[發明專利]一種線路優化的方法、裝置和系統

有效

• 申請號: 202110405732.9
• 申請日: 2021-04-15
• 公開（公告）號: CN113099045B
• 公開（公告）日: 2023-02-10
• 發明（設計）人: 張偉萌;袁志偉;戴帥湘
• 申請（專利權）人: 杭州驀然認知科技有限公司
• 主分類號: H04M3/51
• 分類號: H04M3/51;G10L15/06;G10L15/26;G10L25/51
• 代理公司: 北京智丞瀚方知識產權代理有限公司 11810
• 代理人: 楊樂

1.一種線路優化方法，應用于語音助手或應用于語音助手服務器，其特征在于，所述方法包括以下步驟：獲取歷史通話線路的歷史通話樣本；對通話樣本進行語音識別和語義分析；對所述語音識別和語義分析結果進行深度學習；

所述對所述語音識別和語義分析結果進行深度學習包括：對原始通話樣本進行深度學習，對輸入樣本進行深度學習，對輸出樣本進行深度學習，以及對輸入樣本和輸出樣本的關聯關系進行深度學習；

對所述輸入樣本進行深度學習至少包括根據所述輸入樣本獲得輸入節點；

對所述輸入樣本和輸出樣本的關聯關系進行深度學習至少包括計算所述輸入節點對向導節點的影響因子；

選擇所述影響因子大于閾值的輸入節點構成主干節點，所述主干節點構成主干路徑，選擇所述影響因子不大于閾值的輸入節點構成分支節點，計算所述分支節點和主干節點之間的距離，根據所述距離構建一個或多個融合節點。

2.如權利要求1所述的線路優化方法，其特征在于，對所述輸出樣本進行深度學習至少包括根據所述輸出樣本獲得向導節點和向導路徑。

3.如權利要求1所述的線路優化方法，其特征在于，所述分支節點和融合節點構成分支路徑，所述主干節點構成主干路徑，所述主干路徑和所述分支路徑構成通話線路的路徑拓撲。

4.一種線路優化方法，應用于語音助手或應用于語音助手服務器，其特征在于，所述方法包括以下步驟：

主叫方向被叫方發起通話形成當前通話線路；

獲取歷史通話線路的歷史通話樣本；對通話樣本進行語音識別和語義分析；對所述語音識別和語義分析結果進行深度學習；

所述對所述語音識別和語義分析結果進行深度學習包括：對原始通話樣本進行深度學習，對輸入樣本進行深度學習，對輸出樣本進行深度學習，以及對輸入樣本和輸出樣本的關聯關系進行深度學習；

對所述輸入樣本進行深度學習至少包括根據所述輸入樣本獲得輸入節點；

對所述輸入樣本和輸出樣本的關聯關系進行深度學習至少包括計算所述輸入節點對向導節點的影響因子；

選擇所述影響因子大于閾值的輸入節點構成主干節點，所述主干節點構成主干路徑，選擇所述影響因子不大于閾值的輸入節點構成分支節點，計算所述分支節點和主干節點之間的距離，根據所述距離構建一個或多個融合節點。

5.一種線路優化裝置，應用于語音助手或應用于語音助手服務器，其特征在于，所述裝置包括：線路分析模塊和深度學習模塊，所述線路分析模塊包括獲取模塊和分析模塊；所述獲取模塊，用于獲取歷史通話線路的歷史通話樣本；所述分析模塊，用于對通話樣本進行語音識別和語義分析；所述深度學習模塊，用于對所述語音識別和語義分析結果進行深度學習;

所述深度學習模塊包括以下一個或幾個模塊：原始通話樣本學習模塊，用于對所述原始通話樣本進行深度學習；輸入樣本學習模塊，用于對所述輸入樣本進行深度學習；輸出樣本學習模塊，用于對所述輸出樣本進行深度學習，以及關聯關系學習模塊，用于對所述輸入樣本和輸出樣本的關聯關系進行深度學習；

其中，所述輸入樣本學習模塊包括：輸入節點生成模塊，用于根據所述輸入樣本片段獲得輸入節點；

所述深度學習模塊包括關聯關系學習模塊，用于對所述輸入樣本和輸出樣本的關聯關系進行深度學習，所述關聯關系學習模塊包括：影響因子計算模塊以及節點定義模塊；所述影響因子計算模塊，用于計算所述輸入節點對向導節點的影響因子；所述節點定義模塊，用于選擇所述影響因子大于閾值的輸入節點構成主干節點，不滿足主干節點條件的剩余輸入節點定義為分支節點，計算所述分支節點和主干節點之間的距離，根據所述距離構建一個或多個融合節點。

6.一種線路優化系統，應用于語音助手或語音助手服務器，其特征在于，所述線路優化系統包括：通話模塊，用于由主叫方向被叫方發起通話線路；以及如權利要求5所述 的線路優化裝置。