Машинное обучение

Машинное обучение

Иллюстрации

Показать все

Реферат

МАШИННОЕ ОБУЧЕНИЕ

Предшествующий уровень техники

Это описание относится к машинному обучению в системе автоматизированного ответа.

Один вариант применения, в котором осуществляется управление сеансами общения, находится в центрах контактов с клиентами. Центры контактов с клиентами, например центры обработки звонков или call-центры, появились как одна из самых важных и динамических областей предприятий в новой экономике. В сегодняшнем жестком экономическом климате рентабельное обслуживание и сохранение клиентов имеет стратегическое значение. Большинство компаний понимает, что сохранение удовлетворенных клиентов менее затратно, чем приобретение новых. Как точка соприкосновения с предприятием для больше половины всех взаимодействий с клиентами центр контактов является краеугольным камнем в успешной деловой стратегии.

Растущая важность центра контактов является феноменом последнего времени. Исторически служба обслуживания клиентов рассматривается большинством организаций как дорогостоящая, но необходимая для ведения дел, чреватая проблемами и неэффективностью. Большой объем звонков регулярно заваливает недостаточно обученный персонал, приводя к долгим очередям, обусловленным занятостью линии связи, для клиентов. Неадекватные информационные системы требуют, чтобы большинство звонящих повторило основную информацию несколько раз. Из-за этого приблизительно двадцать процентов покупателей отказываются от Web-сайтов при столкновении с необходимостью звонить в call-центр организации, и много больше отказываются от звонка, когда сталкиваются с нахождением в очередях или раздражающим выбором в меню. Кроме того, центры контактов с клиентами связаны с ненормальными эксплуатационными расходами, потребляя почти десять процентов доходов среднего бизнеса. Стоимость рабочей силы доминирует в этих расходах, и необычно высокая норма товарооборота для промышленности приводит к безостановочному найму и обучению новых агентов.

К сожалению, для бизнеса обеспечение рентабельного обслуживания клиентов становится все более трудным. Интернет вызвал взрыв в обмене информацией между организациями и их клиентами. Клиенты придают все более высокое значение обслуживанию в Интернет-экономике, потому что продукты и услуги, приобретенные в режиме онлайн, приводят к большей интенсивности наведения справок, чем те, что были приобретены через традиционные коммерческие каналы. Роль центра контактов расширилась так, чтобы включать обслуживание новых пользователей, типа деловых партнеров, инвесторов и даже служащих компании. Новые, очень эффективные инициативы в области рекламы и маркетинга приводят прямых клиентов к взаимодействию с уже перегруженными центрами контактов для получения информации. В дополнение к телефонным звонкам наведение справок теперь делается по новым текстовым каналам на основе Web, включая электронную почту, Web-почту и чат, которые вызывают огромное напряжение в операциях по обслуживанию клиентов.

Комбинация растущей важности хорошей службы обслуживания клиента и препятствий по ее обеспечению составляет проблему в области обслуживания клиентов.

КРАТКОЕ ОПИСАНИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ

В одном аспекте изобретение характеризуется использованием сообщений агентов (например, высказываний, текстовых посланий и т.д.), зафиксированных в наборе предварительно записанных сеансов общения между агентом и звонящими (например, сеансов разговоров между агентами-людьми и звонящими) для обучения набора классификаторов агентов. Из классификаторов агентов высказывания звонящих могут быть обнаружены и кластеризованы. Кластеризованные высказывания звонящих могут использоваться для обучения набора кластеров звонящих.

В другом аспекте изобретение характеризуется пополнением кластеров звонящих с помощью использования классификаторов (например, классификаторов агентов или звонящих) для классификации сообщений в предварительно записанных сеансах общения между звонящими и агентами, добавлением классифицированных сообщений к обучающему набору для ассоциированного классификатора и перестроением классификатора.

