專利名稱：利用語音進(jìn)行座席篩選的方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明關(guān)于移動通信技術(shù)領(lǐng)域，特別是關(guān)于語音信號處理技術(shù)，具體的講是一種利用語音進(jìn)行座席篩選的方法及系統(tǒng)。
背景技術(shù)：
語音綜合信息門戶為用戶提供餐飲、娛樂、交通、旅游 、便民等各類信息查詢，諸如餐館預(yù)訂、鮮花代訂等各類代訂類服務(wù)，以及機票預(yù)訂和酒店預(yù)訂等商旅服務(wù)。目前語音綜合信息門戶一般采用全人工語音接入的服務(wù)方式，或提供IVR (Interactive VoiceResponse，交互式語音應(yīng)答)分層菜單形式供用戶選擇不同的呼叫座席進(jìn)行服務(wù)。根據(jù)話務(wù)員所負(fù)責(zé)的方向和業(yè)務(wù)的不同，一般分為查號座席、查位置座席、訂餐座席、訂機票座席等。語音門戶系統(tǒng)根據(jù)用戶的按鍵選擇，將用戶接入到不同的座席，提供不同的服務(wù)。有些語音門戶，為了滿足用戶多樣性的需求，還提供英語、法語等多種外語，以及維語、藏語、粵語等少數(shù)民族語言和方言的座席服務(wù)，用戶同樣需要通過按鍵來選擇接入何種語言的人工座席。現(xiàn)有技術(shù)里在通過提供多種IVR菜單供用戶選擇的方式中，為了接入到需要的座席，用戶往往需要多次進(jìn)行按鍵選擇，其造成用戶等待時間較長的問題。同時，在用戶選擇等待過程中，對用戶不進(jìn)行計費，對系統(tǒng)資源也造成了浪費。如果不提供IVR菜單的選擇，則需要大量的座席話務(wù)員來響應(yīng)用戶不同的需求，需要增加人力成本。此外，現(xiàn)有技術(shù)中一般只提供語言和服務(wù)種類的選擇，沒有考慮到用戶的年齡、性別、當(dāng)前的情緒等多種細(xì)分需求，降低了用戶體驗。

發(fā)明內(nèi)容
本發(fā)明實施例提供了一種利用語音進(jìn)行座席篩選的方法及系統(tǒng)，通過對用戶語音進(jìn)行分析，提取語義信息、身份信息、情緒特征、語言信息、年齡、性別特征，并根據(jù)此信息選擇座席，無須使用IVR菜單進(jìn)行用戶手動選擇座席，提升了用戶對業(yè)務(wù)的使用體驗，減少了等待時間，同時也減少了系統(tǒng)資源的浪費。本發(fā)明的目的之一是，提供一種利用語音進(jìn)行座席篩選的方法，所述的方法包括接收用戶傳送的語音信息；從所述的語音信息中提取對應(yīng)的短時能量、基音、譜參數(shù)；根據(jù)所述的短時能量、基音、譜參數(shù)從預(yù)先設(shè)定的座席集中篩選出與所述的語音信息對應(yīng)的座席。本發(fā)明的目的之一是，提供一種利用語音進(jìn)行座席篩選的系統(tǒng)，所述的系統(tǒng)包括呼叫中心，用于接收用戶傳送的語音信息；語音分析裝置，用于從所述的語音信息中提取對應(yīng)的短時能量、基音、譜參數(shù)；篩選裝置，用于根據(jù)所述的短時能量、基音、譜參數(shù)從預(yù)先設(shè)定的座席集中篩選出與所述的語音信息對應(yīng)的座席。本發(fā)明的有益效果在于，通過對用戶語音進(jìn)行分析，提取用戶語義信息、身份信息、情緒特征、語言信息、年齡、性別特征，并根據(jù)此信息選擇語音綜合信息門戶的座席，無須使用IVR菜單進(jìn)行用戶手動選擇座席，提升了用戶對業(yè)務(wù)的使用體驗，減少了等待時間，同時也減少了信息門戶系統(tǒng)資源的浪費。此外，本提案根據(jù)語音中的多種信息為用戶提供豐富多樣的座席，達(dá)到了對用戶細(xì)分的目的，可以為用戶提供更加個性化和周到的座席服務(wù)。


