话务坐席分配方法和装置、计算机存储介质、电子设备与流程

1.本公开实施例涉及计算机技术领域，具体而言，涉及一种话务坐席分配方法、话务坐席分配装置、计算机可读存储介质以及电子设备。


背景技术：

2.随着技术的发展，智能终端以及智能终端中的应用程序也是层出不穷，为了方便用户的使用，各类应用程序都有对应的客户服务，在用户使用过程中出现问题时，可以通过客户服务寻求支援。
3.目前，在客户服务的唤起过程中可能会因为对应用程序的操作不熟悉或者普通话相对较弱不能触发线上客服文字沟通渠道，只能通过拨打人工客服热线来反映问题，但是，现有技术中，当拨通人工客服热线后，仅通过话务排队率判断坐席是否具备空闲条件，从而为用户分配话务坐席，上述话务坐席分配方式单一，且不能很好地满足用户的需求。
4.因此，需要提供一种新的话务坐席分配方法。
5.需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。


技术实现要素：

6.本公开的目的在于提供一种话务坐席分配方法、话务坐席分配装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的话务坐席分配条件单一。
7.根据本公开的一个方面，提供一种话务坐席分配方法，包括：
8.响应用户的呼入请求，基于所述用户的呼入请求，获取所述用户的操作日志；
9.获取所述用户的语音输入信息，对所述语音输入信息进行识别，得到所述用户的状态信息；
10.将所述用户的操作日志以及所述状态信息输入至意图分析模型中，得到所述用户的意图分析结果；
11.根据所述用户的意图分析结果，为所述用户分配话务坐席。
12.在本公开的一种示例性实施例中，获取所述用户的语音输入信息，对所述语音输入信息进行识别，得到所述用户的状态信息，包括：
13.获取所述用户与交互语音应答系统交互时，所述用户的语音输入信息；
14.通过语音识别系统，对所述用户的语音输入信息进行识别，得到所述用户的状态信息，其中，所述用户的状态信息可以为所述用户的情绪状态以及所述用户的方言状态。
15.在本公开的一种示例性实施例中，在将所述用户的操作日志以及所述状态信息输入至目标意图分析模型之前，所述话务坐席分配方法还包括：
16.根据所述用户的呼入请求，获取所述用户的唯一标识；
17.根据所述用户的唯一标识，得到所述用户的历史工单，其中，所述历史工单为所述
用户预设时间段内待办、在途或者已经办结的工单。
18.在本公开的一种示例性实施例中，将所述用户的操作日志以及所述状态信息输入至意图分析模型中，得到所述用户的意图分析结果，包括：
19.对所述用户的历史工单打标；
20.对打标的历史工单、所述操作日志以及所述状态信息进行预处理，得到目标输入数据；
21.将所述目标输入数据输入至意图分析模型中，得到所述用户的意图分析结果。
22.在本公开的一种示例性实施例中，根据所述用户的意图分析结果，为所述用户分配话务坐席，包括：
23.根据所述用户的意图分析结果，确定所述用户的用户画像；
24.根据所述用户的用户画像，确定所述用户画像与技能坐席组的匹配程度；
25.根据所述匹配程度，为所述用户分配话务坐席。
26.在本公开的一种示例性实施例中，根据所述匹配程度，为所述用户分配话务坐席，包括：
27.获取与所述用户画像匹配程度最高的第一技能坐席组；
28.确定所述第一技能坐席组的当前排队率，在所述第一技能坐席组的当前排队率小于预设排队率阈值时，基于所述第一技能坐席组为所述用户分配所述话务坐席。
29.在本公开的一种示例性实施例中，在确定所述第一技能坐席组的当前排队率之后，所述话务坐席分配方法还包括：
30.在所述第一技能坐席组的当前排队率大于预设排队率阈值时，获取与所述用户画像的匹配程度为第二匹配程度的第二技能坐席组；
31.基于所述第二技能坐席组为所述用户分配所述话务坐席。
32.根据本公开的一个方面，提供一种话务坐席分配装置，包括：
33.呼入请求响应模块，用于响应用户的呼入请求，基于所述用户的呼入请求，获取所述用户的操作日志；
34.语音输入信息识别模块，用于获取所述用户的语音输入信息，对所述语音输入信息进行识别，得到所述用户的状态信息；
35.意图分析模块，用于将所述用户的操作日志以及所述状态信息输入至意图分析模型中，得到所述用户的意图分析结果；
36.坐席分配模块，用于根据所述用户的意图分析结果，为所述用户分配话务坐席。
37.根据本公开的一个方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一示例性实施例所述的话务坐席分配方法。
38.根据本公开的一个方面，提供一种电子设备，包括：
39.处理器；以及
40.存储器，用于存储所述处理器的可执行指令；
41.其中，所述处理器配置为经由执行所述可执行指令来执行上述任一示例性实施例所述的话务坐席分配方法。