В другом аспекте изобретение характеризуется использованием классификаторов агентов для идентификации общих шаблонов запросов агентов в наборе предварительно записанных сеансов общения между агентами и звонящими. Эти общие шаблоны запросов агентов могут быть связаны с определенными типами звонков (например, звонки, касающиеся одного и того же начального запроса звонящего). Эти шаблоны запросов агентов могут использоваться, например, разработчиком приложения для проектирования хода общения автоматизированной системы ответа.

В другом аспекте изобретение характеризуется использованием распределений ответов звонящих на по-разному выраженные вопросы агентов в отношении одной и той же информации для определения формулировки вопроса для автоматизированной системы ответа, на который с наибольшей вероятностью будет получен желательный ответ от звонящего.

В другом аспекте изобретение относится к способу, который включает в себя прием набора сеансов общения между членами стороны первого типа (например, агентами-людьми или программными агентами) и членами стороны второго типа (например, звонящими людьми), причем каждый из сеансов общения включает в себя сообщение члена стороны первого типа и сообщение (например, произнесенный запрос) члена стороны второго типа, которое является ответом на сообщение члена стороны первого типа (например, произнесенный ответ на запрос). Способ также включает в себя группирование сообщений членов стороны первого типа в первый набор кластеров, и затем группирование ответных сообщений членов стороны второго типа во второй набор кластеров, основываясь на группировании сообщений членов стороны первого типа. Способ также включает в себя генерацию с помощью машины, набора классификаторов стороны второго типа (например, на основе метода опорных векторов или дерева решений) для одного или более кластеров во втором наборе кластеров.

Реализации этого аспекта изобретения включают в себя один или более из следующих признаков. Способ может использоваться для разработки первоначального приложения для автоматизированной системы ответа, такой как голосовая автоматизированная система ответа или автоматизированная система ответа на основе текстовых посланий. Сообщения членов стороны первого типа могут быть сгруппированы, используя компьютер, в первый набор кластеров. Например, компьютерный процесс может сначала определить семантические особенности сообщений и затем сгруппировать сообщения в кластеры, основываясь на этих семантических особенностях.

Группы сообщений членов первой группы могут быть сгруппированы, основываясь на смысловом значении их сообщений. Другими словами, сообщения могут быть сгруппированы так, чтобы все сообщения в группе имели одно и то же смысловое значение, но могли иметь разные формулировки. Группы сообщений членов стороны второго типа образуют группы, соответствующие ответам на запросы информации от членов стороны первого типа.

Способ может дополнительно включать в себя прием второго набора из набора сеансов общения между членами стороны первого типа и членами стороны второго типа, применение классификаторов стороны второго типа для группирования сообщений членов стороны второго типа и с помощью машины повторное генерирование классификаторов стороны второго типа для кластера во втором наборе кластеров, используя данные, касающиеся сообщений, сгруппированных в этом кластере.

В другом аспекте изобретение характеризуется применением набора классификаторов для категоризации инициирующих сообщений (например, запросов информации от агента), которые являются частью сеансов общения, которые также включают в себя ответные сообщения, и использованием категоризированных сообщений для идентификации общих шаблонов сообщений.

Реализации изобретения могут включать в себя один или более из следующих признаков. Способ может дополнительно включать в себя группирование сеансов общения в набор сеансов общения по предмету (например, предмету цели звонящего для звонка в центр контактов) и ассоциирование идентифицированных общих шаблонов сообщений с группами.

В другом аспекте изобретение характеризуется применением набора классификаторов (например, метода опорных векторов) для категоризации сообщений членов стороны первого типа в сеансах общения между членами стороны первого типа и членами стороны второго типа и определением предмета сеанса общения, основываясь на комбинации или последовательности категоризированных сообщений члена стороны первого типа.

Реализации изобретения могут включать в себя один или более из следующих признаков. Способ может также включать в себя сопоставление последовательности категоризированных сообщений с последовательностью категоризированных сообщений, ассоциированной с сеансом общения, имеющим известный предмет.