為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖I為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的方法實施方式一的流 程圖；圖2為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的方法實施方式二的流程圖；圖3為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的方法實施方式三的流程圖；圖4為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的方法實施方式四的流程圖；圖5為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的系統(tǒng)實施方式一的結(jié)構(gòu)框圖；圖6為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的系統(tǒng)實施方式二的結(jié)構(gòu)框圖；圖7為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的系統(tǒng)實施方式三的結(jié)構(gòu)框圖；圖8為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的系統(tǒng)實施方式四的結(jié)構(gòu)框圖；圖9為高斯混合模型與觀察特征矢量匹配示意圖；圖10為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的系統(tǒng)的組網(wǎng)結(jié)構(gòu)圖；圖11為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的方法的業(yè)務(wù)流程圖。
具體實施例方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。對于不同的座席，需要事先定義其屬性，根據(jù)維度的不同可以將座席屬性定義如下座席{性別，年齡，情緒，身份，語言，內(nèi)容}。該種定義方式僅為舉例，當(dāng)然也可以有其他定義方式，此處不再贅述。座席的各個屬性是指其服務(wù)對象的屬性,如年齡項可以分為30歲以上和30歲以下，指該座席的服務(wù)對象是30歲以上人群還是30歲以下；內(nèi)容項可以是訂票、訂酒店等，指該座席專門進(jìn)行訂票或訂酒店的服務(wù)。根據(jù)上述的座席緯度可以定義座席1{男，30歲以上，高興，使用過業(yè)務(wù)，英語，訂機票}，考慮到性別有兩類(男女)，年齡兩類(30以下，30以上)，情緒四類(悲傷，生氣、平靜、高興)，身份兩類(使用過業(yè)務(wù)，未使用過業(yè)務(wù))，語言四類(中，英，蒙，藏)，內(nèi)容四類(查詢、訂機票、訂酒店、投訴)，共有2*2*4*2*4*4=512種座席類型，在實際使用中可以將部分座席合并，或同一座席擔(dān)負(fù)多種座席屬性。座席I可以表示為座席 1{0，1，3，0，1，1}。圖I為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的方法實施方式一的流程圖，由圖I可知，所述的方法包括SlOl :接收用戶傳送的語音信息。用戶通過手機、網(wǎng)絡(luò)等方式呼入語音綜合信息門戶，用戶傳送的語音信息中包括了當(dāng)前用戶需要查詢的內(nèi)容等信息。S102 :從所述的語音信息中提取對應(yīng)的短時能量、基音、譜參數(shù)。S103:根據(jù)所述的短時能量、基音、譜參數(shù)從預(yù)先設(shè)定的座席集中篩選出與所述的·語音信息對應(yīng)的座席。