42.本公开实施例提供的一种话务坐席分配方法，响应用户的呼入请求，基于所述用户的呼入请求，获取所述用户的操作日志；获取所述用户的语音输入信息，对所述语音输入
信息进行识别，得到所述用户的状态信息；将所述用户的操作日志以及所述状态信息输入至意图分析模型中，得到所述用户的意图分析结果；根据所述用户的意图分析结果，为所述用户分配话务坐席；一方面，当有用户的呼入时，响应用户的呼入请求，响应用户的呼入请求之后，获取用户的操作日志并且获取用户的语音输入信息，对该语音输入信息进行识别，得到用户的状态信息，将该用户的状态信息以及操作日志输入至意图分析模型中，得到该用户的意图分析结果，当接收到用户的呼入请求时，通过多种因素对用户的呼入意图进行分析，提高了对用户意图分析的准确性；另一方面，当得到用户的意图分析结果之后，根据用户的意图分析结果为用户匹配话务坐席，解决了相关技术中仅通过话务坐席排队率为用户分配话务坐席的问题，提高了坐席分配的准确性，为用户提供个性化的解决方案，提高了用户体验。
43.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
44.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。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，还可以根据这些附图获得其他的附图。
45.图1示意性示出根据本公开示例实施例的一种话务坐席分配方法的流程图。
46.图2示意性示出根据本公开示例实施例的一种话务坐席分配系统的框图。
47.图3示意性示出根据本公开示例实施例的一种获取用户的语音输入信息，对语音输入信息进行识别，得到用户的状态信息的方法流程图。
48.图4示意性示出根据本公开示例实施例的一种在将用户的操作日志以及状态信息输入至目标意图分析模型之前，话务坐席分配方法的流程图。
49.图5示意性示出根据本公开示例实施例的一种将用户的操作日志以及状态信息输入至意图分析模型中，得到用户的意图分析结果的方法流程图。
50.图6示意性示出根据本公开示例实施例的一种根据用户的意图分析结果，为用户分配话务坐席的方法流程图。
51.图7示意性示出根据本公开示例实施例的一种根据用户画像与技能坐席组的匹配程度，为用户分配话务坐席的方法流程图。
52.图8示意性示出根据本公开示例实施例的一种在确定第一技能坐席组的当前排队率之后，话务坐席分配方法的流程图。
53.图9示意性示出根据本公开示例实施例的一种话务坐席分配方法的流程图。
54.图10示意性示出根据本公开示例实施例的一种话务坐席分配装置的框图。
55.图11示意性示出根据本公开示例实施例的用于实现上述话务坐席分配方法的电子设备。
具体实施方式
56.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形
式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
57.此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。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。
58.本示例实施方式中首先提供了一种话务坐席分配方法，该方法可以运行于话务坐席分配系统中；当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该话务坐席分配方法可以包括步骤s110-步骤s140：
59.步骤s110.响应用户的呼入请求，基于所述用户的呼入请求，获取所述用户的操作日志；
60.步骤s120.获取所述用户的语音输入信息，对所述语音输入信息进行识别，得到所述用户的状态信息；
61.步骤s130.将所述用户的操作日志以及所述状态信息输入至意图分析模型中，得到所述用户的意图分析结果；
62.步骤s140.根据所述用户的意图分析结果，为所述用户分配话务坐席。
63.上述话务坐席分配方法，响应用户的呼入请求，基于所述用户的呼入请求，获取所述用户的操作日志；获取所述用户的语音输入信息，对所述语音输入信息进行识别，得到所述用户的状态信息；将所述用户的操作日志以及所述状态信息输入至意图分析模型中，得到所述用户的意图分析结果；根据所述用户的意图分析结果，为所述用户分配话务坐席；一方面，当有用户的呼入时，响应用户的呼入请求，响应用户的呼入请求之后，获取用户的操作日志并且获取用户的语音输入信息，对该语音输入信息进行识别，得到用户的状态信息，将该用户的状态信息以及操作日志输入至意图分析模型中，得到该用户的意图分析结果，当接收到用户的呼入请求时，通过多种因素对用户的呼入意图进行分析，提高了对用户意图分析的准确性；另一方面，当得到用户的意图分析结果之后，根据用户的意图分析结果为用户匹配话务坐席，解决了相关技术中仅通过话务坐席排队率为用户分配话务坐席的问题，提高了坐席分配的准确性，为用户提供个性化的解决方案，提高了用户体验。
