一种自动核查用户信息的方法、装置及存储介质

本发明涉及数据信息处理技术领域，尤其是涉及一种自动核查用户信息的方法、装置及存储介质。

用户信息审核业务大多基于电话外呼行为，通过客服人员与用户之间的安全问题交互，以排除用户欺诈风险、补充用户信息完整性。

在传统的电话外呼核实过程中，客服人员需进行多轮安全问题交互，以获取用户信息，并对用户应答信息进行人工核验，整个审核过程耗时长、效率低，一旦当下坐席电话外呼方案中，若出现坐席人力不足，或受外部环境因素影响时，可能存在无法正常提供电话服务的情况，此时，只能通过增加人力或排除外部影响后，才能恢复坐席电话外呼服务。

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种自动核查用户信息的方法、装置及存储介质，以能够对用户信息进行自动核查，从而提高审核效率。

本发明的目的可以通过以下技术方案来实现：一种自动核查用户信息的方法，包括以下步骤：

S1、收集用户的申请信息，并从申请信息中动态整理出待核实内容；

S2、根据申请信息以及待核实内容，生成智能外呼队列，并进行智能调度优化派单；

S3、根据智能外呼队列，按顺序与用户进行语音交流，并获取用户反馈结果；

S4、从用户反馈结果中识别出核实结果，并对核实结果进行自动化填单操作；

若无法识别出核实结果，则将该用户反馈结果自动填入工单，等待人工介入。

进一步地，所述步骤S2中生成的智能外呼队列包括用户电话以及对应的待提问题、呼叫时间段。

进一步地，所述步骤S2中智能调度派单具体是根据呼叫时间段以及用户申请信息中包含的工作性质，以判断是否进行派单，未进行派单的数据信息将进入等待队列、等待上一个任务完成后重新进入派单判断流程。

进一步地，所述步骤S3具体是由AI机器人与用户进行语音交流。

进一步地，所述步骤S4中识别出核实结果的具体过程为：

S41、对用户反馈结果进行语音识别，从语音识别结果中提取出关键字；

S42、根据提取的关键字，依次进行识别结果可信度度量以及拒识判断，并通过语义匹配，得到核实结果。

进一步地，所述步骤S41具体包括以下步骤：

S411、对用户反馈结果进行数据预处理；

S412、将预处理后的用户反馈结果输入模型引擎中，以将语音数据转换为文本语句输出；

S413、从输出的文本语句中提取出关键字。

进一步地，所述数据预处理包括异常值取出、数据对齐、转换过滤及数据清洗。

进一步地，所述模型引擎中设置有训练好的循环神经网络、深度神经网络和卷积神经网络。

一种自动核查用户信息的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述自动核查用户信息方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述自动核查用户信息方法的步骤。

与现有技术相比，本发明具有以下优点：

一、本发明基于收集的用户已完成的申请信息，通过动态整理出待核实内容、生成智能外呼队列、并进行智能调度优化派单，能够应对复杂多变的用户信息审核业务场景，实现按需配置，针对不同的用户提供相对应的外呼服务、快速搭建问答服务场景，以根据用户信息与申请意愿，进行流程引导和问答辅助，进而实现自动获取用户反馈结果、自动核查用户信息的目的，能够有效降低运营成本、减少业务产能对人力的依赖，并能够可靠地应对不可抗力的突发事件。

二、本发明采用AI机器人结合RPA(Robotic Process Automation，软件流程自动化)的方式，利用AI机器人可以实现“拟人化”语音交互，完成用户信息确认、获取用户反馈结果，而RPA则可根据交互后的意图指令进行自动化填单操作，以最少的人工干预高效质地完成处理任务。当AI电核机器人获取到用户对于问题的反馈后，可以自动完成核实项填写。对于仍需要人工解决的复杂问题，AI电核机器人可帮助人工客服自动记录问题，智能填入工单。由此大大提高审核效率，将重复劳动自动化，进一步降低电话客服系统运营成本。

三、本发明通过对用户反馈结果进行包括异常值取出、数据对齐、转换过滤及数据清洗的数据预处理，并结合包含RNN(循环神经网络)、CNN(卷积神经网络)和DNN(深度神经网络)三个神经网络的模型引擎，利用DNN解决基于高斯混合模型进行数据表示的低效问题，从而大幅度提升识别率；利用可变长度语境信息的RNN与CNN在语音识别中能够取得更好的识别性能，从而保证对用户反馈结果识别的准确性，有利于后续用户信息自动核查的准确性。