圖2為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的方法實施方式二的流程圖，由圖2可知，在實施方式二中，步驟S101、S102與步驟S201、S202相同，該方法還包括S203:根據(jù)所述的短時能量、基音、譜參數(shù)識別出所述的語音信息對應(yīng)的語義信息、情緒信息、語言信息、年齡信息以及性別信息。其中，語義信息指用戶所要表達(dá)的內(nèi)容，根據(jù)語義中的關(guān)鍵字，可以判斷用戶想要查詢哪方面的問題。身份信息指用戶是誰，若用戶此前使用過語音門戶服務(wù)，可根據(jù)以前的錄音數(shù)據(jù)判斷是哪個用戶，以得到用戶以前的使用偏好。情緒信息指用戶當(dāng)時所處的情緒狀態(tài)，如平靜、憤怒、恐懼、高興和悲傷等，根據(jù)情緒狀態(tài)判斷是否需要送到特殊座席，如用戶在憤怒的情況下是否需要送到特殊心情服務(wù)座
庶坐
I'm 寸 o語言信息指用戶所使用的語言種類，識別出是英語、法語等多種外語，還是維語、藏語、粵語等少數(shù)民族語言或方言，以便送到不同的語言座席進(jìn)行服務(wù)。年齡指用戶的年齡段，對不同年齡段的用戶可以細(xì)分到不同的座席或者推薦不同的服務(wù)。性別指男女性別，對不同性別的用戶可以細(xì)分到不同的座席或者推薦不同的服務(wù)。S204:根據(jù)所述的語義信息、情緒信息、語言信息、年齡信息以及性別信息從預(yù)先設(shè)定的座席集中篩選出與所述的語音信息最接近的座席。若當(dāng)如語首信息對應(yīng)的語義/[目息、情緒"[目息、語目"[目息、年齡"[目息以及性別彳目息形成一矢量，矢量的各維分別是性別，年齡，情緒，身份，語言，內(nèi)容，若矢量是{0，1，3，0，1，1}，則從預(yù)先設(shè)定的座席集中篩選出座席1{0，1，3，0，1，1}與該矢量的距離最為接近，選擇座席I進(jìn)行服務(wù)。在實際操作過程中，存在部分座席合并，或同一座席擔(dān)負(fù)多種座席屬性的情況，往往語音信息形成的矢量不會和座席完全匹配。該種情況下，可通過座席匹配選擇算法實現(xiàn)篩選設(shè)語音信息對應(yīng)的矢量為X={xl，x2，x3，x4，x5}，座席i為Yi={yil, yi2, yi3, yi4, yi5},權(quán)重K= {kl, k2, k3, k4, k5},此處引入權(quán)重主要是考慮到每類矢量對座席的重要性的不同，最后座席的選擇為i = arg min {/:, |.v, -_v/; | + k2 \x2 - yi21 + k' |x; - yi,| + k. Ixl - v/4| + k, |a% -yK|}即選擇和識別結(jié)果根據(jù)權(quán)重累加后最為接近的座席。圖3為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的方法實施方式三的流程圖，由圖3可知，在實施方式三中，步驟S101、S102與步驟S301、S302相同，該方法還包括S303 :采用高斯混合模型的方式將預(yù)先設(shè)定的座席集進(jìn)行訓(xùn)練。在實施方式三中，篩選座席前需要針對不同的座席特征訓(xùn)練出相應(yīng)的座席模型，然后將語音特征和座席模型 進(jìn)行匹配。座席模型此處采用高斯混合模型，因為從統(tǒng)計理論的角度考慮，無限多個高斯分布的組合可以擬合一個任意形式的分布，因此當(dāng)GMM的混合度M足夠高時，從理論上說就可以足夠精細(xì)的逼近特征矢量的空間分布。一個GMM通?？梢杂上铝袇?shù)描述⑴M，模型中的高斯密度函數(shù)的數(shù)目。(2)描述每個高斯密度函數(shù)的參數(shù)均值矢量U i，協(xié)方差矩陣E it)(3)每個高斯密度函數(shù)的權(quán)重，Wit5如此，可以記一個GMM的模型參數(shù)為\ = {M, {wj，{> J，{ E J }。