预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共24页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114077657A(43)申请公布日2022.02.22(21)申请号202010833962.0G06N3/04(2006.01)(22)申请日2020.08.18(71)申请人北京有限元科技有限公司地址100080北京市海淀区王庄路1号B座23层27-整层2702(72)发明人罗欢陈实王洪斌蒋宁权圣吴海英关力(74)专利代理机构北京万思博知识产权代理有限公司11694代理人刘冀(51)Int.Cl.G06F16/332(2019.01)G06Q10/04(2012.01)G06Q10/06(2012.01)G06Q30/02(2012.01)权利要求书3页说明书14页附图6页(54)发明名称确定话术序列的方法、装置以及存储介质(57)摘要本申请公开了一种确定话术序列的方法、装置以及存储介质。其中,确定话术序列的方法,包括:确定所述目标用户的用户特征信息以及与所述目标用户进行交互的交互过程信息,其中所述交互过程信息包括:与所述目标用户进行交互的当前话术序列、所述当前话术序列的子序列、与所述目标用户进行交互的后续话术序列集合以及与所述后续话术序列集合对应的后续话术父节点索引信息;以及利用预先训练的最优话术序列预测模型,根据所述用户特征信息和所述交互过程信息,确定与所述目标用户进行交互的最优话术序列。CN114077657ACN114077657A权利要求书1/3页1.一种确定话术序列的方法,所述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话术单元中的其中一个话术,其特征在于,包括:确定所述目标用户的用户特征信息以及与所述目标用户进行交互的交互过程信息,其中所述交互过程信息包括:与所述目标用户进行交互的当前话术序列、所述当前话术序列的子序列、与所述目标用户进行交互的后续话术序列集合以及与所述后续话术序列集合对应的后续话术父节点索引信息;以及利用预先训练的最优话术序列预测模型,根据所述用户特征信息和所述交互过程信息,确定与所述目标用户进行交互的最优话术序列,其中所述当前话术序列为与所述目标用户进行交互的当前话术节点以及先前话术节点所对应的话术单元所构成的序列;所述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单元构成的序列;以及所述后续话术父节点索引信息用于为后续话术序列寻找其父节点话术序列。2.根据权利要求1所述的方法,其特征在于,各个话术节点构成多个话术序列,并且利用预先训练的最优话术序列预测模型,根据所述用户特征信息和所述交互过程信息,确定与所述目标用户进行交互的最优话术序列的操作,包括:利用预先训练的最优话术序列预测模型,根据所述用户特征信息和所述交互过程信息,获取所述多个话术序列的期望转化率;以及根据所述多个话术序列的期望转化率,确定所述多个话术序列中用于与所述目标用户进行交互的最优话术序列。3.根据权利要求1所述的方法,其特征在于,还包括根据以下操作训练所述最优话术序列预测模型:获取与已拨打记录中的已拨打用户对应的交互信息以及用户画像;以及根据预先设置的深度神经网络算法,对所述交互信息以及所述用户画像进行学习,确定所述最优话术序列预测模型。4.根据权利要求3所述的方法,其特征在于,根据预先设置的深度神经网络算法,对所述交互信息以及所述用户画像进行学习,确定所述最优话术序列预测模型的操作,包括:对所述交互信息进行特征处理,确定所述交互信息中对应的话术特征信息;对所述用户画像进行特征处理,确定与所述已拨打用户相关的用户特征;根据所述交互信息,确定所述交互信息对应的转化率信息、所述交互信息中的当前话术序列的当前话术挂断率以及话术子序列的子话术挂断率;以及根据预先设置的深度神经网络算法,将所述用户特征以及所述话术特征信息作为所述深度神经网络算法的输入向量,以及将所述转化率信息、当前话术挂断率以及子话术挂断率作为输出向量,确定所述最优话术序列预测模型。5.根据权利要求4所述的方法,其特征在于,所述话术特征信息包括当前话术序列、话术子序列向量、后续话术序列向量以及后续话术父节点索引,并且将所述用户特征以及所述话术特征信息作为所述深度神经网络算法的输入向量的操作,还包括:通过预先设置的嵌入层和全连接层将所述用户特征进行编码,确定用户特征编码;通过预先设置的嵌入层和循环神经网络将所述话术特征信息中的当前话术特征、话术2CN114077657A权利要求书2/3页子序列向量、后续话术序列向量进行编码,确定当前话术特征编码、话术子序列编码以及后续话术序列编码;以及将所述用户特征编码、所述当前话术特征编码、所述话术子序列编码以及所述后续话术序列编码作为所述深度神经网络算法的输入向量。6.根据权利要求3所述的方法,其特征在于,所述深度神经网络算法