》s32。即使用户在听
完话术s21后挂断，所确定的最优话术序列已经将此结果考虑进去，所以s11-》s21也是此时最优话术序列。通过这种方式，在本实施例中，不仅结合了挂断信息，还利用期望挂断转化率来获取每一个节点的预测结果，利用挂断信息和期望挂断转化率确定最优话术序列，进一步解决了用户挂断后所推荐的话术序列可能不是最优话术序列的问题。
42.可选地，根据多个话术序列中的各个话术的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，分别确定多个话术序列中的各个话术的期望挂断转化率的操作，包括：根据当前话术序列中的各个话术的预测挂断率和预测挂断转化率以及后续话术序列中的各个话术的预测挂断率和预测挂断转化率，确定当前话术序列中的各个话术的期望挂断转化率；以及根据所确定的当前话术序列中的各个话术的期望挂断转化率，分别确定多个话术序列中的各个话术的期望挂断转化率。具体地，在当前话术为s21和s22的情况下，需要确定s21的期望挂断转化率和s22的期望挂断转化率。在当前话术为s31和s32的情况下，需要确定s31的期望挂断转化率和s32的期望挂断转化率。以此类推，直至确定所有话术的期望挂断转化率。
43.可选地，根据当前话术序列中的各个话术的预测挂断率和预测挂断转化率以及后续话术序列中的各个话术的预测挂断率和预测挂断转化率，确定当前话术序列中的各个话术的期望预测挂断转化率的操作，包括：根据当前话术序列中的各个话术的之前未挂断率、预测挂断率和预测挂断转化率，确定当前话术序列中的各个话术的第一挂断转化率；根据后续话术序列中的各个话术的之前未挂断率、预测挂断率和预测挂断转化率，确定后续话术序列中的各个话术的第二挂断转化率；当前话术序列中的各个话术的第一挂断转化率以及后续话术序列中的各个话术的第二挂断转化率，确定当前话术序列中的各个话术的期望挂断转化率。
44.具体地，参照图4所示，以当前话术为s21为例，在后续话术为none的情况下，即用户在听完话术s21后挂断的情况下，根据s21的之前未挂断率、预测挂断率和预测挂断转化率，确定s21的第一挂断转化率。其中，s21的第一挂断转化率对应投入4中的后续话术为none的挂断转化率。在用户在听完话术s21后未挂断的情况下，首先根据s31的之前未挂断率、s31预测挂断率和s31预测挂断转化率，确定s31的第二挂断转化率，其中s31的第二挂断转化率对应于图4中的后续话术为s31的挂断转化率。然后根据s32的之前未挂断率、s32预测挂断率和s32预测挂断转化率，确定s32的第二挂断转化率，其中s32的第二挂断转化率对应于图4中的后续话术为s32的挂断转化率。最后，根据s21的第一挂断转化率、s31的第二挂断转化率以及s32的第二挂断转化率确定s21的期望挂断转化率。
45.可选地，当前话术序列中的各个话术的第一挂断转化率以及后续话术序列中的各个话术的第二挂断转化率，确定当前话术序列中的各个话术的期望挂断转化率的操作，包括：从后续话术序列中选取第二挂断转化率最高的话术；以及当前话术序列中的各个话术的第一挂断转化率以及后续话术序列中第二挂断转化率最高的话术对应的第二挂断转化率，确定当前话术序列中的各个话术的期望挂断转化率。
46.具体地，根据上述的，对后续话术为s31的挂断转化率和后续话术为s32的挂断转化率进行比较，选取出挂断转化率较高的一个，例如后续话术为s32的挂断转化率。此时，s21的期望挂断转化率为后续话术为none的挂断转化率加上后续话术为s32的挂断转化率。即，当前话术的期望挂断转化率等于其后续话术为none的挂断转化率与后续话术不为none
的较高的挂断转化率之和。通过这种方式，能够准确地确定当前话术序列中的各个话术的期望挂断转化率。
47.可选地，通过以下操作确定后续话术序列中的各个话术的之前未挂断率：根据当前话术序列中的各个话术的预测挂断率，确定后续话术序列中的各个话术的之前未挂断率。
48.具体地，参照图4所示，以当前话术为s21为例，当后续话术为none时，意味着用户在听完话术s21后就挂断，此时s21的之前未挂断率为1，当后续话术为s31时，意味着用户在听完话术s21后并未挂断。此时s31的之前未挂断率为1减去s21的预测挂断率。当后续话术为s32时，也意味着用户在听完话术s21后并未挂断，此时s32的之前未挂断率也为1减去s21的预测挂断率。通过这种方式，能够准确地确定后续话术序列中的各个话术的之前未挂断率。