通常GMM的混合度是事先選定的，因此模型參數(shù)中需要估計的為Am= {{wj, {Uj, { E J}0模型的訓(xùn)練采用最大似然準(zhǔn)則。GMM的基本結(jié)構(gòu)以及觀察特征矢量與模型匹配的基本示意圖如圖9所示。模型訓(xùn)練時，需要對語音數(shù)據(jù)根據(jù)座席的緯度進(jìn)行分類。對某個座席模型，根據(jù)性另IJ，年齡，情緒，身份，語言，內(nèi)容五個不同的緯度，可以定義該座席的座席特征，如對座席I模型而言，其特征是座席I {男，30歲以上，高興，使用過業(yè)務(wù)，英語，訂機票}，對事先收集到的語音數(shù)據(jù)，為了訓(xùn)練座席I的模型，需要對數(shù)據(jù)進(jìn)行標(biāo)記，挑選出“30歲以上男性使用英語以高興的語氣預(yù)訂機票”的數(shù)據(jù)，而且該男性原來是使用過本業(yè)務(wù)的。對該類原始語言數(shù)據(jù)進(jìn)行音頻處理后，對高斯混合模型進(jìn)行訓(xùn)練，同時在訓(xùn)練時考慮到各業(yè)務(wù)權(quán)重的不同。這樣就能夠用GMM來模擬座席I模型的特征在空間上的分布。其他模型采用類似方法依次訓(xùn)練得到。S304:根據(jù)所述的短時能量、基音、譜參數(shù)與訓(xùn)練后的座席集中的各個座席進(jìn)行匹配，得到各個座席對應(yīng)的對數(shù)評分。座席模型的匹配是指用戶語音特征和各座席模型進(jìn)行匹配，得到最佳的座席為用戶進(jìn)行服務(wù)。對于屬于的語音序列ot (t=l，…，T)，和某一個座席GMM模型Xi進(jìn)行匹配的結(jié)果是一個對數(shù)評分4=ii{k)g[m|為)]}
i i=l該語音序列和所有的GMM模型匹配后，得到各個座席模型的對數(shù)評分。S305 :將所述的各個對數(shù)評分進(jìn)行識別，篩選出與所述的語音信息對應(yīng)的座席。
將各評分進(jìn)行識別評分比較，若某座席模型和語音序列在空間上的距離最小，該模型即為所要選擇的座席模型。圖4為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的方法實施方式四的流程圖，由圖4可知，在實施方式四中，步驟SlOU S102、S103與步驟S401、S402、S403相同，該方法還包括S404 :所述的語音信息對應(yīng)的座席受理所述用戶的需求。S405 :所述的座席在預(yù)設(shè)的中央信息庫中查詢所述用戶的需求信息；S406 :若查詢成功，則將所述的查詢結(jié)果傳送至所述的用戶。
圖10為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的組網(wǎng)結(jié)構(gòu)圖，由圖10可知，在該實施例中，主要包括語音分析裝置、呼叫中心、座席、信息庫、MSC、HLR。其中，呼叫中心是綜合信息服務(wù)門戶業(yè)務(wù)在各省的語音接入點，用戶撥打接入號碼后接入到省呼叫中心。座席，用于完成綜合信息服務(wù)門戶的語音人工接入和呼出，為用戶提供信息查詢服務(wù)。信息庫是綜合信息服務(wù)門戶業(yè)務(wù)的數(shù)據(jù)中心，主要是信息數(shù)據(jù)庫。MSC負(fù)責(zé)將呼叫路由到呼叫中心。另外，MSC還需要通過接口，將用戶的語音傳遞給語音分析模塊，以得到用戶所選擇的座席。HLR歸屬位置寄存器，用存儲于移動用戶有關(guān)信息的數(shù)據(jù)庫。每個移動用戶都應(yīng)在其歸屬位置寄存器中注冊登記有關(guān)的移動業(yè)務(wù)能力。