對自動客戶支持系統中的客戶活動進行分類的方法和系統的製作方法

2023-05-10 05:47:26

專利名稱：對自動客戶支持系統中的客戶活動進行分類的方法和系統的製作方法
技術領域：
本發明的實施例一般涉及信息技術，且更具體而言涉及分類系統。
背景技術：
儘管可以由人類代理(human agent)當面或通過電話來提供客戶支持，近年來出現了大量的自動系統，其允許客戶獲取支持而不用人類聯繫(contact)。例子包括自動語音響應系統(VRS)和基於網際網路的網站。但是，對這些自動客戶支持系統的度量被證明存在挑戰。一般度量涉及對與自動系統的客戶聯繫的分類，並包括將聯繫分類為特定類別例如成功或失敗的需要。這在技術支持系統的情形下尤其重要，在技術支持系統中確定客戶是否解決了其問題是成功的關鍵度量。在基於代理的計算機支持系統中，交互的成功或失敗可以由代理、以及由其他度量例如用戶花費了多少時間來解決其問題來確定。但是，對那些自動客戶支持系統的有用性的度量經常憑藉對客戶的調查或採訪，這需要客戶的良好意願或報酬。在這樣的情形下，由於接收調查來宣洩其對使用系統的失望的不高興的客戶，或由於接收報酬的人們的特定人口特徵，度量會變得有偏差。特別是在試圖對用戶在其交互中成效如何進行度量時，基於調查的度量可能以不可預測的方式影響到結果。因此，需要這樣的技術，其能夠檢查用戶在自動系統中的活動的蹤跡(例如，他/她讀了哪些文檔、從菜單中選擇了哪些選項、以及提供了哪些信息)，且基於此，根據預先指定的類別來對交互進行分類。

發明內容
在本發明的一個方面，提供了使用概率模型來對活動進行分類的技術。用於對自動客戶支持系統中的客戶活動進行分類的示例性計算機實現的方法可包括下列步驟:從自動客戶支持系統獲取輸入，其中該輸入包括自動客戶支持系統中的客戶活動的可觀察度量；計算該輸入對應於一個或多個概率模型中的一個的概率；以及通過考慮對應於最大計算概率的概率模型，使用該計算的概率對自動客戶支持系統中的客戶活動進行分類。本發明的另一方面及其元素可以用有形地實現計算機可讀指令的製造品的形式來實現，所述指令被實現時，使得計算機實現如這裡所述的多個方法步驟。此外，本發明的另一方面及其元素可以用包含存儲器和至少一個處理器的裝置的形式來實現，該處理器耦合到存儲器並可操作來執行所述方法步驟。此外，本發明的又一個方面及其元素可以用實現這裡描述的方法步驟的裝置或其元素的形式來實現；該裝置可以包括(i )硬體模塊，( )軟體模塊，或(iii )硬體和軟體模塊的組合；(i)_ (iii)中的任一個實現這裡闡述的特定技術，且軟體模塊被存儲在有形的計算機可讀存儲介質(或多個這樣的介質)中。根據結合附圖閱讀的說明性實施例的下列詳細描述，本發明的這些和其他目標、特徵和優勢將變得明顯。


圖1是示出根據本發明的實施例的描述了對自動技術支持網站的成功訪問的隱馬爾科夫模型(HMM)的圖；圖2是示出根據本發明的方面的示例性實施例的框圖；圖3是示出根據本發明的實施例的用於對自動客戶支持系統中的客戶活動進行分類的技術的流程圖；以及圖4是示例性計算機系統的系統圖，本發明的至少一個實施例可以在該計算機系統上實現。
具體實施例方式如這裡所述，本發·明的方面包括使用概率模型對自動客戶支持系統中的客戶活動進行分類。自動客戶支持系統可以包括例如語音響應系統和網際網路網站。分類系統的輸入可以包括客戶與自動系統交互的任何可觀察度量。這可以包括例如客戶/用戶讀取的文檔、從菜單中選擇了哪些選項、系統提供了哪些信息、以及對客戶/用戶情感狀態的感知度量。與現有方法相反，本發明的方面包括對用戶活動建模，以識別例如用戶在從網站獲取信息時的成功或失敗。而且，執行用戶活動分類而沒有用戶幹預。因此，概率模型被用於確定對應於用戶(例如在使用網·站時)的成功或失敗的使用模式。本發明的一實施例還包括啟用多個提示(cue)，其避免諸如用戶滾動文檔而不閱讀這樣的情形。