知財求人 - 知財ポータルサイト「IP Force」
▶ ジェネシス クラウド サービシーズ インコーポレイテッドの特許一覧
特表2025-503461コンタクトセンターにおける情報検索のためのグローバル信頼度分類器
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2025-02-04
(54)【発明の名称】コンタクトセンターにおける情報検索のためのグローバル信頼度分類器
(51)【国際特許分類】
G06F 16/33 20250101AFI20250128BHJP
【ＦＩ】
G06F16/33
【審査請求】有
【予備審査請求】有
(21)【出願番号】P 2024536422
(86)(22)【出願日】2022-12-29
(85)【翻訳文提出日】2024-07-05
(86)【国際出願番号】 US2022054294
(87)【国際公開番号】W WO2023129683
(87)【国際公開日】2023-07-06
(31)【優先権主張番号】17/564,783
(32)【優先日】2021-12-29
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＨＤＭＩ
２．ＦＩＲＥＷＩＲＥ
(71)【出願人】
【識別番号】523074490
【氏名又は名称】ジェネシス クラウド サービシーズ インコーポレイテッド
(74)【代理人】
【識別番号】110002848
【氏名又は名称】弁理士法人ＮＩＰ＆ＳＢＰＪ国際特許事務所
(72)【発明者】
【氏名】エルル、ヴィーラ、ラガヴェンドラ
(72)【発明者】
【氏名】サンダラム、ラマスブラマニアン
(72)【発明者】
【氏名】ジョージ、バジル
(72)【発明者】
【氏名】エルル、ナレシュ、クマール
(72)【発明者】
【氏名】ブドゥグッパ、パヴァン、クマール
【テーマコード（参考）】
5B175
【Ｆターム（参考）】
5B175DA01
5B175GB03
(57)【要約】
一実施形態による、コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用する方法は、コンピューティングシステムによって、コンピューティングシステムの知識のみのボットとのコンタクトセンタークライアント通信からユーザクエリを受信することと、コンピューティングシステムによって、ユーザクエリのクエリ単語をユーザクエリの数値ベクトル表現に変換することによってユーザクエリに対して特徴抽出を実行することと、コンピューティングシステムによって、ユーザクエリに応答する可能性が最も高い文書のサブセットを識別することと、コンピューティングシステムによって、グローバル信頼度分類器モデルに基づいて、ユーザクエリに応答する可能性が最も高い文書のサブセットを再ランク付けすることと、を含む。
【特許請求の範囲】
【請求項1】
コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用する方法であって、前記方法が、コンピューティングシステムによって、前記コンピューティングシステムの知識のみのボットとのコンタクトセンタークライアント通信からユーザクエリを受信することと、
前記コンピューティングシステムによって、前記ユーザクエリのクエリ単語を前記ユーザクエリの数値ベクトル表現に変換することによって、前記ユーザクエリに対して特徴抽出を実行することと、
前記コンピューティングシステムによって、前記ユーザクエリに応答する可能性が最も高い文書のサブセットを識別することと、
前記コンピューティングシステムによって、グローバル信頼度分類器モデルに基づいて、前記ユーザクエリに応答する可能性が最も高い前記文書のサブセットを再ランク付けすることと、を含む、方法。
【請求項2】
前記コンピューティングシステムによって、前記ユーザクエリに応答する可能性が最も高い前記文書のサブセットを再ランク付けすることに応じて、前記知識のみのボットを介して前記再ランク付けされた文書のサブセットに基づいて、前記コンタクトセンタークライアントに応答を提供することを更に含む、請求項１に記載の方法。
【請求項3】
前記グローバル信頼度分類器モデルが、複数の組織のための文書セットに基づいて訓練される、請求項１に記載の方法。
【請求項4】
前記グローバル信頼度分類器モデルが、複数の人間言語における文書セットに基づいて訓練される、請求項３に記載の方法。
【請求項5】
前記グローバル信頼度分類器モデルが、少なくとも５つの入力特徴を使用する信頼度分類器に基づいて訓練される、請求項１に記載の方法。
【請求項6】
前記少なくとも５つの入力特徴が、前記ユーザクエリと対応する文書との間の第１のアライメントスコアと、前記対応する文書と前記ユーザクエリとの間の第２のアライメントスコアと、前記ユーザクエリと前記対応する文書との間のコサイン類似度スコアと、文書分類器からの文書スコアと、前記ユーザクエリと前記対応する文書との間で類似するｎグラムの数を計算する単語重複スコアと、を含む、請求項５に記載の方法。
【請求項7】
前記グローバル信頼度分類器モデルが、複数のクラスを有する信頼度分類器に基づいて訓練される、請求項１に記載の方法。
【請求項8】
前記グローバル信頼度分類器モデルが、機械学習モデルである、請求項１に記載の方法。
【請求項9】
前記ユーザクエリに対して前記特徴抽出を実行することが、カスタム埋め込みを使用して、前記ユーザクエリに対して前記特徴抽出を実行することを含む、請求項１に記載の方法。
【請求項10】
前記コンピューティングシステムによって、前記ユーザクエリを自然言語処理して、処理されたデータを生成することを更に含み、前記自然言語処理が、前記ユーザクエリのデータをクリーニング又はセグメント化することのうちの少なくとも１つを含む、請求項１に記載の方法。
【請求項11】
前記ユーザクエリに対して前記特徴抽出を実行することが、前記処理されたデータに対して特徴抽出を実行することを含む、請求項１０に記載の方法。
【請求項12】
前記ユーザクエリに応答する可能性が最も高い前記文書のサブセットを識別することが、前記処理されたデータに基づいて、前記文書のサブセットを識別することを含む、請求項１０に記載の方法。
【請求項13】
コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用するためのシステムであって、前記システムが、少なくとも１つのプロセッサと、
記憶された複数の命令を含む少なくとも１つのメモリであって、前記命令は、前記少なくとも１つのプロセッサによる実行に応じて、前記システムに、
前記システムの知識のみのボットと通信するコンタクトセンタークライアントからユーザクエリを受信することと、
前記ユーザクエリのクエリ単語を前記ユーザクエリの数値ベクトル表現に変換することによって、前記ユーザクエリに対して特徴抽出を実行することと、
前記ユーザクエリに応答する可能性が最も高い文書のサブセットを識別することと、
前記特徴抽出及びグローバル信頼度分類器モデルに基づいて、前記ユーザクエリに応答する可能性が最も高い前記文書のサブセットを再ランク付けすることと、を行わせる、少なくとも１つのメモリと、を備える、システム。
【請求項14】
前記複数の命令が更に、前記システムに、前記ユーザクエリに応答する可能性が最も高い前記文書のサブセットを再ランク付けすることに応じて、前記知識のみのボットを介して、前記再ランク付けされた文書のサブセットに基づいて、前記コンタクトセンタークライアントに応答を提供させる、請求項１３に記載のシステム。
【請求項15】
前記グローバル信頼度分類器モデルが、複数の人間言語における複数の組織のための文書セットに基づいて訓練される、請求項１３に記載のシステム。
【請求項16】
前記グローバル信頼度分類器モデルが、少なくとも５つの入力特徴を使用する信頼度分類器に基づいて訓練される、請求項１３に記載のシステム。
【請求項17】
前記少なくとも５つの入力特徴が、前記ユーザクエリと対応する文書との間の第１のアライメントスコアと、前記ユーザクエリと前記対応する文書との間の第２のアライメントスコアと、前記ユーザクエリと前記対応する文書との間のコサイン類似度スコアと、文書分類器からの文書スコアと、前記ユーザクエリと前記対応する文書との間で類似するｎグラムの数を計算する単語重複スコアと、を含む、請求項１６に記載のシステム。
【請求項18】
前記グローバル信頼度分類器モデルが、機械学習モデルである、請求項１３に記載のシステム。
【請求項19】
前記ユーザクエリに対して前記特徴抽出を実行することが、カスタム埋め込みを使用して、前記ユーザクエリに対して前記特徴抽出を実行することを含む、請求項１３に記載のシステム。
【請求項20】
前記複数の命令が更に、前記システムに、自然言語処理を前記ユーザクエリに適用して、処理されたデータを生成させ、前記自然言語処理が、前記ユーザクエリのデータをクリーニング又はセグメント化することのうちの少なくとも１つを含み、前記ユーザクエリに対して前記特徴抽出を実行することが、前記処理されたデータに対して特徴抽出を実行することを含み、
前記ユーザクエリに応答する可能性が最も高い前記文書のサブセットを識別することが、前記処理されたデータに基づいて、前記文書のサブセットを識別することを含む、請求項１３に記載のシステム。
【発明の詳細な説明】
【技術分野】
【0001】
（関連出願の相互参照）
本出願は、２０２１年１２月２９日に出願された米国特許非仮出願第１７／５６４，７８３号に対する優先権を主張し、その全体が参照により本明細書に組み込まれる。
本出願は、２０２１年１２月２９日に出願された米国特許非仮出願第１７／５６４，７８３号に対する優先権を主張し、その全体が参照により本明細書に組み込まれる。
【背景技術】
【0002】
チャットボットは、改善された顧客体験及び応答性をそれらのクライアントに配信するために、ビジネス及びコンタクトセンターのためのユビキタスツールになっている。深層学習技術、改善されたハードウェア、及び人工知能プラットフォームの出現を考慮すると、チャットボットの開発が急増している。知識のみのボット、セルフサービスボット、及びハイブリッドボットを含む複数のスタイルのチャットボットが存在する。知識のみのボットは、組織ＦＡＱ、製品文書、ユーザマニュアル、及び／又は他の関連文書を使用して作成され得る知識ベースに依存する。セルフサービスボットは、ユーザの意図を理解し、ユーザから必要な情報を収集して、利用可能なリソースに基づいて好適な回答を提供するという点で動的である。ハイブリッドボットは、知識のみのボット及びセルフサービスボットの両方の手法を組み合わせる。
【発明の概要】
【0003】