В другом аспекте изобретение характеризуется использованием примеров сообщений, которые имели место между звонящими и автоматизированной системой ответа (например, автоматизированной системой ответа текстовыми посланиями или голосовой автоматизированной системой ответа) для повышения эффективности системы.

В другом аспекте изобретение характеризуется выбором примеров в качестве возможностей обучения для автоматизированной системы ответа на основе некоторых критериев выбора. Критерии выбора могут быть выбраны (например, пользователем через графический интерфейс пользователя) так, чтобы помочь убедиться в том, что примеры, на которых учится система, надежны. Критерии выбора могут также быть выбраны так, чтобы гарантировать, что система выбирает только примеры, которые приводят к значимому усовершенствованию в системе. Отказываясь от примеров, которые не приводят к значимому усовершенствованию в системе, система помогает минимизировать затраты в ресурсах (например, ресурсах обработки, задачей которых является осуществление усовершенствования, или человеческих административных ресурсах, задачей которых является рассмотрение или одобрение обучающих примеров).

В другом аспекте изобретение соответствует способу выбора возможностей обучения для автоматизированной системы ответа, ассоциированной связанной с центром контактов, который включает в себя прием цифровых представлений сеансов общения, по меньшей мере некоторые из которых включают в себя ряд сообщений (например, высказываний, текстовых посланий, и т.д.) между человеком и агентом (например, агентом-человеком или программным агентом), связанным с центром контактов, и выбор сообщения в качестве возможности обучения, если один или более критериев выбора удовлетворены.

Реализации могут включать в себя один или более из следующих признаков. Критерии выбора могут быть требованием, чтобы сообщение сопровождалось обменом сообщениями между человеком и агентом, требование, чтобы сообщение сопровождалось множеством успешных последующих обменов сообщениями между человеком и агентом, требование, чтобы сообщение было включено в сеанс общения, в котором человек ответил положительно на вопрос об удовлетворении, поставленный агентом, требование, чтобы сообщение в первом сеансе общения было подтверждено сходными сообщениями, имеющими место в некотором количестве других сеансов общения, или требование, чтобы сообщение не обуславливало то, что набор классификаторов, построенный с использованием этого сообщения, приводит к некорректной классификации сообщений, которые были классифицированы корректно предыдущим набором классификаторов.

В некоторых реализациях сообщения между людьми и агентами могут включать в себя взаимодействия с содействием, в которых человек-агент выбрал ответ на сообщение от человека из ранжированного списка предложенных ответов, сгенерированных автоматизированной системой ответа. Для этих взаимодействий с содействием критерии выбора могут включать в себя требование, чтобы выбранный ответ во взаимодействии с содействием был рангом выше порога, или требование, чтобы выбранный ответ во взаимодействии с содействием был выбран от доверенного агента-человека.

Выбранные сообщения могут использоваться для того, чтобы повысить эффективность системы с помощью перестроения классификаторов, используя выбранное сообщение, генерирования языковой модели для автоматического средства распознавания речи, используя выбранное сообщение, или изменения сети с конечным числом состояний, используя выбранное сообщение.

В реализации, связанной с голосовым ответом, способ может также включать в себя выполнение распознавания речи в автономном средстве распознавания речи в отношении высказывания, выбранного как возможность обучения. Способ может также включать в себя перед выполнением распознавания речи определение того, выполнять ли распознавание речи в отношении выбранного высказывания, основываясь на уровне уверенности в смысловом значении высказывания, ассоциированного с цифровым представлением сообщения.

В другом аспекте изобретение соответствует способу выбора возможностей обучения для голосовой автоматизированной системы ответа, ассоциированной с центром контактов, который включает в себя прием цифрового представления сеанса общения, который имел место между звонящим и одним или более агентами, связанными с центром контактов, и выбор высказывания, зафиксированного в цифровом представлении сеанса общения, для транскрипции, основываясь на одном или более критериях выбора.