例如，本發明的實施例可以包括文檔被用戶發送到印表機的提示，這通常是用戶找到了有用信息的信號。在本發明的至少一個實施例中，具有隱藏狀態的概率模型被用於允許對用戶的隱藏狀態(例如用戶成功解決問題的狀態)進行建模，用戶的這些隱藏狀態的活動沒有直接的度量。儘管根據定義，隱藏狀態不能被直接度量，它們使得概率模型對於系統開發者來說更為可理解，並允許系統具有更好的結構。隱藏狀態的一個例子是，在用戶找到問題的可能解決方法之後，用戶實際嘗試解決其問題時。儘管系統不太可能檢測到解決問題的實際嘗試，在模型中包含表明該嘗試的隱藏狀態使其更為可理解，並同時允許概率識別過程使用該隱藏狀態來給隱藏狀態分配時間。如這裡所詳述的，本發明的一實施例還可以包括使用隱馬爾科夫模型(HMM)作為分類系統的概率模型。本發明的方面還包括使用打標籤(label)的數據集來訓練概率模型。具有在已知用戶實際活動類型時用戶與系統之間的交互數據集合的數據集可以允許對系統的內部參數的改進。例如，通過使用例如Baum-Welch重估算法等技術，基於HMM的系統可以改進其性能。另外如這裡所述，本發明的一實施例可以包括將代理生成的信息與機器捕獲的數據進行組合，並使用該組合數據來對每個客戶聯繫進行分類。在混合客戶支持系統中，其中用戶在使用系統時還可以聯繫人類代理，關於解決過程的信息可被代理手動捕獲，並用作分類過程的部分輸入數據。例如，代理可以記錄用戶已經嘗試了支持系統中描述的解決方法，且該信息可被用於識別活動模型中的狀態。而且，可以用概率模型將捕獲的數據分為不同的聯繫。例如，對關於非常不同的主題的搜索或者非常長的不活動時段的信息通常表明捕獲的數據包含多個聯繫。捕獲的數據可以包括例如關於用戶未和自動系統進行交互的時間段的 目息。根據本發明的方面，分類系統M基於概率模型的集合:C={Cl，C2, , cj。在本發明的一示例性實施例中，概率模型集合可以被系統開發者手動創建，且與每個模型相關的概率可以被系統開發者手動確定。而且，本發明的另一示例性實施例可以包括使用基於打標籤的數據集的標準訓練方法。每個概率模型Ci可以計算可觀察序列0=Ol，O2,...0n符合該模型的概率P1Xci I O)。因此,給定可觀察序列O,分類系統M可以通過計算M(O) =arg maxPr(CjO)來計算該序列最可能的分類。如這裡所述，可觀察序列可以是客戶與自動系統交互的任何度量，例如讀取的文檔、從菜單選擇了哪些選項、系統提供了哪些信息、或者客戶情感狀態的感知量度。在HMM中，分類系統中的特定類別是用描述客戶或系統狀態的一組狀態、從任何狀態轉換到另一狀態的聯合概率、每個狀態為初始狀態的概率、對應於客戶和系統交互的度量的一組可觀察標記(token)、以及在任何給定狀態中觀察到每個標記的概率來建模的。圖1是示出根據本發明的實施例的描述了對自動技術支持網站的成功訪問的HMM的圖。作為說明，圖1示出了隱藏用戶狀態102、隱藏分類器狀態104、具有高概率的標記106、以及具有高概率的轉換108。圖1示出了成功訪問的一種情形，其開始於用戶沒有問題的狀態110，且用戶登錄到系統中，這被登錄動作標記檢測到，從而將用戶帶到狀態112。在登錄之後，除了註銷標記以外的任何活動標記或小時間延遲(lag)將用戶保持在狀態114，而中等持續時間的延遲將用戶移動到狀態116。註銷標記或者長時間不活動表明用戶結束與系統的交互並將用戶移動到狀態118。 如圖所示，圖1示出了使用HMM表示對自動技術支持系統的訪問的示例圖。實際的概率未被顯示，但圖中的弧線表示具有對每個狀態的較高概率的轉換，且每個狀態中的弧線表示在該狀態中可被觀察到的具有較高概率的標記。如這裡所詳述的，給定觀察序列0，本發明的方面對該序列進行如下分類。對於模型集合C中的每個模型Ci，通過Pr (Ci I O)來計算觀察序列O被該模型觀察到的概率。