一种外呼的话术处理方法及装置与流程

1.本发明涉及信息处理技术领域，特别是涉及一种外呼的话术处理方法及装置。


背景技术：

2.银行的风控系统可以对线上的全量交易进行监控及风险判断。并且，对于不同风险程度的交易，银行会有不同的确认方式，如可以是手机验证码确认或者令牌确认，对应的，对于风险较大的交易往往会通过客服人员外呼的方式进行确认。
3.但是，若需要客服人员进行外呼时对客服人员有较高的工作能力要求，若客服人员的培训时间不够或者工作经验积累不足，无法准确输出提示客户风险的术语，因此，在外呼场景中客服与客户进行通话交流时，如何向客服准确的推荐精准的术语，成为了当前需要解决的技术问题。


技术实现要素：

4.针对于上述问题，本发明提供一种外呼的话术处理方法及装置，提升了在外呼场景中话术推荐的准确性。
5.为了实现上述目的，本发明提供了如下技术方案：
6.一种外呼的话术处理方法，所述方法包括：
7.响应于客服与目标用户建立通话连接，采集客服外呼过程中的语音通话信息以及交易信息；
8.采集与所述目标用户对应的属性特征以及语音特征；
9.对所述语音信息、所述交易信息以及所述目标用户对应的属性特征和语音特征进行特征提取，得到输入特征；
10.将所述输入特征输入到话术推荐模型中，获得所述话术推荐模型输出的目标推荐话术，所述话术推荐模型为基于目标训练样本训练得到的机器学习模型，所述目标训练样本至少包括满足目标条件的客服与用户的会话信息；
11.基于所述目标推荐话术生成目标话术，并输出所述目标话术。
12.可选地，所述采集所述目标用户对应的属性特征及语音特征，包括：
13.基于所述目标用户的基本属性特征以及历史交易信息，确定所述目标用户对应的属性特征；
14.获得所述目标用户的语音通话数据，并提取所述语音通话数据中的通话语调以及情感特征；
15.基于所述通话语调以及情感特征，确定所述目标用户的语音特征。
16.可选地，所述方法还包括：
17.将所述语音通话信息转换为文本信息。
18.可选地，所述方法还包括：
19.获得满足目标条件的客服与用户的会话信息；
20.将所述会话信息转换为文本信息；
21.提取所述文本信息中的客服的目标话术信息，以及与每一文本信息对应的交易信息；
22.提取与所述文本信息中对应的用户的属性特征和语音特征；
23.将所述文本信息、交易信息、用户的属性特征和语音特征作为特征值，并将所述目标话术信息作为目标值进行机器学习模型训练，得到初始模型；
24.基于测试样本对初始模型进行验证，并依据验证结果对所述初始模型的模型参数进行调整，得到话术推荐模型。
25.可选地，所述基于所述目标推荐话术生成目标话术，并输出所述目标话术，包括：
26.基于所述交易信息对应的话术模板以及目标用户对应的语音特征对所述目标推荐话术进行处理，得到目标话术；
27.输出所述目标话术。
28.一种外呼的话术处理装置，所述装置包括：
29.第一采集单元，用于响应于客服与目标用户建立通话连接，采集客服外呼过程中的语音通话信息以及交易信息；
30.第二采集单元，用于采集与所述目标用户对应的属性特征以及语音特征；
31.提取单元，用于对所述语音信息、所述交易信息以及所述目标用户对应的属性特征和语音特征进行特征提取，得到输入特征；
32.模型处理单元，用于将所述输入特征输入到话术推荐模型中，获得所述话术推荐模型输出的目标推荐话术，所述话术推荐模型为基于目标训练样本训练得到的机器学习模型，所述目标训练样本至少包括满足目标条件的客服与用户的会话信息；
33.输出单元，用于基于所述目标推荐话术生成目标话术，并输出所述目标话术。
34.可选地，所述第二采集单元包括：
35.第一确定子单元，用于基于所述目标用户的基本属性特征以及历史交易信息，确定所述目标用户对应的属性特征；
36.第一提取子单元，用于获得所述目标用户的语音通话数据，并提取所述语音通话数据中的通话语调以及情感特征；
37.第二确定子单元，用于基于所述通话语调以及情感特征，确定所述目标用户的语音特征。
38.可选地，所述装置还包括：
39.文本转换单元，用于将所述语音通话信息转换为文本信息。
40.可选地，所述装置还包括：模型生成单元，所述模型生成单元具体用于：
41.获得满足目标条件的客服与用户的会话信息；
42.将所述会话信息转换为文本信息；
43.提取所述文本信息中的客服的目标话术信息，以及与每一文本信息对应的交易信息；