Реализации могут включать в себя один или более из следующих признаков. Критерии выбора могут включать в себя требование, чтобы уровень уверенности в ответе автоматизированной голосовой системой ответа был в некотором диапазоне значений, либо требование, чтобы уровень уверенности в процессе распознавания речи, выполняемом в отношении высказывания во время сеанса общения, был в некотором диапазоне значений. Способ может также включать в себя выполнение распознавания речи в отношении высказывания и добавление распознанных слов в этом высказывании к словарю слов, используемому процессом распознавания речи, используемым системой для распознавания высказываний во время сеанса общения.

В другом аспекте изобретение соответствует способу, согласно которому, основываясь на взаимодействии между человеком и агентом-человеком, связанным с автоматизированной системой ответа, в которой агент выбрал ответ на сообщение этого человека из числа ответов, предложенных автоматизированной системой ответа, выбирают сообщение в качестве примера для обучения автоматизированной системы ответа.

Реализации изобретения могут включать в себя один или более из следующих признаков. Выбор сообщения может быть основан на уровне уверенности в ответе, выбираемом агентом, или на уровне доверия агенту-человеку, который выбрал ответ.

В другом аспекте изобретение соответствует способу, предусматривающему идентификацию сообщения от человека, осуществляющего контакт с автоматизированной системой ответа,Распознавание ввода что приводит к тому, что ответ обрабатывается агентом-человеком, и модификацию автоматизированной системы ответа для того, чтобы отвечать в будущем на подобные сообщения от людей, осуществляющих контакт с данной системой.

В одном специфическом варианте осуществления модификация автоматизированной системы ответа может включать в себя модификацию сети переходов с конечным числом состояний, ассоциированной с данной системой.

В другом аспекте изобретение соответствует способу выбора возможностей обучения для автоматизированной системы ответа, который включает в себя добавление сообщения в набор обучающих примеров для классификатора в средстве распознавания понятий, генерацию нового классификатора, используя упомянутый набор примеров обучения, который включает в себя добавленное сообщение, и игнорирование этого нового классификатора, основываясь на требовании эффективности для нового классификатора.

Реализации могут включать в себя один или более из следующих признаков. Требование эффективности может быть требованием, чтобы новый классификатор правильно классифицировал по меньшей мере предопределенное число других примеров, или требование, чтобы новый классификатор имел новый характеристический набор примеров, который отличается от характеристического набора примеров, соответствующего предыдущему классификатору, на предопределенную величину.

В другом аспекте изобретение характеризуется генерированием набора классификаторов для по меньшей мере одного кластера ответных сообщений, причем данный кластер основывается на одном или более кластерах инициирующих сообщений, с которыми ответные сообщения ассоциированы в сеансах общения.

Реализации могут включать в себя один или более из следующих признаков. Инициирующие сеансы общения могут исходить от члена стороны первого типа (например, агента в центре обслуживания клиентов), а ответные сеансы общения могут исходить от члена стороны второго типа (например, клиента, осуществляющего контакт с центром обслуживания клиентов). Способ может также включать в себя прием набора сеансов общения, по меньшей мере, некоторые из которых включают в себя инициирующее сообщение и ассоциированные ответные сообщения. Кластер ответных сообщений может включать в себя ответные сообщения, ассоциированные с инициирующим сообщением.

Другие преимущества, признаки и варианты осуществления будут очевидны из следующего описания, а также из формулы изобретения.

ПЕРЕЧЕНЬ ФИГУР ЧЕРТЕЖЕЙ

Фиг.1 - линейная диаграмма перехода между состояниями и Фиг.1A - граф перехода состояний.

Фиг.2 - взаимодействия между клиентом, системой и агентом-человеком.

Фиг.3 - блок-схема последовательности операций.

Фиг.4 - обзор системы программной архитектуры.

Фиг.5 - более детализированное представление программной архитектуры по Фиг.4.

Фиг.6 - блок-схема системы компонентов организации последовательности действий.

Фиг.7 - блок-схема компонентов канала взаимодействия.

Фиг.8 - блок-схема средства распознавания речи.