圖11為圖10的組網(wǎng)結(jié)構(gòu)的業(yè)務(wù)流程圖，主要包括I、用戶呼入到省呼叫中心；2、呼叫中心提示用戶說出查詢內(nèi)容，并將查詢內(nèi)容送至語音分析模塊進(jìn)行語音分析。3、語音分析模塊將分析結(jié)果傳給呼叫中心，選擇相應(yīng)的服務(wù)座席。4、座席受理用戶需求。5、座席通過中央信息庫查詢用戶需求信息。6、如果查詢不成功，座席判斷用戶是否需要繼續(xù)查詢，如用戶需要繼續(xù)查詢，轉(zhuǎn)入信息查詢過程，否則受理結(jié)束.7、如果查詢成功，座席將查詢結(jié)果告知用戶。圖5為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的系統(tǒng)實施方式一的結(jié)構(gòu)框圖，由圖5可知，所述的系統(tǒng)包括呼叫中心100，用于接收用戶傳送的語音信息。用戶通過手機、網(wǎng)絡(luò)等方式呼入語音綜合信息門戶，用戶傳送的語音信息中包括了當(dāng)前用戶需要查詢的內(nèi)容等信息。語音分析裝置200，用于從所述的語音信息中提取對應(yīng)的短時能量、基音、譜參數(shù)；篩選裝置300，用于根據(jù)所述的短時能量、基音、譜參數(shù)從預(yù)先設(shè)定的座席集中篩選出與所述的語音信息對應(yīng)的座席。圖6為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的系統(tǒng)實施方式二的結(jié)構(gòu)框圖，由圖6可知，在實施方式二中，篩選裝置300包括
識別模塊301，用于根據(jù)所述的短時能量、基音、譜參數(shù)識別出所述的語音信息對應(yīng)的語義息、情緒息、語目息、年齡息以及性別息。其中，語義信息指用戶所要表達(dá)的內(nèi)容，根據(jù)語義中的關(guān)鍵字，可以判斷用戶想要查詢哪方面的問題。身份信息指用戶是誰，若用戶此前使用過語音門戶服務(wù)，可根據(jù)以前的錄音數(shù)據(jù)判斷是哪個用戶，以得到用戶以前的使用偏好。情緒信息指用戶當(dāng)時所處的情緒狀態(tài)，如平靜、憤怒、恐懼、高興和悲傷等，根據(jù)情緒狀態(tài)判斷是否需要送到特殊座席，如用戶在憤怒的情況下是否需要送到特殊心情服務(wù)座
席等o語言信息指用戶所使用的語言種類，識別出是英語、法語等多種外語，還是維語、藏語、粵語等少數(shù)民族語言或方言，以便送到不同的語言座席進(jìn)行服務(wù)。年齡指用戶的年齡段，對不同年齡段的用戶可以細(xì)分到不同的座席或者推薦不同的服務(wù)。性別指男女性別，對不同性別的用戶可以細(xì)分到不同的座席或者推薦不同的服務(wù)。第一篩選模塊302，用于根據(jù)所述的語義信息、情緒信息、語言信息、年齡信息以及性別信息從預(yù)先設(shè)定的座席集中篩選出與所述的語音信息最接近的座席。若當(dāng)如語首/[目息對應(yīng)的語義/[目息、情緒"[目息、語目"[目息、年齡"[目息以及性別彳目息形成一矢量，矢量的各維分別是性別，年齡，情緒，身份，語言，內(nèi)容，若矢量是{0，1，3，0，1，1}，則從預(yù)先設(shè)定的座席集中篩選出座席1{0，1，3，0，1，1}與該矢量的距離最為接近，選擇座席I進(jìn)行服務(wù)。在實際操作過程中，存在部分座席合并，或同一座席擔(dān)負(fù)多種座席屬性的情況，往往語音信息形成的矢量不會和座席完全匹配。該種情況下，可通過座席匹配選擇算法實現(xiàn)篩選設(shè)語音信息對應(yīng)的矢量為X={xl，x2，x3，x4，x5}，座席i為Yi={yil, yi2, yi3, yi4, yi5},權(quán)重K= {kl, k2, k3, k4, k5},此處引入權(quán)重主要是考慮到每類矢量對座席的重要性的不同，最后座席的選擇為1 二 arg min {X-, |x, - j-v； | + k2 \x2 - y/21 + k' |x; - .vv, | + X,4 |x4 - vv4| + k, \x, -
