本發(fā)明涉及通信技術領域，具體涉及一種接待機器人的服務方法。

背景技術：

目前，企業(yè)或單位對于來訪者的接待基本都是采用人工接待的方式，也有一些企業(yè)或單位為了節(jié)省人力成本而引進專門用于來訪接待的接待機器人。但現有的接待機器人都是采用統(tǒng)一的接待服務方式，從而導致針對不同到訪目的客戶不能進行針對性的接待服務。例如針對業(yè)務洽談到訪者和求職到訪者的接待服務工作可能完全不同。針對該問題，本發(fā)明提供了一種能針對不同到訪目的到訪者進行針對性接待服務的接待機器人的服務方法。

技術實現要素：

本發(fā)明提供了一種接待機器人的服務方法，以解決現有接待機器人無法針對不同到訪目的的到訪者進行針對性接待服務的技術問題。

本發(fā)明提供的接待機器人的服務方法，包括：

識別到訪者的身份；

在到訪預約記錄中匹配是否存在與到訪者的身份對應的預約記錄，若是，則根據到訪預約記錄獲得到訪者的到訪意圖，若否，則根據到訪者的歷史到訪記錄推測到訪者的到訪意圖；

根據到訪者的到訪意圖對其進行接待服務。

進一步地，識別到訪者的身份包括：

獲取到訪者的生物特征；

將生物特征與預先存儲在數據庫中的樣本生物特征進行匹配，從而識別機器人接待的到訪者的身份。

進一步地，當生物特征與預先存儲在數據庫中的樣本生物特征不相匹配時，還包括：

在互聯網上搜索與到訪者的生物特征匹配的用戶名信息；

根據用戶名信息識別到訪者的身份。

進一步地，在到訪預約記錄中匹配是否存在與到訪者的身份對應的預約記錄包括：

采集到訪者的時間信息；

將到訪者的身份以及時間信息與到訪預約記錄進行匹配。

進一步地，根據到訪者的歷史到訪記錄推測到訪者的到訪意圖包括：

判斷到訪者是否第一次到訪，若是，則根據到訪者的身份采集與預先設定的輸入特征條目對應的屬性信息，并根據屬性信息預測到訪者的到訪意圖，若否，則根據到訪者的歷史到訪意圖推測到訪者當前的到訪意圖。

進一步地，根據屬性信息預測到訪者的到訪意圖包括：

預先設定到訪意圖輸出類別；

采集訓練樣本的與輸入特征條目對應的樣本行為數據，并根據樣本行為數據提取訓練樣本的輸入特征向量；

根據輸入特征向量和訓練樣本的到訪意圖輸出類別訓練分類器，獲得到訪意圖識別模型；

根據到訪者的屬性信息以及到訪意圖識別模型，預測到訪者的到訪意圖。

進一步地，根據到訪者的歷史到訪意圖推測到訪者當前的到訪意圖包括：

獲取到訪者的歷史到訪意圖；

判斷歷史到訪意圖是否相同，若是，則將歷史到訪意圖作為到訪者當前的到訪意圖，若否，則將頻次最高的歷史到訪意圖作為到訪者當前的到訪意圖。

進一步地，根據到訪者的到訪意圖對其進行接待服務包括：

獲取預先設定的與到訪意圖匹配的機器人服務選項；

根據預先設定的與機器人服務選項對應的服務規(guī)則與到訪者進行人機交互，并基于人機交互對到訪者進行服務。

進一步地，生物特征包括：

人臉、指紋、聲音、氣味、虹膜、手形、掌紋、簽名、步態(tài)中的一種或多種組合。

本發(fā)明具有以下有益效果：

本發(fā)明提供的接待機器人的服務方法，通過識別到訪者的身份, 在到訪預約記錄中匹配是否存在與到訪者的身份對應的預約記錄，若是，則根據到訪預約記錄獲得到訪者的到訪意圖，若否，則根據到訪者的歷史到訪記錄推測到訪者的到訪意圖, 根據到訪者的到訪意圖對其進行接待服務，解決了現有接待機器人無法針對不同到訪目的的到訪者進行針對性接待服務的技術問題，不僅能自動識別到訪者并推測獲取到訪者的到訪意圖，還可以針對到訪者的到訪意圖提供個性化的服務，智能化程度高，用戶體驗佳。