44.提取与所述文本信息中对应的用户的属性特征和语音特征；
45.将所述文本信息、交易信息、用户的属性特征和语音特征作为特征值，并将所述目标话术信息作为目标值进行机器学习模型训练，得到初始模型；
46.基于测试样本对初始模型进行验证，并依据验证结果对所述初始模型的模型参数进行调整，得到话术推荐模型。
47.可选地，所述输出单元具体用于：
48.基于所述交易信息对应的话术模板以及目标用户对应的语音特征对所述目标推荐话术进行处理，得到目标话术；
49.输出所述目标话术。
50.相较于现有技术，本发明提供了一种外呼的话术处理方法及装置，包括：响应于客服与目标用户建立通话连接，采集客服外呼过程中的语音通话信息以及交易信息；采集与目标用户对应的属性特征以及语音特征；对语音信息、交易信息以及目标用户对应的属性特征和语音特征进行特征提取，得到输入特征；将输入特征输入到话术推荐模型中，获得话术推荐模型输出的目标推荐话术，基于目标推荐话术生成目标话术，并输出目标话术。本发明通过机器学习充分学习满足目标条件的客服与用户的会话信息，得到话术推荐模型，从而基于话术推荐模型获得目标推荐话术，提升了在外呼场景中话术推荐的准确性。
附图说明
51.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
52.图1为本发明实施例提供的一种外呼的话术处理方法的流程示意图；
53.图2为本发明实施例提供的一种交易场景的处理流程示意图；
54.图3为本发明实施例提供的一种外呼的话术处理装置的结构示意图。
具体实施方式
55.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
56.本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，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、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
57.本发明实施例提供了一种外呼的话术处理方法，外呼是指客户服务中心系统呼出服务主动发起对客户的呼叫，如银行系统的客服人员在监测到交易存在问题时，主动联系交易发起用户的过程。本发明能够基于已有的客服与用户的会话信息建立的话术推荐模型，自动为客服推荐相同的话术，提升了话术推荐的准确性，以及降低了客服人员的培训成本。
58.参见图1，为本发明实施例提供的一种外呼的话术处理方法的流程示意图，该方法可以包括以下步骤：
59.s101、响应于客服与目标用户建立通话连接，采集客服外呼过程中的语音通话信息以及交易信息。
60.目标用户为发起交易请求的用户，例如申请向某个账户进行转账的用户，当风险监测系统监测到当前交易存在一定的风险时，则会将风险提示信息发送至对应的客服，由客服人员外呼至该目标用户。在客服与目标用户建立通话连接后，监测系统会实时采集客户外呼过程中与目标用户的语音通话信息，并记录。同时还会采集目标用户发起的交易的相关信息，如发起转账交易时，会采集转账接收者的相关信息，以及转账金额等信息，还可以进一步采集该目标用户的历史交易记录信息等。
61.s102、采集与目标用户对应的属性特征以及语音特征。
62.其中，属性特征可以是目标用户的基本属性特征，如年龄、性别、职业等，还可以根据该目标用户在银行系统的行为特征建立的用户画像特征。
63.目标用户的语音特征至少包括该目标用户当前交流的语气、语调以及态度、情感等信息。
64.在本发明实施例的一种实现方式中，所述采集目标用户对应的属性特征及语音特征，包括：
65.基于目标用户的基本属性特征以及历史交易信息，确定目标用户对应的属性特征；
66.获得目标用户的语音通话数据，并提取语音通话数据中的通话语调以及情感特征；
67.基于所述通话语调以及情感特征，确定目标用户的语音特征。
68.其中，目标用户的基本属性特征是指目标用户不随着交易的不同或者所处场景的不同而进行改变的特征，如用户的年龄、性别等信息。通过目标用户的历史交易信息可以对目标用户进行用户画像，以确定该目标用户的一些交易特征，如目标用户通常的转账金额，转账联系人等信息。