每個概率模型可以被系統開發者手動創建，且與它相關的概率可以被系統開發者手動確定或由基於打標籤的數據集的標準訓練方法來發現。在HMM模型的特定例子中，觀察序列O被該模型觀察到的概率可以用眾所周知的向前/向後過程來計算。基於每個模型Ci觀察到O的概率,例如通過考慮具有最大概率(Ci I O)的模型Ci來對觀察序列進行分類。在使用HMM的本發明的實施例中，狀態轉換的概率、初始狀態可能性以及標記觀察可以基於關於其相對分布的已知數據或通過最佳猜測估算，來手動地設置。還如這裡所述，在本發明的至少一個實施例中，可以用打標籤的數據來訓練概率模型以提升性能。在該情形下，需要為系統提供已被打標籤的一組可觀察序列
O1,02，...，0k。即，每個可觀察序列(^_被分配有其模型Ci。基於該打標籤的數據集，可以計算每個模型Ci的一組狀態轉換的概率、初始狀態可能性以及標記觀察，其增加了該模型正確識別Oj的可能性。例如可以增加在可觀察狀態Oj的序列中實際觀察到的Ci中的狀態之間的轉換概率。通過這樣做，與(^_相似的交互序列更可能被訓練系統識別為Ci。本領域技術人員應理解，存在很多不同的方法和標準可被用於重新計算模型概率。例如，基於HMM的系統可以使用已知的Baum-Welch重估算方法。
如這裡另外所述，代理生成的信息和機器捕獲的數據可以被組合，且該組合數據可被用於對每個客戶聯繫進行分類。在本發明的這種實施例中，代理生成的信息被轉換為可觀察標記，被包含到可觀察序列中並如上被分類。還可以用概率模型將捕獲的數據劃分為不同的聯繫。在本發明的這種實施例中，使用概率模型來劃分例如包含與系統的很多不同聯繫的客戶交互的觀察序列。此外，如這裡所述，捕獲的數據可以包括關於客戶不和自動系統交互的時間段的信息。在這種實施例中，「用戶沉默」的時段即觀察之間的時間段被映射為可觀察序列中的標記。作為示例，圖1示出了一個例子，其中觀察之間的不同時段被分類為小、中和大延遲，並被認為是分類過程中的可觀察標記。本發明的實施例還可以包括使動態編程適於在與客戶支持中心的客戶聯繫的上下文中使用。如這裡所使用的，動態編程是指計算機科學領域中的一組已知技術，其將大的複雜問題分解為可被單獨解決而不用大問題的上下文的子問題。在本發明的實施例的上下文中，來自客戶支持中心的信息可允許系統斷言概率模型的子序列被已知為已發生，且由此使得對包含該子序列的模型的識別更為簡單和魯棒。圖2是示出根據本發明的方面的示例性實施例的框圖。作為說明，圖2示出了在自動客戶支持系統210中包含用戶步驟日誌模塊220，其生成將被存儲在日誌集合資料庫230中的日誌集合，該資料庫包含與自動客戶支持系統210的用戶活動的可檢測步驟序列。所述序列對應於個體用戶的活動。 來自日誌集合資料庫230的日誌集合可被實時或離線用作活動識別模塊240的輸入，該模塊實現用於識別概率模型資料庫250中包含的概率模型的算法。每個序列的最可能的模型被存儲到已識別用戶活動資料庫260中，該資料庫可被報告生成模塊270用於創建活動報告280。在本發明的至少一個實施例中，活動識別模塊240還可以將個體的日誌集合識別為不是個體活動，而是對應於概率模型的序列的多個活動的序列。圖3是示出根據本發明的實施例的用於對自動客戶支持系統中的客戶活動進行分類的技術的流程圖。如這裡所述，自動客戶支持系統可以包括語音響應系統、基於網際網路的系統等。步驟302包括從自動客戶支持系統獲取輸入，其中，該輸入包括自動客戶支持系統中的客戶活動的可觀察度量。例如可以用日誌集合資料庫(例如如圖2中的組件230所示)來實現該步驟。步驟304包括計算輸入對應於一個或多個概率模型中的一個的概率。該步驟例如可以使用圖2的日誌集合資料庫230中的日誌集合以及圖2的概率模型資料庫250中包含的概率用戶活動模型作為輸入，用圖2中的活動識別模塊240來實現。概率模型可以包括隱馬爾科夫模型。同時，概率模型可以包括隱藏狀態，從而允許對客戶的隱藏狀態進行建模。