除了上面所描述的目的、特征和優(yōu)點之外，本發(fā)明還有其它的目的、特征和優(yōu)點。下面將參照圖，對本發(fā)明作進一步詳細的說明。

附圖說明

構建本申請的一部分的附圖用來提供對本發(fā)明的進一步理解，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構建對本發(fā)明的不當限定。在附圖中：

圖1是本發(fā)明優(yōu)選實施例接待機器人的服務的方法流程圖；

圖2是本發(fā)明優(yōu)選實施例針對第一個精簡實施例的接待機器人的服務方法的流程圖；

圖3是本發(fā)明優(yōu)選實施例針對第二個精簡實施例的接待機器人的服務方法的流程圖；

圖4是本發(fā)明優(yōu)選實施例針對第三個精簡實施例的接待機器人的服務方法的流程圖。

具體實施方式

以下結合附圖對本發(fā)明的實施例進行詳細說明，但是本發(fā)明可以由權利要求限定和覆蓋的多種不同方式實施。

參照圖1，本發(fā)明的優(yōu)選實施例提供了一種接待機器人的服務方法，包括：

步驟S101，識別到訪者的身份；

步驟S102，在到訪預約記錄中匹配是否存在與到訪者的身份對應的預約記錄，若是，則根據到訪預約記錄獲得到訪者的到訪意圖，若否，則根據到訪者的歷史到訪記錄推測到訪者的到訪意圖；

步驟S103，根據到訪者的到訪意圖對其進行接待服務。

本發(fā)明提供的接待機器人的服務方法，通過識別到訪者的身份, 在到訪預約記錄中匹配是否存在與到訪者的身份對應的預約記錄，若是，則根據到訪預約記錄獲得到訪者的到訪意圖，若否，則根據到訪者的歷史到訪記錄推測到訪者的到訪意圖, 根據到訪者的到訪意圖對其進行接待服務，解決了現有接待機器人無法針對不同到訪目的的到訪者進行針對性接待服務的技術問題，不僅能自動識別到訪者并推測獲取到訪者的到訪意圖，還可以針對到訪者的到訪意圖提供個性化的服務，智能化程度高，用戶體驗佳。

本實施例在獲取到訪者的到訪意圖前，首先對到訪者的身份進行識別，從而方便后續(xù)根據到訪者的身份在到訪預約記錄中匹配獲取到訪者的到訪意圖或根據與到訪者的身份對應的歷史到訪記錄推測到訪者的到訪意圖。在實際生活當中，去企業(yè)或單位拜訪的拜訪者，一般會提前與企業(yè)或單位取得聯系，并進行拜訪預約，而企業(yè)或單位則會將即將拜訪的來訪者的預約情況進行登記，例如，拜訪者的身份，姓名、電話，意圖，拜訪時間等等，從而形成到訪預約記錄。故本實施例在識別到訪者的身份后，便可以根據到訪者的身份信息在到訪預約記錄中提取到訪者的到訪意圖。具體地，當在到訪預約記錄中匹配存在與到訪者的身份對應的預約記錄，則根據到訪預約記錄獲得到訪者的到訪意圖。由于到訪預約記錄中不一定包括或記錄到訪者的到訪意圖，故本實施例在不能根據到訪預約記錄獲得到訪者的到訪意圖后，根據到訪者的歷史到訪記錄推測到訪者的到訪意圖。

由此可見，本實施例通過識別到訪者的身份，并根據到訪者的身份，在到訪預約記錄中獲取到訪意圖或根據歷史到訪記錄推測到訪者的到訪意圖后，便可以根據到訪者的到訪意圖給其提供針對性的接待服務，使得接待機器人對到訪者進行接待時，針對性強，還可以針對到訪者的到訪意圖提供個性化的服務，智能化程度高，用戶體驗佳。

可選地，識別到訪者的身份包括：

獲取到訪者的生物特征；

將生物特征與預先存儲在數據庫中的樣本生物特征進行匹配，從而識別機器人接待的到訪者的身份。

本實施例獲取或猜測到訪者的到訪意圖前，首先對到訪者的身份進行識別。具體地，本實施例在識別機器人接待的到訪者的身份時首先獲取到訪者的生物特征，然后將到訪者的生物特征與預先存儲在數據庫中的樣本生物特征進行匹配，從而識別機器人接待的到訪者的身份。其中，到訪者的生物特征包括：人臉、指紋、聲音、氣味、虹膜、手形、掌紋、簽名、步態(tài)中的一種或多種組合。