１つの実施形態は、コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用するためのユニークなシステム、構成要素、及び方法を対象とする。他の実施形態は、コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用するための装置、システム、デバイス、ハードウェア、方法、及びそれらの組み合わせを対象とする。
【0004】
一実施形態によれば、コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用する方法は、コンピューティングシステムによって、コンピューティングシステムの知識のみのボットとのコンタクトセンタークライアント通信からユーザクエリを受信することと、コンピューティングシステムによって、ユーザクエリのクエリ単語をユーザクエリの数値ベクトル表現に変換することによってユーザクエリに対して特徴抽出を実行することと、コンピューティングシステムによって、ユーザクエリに応答する可能性が最も高い文書のサブセットを識別することと、コンピューティングシステムによって、グローバル信頼度分類器モデルに基づいて、ユーザクエリに応答する可能性が最も高い文書のサブセットを再ランク付けすることと、を含み得る。
【0005】
いくつかの実施形態では、本方法は、コンピューティングシステムによって、ユーザクエリに応答する可能性が最も高い文書のサブセットを再ランク付けすることに応じて、知識のみのボットを介して再ランク付けされた文書のサブセットに基づいて、コンタクトセンタークライアントに応答を提供することを更に含み得る。
【0006】
いくつかの実施形態では、グローバル信頼度分類器モデルは、複数の組織のための文書セットに基づいて訓練され得る。
【0007】
いくつかの実施形態では、グローバル信頼度分類器モデルは、複数の人間言語における文書セットに基づいて訓練され得る。
【0008】
いくつかの実施形態では、グローバル信頼度分類器モデルは、少なくとも５つの入力特徴を使用する信頼度分類器に基づいて訓練され得る。
【0009】
いくつかの実施形態では、少なくとも５つの入力特徴は、ユーザクエリと対応する文書との間の第１のアライメントスコアと、対応する文書とユーザクエリとの間の第２のアライメントスコアと、ユーザクエリと対応する文書との間のコサイン類似度スコアと、文書分類器からの文書スコアと、ユーザクエリと対応する文書との間で類似するｎグラムの数を計算する単語重複スコアと、を含み得る。
【0010】
いくつかの実施形態では、グローバル信頼度分類器モデルは、複数のクラスを有する信頼度分類器に基づいて訓練され得る。
【0011】
いくつかの実施形態では、グローバル信頼度分類器モデルは、機械学習モデルであり得る。
【0012】
いくつかの実施形態では、ユーザクエリに対して特徴抽出を実行することは、カスタム埋め込みを使用して、ユーザクエリに対して特徴抽出を実行することを含み得る。
【0013】
いくつかの実施形態では、方法は、コンピューティングシステムによって、ユーザクエリを自然言語処理して、処理されたデータを生成することを更に含み得、自然言語処理は、ユーザクエリのデータをクリーニング又はセグメント化することのうちの少なくとも１つを含む。
【0014】
いくつかの実施形態では、ユーザクエリに対して特徴抽出を実行することは、処理されたデータに対して特徴抽出を実行することを含み得る。
【0015】
いくつかの実施形態では、ユーザクエリに応答する可能性が最も高い文書のサブセットを識別することは、処理されたデータに基づいて、文書のサブセットを識別することを含み得る。
【0016】
別の実施形態によれば、コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用するためのシステムは、少なくとも１つのプロセッサと、少なくとも１つのプロセッサによる実行に応じて、システムに、システムの知識のみのボットと通信するコンタクトセンタークライアントからユーザクエリを受信させ、ユーザクエリのクエリ単語をユーザクエリの数値ベクトル表現に変換することによって、ユーザクエリに対して特徴抽出を実行させ、ユーザクエリに応答する可能性が最も高い文書のサブセットを識別させ、特徴抽出及びグローバル信頼度分類器モデルに基づいて、ユーザクエリに応答する可能性が最も高い文書のサブセットを再ランク付けさせる、複数の命令を記憶した少なくとも１つのメモリと、を含み得る。
【0017】
いくつかの実施形態では、複数の命令は更に、システムに、ユーザクエリに応答する可能性が最も高い文書のサブセットを再ランク付けすることに応じて、知識のみのボットを介して、再ランク付けされた文書のサブセットに基づいて、コンタクトセンタークライアントに応答を提供させ得る。
【0018】
いくつかの実施形態では、グローバル信頼度分類器モデルは、複数の人間言語における複数の組織のための文書セットに基づいて訓練され得る。
【0019】
いくつかの実施形態では、グローバル信頼度分類器モデルは、少なくとも５つの入力特徴を使用する信頼度分類器に基づいて訓練され得る。
【0020】
いくつかの実施形態では、少なくとも５つの入力特徴は、ユーザクエリと対応する文書との間の第１のアライメントスコアと、対応する文書とユーザクエリとの間の第２のアライメントスコアと、ユーザクエリと対応する文書との間のコサイン類似度スコアと、文書分類器からの文書スコアと、ユーザクエリと対応する文書との間で類似するｎグラムの数を計算する単語重複スコアと、を含み得る。
【0021】
いくつかの実施形態では、グローバル信頼度分類器モデルは、機械学習モデルであり得る。
【0022】
いくつかの実施形態では、ユーザクエリに対して特徴抽出を実行することは、カスタム埋め込みを使用して、ユーザクエリに対して特徴抽出を実行することを含み得る。
【0023】
いくつかの実施形態では、複数の命令は更に、システムに、自然言語処理をユーザクエリに適用して、処理されたデータを生成させ得、自然言語処理は、ユーザクエリのデータをクリーニング又はセグメント化することのうちの少なくとも１つを含み、ユーザクエリに対して特徴抽出を実行することは、処理されたデータに対して特徴抽出を実行することを含み得、ユーザクエリに応答する可能性が最も高い文書のサブセットを識別することは、処理されたデータに基づいて、文書のサブセットを識別することを含み得る。
【0024】
この概要は、特許請求される主題の重要な又は本質的な特徴を識別することを意図するものではなく、特許請求される主題の範囲を限定する助けとして使用されることも意図されていない。本出願の更なる実施形態、形態、特徴、及び態様は、本明細書とともに提供される説明及び図から明らかになるであろう。
【図面の簡単な説明】
【0025】
本明細書に説明される概念は、例として例示的なものであり、添付の図面における限定としてではない。例示を単純かつ明確にするために、図に例示される要素は、必ずしも縮尺通りに描画されていない。適切であると考えられる場合、参照ラベルは、対応する又は類似の要素を示すために図面間で繰り返されている。
【図1】コンタクトセンターにおける情報検索のためのグローバル信頼度分類器を使用及び訓練するためのシステムの少なくとも１つの実施形態の簡略ブロック図である。
【図2】クラウドベースのシステムの少なくとも１つの実施形態の簡略ブロック図である。
【図3】コンピューティングデバイスの少なくとも１つの実施形態の簡略ブロック図である。
【図4】コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用するためのシステムフローの少なくとも１つの実施形態の簡略ブロック図である。
【図5】コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用するためのシステムフローの少なくとも１つの実施形態の簡略ブロック図である。
【図6】コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用するためのシステムフローの少なくとも１つの実施形態の簡略ブロック図である。
【図7】従来の分類手法を本開示のグローバル信頼度分類手法と比較する統計を詳述する表である。
【図8】従来の分類手法を本開示のグローバル信頼度分類手法と比較する統計を詳述する表である。
【発明を実施するための形態】
【0026】
本開示の概念は、様々な修正及び代替形態の余地があるが、具体的な実施形態が図面に例として示されており、本明細書に詳細に説明される。しかしながら、本開示の概念を開示された特定の形態に限定する意図はなく、逆に、その意図は、本開示及び添付の特許請求の範囲と一致する全ての修正、等価物、及び代替物を網羅することであることを理解されたい。
【0027】
「１つの実施形態」、「一実施形態」、「例示的な実施形態」などの本明細書における言及は、説明される実施形態が特定の特徴、構造、又は特性を含み得るが、全ての実施形態が特定の特徴、構造、又は特性を必ず含む場合があるか、又は含まない場合があることを示す。更に、かかる句は、必ずしも同じ実施形態を指しているわけではない。「好ましい」構成要素又は特徴への言及は、一実施形態に関する特定の構成要素又は特徴の望ましいことを示すことができるが、本開示は、そのような構成要素又は特徴を省略し得る他の実施形態に関してそのように限定するものではないことを更に理解されたい。更に、特定の特徴、構造、又は特性が実施形態と関連して説明される場合、明確に説明されているかどうかに関わりなく、他の実施形態と関連するこのような特徴、構造、又は特性への実装は、当業者の知見内であるものとする。追加的に、「Ａ、Ｂ、及びＣのうちの少なくとも１つ」の形態のリストに含まれる項目は、（Ａ）、（Ｂ）、（Ｃ）、（Ａ及びＢ）、（Ｂ及びＣ）、（Ａ及びＣ）、又は（Ａ、Ｂ、及びＣ）を意味することができることを理解されたい。同様に、「Ａ、Ｂ、又はＣのうちの少なくとも１つ」の形態で列挙された項目は、（Ａ）（Ｂ）、（Ｃ）、（Ａ及びＢ）、（Ｂ及びＣ）、（Ａ及びＣ）、又は（Ａ、Ｂ、及びＣ）を意味することができることを理解されたい。更に、特許請求の範囲に関して、「１つの（a）」、「１つの（an）」、「少なくとも１つの（at least one）」、及び／又は「少なくとも１つの部分（at least one portion）」などの語及び句の使用は、具体的に反対のことが述べられていない限り、そのような要素の１つのみに限定されるように解釈されるべきではなく、「少なくとも一部の（at least a portion）」及び／又は「一部の（a portion）」などの句の使用は、具体的なに反対のことが述べられていない限り、そのような要素の一部のみを含む実施形態及びそのような要素の全体を含む実施形態の両方を包含するように解釈されるべきである。
【0028】