图1为本发明的方法流程示意图；

图2为实施例的应用过程示意图；

图3为实施例中AI机器人与RPA的自动化流程示意图；

图4为实施例中智能调度派单过程示意图。

下面结合附图和具体实施例对本发明进行详细说明。

实施例

如图1所示，一种自动核查用户信息的方法，包括以下步骤：

S1、收集用户的申请信息，并从申请信息中动态整理出待核实内容；

S2、根据申请信息以及待核实内容，生成智能外呼队列，并进行智能调度优化派单，其中，生成的智能外呼队列包括用户电话以及对应的待提问题、呼叫时间段；

智能调度派单则是根据呼叫时间段以及用户申请信息中包含的工作性质，以判断是否进行派单，未进行派单的数据信息将进入等待队列、等待上一个任务完成后重新进入派单判断流程；

S3、根据智能外呼队列，按顺序与用户进行语音交流，并获取用户反馈结果，在实际应用中，采用AI机器人与用户进行语音交流；

S4、从用户反馈结果中识别出核实结果，并对核实结果进行自动化填单操作；

若无法识别出核实结果，则将该用户反馈结果自动填入工单，等待人工介入；其中，识别出核实结果的过程包括：

S41、对用户反馈结果进行语音识别，从语音识别结果中提取出关键字，具体的：

首先对用户反馈结果进行数据预处理(包括异常值取出、数据对齐、转换过滤及数据清洗)；

之后将预处理后的用户反馈结果输入模型引擎(设置有训练好的循环神经网络、深度神经网络和卷积神经网络)中，以将语音数据转换为文本语句输出；

再从输出的文本语句中提取出关键字；

S42、根据提取的关键字，依次进行识别结果可信度度量以及拒识判断，并通过语义匹配，得到核实结果。

本实施例还提供一种自动核查用户信息的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述自动核查用户信息方法的步骤。

本实施例还一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述自动核查用户信息方法的步骤。

本实施例应用上述方法，如图2所示，首先从用户的申请信息中动态整理出问题及答案(例：工作地址)，发送到AI机器人平台，AI机器人会通过智能调度进行优化派单，电话呼入的用户在机器人的引导下完成信息的问答核实过程，将用户的语音转化为文本，并自动理解用户的自然语言中包含的语义信息。结合答案对用户问答的问题进行对比，得出正确或者错误的判定。

主要包含3个功能模块：

a、基础数据采集

以进件报文为依托，获取用户信息和待核实内容。业务人员根据运营需要可视化进行配置对应流程以及问答辅助规则，从而完成基础数据采集步骤。

b、智能调度

基础数据采集结束，数据信息会推送到电核机器人，完成智能调度优化派单，此时需要根据时间段，用户工作性质等作为判断条件，判断是否需要派单。若未等到派单的数据会在等待队列等待上一个任务完成后重新进入派单并电话呼入。

c、实时数据采集

电话呼入的同时，语音信息以流的形式进入后端系统，通过语音ASR系统，经过异常值去除，数据堆砌、转换过滤、清洗的操作后进入模型引擎。经过深度神经网络(DNN)模型、卷积神经网络(CNN)模型、循环神经网络(RNN)等模型得到最优解把语音转化为文本。再经过关键字提取，并根据关键字子串进入识别结果可信度以及拒识判断，进行语义匹配完成得到结论。

本技术方案采用AI机器人结合RPA实现自动核查用户信息的过程，如图3所示，AI机器人可以实现“拟人化”交互，完成用户信息确认，而RPA则可根据交互后的意图指令进行自动化填单操作，以最少的人工干预高效质地完成处理任务。当AI机器人获取到用户对于问题的反馈后，可以自动完成核实项填写。对于仍需要人工解决的复杂问题，AI机器人可帮助人工客服自动记录问题，智能填入工单。

此外，本实施例设定核实次数阈值为5，如图4所示，在判断核实次数超过5次以后，即结束当前任务，以保证能够全面有效获取用户反馈结果、并进行有效的核查。

综上可知，本技术方案中，智能外呼核实服务通过更便捷的业务端系统操作，实现电核全流程自动化，将对话流程线上化、数据化、智能化，为服务的量化管理提供支撑。在实际应用中，可提供免代码可视化配置界面，以应对复杂多变的客户信息审核业务场景，实现按需配置，针对不同的客户提供相对应的外呼服务。快速搭建问答服务场景，根据客户信息与申请意愿，进行流程引导和问答辅助。应用AI机器人与RPA技术相结合，能够大大减少人为重复、繁琐、大批量的工作任务，实现业务流程自动化。