現有智能機器人的數據庫中往往會存儲一些用戶的樣本生物特征，例如人臉、指紋、聲音、氣味、虹膜、手形、掌紋、簽名、步態(tài)等等，故當機器人采集到到訪者的生物特征后，往往會先在其數據庫中匹配是否包括該到訪者的樣本生物特征，若匹配成功，則根據該到訪者在數據庫中存儲的樣本生物特征對其進行身份識別。例如，當采集到到訪者的人臉特征信息時，則采用人臉識別技術將其與智能機器人的數據庫中人臉樣本特征進行匹配，從而實現對到訪者的身份進行識別。

本實施例在實現機器人對到訪者進行接待服務前，首先對到訪者的身份進行識別，有利于機器人對到訪者進行針對性服務，同時也有利于后續(xù)根據到訪者的身份獲取與到訪者對應的到訪意圖，從而為后續(xù)智能機器人對到訪者進行針對性服務奠定基礎。

可選地，當生物特征與預先存儲在數據庫中的樣本生物特征不相匹配時，還包括：

在互聯網上搜索與到訪者的生物特征匹配的用戶名信息；

根據用戶名信息識別到訪者的身份。

由于將到訪者的生物特征與數據庫中的樣本生物特征進行匹配時，可能出現生物特征與預先存儲在數據庫中的樣本生物特征不相匹配的情況，也即不能從預先存儲在數據庫中的樣本生物特征中匹配出與到訪者相同的生物特征。針對這種情況，本實施例通過在互聯網上搜索與到訪者的生物特征匹配的用戶名信息，然后根據用戶名信息識別到訪者的身份。

例如，當系統(tǒng)不能從預先存儲在數據庫中的人臉樣本生物特征中匹配出與到訪者相同的人臉生物特征時，則根據采集的到訪者的人臉生物特征在互聯網上搜索與之對應的用戶名信息。這主要是基于現有用戶在互聯網上進行身份注冊時，往往會被要求提供對應的生物特征，例如人臉、簽名等。本實施例正是基于這兩者的相關性，首先通過到訪者的生物特征在互聯網上搜索獲取與之匹配的用戶名信息，然后根據用戶名信息識別到訪者的身份。需要說明的是，本實施例中所指的到訪者的身份可以是任何用于表征到訪者的身份屬性信息，例如到訪者的名稱，聯系電話，郵箱地址，身份證號碼等等。

需要說明的是，本實施例在互聯網上根據到訪者的生物特征搜索獲取與之對應的用戶名信息時，可能獲取不止一個用戶名信息。此時，本實施例可以選取其中任意一個用戶名信息識別到訪者的身份，也可以選取與到訪者的生物特征匹配度最高的用戶名信息用于識別到訪者的身份。

可選地，在到訪預約記錄中匹配是否存在與到訪者的身份對應的預約記錄包括：

采集到訪者的時間信息；

將到訪者的身份以及時間信息與到訪預約記錄進行匹配。

由于去企業(yè)或單位拜訪的拜訪者在提前預約時，一般會告知其拜訪的到訪時間，也即企業(yè)或單位在對拜訪者的到訪預約情況進行記錄時，往往會包括拜訪者將到訪的到訪時間。故本實施例根據到訪者的身份信息在到訪預約記錄中匹配獲取與其對應的到訪預約記錄時，還可以結合到訪者的到訪時間進行匹配。具體地，首先采集到訪者的時間信息，然后將到訪者的身份以及時間信息與到訪預約記錄進行匹配。這樣在到訪預約記錄中匹配是否存在與到訪者的身份對應的預約記錄時，可以通過結合到訪者的身份信息以及到訪時間信息更準確的匹配是否存在與到訪者的身份對應的預約記錄。例如某企業(yè)或單位的到訪預約記錄中有兩個身份名稱相同的拜訪者，假設為張三，且其中一個預約是上午拜訪，另一個是下午拜訪，則結合到訪者的身份信息以及到訪時間信息無疑能更準確識別到訪者，以及更準確地獲得與其匹配的到訪預約記錄，進一步提高獲取到訪者的到訪意圖的準確率。