64.以下，对本公开示例实施例的话务坐席分配方法中涉及的各步骤进行详细的解释以及说明。
65.首先，对本公开示例实施例的应用场景以及目的进行解释以及说明。具体的，本公开示例实施例可以应用于为用户分配话务坐席，主要研究在为用户分配话务坐席时，如何提高话务坐席分配的准确性，提供用户体验。
66.在本公开中当用户拨通人工客服电话之后，首先，响应用户的呼入请求，在响应用户的呼入请求之后，提取用户的终端按键操作日志，并且获取用户与交互语音应答系统的语音输入信息，利用语音识别技术对该用户与交互语音应答系统的语音输入信息进行识别，得到用户的状态信息；此外，还可以根据用户的呼入请求，确定用户的唯一标识，根据用户的唯一标识在客户关系系统中获取用户的历史工单；然后，对用户的操作日志、状态信息以及历史工单进行预处理，并将处理过的用户的操作日志、状态信息以及历史工单输入至意图分析模型中，得到用户的意图分析结果；最后，根据用户的意图分析结果确定用户的用户画像，并根据用户的用户画像确定与技能坐席的匹配程度，根据用户画像与技能坐席的匹配程度为用户分配话务坐席。
67.其次，对本公开涉及到的话务坐席分配系统进行进一步的解释以及说明。参考图2所述，该话务坐席分配系统可以包括：交互语音应答系统210、交互侧220以及坐席侧230。其中，交互语音应答系统210中包括触发模块211、软电话模块212以及cti(computer telecommunication integration，计算机电话集成)集成应用模块213；交互侧220中包括操作日志提取模块221、用户工单模块222、用户状态识别223、用户意图分析模块224、技能坐席匹配模块225、话务匹配模块226、排队机模块227以及cti服务模块228；坐席侧230中包括软电话模块231。具体的，当用户拨通人工电话之后，交互语音应答系统210中的触发模块211触发语音交互，通过软电话模块212以及cti集成应用模块213，用户与交互语音应答系统进行语音交流；当响应用户的呼入请求之后，交互侧220的操作日志提取模块221，提取用户在终端的按键操作日志，并且对用户的按键操作日志进行编码；用户工单模块222，根据用户的呼入请求获取用户的唯一标识，并根据用户的唯一标识在客户关系系统中获取用户的历史工单；用户状态识别模块223，用于根据用户与交互语音应答系统的语音交流信息，对用户与交互语音应答系统的语音交流信息进行识别，得到用户的状态信息；用户意图分析模块224，用于根据用户的按键操作日志、历史工单以及用户的状态信息进行意图识别，得到用户的意图分析结果；技能坐席匹配模块225，用户根据用于的意图分析结果，得到用户的用户画像，并根据用户的用户画像为用户匹配技能坐席；话务匹配模块226，与技能坐席匹配模块225网络连接，用于在与用户的用户画像匹配的技能坐席中，为用户分配话务坐席；排队机模块227，与话务匹配模块226网络连接，用于为分配话务坐席的用户进行排队；cti服务模块228，用于连接坐席侧与用户的语音交流。坐席侧的软电话模块231，用于为用户提供廉价可靠、良好通话质量的语音服务。
68.以下，将结合图2对步骤s110-步骤s140进行详细的解释以及说明。
69.在步骤s110中，响应用户的呼入请求，基于所述用户的呼入请求，获取所述用户的操作日志。
70.在本示例实施例中，当用户拨出人工客服热线后，该人工客服热线触发交互语音应答系统的触发模块，触发交互语音应答系统的触发模块之后，该触发模块响应用户的呼入请求，然后，根据用户的呼入请求，为用户播放互动式语音应答。在用户与该交互语音应答系统的交互过程中，可以对用户的终端按键操作日志进行保存，以对用户与交互语音应答系统交互过程中的按键操作日志进行提取，并通过用户的按键操作日志进行用户的意图分析。
71.在步骤s120中，获取所述用户的语音输入信息，对所述语音输入信息进行识别，得
到所述用户的状态信息。
72.在本示例实施例中，当用户与交互语音应答系统进行交互时，还可以获取用户的语音输入信息，当得到该用户的语音输入信息之后，可以对该用户的语音输入信息进行识别，得到该用户的状态信息，其中，用户的状态信息可以为用户的情绪状态，也可以为用户的方言状态，在本示例实施例中，对用户的状态信息不做具体限定。
73.参考图3所示，获取所述用户的语音输入信息，对所述语音输入信息进行识别，得到所述用户的状态信息，可以包括：
74.步骤s310.获取所述用户与交互语音应答系统交互时，所述用户的语音输入信息；