Фиг.9 - блок-схема средства распознавания понятий.

Фиг.10 - представление организации документов языка разметки.

Фиг.11 - представление подмножества графа перехода между состояниями для примерного графа.

Фиг.12 - представление итерационного процесса разработки приложения.

Фиг.13 - снимок экрана.

Фиг.14 - еще один снимок экрана.

Фиг.15 - представление процесса разработки первоначального приложения.

Фиг.16A-16F - представления процесса разработки первоначального приложения.

Фиг.17 - блок-схема сервера обучения.

ОПИСАНИЕ ИЗОБРЕТЕНИЯ

Технология обработки естественного языка, основанная на понятиях или смысловом значении типа технологии, описанной в патенте США 6401061, полностью включенного сюда по ссылке, может быть усилена для того, чтобы интеллектуальным образом взаимодействовать с информацией, основываясь скорее на смысловом значении информации или семантическом контексте, чем на ее буквальной формулировке. Система может тогда быть построена для управления сообщениями, например сообщениями, в которых пользователь излагает вопрос, а система предоставляет ответ. Такая система является очень эффективной, дружественной и отказоустойчивой, потому что она автоматически извлекает ключевые понятия из пользовательского запроса, независимо от буквальной формулировки. Средство (машина) распознавания понятий (вида, описанного в патенте США 6401061) допускает формирование соответствующих ответов на основе того, что клиенты спрашивают, когда они задействуют лежащую в основе систему при общении по голосовым или основанным на тексте каналам связи. Общение может соответствовать синхронному обмену информацией с клиентом (типа диалога в реальном времени, используя голос или мгновенный обмен посланиями, или другую связь через web-страницу) или асинхронный обмен информацией (типа электронной почты или посланий речевой почты). В сеансах общения с использованием режима асинхронной передачи ответы обеспечиваются в более позднее время относительно запросов клиента.

В примере, соответствующем центру контактов с клиентами, до времени выполнения система управления сообщениями создает базу знаний, используя зарегистрированные фактические сеансы общения между клиентами и агентами-людьми в центре контактов с клиентами. Использование зарегистрированных сеансов общения этим способом вместо того, чтобы пытаться запрограммировать систему для каждого возможного взаимодействия с клиентом, делает конфигурирование простым, быстрым и в пределах способностей широкого диапазона системных администраторов.

В отличие от традиционных систем самообслуживания, которые являются неспособными к быстрому приспособлению к постоянно изменяющимся условиям бизнеса, система, описанная здесь, может быстро моделировать типичные пары вопросов и ответов и автоматизировать будущие сеансы общения.

Каждый сеанс общения, который обрабатывается системой (или построением базы знаний до времени выполнения, или обработкой сообщений реального времени во время выполнения), моделируется как упорядоченный набор состояний и переходов к другим состояниям, при этом переход от каждого состояния включает в себя вопрос или утверждение клиентом и ответ агента-человека (или в некоторых случаях действие, которое должно быть предпринято в ответ на этот вопрос, такое как постановка вопроса обратно пользователю). Символическая последовательность состояние - переход - состояние для сеанса общения, который обрабатывается из записанного взаимодействия, проиллюстрирована на Фиг.1. В некоторых вариантах осуществления разделитель для каждого утверждения или сообщения от клиента или ответа агента-человека является периодом тишины или произнесенным прерыванием.