本實施例通過采集到訪者的時間信息，并將到訪者的身份以及時間信息與到訪預約記錄進行匹配，不僅提高了到訪者身份識別的準確率，而且提高了根據到訪者的身份獲取與其匹配的到訪預約記錄的準確率，為獲取到訪者的到訪者意圖奠定了基礎，從而使得接待機器人更準確的針對到訪者進行接待服務。

可選地，根據到訪者的歷史到訪記錄推測到訪者的到訪意圖包括：

判斷到訪者是否第一次到訪，若是，則根據到訪者的身份采集與預先設定的輸入特征條目對應的屬性信息，并根據屬性信息預測到訪者的到訪意圖，若否，則根據到訪者的歷史到訪意圖推測到訪者當前的到訪意圖。

由于去企業(yè)或單位拜訪的拜訪者中，有些可能不是第一次拜訪，也即與企業(yè)或單位之間存在固定或定期的業(yè)務聯系，故本實施例可以根據到訪者的歷史到訪記錄推測到訪者的到訪意圖。又由于去企業(yè)或單位拜訪的拜訪者中，有些可能是第一次拜訪，也即不存在與到訪者對應的歷史到訪記錄。針對這種情況，本實施例在根據到訪者的歷史到訪記錄推測到訪者的到訪意圖時，首先判斷到訪者是否第一次到訪，若是，則根據到訪者的身份采集與預先設定的輸入特征條目對應的屬性信息，并根據屬性信息預測到訪者的到訪意圖，若否，則根據到訪者的歷史到訪意圖推測到訪者當前的到訪意圖。

本實施例判斷到訪者是否是第一次拜訪企業(yè)或單位時，可以根據到訪者的身份在企業(yè)存儲的歷史到訪記錄數據庫中匹配獲知是否有與到訪者匹配的歷史到訪記錄，若有，則說明該到訪者不是第一次拜訪企業(yè)或單位，若沒有，則說明到訪者是第一次到訪企業(yè)或單位，并根據到訪者的身份采集與預先設定的輸入特征條目對應的屬性信息以及根據屬性信息預測到訪者的到訪意圖。本實施例中所指的到訪者的屬性信息具體可以是與到訪者相關的基本信息、用戶行為信息、注冊信息、或上網瀏覽信息等等。

具體地，本實施例在判斷出到訪者是第一次到訪企業(yè)或單位，也即不能根據歷史到訪記錄獲取到訪者的到訪意圖時，可以通過獲取與到訪者相關的屬性信息預測到訪者的到訪意圖，例如通過獲取到訪者的備忘信息、或日程安排信息等屬性信息推測到訪者的到訪意圖，又例如通過獲取到訪者的職業(yè)信息、性別、身份信息等屬性信息推測到訪者的到訪意圖。本實施例在獲取到訪者的屬性信息時，為了獲取更具有預測價值的屬性信息，首先預先設定輸入特征條目，并在采集到訪者的屬性信息時，根據到訪者的身份采集與預先設定的輸入特征條目對應的屬性信息以及根據屬性信息，從而最終獲得到訪者的到訪意圖。

可選地，根據屬性信息預測到訪者的到訪意圖包括：

預先設定到訪意圖輸出類別；

采集訓練樣本的與輸入特征條目對應的樣本行為數據，并根據樣本行為數據提取訓練樣本的輸入特征向量；

根據輸入特征向量和訓練樣本的到訪意圖輸出類別訓練分類器，獲得到訪意圖識別模型；

根據到訪者的屬性信息以及到訪意圖識別模型，預測到訪者的到訪意圖。

本實施例根據屬性信息預測到訪者的到訪意圖時，首先設定到訪意圖輸出類別，然后采集訓練樣本的與輸入特征條目對應的樣本行為數據，根據樣本行為數據提取訓練樣本的輸入特征向量，并根據輸入特征向量和訓練樣本的到訪意圖輸出類別訓練分類器，獲得到訪意圖識別模型，最后根據到訪者的屬性信息以及到訪意圖識別模型，預測到訪者的到訪意圖。具體地，本實施例中的到訪意圖輸出類別以及輸入特征條目都是由用戶自定義的，例如到訪意圖輸出類別可以根據平常去企業(yè)或單位拜訪時的常見到訪意圖進行分類，例如業(yè)務洽談、求職面試、參觀展覽、參與會議、業(yè)務咨詢、合同簽訂、培訓等等。而輸入特征條目可以是到訪者的興趣愛好、職業(yè)信息、性別、身份信息、年齡、職位等級等等。

