[发明专利]基于卷积神经网络的回访方法、系统及存储介质

说明书

本发明涉及人工智能技术领域，公开了一种基于卷积神经网络的回访方法，在检测到待回访产品被访者签收后，触发的AI视频回访，通过AI机器人将回访问卷的内容转换为音频，并播放音频对被访者进行回访提问；通过所述客户端录取被访者根据回访提问做出回答的音视频信息，提取其中的回答信息，并根据预先构建的意图关键词抽取模型识别意图关键词，从预置的意图概念树中查询到对应的意图；若匹配，则跳转至下一回访问卷的回访提问流程。本发明还提供了一种基于卷积神经网络的回访系统及计算机可读存储介质，采用抽取模型结合意图概念树的方式来实现对意图的识别，实现根据问卷上下文来识别用户意图，从而提高意图的识别和回答准确度，提高回访效率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于卷积神经网络的回访方法、系统及存储介质。

背景技术

随着人工智能发展，语音助手、AI智能机器人等对话系统为人们生活带来了方便。对话系统主要由语音识别、语义理解、对话管理、答案生成、语音合成几个模块组成。意图识别作为语义理解的一部分，在整个对话过程中起着重要作用。

例如，在一些销售等业务场景中，对产品的回访可以实现用户对产品体验或服务满意度调查以及进行客户关系维护。然而，现有的回访操作一般存在以下两种方式：一种是通过人工的方式与被访者进行电话沟通或当面回访，而意图只能通过人为主观的判断，而人工的判断，需要大量的人力资源，其成本高，且效率低；另一种是对交流语言中的特定否定词语的智能识别来实现意图确定的智能访问方式，该种识别方式过于简单，不能得到用户隐含的意图，准确率也无法保障。

发明内容

本发明的主要目的在于提供一种基于卷积神经网络的回访方法、系统及计算机可读存储介质，旨在解决现有的回访方式难以实现高精度的意图识别，从而导致回访质量过低的技术问题。

为实现上述目的，本发明提供一种基于卷积神经网络的回访方法，应用于AI视频机器人，所述基于卷积神经网络的回访方法包括以下步骤：

在检测到待回访产品已被签收确认时，通过客户端发起AI视频回访请求，获取被访者的身份认证信息并进行身份验证；

在所述被访者的身份验证通过后，根据所述待回访产品，从预置服务器中提取对应的回访问卷以及所述待回访产品的具体信息，并发送至所述客户端显示；

通过所述AI视频机器人将所述回访问卷的内容转换为音频，并播放所述音频对所述被访者进行回访提问；

通过所述客户端录制所述被访者根据所述回访提问做出回答的音视频信息，其中，所述音视频信息包括被访者的回答信息和被访者的人像信息；

提取所述音视频信息中回答信息，并根据预先构建的抽取模型对所述回答信息进行分词序列标注，得到意图关键词，其中，所述抽取模型是基于卷积神经网络构建的，用于实现意图关键词识别分割的分割模型；

根据所述意图关键词，查询预置的意图概念树的各意图节点下的关键词中与所述意图关键词相匹配的目标关键词，得到对应的意图，其中，所述意图概念树包括多个意图节点，每个意图节点对应一种意图；

判断所述意图与所述回访提问中设定的意图是否匹配；

若匹配，则跳转至下一回访问卷的回访提问流程。

可选地，所述在被访者的身份验证通过后，根据所述待回访产品，从预置服务器中提取对应的回访问卷以及所述待回访产品的具体信息，并发送至所述客户端显示的步骤包括：

识别回待回访产品中的产品类型、并从预置服务器的问卷数据库中调取预设的所有与所述产品类型关联的问题，将预设的所有问题生成对应的回访问卷，其中，所述回访问卷包括回访的问题和问题对应的标准答案，其中，在所述问卷数据库中存储预先编写的与产品类型相关的问题，并所述问题与对应的产品类型关联，对各问题设置一答题权重，对各问题的选项设置选项分；