基于AI的智呼云系统的制作方法

基于ai的智呼云系统
技术领域
1.本发明涉及呼叫应答数据处理技术领域，尤其涉及一种基于ai的智呼云系统。


背景技术：

2.随着社会的不断发展，越来越多的时间处理开始向人工智能倾斜，一来是人工成本的增加，二是人工智能的不断发展，使得利用人工智能处理的事件不但处理效率高，且应对处理适合。
3.公开号为cn113596267a的文献公开了一种人工智能呼叫系统，该系统包括：呼叫管控中心，用于生成通话接通任务，并对所述通话接通任务进行管控分配，生成并发送接通任务分配信号，接收通话转接任务，对所述通话转接任务进行管控分配，生成并发送转接任务分配信号，所述通话接通任务包括通话接入任务与通话呼出任务；ai呼叫模块，用于接收并执行所述接通任务分配信号，获取并接收声音信号，根据所述声音信号进行智能语音识别并生成语音识别结果，根据所述识别结果检索应答库，生成并输出应答结果，根据所述语音识别结果判断人工呼叫需求，生成并发送所述通话转接任务；人工呼叫模块，用于接收所述转接任务分配信号，生成所述转接任务分配信号的执行请求，接收执行请求反馈信号，根据所述执行请求反馈信号执行所述转接任务分配信号；后处理学习模块，用于根据所述ai呼叫模块与所述人工呼叫模块生成应答反馈结果，根据所述应答反馈结果遍历比对并更新应答库，所述应答反馈结果用于表征人工智能呼叫系统所执行通话接通任务中接通对象对所述应答的满意程度。
4.现有技术中在获取到用户请求后，需要根据用户需求在应答库内进行检索，生成并输出应答结果，随着应答库内内容的不断增加，在进行其内进行检索生成应答结果的用时会不断更加，影响用户得到应答的流畅性。


技术实现要素：

5.为此，本发明提供一种基于ai的智呼云系统，可以解决现有技术中的用户得到应答的用时较长的问题。
6.为实现上述目的，本发明提供一种基于ai的智呼云系统，包括：接收模块，接收用户的呼叫请求；解析模块，与所述接收模块连接，用以将呼叫请求进行解析，获取解析结果；存储模块，解析结果和解决方案的对应关系；展示模块，根据解析结果和对应关系获取解决方案，并将所述解决方案进行显示；所述解析模块包括数据抽取单元、数据存储单元和数据处理单元；数据抽取单元用以将呼叫请求进行抽取，去除呼叫请求内的杂质信息，获取到请求信息，检测请求信息的实际数据量；数据存储单元内预先设置有标准数据量d0和请求信息的实际数据量d；若实际数据量d≥标准数据量d0，则对呼叫请求进行二次抽取；
若实际数据量d《标准数据量d0，则表示数据量正常，将请求信息进行存储；数据处理单元，用以在进行二次抽取时根据实际数据量确定对于请求信息的处理窗口长度。
7.进一步地，数据处理单元内预先设置有处理窗口的第一标准长度l10、第二标准长度l20和第三标准长度l30，且l10》l20》l30》0；若请求信息为语音信息，获取所述语音信息中的声纹信息，根据声纹信息确定用户的实际年龄，根据用户的实际年龄选择第一标准长度l10、第二标准长度l20或第三标准长度l30；数据处理单元内预先设置有标准年龄段范围a12，若用户的实际年龄小于标准年龄段范围a12中的极小值a1，则选择第一标准长度l10作为处理窗口的长度；若用户的实际年龄属于标准年龄段范围a12，则选择第二标准长度l20作为处理窗口的长度；若用户的实际年龄大于标准年龄段范围a12中的极大值a2，则选择第三标准长度l30作为处理窗口的长度。
8.进一步地，在实际数据量d≥标准数据量d0时，根据实际数据量偏离标准数据量的幅度对标准长度进行修正；当选择第i标准长度li0作为处理窗口的长度时，若2
×
d0》实际数据量d≥标准数据量d0，则采用第一修正系数k1对第i标准长度li0进行修正；若5
×
d0》实际数据量d≥2
×
标准数据量d0，则采用第二修正系数k2对第i标准长度li0进行修正；若实际数据量d≥5
×
d0，则采用第三修正系数k3对第i标准长度li0进行修正，第一修正系数k1《第二修正系数k2《第三修正系数k3。
9.进一步地，当采用第一修正系数k1对第i标准长度li0进行修正，修正后的标准长度为li0