i即選擇和識別結(jié)果根據(jù)權(quán)重累加后最為接近的座席。圖7為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的系統(tǒng)實施方式三的結(jié)構(gòu)框圖，由圖7可知，在實施方式三中，篩選裝置300包括訓(xùn)練模塊303，用于采用高斯混合模型的方式將預(yù)先設(shè)定的座席集進(jìn)行訓(xùn)練。在實施方式三中，篩選座席前需要針對不同的座席特征訓(xùn)練出相應(yīng)的座席模型，然后將語音特征和座席模型進(jìn)行匹配。座席模型此處采用高斯混合模型，因為從統(tǒng)計理論的角度考慮，無限多個高斯分布的組合可以擬合一個任意形式的分布，因此當(dāng)GMM的混合度M足夠高時，從理論上說就可以足夠精細(xì)的逼近特征矢量的空間分布。一個GMM通?？梢杂上铝袇?shù)描述⑴M，模型中的高斯密度函數(shù)的數(shù)目。(2)描述每個高斯密度函數(shù)的參數(shù)均值矢量U i，協(xié)方差矩陣E it)(3)每個高斯密度函數(shù)的權(quán)重，Wit5
如此，可以記一個GMM的模型參數(shù)為\ = {M, {wj，{> J，{ E J }。通常GMM的混合度是事先選定的，因此模型參數(shù)中需要估計的為Am= {{wj, {Uj, { E J}0模型的訓(xùn)練采用最大似然準(zhǔn)則。GMM的基本結(jié)構(gòu)以及觀察特征矢量與模型匹配的基本示意圖如圖9所示。模型訓(xùn)練時，需要對語音數(shù)據(jù)根據(jù)座席的緯度進(jìn)行分類。對某個座席模型，根據(jù)性另IJ，年齡，情緒，身份，語言，內(nèi)容五個不同的緯度，可以定義該座席的座席特征，如對座席I模型而言，其特征是座席I {男，30歲以上，高興，使用過業(yè)務(wù)，英語，訂機票}，對事先收集到的語音數(shù)據(jù)，為了訓(xùn)練座席I的模型，需要對數(shù)據(jù)進(jìn)行標(biāo)記，挑選出“30歲以上男性使用英語以高興的語氣預(yù)訂機票”的數(shù)據(jù)，而且該男性原來是使用過本業(yè)務(wù)的。對該類原始語言數(shù)據(jù)進(jìn)行音頻處理后，對高斯混合模型進(jìn)行訓(xùn)練，同時在訓(xùn)練時考慮到各業(yè)務(wù)權(quán)重的不同。這樣就能夠用GMM來模擬座席I模型的特征在空間上的分布。其他模型采用類似方法依次訓(xùn)練得到。匹配模塊304，用于根據(jù)所述的短時能量、基音、譜參數(shù)與訓(xùn)練后的座席集中 的各個座席進(jìn)行匹配，得到各個座席對應(yīng)的對數(shù)評分。座席模型的匹配是指用戶語音特征和各座席模型進(jìn)行匹配，得到最佳的座席為用戶進(jìn)行服務(wù)。對于屬于的語音序列ot(t=l, T)，和某一個座席GMM模型入，進(jìn)行匹配的結(jié)果是一個對數(shù)評分該語音序列和所有的GMM模型匹配后，得到各個座席模型的對數(shù)評分。第二篩選模塊305，用于將所述的各個對數(shù)評分進(jìn)行識別，篩選出與所述的語音信息對應(yīng)的座席。將各評分進(jìn)行識別評分比較，若某座席模型和語音序列在空間上的距離最小，該模型即為所要選擇的座席模型。圖8為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的系統(tǒng)實施方式四的結(jié)構(gòu)框圖，由圖8可知，在實施方式四種，該系統(tǒng)還包括座席400，用于受理用戶的需求，為用戶提供信息查詢服務(wù)。