步驟306包括通過考慮對應於最大計算概率的概率模型，使用計算的概率來對自動客戶支持系統中的客戶活動進行分類。該步驟例如可以使用圖2的活動識別模塊240並在圖2的已識別用戶活動資料庫270中存儲結果來實現。圖3中示出的技術還可以包括用打標籤的數據集來訓練概率模型。而且，本發明的實施例包括將代理生成的信息與機器捕獲的數據進行組合，並使用該組合數據來對自動客戶支持系統中的每個客戶活動進行分類。此外，圖3中示出的技術可包括使用動態編程方法用概率模型將獲取的輸入劃分為不同的聯繫。
如這裡所詳述，在本發明的實施例中，獲取的輸入包括關於客戶未和自動客戶支持系統進行交互的時間段的信息。用戶未和自動系統進行交互的這處時間段可被映射為可觀察活動序列中的標記。如這裡所述，圖3中示出的技術還包括提供一種系統，其中該系統包括不同的軟體模塊，每個不同的軟體模塊在有形的計算機可讀可記錄存儲介質中實現。例如，所有模塊(或其任何子集)可以在同一介質中，或每個模塊可以在不同的介質中。這些模塊可以包括圖中所示的任何或所有組件。在本發明的方面，這些模塊包括例如可以在硬體處理器上運行的用戶步驟日誌模塊、活動識別模塊和報告生成模塊。於是所述方法步驟可以用如上所述在硬體處理器上執行的系統的不同軟體模塊來實現。此外，電腦程式產品可以包括有形的計算機可讀可記錄存儲介質，其具有的代碼適於被執行以實現這裡描述的至少一個方法步驟，包括為系統供應不同的軟體模塊。此外，圖3示出的技術可通過電腦程式產品被實施，該電腦程式產品可包括存儲在數據處理系統中的計算機可讀存儲介質中的計算機可用程序代碼，且其中該計算機可用程序代碼經由網絡從遠程數據處理系統被下載。而且，在本發明的一個方面，電腦程式產品可包括存儲在伺服器數據處理系統中的計算機可讀存儲介質中的計算機可用程序代碼，且其中該計算機可用程序代碼通過網絡被下載到遠程數據處理系統，以在遠程系統的計算機可讀存儲介質中使用。 所屬技術領域的技術人員知道，本發明可以實現為系統、方法或電腦程式產品。因此，本公開可以具體實現為以下形式，即:可以是完全的硬體、也可以是完全的軟體(包括固件、駐留軟體、微代碼等)，還可以是硬體和軟體結合的形式，本文一般稱為「電路」、「模塊」或「系統」。此外，在一些實施例中，本發明還可以實現為在一個或多個計算機可讀介質中的電腦程式產品的形式，該計算機可讀介質中包含計算機可讀的程序代碼。本發明的方面或及其元件可被實施為裝置的形式，該裝置包括存儲器和至少一個處理器，該處理器耦合到所述存儲器，且可操作以執行示例性方法步驟。而且，本發明的方面可利用運行在通用計算機或工作站上的軟體。參考圖4，這樣的實施方式可利用例如處理器402、存儲器404、以及例如由顯示器406和鍵盤408形成的輸入/輸出接口。在此使用的術語「處理器」旨在包括任何處理設備，諸如例如包括CPU(中央處理單元)和/或其他形式的處理電路的處理設備。而且，術語「處理器」可指多於一個的單獨處理器。術語「存儲器」旨在包括與處理器或CPU關聯的存儲器，諸如例如RAM(隨機存取存儲器)、R0M(只讀存儲器)、固定存儲設備(例如硬碟驅動器)、可移動存儲設備(例如軟盤)、快閃記憶體等。此外，在此使用的短語「輸入/輸出接口」旨在包括例如用於將數據輸入到處理單元的機制(例如滑鼠)，以及用於提供與處理單元關聯的結果的機制(例如印表機)。處理器402、存儲器404和諸如顯示器406和鍵盤408的輸入/輸出接口可例如經由作為數據處理單元412的一部分的總線410被互連。例如經由總線410的合適的互連也可被提供給諸如網卡的網絡接口 414，其可被提供以與計算機網絡接口連接，以及被提供給諸如軟盤或⑶-ROM驅動器的介質接口 416，其可被提供以與介質418接口連接。因此，如在此描述的，包括用於執行本發明的方法的指令或代碼的計算機軟體可被存儲在相關聯的存儲設備(例如，ROM、固定或可移動存儲器)中，而且當準備好被使用時，被部分或全部地加載(例如到RAM中)，並由CPU實施。