′
=li0
×
（1+k1）；当采用第二修正系数k2对第i标准长度li0进行修正，修正后的标准长度为li0
′
=li0
×
（1+k2）；当采用第三修正系数k3对第i标准长度li0进行修正，修正后的标准长度为li0
′
=li0
×
（1+k3），i=1，2，3。
10.进一步地，第一修正系数k1=l10/(l10+l20+l30);第二修正系数k2=l20/(l10+l20+l30);第三修正系数k3=l30/(l10+l20+l30)。
11.进一步地，还包括答复模块，所述答复模块与所述展示模块连接，用以根据所述展示模块展示的内容在应答时长内向用户进行应答，应答时长设置为t0。
12.进一步地，在所述答复模块内预先设置多个关键字，所述关键字用以表征展示内容中的专业度；所述答复模块用以根据关键字的数量去调整所述应答时长。
13.进一步地，所述答复模块内设置有第一调整参数α和第二调整参数β，预先还设置有标准数量n0；若展示内容中的关键字的数量≤标准数量n0，则表示显示内容的专业程度不高，
则采用第一调整参数α调整所述应答时长；若展示内容中的关键字的数量》标准数量n0，则表示显示内容的专业程度较高，则采用第二调整参数β调整所述应答时长。
14.进一步地，采用第一调整参数α调整所述应答时长后，新的应答时长作为下一呼叫应答周期内的应答时长，新的应答时长为t1
′
=t0
×
(1+α);采用第二调整参数β调整所述应答时长后，新的应答时长作为下一呼叫应答周期内的应答时长，新的应答时长为t2
′
=t0
×
(1+β)，且0《α《β《1。
15.与现有技术相比，本发明的有益效果在于，通过用户请求就可以确定用户画像，对用户请求进行解析后根据用户画像以及解析结果，能够确定基于用户请求的精准度较高的解决方案，提高解决方案与呼叫请求的匹配性，使得利用展示模块进行展示的解决方案能够精准匹配呼叫请求，解决用户的实际请求，并且本发明实施例是预先建立解析结果和解决方案的对应关系，减少检索搜索的过程，使得解决方案的提取时间大大缩短，有效降低基于用户呼叫请求的应答时间长度。
16.尤其，通过对实际数据量的大小进行判定，进而确定时间数据量中是否存在杂质信息，在实际应用中，当用户发起呼叫请求时，例如在打电话时，环境中是否存在杂音，杂音会携带在实际数据中，致使实际数据量增加，因此设置标准数据量d0，当实际数据量d《标准数据量d0，表示数据量正常，将请求信息进行存储并进行解析，得到解析结果，若是，实际数据量d≥标准数据量d0，则需要对实际数据进行处理，将实际数据中的杂质信息进行解耦，也就是将杂质信息从实际数据中抽取，进而保留原数据信息，进行解析，在对杂质信息进行抽取时，采用处理窗口长度进行分窗口处理，提高处理效率，且不易漏处理，提高对杂质信息处理的精准性，提高处理效率。
17.尤其，通过对用户的实际年龄进行判断，确定是否属于标准年龄段范围a12，若是小于标准年龄段范围a12的极小值，则实际用户年龄较小，耐性较差，因此在进行处理用户请求时，选择第一标准长度l10作为处理窗口的长度，第一标准长度较大，因此对于实际用户请求处理速度快，减少用户的等待时间，便于快速获取到请求信息的解析结果，减少用户的实际等待时间，提高用户呼叫体验，若是用户的实际年龄较大，则耐性较好，可以采用第三标准长度l30作为处理窗口的长度，实现对用户请求信息的多数量分割后进行处理，提高对于用户请求信息的处理颗粒度，是以牺牲处理速度这个变量来实现的，平衡用户呼叫请求的速度和处理精度，满足用户需求。
18.尤其，通过修正系数实现实际数据量偏离标准数据量的幅度对标准长度进行修正，若是若2
×
d0》实际数据量d≥标准数据量d0，则采用第一修正系数k1对第i标准长度li0进行修正，若5
×
d0》实际数据量d≥2
×
标准数据量d0，则采用第二修正系数k2对第i标准长度li0进行修正，若实际数据量d≥5
×
d0，则采用第三修正系数k3对第i标准长度li0进行修正，第一修正系数k1《第二修正系数k2《第三修正系数k3，可以看出不同的偏离幅度采用不同的修正系数，使得标准长度的实际数值更符合实际的数据量要求，提高数据处理效率。