開示された実施形態は、場合によっては、ハードウェア、ファームウェア、ソフトウェア、又はそれらの組み合わせで実装され得る。開示された実施形態はまた、１つ以上のプロセッサによって読み取られ、かつ実行され得る、１つ以上の一時的又は非一時的機械可読（例えば、コンピュータ可読）記憶媒体によって担持されるか、又はそれに記憶される命令として実装され得る。機械可読記憶媒体は、機械（例えば、揮発性若しくは不揮発性メモリ、メディアディスク、又は他のメディアデバイス）によって読み取り可能な形態で情報を記憶又は伝送するための任意の記憶デバイス、機構、又は他の物理的構造として具現化され得る。
【0029】
図面では、いくつかの構造的又は方法的特徴は、具体的な配置及び／又は順序付けで示され得る。しかしながら、そのような具体的な配置及び／又は順序付けは必要とされない場合があることを理解されたい。むしろ、いくつかの実施形態では、そのような特徴は、反対のことが示されていない限り、例示的な図面に示されているものとは異なる方法及び／又は順序で配置され得る。追加的に、特定の図に構造的又は方法的特徴を含めることは、そのような特徴が全ての実施形態で必要とされることを意味するものではなく、いくつかの実施形態では、含まれない場合があるか、又は他の特徴と組み合わされる場合がある。
【0030】
ここで図１を参照すると、例示的な実施形態では、コンタクトセンターにおける情報検索のためのグローバル信頼度分類器を活用するためのシステム１００は、クラウドベースのシステム１０２、ネットワーク１０４、コンタクトセンターシステム１０６、及びユーザデバイス１０８を含む。１つのクラウドベースのシステム１０２、１つのネットワーク１０４、１つのコンタクトセンターシステム１０６、及び１つのユーザデバイス１０８のみが図１の例示的な実施形態において示されているが、システム１００は、他の実施形態において、複数のクラウドベースのシステム１０２、ネットワーク１０４、コンタクトセンターシステム１０６、及び／又はユーザデバイス１０８を含み得る。例えば、いくつかの実施形態では、複数のクラウドベースのシステム１０２（例えば、関連する又は無関係のシステム）を使用して、本明細書に説明される様々な機能を実行し得る。更に、いくつかの実施形態では、本明細書に説明されるシステムのうちの１つ以上は、システム１００から除外され得、独立しているものとして説明されているシステムのうちの１つ以上は、別のシステムの一部分を形成し得、かつ／又は別のシステムの一部分を形成するものとして説明されているシステムのうちの１つ以上は、独立し得る。
【0031】
本明細書に説明される技術は、知識のみのボットの信頼度分類を改善し得ることを理解されたい。そのようなボットに対する分類の課題は、対応するフレームワークの単純さ、データの欠如による機械学習モデルの不十分な性能、文書についての情報（例えば、メタデータ）の欠如、及び／又は他の要因から生じ得る。本明細書に説明されるグローバル信頼度分類技術は、様々なソースからデータを収集し、複数のボットに対して同じモデルを使用することを含み、これは、従来の手法よりも高い精度及び低いレイテンシを提供する（例えば、図７～図８の表を参照）。以下で説明するように、例示的な実施形態では、グローバル信頼度分類器は、５つの数値入力特徴に基づいて５クラス確率を予測するためにモデルを訓練する。グローバル信頼度分類器は、例えば、単語又はバイグラムなどのテキストが特徴部分として直接使用されないことに起因して、より多数の文書、カテゴリ、及び代替句を使用する複数のデータセットを使用して訓練され得ることを理解されたい。しかしながら、他の実施形態では、グローバル信頼度分類器は、別様に構造化され得ることを理解されたい。
【0032】
クラウドベースのシステム１０２、ネットワーク１０４、コンタクトセンターシステム１０６、及び／又はユーザデバイス１０８の各々は、本明細書に説明される機能を実行するのに好適な任意のタイプのデバイス／システム、デバイス／システムの集合、又はそれらの部分として具現化され得ることを理解されたい。
【0033】
クラウドベースのシステム１０２は、本明細書に説明される機能を実行することができる任意の１つ以上のタイプのデバイス／システムとして具現化され得る。例えば、例示的な実施形態では、クラウドベースのシステム１０２は、本明細書で説明されるように、コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用するように構成される。具体的には、クラウドベースのシステム１０２は、様々な文書、モデル、埋め込み、分類子、及び／又は本明細書に説明される特徴に関連する他のデータを記憶するように構成された１つ以上のデータストア又はデータベースを含み得る。更に、クラウドベースのシステム１０２は、様々な文書の自然言語処理（natural language processing、ＮＬＰ）（例えば、文書クリーニング、データセグメンテーション、等）、文書分類（例えば、機械学習を使用する）、特徴抽出（例えば、カスタム単語埋め込み、一般埋め込み、等を使用する）、信頼度分類、文書ランキング／再ランキングを実行する、及び／又は本明細書で説明されるグローバル信頼度分類に関連する他の特徴を実行するように構成され得る。
【0034】
クラウドベースのシステム１０２は、本明細書では単数形で説明されるが、クラウドベースのシステム１０２は、いくつかの実施形態では、複数のサーバ／システムとして具現化され得るか、又は複数のサーバ／システムを含み得ることを理解されたい。更に、クラウドベースのシステム１０２は、本明細書ではクラウドベースのシステムとして説明されるが、システム１０２は、他の実施形態では、クラウドコンピューティング環境の外部に存在する１つ以上のサーバ／システムとして具現化され得ることを理解されたい。いくつかの実施形態では、クラウドベースのシステム１０２は、図２を参照して説明されるクラウドベースのシステム２００として、又はそれに類似して具現化され得る。
【0035】
クラウドベースの実施形態において、クラウドベースのシステム１０２は、例えば、複数の命令をオンデマンドで実行し、特定のアクティビティ／トリガによってプロンプトされたときにのみ命令を実行し、使用されないときにはコンピューティングリソースを消費しないサーバアンビギュアス（server-ambiguous）コンピューティングソリューションとして具現化され得る。すなわち、システム１０２は、様々な仮想関数（例えば、ラムダ関数、Ａｚｕｒｅ関数、Ｇｏｏｇｌｅクラウド関数、及び／又は他の好適な仮想関数）が、本明細書に説明されるシステム１０２の機能に対応して実行され得るコンピューティングシステム（例えば、デバイスの分散ネットワーク）「上に」存在する仮想コンピューティング環境として具現化され得る。例えば、イベントが発生する（例えば、データが処理のためにシステム１０２に転送される）と、仮想コンピューティング環境が、（例えば、仮想コンピューティング環境のＡＰＩへの要求を介して）通信され得、それにより、ＡＰＩは、一連のルールに基づいて、正しい仮想機能（例えば、特定のサーバアンビギュアスコンピューティングリソース）に要求をルーティングし得る。したがって、データの伝送の要求が（例えば、システム１０２への適切なユーザインターフェースを介して）ユーザによってなされる場合、適切な仮想関数は、仮想関数のインスタンスを削除する前にアクションを実施するように実行され得る。
【0036】
ネットワーク１０４は、ネットワーク１０４を介して通信可能に接続された様々なデバイス間の通信を容易にすることができる任意の１つ以上のタイプの通信ネットワークとして具現化され得る。したがって、ネットワーク１０４は、１つ以上のネットワーク、ルータ、スイッチ、アクセスポイント、ハブ、コンピュータ、及び／又は他の介在ネットワークデバイスを含み得る。例えば、ネットワーク１０４は、１つ以上のセルラネットワーク、電話ネットワーク、ローカル若しくはワイドエリアネットワーク、一般的に利用可能なグローバルネットワーク（例えば、インターネット）、アドホックネットワーク、近距離通信リンク、又はそれらの組み合わせとして具現化され得るか、又は別様にそれらを含み得る。いくつかの実施形態では、ネットワーク１０４は、回路交換音声若しくはデータネットワーク、パケット交換音声若しくはデータネットワーク、並びに／又は音声及び／若しくはデータを搬送することができる任意の他のネットワークを含み得る。具体的には、いくつかの実施形態では、ネットワーク１０４は、インターネットプロトコル（Internet Protocol、ＩＰ）ベース及び／又は非同期転送モード（asynchronous transfer mode、ＡＴＭ）ベースのネットワークを含み得る。いくつかの実施形態では、ネットワーク１０４は、音声トラフィック（例えば、ボイスオーバーＩＰ（Voice over IP、ＶＯＩＰ）ネットワークを介して）、ウェブトラフィック（例えば、ハイパーテキストトランスファープロトコル（hypertext transfer protocol、ＨＴＴＰ）トラフィック及びハイパーテキストマークアップ言語（hypertext markup language、ＨＴＭＬ）トラフィック）、及び／又は他のネットワークトラフィックを、特定の実施形態及び／又は互いに通信するシステム１００のデバイスに応じて処理し得る。様々な実施形態では、ネットワーク１０４は、アナログ又はデジタルの有線及び無線ネットワーク（例えば、ＩＥＥＥ８０２．１１ネットワーク、公衆交換電話網（Public Switched Telephone Network、ＰＳＴＮ）、統合サービスデジタル網（Integrated Services Digital Network、ＩＳＤＮ）、並びにデジタル加入者回線（Digital Subscriber Line、ｘＤＳＬ））、第３世代（３Ｇ）移動体通信網、第４世代（４Ｇ）移動体通信網、第５世代（５Ｇ）移動体通信網、有線Ｅｔｈｅｒｎｅｔネットワーク、プライベートネットワーク（例えば、イントラネットなど）、ラジオ、テレビ、ケーブル、衛星、及び／又はデータを搬送するための任意の他の送達若しくはトンネリング機構、又はそのようなネットワークの任意の適切な組み合わせを含み得る。ネットワーク１０４は、システム１００の様々なデバイス／システム１０２、１０６、１０８間の接続を可能にし得る。様々なデバイス／システム１０２、１０６、１０８は、送信元及び／又は宛先デバイス／システム１０２、１０６、１０８に応じて、異なるネットワーク１０４を介して互いに通信し得ることを理解されたい。
【0037】
