具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种留言语义分析下的自动回复方法，图1是根据本申请实施例的留言语义分析下的自动回复方法的流程图，如图1所示，该流程包括如下步骤：

步骤S102，获取客户的语音留言，其中，所述客户的语音留言是所述客户进行语音通信后通过自动应答留下的语音文件；

步骤S104，将所述语音留言转换成文本信息；

步骤S106，根据所述文本信息的内容对所述文本信息进行分类得到所述文本信息对应的第一类别，其中，预先配置多个类别，所述文本信息的第一类别为所述多个类别中的至少之一；

分类的方式有很多，作为一个可以选择增加的实施方式，每个类别预先配置了对应的多个关键词，使用多个关键词再所述文本信息中进行匹配，记录在该文本中匹配到相同词的次数。对于每个类别均进行记录与该类别对应的关键词在文本信息中出现的次数，将出现次数最多的类别作为所述文本信息的第一类别。

作为另一个可以选择增加的实施方式，可以通过机器学习的方式来进行分类。可以使用多组训练数据对机器学习模型进行训练，所述多组训练数据中的每组训练数据均包括文本信息以及该文本信息对应的标签，该标签用于指示该文本信息所属的类别。经过训练后得到的模型就可以使用了，将文本信息作为信息输入到所述模型中，所述模型输出的标签就是该输入的文本信息的类别。

作为另一种机器学习的分类方法，可以对多个样本语句进行预处理，得到每个样本语句的字向量信息，该字向量信息包括该每个样本语句中每个字的字向量，该多个样本语句中第一样本语句中部分字的字向量被更改，每个样本语句对应有目标分类结果。基于语句分类模型和该每个样本语句的字向量信息，对该每个样本语句进行分类，得到该每个样本语句的预测分类结果。基于该预测分类结果和该目标分类结果，获取第一损失值。基于该第一损失值，对该语句分类模型的模型参数进行调整。通过该方法可以提调整机器学习模块的参数，一方面，在得到样本语句对应的字向量信息时，将其中部分字的字向量进行了更改，将更改后的字向量信息作为样本语句分类的依据，使得语句分类模型对更改的样本语句依旧能够准确进行分类，增强了该语句分类模型对语句发生不定更改的适应性和抵抗性，提高了语句分类模型的鲁棒性。另一方面，通过更改样本语句中部分字的字向量，能够改变语句分类模型的关注点，由于该样本语句中部分字的字向量发生了更改，训练过程使得该语句分类模型还能够对其进行准确分类，也就使得语句分类模型关注全局特征，从全局出发进行准确分类，而不会过度关注局部特征，如果过度关注局部特征则可能获取到被更改部分的特征，也就无法完成准确分类。这样可以避免出现过度拟合的情况，提高语句分类模型的预测准确性。

步骤S108，根据所述第一类别确定所述第一类别对应的话术模板，其中，所述话术包括至少一个语句；

作为一个可选的实施方式，话术模板中包括的语句可以是提问语句，也可以是陈述语句。在话术模板中还可以设置逻辑过程，该逻辑过程用于识别客户对一个提问语句之后的回答内容，在回答内容包括第一关键词的情况下，播放包括第一关键词情况对应的语句，在回答内容没有包括第一关键词的情况下，播放预先配置的未包括第一关键词情况对应的语句。

作为另一个可选的实施方式，在通信过程中，还可以获取所述客户的语气，根据客户语音中的关键词和所述语气判断所述客户的情绪，在所述客户的情绪包含不满情绪的情况下，则将所述客户转为人工坐席，并将所述客户优先级调整为最高。

判断客户情绪的方式有很多，例如，采集语音样本。提取语音录音样本中的文本信息，并将文本信息进行预处理后输入预先建立的语义情绪愤怒度检测模型，输出语义愤怒概率评估参数；根据语音录音样本中的语音频谱信息，获取相应的语气愤怒概率评估参数。将语义愤怒概率评估参数和语气愤怒概率评估参数通过高斯混合模型进行叠加，得出语音的愤怒程度综合评分。作为优选方案，获取语义愤怒概率评估参数具体包括：①对采集到的文本内容进行分词。②将情感倾向分为正面，负面及中性三种类别，利用传统方法当中的基于通用性语气倾向词典对数据当中的语气极性判别进行初始化的编著。③基于①的分词结果，利用最新的BERT或者ERNIE2等模型(由google或者baidu提供)进行语句向量化。提取语义特征形成特定对话句子向量。④利用BERT模型当中的embedding功能，对整个句子进行词嵌入向量化。也就是说，将特定单词转化为一个由N个元素形成的向量。词嵌入向量化的基本操作为：其具体方法为利用Google的双向编码器模型获得12层或者更多层的转化器令牌，然后将最后3-4层获得的向量化的单词相加，最后获得该单词的向量化表示。例如：“你们为什么让我等这么久？”这样的一个单词经过上述向量化的变化之后就可以变成一个矩阵，从而进入下一步的机器学习。⑤利用深度神经网络DNN对④获得的矩阵和②获得的训练集进行训练。