19.尤其，通过利用修正后的标准长度来在下一呼叫请求中对呼叫信息进行切割，使得对于请求信息的解析过程更加高效，提高对于请求信息的处理效率，实现解析精度和解析速度的平衡，使得对于呼叫请求的处理处于智能调整状态下，使得能够根据实际数据进行动态智能调整，提高对实际请求数据的高效处理，并利用预先设置的第一标准长度l10、
第二标准长度l20、第三标准长度l30来表示对应的修正系数，实现标准长度与修正系数之间的正向关系，在标准长度大时，则修正系数也大，便于对于请求数据进行有效处理，提高数据处理效率。
20.尤其，通过设置应答模块，将展示模块展示的内容在应答时长内向用户进行应答，完成基于用户请求信息的应答，提高用户呼叫和应答的匹配度，提高用户呼叫的应答效率。在普适下采用应答时长t0,该应答时长作为向用户进行应答的基准时间，对于应答时长进行限定，提高了展示模块展示内容输出速度，提高对于呼叫应答的精准控制，提高应答效率。
21.尤其，通过在答复模块内预先设置若干关键字，若是展示内容中的关键字较多，则表示展示内容的专业度较高，若是关键字的数量较少，则表示展示内容的专业度不高，对于专业不同的内容，采用不同的应答时长进行处理，当面对专业度高的展示内容就需要采用较长的时间进行应答，以使用户充分解释说明展示内容，便于用户接收；若是展示的内容专业度不高，则可采用较短的时间进行输出，以实现展示内容的难易程度的有效调整，实现应答时长的有效合理分配，提高应答内容输出的效率。
22.尤其，通过设置标准数量n0，对于展示内容中的关键字的数量与标准数量n0的关系选择第一调整参数α或第二调整参数β，使得应答时间的长度更符合实际内容需要，本发明实施例在利用第一调整参数α或第二调整参数β对应答时长进行调整时，选择采用在原有时长t0的基础上小幅增加，使得应答时长的长度比较稳定，实现对于应答时间的有效控制，保证展示内容的定时段输出，保证应答的输出效率。
附图说明
23.图1为本发明实施例提供的基于ai的智呼云系统的结构示意图。
具体实施方式
24.为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
25.下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
26.需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
27.此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
28.请参阅图1所示，本发面实施例提供了一种基于ai的智呼云系统，该基于ai的智呼云系统包括：
接收模块10，接收用户的呼叫请求；解析模块20，与所述接收模块连接，用以将呼叫请求进行解析，获取解析结果；存储模块30，解析结果和解决方案的对应关系；展示模块40，根据解析结果和对应关系获取解决方案，并将所述解决方案进行显示。
29.具体而言，本发明实施例中的基于ai的智呼云系统，其应用场景可以是依托于推荐引擎和机器学习技术，通过分析用户数据并聚类用户特征，了解用户潜在需求，分析需求可行性和成功率，做到“千人千面”的智能推送。在用户进行注册登录时，获取用户注册登录信息、日志数据信息、用户表单信息等用户发展历史的相关信息为数据来源制作用户画像，通过对品牌商和意向代理经销商等数据信息的特征提取之后进行标签和维度划分，构建出相应的标签体系，随后根据标签体系设计出对应的匹配规则和权重计算方法，并在运算之后得出用户画像标签的初步结果。最后通过聚类算法划分群体用户，形成群体画像，通过可视化的用户画像展示分别对个体用户画像和群体用户画像进行分析，将形成结果展示到平台上呈现给平台管理者，再将支持结果反馈给用户，为用户带来优质体验和推送，让使用者精确获取信息。
