来电的进线分配方法、装置及服务器与流程

1.本技术涉及数据处理技术领域，尤其涉及一种来电的进线分配方法、装置及服务器。


背景技术：

2.在数字化的时代背景下，面向零售客户的企业虽然大力通过移动端(例如，手机银行、微信银行等)向客户提供服务，但仍有大量客户通过致电人工客服的方式获得服务和寻求帮助。
3.在现有技术中，当前对于客户的来电首先通过语音导航引导客户通过手机键盘或简要回答选择来电所需服务的分类路径，客户最终选择需要人工客服时才会进入人工服务，在多个客户进线时，所优先接通的进线是根据客户在线等待时长确定的。
4.然而，由于客户的需求的紧急程度等不相同，在现有技术中，仅简单的依照等待时长确定进线的优先级，容易造成用户资源浪费的情况发生。


技术实现要素：

5.本技术实施例提供一种来电的进线分配方法、装置及服务器，用以解决现有技术造成客户资源浪费的问题。
6.第一方面，本技术实施例提供一种来电的进线分配方法，包括：
7.获取来电号码对应的账户信息，所述账户信息包括：用卡交易、账单信息、账户状态、渠道行为和征信；
8.将所述账户信息输入至预设的来电意图模型中，得到所述来电号码的目标来电意图，所述来电意图模型是根据多条历史通话记录和所述多条历史通话记录对应的账户信息确定的用于获取与所述来电号码最接近的来电意图的算法；
9.根据所述目标来电意图，在预设的来电评级表中，确定所述目标来电意图的评分，所述来电评级表中包含多个来电意图对应的评分，每个来电意图对应的评分是根据重要程度、风险程度和创收程度确定的分值；
10.根据所述目标来电意图的评分，确定来电号码的优先程度。
11.在第一方面一种可能的设计中，所述将所述账户信息输入至预设的来电意图模型中，得到所述来电号码的目标来电意图，包括：
12.将所述账户信息输入至预设的来电意图模型中，得到至少一个来电意图的预测概率；
13.将所述至少一个来电意图的预测概率中数值最大的来电意图作为所述目标来电意图。
14.在第一方面另一种可能的设计中，在所述将所述账户信息输入至预设的来电意图模型中，得到所述来电号码的目标来电意图之前，所述方法还包括：
15.获取多条历史通话记录；
16.根据所述多条历史通话记录，确定来电意图字典，所述来电意图字典记录有至少一个来电意图和所述至少一个来电意图语义相近的词汇；
17.根据所述来电意图字典，对所述多条历史通话记录进行标注，得到所述多条历史通话记录对应的来电意图；
18.根据所述多条历史通话记录对应的来电意图和所述多条历史通话记录对应的账户信息，确定所述来电意图模型。
19.在该种可能的设计中，所述根据所述多条历史通话记录，确定来电意图字典，包括：
20.将所述多条历史通话记录进行文字转换，得到多条历史通话文本；
21.对所述多条历史通话文本进行分词处理，得到多个词汇及所述多个词汇出现的次数；
22.对所述多个词汇及所述多个词汇出现的次数进行文本向量相似度计算，确定所述至少一个来电意图和所述至少一个来电意图语义相近的词汇；
23.根据所述至少一个来电意图和所述至少一个来电意图语义相近的词汇，确定所述来电意图字典。
24.在该种可能的设计中，所述根据所述多条历史通话记录对应的来电意图和所述多条历史通话记录对应的账户信息，确定所述来电意图模型，包括：
25.根据所述多条历史通话记录对应的来电意图，建立多个来电意图分别对应的训练样本；
26.针对每个来电意图，确定与所述来电意图相同的历史通话记录对应的账户信息；
27.根据所述与所述来电意图相同的历史通话记录对应的账户信息，利用梯度提升决策树算法对所述训练样本进行训练，得到训练后的训练样本；
28.根据各个来电意图对应的训练后的训练样本，确定所述来电意图模型。
29.可选的，所述方法还包括：
30.根据所述目标来电意图的评分和所述目标来电意图，确定所述来电号码对应的语音导航菜单。
31.可选的，所述方法还包括：
32.根据所述目标来电意图的评分和所述目标来电意图，确定所述来电号码进行坐席分配的类别。
33.可选的，所述目标来电意图的评分的大小与所述来电号码的优先程度成正相关。
34.第二方面，本技术实施例提供一种来电的进线分配装置，包括：
35.获取模块，用于获取来电号码对应的账户信息，所述账户信息包括：用卡交易、账单信息、账户状态、渠道行为和征信；
36.处理模块，用于将所述账户信息输入至预设的来电意图模型中，得到所述来电号码的目标来电意图，所述来电意图模型是根据多条历史通话记录和所述多条历史通话记录对应的账户信息确定的用于获取与所述来电号码最接近的来电意图的算法；