75.步骤s320.通过语音识别系统，对所述用户的语音输入信息进行识别，得到所述用户的状态信息，其中，所述用户的状态信息可以为所述用户的情绪状态以及所述用户的方言状态。
76.以下，将对步骤s310、步骤s320进行进一步的解释以及说明。具体的，首先，获取用户与交互语音应答系统进行语音交互时，该用户的语音输入信息；然后，利用语音识别技术对获取到的用户的语音输入信息进行识别，得到用户的状态信息。
77.其中，语音识别技术也为自动语音识别，其目标是将人类的语音中的词汇内容转换为计算机可读的输入。语音识别的系统框架包括：声学特征提取、声学模型、以及语言模型与语言处理。模拟的语音信号进行采样得到波形数据之后，首先要输入至特征提取模块中，提取出合适的声学特征参数工后续声学模型训练使用；其次，特征提取也可以认为是语音信息的压缩编码过程，即需要将信道、说话人的因素消除，保留与内容相关的信息，又需要在不损失过多有用信息的情况下使用尽量低的参数维度，便于高效准确的进行模型的训练。目前常用的声学模型基元为声韵母、音节或词，根据事先目的不同来选取不同的基元，基于统计的语音识别模型常用的是hmm(hidden markov model，隐马尔科夫模型)模型，涉及到hmm模型的相关理论包括模型的结构选取、模型的初始化、模型参数的重估以及相应的识别算法等，语音识别模型也可以为其他的模型，在本示例实施例中对语音识别模型不做具体限定。语音识别技术常用的方法包括：基于语言学和声学的方法、随机模型法、利用人工神经网络的方法以及概率语法分析，在本示例实施例中对语音识别方法不做具体限定。
78.在本示例实施例中，在通过语音信息对用户的情绪状态进行识别时，首先，对用户的语音信息进行特征提取，得到语音情绪特征向量，然后将该语音情绪特征向量输入至语音情绪识别模型中，得到该用户的情绪状态；在通过用户的语音信息对用户的方言状态进行识别时，首先对用户的语音信息进行方言特征提取，然后，将提取到的方言特征输入至方言识别模型中，得到用户的方言状态，其中，用户的方言状态可以为用户使用的方言种类。
79.在步骤s130中，将所述用户的操作日志以及所述状态信息输入至意图分析模型中，得到所述用户的意图分析结果。
80.在本示例实施例中，当得到用户的操作日志以及用户的状态信息之后，可以对用户的操作日志以及状态信息进行预处理，并将预处理完的数据输入至意图分析模型中，但是，在本示例实施例中，为了提高用户意图的识别效率以及准确率，还可以获取用户的历史工单，当获取到用户的历史工单之后将该历史工单、操作日志以及状态信息输入至意图分析模型中，得到用户的意图分析结果。
81.参考图4所示，在将所述用户的操作日志以及所述状态信息输入至目标意图分析
模型之前，所述话务坐席分配方法还可以包括：
82.步骤s410.根据所述用户的呼入请求，获取所述用户的唯一标识；
83.步骤s420.根据所述用户的唯一标识，得到所述用户的历史工单，其中，所述历史工单为所述用户预设时间段内待办、在途或者已经办结的工单。
84.以下，将对步骤s410、步骤s420进行进一步的解释以及说明。具体的，当用户与交互语音应答系统进行语音交互时，还可以根据用户的呼入请求，获取用户的唯一标识；然后，根据用户的唯一标识，可以在客户关系系统中获取与该用户关联的历史工单；其中，用户的唯一标识可以为发起呼入请求的电话号码，客户关系系统中存储有用户的基本信息，也有用户在预设时间段内的工单；得到的用户的历史工单为用户在预设时间段内待办、在途或者已办结的工单，预设时间段可以为3个月内，也可以为4个月内，在本示例实施例中对预设时间段不做具体限定。
85.在本示例实施例中，当得到用户的历史工单之后，参考图5所示，将所述用户的操作日志以及所述状态信息输入至意图分析模型中，得到所述用户的意图分析结果，可以包括：
86.步骤s510.对所述用户的历史工单打标；
87.步骤s520.对打标的历史工单、所述操作日志以及所述状态信息进行预处理，得到目标输入数据；
88.步骤s530.将所述目标输入数据输入至意图分析模型中，得到所述用户的意图分析结果。
89.以下，将对步骤s510-步骤s530进行进一步的解释以及说明。具体的，首先，当获取到用户的历史工单之后，对用户的历史工单打标，并且对用户打标的历史工单、操作日志以及状态信息进行预处理，得到目标输入数据；然后，将得到的目标输入数据输入至意图分析模型中，得到该用户的意图分析结果。其中，对打标的历史工单、操作日志以及状态信息进行预处理，可以包括语料合并、语料去重、格式转换、分词等操作，在本示例实施例中对预处理不做具体限定。