30.本发明实施例通过用户请求就可以确定用户画像，对用户请求进行解析后根据用户画像以及解析结果，能够确定基于用户请求的精准度较高的解决方案，提高解决方案与呼叫请求的匹配性，使得利用展示模块进行展示的解决方案能够精准匹配呼叫请求，解决用户的实际请求，并且本发明实施例是预先建立解析结果和解决方案的对应关系，减少检索搜索的过程，使得解决方案的提取时间大大缩短，有效降低基于用户呼叫请求的应答时间长度。
31.具体而言，解析模块20包括数据抽取单元21、数据存储单元22和数据处理单元23；数据抽取单元用以将呼叫请求进行抽取，去除呼叫请求内的杂质信息，获取到请求信息，检测请求信息的实际数据量；数据存储单元内预先设置有标准数据量d0和请求信息的实际数据量d；若实际数据量d≥标准数据量d0，则对呼叫请求进行二次抽取；若实际数据量d《标准数据量d0，则表示数据量正常，将请求信息进行存储；数据处理单元，用以在进行二次抽取时根据实际数据量确定对于请求信息的处理窗口长度。
32.具体而言，本发明实施例通过对实际数据量的大小进行判定，进而确定时间数据量中是否存在杂质信息，在实际应用中，当用户发起呼叫请求时，例如在打电话时，环境中是否存在杂音，杂音会携带在实际数据中，致使实际数据量增加，因此设置标准数据量d0，当实际数据量d《标准数据量d0，表示数据量正常，将请求信息进行存储并进行解析，得到解析结果，若是，实际数据量d≥标准数据量d0，则需要对实际数据进行处理，将实际数据中的杂质信息进行解耦，也就是将杂质信息从实际数据中抽取，进而保留原数据信息，进行解析，在对杂质信息进行抽取时，采用处理窗口长度进行分窗口处理，提高处理效率，且不易漏处理，提高对杂质信息处理的精准性，提高处理效率。
33.具体而言，数据处理单元内预先设置有处理窗口的第一标准长度l10、第二标准长度l20和第三标准长度l30，且l10》l20》l30》0；
若请求信息为语音信息，获取所述语音信息中的声纹信息，根据声纹信息确定用户的实际年龄，根据用户的实际年龄选择第一标准长度l10、第二标准长度l20或第三标准长度l30；数据处理单元内预先设置有标准年龄段范围a12，若用户的实际年龄小于标准年龄段范围a12中的极小值a1，则选择第一标准长度l10作为处理窗口的长度；若用户的实际年龄属于标准年龄段范围a12，则选择第二标准长度l20作为处理窗口的长度；若用户的实际年龄大于标准年龄段范围a12中的极大值a2，则选择第三标准长度l30作为处理窗口的长度。
34.具体而言，本发明实施例通过对用户的实际年龄进行判断，确定是否属于标准年龄段范围a12，若是小于标准年龄段范围a12的极小值，则实际用户年龄较小，耐性较差，因此在进行处理用户请求时，选择第一标准长度l10作为处理窗口的长度，第一标准长度较大，因此对于实际用户请求处理速度快，减少用户的等待时间，便于快速获取到请求信息的解析结果，减少用户的实际等待时间，提高用户呼叫体验，若是用户的实际年龄较大，则耐性较好，可以采用第三标准长度l30作为处理窗口的长度，实现对用户请求信息的多数量分割后进行处理，提高对于用户请求信息的处理颗粒度，是以牺牲处理速度这个变量来实现的，平衡用户呼叫请求的速度和处理精度，满足用户需求。
35.具体而言，在实际数据量d≥标准数据量d0时，根据实际数据量偏离标准数据量的幅度对标准长度进行修正；当选择第i标准长度li0作为处理窗口的长度时，若2
×
d0》实际数据量d≥标准数据量d0，则采用第一修正系数k1对第i标准长度li0进行修正；若5
×
d0》实际数据量d≥2
×
标准数据量d0，则采用第二修正系数k2对第i标准长度li0进行修正；若实际数据量d≥5
×
d0，则采用第三修正系数k3对第i标准长度li0进行修正，第一修正系数k1《第二修正系数k2《第三修正系数k3。
36.具体而言，本发明实施例通过修正系数实现实际数据量偏离标准数据量的幅度对标准长度进行修正，若是若2
×
d0》实际数据量d≥标准数据量d0，则采用第一修正系数k1对第i标准长度li0进行修正，若5
×
d0》实际数据量d≥2
×
标准数据量d0，则采用第二修正系数k2对第i标准长度li0进行修正，若实际数据量d≥5
×