37.确定模块，用于根据所述目标来电意图，在预设的来电评级表中，确定所述目标来电意图的评分，所述来电评级表中包含多个来电意图对应的评分，每个来电意图对应的评分是根据重要程度、风险程度和创收程度确定的分值；
38.所述确定模块，还用于根据所述目标来电意图的评分，确定来电号码的优先程度。
39.在第二方面一种可能的设计中，所述处理模块，具体用于：
40.将所述账户信息输入至预设的来电意图模型中，得到至少一个来电意图的预测概率；
41.将所述至少一个来电意图的预测概率中数值最大的来电意图作为所述目标来电意图。
42.在第二方面另一种可能的设计中，在所述将所述账户信息输入至预设的来电意图模型中，得到所述来电号码的目标来电意图之前，所述处理模块，还包括：
43.获取多条历史通话记录；
44.根据所述多条历史通话记录，确定来电意图字典，所述来电意图字典记录有至少一个来电意图和所述至少一个来电意图语义相近的词汇；
45.根据所述来电意图字典，对所述多条历史通话记录进行标注，得到所述多条历史通话记录对应的来电意图；
46.根据所述多条历史通话记录对应的来电意图和所述多条历史通话记录对应的账户信息，确定所述来电意图模型。
47.在该种可能的设计中，所述处理模块根据所述多条历史通话记录，确定来电意图字典，具体用于：
48.将所述多条历史通话记录进行文字转换，得到多条历史通话文本；
49.对所述多条历史通话文本进行分词处理，得到多个词汇及所述多个词汇出现的次数；
50.对所述多个词汇及所述多个词汇出现的次数进行文本向量相似度计算，确定所述至少一个来电意图和所述至少一个来电意图语义相近的词汇；
51.根据所述至少一个来电意图和所述至少一个来电意图语义相近的词汇，确定所述来电意图字典。
52.在该种可能的设计中，所述处理模块根据所述多条历史通话记录对应的来电意图和所述多条历史通话记录对应的账户信息，确定所述来电意图模型，具体用于：
53.根据所述多条历史通话记录对应的来电意图，建立多个来电意图分别对应的训练样本；
54.针对每个来电意图，确定与所述来电意图相同的历史通话记录对应的账户信息；
55.根据所述与所述来电意图相同的历史通话记录对应的账户信息，利用梯度提升决策树算法对所述训练样本进行训练，得到训练后的训练样本；
56.根据各个来电意图对应的训练后的训练样本，确定所述来电意图模型。
57.可选的，所述确定模块，还用于：
58.根据所述目标来电意图的评分和所述目标来电意图，确定所述来电号码对应的语音导航菜单。
59.可选的，所述确定模块，还用于：
60.根据所述目标来电意图的评分和所述目标来电意图，确定所述来电号码进行坐席分配的类别。
61.可选的，所述目标来电意图的评分的大小与所述来电号码的优先程度成正相关。
62.第三方面，本技术实施例提供一种服务器，包括：处理器、存储器；
63.所述存储器存储计算机执行指令；
64.所述处理器执行所述计算机执行指令，使得所述服务器执行如上述第一方面及各种可能的设计中所述的来电的进线分配方法。
65.第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上述第一方面及各种可能的设计中所述的来电的进线分配方法。
66.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，所述计算机程序被处理器执行时用于实现如上述第一方面及各种可能的设计中所述的来电的进线分配方法。
67.本技术实施例提供的来电的进线分配方法、装置及服务器。该方法通过获取来电号码对应的账户信息，账户信息包括：用卡交易、账单信息、账户状态、渠道行为和征信，并将账户信息输入至预设的来电意图模型中，得到来电号码的目标来电意图，来电意图模型是根据多条历史通话记录和多条历史通话记录对应的账户信息确定的用于获取与来电号码最接近的来电意图的算法，之后根据目标来电意图，在预设的来电评级表中，确定目标来电意图的评分，来电评级表中包含多个来电意图对应的评分，每个来电意图对应的评分是根据重要程度、风险程度和创收程度确定的分值，最后根据目标来电意图的评分，确定来电号码的优先程度。该方法中，从来电号码对应的账户信息出发，判定来电号码接线的优先程度，更大程度上避免了用户资源浪费的情况发生。
附图说明
68.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