Текст для каждого из этих утверждений или ответов извлекают из любой среды сообщения, использованной в сеансе общения, например текста или речи. Например, онлайновое средство автоматического распознавания речи (ASR) может использоваться для того, чтобы преобразовать разговорное общение в текст. Затем система извлекает ключевые понятия из вопроса клиента или утверждения, или ответа агента-человека. Это извлечение делается так, как описано в патенте США 6401061, с помощью создания библиотеки текстовых элементов (S-морфем) и их смысловых значений в терминах набора понятий (семантических факторов) в качестве базы знаний для использования средством распознавания понятий. Средство распознавания понятий выполняет разбор текста от клиента или агента на эти S-морфемы, и затем собираются понятия, соответствующие этим S-морфемам. Эти ключевые понятия для сообщения (вопрос или ответ в обсуждаемом примере) могут быть сохранены как неупорядоченный набор и могут упоминаться как «совокупность понятий». Также возможны высокоуровневые организации понятий в различные структуры, отражающие синтаксис или близость. После того, как весь набор зарегистрированных сеансов общения (то есть диалогов) обработан, каждый сеанс общения выражается как последовательность состояние - переход - состояние. Система накапливает все из последовательностей перехода между состояниями сеанса связи в единый граф так, чтобы начальное состояние могло перейти к любому из сеансов связи. Этот совокупный граф переходов затем сжимают, используя методики теории графов, которые заменяют дублированные состояния и переходы. Система рекурсивно определяет, какие переходы от данного состояния дублированы, посредством сравнения переходов с их «понятиями». Последующие состояния, соответствующие дублированным переходам от одного и того же состояния, затем сливаются в одно состояние со всеми из переходов от этих последующих состояний. Текст одного из ответов, соответствующих дублированным переходам, сохраняется в базе знаний как стандартный ответ. Этот текст может быть возвращен клиенту как часть диалогового обмена в форме текста или преобразованным в речь. Результирующий сжатый граф переходов между состояниями формирует базу знаний для системы. Пример сжатого графа переходов между состояниями проиллюстрирован на Фиг.1A. В некоторых реализациях вся информация в этой базе знаний сохраняется с использованием четкой определенной грамматики XML. Примеры языков разметки включают в себя язык гипертекстовой разметки (HTML) и для речи язык разметки с расширениями (VoiceXML). В этом случае язык разметки сеанса общения (CML) используется для того, чтобы хранить информацию для базы знаний.

После того, как база знаний сформирована, система может перейти к рабочему режиму (режиму времени выполнения), в котором она используется для того, чтобы управлять сообщениями в, например, центре контактов с клиентами. Файлы-журналы регистрации, которые использовались для построения базы знаний для заданного центра контактов с клиентами, в некоторых реализациях будут записаны из сеансов общения, имеющих место в одном и том же центре контактов с клиентами, или будут характеризоваться подобными видами сеансов общения. Используя базу знаний, система может следить за текущим состоянием сеансов общения во время выполнения, основываясь на графе переходов между состояниями для центра контактов с клиентами. Например, после того, как клиент выполняет свое первое сообщение (преобразованное в текст) с центром контактов с клиентами (например, пользователь мог бы сделать произнесенный запрос на произвольном естественном языке), система использует средство распознавания понятий для того, чтобы извлечь понятия из текста. Затем система пытается сопоставить понятия из текста с переходами от начального состояния в графе перехода между состояниями центра контактов. Это сопоставление делается посредством сравнения набора понятий, ассоциированных с текущим сообщением, с наборами понятий, сохраненных в базе знаний. Чем ближе два набора, тем больше степень уверенности в точности их согласованности. Если наилучшим образом согласующийся переход в базе знаний согласуется с текстом клиента со степенью уверенности выше некоторого порога, то система предполагает, что она идентифицировала правильный переход, определяет местонахождение соответствующего ответа в базе знаний и сообщает этот соответствующий ответ клиенту. Система переходит к следующему состоянию в графе переходов между состояниями и ждет следующего сообщения клиента. Этот обход последовательности состояний и переходов может продолжаться до того, как либо клиент закончит сеанс связи, либо граф переходов между состояниями достигнет состояния конца. Однако ошибки в тексте, принимаемом средством распознавания понятий, и нестандартные (или неожиданные) вопросы или утверждения клиента могут потребовать вмешательства агента-человека. Когда сообщение клиента имеет форму речи, преобразование из речи в текст может иметь такие ошибки. Из-за возможности таких ошибок в некоторых реализациях система не полагается на полную автоматизацию ответов клиенту, но имеет гладкий переход к ручному вмешательству агента-человека, когда автоматизация неудачна. Вообще, этот тип постепенной автоматизации предлагается на Фиг.2, которая показывает взаимодействия между клиентом 1, системой 3 и агентом-человеком 5. (В других реализациях системы автоматизированные ответы могут даваться в случаях с высокой степенью уверенности, в то время как никакой ответ (кроме указывающего на то, что система является неспособной ответить) не дается пользователю).

