一种电话坐席机器人智能对话方法及系统与流程

本发明涉及自然语言处理，尤其涉及一种电话坐席机器人智能对话方法及系统。

背景技术：

1、自然语言处理是一门人工智能领域，旨在让计算机理解、解释和生成人类语言。它涵盖了从文本和语音数据中提取信息、对话处理、情感分析、文本生成等多个方面的技术。在电话坐席机器人智能对话方法中，自然语言处理技术用于处理来自用户的语音或文本输入，并为用户提供自动化的响应。

2、电话坐席机器人智能对话方法是一种应用自然语言处理技术的解决方案。其目的是实现以下效果，自动应答与用户对话，提供信息与支持，降低人工干预，提高效率与便捷性。具体来说，通过自动化处理标准化的查询，使人工坐席能够专注于更复杂或特殊的问题，从而提高客户服务的效率。用户可以在需要时随时与机器人进行互动，无需等待人工坐席的支持。为了实现这一目标，电话坐席机器人使用自然语言处理技术，包括语音识别、文本分析、对话建模、信息检索等方法。这些机器人经过训练，可以理解特定领域的问题和指令，并以自然的方式与用户进行对话。它们通常通过云服务或本地部署，与电话系统集成，以提供智能对话支持。电话坐席机器人可用于客户服务、技术支持、业务查询等各种领域，以提供更好的用户体验和效率，同时降低了用户接入机器人的成本。

3、在现有对话方法的实际使用过程中，现有方法往往没有采用实时音频采样技术，导致语音数据的获取存在延迟或者失真的情况。此外，旧有的语音识别算法没有运用到深度学习，因此，在处理异常发音、口音、语言模糊等情况时，效果可能较差，用户意图的抓取可能不准确。当前的自然语言处理技术限制了用户的表达方式，或者导致结果对于复杂问题的理解程度有限。此外，在数据库查询过程中，未优化的查询可能导致处理速度较慢，不能立即反馈给用户。而在反馈阶段，未使用深度学习语音合成和音频压缩技术导致返回的语音效果不理想，甚至出现延迟或者信息丢失，进一步影响用户体验。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的一种电话坐席机器人智能对话方法及系统。