69.图1为本技术实施例提供的来电的进线分配方法的应用场景示意图；
70.图2为本技术实施例提供的来电的进线分配方法的框架示意图；
71.图3为本技术实施例提供的来电的进线分配方法实施例一的流程示意图；
72.图4为本技术实施例提供的来电的进线分配方法实施例二的流程示意图；
73.图5为本技术实施例提供的来电的进线分配装置的结构示意图；
74.图6为本技术实施例提供的服务器的结构示意图。
75.通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
76.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
77.在介绍本技术的实施例之前，首先对本技术的背景技术进行解释说明：
78.在数字化的时代背景下，面向零售客户的银行、通信等公司，虽然大力通过移动端的应用程序(如，手机银行、微信银行等)向客户提供服务，但仍有大量客户需要通过致电人工客服的方式获得服务和寻求帮助。
79.当前对于客户来电，首先通过语音导航引导客户通过手机键盘或简要回答选择来电所需服务的分类路径，当客户最终选择需要人工客服时客户的进线优先级主要根据客户在线等待时长来决定。
80.然而，基于等待时长，选择对来电的接线优先级的流程模式主要存在以下问题：
81.1、部分客户来电是由于某些紧迫原因，如交易被拒绝、卡片被盗刷等，过长的等待时间会严重影响客户体验，以及造成客户对服务商的负面印象，甚至可能造成财务损失；
82.2、不同的客服人员对不同的服务类型和相关知识的掌握情况差异较大，可能会直接影响客户服务的结果和效果。例如，处理客户投诉是在客服场景中复杂度高且影响重大的一类业务，善于处理此类业务的客服坐席可以更好地安抚客户进线更有效地处理防止投诉升级至外部监管机构；
83.3、部分客户来电涉及高价值服务(如，分期办理、购买理财产品等)意向，过长的等待时间可能让银行失去创收的机会；
84.4、部分客户来电的诉求通常能够通过自助渠道完成，如果此类来电占用了大量的人工客服资源，会严重影响人工客服的投入产出比；
85.5、银行的语音导航菜单选项多，且存在层层嵌套，接听时间过长会造成客户体验不佳的情况发生。
86.在上述现有技术存在的问题基础上，图1为本技术实施例提供的来电的进线分配方法的应用场景示意图，用以解决上述技术问题。如图1所示，该应用场景示意图包括：终端设备11、服务器12和服务设备13。
87.其中，终端设备11为客户的手机、电话等设备，可以包括：用户p的手机111、用户q的手机112和用户w的手机113等；服务设备13为客服人员的手机、电话等设备。
88.应理解，本技术实施例提供的应用场景和下述来电的进线分配方法不对终端设备11和服务设备13的数量做限定，在应用场景的示例仅为可能发生情形的一种举例。
89.其中，由于客服人员数量有限，在多数情况下，服务的客户数量较大，在客户需要人工接线时，由于客户较多，此时需要进行排队接入。
90.示例性的，在一种可能的实现中，用户p收到了银行卡转账的短信，但是用户p并没有操作账户，此时，用户p通过手机111拨打电话进行人工服务办理相关业务时，服务器12接收到该用户p的电话号码。
91.在一般情况下，用户p的电话号码与银行账户绑定，此时，服务器根据用户p的电话号码，调用数据库中关于银行账户的相关信息，并根据该信息确定出用户p的来电意图，并对该意图进行打分，以确定是否需要优先对用户p的电话号码进行接线。
92.具体的，在某个时段，用户p、用户q和用户w接入客服，此时，在分别确定出上述客户的意图，进行打分后发现，用户p的得分最大，优先被接入，而用户q可能为咨询年费业务，用户w可能为查账单业务，业务的紧急程度相对较低，允许有等待时间。
93.进一步的，服务器12优先接通手机111和服务设备13，服务设备13对应的客服为用户p提供服务。
94.可选的，图2为本技术实施例提供的来电的进线分配方法的框架示意图。如图2所示，该框架包括：来电预测模块21、来电评级模块22和评级结果应用模块23。
95.在一种可能的实现中，用户来电后，来电预测模块21通过获取用户的账户信息，对来电意图进行预测，当确定出来电意图时，来电评级模块22对来电意图进行来电评级，包括来电意图的重要程度、风险程度和创收程度，之后基于来电评级，评级结果应用模块23进行语音导航决策的分配、进线决策和坐席分配。