69.目标用户的语音通话数据可以是历史语音通话数据或者当前外呼过程中的语音通话数据，通过对语音通话数据进行识别，能够获得目标用户的通话语调以及情感特征，如通话语调可以包括语音的高低轻重等，情感特征可以包括平淡、焦急、开心、忧虑等。从而通过通话语调以及情感特征，可以确定目标用户的语音特征。需要说明的是，为了更能确定目标用户当前的状态，采用的语音通话数据一般为当前外呼过程中目标用户与客服的语音通话数据。
70.s103、对语音信息、交易信息以及目标用户对应的属性特征和语音特征进行特征提取，得到输入特征。
71.s104、将输入特征输入到话术推荐模型中，获得话术推荐模型输出的目标推荐话术。
72.在获得了与外呼过程中当前的通话相关的各个信息和特征后，可以将这些信息进行特征提取，将提取后的特征进行向量转换，得到输入特征，该输入特征实质为一个向量矩阵，这是由于在本技术实施例中是通过话术推荐模型获得目标推荐话术的，而该话术推荐模型是一个神经网络模型，其输入信息的格式为向量矩阵格式。
73.该话术推荐模型为基于目标训练样本训练得到的机器学习模型，目标训练样本至
少包括满足目标条件的客服与用户的会话信息。其中，目标条件可以是能够达到预期效果的条件，如满足目标条件的客服与用户的会话信息可以是在历史记录中的会话信息用户评价满足的信息，还可以是基于不同场景培训客服的标准会话信息。通过提取这些会话信息中的相关特征信息作为特征值，并且将这些会话信息中客服的相关话术作为目标值，基于特定的机器学习模型网络进行训练，得到该话术推荐模型。
74.具体的，在本发明实施例中还提供了一种话术推荐模型的生成方法，该方法包括：
75.获得满足目标条件的客服与用户的会话信息；
76.将会话信息转换为文本信息；
77.提取文本信息中的客服的目标话术信息，以及与每一文本信息对应的交易信息；
78.提取与所述文本信息对应的用户的属性特征和语音特征；
79.将所述文本信息、交易信息、用户的属性特征和语音特征作为特征值，并将所述目标话术信息作为目标值进行机器学习模型训练，得到初始模型；
80.基于测试样本对初始模型进行验证，并依据验证结果对所述初始模型的模型参数进行调整，得到话术推荐模型。
81.在该实施方式中，为了便于处理将会话信息对应的音频转换为了文本信息，然后提取对应的信息分别作为特征值和目标值，即将文本信息、交易信息、用户的属性特征和语音特征作为了特征值，将提取到的目标话术信息作为了目标值。测试样本可以与目标训练样本中包括的信息一致，用来测试训练得到的初始模型的准确性，当准确性达到预设的准确度阈值时可以停止训练，即停止模型参数的调整，得到话术推荐模型。
82.需要说明的是，为了便于对信息的处理，在本发明实施例中可以将相关的语音通话信息转换为文本信息进行处理。
83.s105、基于目标推荐话术生成目标话术，并输出目标话术。
84.目标推荐话术是基于话术推荐模型获得的，可以基于当前的应用场景，对该目标推荐话术进行处理，如添加上对用户的称呼词语，或者客服基于当前的会话内容转换成对应的话术，从而得到目标话术，并输出该目标话术。
85.在本发明实施例的一种实现方式中，所述基于目标推荐话术生成目标话术，并输出目标话术，包括：
86.基于交易信息对应的话术模板以及目标用户对应的语音特征对目标推荐话术进行处理，得到目标话术；
87.输出目标话术。
88.不同的交易对应的话术模板会不同，如转账交易会有对应的转账话术模板，大额现金提取预约交易会有对应的事项预约话术模板。并且当前目标用户的语音特征也会影响会话质量。因此，可以基于交易信息对应的话术模板以及目标用户的语音特征对目标推荐话术进行处理，得到目标话术。如，用户的语音特征显示用户较为焦急，在获得目标推荐话术的时候可以通过能够安抚用户情绪的方式对该话术进行相关词语的转换，使得得到的目标话术更能满足当前会话的需求，也能提升用户的体验效果。
89.在本发明实施例提供了一种外呼的话术处理方法，包括：响应于客服与目标用户建立通话连接，采集客服外呼过程中的语音通话信息以及交易信息；采集与目标用户对应的属性特征以及语音特征；对语音信息、交易信息以及目标用户对应的属性特征和语音特
征进行特征提取，得到输入特征；将输入特征输入到话术推荐模型中，获得话术推荐模型输出的目标推荐话术基于目标推荐话术生成目标话术，并输出目标话术。本发明通过机器学习充分学习满足目标条件的客服与用户的会话信息，得到话术推荐模型，从而基于话术推荐模型获得目标推荐话术，提升了在外呼场景中话术推荐的准确性。
90.需要说明的是，本发明提供的一种外呼的话术处理方法，可用于大数据领域或金融领域。上述仅为实例，并不对本发明提供的外呼的话术处理方法的应用领域进行限定。