90.意图识别的主要方法包括规则模板意图识别以及深度学习意图识别。在规则模板意图识别中，可以包括词表穷举法、规则模板解析法；其中，词表穷举法通过词表直接匹配的方式来获取查询意图，实现方式较为简单，但是，需要人工参与较多，很难实现自动化；规则模板解析法需要在基于分词、词性标注、命名实体识别、依存句法分析、语义分析的前提下才能完成，查询速度较快，但是，仅对规则性较强的查询有较好的识别精度。深度学习意图识别，可以看作是一个分类问题，针对于垂直产品的特点，定义不同的查询意图类别，对于用户输入的查询请求，根据统计分类模型计算出每一个意图的概率，最终得到用户的意图分析结果。深度学习常见的意图分析模型可以为lstm(long short term memory，长短期记忆网络)结合attention(注意力)机制，也可以为bert(bidirectional encoder representation from transformers，预训练的语言表征模型)网络，在本示例实施例中对基于深度学习的意图分析模型不做具体限定。
91.在步骤s140中，根据所述用户的意图分析结果，为所述用户分配话务坐席。
92.在本示例实施例中，当得到用户的意图分析结果之后，可以对用户的意图分析结果进行分析，并根据该意图分析结果为用户分配话务坐席，参考图6所示，根据所述用户的
意图分析结果，为所述用户分配话务坐席可以包括：
93.步骤s610.根据所述用户的意图分析结果，确定所述用户的用户画像；
94.步骤s620.根据所述用户的用户画像，确定所述用户画像与技能坐席组的匹配程度；
95.步骤s630.根据所述匹配程度，为所述用户分配话务坐席。
96.以下，将对步骤s610-步骤s630进行进一步的解释以及说明。具体的，当得到用户的意图分析结果之后，可以根据该用户的意图分析结果，确定该用户的用户画像，当确定用户的用户画像之后，可以根据该用户的用户画像，计算该用户画像与技能坐席组之间的匹配程度；最后，根据用户画像与技能坐席组之间的匹配程度，为用户分配话务坐席。
97.其中，用户画像为根据用户的属性、偏好、生活习惯以及该用户的意图分析结果等信息抽象出来的标签化的用户模型，即，为用户打标签，该标签时通过对用户信息分析而来的高度精炼的特征标识。当得到用户的标签之后，可以计算用户的标签与各技能坐席组的匹配程度，当得到用户的标签与各技能坐席组的匹配程度之后，可以根据匹配程度为用户分配技能坐席组，进而为用户分配对应的技能坐席组中的话务坐席。
98.参考图7所示，根据所述匹配程度，为所述用户分配话务坐席，可以包括：
99.步骤s710.获取与所述用户画像匹配程度最高的第一技能坐席组；
100.步骤s720.确定所述第一技能坐席组的当前排队率，在所述第一技能坐席组的当前排队率小于预设排队率阈值时，基于所述第一技能坐席组为所述用户分配所述话务坐席。
101.以下，将对步骤s710、步骤s720进行进一步的解释以及说明。具体的，当得到用户的用户画像与各技能坐席组之间的匹配程度之后，可以将匹配程度最高的技能坐席组确定为第一技能坐席组；当确定好第一技能坐席组之后，判断该第一技能坐席组的当前排队率，当第一技能坐席组的当前排队率小于预设排队率阈值时，可以在该第一技能坐席组中为用户分配话务坐席。其中，预设排队率阈值可以为75％，也可以为80％，在本示例实施例中对预设排队率阈值不做具体限定。
102.在本示例实施例中，参考图8所示，在确定所述第一技能坐席组的当前排队率之后，所述话务坐席分配方法还可以包括：
103.步骤s810.在所述第一技能坐席组的当前排队率大于预设排队率阈值时，获取与所述用户画像的匹配程度为第二匹配程度的第二技能坐席组；
104.步骤s820.基于所述第二技能坐席组为所述用户分配所述话务坐席。
105.以下，将对步骤s810、步骤s820进行进一步的解释以及说明。具体的，当第一技能坐席组的当前排队率大于预设排队率阈值时，获取与用户的用户画像的匹配程度为第二匹配程度的第二技能坐席组，其中，第二匹配程度小于用户画像与第一技能坐席组的匹配程度；当确定第二技能坐席组之后，判断该第二技能坐席组的当前排队率，当该第二技能坐席组的当前排队率小于预设排队率阈值时，在该第二技能坐席组中为该用户分配话务坐席；当确定第二技能坐席组的当前排队率不小于预设排队率阈值时，可以获取与用户画像的匹配程度为第三匹配程度的第三技能坐席组。
106.本公开示例实施例提供的话务坐席分配方法至少具有以下优点：一方面，当有用户的呼入时，响应用户的呼入请求，响应用户的呼入请求之后，获取用户的操作日志并且获
取用户的语音输入信息，对该语音输入信息进行识别，得到用户的状态信息，将该用户的状态信息以及操作日志输入至意图分析模型中，得到该用户的意图分析结果，当接收到用户的呼入请求时，通过多种因素对用户的呼入意图进行分析，提高了对用户意图分析的准确性；另一方面，当得到用户的意图分析结果之后，根据用户的意图分析结果为用户匹配话务坐席，解决了相关技术中仅通过话务坐席排队率为用户分配话务坐席的问题，提高了坐席分配的准确性，为用户提供个性化的解决方案，提高了用户体验。