いくつかの実施形態では、クラウドベースのシステム１０２は、コンタクトセンターシステム１０６に通信可能に結合され得、コンタクトセンターシステム１０６の一部分を形成し得、及び／又は別様にコンタクトセンターシステム１０６と併せて使用され得ることを理解されたい。例えば、コンタクトセンターシステム１０６は、（例えば、ユーザデバイス１０８を介して）ユーザと通信するように構成された（例えば、図２のチャットボット２１８と同様の）チャットボットを含み得る。更に、いくつかの実施形態では、ユーザデバイス１０８は、クラウドベースのシステム１０２と直接通信し得る。
【0038】
コンタクトセンターシステム１０６は、コンタクトセンターサービス（例えば、コールセンターサービス）をエンドユーザ（例えば、コンタクトセンタークライアント）に提供すること、及び別様に本明細書に説明される機能を実行することができる任意のシステムとして具現化され得る。特定の実施形態に応じて、コンタクトセンターシステム１０６は、コンタクトセンターシステム１０６を利用する組織の構内／キャンパスに配置され得、及び／又は組織に対して遠隔に配置され得る（例えば、クラウドベースのコンピューティング環境において）ことを理解されたい。いくつかの実施形態では、コンタクトセンターシステム１０６の一部分は、組織の構内／キャンパスに配置され得、一方、コンタクトセンターシステム１０６の他の部分は、組織の構内／キャンパスに対して遠隔に配置される。このように、コンタクトセンターシステム１０６は、組織又はそのサードパーティサービスプロバイダ専用の機器内に配備され得、かつ／又は、例えば、複数の企業向けの複数のコンタクトセンターをサポートするためのインフラストラクチャを備えたプライベート又はパブリッククラウド環境などのリモートコンピューティング環境に配備され得ることを理解されたい。いくつかの実施形態では、コンタクトセンターシステム１０６は、電話及び／又は他の通信機構を介したサービスの提供を可能にするためのリソース（例えば、作業者、コンピュータ、及び電気通信機器）を含む。そのようなサービスは、例えば、特定のタイプのコンタクトセンターに応じて、技術サポート、ヘルプデスクサポート、緊急応答、及び／又は他のコンタクトセンターサービスを含むことができる。
【0039】
ユーザデバイス１０８は、アプリケーションを実行すること、及び別様に本明細書に説明される機能を実行することができる任意のタイプのデバイスとして具現化され得る。例えば、いくつかの実施形態では、ユーザデバイス１０８は、パーソナルボット、自動エージェント、チャットボット、又は他の自動システムとの会話に参加するためのアプリケーションを実行するように構成される。したがって、ユーザデバイス１０８は、ユーザが対話してオーディオ、テキスト、ビデオ、及び／又は他の形式のデータを提供し、受信し得る様々な入出力デバイスを有し得る。アプリケーションは、本明細書に説明される機能を実行するのに好適な任意のタイプのアプリケーションとして具現化され得ることを理解されたい。具体的には、いくつかの実施形態では、アプリケーションは、モバイルアプリケーション（例えば、スマートフォンアプリケーション）、クラウドベースのアプリケーション、ウェブアプリケーション、シンクライアントアプリケーション、及び／又は別のタイプのアプリケーションとして具現化され得る。例えば、いくつかの実施形態では、アプリケーションは、ウェブベースのアプリケーション又はサービスのためのクライアント側インターフェースとして（例えば、ウェブブラウザを介して）機能し得る。
【0040】
クラウドベースのシステム１０２、ネットワーク１０４、コンタクトセンターシステム１０６、及び／又はユーザデバイス１０８の各々は、図３を参照して以下に説明されるコンピューティングデバイス３００と同様の１つ以上のコンピューティングデバイスとして具現化され得る（かつ／又は含み得る）ことを理解されたい。例えば、例示的な実施形態では、クラウドベースのシステム１０２、ネットワーク１０４、コンタクトセンターシステム１０６、及び／又はユーザデバイス１０８の各々は、処理デバイス３０２と、対応するデバイスの動作のために処理デバイス３０２に実行させる動作ロジック３０８（例えば、複数の命令）を記憶するメモリ３０６と、を含み得る。
【0041】
ここで図２を参照すると、少なくとも１つの実施形態クラウドベースのシステム２００の簡略ブロック図が示されている。例示的なクラウドベースのシステム２００は、ボーダ通信デバイス２０２と、ＳＩＰサーバ２０４と、リソースマネージャ２０６と、メディア制御プラットフォーム２０８と、スピーチ／テキスト分析システム２１０と、音声生成器２１２と、音声ゲートウェイ２１４と、メディアオーグメンテーションシステム２１６と、チャットボット２１８と、音声データストレージ２２０と、を含む。図２の例示的な実施形態には、１つのボーダ通信デバイス２０２と、１つのＳＩＰサーバ２０４と、１つのリソースマネージャ２０６と、１つのメディア制御プラットフォーム２０８と、１つのスピーチ／テキスト分析システム２１０と、１つの音声生成器２１２と、１つの音声ゲートウェイ２１４と、１つのメディアオーグメンテーションシステム２１６と、１つのチャットボット２１８と、１つの音声データストレージ２２０と、のみが示されているが、他の実施形態では、クラウドベースのシステム２００は、複数のボーダ通信デバイス２０２、ＳＩＰサーバ２０４、リソースマネージャ２０６、メディア制御プラットフォーム２０８、スピーチ／テキスト分析システム２１０、音声生成器２１２、音声ゲートウェイ２１４、メディアオーグメンテーションシステム２１６、チャットボット２１８、及び／又は音声データストレージ２２０を含み得る。例えば、いくつかの実施形態では、複数のチャットボット２１８を使用して、同じクラウドベースのシステム２００によって処理される異なる主題に関して通信し得る。更に、いくつかの実施形態において、本明細書に説明される構成要素のうちの１つ以上は、システム２００から除外され得、独立しているものとして説明されている構成要素のうちの１つ以上は、別の構成要素の一部分を形成し得、かつ／又は別の構成要素の一部分を形成するものとして説明されている構成要素のうちの１つ以上は、独立し得る。
【0042】
ボーダ通信デバイス２０２は、本明細書に説明される機能を実行することができる任意の１つ以上のタイプのデバイス／システムとして具現化され得る。例えば、いくつかの実施形態では、ボーダ通信デバイス２０２は、例えば、エンドユーザとコンタクトセンターシステムとの間の音声会話及び他のメディア通信のセットアップ、実行、及びテアダウンに関与するシグナリング及びメディアストリームを制御するように構成され得る。いくつかの実施形態では、ボーダ通信デバイス２０２は、エンドユーザとコンタクトセンターシステムとの間のメディアセッション（「呼」、「電話呼」、又は「通信セッション」とも称される）中に交換されるシグナリング及びメディアを制御するセッションボーダコントローラ（session border controller、ＳＢＣ）であり得る。いくつかの実施形態では、メディアセッション中に交換されるシグナリングは、ＳＩＰ、Ｈ．３２３、メディアゲートウェイ制御プロトコル（Media Gateway Control Protocol、ＭＧＣＰ）、及び／又は任意の他のボイスオーバーＩＰ（voice-over IP、ＶｏＩＰ）呼シグナリングプロトコルを含み得る。メディアセッション中に交換されるメディアは、呼のオーディオ、ビデオ、又は他のデータを呼の統計値及び品質の情報とともに搬送するメディアストリームを含み得る。
【0043】
いくつかの実施形態では、ボーダ通信デバイス２０２は、標準ＳＩＰバックツーバックユーザエージェント（back-to-back user agent、Ｂ２ＢＵＡ）構成に従って動作し得る。この点に関して、ボーダ通信デバイス２０２は、ＶｏＩＰ呼における発呼者と被呼者との間に確立されたシグナリング経路及びメディア経路に挿入され得る。いくつかの実施形態では、他の中間ソフトウェア及び／又はハードウェアデバイスが、発呼者と被呼者との間のシグナリング及び／又はメディア経路を確立する際に呼び出され得ることを理解されたい。
【0044】
いくつかの実施形態では、ボーダ通信デバイス２０２は、ネットワーク（例えば、ネットワーク１０４）を横断する、エンドユーザデバイス（例えば、ユーザデバイス１０８）及びコンタクトセンターシステム（例えば、コンタクトセンターシステム１０６）との間でルーティングされるシグナリング（例えば、ＳＩＰメッセージ）及びメディアストリーム（例えば、ＲＴＰデータ）に対する制御を行使し得る。この点に関して、ボーダ通信デバイス２０２は、ネットワークを介してユーザデバイスとの間で呼のための信号及びメディアを搬送するトランクと、ネットワークを介してコンタクトセンターシステムとの間で信号及びメディアを搬送するトランクと、に結合され得る。
【0045】
ＳＩＰサーバ２０４は、本明細書に説明される機能を実行することができる任意の１つ以上のタイプのデバイス／システムとして具現化され得る。例えば、いくつかの実施形態では、ＳＩＰサーバ２０４は、ＳＩＰ Ｂ２ＵＢＡとして動作し得、ＳＩＰエンドポイント間のＳＩＰ要求及び応答のフローを制御し得る。他の実施形態では、ＳＩＰサーバ２０４に加えて、又はその代わりに、ＶｏＩＰ通信セッションをセットアップ及びテアダウンするように構成された任意の他のコントローラが企図され得る。ＳＩＰサーバ２０４は、別個の論理構成要素であり得るか、又はリソースマネージャ２０６と組み合わされ得る。いくつかの実施形態では、ＳＩＰサーバ２０４は、コンタクトセンターシステム（例えば、コンタクトセンターシステム１０６）においてホストされ得る。例示的な実施形態ではＳＩＰサーバ２０４が使用されるが、他の実施形態では、例えば、Ｈ．２３２プロトコル、メディアゲートウェイ制御プロトコル、スカイププロトコル、及び／又は他の好適な技術など、別のＶｏＩＰプロトコルで構成された別の呼サーバが、ＳＩＰに加えて、又はＳＩＰの代わりに使用され得る。
【0046】
リソースマネージャ２０６は、本明細書に説明される機能を実行することができる任意の１つ以上のタイプのデバイス／システムとして具現化され得る。例示的な実施形態では、リソースマネージャ２０６は、各リソースタイプに対して負荷分散及び高い可用性を提供するために、メディア制御プラットフォームのプールを割り当て、監視するように構成され得る。いくつかの実施形態では、リソースマネージャ２０６は、利用可能なプラットフォームのクラスタからメディア制御プラットフォーム２０８を監視し得、かつ選択し得る。メディア制御プラットフォーム２０８の選択は、例えば、発呼側エンドユーザのロケーションの識別、レンダリングされるべきメディアサービスのタイプ、現在のメディアサービスの検出された品質、及び／又は他の要因に基づいて、動的であり得る。
【0047】