49.此外，参考图1所示，根据本实施例的第二个方面，提供了一种存储介质。存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项的方法。
50.此外，参照图5所示，本发明所提出的确定最优话术序列的方法的整体流程如下：
51.1)训练流程：
52.a)获取每一个预测话术的拨打记录，实际话术和对应的用户画像信息。
53.b)对获取的数据进行特征处理，形成模型可用训练数据。
54.c)使用用户画像实时特征和用户话术特征进行训练并发布预测服务。
55.2)预测流程：
56.a)获取待拨打用户及其用户画像特征。
57.b)对于每一个待预测话术节点，构建其待预测话术和其所有子路径。
58.c)对获取的数据进行特征处理，形成模型可用训练数据。
59.d)使用训练好的模型预测所有子路径挂断率和挂断转化率。
60.e)对每一个待预测话术节点，计算其期望挂断转化率，选择所有待预测节点最优期望挂断转化率组合进行推荐播报。
61.示例性的，假设有如下表1的样本用于模型训练，利用深度学习多目标联合训练，同时学习挂断概率和挂断转化率预测两个目标。
62.表1
[0063][0064]
在预测时，现以话术节点2期望挂断转化率计算举例，假设话术节点1预测最优期望挂断转化率话术为s11，如图4计算s2x期望挂断转化率：根据图4计算，选取s21和s22期望挂断概率较大的作为预测节点对应的最优话术，假设s22较大，这样就得到s11和s22的话术
组合，此时再按此方法计算s3x期望挂断概率，假设s32最优，则最终推荐组合为s11，s22，s32。这样就算用户在s22处挂断，由于预测时已经将此结果考虑进去，所以s11、s22也是此时最优话术组合。
[0065]
在本实施例中，对每一个节点预测都考虑了挂断信息，增加模型学习能力，在预测时，在用户不能听完整通对话时，也能获取到当前情况最优的话术组合。
[0066]
综上所述，本发明所提出的话术对比的中间指标的验证方法可以产生以下效果：
[0067]
1)利用挂断信息和期望挂断转化率计算最优话术组合(对应于上述的最优话术序列)，解决用户挂断后组合推荐可能不是最优的问题；
[0068]
2)使用深度学习联合训练预测挂断率和挂断转化率，让两个任务共用底层信息，提高两个任务的准确率，如果使用两个分开的模型分别预测挂断率和转化率，也属于本实施例的一种实现方式；
[0069]
3)无论使用逻辑回归，树类型模型，深度学习等任何模型，还是在特征做各种变化(比如特征交叉，特征映射)，增加特征信息，只要样本构建方式，期望挂断转化率计算方式如本实施例所示，都属于本实施例的实现方式。
[0070]
4)用户画像特征指能与用户关联的所有特征，包括但不限于用户属性，用户行为，用户历史拨打信息等。
[0071]
5)本技术所提出的技术方案适用于所有智能语音话术预测场景，包括但不限于智能外呼，呼入，语音催收，回访，电销等，也适用于文本多轮对话话术预测场景。
[0072]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
[0073]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0074]
实施例2
[0075]
图6示出了根据本实施例所述的确定最优话术序列的装置600，最优话术序列包括与目标用户进行交互的各个话术节点所对应的最优话术，该装置600与根据实施例1的第一个方面所述的方法相对应。参考图6所示，该装置600包括：第一确定模块610，由于确定目标用户的用户特征信息和拨打信息；第二确定模块620，由于利用预先训练的预测模型，根据用户特征信息和拨打信息，分别确定多个话术序列中的各个话术的预测挂断率和预测挂断转化率，其中与各个话术节点对应的话术构成多个话术序列；以及第三确定模块630，用于根据多个话术序列中的各个话术的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，确定与目标用户进行交互的最优话术序列，其中交互过程信息包括：与目标用户进行交互的当前话术序列、与目标用户进行交互的话术子序列以及与目标用户进