中央信息庫500，用于存儲信息數(shù)據(jù)。圖10為本發(fā)明實施例提供的一種利用語音進(jìn)行座席篩選的組網(wǎng)結(jié)構(gòu)圖，由圖10可知，在該實施例中，主要包括語音分析裝置、呼叫中心、座席、信息庫、MSC、HLR。其中，呼叫中心是綜合信息服務(wù)門戶業(yè)務(wù)在各省的語音接入點，用戶撥打接入號碼后接入到省呼叫中心。座席，用于完成綜合信息服務(wù)門戶的語音人工接入和呼出，為用戶提供信息查詢服務(wù)。信息庫是綜合信息服務(wù)門戶業(yè)務(wù)的數(shù)據(jù)中心，主要是信息數(shù)據(jù)庫。MSC負(fù)責(zé)將呼叫路由到呼叫中心。另外，MSC還需要通過接口，將用戶的語音傳遞給語音分析模塊，以得到用戶所選擇的座席。HLR歸屬位置寄存器，用存儲于移動用戶有關(guān)信息的數(shù)據(jù)庫。每個移動用戶都應(yīng)在其歸屬位置寄存器中注冊登記有關(guān)的移動業(yè)務(wù)能力。圖11為圖10的組網(wǎng)結(jié)構(gòu)的業(yè)務(wù)流程圖，主要包括
I、用戶呼入到省呼叫中心；2、呼叫中心提示用戶說出查詢內(nèi)容，并將查詢內(nèi)容送至語音分析模塊進(jìn)行語音分析。3、語音分析模塊將分析結(jié)果傳給呼叫中心，選擇相應(yīng)的服務(wù)座席。4、座席受理用戶需求。5、座席通過中央信息庫查詢用戶需求信息。6、如果查詢不成功，座席判斷用戶是否需要繼續(xù)查詢，如用戶需要繼續(xù)查詢，轉(zhuǎn)入信息查詢過程，否則受理結(jié)束.7、如果查詢成功，座席將查詢結(jié)果告知用戶。 綜上所述，本發(fā)明提供的一種利用語音進(jìn)行座席篩選的方法及裝置，通過對用戶語音進(jìn)行分析，提取用戶語義信息、身份信息、情緒特征、語言信息、年齡、性別特征，并根據(jù)此信息選擇座席，無須使用IVR菜單進(jìn)行用戶手動選擇座席，提升了用戶對業(yè)務(wù)的使用體驗，減少了等待時間，同時也減少了系統(tǒng)資源的浪費。另外，本發(fā)明根據(jù)語音中的多種信息為用戶提供豐富多樣的座席，達(dá)到了對用戶細(xì)分的目的，可以為用戶提供更加個性化和周到的座席服務(wù)。本發(fā)明中應(yīng)用了具體實施例對本發(fā)明的原理及實施方式進(jìn)行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實施方式
及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。
權(quán)利要求
1.一種利用語音進(jìn)行座席篩選的方法，其特征是，所述的方法包括 接收用戶傳送的語音信息； 從所述的語音信息中提取對應(yīng)的短時能量、基音、譜參數(shù)； 根據(jù)所述的短時能量、基音、譜參數(shù)從預(yù)先設(shè)定的座席集中篩選出與所述的語音信息對應(yīng)的座席。
2.根據(jù)權(quán)利要求I所述的方法，其特征是，根據(jù)所述的短時能量、基音、譜參數(shù)從預(yù)先設(shè)定的座席集中篩選出與所述的語音信息對應(yīng)的座席具體包括 根據(jù)所述的短時能量、基音、譜參數(shù)識別出所述的語音信息對應(yīng)的語義信息、情緒信息、語目彳目息、年齡 目息以及性別 目息; 根據(jù)所述的語義信息、情緒信息、語言信息、年齡信息以及性別信息從預(yù)先設(shè)定的座席 集中篩選出與所述的語音信息最接近的座席。