步骤S110，根据所述客户的联系方式与所述客户进行通信，在所述通信过程中播放所述话术模板。

作为另一个可以选择增加的实施方式，在播放所述话术模板的过程中还可以对客户针对所述话术模板的回答进行录音，然后将录音转换成文字，对所述文字进行语义分析，判断所述客户是否得到了预期的答案，并打上标签，其中，所述标签用于指示所述客户是否得到了预期的答案。如果打上的标签用于指示所述客户为得到所述预期的答案，则统计未得到预期答案的标签的占比，如果占比超过50％，则将所述话术模板发送给管理员，提示需要对所述话术模块需要进行修改。对于为标签为未得到预期答案的客户，其录音被推送至该客户对应的销售人员，由销售人员判断该标签是否正确，如果正确，则所述销售人员进行客户跟进，如果标签错误，则所述销售人员将标签修改为得到了预期答案。

通过上述步骤解决了现有技术中客户留言需要人工坐席在空闲时回复所导致的成本高以及时效性不好的问题，从而降低了成本，能够在一定程度上提高对客户需求的响应速度，提高了客户的体验。

在上述步骤中，第一类别可能包括多个类别，在所述第一类别包括多个类别的情况下，可以获取所述第一类别中所包括的多个类别中每个类别所对应的话术模板；对获取到的每个类别所对应的话术模板进行排序得到所述自动应答机播放所述话术模板的顺序。

包括多个类别的情况下，可以首先获取每个类别对应的话术模板的介绍语音，其中，所述介绍语音用于介绍该话术模板的内容；将所述每个类别对应的话术模板的介绍语音播放给所述客户；接收所述客户所选择的话术模板；在通信过程中首先播放所述客户所选择的话术模板。

在所述通信过程中首先播放所述客户所选择的话术模板之后，如果客户需求得到满足，则客户会结束该通信过程，所以可以判断所述客户是否结束所述通信过程，在所述客户未结束所述通信过程的情况下，按照所述顺序播放出所述客户所选择的话术模板之外的其他话术模板。更进一步地，在所述通信过程中播放完所述话术模板之后，判断所述客户是否结束所述通信过程，如果所述客户未结束所述通信过程，则将所述客户转为人工坐席，并将所述客户优先级调整为最高。

在本实施例中，提供一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的方法。

上述程序可以运行在处理器中，或者也可以存储在存储器中(或称为计算机可读介质)，计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤，对应与不同的步骤可以通过不同的模块来实现。在本实施例中就提供了这样的一种装置，该装置称为留言语义分析下的自动回复装置，包括：获取模块，用于获取客户的语音留言，其中，所述客户的语音留言是所述客户进行语音通信后通过自动应答留下的语音文件；转换模块，用于将所述语音留言转换成文本信息；分类模块，用于根据所述文本信息的内容对所述文本信息进行分类得到所述文本信息对应的第一类别，其中，预先配置多个类别，所述文本信息的第一类别为所述多个类别中的至少之一；确定模块，用于根据所述第一类别确定所述第一类别对应的话术模板，其中，所述话术包括至少一个语句；播放模块，用于根据所述客户的联系方式与所述客户进行通信，在所述通信过程中播放所述话术模板。

该装置中的模块与上述方法中的步骤相对应，已经在方法中进行过说明的，在此不再赘述。

例如，所述确定模块用于：获取所述第一类别中所包括的多个类别中每个类别所对应的话术模板；对获取到的每个类别所对应的话术模板进行排序得到所述自动应答机播放所述话术模板的顺序。

又例如，所述播放模块用于：获取每个类别对应的话术模板的介绍语音，其中，所述介绍语音用于介绍该话术模板的内容；将所述每个类别对应的话术模板的介绍语音播放给所述客户；接收所述客户所选择的话术模板；在通信过程中首先播放所述客户所选择的话术模板。可选地，所述播放模块还用于判断所述客户是否结束所述通信过程，在所述客户未结束所述通信过程的情况下，按照所述顺序播放出所述客户所选择的话术模板之外的其他话术模板。可选地，上述装置还可以包括：转接模块，用于在所述通信过程中播放完所述话术模板之后判断所述客户是否结束所述通信过程，如果所述客户未结束所述通信过程，则将所述客户转为人工坐席，并将所述客户优先级调整为最高。

本实施例可以在如下场景中使用：通过营销手段拿到客户信息，主动外接给客户，通过自动问答采集到客户的语音留言。然后，根据语音留言场景设置不同的匹配相应的话术模板，例如抽奖的奖品未领取，则匹配奖品为领取的话术模板。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。