96.本技术针对上述技术问题，发明人的技术构思过程如下：现有技术主要基于来电的等待时长决定来电接入的优先级，而对于一次客户来电的原因，一般与账户信息相关，例如，账户资金流失，则存在盗刷、账单查询等可能，如果能够综合考虑来电号码对应的账户信息，将账户信息输入预测模型来预测用户来电的意图，而不同来电的意图，其用户需求的紧迫程度也是不同的，根据来电意图的类型，以该来电意图的重要程度、风险程度和创收程度来决定该来电的优先级，不但可以提高用户体验，减小用户资源浪费、也可以为银行等企业规避投诉、创造营收等。
97.下面以图1所示的应用场景示意图和图2所示的来电的进线分配方法的框架示意图，通过具体实施例对本技术的技术方案进行详细说明。需要说明的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
98.图3为本技术实施例提供的来电的进线分配方法实施例一的流程示意图。如图3所示，该来电的进线分配方法包括如下步骤：
99.步骤31、获取来电号码对应的账户信息。
100.其中，账户信息包括：用卡交易、账单信息、账户状态、渠道行为和征信。
101.在本步骤中，当客户通过终端设备拨打服务热线办理业务时，服务器首先获取来电号码，由于拨打服务热线的来电号码一般绑定有客户的账户，进而，根据来电号码，可以在数据库中查询该来电号码对应的账户信息。
102.可选的，用卡交易可以包括该卡(以银行卡为例)的近期交易情况；账单信息可以是该卡的账单数据；账户状态可以是账户处于冻结、正常等状态；渠道行为可以是手机银行浏览、致电客服、在线客服交互、电话催收等；征信可以是信用卡的欠款等数据。
103.此外，账户信息还可以包括服务器对应的用户方内部自建的各类模型评分(如分期办理倾向、销卡销户倾向、贷后升期倾向等)。
104.步骤32、将账户信息输入至预设的来电意图模型中，得到来电号码的目标来电意图。
105.其中，来电意图模型是根据多条历史通话记录和多条历史通话记录对应的账户信息确定的用于获取与来电号码最接近的来电意图的算法。
106.在本步骤中，在上述获取到来电号码对应的账户信息之后，将账户信息输入至预设的来电意图模型中，可以得到该来电号码对应的客户可能的来电意图。
107.可选的，预设的来电意图模型可以是基于深度学习算法，通过对多条历史通话记录和该多条历史通话记录对应的账户信息进行训练得到的，为了提高来电意图模型输出来电号码对应的更加准确的来电意图，可以采用至少50万条历史通话记录和对应的账户信息。
108.示例性的，来电意图模型的输出可以是来电号码可能的来电意图，以及各个可能的来电意图的预测分数。
109.上述模型输出结果为大于0小于1的概率。对于每一通来电应用上述所有符合实际应用技术标准的意图预测模型进行打分，取预测概率最高的模型预测意图为最终意图，并需进行如下判断：如果此概率高于近期来电通话实际抽样的随机样本按此意图模型预测结果排序后的前30％样本对应的预测概率值时，则最终意图预测结果保持不变，否则最终意图判定为不确定。
110.在一种可能的实现中，该步骤32可以包括如下实现方式：
111.第1步、将账户信息输入至预设的来电意图模型中，得到至少一个来电意图的预测概率。
112.可选的，在来电意图模型中，可以设置有多个来电意图的样本，将账户信息输入各个来电意图的样本中进行相似度匹配、运算等，以得到不同来电意图的样本的预测概率。
113.其中，该预测概率可以是大于0小于1的概率。
114.在一种可能的实现中，该来电意图模型输出了3种预测概率，其中，来电意图1(如，盗刷)的预测概率75％；来电意图2(如，续费)的预测概率8％；来电意图3(如，查账单)的预测概率15％。
115.第2步、将至少一个来电意图的预测概率中数值最大的来电意图作为目标来电意图。
116.可选的，依次比较可能的来电意图的预测概率，选取预测概率中数值最大的预测概率对应的来电意图作为来电号码的来电意图，称为目标来电意图。
117.在一种可能的实现中，接上述示例，来电意图1(盗刷)的预测概率大于来电意图2(续费)的预测概率和来电意图3(查账单)的预测概率，此时可以将来电意图1(盗刷)作为目标来电意图。
118.此外，在上述判断过程中，如果目标来电意图的预测概率高于近期来电通话实际抽样的随机样本按此来电意图模型预测结果排序后的前30％样本对应的预测概率时，则最终预测结果保持不变，否则可以视为此次预测结果不准确。
119.步骤33、根据目标来电意图，在预设的来电评级表中，确定目标来电意图的评分。