3.根據(jù)權(quán)利要求I所述的方法，其特征是，根據(jù)所述的短時能量、基音、譜參數(shù)從預(yù)先設(shè)定的座席集中篩選出與所述的語音信息對應(yīng)的座席具體包括 采用高斯混合模型的方式將預(yù)先設(shè)定的座席集進(jìn)行訓(xùn)練； 根據(jù)所述的短時能量、基音、譜參數(shù)與訓(xùn)練后的座席集中的各個座席進(jìn)行匹配，得到各個座席對應(yīng)的對數(shù)評分； 將所述的各個對數(shù)評分進(jìn)行識別，篩選出與所述的語音信息對應(yīng)的座席。
4.根據(jù)權(quán)利要求2或3所述的方法，其特征是，所述的方法還包括 所述的語音信息對應(yīng)的座席受理所述用戶的需求。
5.根據(jù)權(quán)利要求4所述的方法，其特征是，所述的語音信息對應(yīng)的座席受理所述用戶的需求具體包括 所述的座席在預(yù)設(shè)的中央信息庫中查詢所述用戶的需求信息； 若查詢成功，則將所述的查詢結(jié)果傳送至所述的用戶。
6.一種利用語音進(jìn)行座席篩選的系統(tǒng)，其特征是，所述的系統(tǒng)包括 呼叫中心，用于接收用戶傳送的語音信息； 語音分析裝置，用于從所述的語音信息中提取對應(yīng)的短時能量、基音、譜參數(shù)； 篩選裝置，用于根據(jù)所述的短時能量、基音、譜參數(shù)從預(yù)先設(shè)定的座席集中篩選出與所述的語音信息對應(yīng)的座席。
7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征是，所述的篩選裝置具體包括 識別模塊，用于根據(jù)所述的短時能量、基音、譜參數(shù)識別出所述的語音信息對應(yīng)的語義 息、情緒 目息、語目 目息、年齡息以及性別/[目息; 第一篩選模塊，用于根據(jù)所述的語義信息、情緒信息、語言信息、年齡信息以及性別信息從預(yù)先設(shè)定的座席集中篩選出與所述的語音信息最接近的座席。
8.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征是，所述的篩選裝置具體包括 訓(xùn)練模塊，用于采用高斯混合模型的方式將預(yù)先設(shè)定的座席集進(jìn)行訓(xùn)練； 匹配模塊，用于根據(jù)所述的短時能量、基音、譜參數(shù)與訓(xùn)練后的座席集中的各個座席進(jìn)行匹配，得到各個座席對應(yīng)的對數(shù)評分； 第二篩選模塊，用于將所述的各個對數(shù)評分進(jìn)行識別，篩選出與所述的語音信息對應(yīng)的座席。
9.根據(jù)權(quán)利要求7或8所述的系統(tǒng)，其特征是，所述的系統(tǒng)還包括座席，用于受理用戶的需求，為用戶提供信息查詢服務(wù)。
10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征是，所述的系統(tǒng)還包括中央信息庫，用于存儲信息數(shù)據(jù)。
全文摘要
本發(fā)明實施例提供了一種利用語音進(jìn)行座席篩選的方法及系統(tǒng)，所述的方法包括接收用戶傳送的語音信息；從所述的語音信息中提取對應(yīng)的短時能量、基音、譜參數(shù)；根據(jù)所述的短時能量、基音、譜參數(shù)從預(yù)先設(shè)定的座席集中篩選出與所述的語音信息對應(yīng)的座席。通過對用戶語音進(jìn)行分析，提取語義信息、身份信息、情緒特征、語言信息、年齡、性別特征，并根據(jù)此信息選擇座席，無須使用IVR菜單進(jìn)行用戶手動選擇座席，提升了用戶對業(yè)務(wù)的使用體驗，減少了等待時間，同時也減少了系統(tǒng)資源的浪費。
文檔編號H04W88/18GK102802114SQ20121021094
公開日2012年11月28日 申請日期2012年6月20日 優(yōu)先權(quán)日2012年6月20日
發(fā)明者解焱陸, 張勁松 申請人:北京語言大學(xué)