行交互的后续话术序列；当前话术序列为与目标用户进行交互的当前话术节点所对应的话术构成的序列；话术子序列为与目标用户进行交互的先前话术节点所对应的话术构成的序列；以及后续话术序列为由当前话术节点之后的后续话术节点所对应的话术构成的序列。
[0076]
可选地，第三确定模块630包括：确定子模块，用于根据多个话术序列中的各个话术的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，分别确定多个话术序列中的各个话术的期望挂断转化率；以及生成子模块，由于将各个话术节点对应的期望挂断转化率最高的话术确定为最优话术，生成最优话术序列。
[0077]
可选地，确定子模块，包括：第一确定单元，用于根据当前话术序列中的各个话术的预测挂断率和预测挂断转化率以及后续话术序列中的各个话术的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，确定当前话术序列中的各个话术的期望挂断转化率；以及第二确定单元，用于根据所确定的当前话术序列中的各个话术的期望挂断转化率，分别确定多个话术序列中的各个话术的期望挂断转化率。
[0078]
可选地，第一确定单元，包括：第一确定子单元，用于根据当前话术序列中的各个话术的之前未挂断率、预测挂断率和预测挂断转化率，确定当前话术序列中的各个话术的第一挂断转化率；第二确定子单元，用于根据后续话术序列中的各个话术的之前未挂断率、预测挂断率和预测挂断转化率，确定后续话术序列中的各个话术的第二挂断转化率；第三确定子单元，用于当前话术序列中的各个话术的第一挂断转化率以及后续话术序列中的各个话术的第二挂断转化率，确定当前话术序列中的各个话术的期望挂断转化率。
[0079]
可选地，第三确定子单元，包括：选取部件，用于从后续话术序列中选取第二挂断转化率最高的话术；以及确定部件，用于当前话术序列中的各个话术的第一挂断转化率以及后续话术序列中第二挂断转化率最高的话术对应的第二挂断转化率，确定当前话术序列中的各个话术的期望挂断转化率。
[0080]
可选地，装置600还包括第四确定模块，用于通过以下操作确定后续话术序列中的各个话术的之前未挂断率：根据当前话术序列中的各个话术的预测挂断率，确定后续话术序列中的各个话术的之前未挂断率。
[0081]
从而根据本实施例，确定与目标用户进行交互的最优话术序列的过程中，不仅考虑各个话术的预测挂断率和预测挂断转化率，还结合了与目标用户进行交互的交互过程信息，并且该交互过程信息包括当前话术序列、话术子序列以及后续话术序列，其中后续话术序列将中途挂断的挂断信息考虑在内。从而，本技术对每一个节点的最优话术预测都考虑了挂断信息，在用户不能听完整通对话时，也能获取到当前情况的最优话术序列。进而解决了现有技术中存在的现有的话术预测方法默认所有通话都能走到最终节点，由于没有考虑到可能出现中途挂断的现象，使得预测得到的话术序列并非最优结果，导致话术预测精准度不高的技术问题。
[0082]
实施例3
[0083]
图7示出了根据本实施例所述的确定最优话术序列的装置700，最优话术序列包括与目标用户进行交互的各个话术节点所对应的最优话术，该装置700与根据实施例1的第一个方面所述的方法相对应。参考图7所示，该装置700包括：处理器710；以及存储器720，与处理器710连接，用于为处理器710提供处理以下处理步骤的指令：确定目标用户的用户特征信息和拨打信息；利用预先训练的预测模型，根据用户特征信息和交互过程信息，分别确定
多个话术序列中的各个话术的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，其中与各个话术节点对应的话术构成多个话术序列；以及根据多个话术序列中的各个话术的预测挂断率和预测挂断转化率，确定与目标用户进行交互的最优话术序列，其中交互过程信息包括：与目标用户进行交互的当前话术序列、与目标用户进行交互的话术子序列以及与目标用户进行交互的后续话术序列；当前话术序列为与目标用户进行交互的当前话术节点所对应的话术构成的序列；话术子序列为与目标用户进行交互的先前话术节点所对应的话术构成的序列；以及后续话术序列为由当前话术节点之后的后续话术节点所对应的话术构成的序列。