120.其中，来电评级表中包含多个来电意图对应的评分，每个来电意图对应的评分是根据重要程度、风险程度和创收程度综合进行评定，然后确定的分值。
121.可选的，风险程度的评价标准为此通来电是否与高风险事件相关，当处理该来电不及时或不恰当是否会带来财务损失和声誉风险；重要程度的评价标准为此通来电是否存在监管风险或对客户体验产生重要影响；创收程度的评价标准为此通来电是否会产生新业务的办理机会，特别是能够带来新增收入。
122.可选的，表1为一种可能的来电评级表，a、b、c依次代表评分的由高至低，如表1所示：
123.表1
124.来电意图风险程度重要程度创收程度盗刷abc年费ccb
分期cba销户cba查账单ccc投诉aac增值服务cba
125.表1示出了7种可能的来电意图分别对应的风险，盗刷和投诉的风险程度最高，投诉的重要程度最高，分期、销户和增值服务的创收程度最高，而查账单可以在手机终端上进行查询，其对应的重要程度、创收程度和风险程度相对较低。
126.在一种可能的实现中，当目标来电意图为盗刷时，在表1中可知目标来电意图的评分为abc；当目标来电意图为年费时，在表1中可知目标来电意图的评分为ccb；当目标来电意图为查账单时，在表1中可知目标来电意图的评分为ccc等。
127.步骤34、根据目标来电意图的评分，确定来电号码的优先程度。
128.在本步骤中，在得到目标来电意图的评分，可以根据该评分进行对来电号码进线的优先程度。
129.可选的，目标来电意图的评分的大小与来电号码的优先程度成正相关。
130.在一种可能的实现中，来电号码有3个，分别对应的来电意图为盗刷、年费和查账单，此时对应的评分为abc、ccb和ccc，则接线的优先程度可以是盗刷大于年费，年费大于查账单。
131.进一步的，还可以根据目标来电意图的评分和目标来电意图，确定来电号码对应的语音导航菜单。
132.在一种可能的实现中，当来电号码对应的来电意图的评分较低时，服务器可以分配相应的语音导航，例如，查账单，可以是语音导航至自助渠道办理；当来电号码对应的来电意图的评分较高时，可以缩短语音导航；当来电号码对应的来电意图的评分一般时，可以是默认语音导航。
133.此外，根据目标来电意图的评分和目标来电意图，确定来电号码进行坐席分配的类别。
134.可选的，在一些特殊的来电意图下，服务器在分配客服时，也可以根据来电意图的不同设置不同的坐席分配，例如，分期咨询办理可以优先分配至擅长分期业务办理的坐席；销卡销户可以优先分配至优先分配至擅长客户挽留的坐席；投诉可以优先分配擅长处理投诉的坐席；对于部分其他业务，可以在客服空闲时，默认分配。
135.可选的，表2为一种可能的来电应对策略表，如表2所示，可以包括：来电号码的优先程度(进线优先级)、语音导航菜单的分配、以及接入来电的坐席分配。
136.表2
[0137][0138]
其中，以盗刷(abc)为例，abc代表盗刷的风险程度为a，重要程度为b，创收程度为c，而语音导航菜单可以设置缩短语音导航时间，进线优先级为高，坐席分配为默认设置。
[0139]
此部分依据上述来电评级结果实现差异化的客户语音导航设计、进线优先级排列和坐席分配决策，从而实现及时处理高风险业务、防控客户投诉升级、赢得创收机会、提升客户满意度、并且可以优化人工客服渠道的投入产出比。
[0140]
本技术是实施例提供一种来电的进线分配方法，通过获取来电号码对应的账户信息，并将账户信息输入至预设的来电意图模型中，得到来电号码的目标来电意图，来电意图模型是根据多条历史通话记录和多条历史通话记录对应的账户信息确定的用于获取与来电号码最接近的来电意图的算法，之后根据目标来电意图，在预设的来电评级表中，确定目标来电意图的评分，最后根据目标来电意图的评分，确定来电号码的优先程度。该方法中，从来电号码对应的账户信息预测出来电号码可能的来电意图，进而判定来电号码接线的优先程度，更大程度上避免了用户资源浪费的情况发生，以及在客户由于紧迫原因办理业务，缩短等待时长、客服人员接线分配，使得处理业务专业化、增加创收机会和投入产出比等。
[0141]
在上述实施例的基础上，图4为本技术实施例提供的来电的进线分配方法实施例二的流程示意图。如图4所示，在上述步骤32之前，该来电的进线分配方法还可以包括如下步骤：
[0142]
步骤41、获取多条历史通话记录。
[0143]
在本步骤中，为了更加准确的得到来电号码对应的来电意图，需要利用历史通话记录来训练来电意图模型，此时，获取多条历史通话记录。