いくつかの実施形態では、リソースマネージャ２０６は、メディアサービスに対する要求を処理し、例えば、構成データベースを有する構成サーバと対話して、対話型音声応答（interactive voice response、ＩＶＲ）プロファイル、音声アプリケーション（例えば、音声拡張マークアップ言語（Voice Extensible Markup Language、Ｖｏｉｃｅ ＸＭＬ）アプリケーション）、アナウンスメント、及び会議アプリケーション、リソース、並びに、例えば、メディア制御プラットフォームなどのサービスを配信することができるサービスプロファイルを判定するように構成され得る。いくつかの実施形態によれば、リソースマネージャは、サービスプロバイダに階層マルチテナント構成を提供し得、サービスプロバイダが各テナントに選択された数のリソースを配分することを可能にする。
【0048】
いくつかの実施形態では、リソースマネージャ２０６は、ＳＩＰプロキシ、ＳＩＰレジストラ、及び／又はＳＩＰノーティファイアとして動作するように構成され得る。この点に関して、リソースマネージャ２０６は、２つのＳＩＰ構成要素間のＳＩＰトラフィックのプロキシとして動作し得る。ＳＩＰレジストラとして、リソースマネージャ２０６は、例えば、ＳＩＰ ＲＥＧＩＳＴＥＲメッセージを介して様々なリソースの登録を受け入れることができる。このようにして、クラウドベースのシステム２００は、呼処理構成要素のトランスペアレントな再配置をサポートし得る。いくつかの実施形態では、メディア制御プラットフォーム２０８などの構成要素は、起動時にリソースマネージャ２０６に登録しない。リソースマネージャ２０６は、構成データベースから取り出された構成情報を通じてメディア制御プラットフォーム２０８のインスタンスを検出し得る。メディア制御プラットフォーム２０８が監視のために構成されている場合、リソースマネージャ２０６は、例えば、ＳＩＰ ＯＰＴＩＯＮＳメッセージを使用することによってリソース健全性を監視し得る。いくつかの実施形態では、グループ内のリソースが生きているかどうかを判定するために、リソースマネージャ２０６は、ＳＩＰ ＯＰＴＩＯＮＳメッセージをグループ内の各メディア制御プラットフォーム２０８リソースに周期的に送信し得る。リソースマネージャ２０６がＯＫ応答を受信した場合、リソースは生きているとみなされる。リソースマネージャ２０６は、説明を簡潔にするために省略されている他の様々な機能を実行するように構成され得ることを理解されたい。リソースマネージャ２０６及びメディア制御プラットフォーム２０８は、まとめてメディアコントローラと称されることがある。
【0049】
いくつかの実施形態では、リソースマネージャ２０６は、例えば、ＳＩＰサーバ２０４からＳＩＰ ＳＵＢＳＣＲＩＢＥ要求を受け入れ、同じ又は異なるＳＩＰデバイスのために複数の独立したサブスクリプションを維持することによって、ＳＩＰノーティファイアとして動作し得る。サブスクリプション通知は、リソースマネージャ２０６によって管理されるテナントを目標とされる。この役割では、リソースマネージャ２０６は、ポート使用及び利用可能なポートの数について、サブスクライバ（又はテナント）へのＳＩＰ ＮＯＴＩＦＹ要求を周期的に生成し得る。リソースマネージャ２０６は、テナント名、及びテナントに関連付けられたメディア制御プラットフォーム２０８の現在のステータス（イン又はアウトオブサービス）、並びにテナントの現在の容量を含む通知を送信することによって、マルチテナントをサポートし得る。
【0050】
メディア制御プラットフォーム２０８は、メディアサービスを提供すること、及び別様に本明細書に説明される機能を実行することができる任意のサービス又はシステムとして具現化され得る。例えば、いくつかの実施形態では、メディア制御プラットフォーム２０８は、サービスユーザからの要求に応じて、呼及びメディアサービスを提供するように構成され得る。そのようなサービスとしては、限定はしないが、アウトバウンド呼を開始すること、呼が保留にされている間に音楽を再生すること又は他のメディアを提供すること、呼記録、会議、呼進行検出、顧客セルフサービスセッション中にオーディオ／ビデオプロンプトを再生すること、並びに／あるいは他の呼及びメディアサービスが挙げられ得る。サービスのうちの１つ以上は、メディア制御プラットフォーム２０８とエンドユーザとの間のメディアセッションを確立するプロセスの一部として実行される音声アプリケーション（例えば、ＶｏｉｃｅＸＭＬアプリケーション）によって定義され得る。
【0051】
スピーチ／テキスト分析システム（speech/text analytics system、ＳＴＡＳ）２１０は、当業者によって理解されるように、様々なスピーチ分析及びテキスト処理機能（例えば、テキストツースピーチ）を提供すること、並びに別様に本明細書に説明される機能を実行することができる任意のサービス又はシステムとして具現化され得る。スピーチ／テキスト分析システム２１０は、クラウドベースのシステム２００によって処理されるエンドユーザ通信セッションのために、自動スピーチ及び／又はテキスト認識並びに文法マッチングを実行し得る。スピーチ／テキスト分析システム２１０は、１つ以上のプロセッサと、様々な動作を実行するためにプロセッサによって実行される機械可読媒体に記憶された命令と、を含み得る。いくつかの実施形態では、機械可読媒体は、ハードディスク及びハードウェアメモリシステムなどの非一時的記憶媒体を含み得る。
【0052】
音声生成器２１２は、音声通信を生成すること、及び別様に本明細書に説明される機能を実行することができる任意のサービス又はシステムとして具現化され得る。いくつかの実施形態では、音声生成器２１２は、特定の音声シグネチャに基づいて音声通信を生成し得る。
【0053】
音声ゲートウェイ２１４は、本明細書に説明される機能を実行することができる任意のサービス又はシステムとして具現化され得る。例示的な実施形態では、音声ゲートウェイ２１４は、エンドユーザデバイスなどの音声通信デバイスからエンドユーザ呼を受信するか又は音声通信デバイスに呼を発信し、コンタクトセンターシステムの通信ルーティング構成に対応する音声プログラムに従って呼に応答する。いくつかの実施形態では、音声プログラムは、音声アバターを含み得る。音声プログラムは、音声ゲートウェイ２１４内のローカルメモリから、又はクラウドベースのシステム２００内の他の記憶媒体からアクセスされ得る。いくつかの実施形態では、音声ゲートウェイ２１４は、スクリプトベースの音声アプリケーションである音声プログラムを処理し得る。したがって、音声プログラムは、音声拡張マークアップ言語（ＶｏｉｃｅＸＭＬ）又は音声アプリケーション言語タグ（speech application language tag、ＳＡＬＴ）などのスクリプト言語で書かれたスクリプトであり得る。クラウドベースのシステム２００はまた、音声データストレージ２２０と通信して、共有メモリ空間内のユーザ対話データ（例えば、データ通信セッションのための状態変数）を読み取る及び／又は書き込むことができる。
【0054】
メディアオーグメンテーションシステム２１６は、クラウドベースのシステム２００の部分（例えば、ボーダ通信デバイス２０２、ＳＩＰサーバ２０４、リソースマネージャ２０６、メディア制御プラットフォーム２０８、スピーチ／テキスト分析システム２１０、音声生成器２１２、音声ゲートウェイ２１４、メディアオーグメンテーションシステム２１６、チャットボット２１８、音声データストレージ２２０、及び／又はそれらの１つ以上の部分のうちの１つ以上）が互いにどのように対話するかを指定すること、並びに別様に本明細書に説明される機能を実行することができる任意のサービス又はシステムとして具現化され得る。いくつかの実施形態では、メディアオーグメンテーションシステム２１６は、アプリケーションプログラムインターフェース（application program interface、ＡＰＩ）として具現化され得るか、又はそれを含み得る。いくつかの実施形態では、メディアオーグメンテーションシステム２１６は、クラウドベースのシステム２００内で利用される様々な計画されたアプリケーション及びメディアタイプとともに使用される異なるパラメータ及び／又はプロトコルの統合を可能にする。
【0055】
チャットボット２１８は、自動化を使用して、エンドユーザと関わること、及び別様に本明細書に説明される機能を実行することができる任意の自動サービス又はシステムとして具現化され得る。例えば、いくつかの実施形態では、チャットボット２１８は、例えば、特定のチャットボットに対する要求に従って起動され得る実行可能プログラムとして動作し得る。いくつかの実施形態では、チャットボット２１８は、人間の（書かれた又は話された）会話をシミュレート及び処理し、人間が別の人間と通信しているかのように人間がデジタルデバイスと対話することを可能にする。いくつかの実施形態では、チャットボット２１８は、１行応答（single-line response）で単純なクエリに回答する初歩的なプログラムのように単純であり得るか、又は情報を収集し処理するにつれ増加する個人化レベルを送達するために学習し進化するデジタルアシスタントのように洗練され得る。いくつかの実施形態では、チャットボット２１８は、人工知能、適応学習、ボット、認知コンピューティング、及び／又は他の自動化技術を含み、及び／又は活用する。チャットボット２１８はまた、本明細書では１つ以上のチャットロボット、ＡＩチャットボット、自動チャットロボット、チャターボット、ダイアログシステム、対話型エージェント、自動チャットリソース、及び／又はボットと称され得る。
【0056】
エンドユーザとのチャット会話に関与するための自動チャットロボットを利用する利点は、エンドユーザ満足度を維持しながら、人的資源のような有用かつ費用のかかるリソースをコンタクトセンターがより効率的に使用するのに役立つことであり得る。例えば、チャットロボットは、人間のエンドユーザがロボットと会話していることを知ることなく、最初にチャット会話を処理するために呼び出され得る。チャット会話は、適切である場合は、人的資源にエスカレートされ得る。したがって、人的資源は、単純な要求の処理に無用に縛り付けられる必要はなく、代わりに、より複雑な要求を処理するために、又は多くの異なる自動通信の進捗を同時に監視するためにより効果的に使用され得る。
【0057】
本明細書で説明されるように、例示的な実施形態では、チャットボット２１８は、例えば、組織ＦＡＱ、製品文書、ユーザマニュアル、及び／又は他の関連文書を使用して作成された知識ベースに依存する知識のみのボットとして具現化され得る。
【0058】