這樣的軟體可包括但不限於固件、駐留軟體、微代碼等。適於存儲和/或執行程序代碼的數據處理系統將包括至少一個處理器402，其通過系統總線410直接或間接耦合到存儲元件404。存儲元件可包括在程序代碼的實際實現期間使用的本地存儲器、大容量存儲器和高速緩存存儲器，高速緩存存儲器提供至少一些程序代碼的臨時存儲以便降低在實施期間代碼必須從大容量存儲器被檢索的次數。輸入/輸出或I/O設備(包括但不限於鍵盤408、顯示器406、指點設備等)可被直接耦合到系統(諸如經由總線410)或通過介於其間I/O控制器(為了清楚在此忽略)耦合到系統。通過介於其間私有或公共網絡，諸如網絡接口 414的網絡適配器也可被耦合到系統以使得數據處理系統變得耦合到其他數據處理系統或遠程印表機或存儲設備。數據機、電纜數據機和乙太網卡僅是當前可獲得的一些網絡適配器的類型。如這裡使用的，包括在權利要求中，「伺服器」包括運行伺服器程序的物理數據處理系統(例如圖4示出的系統412)。將理解這樣的物理伺服器可以包括或可以不包括顯示器和鍵盤。應注意，本發明的方面可採取實施在其上具有計算機可讀程序代碼的計算機可讀介質中的電腦程式產品的形式。而且，可使用一個或多個計算機可讀介質的任何組合。計算機可讀介質可以是計算機可讀信號介質或計算機可讀存儲介質。計算機可讀存儲介質可以是例如但不限於電、磁、光、電磁、紅外或半導體系統、裝置或器件，或任何以上的組合。計算機可讀存儲介質的更具體的例子(非窮舉的列表)包括:具有一個或多個導線的電連接、可攜式計算機軟盤、硬碟、隨機存·取存儲器(RAM)、只讀存儲器(ROM)、可擦式可編程只讀存儲器(EPR0M或快閃記憶體)、光纖、可攜式緊湊盤只讀存儲器(CD-ROM)、光存儲器件、磁存儲器件、或者上述的任何合適的組合。在本文件中，計算機可讀存儲介質可以是任何包含或存儲程序的有形介質，該程序可以被指令執行系統、裝置或者器件使用或者與其結合使用。計算機可讀的信號介質可以包括在基帶中或者作為載波一部分傳播的數據信號，其中承載了計算機可讀的程序代碼。這種傳播的數據信號可以採用多種形式，包括——但不限於——電磁信號、光信號或上述的任何合適的組合。計算機可讀的信號介質還可以是計算機可讀存儲介質以外的任何計算機可讀介質，該計算機可讀介質可以發送、傳播或者傳輸用於由指令執行系統、裝置或者器件使用或者與其結合使用的程序。計算機可讀介質上包含的程序代碼可以用任何適當的介質傳輸，包括一但不限於——無線、電線、光纜、RF等等，或者上述的任何合適的組合。可以以一種或多種程序設計語言或其組合來編寫用於執行本發明操作的電腦程式代碼，所述程序設計語言包括面向對象的程序設計語言一諸如Java、Smalltalk、C++，還包括常規的過程式程序設計語言一諸如」C」語言或類似的程序設計語言。程序代碼可以完全地在用戶計算機上執行、部分地在用戶計算機上執行、作為一個獨立的軟體包執行、部分在用戶計算機上部分在遠程計算機上執行、或者完全在遠程計算機或伺服器上執行。在涉及遠程計算機的情形中，遠程計算機可以通過任何種類的網絡一包括區域網(LAN)或廣域網(WAN)-連接到用戶計算機，或者，可以連接到外部計算機(例如利用網際網路服務提供商來通過網際網路連接)。這裡參照本發明實施例的方法、裝置(系統)和電腦程式產品的流程圖和/或框圖描述了本發明。應當理解，流程圖和/或框圖的每個方框以及流程圖和/或框圖中各方框的組合，都可以由電腦程式指令實現。這些電腦程式指令可以提供給通用計算機、專用計算機或其它可編程數據處理裝置的處理器，從而生產出一種機器，這些電腦程式指令通過計算機或其它可編程數據處理裝置執行，產生了實現流程圖和/或框圖中的方框中規定的功能/操作的裝置。