[0144]
可选的，获取的方式可以是通过数据库随机选取，也可以是通过其他服务器的数据库选取，也可以是技术人员从终端设备上导入的。
[0145]
可选的，选取的数量可以是超过50万条、100万条等。
[0146]
步骤42、根据多条历史通话记录，确定来电意图字典。
[0147]
其中，来电意图字典记录有至少一个来电意图和至少一个来电意图语义相近的词汇。
[0148]
在本步骤中，由于来电客户具有多样性，在描述来电意图的用词也具有多样性，此时，需要构建来电意图字典，在来电意图字典中以至少一个特定词汇作为来电意图，以不同的语义相近的词汇作为该特定词汇的衍生词汇。
[0149]
可选的，用不同的语义相近的词汇归为一类，在来电意图字典中记录不同来电意图的不同描述词汇。
[0150]
在一种可能的实现中，该步骤可以包括如下实现方式：
[0151]
第1步、将多条历史通话记录进行文字转换，得到多条历史通话文本。
[0152]
可选的，将获取到的历史通话记录分别进行文字转换，在该过程中，可以对转换后的文字进行去停用词、降噪等处理，使得转换后的文字具有规范性，从而得到每条历史通话记录对应的历史通话文本。
[0153]
在一种可能的实现中，当某条历史通话记录中的语言为“我需要将要银行卡注销”，在转换的过程中可以得到历史通话文本“我需要将银行卡注销”。
[0154]
在另一种可能的实现中，当某条历史通话记录中的语言为“我需要将银行卡通注销”，在转换的过程中可以得到历史通话文本“我需要将银行卡注销”。
[0155]
第2步、对多条历史通话文本进行分词处理，得到多个词汇及多个词汇出现的次数。
[0156]
可选的，对各个历史通话文本进行关键字、词的提取，以得到多个词汇和每个词汇对应的出现频次。
[0157]
在一种可能的实现中，可以通过词向量word2vector、或二元语法2-gram等技术实现分词并得到分词出现的频率。
[0158]
第3步、对多个词汇及多个词汇出现的次数进行文本向量相似度计算，确定至少一个来电意图和至少一个来电意图语义相近的词汇。
[0159]
可选的，对多个词汇及多个词汇出现的次数进行文本向量相似度计算，将多个词汇语义相近的词汇进行聚类，以得到至少一个来电意图和至少一个来电意图语义相近的词汇，即将一个来电意图和该来电意图语义相近的词汇聚类。
[0160]
在一种可能的实现中，来电意图“销卡”，其语义相近的词汇可以包括“注销卡片”、“注销银行卡”、“不要卡了”、“销毁卡片”、“注销账户”等。
[0161]
第4步、根据至少一个来电意图和至少一个来电意图语义相近的词汇，确定来电意图字典。
[0162]
可选的，经过上述处理，可以得到多个来电意图以及每个来电意图对应的语义相近的词汇，将这些词汇记录在一起，构成来电意图字典。
[0163]
此外，该来电意图字典的构建还可以经过技术人员的筛选，即可以结合专家知识应用聚类得到。
[0164]
步骤43、根据来电意图字典，对多条历史通话记录进行标注，得到多条历史通话记录对应的来电意图。
[0165]
在本步骤中，在来电意图字典构建完成后，通过来电意图字典中来电意图的主题词与每个历史通话记录进行模糊匹配、或/和相似度计算对历史通话记录进行标注，即对每条历史通话记录进行标注吗，得到该历史通话记录对应的来电意图。
[0166]
此外，未能自动标注成功的历史通话记录，可以在服务器对应的显示界面显示，以供技术人员进行标注。
[0167]
在该步骤之后，还可以利用标注完成后的历史通话记录、对于卷积神经网络的文本分类模型textcnn进行训练，以得到来电意图的主题分类模型，用于对通话记录进行标注。
[0168]
进一步的，来电意图主题分类模型构建完成后，再次随机选取部分客户的来电录音，对其进行文字转写后应用该分类模型进行自动化标注，以检验该模型的准确性。
[0169]
步骤44、根据多条历史通话记录对应的来电意图和多条历史通话记录对应的账户信息，确定来电意图模型。
[0170]
在本步骤中，基于上述标注来电意图后的历史通话记录，以及历史通话记录对应的账户信息，利用梯度提升决策树算法，得到来电意图模型，以实现再根据账户信息，推出可能的来电意图。
[0171]
可选的，多条历史通话记录对应的来电意图的确定方式可以是根据来电意图字典，对多条历史通话记录进行标注得到；也可以是根据来电意图的主题分类模型得到。
[0172]
在一种可能的实现中，该步骤可以包括如下实现方式：