音声データストレージ２２０は、クラウドベースのシステム２００にデータを記憶するか、又は別様にクラウドベースのシステム２００のためのそのようなデータの記憶を容易にすることができる１つ以上のデータベース、データ構造、及び／又はデータストレージデバイスとして具現化され得る。例えば、いくつかの実施形態では、音声データストレージ２２０は、１つ以上のクラウドストレージバケットを含み得る。他の実施形態では、音声データストレージ２２０は、追加的又は代替的に、クラウドベースのシステム２００が利用可能なデータストレージの量の動的スケーリングを可能にする他のタイプの音声データストレージ機構を含み得ることを理解されたい。いくつかの実施形態では、音声データストレージ２２０は、スクリプト（例えば、事前プログラムされたスクリプトなど）を記憶し得る。音声データストレージ２２０は、本明細書ではデータストレージ及びデータベースとして説明されるが、音声データストレージ２２０は、データベース（又はデータ及び構造の他のタイプの組織化された集合）と、基礎データの実際の記憶のためのデータストレージと、の両方を含み得ることを理解されたい。音声データストレージ２２０は、本明細書に説明される機能を実行するのに有用な様々なデータを記憶し得る。
【0059】
ここで図３を参照すると、コンピューティングデバイス３００の少なくとも１つの実施形態の簡略ブロック図が示されている。例示的なコンピューティングデバイス３００は、図１に例示されるクラウドベースのシステム１０２、コンタクトセンターシステム１０６、及び／又はユーザデバイス１０８（及び／又はそれらの一部分）に関連して利用され得るクラウドベースのシステム、コンタクトセンターシステム、及び／又はユーザデバイスの少なくとも１つの実施形態を示す。更に、いくつかの実施形態では、ボーダ通信デバイス２０２、ＳＩＰサーバ２０４、リソースマネージャ２０６、メディア制御プラットフォーム２０８、スピーチ／テキスト分析システム２１０、音声生成器２１２、音声ゲートウェイ２１４、メディアオーグメンテーションシステム２１６、チャットボット２１８、及び／又は音声データストレージ２２０（及び／又はそれらの一部分）のうちの１つ以上は、コンピューティングデバイス３００と同様のコンピューティングデバイスとして具現化されるか、あるいはそれによって実行され得る。特定の実施形態に応じて、コンピューティングデバイス３００は、サーバ、デスクトップコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、ノートブック、ネットブック、Ｕｌｔｒａｂｏｏｋ（商標）、携帯電話、モバイルコンピューティングデバイス、スマートフォン、ウェアラブルコンピューティングデバイス、携帯情報端末、モノのインターネット（Internet of Thing、ＩｏＴ）デバイス、処理システム、ワイヤレスアクセスポイント、ルータ、ゲートウェイ、並びに／又は本明細書に説明される機能を実行することができる任意の他のコンピューティング、処理、及び／若しくは通信デバイスとして具現化され得る。
【0060】
コンピューティングデバイス３００は、動作ロジック３０８に従ってアルゴリズムを実行し、かつ／又はデータを処理する処理デバイス３０２と、コンピューティングデバイス３００と１つ以上の外部デバイス３１０との間の通信を可能にする入出力デバイス３０４と、例えば、入出力デバイス３０４を介して外部デバイス３１０から受信したデータを記憶するメモリ３０６と、を含む。
【0061】
入出力デバイス３０４は、コンピューティングデバイス３００が外部デバイス３１０と通信することを可能にする。例えば、入出力デバイス３０４は、送受信機、ネットワークアダプタ、ネットワークカード、インターフェース、１つ以上の通信ポート（例えば、ＵＳＢポート、シリアルポート、パラレルポート、アナログポート、デジタルポート、ＶＧＡ、ＤＶＩ、ＨＤＭＩ、ＦｉｒｅＷｉｒｅ、ＣＡＴ５、又は任意の他のタイプの通信ポート若しくはインターフェース）、及び／又は他の通信回路を含み得る。コンピューティングデバイス３００の通信回路は、任意の１つ以上の通信技術（例えば、ワイヤレス又は有線通信）及び関連プロトコル（例えば、Ｅｔｈｅｒｎｅｔ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ（登録商標）、ＷｉＭＡＸなど）を使用して、特定のコンピューティングデバイス３００に応じてそのような通信を行うように構成され得る。入出力デバイス３０４は、本明細書に説明される技術を実施するために好適なハードウェア、ソフトウェア、及び／又はファームウェアを含み得る。
【0062】
外部デバイス３１０は、データがコンピューティングデバイス３００から入力又は出力されることを可能にする任意のタイプのデバイスであり得る。例えば、様々な実施形態では、外部デバイス３１０は、クラウドベースのシステム１０２、コンタクトセンターシステム１０６、ユーザデバイス１０８、及び／又はそれらの一部分として具現化され得る。更に、いくつかの実施形態において、外部デバイス３１０は、別のコンピューティングデバイス、スイッチ、診断ツール、コントローラ、プリンタ、ディスプレイ、アラーム、周辺デバイス（例えば、キーボード、マウス、タッチスクリーンディスプレイなど）、並びに／又は本明細書に説明される機能を実施することが可能な任意の他のコンピューティング、処理、及び／若しくは通信デバイスとして具現化され得る。更に、いくつかの実施形態において、外部デバイス３１０は、コンピューティングデバイス３００に統合され得ることを理解されたい。
【0063】
処理デバイス３０２は、本明細書に説明される機能を実施することが可能な任意のタイプのプロセッサとして具現化され得る。具体的には、処理デバイス３０２は、１つ以上のシングルコア若しくはマルチコアプロセッサ、マイクロコントローラ、又は他のプロセッサ若しくは処理／制御回路として具現化され得る。例えば、いくつかの実施形態では、処理デバイス３０２は、算術ロジックユニット（arithmetic logic unit、ＡＬＵ）、中央処理ユニット（central processing unit、ＣＰＵ）、デジタル信号プロセッサ（digital signal processor、ＤＳＰ）、及び／若しくは別の好適なプロセッサを含むか、又はそれらとして具現化され得る。処理デバイス３０２は、プログラム可能なタイプ、専用のハードワイヤードステートマシン、又はそれらの組み合わせであり得る。複数の処理ユニットを有する処理デバイス３０２は、様々な実施形態において、分散処理、パイプライン処理、及び／又は並列処理を利用し得る。更に、処理デバイス３０２は、本明細書に説明される動作のみの実施専用であり得るか、又は１つ以上の追加の用途において利用され得る。例示的な実施形態では、処理デバイス３０２はプログラム可能であり、メモリ３０６に記憶されたプログラミング命令（ソフトウェア又はファームウェアなど）によって定義された動作ロジック３０８に従ってアルゴリズムを実行し、かつ／又はデータを処理する。追加的又は代替的に、処理デバイス３０２の動作ロジック３０８は、ハードワイヤードロジック又は他のハードウェアによって少なくとも部分的に定義され得る。更に、処理デバイス３０２は、入出力デバイス３０４から、又は他の構成要素若しくはデバイスから受信した信号を処理し、所望の出力信号を提供するために好適な任意のタイプの１つ以上の構成要素を含み得る。そのような構成要素は、デジタル回路、アナログ回路、又はそれらの組み合わせを含み得る。
【0064】
メモリ３０６は、ソリッドステートメモリ、電磁メモリ、光メモリ、又はそれらの組み合わせなどの、１つ以上のタイプの非一時的コンピュータ可読媒体であり得る。更に、メモリ３０６は、揮発性及び／又は不揮発性であり得、いくつかの実施形態において、メモリ３０６の一部又は全部は、ディスク、テープ、メモリスティック、カートリッジ、及び／又は他の好適な可搬型メモリなどの可搬型タイプのものであり得る。動作中、メモリ３０６は、オペレーティングシステム、アプリケーション、プログラム、ライブラリ、及びドライバなどのコンピューティングデバイス３００の動作中に使用される様々なデータ及びソフトウェアを記憶し得る。メモリ３０６は、動作ロジック３０８を定義するプログラミング命令を記憶することに加えて、又はその代わりに、例えば、入出力デバイス３０４から受信される信号、及び／又は入出力デバイスに送信される信号を表すデータなどの、処理デバイス３０２の動作ロジック３０８によって操作されるデータを記憶し得ることを理解されたい。図３に示すように、メモリ３０６は、特定の実施形態に応じて、処理デバイス３０２に含まれ得る、及び／又は処理デバイス３０２に結合され得る。例えば、いくつかの実施形態において、処理デバイス３０２、メモリ３０６、及び／又はコンピューティングデバイス３００の他の構成要素は、システムオンチップ（system-on-a-chip、ＳｏＣ）の一部を形成し、単一の集積回路チップに組み込まれ得る。
【0065】
いくつかの実施形態において、コンピューティングデバイス３００の様々な構成要素（例えば、処理デバイス３０２及びメモリ３０６）は、入出力サブシステムを介して通信可能に結合され得、入出力サブシステムは、処理デバイス３０２、メモリ３０６、並びにコンピューティングデバイス３００の他の構成要素との入出力動作を容易にするための回路及び／又は構成要素として具現化され得る。例えば、入出力サブシステムは、メモリコントローラハブ、入出力制御ハブ、ファームウェアデバイス、通信リンク（すなわち、ポイントツーポイントリンク、バスリンク、ワイヤ、ケーブル、ライトガイド、プリント回路基板トレースなど）、及び／若しくは入出力動作を容易にするための他の構成要素及びサブシステムとして具現化され得るか、又は別様にそれらを含み得る。
【0066】
コンピューティングデバイス３００は、他の実施形態において、典型的なコンピューティングデバイス（例えば、様々な入出力デバイス及び／又は他の構成要素）に一般的に見られるものなど、他の又は追加の構成要素を含み得る。本明細書に説明されるコンピューティングデバイス３００の構成要素のうちの１つ以上は、複数のコンピューティングデバイスにわたって分散され得ることを更に理解されたい。言い換えれば、本明細書に説明される技術は、１つ以上のコンピューティングデバイスを含むコンピューティングシステムによって採用され得る。追加的に、単一の処理デバイス３０２、Ｉ／Ｏデバイス３０４、及びメモリ３０６のみが図３に例示的に示されているが、特定のコンピューティングデバイス３００は、他の実施形態において、複数の処理デバイス３０２、Ｉ／Ｏデバイス３０４、及び／又はメモリ３０６を含み得ることを理解されたい。更に、いくつかの実施形態において、２つ以上の外部デバイス３１０は、コンピューティングデバイス３００と通信し得る。
【0067】