d0，则采用第三修正系数k3对第i标准长度li0进行修正，第一修正系数k1《第二修正系数k2《第三修正系数k3，可以看出不同的偏离幅度采用不同的修正系数，使得标准长度的实际数值更符合实际的数据量要求，提高数据处理效率。
37.具体而言，当采用第一修正系数k1对第i标准长度li0进行修正，修正后的标准长度为li0
′
=li0
×
（1+k1）；当采用第二修正系数k2对第i标准长度li0进行修正，修正后的标准长度为li0
′
=li0
×
（1+k2）；当采用第三修正系数k3对第i标准长度li0进行修正，修正后的标准长度为li0
′
=li0
×
（1+k3），i=1，2，3。
38.具体而言，第一修正系数k1=l10/(l10+l20+l30);
第二修正系数k2=l20/(l10+l20+l30);第三修正系数k3=l30/(l10+l20+l30)。
39.具体而言，本发明实施例通过利用修正后的标准长度来在下一呼叫请求中对呼叫信息进行切割，使得对于请求信息的解析过程更加高效，提高对于请求信息的处理效率，实现解析精度和解析速度的平衡，使得对于呼叫请求的处理处于智能调整状态下，使得能够根据实际数据进行动态智能调整，提高对实际请求数据的高效处理，并利用预先设置的第一标准长度l10、第二标准长度l20、第三标准长度l30来表示对应的修正系数，实现标准长度与修正系数之间的正向关系，在标准长度大时，则修正系数也大，便于对于请求数据进行有效处理，提高数据处理效率。
40.具体而言，继续参阅图1，本发明实施例提供的基于ai的智呼云系统，还包括答复模块50，所述答复模块与所述展示模块连接，用以根据所述展示模块展示的内容在应答时长内向用户进行应答，应答时长设置为t0。
41.具体而言，本发明实施例通过设置应答模块，将展示模块展示的内容在应答时长内向用户进行应答，完成基于用户请求信息的应答，提高用户呼叫和应答的匹配度，提高用户呼叫的应答效率。在普适下采用应答时长t0,该应答时长作为向用户进行应答的基准时间，对于应答时长进行限定，提高了展示模块展示内容输出速度，提高对于呼叫应答的精准控制，提高应答效率。
42.具体而言，在所述答复模块内预先设置多个关键字，所述关键字用以表征展示内容中的专业度；所述答复模块用以根据关键字的数量去调整所述应答时长。
43.具体而言，本发明实施例通过在答复模块内预先设置若干关键字，若是展示内容中的关键字较多，则表示展示内容的专业度较高，若是关键字的数量较少，则表示展示内容的专业度不高，对于专业不同的内容，采用不同的应答时长进行处理，当面对专业度高的展示内容就需要采用较长的时间进行应答，以使用户充分解释说明展示内容，便于用户接收；若是展示的内容专业度不高，则可采用较短的时间进行输出，以实现展示内容的难易程度的有效调整，实现应答时长的有效合理分配，提高应答内容输出的效率。
44.具体而言，所述答复模块内设置有第一调整参数α和第二调整参数β，预先还设置有标准数量n0；若展示内容中的关键字的数量≤标准数量n0，则表示显示内容的专业程度不高，则采用第一调整参数α调整所述应答时长；若展示内容中的关键字的数量》标准数量n0，则表示显示内容的专业程度较高，则采用第二调整参数β调整所述应答时长。
45.具体而言，采用第一调整参数α调整所述应答时长后，新的应答时长作为下一呼叫应答周期内的应答时长，新的应答时长为t1
′
=t0
×
(1+α);采用第二调整参数β调整所述应答时长后，新的应答时长作为下一呼叫应答周期内的应答时长，新的应答时长为t2
′
=t0
×
(1+β)，且0《α《β《1。
46.具体而言，本发明实施例通过设置标准数量n0，对于展示内容中的关键字的数量与标准数量n0的关系选择第一调整参数α或第二调整参数β，使得应答时间的长度更符合实际内容需要，本发明实施例在利用第一调整参数α或第二调整参数β对应答时长进行调整
时，选择采用在原有时长t0的基础上小幅增加，使得应答时长的长度比较稳定，实现对于应答时间的有效控制，保证展示内容的定时段输出，保证应答的输出效率。