2、为了实现上述目的，本发明采用了如下技术方案：一种电话坐席机器人智能对话方法，包括以下步骤：

3、s1：基于用户通过电话的拨号请求，采用实时音频采样技术，对用户语音进行实时采集，生成语音数据流；

4、s2：基于所述语音数据流，采用深度学习的语音识别算法，进行语音到文本的转换，生成用户意图信息；

5、s3：基于所述用户意图信息，采用自然语言处理技术，将用户语言转化为具体的业务查询请求，生成业务查询指令；

6、s4：基于所述业务查询指令，采用数据库查询优化技术，从后台业务数据库中提取反馈信息，生成业务反馈信息；

7、s5：基于所述业务反馈信息，采用深度学习的语音合成算法，将文本信息转化为语音，生成反馈语音信息；

8、s6：基于所述反馈语音信息，采用音频压缩技术，进行实时语音传输，为用户提供查询结果，完成用户咨询处理流程。

9、作为本发明的进一步方案，基于用户通过电话的拨号请求，采用实时音频采样技术，对用户语音进行实时采集，生成语音数据流的步骤具体为：

10、s101：对电话信号进行模拟到数字转换，采用脉码调制技术，将模拟信号转化为数字信号；

11、s102：基于所述数字信号，采用高通滤波算法，去除低频噪声，生成清晰数字信号；

12、s103：基于所述清晰数字信号，采用谱减法进行语音信号增强，提高语音质量，生成增强的数字语音信号；

13、s104：基于所述增强的数字语音信号，采用均匀采样法，转换为具有固定时间间隔的语音数据流。

14、作为本发明的进一步方案，基于所述语音数据流，采用深度学习的语音识别算法，进行语音到文本的转换，生成用户意图信息的步骤具体为：

15、s201：基于所述语音数据流，采用梅尔频率倒谱系数方法，进行特征提取，生成语音特征向量；

16、s202：基于所述语音特征向量，使用深度循环神经网络进行语音识别，生成初步文本输出；

17、s203：基于所述初步文本输出，采用n-gram语言模型进行文本纠错，修正语音识别错别字、语法错误，生成校正后的文本；

18、s204：基于所述校正后的文本，进行语境分析，生成用户意图信息。

19、作为本发明的进一步方案，基于所述用户意图信息，采用自然语言处理技术，将用户语言转化为具体的业务查询请求，生成业务查询指令的步骤具体为：

20、s301：基于所述用户意图信息，采用基于规则的词法分析方法，将用户意图分词，生成分词结果；

21、s302：基于所述分词结果，采用依存句法分析方法，理解句子的语法结构，生成语法结构树；

22、s303：基于所述语法结构树，进行语义角色标注，确定句子中组成部分的具体含义和其在业务查询中的角色，生成语义关系标注；

23、s304：基于所述语义关系标注，通过数据库查询语言，将用户的意图转化为业务查询请求，生成业务查询指令。

24、作为本发明的进一步方案，基于所述业务查询指令，采用数据库查询优化技术，从后台业务数据库中提取反馈信息，生成业务反馈信息的步骤具体为：

25、s401：基于用户输入指令，通过sql优化算法，生成初步查询数据；

26、s402：对所述初步查询数据采用数据清洗算法，生成清洗后的数据；

27、s403：基于所述清洗后的数据，使用数据结构化方法，生成结构化的数据；

28、s404：应用数据可视化技术于所述结构化的数据上，得到业务反馈信息。

29、作为本发明的进一步方案，基于所述业务反馈信息，采用深度学习的语音合成算法，将文本信息转化为语音，生成反馈语音信息的步骤具体为：

30、s501：针对所述业务反馈信息，利用分词算法，产生分词后的文本；

31、s502：基于所述分词后的文本，通过句子结构解析，产生语义解析结果；

32、s503：对所述语义解析结果应用深度学习的语音合成算法，得到原始语音流信息；

33、s504：基于所述原始语音流信息，运用音质优化技术，生成反馈语音信息。

34、作为本发明的进一步方案，基于所述反馈语音信息，采用音频压缩技术，进行实时语音传输，为用户提供查询结果，完成用户咨询处理流程的步骤具体为：

35、s601：对所述反馈语音信息执行傅里叶变换，得到频域数据；

36、s602：基于所述频域数据，采取mp3编码算法，生成压缩后的语音数据；

37、s603：对所述压缩后的语音数据采用流式传输技术，产生流式语音数据；

38、s604：收到所述流式语音数据后，解码器进行解码播放，用户咨询处理流程完成。

39、一种电话坐席机器人智能对话系统，所述电话坐席机器人智能对话系统用于执行上述电话坐席机器人智能对话方法，所述系统包括信号处理模块、语音识别模块、意图分析模块、业务查询模块、语音合成模块、音频压缩模块、数据传输模块。

40、作为本发明的进一步方案，所述信号处理模块基于用户的拨号请求，采用脉码调制技术、高通滤波算法和谱减法，对电话信号进行增强和均匀采样，生成增强的数字语音信号流；

41、所述语音识别模块基于增强的数字语音信号流，使用梅尔频率倒谱系数方法和深度循环神经网络进行特征提取和语音识别，并采用n-gram语言模型进行文本纠错，生成校正后的文本；

42、所述意图分析模块基于校正后的文本，利用基于规则的词法分析和依存句法分析理解用户语义，随后通过数据库查询语言生成业务查询指令；

43、所述业务查询模块根据业务查询指令，运用sql优化算法进行数据查询，采用数据清洗算法对数据进行清洗，对数据进行可视化操作，得到业务反馈信息；

44、所述语音合成模块在获取到业务反馈信息后，利用分词算法和句子结构解析理解信息内容，应用深度学习的语音合成算法以及音质优化技术，生成反馈语音信息；

45、所述音频压缩模块对反馈语音信息进行傅里叶变换，采用mp3编码算法压缩信息，生成压缩后的语音数据；

46、所述数据传输模块基于压缩后的语音数据，采用流式传输技术进行数据传输，用户端收到信息后进行解码播放，完成用户咨询处理流程。

47、作为本发明的进一步方案，所述信号处理模块包括数字转换子模块、噪声滤除子模块、语音增强子模块、均匀采样子模块；

48、所述语音识别模块包括特征提取子模块、神经网络识别子模块、文本纠错子模块；

49、所述意图分析模块包括词法分析子模块、句法分析子模块、语义标注子模块、查询生成子模块；

50、所述业务查询模块包括初步查询子模块、数据清洗子模块、数据结构化子模块、数据可视化子模块；

51、所述语音合成模块包括文本分词子模块、句子解析子模块、语音生成子模块、音质优化子模块；

52、所述音频压缩模块包括频域转换子模块、mp3编码子模块、音频优化子模块；

53、所述数据传输模块包括流式传输子模块、语音解码子模块、用户播放子模块。

54、与现有技术相比，本发明的优点和积极效果在于：

55、本发明中，通过实时音频采样技术保证了对用户语音的实时且精确采集，确保了语音数据的质量。深度学习的语音识别算法对语音进行了快速准确的转译，减少了信息丢失的风险。通过自然语言处理技术，将用户意图转化为具体业务查询请求，进一步提高了对话的准确性和效率。数据库查询优化技术则使得后台业务信息的提取更加快速高效。使用深度学习的语音合成算法以及音频压缩技术，将回应信息以语音方式反馈给用户，提供了更优质的用户体验。