[0173]
第1步、根据多条历史通话记录对应的来电意图，建立多个来电意图分别对应的训练样本。
[0174]
可选的，来电意图可以是盗刷、年费收取、分期咨询办理、销卡销户、查账单、投诉、增值服务等，对每个来电意图分别建立训练样本，用于识别来电意图。
[0175]
第2步、针对每个来电意图，确定与来电意图相同的历史通话记录对应的账户信息。
[0176]
可选的，基于来电意图，选取该来电意图对应的历史通话记录，选取这些历史通话记录对应的账户信息。
[0177]
其中，该账户信息可以是用卡交易、账单信息、账户状态、渠道行为(包含手机银行浏览、致电客服、在线客服交互、电话催收等)、征信、内部自建的各类模型评分(如分期办理倾向、销卡销户倾向、贷后升期倾向等)。
[0178]
第3步、根据与来电意图相同的历史通话记录对应的账户信息，利用梯度提升决策树算法(gradient boosting decision tree，gbdt)对训练样本进行训练，得到训练后的训练样本。
[0179]
可选的，针对每个训练样本，采用该训练样本对应的来电意图相同的历史通话记录对应的账户信息，利用gbdt进行模型的训练，得到各个来电意图分别对应的训练后的训练样本。
[0180]
作为一种实现，进行构造一个二分类目标变量，构造规则为当历史通话记录的来电意图与训练样本对应的来电意图一致时赋值为1，不一致时赋值为0。对每个样本新构造一个二分类目标变量，采用gbdt训练来电意图下的预测模型。
[0181]
此外，可以通过参数调优和过拟合检验等方式修正模型。在此过程中如对于部分
来电意图用于评估模型区分能力的关键指标，如模型评估指标(area under the curve，auc)、召回率、精度precision等，不满足模型实际应用的技术标准，则需要考虑引入更多维度的账户信息(数据源)、增加逻辑规则判断、应用深度学习模型等方式尝试提升相关指标。
[0182]
第4步、根据各个来电意图对应的训练后的训练样本，确定来电意图模型。
[0183]
可选的，结合每个来电意图对应的训练后的训练样本，共同生成来电意图模型，在实际使用时，当接收到来电时，根据来电号码在数据库中得到账户信息，依据账户信息匹配来电意图模型中各个来电意图的训练样本，得到相似度的值，即上述的预测概率。
[0184]
本技术实施例提供的来电的进线分配方法，通过获取多条历史通话记录，并根据多条历史通话记录，确定来电意图字典，来电意图字典记录有至少一个来电意图和至少一个来电意图语义相近的词汇，之后根据来电意图字典，对多条历史通话记录进行标注，得到多条历史通话记录对应的来电意图，再根据多条历史通话记录对应的来电意图和多条历史通话记录对应的账户信息，确定来电意图模型。该方案中，以历史通话记录和对应的账户信息为预测模型的训练数据，为更加准确的得到用的来电意图提供了基础。
[0185]
在上述方法实施例的基础上，图5为本技术实施例提供的来电的进线分配装置的结构示意图。如图5所示，该来电的进线分配装置包括：
[0186]
获取模块51，用于获取来电号码对应的账户信息，账户信息包括：用卡交易、账单信息、账户状态、渠道行为和征信；
[0187]
处理模块52，用于将账户信息输入至预设的来电意图模型中，得到来电号码的目标来电意图，来电意图模型是根据多条历史通话记录和多条历史通话记录对应的账户信息确定的用于获取与来电号码最接近的来电意图的算法；
[0188]
确定模块53，用于根据目标来电意图，在预设的来电评级表中，确定目标来电意图的评分，来电评级表中包含多个来电意图对应的评分，每个来电意图对应的评分是根据重要程度、风险程度和创收程度确定的分值；
[0189]
确定模块53，还用于根据目标来电意图的评分，确定来电号码的优先程度。
[0190]
在本技术实施例一种可能的设计中，处理模块52，具体用于：
[0191]
将账户信息输入至预设的来电意图模型中，得到至少一个来电意图的预测概率；
[0192]
将至少一个来电意图的预测概率中数值最大的来电意图作为目标来电意图。
[0193]
在本技术实施例另一种可能的设计中，在将账户信息输入至预设的来电意图模型中，得到来电号码的目标来电意图之前，处理模块52，还包括：
[0194]
获取多条历史通话记录；
[0195]
根据多条历史通话记录，确定来电意图字典，来电意图字典记录有至少一个来电意图和至少一个来电意图语义相近的词汇；
[0196]