[0084]
可选地，根据多个话术序列中的各个话术的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，确定与目标用户进行交互的最优话术序列的操作，包括：根据多个话术序列中的各个话术的预测挂断率和预测挂断转化率，分别确定多个话术序列中的各个话术的期望挂断转化率；以及将各个话术节点对应的期望挂断转化率最高的话术确定为最优话术，生成最优话术序列。
[0085]
可选地，根据多个话术序列中的各个话术的预测挂断率和预测挂断转化率以及与目标用户进行交互的交互过程信息，分别确定多个话术序列中的各个话术的期望挂断转化率的操作，包括：根据当前话术序列中的各个话术的预测挂断率和预测挂断转化率以及后续话术序列中的各个话术的预测挂断率和预测挂断转化率，确定当前话术序列中的各个话术的期望挂断转化率；以及根据所确定的当前话术序列中的各个话术的期望挂断转化率，分别确定多个话术序列中的各个话术的期望挂断转化率。
[0086]
可选地，根据当前话术序列中的各个话术的预测挂断率和预测挂断转化率以及后续话术序列中的各个话术的预测挂断率和预测挂断转化率，确定当前话术序列中的各个话术的期望挂断转化率的操作，包括：根据当前话术序列中的各个话术的之前未挂断率、预测挂断率和预测挂断转化率，确定当前话术序列中的各个话术的第一挂断转化率；根据后续话术序列中的各个话术的之前未挂断率、预测挂断率和预测挂断转化率，确定后续话术序列中的各个话术的第二挂断转化率；当前话术序列中的各个话术的第一挂断转化率以及后续话术序列中的各个话术的第二挂断转化率，确定当前话术序列中的各个话术的期望挂断转化率。
[0087]
可选地，当前话术序列中的各个话术的第一挂断转化率以及后续话术序列中的各个话术的第二挂断转化率，确定当前话术序列中的各个话术的期望挂断转化率的操作，包括：从后续话术序列中选取第二挂断转化率最高的话术；以及当前话术序列中的各个话术的第一挂断转化率以及后续话术序列中第二挂断转化率最高的话术对应的第二挂断转化率，确定当前话术序列中的各个话术的期望挂断转化率。
[0088]
可选地，通过以下操作确定后续话术序列中的各个话术的之前未挂断率：根据当前话术序列中的各个话术的预测挂断率，确定后续话术序列中的各个话术的之前未挂断率。
[0089]
从而根据本实施例，确定与目标用户进行交互的最优话术序列的过程中，不仅考虑各个话术的预测挂断率和预测挂断转化率，还结合了与目标用户进行交互的交互过程信息，并且该交互过程信息包括当前话术序列、话术子序列以及后续话术序列，其中后续话术序列将中途挂断的挂断信息考虑在内。从而，本技术对每一个节点的最优话术预测都考虑
了挂断信息，在用户不能听完整通对话时，也能获取到当前情况的最优话术序列。进而解决了现有技术中存在的现有的话术预测方法默认所有通话都能走到最终节点，由于没有考虑到可能出现中途挂断的现象，使得预测得到的话术序列并非最优结果，导致话术预测精准度不高的技术问题。
[0090]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0091]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0092]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0093]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0094]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0095]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0096]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。