也可以把這些電腦程式指令存儲在能使得計算機或其它可編程數據處理裝置以特定方式工作的計算機可讀介質中，這樣，存儲在計算機可讀介質中的指令就產生出一個包括實現流程圖和/或框圖中的方框中規定的功能/操作的指令裝置(instructionmeans)的製造品(article of manufacture)。因此,本發明的方面包括有形地實施計算機可讀指令的製造品，當被實施時，其使得計算機執行在此描述的多個方法步驟。也可以把電腦程式指令加載到計算機、其它可編程數據處理裝置、或其它設備上，使得在計算機、其它可編程數據處理裝置或其它設備上執行一系列操作步驟，以產生計算機實現的過程，從而使得在計算機或其它可編程裝置上執行的指令能夠提供實現流程圖和/或框圖中的方框中規定的功能/操作的過程。附圖中的流程圖和框圖顯示了根據本發明的多個實施例的系統、方法和電腦程式產品的可能實現的體系架構、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部分，所述模塊、程序段或代碼的一部分包含一個或多個用於實現規定的邏輯功能的可執行指令。也應當注意，在有些作為替換的實現中，方框中所標註的功能也可以以不同於附圖中所標註的順序發生。例如，兩個連續的方框實際上可以基本並行地執行，它們有時也可以按相反的順序執行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執行規定的功能或操作的專用·的基於硬體的系統來實現，或者可以用專用硬體與計算機指令的組合來實現。應注意在此描述的任何方法可包括提供系統的額外步驟，該系統包括實施在計算機可讀存儲介質上的不同軟體模塊；這些模塊可包括例如圖2示出的任何或所有組件。於是可使用如以上描述的在硬體處理器402上執行的系統的不同軟體模塊和/或子模塊來執行方法步驟。而且，電腦程式產品可包括具有代碼的計算機可讀存儲介質，所述代碼適於被實施以執行在此描述的至少一個方法步驟，包括供應具有所述不同軟體模塊的系統。在任何情況下，應當理解在此示出的組件可以被實施為各種形式的硬體、軟體或其組合；例如，專用集成電路(ASICS)、功能電路、具有相關存儲器的適當編程的通用數字計算機等。通過在此提供的本發明的教導，本領域技術人員將能夠考慮到本發明的組件的其他實施方式。此處使用的術語僅是為了描述特定實施例，且不旨在限制本發明。如在此使用的，單數形式「一」、「一個」和「該」也旨在包括多數形式，除非上下文另有清楚的規定。還將理解，術語「包括」和/或「包含」，當在本說明中使用時，明確說明存在所陳述的特點、整體、步驟、操作、元件和/或組件，但不排除一個或多個其他的特點、整體、步驟、操作、元件、組件和/或其組的存在或添加。以下權利要求中的所有裝置或步驟加功能元件的相應結構、材料、操作和等價物以及(如適用)，旨在包括結合在權利要求中特意闡明的其他元件而執行所述功能的任何結構、材料或操作。本發明的說明已出於解釋和描述的目的被展示，但不旨在是窮盡性的或將本發明限制在公開的形式。許多修改和變化對於本領域普通技術人員來說是明顯的，且不脫離本發明的精神和範圍。選擇並描述實施例是為了最好地解釋本發明的原理和實際應用，且使得本領域普通技術人員能理解本發明的具有適用於所打算的特定用戶的各種修改的各種實施例。本發明的至少一個方面可提供有益效果，諸如例如使用概率模型將自動用戶支持系統用戶活動分類，而不需要用戶幹預。以上已經描述了本·發明的各實施例，上述說明是示例性的，並非窮盡性的，並且也不限於所披露的各實施例。在不偏離所說明的各實施例的範圍和精神的情況下，對於本技術領域的普通技術人員來說許多修改和變更都是顯而易見的。本文中所用術語的選擇，旨在最好地解釋各實施例的原理、實際應用或對市場中的技術的技術改進，或者使本技術領域的其它普通技術人員能理解本文披露的各實施例。
權利要求