В некоторых примерах система использует технологию распознавания речи для того, чтобы привлечь клиентов к сеансам общения по телефону. Технология распознавания речи преобразовывает речь клиента в текст, который становится вводимыми данными для средства распознавания понятий. Объединяя средство распознавания понятий с распознаванием речи, лежащая в основе система распознает то, о чем говорит клиент, на уровне понятий понимая, что подразумевает клиент. Эта комбинация обеспечивает новые уровни автоматизации в центре обслуживания клиентов посредством привлечения пользователей к интуитивному, интеллектуальному и конструктивному взаимодействию по множеству каналов. И это дает возможность организациям разгрузить существенные объемы стандартных клиентских транзакций по всем предназначенным для контактов каналам, сохраняя значительные средства и улучшая уровень обслуживания.

В других реализациях эти сеансы общения с клиентом могут происходить через звуковой интерфейс с использованием, например, браузера VoiceXML, Web с использованием браузера HTML, службу мгновенного обмена посланиями с использованием приложения IM, электронную почту с использованием приложения электронной почты, а также через другие, еще не используемые каналы.

Необходимо отметить, что эта система дает возможность ответу центра контактов использовать режимы сообщения, отличные от сообщения клиента. Например, клиент может выполнять сообщение, используя голос, а центр контактов может ответить текстом, либо клиент может выполнять сообщение, используя текст, а центр контактов может ответить машинно-генерируемым голосом. Это достигается или непосредственным использованием сохраненного текста ответа или преобразованием сохраненного текста ответа в машинно-генерируемую речь.

В некоторых реализациях система обеспечивает три типа или уровня управления сеансами общения и система может переключаться между ними во время заданного сеанса общения:

1. Автоматизированный - система в состоянии произвести соответствующие ответы на запросы клиента и автоматизировать транзакцию полностью независимо от агента-человека. Например, клиент А позвонил в центр контактов с клиентами компании, чтобы спросить их о гарантиях на новые продукты. Клиента А приветствует автоматизированная система, которая представляется и дает краткое объяснение того, как автоматизированная система работает, включая типовые запросы. После этого ему предлагается выразить свой запрос собственными словами. Клиент А излагает свой запрос диалоговым способом. Автоматизированная система сообщает клиенту всестороннюю гарантийную политику компании. Система спрашивает клиента, было ли решение его проблемы полезно и имеет ли он какие-нибудь дополнительные вопросы. Ответ на его вопрос получен, клиент завершает звонок.

2. Смешанный с содействием агента - в этом режиме система вовлекает агента-человека, представляя ему запрос клиента и множество предложенных ответов, ранжированных на основе степени уверенности/подобием ("балл согласованности"). Агент-человек выбирает один из предложенных ответов, давая возможность системе закончить звонок. Агент-человек может также выполнить поиск по системной базе знаний в отношении альтернативного ответа, вводя вопрос в систему. В смешанном режиме с содействием агента звонок не переадресуется агенту и агент непосредственно не взаимодействует с клиентом. Смешанная модель, как ожидается, сократит время агента при звонке, позволяя ему быстро «направить» систему для корректного решения проблемы. Агент-человек может тогда перейти к новой транзакции. Например, клиент B звонит в организацию обслуживания клиентов компании для того, чтобы спросить адрес, где он может ночью заплатить за обслуживание. Клиента B приветствует автоматизированная система, которая представляется и подтверждает имя клиента. После подтверждения его имени клиенту B дают краткое объяснение того, как автоматизированная система работает, включая типовые запросы. Он после этого озвучивает свой запрос своими словами. Клиент B высказывает свой запрос диалоговым способом. Автоматизированная система просит клиента подождать мгновение, в то время как она находит ответ на его вопрос. Система передает звонок следующему доступному агенту. В то время как клиент ждет, система соединяется с доступным агентом-человеком и проигрывает шепотом вопрос клиента B. Агент-человек получает всплывающую подсказку на экране с несколькими предложенными ответами на вопрос клиента. Агент-человек выбирает соответствующий предложенный ответ и нажимает «ответить», давая возможность системе закончить взаимодействие. Система возобновляет свое взаимодействие с клиентом B, обеспечивая ночной адрес. Система спрашивает клиента B, было ли полезно решение его проблемы и имеет ли он какие-нибудь дополнительные вопросы. На его вопрос получен ответ, клиент B заканчивает звонок, не зная, что агент-человек выбрал какой-либо из ответов.