ここで図４～図６を参照すると、使用時に、システム１００、又はより具体的にはクラウドベースのシステム１０２は、コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用するためのシステムフロー４００を実行し得る。システムフロー４００の特定のブロックは、例として例示されており、そのようなブロックは、反対のことが述べられていない限り、特定の実施形態に応じて、全体的又は部分的に組み合わされ、又は分割され、追加され、又は除去され、及び／又は並べ替えられ得ることを理解されたい。
【0068】
システムフロー４００は、図４～図６にわたって分散されるステージで説明され得ることを理解されたい。具体的には、図４に示されるシステムフロー４００の部分は、訓練ステージであり得、図５に示されるシステムフロー４００の部分は、推論ステージであり得、図６に示されるシステムフロー４００の部分は、グローバル文書収集フェーズであり得る。更に、図４～図５に示されるシステムフロー４００の部分は、知識のみのボットフレームワークとして説明され得、図６に示されるシステムフロー４００の部分は、グローバル信頼度分類器として説明され得る。いくつかの実施形態では、知識のみのボットフレームワークは、複数の組織に配備され得る。
【0069】
図４に示すように、文書収集フェーズ４０２において、システム１００は、組織ＦＡＱ、製品文書、ユーザマニュアル、及び／又は他の関連文書を文書ウェアハウス又はデータストレージから収集する。いくつかの実施形態では、文書のうちの１つ以上は、質問、回答、代替質問、類似質問、カテゴリ、及び／又は他の関連データを含む。
【0070】
自然言語処理（ＮＬＰ）フェーズ４０４において、システム１００は、自然言語理解／処理技術を使用して、文書をクリーンにし、及び／又はデータをセグメント化する。自然言語は、人間が互いに通信する方法（例えば、スピーチ及びテキスト）を指すことを理解されたい。いくつかの実施形態では、ＮＬＰは、統計的方法、機械学習（例えば、深層学習ニューラルネットワーク）、及び／又は特定のタスクに関する推論を実行するための、及び／又はロバストなエンドツーエンドシステムを開発するための他の技法の使用を含み得る。いくつかの実施形態では、ＮＬＰフェーズ４０４において、システム１００は、各文書の質問、回答、及び代替物を処理し、（例えば、不要な文字／単語を除去すること、ストップ単語を除去すること、トークン化、単語ステミング、及び／又は他の自然言語処理を実行することによって）データをクリーンにする。
【0071】
文書分類器フェーズ４０６において、システム１００は、文書を分類するために機械学習モデルを訓練する。機械学習における分類器は、データを１組のクラスのうちの１つ以上に自動的に順序付け又は分類するアルゴリズムであることを理解されたい。例えば、電子メール分類器は、電子メールをスキャンして、それらをクラスラベル：スパム又は非スパムによってフィルタリングし得る。例示的な実施形態では、機械学習モデルは、入力特徴（例えば、ＴＦ－ＩＤＦスコア）及び目標（例えば、文書識別子）を予想する。レイテンシが重要であり得るので、いくつかの実施形態では、システム１００は、入力特徴と目標文書識別子との間の関連付けを学習するために線形分類器を活用する。いくつかの実施形態では、モデルを使用して、クエリに関して最も関連性の高い文書のサブセット（例えば、上位Ｎ個の要素）を識別し得る。他の実施形態では、文書分類器は、個々のキーワード又は単語の組み合わせに基づいて、全ての文書について検索可能なインデックスを作成することを含み得る。文書インデックス付けは、文書内に含まれるテキスト（例えば、完全な句／節を含む）を使用して文書を検索することを可能にすることを理解されたい。フルテキストインデックス付けは、文書内のコンテンツ全体を１つのテキストとみなし得るのに対して、フィールドベースのインデックス付けは、メタデータ（例えば、データ自体に関する情報）を使用したタグ付けを含むことができ、これは、文書タイプ、作成データ、及び／又は他の文書関連パラメータなどの検索特性に基づく文書の検索を助ける。
【0072】
特徴抽出フェーズ４０８において、システム１００は、クリーンテキストを１つ以上の特徴ベクトルに変換する（すなわち、テキスト形式を数値表現に変換する）。例えば、いくつかの実施形態では、単語埋め込み及び／又は文埋め込みが使用され得る。特定の実施形態に応じて、汎用及び／又はカスタム埋め込みが使用され得ることを理解されたい。カスタム埋め込みは、利用可能な文書から訓練され得、組織特有の語彙を捕捉し得る（例えば、語彙外問題を低減する）。テキストの数値表現が高次元で類似しているという仮定があり得る。単語埋め込みは、各単語をベクトル表現に変換し、発話にわたって平均して単一のベクトルを提供する。文埋め込みは、文脈に基づいて発話全体を単一のベクトルに直接変換し得る。機械学習アルゴリズムは、訓練データからの特徴の事前定義されたセットから学習して、テストデータのための出力を生成し得ることを理解されたい。しかしながら、機械学習アルゴリズムは、生テキストよりも行列／ベクトル表現を用いてより効率的に機能し得る。したがって、テキストデータを数値表現に変換することによって、システム１００は、機械学習及び人工知能技術をより効率的かつ効果的に活用することができる。
【0073】
文書分類器フェーズ４０６及び特徴抽出フェーズ４０８の結果は、データストレージ４１０に記憶され得ることを理解されたい。例えば、データストレージ４１０は、文書分類器からのモデル、カスタム埋め込み、信頼度分類器データ、文書インデックス、及び／又は他の関連データを記憶し得る。
【0074】
ここで図５を参照すると、上で説明したように、システム１００は、ユーザ入力に基づいて推論を引き出すために推論ステージを実行し得る。したがって、図５のＮＬＰフェーズ４１２において、システム１００は、知識のみのボットへのユーザクエリ（例えば、「顧客ケア番号は？」）を受信し、自然言語理解／処理技法を使用して、図４のＮＬＰフェーズ４０４を参照して説明したものと同様の様態でクエリをクリーンにし、及び／又はデータをセグメント化し得る。
【0075】
文書識別フェーズ４１４において、システム１００は、ユーザクエリに最も関連する文書（例えば、上位Ｎ個の要素／文書）のサブセットを識別し得る。そうする際に、いくつかの実施形態では、システム１００は、所与のクエリについてＴＦ－ＩＤＦスコアを計算し、文書分類器を通してスコアを処理し、所与のクエリについて上位Ｎ個の可能な文書を提供し得る。別の実施形態では、システム１００は、文書インデクサを通して検索し得る。
【0076】
特徴抽出フェーズ４１６において、システム１００は、図４の特徴抽出フレーズ４０８を参照して上で説明されるものと同様の様態で、ユーザ入力クエリ単語を数値ベクトル表現（例えば、［０．４５６２３、０．３４５４４、０．５５６５、０．９８０９８、．．．］）に変換し得る。特徴抽出フェーズ４１６及び／又は文書識別フェーズ４１４の実行中に、システム１００は、データストレージ４１０（図４参照）からデータを検索し、及び／又はデータストレージ４１０上のデータを更新し得ることを理解されたい。
【0077】
文書再ランク付けフェーズ４１８において、システム１００は、入力クエリに基づいて上位Ｎ個の文書を再ランク付けし、最も関連性の高い応答を出力し得る。いくつかの実施形態では、システム１００は、所与のクエリと可能な上位Ｎ個の文書との間の必要な入力特徴を生成し、信頼度分類器を通して特徴を処理し、信頼度分類器は、各クラスの確率を出力する。システム１００は、各クエリと各可能な文書との間の信頼スコアを生成し得る。最も高いスコアを有する文書は、最も可能性の高い文書（例えば、最も可能性の高い質問／回答文書）として識別され得る。システム１００は、文書を再ランク付けする際にグローバル信頼度分類器モデル４３０（図６参照）を活用及び／又は更新し得ることを理解されたい。他の実施形態では、類似度関数（例えば、コサイン類似度関数）が利用されて、類似度スコアを生成し得る。
【0078】
ここで図６を参照すると、上で説明したように、システム１００は、グローバル信頼度分類器ステージを実行して、複数の知識ベース（例えば、異なる組織、異なる言語、等のための）とともに使用するために信頼度分類器（例えば、信頼度分類器４２８）を訓練し得る。上で説明されるように、例示的な実施形態では、グローバル信頼度分類器ステージは、５つの数値入力特徴に基づいて５クラス確率を予測するようにモデルを訓練することを含む。
【0079】
文書収集フェーズ４２０において、システム１００は、組織ＦＡＱ、製品文書、ユーザマニュアル、及び／又は他の関連文書を文書ウェアハウス又は複数の組織のためのデータストレージから収集する。複数の異なる組織からの知識ベースに頼ることによって、システム１００は、より多くの数の文書、代替物、カテゴリ、等へのアクセスを得ることを理解されたい。ＮＬＰフェーズ４２２において、システム１００は、自然言語理解／処理技法を使用して、図４のＮＬＰフェーズ４０４を参照して説明したものと同様の様態で、文書をクリーンにし、及び／又はデータをセグメント化し得る。
【0080】
文書分類器フェーズ４２４において、システム１００は、図４の文書分類器フェーズ４０６を参照して説明したのと同様の様態で、機械学習モデルを訓練して、文書を分類し得る。特徴抽出フェーズ４２６において、システム１００は、図４の特徴抽出フェーズ４０８を参照して説明したのと同様の様態で、クリーンテキストを１つ以上の特徴ベクトルに変換し得る（すなわち、テキスト形式を数値表現に変換する）。
【0081】
信頼度分類器フェーズ４２８において、システム１００は、各文書における（例えば、上位Ｎ個の文書の）信頼度を測定する。信頼度分類器は、分類器において２つより多くのクラスを扱うときに有用であり、信頼度分類器は、特定のクエリに対する特定のクラスの信頼度を評価することを理解されたい。例えば、気象分類（例えば、夏、冬、秋、春）を実行するとき、気象条件が与えられると、信頼度分類器は、気象条件が様々なクラスにどの程度の信頼度で対応するかを推定し得る。例示的な実施形態では、信頼度分類器は、５つの入力特徴を使用する５クラス問題として訓練される。
【0082】
入力特徴は、第１のアライメントスコア、第２のアライメントスコア、類似度スコア、文書スコア、及び単語重複スコアを含み得る。第１のアライメントスコア（Ｆ０）は、ユーザクエリと文書との間の単語アライメントスコアであり得、スコアは、次式に従って計算され得る。
【0083】
【数1】
【0084】
第２のアライメントスコア（Ｆ１）は、第１のアライメントスコア（Ｆ０）を計算するための式１～式４を使用して計算されるが、クエリ及び文書の単語ベクトルを交換する。第２のアライメントスコアは、文書がクエリに対してどの程度類似しているかを提供することを理解されたい。クエリと文書との間の類似度スコアは、クエリ及び文書の平均単語埋め込みベクトルに対するコサイン類似度を使用して計算される。文書スコアは、文書分類器から計算され、それによって、文書分類器によって予測された各文書はまた、文書に対するスコアが与えられる。