1.一種用於對自動客戶支持系統中的客戶活動進行分類的方法，其中，該方法包括: 從自動客戶支持系統獲取輸入，其中該輸入包括自動客戶支持系統中的客戶活動的可觀察度量； 計算該輸入對應於一個或多個概率模型中的一個的概率；以及通過考慮對應於最大計算概率的概率模型，使用該計算的概率對自動客戶支持系統中的客戶活動進行分類； 其中至少一個上述步驟由計算機設備來實現。
2.如權利要求1所述的方法，其中，所述自動客戶支持系統包括語音響應系統。
3.如權利要求1所述的方法，其中，所述自動客戶支持系統包括基於網際網路的系統。
4.如權利要求1所述的方法，其中，所述一個或多個概率模型包括一個或多個隱馬爾科夫模型。
5.如權利要求1所述的方法，其中，所述一個或多個概率模型包括具有隱藏狀態的一個或多個概率模型，從而允許對客戶的隱藏狀態進行建模。
6.如權利要求1所述的方法，還包括: 使用一個或多個打標籤的數據集來訓練所述一個或多個概率模型。
7.如權利要求1所述的方法， 還包括: 將代理生成的信息與機器捕獲的數據進行組合；以及 使用組合的數據來對自動客戶支持系統中的每個客戶活動進行分類。
8.如權利要求1所述的方法，還包括: 通過使用動態編程方法使用一個或多個概率模型將所獲取的輸入劃分為多個不同的聯繫。
9.如權利要求1所述的方法，其中，所獲取的輸入包括關於客戶不和自動客戶支持系統進行交互的一個或多個時間段的信息。
10.如權利要求9所述的方法，其中，客戶不和自動系統交互的一個或多個時間段被映射為可觀察活動序列中的一個或多個標記。
11.如權利要求1所述的方法，還包括: 提供一種系統，其中該系統包括至少一個不同的軟體模塊，每個不同的軟體模塊在有形的計算機可讀可記錄存儲介質中實現，且其中，該至少一個不同的軟體模塊包括在硬體處理器上執行的用戶步驟日誌模塊、活動識別模塊和報告生成模塊。
12.一種用於對自動客戶支持系統中的客戶活動進行分類的系統，包括: 至少一個不同的軟體模塊，每個不同的軟體模塊在有形的計算機可讀介質上實現； 存儲器；以及 至少一個處理器，其耦合到存儲器並可操作用於: 從自動客戶支持系統獲取輸入，其中該輸入包括自動客戶支持系統中的客戶活動的可觀察度量； 計算該輸入對應於一個或多個概率模型中的一個的概率；以及通過考慮對應於最大計算概率的概率模型，使用該計算的概率對自動客戶支持系統中的客戶活動進行分類。
13.如權利要求12所述的系統,其中，所述一個或多個概率模型包括一個或多個隱馬爾科夫模型。
14.如權利要求12所述的系統，其中，所述一個或多個概率模型包括具有隱藏狀態的一個或多個概率模型，從而允許對客戶的隱藏狀態進行建模。
15.如權利要求12所述的系統，其中，所述耦合到存儲器的至少一個處理器還可操作用於: 使用一個或多個打標籤的數據集來訓練所述一個或多個概率模型。
16.如權利要求12所述的系統，其中，所述耦合到存儲器的至少一個處理器還可操作用於: 將代理生成的信息與機器捕獲的數據進行組合；以及 使用組合的數據來對自動客戶支持系統中的每個客戶活動進行分類。
17.如權利要求12所述的系統，其中，所獲取的輸入包括關於客戶不和自動客戶支持系統進行交互的一個或多個時間段的信息。
18.如權利要求17所述的系統，其中，客戶不和自動系統交互的一個或多個時間段被映射為可觀察活動序列中的一個或多個標記。
全文摘要
一種用於對自動客戶支持系統中的客戶活動進行分類的方法、裝置和製造品。該方法包括從自動客戶支持系統獲取輸入，其中該輸入包括自動客戶支持系統中的客戶活動的可觀察度量；計算該輸入對應於一個或多個概率模型中的一個的概率；以及通過考慮對應於最大計算概率的概率模型，使用該計算的概率對自動客戶支持系統中的客戶活動進行分類。
文檔編號G06F17/30GK103226563SQ20131003413
公開日2013年7月31日 申請日期2013年1月29日 優先權日2012年1月30日
發明者C·S·皮年澤 申請人:國際商業機器公司