3. Содействие с взятием под контроль агента - в модели взятия под контроль система обращается к агенту-человеку, и агент-человек берет звонок под контроль полностью, вовлекая звонящего в прямое общение. Модель взятия под контроль, как ожидается, улучшит производительность агента с помощью предварительного сбора диалоговой информации из звонка для агента службы обслуживания клиентов и обеспечения возможности агенту искать информацию в базе знаний системы во время звонка, сокращая время, которое требуется потратить на звонок. Например, клиент С звонит в организацию обслуживания клиентов компании, чтобы закрыть свою учетную запись. Клиента С приветствует автоматизированная система, которая представляется и подтверждает имя клиента. После подтверждения его имени клиенту С дают краткое объяснение того, как автоматизированная система работает, включая типовые запросы. После этого его просят озвучить свой запрос своими словами. Клиент С заявляет, что он хотел бы закрыть свою учетную запись в компании. Автоматизированная система просит, чтобы клиент подтвердил свой номер счета. Клиент С набирает номер счета на телефонной клавиатуре. Система говорит клиенту С, чтобы он подождал некоторое время, в то время как звонок передается агенту. Система передает звонок в соответствующий пул агентов для этой транзакции. Следующий доступный агент получает запись запроса клиента C и получает всплывающее на экране окно с информацией его учетной записи. Агент берет контроль над звонком, спрашивая, когда клиент С хотел бы закрыть свою учетную запись.

Система переключается среди трех режимов управления сеансами общения, основываясь на способности системы обрабатывать ситуацию. Например, в автоматизированном режиме общения, если система неспособна сопоставить запрос клиента со стандартной парой вопрос/ответ с достаточной степенью уверенности, то система может переключиться на смешанный режим с содействием агента. Кроме того, в смешанном режиме с содействием агента, если агент-человек решает, что ни один из машинно-генерируемых ответов не соответствует заданному запросу клиента, тогда система может переключиться на режим содействия агента с взятием под контроль, и агент-человек заканчивает сеанс общения. В предпочтительном варианте воплощения этого изобретения клиент также имеет возможность переключать режимы сеанса общения. Например, клиент может захотеть переключиться из автоматизированного режима общения. В другом варианте воплощения система может корректировать порог степени уверенности при интерпретации сообщения клиента, основываясь на том, насколько заняты агенты-люди. Это может дать клиентам возможность пробовать автоматизированные ответы вместо того, чтобы ждать занятых агентов-людей.

Дополнительный режим управления сеансами общения возникает, когда агент-человек имеет достаточные навыки работы с шаблонами сообщений системы. В этом случае, если сообщение клиента сопоставляется с переходами с низким уровнем уверенности, агент-человек может решить перефразировать вопрос клиента с помощью замещающего текста, что может привести к более успешному сопоставлению. Если это так, то диалог может продолжаться в автоматизированном режиме.

Сеансы общения между клиентом и центром контактов, которые управляются системой с использованием этих трех режимов общения, смоделированы блок-схемой последов