【0085】
単語重複スコア（overlap score、ＯＳ）は、いくつのｎグラムがクエリと文書との間で類似しているか（例えば、この文脈では、バイグラム）を計算する。単語重複スコア（ＯＳ）は、次式に従って計算される。
【0086】
【数2】
【0087】
上に示したように、例示的な信頼度分類器は、５つのクラスを有する。第１のクラスでは、所与のクエリに対する予想文書識別子は、非常に低いスコアを有する予測文書識別子と一致しない（例えば、提供された入力が不十分であるために満足される）。第２のクラスでは、所与のクエリに対する予想識別子は、中程度のスコアを有する予測文書識別子と一致しない。第３のクラスでは、所与のクエリに対する予想文書識別子は、予測文書識別子と一致しないが、予測文書のカテゴリは、予想文書識別子カテゴリに関して同じである。文書は、第３又は第４の位置で表面に出る。第４のクラスでは、所与のクエリに対する予想文書識別子は、予測文書識別子と一致しないが、予測文書のカテゴリは、予想文書識別子カテゴリに関して同じである。文書は、第１又は第２の位置で表面に出る。第５のクラスでは、所与のクエリに対する予想文書識別子は、予測文書識別子と同じである。
【0088】
信頼度分類器４２８の結果は、グローバル信頼度分類器モデル４３０を更に更新又は訓練するために使用され得ることを理解されたい。追加的に、示されるように、グローバル信頼度分類器モデル４３０は、文書再ランク付けフェーズ４１８（図５を参照）によって活用され得る。
【0089】
図７～図８の表に示されるように、グローバル分類器は、実行の速度／持続時間及び手法の精度の両方に関して、知識のみのボットを使用する分類に対する従来の手法に対して改善された結果をもたらす。この表は、知識ベースタイプ及び対応するデータの４つの異なるバリエーション、すなわち、カテゴリ及び代替物を有する知識ベース、カテゴリを有するが代替物を有しない知識ベース、代替物を有するがカテゴリを有しない知識ベース、及び代替物もカテゴリも有しない知識ベースを例示する。この表はまた、異なるサイズ（すなわち、１０文書、２０文書、５０文書、８０文書、１００文書、及び１００を超える文書を有する「フル」データベース）及び異なる言語（すなわち、英語及びドイツ語）の知識ベースの結果を例示する。示されるように、本明細書で説明される技法によるグローバル信頼度分類器は、ほぼ全てのデータセットにわたって改善された結果をもたらした。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【手続補正書】
【提出日】2023-10-30
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用する方法であって、前記方法が、コンピューティングシステムによって、前記コンピューティングシステムの知識のみのボットとのコンタクトセンタークライアント通信からユーザクエリを受信することと、
前記コンピューティングシステムによって、前記ユーザクエリのクエリ単語を前記ユーザクエリの数値ベクトル表現に変換することによって、前記ユーザクエリに対して特徴抽出を実行することと、
前記コンピューティングシステムによって、前記ユーザクエリに応答する可能性が最も高い文書のサブセットを識別することと、
前記コンピューティングシステムによって、グローバル信頼度分類器モデルに基づいて、前記ユーザクエリに応答する可能性が最も高い前記文書のサブセットを再ランク付けすることと、を含み、
前記グローバル信頼度分類器モデルが、少なくとも５つの入力特徴を使用する信頼度分類器に基づいて訓練され、
前記少なくとも５つの入力特徴が、前記ユーザクエリと対応する文書との間の第１のアライメントスコアと、前記対応する文書と前記ユーザクエリとの間の第２のアライメントスコアと、を含む、方法。
【請求項2】
前記コンピューティングシステムによって、前記ユーザクエリに応答する可能性が最も高い前記文書のサブセットを再ランク付けすることに応じて、前記知識のみのボットを介して前記再ランク付けされた文書のサブセットに基づいて、前記コンタクトセンタークライアントに応答を提供することを更に含む、請求項１に記載の方法。
【請求項3】
前記グローバル信頼度分類器モデルが、複数の組織のための文書セットに基づいて訓練される、請求項１に記載の方法。
【請求項4】
前記グローバル信頼度分類器モデルが、複数の人間言語における文書セットに基づいて訓練される、請求項３に記載の方法。
【請求項5】
前記少なくとも５つの入力特徴が、前記ユーザクエリと対応する文書との間の第１のアライメントスコアと、前記対応する文書と前記ユーザクエリとの間の第２のアライメントスコアと、前記ユーザクエリと前記対応する文書との間のコサイン類似度スコアと、文書分類器からの文書スコアと、前記ユーザクエリと前記対応する文書との間で類似するｎグラムの数を計算する単語重複スコアと、を含む、請求項１に記載の方法。
【請求項6】
前記グローバル信頼度分類器モデルが、複数のクラスを有する信頼度分類器に基づいて訓練される、請求項１に記載の方法。
【請求項7】
前記グローバル信頼度分類器モデルが、機械学習モデルである、請求項１に記載の方法。
【請求項8】
前記ユーザクエリに対して前記特徴抽出を実行することが、カスタム埋め込みを使用して、前記ユーザクエリに対して前記特徴抽出を実行することを含む、請求項１に記載の方法。
【請求項9】
前記コンピューティングシステムによって、前記ユーザクエリを自然言語処理して、処理されたデータを生成することを更に含み、前記自然言語処理が、前記ユーザクエリのデータをクリーニング又はセグメント化することのうちの少なくとも１つを含む、請求項１に記載の方法。
【請求項10】
前記ユーザクエリに対して前記特徴抽出を実行することが、前記処理されたデータに対して特徴抽出を実行することを含む、請求項９に記載の方法。
【請求項11】
前記ユーザクエリに応答する可能性が最も高い前記文書のサブセットを識別することが、前記処理されたデータに基づいて、前記文書のサブセットを識別することを含む、請求項９に記載の方法。
【請求項12】
コンタクトセンターにおける情報検索のためにグローバル信頼度分類器を活用するためのシステムであって、前記システムが、少なくとも１つのプロセッサと、
記憶された複数の命令を含む少なくとも１つのメモリであって、前記命令は、前記少なくとも１つのプロセッサによる実行に応じて、前記システムに、
前記システムの知識のみのボットと通信するコンタクトセンタークライアントからユーザクエリを受信することと、
前記ユーザクエリのクエリ単語を前記ユーザクエリの数値ベクトル表現に変換することによって、前記ユーザクエリに対して特徴抽出を実行することと、
前記ユーザクエリに応答する可能性が最も高い文書のサブセットを識別することと、
前記特徴抽出及びグローバル信頼度分類器モデルに基づいて、前記ユーザクエリに応答する可能性が最も高い前記文書のサブセットを再ランク付けすることと、を行わせる、少なくとも１つのメモリと、を備え、
前記グローバル信頼度分類器モデルが、少なくとも５つの入力特徴を使用する信頼度分類器に基づいて訓練され、
前記少なくとも５つの入力特徴が、前記ユーザクエリと対応する文書との間の第１のアライメントスコアと、前記ユーザクエリと前記対応する文書との間の第２のアライメントスコアと、を含む、システム。
【請求項13】
前記複数の命令が更に、前記システムに、前記ユーザクエリに応答する可能性が最も高い前記文書のサブセットを再ランク付けすることに応じて、前記知識のみのボットを介して、前記再ランク付けされた文書のサブセットに基づいて、前記コンタクトセンタークライアントに応答を提供させる、請求項１２に記載のシステム。
【請求項14】
前記グローバル信頼度分類器モデルが、複数の人間言語における複数の組織のための文書セットに基づいて訓練される、請求項１２に記載のシステム。
【請求項15】
前記少なくとも５つの入力特徴が、前記ユーザクエリと対応する文書との間の第１のアライメントスコアと、前記ユーザクエリと前記対応する文書との間の第２のアライメントスコアと、前記ユーザクエリと前記対応する文書との間のコサイン類似度スコアと、文書分類器からの文書スコアと、前記ユーザクエリと前記対応する文書との間で類似するｎグラムの数を計算する単語重複スコアと、を含む、請求項１２に記載のシステム。
【請求項16】
前記グローバル信頼度分類器モデルが、機械学習モデルである、請求項１２に記載のシステム。
【請求項17】
前記ユーザクエリに対して前記特徴抽出を実行することが、カスタム埋め込みを使用して、前記ユーザクエリに対して前記特徴抽出を実行することを含む、請求項１２に記載のシステム。
【請求項18】
前記複数の命令が更に、前記システムに、自然言語処理を前記ユーザクエリに適用して、処理されたデータを生成させ、前記自然言語処理が、前記ユーザクエリのデータをクリーニング又はセグメント化することのうちの少なくとも１つを含み、前記ユーザクエリに対して前記特徴抽出を実行することが、前記処理されたデータに対して特徴抽出を実行することを含み、
前記ユーザクエリに応答する可能性が最も高い前記文書のサブセットを識別することが、前記処理されたデータに基づいて、前記文書のサブセットを識別することを含む、請求項１２に記載のシステム。
【請求項19】
記憶された複数の命令を含む１つ以上の非一時的機械可読記憶媒体であって、前記複数の命令が、コンピューティングシステムによる実行に応じて、前記コンピューティングシステムに、前記システムの知識のみのボットと通信するコンタクトセンタークライアントからユーザクエリを受信することと、
前記ユーザクエリのクエリ単語を前記ユーザクエリの数値ベクトル表現に変換することによって、前記ユーザクエリに対して特徴抽出を実行することと、
前記ユーザクエリに応答する可能性が最も高い文書のサブセットを識別することと、
前記特徴抽出及びグローバル信頼度分類器モデルに基づいて、前記ユーザクエリに応答する可能性が最も高い前記文書のサブセットを再ランク付けすることと、を行わせ、
前記グローバル信頼度分類器モデルが、少なくとも５つの入力特徴を使用する信頼度分類器に基づいて訓練され、
前記少なくとも５つの入力特徴が、前記ユーザクエリと対応する文書との間の第１のアライメントスコアと、前記ユーザクエリと前記対応する文書との間の第２のアライメントスコアと、前記ユーザクエリと前記対応する文書との間のコサイン類似度スコアと、文書分類器からの文書スコアと、前記ユーザクエリと前記対応する文書との間で類似するｎグラムの数を計算する単語重複スコアと、を含む、１つ以上の非一時的機械可読記憶媒体。
【国際調査報告】