47.具体而言，基于话务机器人的智能清洗和呼叫中心包括通信网络、人工智能服务器、执行呼入与呼出任务的ai坐席、人工坐席、执行质检任务的智能质检管理系统和执行数据挖掘与分析的智能管理后台crm，通信网络连接用户终端和人工智能服务器，人工智能服务器用于接入通信网络中数据，ai坐席用于执行电话呼出和电话呼入任务，人工坐席用于执行ai 坐席未能处理的呼叫请求，智能质检管理系统包括质检规则管理模块和质检结果管理模块，智能管理后台crm作为通话数据的载体和处理分析器。
48.基于话务机器人的智能清洗和呼叫技术在原有客服系统中搭建话务机器人处理模块来替代原有的人工处理功能，将话务机器人处理模块引入客服系统整体架构中。在客服整体架构中用相应的技术模块，替代传统架构中原有的功能，且套入传统流程。在新的系统架构中，使用语音识别和语音合成模块代替原来人工与用户交流沟通的模式；使用知识管理模块取代原有的知识库构建方式。用人工智能技术模块替代原来依靠人工处理的、具有一定重复性和规律性的工作下，降低原来的人工成本，提升效率和效果。
49.基于话务机器人的智能清洗技术进行海量数据第一轮清洗，代替人工呼出筛选，筛除空号、关机、无法联系的部分，自动拨打电话并进行意向客户筛选的销售和客服系统，一键建立外呼任务，导入客户号码、定时外呼，批量完成任务、高度定制优化话术数据，一客一话术、依据电话数据快速反馈业务数据、支持过程人工打断，收集反馈信息、通过语义识别客户问答过程进行快速反馈、并能根据跟客户的交流情况，快速识别客户意向。
50.采用人工智能技术解决公司重复繁琐的高人力成本客服业务，通过ai客服呼叫，无论在在线咨询、坐席辅助、营销推广还是内部管理等场景均可替代一定人力，通过对用户query的智能化解析，利用不同引擎高精度匹配相关业务，并通过智能会话中控，确保对话回复的准确性。一方面，承担了80%的人工工作，另一方面自动完成客户需求分析、需求匹配、自动统计、分类、排列优先级，结合大数据与深度学习，提升语言识别、提升语境及情感分析、提升汇报与对比能力等。保证服务场景7*24服务，同时转人工率可控制在20%以下；实现与业务系统对接，针对移动端或pc端输出，真正形成公司与客户沟通咨询和业务办理的桥梁。
51.基于深度强化学习的自然语言理解和对话管理联合模型，由三个级联的深层神经网络组成，底部两个循环神经网络自下往上分别建模当前对话句子以及到当前时刻为止的对话表示，上层的深度神经网络进行对话动作决策；直接将自然语言文本映射到对话动作，融合了自然语言处理与对话管理。模型采用了深度强化学习技术进行集成训练，自然语言利用深度学习技术，直接利用文本作为模型的输入，避免人工定义大量的状态，解决了状态空间指数增长的问题；使用深度强化学习的方式进行联合建模和学习，解决了模块之间的独立性问题，使得两个模块之间的信息可以共享，并且两个模块之间的误差可以传递，得到更优的性能。
52.针对用户不同对话内容，利用关键字或关键句型提取对话内容中的命名实体，匹配到话术模型中并利用深度学习神经网络获取知识信息，产生对应应答内容，实现人机对话相互性，从而使机器更自然地跟用户进行交互，提升对话的交互性和用户体验。
53.至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域
技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
54.智能匹配算法通过个性化的内容与用户需求和场景进行匹配。为实现基于用户个性化需求信息的智能精准匹配功能，构建用户个性化需求信息数据模型；搭建智能精准匹配模型库，建立用户个性化需求信息与模型库之间的智能匹配模型。将智能匹配流程划分为基于dfs的模型库检索、基于语义相似度的匹配、参数匹配、优化调整四个阶段。根据用户的需求信息实现对子类模型库的精确检索，并将检索到匹配的子类模型库节点信息返回给眼镜框型匹配环节。该算法优势在于无需考虑眼镜模型库组织结构的复杂性，实现对子类模型库节点的精准高效检索；便于为用户推荐合适的推送内容，提高了用户筛选的准确度和满意度，降低查找的时间和精力，具有智能化特点。
55.以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。