91.下面以具体的交易场景对本发明实施例提供的一种外呼的话术处理方法进行说明。参见图2，为本发明实施例提供的一种交易场景的示意图。当目标用户发起交易时，银行的风控系统会对该交易进行初步的识别，当识别到该交易为风险可疑交易后，会由人工坐席的客服对该笔交易发起外呼确认。
92.在客服与用户建立了通信连接后，通话过程中会通过记录系统采集对话录音，当完成一轮对话后，外呼系统将相应语音数据及该笔交易相关信息传递给外呼反欺诈话术提示系统。由语音识别模块识别接听当前目标用户的年龄、性别、语气等特征。由语音转文本模块将通话语音转换为文本。由外呼反欺诈模型根据目标用户的相关特征以及文本的特征通过话术推荐模型预测应答话术。并将预测结果反馈至外呼系统，由坐席客服依据话术提示的相关信息与目标用户进行交流。需要说明的是，上述过程是一个实时持续过程，即可以根据客服与用户的实时语音内容进行话术的持续预测与提示，直至完成当前会话。
93.其中，在预先生成话术推荐模型的过程中主要包括：完成历史语音信息的特征提取，其中，历史语音信息可以是基于高技术水平坐席客服的通话记录获得。并通过语音识别模型完成客户基本信息的识别(性别、年龄)及客户坐席语音特征(情绪)。通过语音转换文本模型，将坐席客服与用户的语音转换为文本信息。同时完成历史外呼对应的交易信息的收集。
94.通过机器学习利用上述特征实现外呼话术提示模型的训练，将该模型集成到外呼系统中。从而实现外呼反欺诈确认通话过程中，将相应语音特征、文本特征、交易特征实时传输给模型，输出预测结果，坐席客服人员可依据题述话术进行应答。
95.通过本发明实施例提供的外呼的话术处理方法对应的外呼通话流程，相比传统的外呼通话流程，由人工根据工作经验询问应答，新增智能外呼反欺诈话术提示模块，由该模块为客服人员提供话术提示，辅助客服人员完成通话确认。有效地降低了外呼人员的技能要求，降低了人力培训成本。并且可以提高外呼确认的准确性和运营品质。
96.参见图3，在本发明实施例中还提供了一种外呼的话术处理装置，该装置可以包括：
97.第一采集单元301，用于响应于客服与目标用户建立通话连接，采集客服外呼过程中的语音通话信息以及交易信息；
98.第二采集单元302，用于采集与所述目标用户对应的属性特征以及语音特征；
99.提取单元303，用于对所述语音信息、所述交易信息以及所述目标用户对应的属性特征和语音特征进行特征提取，得到输入特征；
100.模型处理单元304，用于将所述输入特征输入到话术推荐模型中，获得所述话术推荐模型输出的目标推荐话术，所述话术推荐模型为基于目标训练样本训练得到的机器学习模型，所述目标训练样本至少包括满足目标条件的客服与用户的会话信息；
101.输出单元305，用于基于所述目标推荐话术生成目标话术，并输出所述目标话术。
102.可选地，所述第二采集单元包括：
103.第一确定子单元，用于基于所述目标用户的基本属性特征以及历史交易信息，确定所述目标用户对应的属性特征；
104.第一提取子单元，用于获得所述目标用户的语音通话数据，并提取所述语音通话数据中的通话语调以及情感特征；
105.第二确定子单元，用于基于所述通话语调以及情感特征，确定所述目标用户的语音特征。
106.可选地，所述装置还包括：
107.文本转换单元，用于将所述语音通话信息转换为文本信息。
108.可选地，所述装置还包括：模型生成单元，所述模型生成单元具体用于：
109.获得满足目标条件的客服与用户的会话信息；
110.将所述会话信息转换为文本信息；
111.提取所述文本信息中的客服的目标话术信息，以及与每一文本信息对应的交易信息；
112.提取与所述文本信息中对应的用户的属性特征和语音特征；
113.将所述文本信息、交易信息、用户的属性特征和语音特征作为特征值，并将所述目标话术信息作为目标值进行机器学习模型训练，得到初始模型；
114.基于测试样本对初始模型进行验证，并依据验证结果对所述初始模型的模型参数进行调整，得到话术推荐模型。
115.可选地，所述输出单元具体用于：
116.基于所述交易信息对应的话术模板以及目标用户对应的语音特征对所述目标推荐话术进行处理，得到目标话术；
117.输出所述目标话术。
