[发明专利]基于客户语音进行响应队列优先级调整方法及系统

权利要求书

1.一种基于客户语音进行响应队列优先级调整方法，其特征在于，具体包括以下步骤：

根据客户登录信息，识别所述客户的客户层级，得到客户层级；

识别客户的语音信息，得到所述客户的语音情绪分级；

根据客户的语音信息，识别所述客户的语音亢奋度，得到所述客户的亢奋度预测值；

根据所述客户层级、语音情绪分级以及亢奋度预测值，通过响应优先级算法，得到所述客户的响应优先级；

其中，所述根据客户的语音信息，识别所述客户的语音亢奋度，得到所述客户的亢奋度预测值，具体包括：根据客户的语音信息，得到客户的语谱图；根据所述客户的语谱图进行特征提取，并进行亢奋度类别打标签后，得到训练数集；通过所述训练数集训练亢奋度预测神经网络，得到训练后的亢奋度预测模型；输入待测的客户语音信息，至所述训练后的亢奋度预测模型，得到所述客户的亢奋度预测值；

所述语音亢奋度识别模型的具体训练过程为：将客户原始的语音信息，转换为语谱图，提取语谱图特征；将所述提取的特征及对应的亢奋度类别标签，输入深度神经网络模型进行训练，得到训练好的语音亢奋度识别模型。

2.根据权利要求1所述的基于客户语音进行响应队列优先级调整方法，其特征在于，所述识别客户的语音信息，得到所述客户的语音情绪分级，具体包括：

根据客户的语音信息，进行语音转文字识别，得到文字识别数据；

根据所述文字识别数据，进行关键字检索，得到语音情绪分级。

3.根据权利要求1所述的基于客户语音进行响应队列优先级调整方法，其特征在于，所述提取语谱图特征，具体使用残差卷积神经网络提取输入特征，特征提取公式具体为：

y＝F(x，W_i)+W_sx；

其中，x表示卷积层的输入，W_s表示线性映射的权值；

其中，F(x，W_i)是卷积核函数，表示卷积层中用于学习非线性映射的权值。

4.根据权利要求1所述的基于客户语音进行响应队列优先级调整方法，其特征在于，所述根据所述客户层级、语音情绪分级以及亢奋度预测值，通过响应优先级算法，得到所述客户的响应优先级，具体包括：

预先设置客户层级优先级分值表、语音情绪优先级分值表以及亢奋度优先级分值表；

根据所述客户的客户层级、语音情绪分级以及亢奋度预测值，查找相应的客户层级优先级分值表、语音情绪优先级分值表以及亢奋度优先级分值表，得到所述客户的客户层级优先级分值、语音情绪优先级分值以及亢奋度优先级分值；

将所述客户的客户层级优先级分值、语音情绪优先级分值以及亢奋度优先级分值，进行累加，得到所述客户的优先级总分值，确定所述客户的响应优先级。

5.根据权利要求4所述的基于客户语音进行响应队列优先级调整方法，其特征在于，所述得到所述客户的优先级总分值，确定所述客户的响应优先级之后，还包括：

根据所有客户的优先级总分值，将所有客户进行响应队列排序；

根据所述排序结果，得到响应队列优先级。