中，传统式电话营销占企业总营业额的一大半一部分，电话营销客户服务中心每日呼出几万元打电话，销售话术全是如影随行。但传统式的电销在线客服存有流通性大，塑造时间长，人工成本高的缺陷，怎样降低企业的成本费又不降低电话营销的市场份额，是每所遭遇的难点。智能化电销机器人的发生，让以上传统式市场销售难点引刃而解。但是，因为智能化电销机器人未对于金融业情景开展改进和难以解决的语义识别等缘故，还未能运用于金融行业。

文中指出了一种组成应用文本相似度测算与特征词标准配对的方式，可以提升语义识别准确度，完成更加友善的人机对战对话。

传统式的语义识别要靠软件开发工作人员写一些标准来处理语义识别问题。可是，要穷举并制订这种标准针对开发者而言劳动量无法想象。由于在自然语言处理行业中始终有写不完的标准，这时就必须智能机器人应用你的自学能力开展逻辑推理。TF-IDF词袋模型能依据词的关键水平加上相匹配权重值，更合乎对话词义逻辑性，但会使原文件格式转换为高维的稀少空间向量，为向量储存和相似之处测算产生了非常大的艰难。其关键技术性包括如下所示：

1、对电销对话语料数据信息开展清理，删掉对话逻辑性不科学的数据信息，删掉语音转文本全过程中鉴别偏差过大的数据信息，保存一部分语音转文本全过程中的错别字，进而提升实体模型的抗干扰性。

2、应用python分词工具jieba包对清理后的语料开展中文分词，与此同时删掉停用词和低频词。

3、创建词袋模型，根据TF-IDF优化算法测算各词的关键水平并做权重计算解决。

4、应用LSI对TF-IDF词袋模型开展特征提取，去除小的奇异值，将文本文档特点室内空间变成文本文档定义室内空间。

5、整理电销整体步骤，获取电销步骤中的每个情景，对于不一样情景设定多种多样意图纸句。

6、将顾客的即时对话数据信息与各种各样句核对（定义空间向量之问应用内积的交角余弦相似度测算比原先根据全文本空间向量的相似之处测算更靠谱），超过设定的相似之处阀值即鉴别为该情景下的相匹配用意。

7、开展电销的相匹配销售话术，进行一轮人机对战对话。

对语音转文本数据处理方法步骤如下所示：

比如，客户说：“我还在驾车，到时候说。”标准配对字典中仅有“繁忙”“有急事”等，无 ** 确判断顾客是“忙”的情景。将顾客的对话与意图纸句开展同源性核对，若超过预置阀值则可判断为“忙”的情况。

文本相似度测算应用无辅导优化算法，不用很多人力资源标明，与此同时加上新语料时，可自动更新特点引流矩阵，无需再次练习，合适商品快速迭代发布；组成应用文本相似度计算方式与特征词标准配对方式，在智能化电销对话全过程里能更确切的掌握顾客意图识别，并高效增强了语义识别准确度。