107.以下，结合图9对本公开实例实施例的话务坐席分配方法进行进一步的解释以及说明。其中，话务坐席分配方法可以包括以下步骤：
108.步骤s910.响应用户的呼入请求，获取用户的终端操作日志，并对获取到的终端操作日志进行编码；
109.步骤s920.获取用户的唯一标识，根据用户的唯一标识获取用户的历史工单；
110.步骤s930.利用语音识别技术对用户与交互语音应答系统的语音交互信息进行识别，得到用户的状态信息；
111.步骤s940.对用户的终端操作日志、历史工单以及状态信息进行预处理，得到目标输入数据，将该目标输入数据输入至意图分析模型中；
112.步骤s950.输出用户的意图分析结果，根据该意图分析结果得到用户的用户画像；
113.步骤s960.计算用户画像与技能坐席组的匹配程度，获取匹配程度为第一匹配程度的第一技能坐席组，基于第一技能坐席组为用户匹配话务坐席。
114.本公开示例实施例还提供了一种话务坐席分配装置，参考图10所示，可以包括：呼入请求响应模块1010、语音输入信息识别模块1020、意图分析模块1030以及坐席分配模块1040。其中：
115.呼入请求响应模块1010，用于响应用户的呼入请求，基于所述用户的呼入请求，获取所述用户的操作日志；
116.语音输入信息识别模块1020，用于获取所述用户的语音输入信息，对所述语音输入信息进行识别，得到所述用户的状态信息；
117.意图分析模块1030，用于将所述用户的操作日志以及所述状态信息输入至意图分析模型中，得到所述用户的意图分析结果；
118.坐席分配模块1040，用于根据所述用户的意图分析结果，为所述用户分配话务坐席。
119.上述话务坐席分配装置中各模块的具体细节已经在对应的话务坐席分配方法中进行了详细的描述，因此此处不再赘述。
120.在本公开的一种示例性实施例中，获取所述用户的语音输入信息，对所述语音输入信息进行识别，得到所述用户的状态信息，包括：
121.获取所述用户与交互语音应答系统交互时，所述用户的语音输入信息；
122.通过语音识别系统，对所述用户的语音输入信息进行识别，得到所述用户的状态信息，其中，所述用户的状态信息可以为所述用户的情绪状态以及所述用户的方言状态。
123.在本公开的一种示例性实施例中，在将所述用户的操作日志以及所述状态信息输入至目标意图分析模型之前，所述话务坐席分配方法还包括：
124.根据所述用户的呼入请求，获取所述用户的唯一标识；
125.根据所述用户的唯一标识，得到所述用户的历史工单，其中，所述历史工单为所述用户预设时间段内待办、在途或者已经办结的工单。
126.在本公开的一种示例性实施例中，将所述用户的操作日志以及所述状态信息输入至意图分析模型中，得到所述用户的意图分析结果，包括：
127.对所述用户的历史工单打标；
128.对打标的历史工单、所述操作日志以及所述状态信息进行预处理，得到目标输入数据；
129.将所述目标输入数据输入至意图分析模型中，得到所述用户的意图分析结果。
130.在本公开的一种示例性实施例中，根据所述用户的意图分析结果，为所述用户分配话务坐席，包括：
131.根据所述用户的意图分析结果，确定所述用户的用户画像；
132.根据所述用户的用户画像，确定所述用户画像与技能坐席组的匹配程度；
133.根据所述匹配程度，为所述用户分配话务坐席。
134.在本公开的一种示例性实施例中，根据所述匹配程度，为所述用户分配话务坐席，包括：
135.获取与所述用户画像匹配程度最高的第一技能坐席组；
136.确定所述第一技能坐席组的当前排队率，在所述第一技能坐席组的当前排队率小于预设排队率阈值时，基于所述第一技能坐席组为所述用户分配所述话务坐席。
137.在本公开的一种示例性实施例中，在确定所述第一技能坐席组的当前排队率之后，所述话务坐席分配方法还包括：
138.在所述第一技能坐席组的当前排队率大于预设排队率阈值时，获取与所述用户画像的匹配程度为第二匹配程度的第二技能坐席组；
139.基于所述第二技能坐席组为所述用户分配所述话务坐席。
140.应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
141.此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
142.在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
143.所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
144.下面参照图11来描述根据本公开的这种实施方式的电子设备1100。图11显示的电子设备1100仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