118.本发明实施例提供了一种外呼的话术处理装置，包括：第一采集单元响应于客服与目标用户建立通话连接，采集客服外呼过程中的语音通话信息以及交易信息；第二采集单元采集与目标用户对应的属性特征以及语音特征；提取单元对语音信息、交易信息以及目标用户对应的属性特征和语音特征进行特征提取，得到输入特征；模型处理单元将输入特征输入到话术推荐模型中，获得话术推荐模型输出的目标推荐话术，输出单元基于目标推荐话术生成目标话术，并输出目标话术。本发明通过机器学习充分学习满足目标条件的客服与用户的会话信息，得到话术推荐模型，从而基于话术推荐模型获得目标推荐话术，提升了在外呼场景中话术推荐的准确性。
119.基于前述实施例，本技术的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存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现如上任一项的外呼的话术处理方法的步骤。
120.本发明实施例还提供了一种电子设备，包括：
121.存储器，用于存储程序；
122.处理器，用于执行所述程序，所述程序具体用于实现如上述中任意一项所述的外呼的话术处理方法。
123.需要说明的是，上述处理器或cpu可以为特定用途集成电路(application specific integrated circuit，asic)、数字信号处理器(digital signal processor，dsp)、数字信号处理装置(digital signal processing device，dspd)、可编程逻辑装置(programmable logic device，pld)、现场可编程门阵列(field programmable gate array，fpga)、中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器中的至少一种。可以理解地，实现上述处理器功能的电子器件还可以为其它，本技术实施例不作具体限定。
124.需要说明的是，上述计算机存储介质/存储器可以是只读存储器(read only memory，rom)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read-only memory，eprom)、电可擦除可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、磁性随机存取存储器(ferromagnetic random access memory，fram)、快闪存储器(flash memory)、磁表面存储器、光盘、或只读光盘(compactdisc read-only memory，cd-rom)等存储器；也可以是包括上述存储器之一或任意组合的各种终端，如移动电话、计算机、平板设备、个人数字助理等。
125.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
126.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，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全部单元来实现本实施例方案的目的。
127.另外，在本技术各实施例中的各功能单元可以全部集成在一个处理模块中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
128.本技术所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
129.本技术所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
130.本技术所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
131.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何
熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。
132.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
133.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。