根据来电意图字典，对多条历史通话记录进行标注，得到多条历史通话记录对应的来电意图；
[0197]
根据多条历史通话记录对应的来电意图和多条历史通话记录对应的账户信息，确定来电意图模型。
[0198]
在该种可能的设计中，处理模块52根据多条历史通话记录，确定来电意图字典，具体用于：
[0199]
将多条历史通话记录进行文字转换，得到多条历史通话文本；
[0200]
对多条历史通话文本进行分词处理，得到多个词汇及多个词汇出现的次数；
[0201]
对多个词汇及多个词汇出现的次数进行文本向量相似度计算，确定至少一个来电意图和至少一个来电意图语义相近的词汇；
[0202]
根据至少一个来电意图和至少一个来电意图语义相近的词汇，确定来电意图字典。
[0203]
在该种可能的设计中，处理模块52根据多条历史通话记录对应的来电意图和多条历史通话记录对应的账户信息，确定来电意图模型，具体用于：
[0204]
根据多条历史通话记录对应的来电意图，建立多个来电意图分别对应的训练样本；
[0205]
针对每个来电意图，确定与来电意图相同的历史通话记录对应的账户信息；
[0206]
根据与来电意图相同的历史通话记录对应的账户信息，利用梯度提升决策树算法对训练样本进行训练，得到训练后的训练样本；
[0207]
根据各个来电意图对应的训练后的训练样本，确定来电意图模型。
[0208]
可选的，确定模块53，还用于：
[0209]
根据目标来电意图的评分和目标来电意图，确定来电号码对应的语音导航菜单。
[0210]
可选的，确定模块53，还用于：
[0211]
根据目标来电意图的评分和目标来电意图，确定来电号码进行坐席分配的类别。
[0212]
可选的，目标来电意图的评分的大小与来电号码的优先程度成正相关。
[0213]
本技术实施例提供的来电的进线分配装置，可用于执行上述实施例中来电的进线分配方法对应的技术方案，其实现原理和技术效果类似，在此不再赘述。
[0214]
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
[0215]
图6为本技术实施例提供的服务器的结构示意图。如图6所示，该服务器可以包括：处理器60、存储器61及存储在该存储器61上并可在处理器60上运行的计算机程序指令。
[0216]
处理器60执行存储器61存储的计算机执行指令，使得处理器60执行上述实施例中的方案。处理器60可以是通用处理器，包括中央处理器cpu、网络处理器(network processor，np)等；还可以是数字信号处理器dsp、专用集成电路asic、现场可编程门阵列fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0217]
可选的，该服务器还可以包括：收发器62。
[0218]
存储器61和收发器62通过系统总线与处理器60连接并完成相互间的通信，存储器61用于存储计算机程序指令。
[0219]
收发器62用于和其他设备或数据库进行通信，该收发器62构成通信接口。
[0220]
可选的，在硬件实现上，上述图5所示实施例中的获取模块51对应于本实施例中的收发器62。
[0221]
系统总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0222]
本技术实施例提供的服务器，可用于执行上述实施例中来电的进线分配方法对应的技术方案，其实现原理和技术效果类似，在此不再赘述。
[0223]
本技术实施例还提供一种运行指令的芯片，该芯片用于执行上述实施例中来电的进线分配方法的技术方案。
[0224]
本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机指令，当该计算机指令在服务器上运行时，使得服务器执行上述实施例中来电的进线分配方法的技术方案。
[0225]
本技术实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时用于执行上述实施例中来电的进线分配方法的技术方案。
[0226]
上述的计算机可读存储介质可以是由任何类型的易失性或非易失性存储服务器或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用服务器能够存取的任何可用介质。
[0227]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。