145.如图11所示，电子设备1100以通用计算设备的形式表现。电子设备1100的组件可
以包括但不限于：上述至少一个处理单元1110、上述至少一个存储单元1120、连接不同系统组件(包括存储单元1120和处理单元1110)的总线1130以及显示单元1140。
146.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1110执行，使得所述处理单元1110执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元1110可以执行如图1中所示的步骤s110：响应用户的呼入请求，基于所述用户的呼入请求，获取所述用户的操作日志；s120：获取所述用户的语音输入信息，对所述语音输入信息进行识别，得到所述用户的状态信息；s130：将所述用户的操作日志以及所述状态信息输入至意图分析模型中，得到所述用户的意图分析结果；s140：根据所述用户的意图分析结果，为所述用户分配话务坐席。
147.存储单元1120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)11201和/或高速缓存存储单元11202，还可以进一步包括只读存储单元(rom)11203。
148.存储单元1120还可以包括具有一组(至少一个)程序模块11205的程序/实用工具11204，这样的程序模块11205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。
149.总线1130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。
150.电子设备1100也可以与一个或多个外部设备1200(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1100交互的设备通信，和/或与使得该电子设备1100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1150进行。并且，电子设备1100还可以通过网络适配器1160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。如图所示，网络适配器1160通过总线1130与电子设备1100的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1100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、raid系统、磁带驱动器以及数据备份存储系统等。
151.通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开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非易失性存储介质(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、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
152.在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
153.根据本公开的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，
本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
154.所述程序产品可以采用一个或多个可读介质的任意组合。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。
155.计算机可读信号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。可读信号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。
156.可读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。
157.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公开操作的程序代码，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)。
158.此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
159.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。