本實施例在訓練到訪意圖識別模型時，將采集的訓練樣本的與輸入特征條目對應的樣本行為數據作為訓練樣本的屬性信息，并根據樣本行為數據提取訓練樣本的輸入特征向量，從而訓練分類器，其中，分類器可以是支持向量機分類器、貝葉斯分類器等等。且在實際的實施過程中，訓練樣本的數量應當盡可能大，從而保證到訪目的識別模型的識別精度。

本實施例通過訓練用于識別到訪者到訪意圖的到訪意圖識別模型，不僅能根據到訪者的行為數據智能識別出與其匹配的到訪意圖，而且采用本實施例訓練好的到訪意圖識別模型對到訪者的到訪意圖識別的準確率高，有利于后續(xù)機器人能根據識別出的到訪意圖給到訪者提供個性化的接待服務，體現了較高的智能化水平。

可選地，根據到訪者的歷史到訪意圖推測到訪者當前的到訪意圖包括：

獲取到訪者的歷史到訪意圖；

判斷歷史到訪意圖是否相同，若是，則將歷史到訪意圖作為到訪者當前的到訪意圖，若否，則將頻次最高的歷史到訪意圖作為到訪者當前的到訪意圖。

由于根據到訪者的歷史到訪意圖推測到訪者當前的到訪意圖時，主要是通過提取到訪者的歷史到訪意圖，并將其作為當前的到訪意圖。又由于獲取的到訪者的歷史到訪意圖可能不止一個，例如同一個到訪者可能拜訪過企業(yè)或單位多次，且每一次拜訪的目的不同。故本實施例在根據到訪者的歷史到訪意圖推測到訪者當前的到訪意圖時，首先獲取到訪者的歷史到訪意圖，然后判斷歷史到訪意圖是否相同，若是，則將歷史到訪意圖作為到訪者當前的到訪意圖，若否，則將頻次最高的歷史到訪意圖作為到訪者當前的到訪意圖。這樣能得到可能性相對較高的到訪意圖，從而提供更針對性接待服務。

可選地，根據到訪者的到訪意圖對其進行接待服務包括：

獲取預先設定的與到訪意圖匹配的機器人服務選項；

根據預先設定的與機器人服務選項對應的服務規(guī)則與到訪者進行人機交互，并基于人機交互對到訪者進行服務。

根據實際生活經驗可知，智能機器人既可以直接對到訪者進行服務，也可以通過與到訪者進行人機交互實現對其服務。由于本實施例較之現有智能機器人可自動識別到訪者的到訪意圖，因此，本實施例既可以根據到訪者的到訪意圖直接對其進行服務，也可以根據到訪者的到訪意圖與其進行人機交互實現對其服務。

具體地，本實施例首先獲取預先設定的與到訪意圖最匹配的機器人服務選項，然后根據預先設定的與服務選項對應的服務規(guī)則與到訪者進行人機交互，并基于人機交互對到訪者進行服務。例如，當獲取到到訪者的到訪意圖為求職面試時，首先獲取與到訪意圖最匹配的機器人服務選項，假設為發(fā)放簡歷信息填寫表，然后根據預先設定的與服務選項（發(fā)放簡歷信息填寫表）對應的服務規(guī)則（例如首先詢問到訪者是否是過來求職面試，在得到肯定答復后給其發(fā)放簡歷信息填寫表或引導其面見人力資源相關負責人等規(guī)則）與到訪者進行人機交互，從而基于人機交互對到訪者進行服務。

由此可見，本實施例中機器人在對到訪者進行服務時，不僅可以直接根據到訪者的到訪意圖對其進行服務，還能根據預先設定的與服務選項對應的服務規(guī)則與到訪者進行人機交互，從而能為到訪者提供更智能和個性化的服務。

可選地，生物特征包括：

人臉、指紋、聲音、氣味、虹膜、手形、掌紋、簽名、步態(tài)中的一種或多種組合。

本實施例中的生物特征不限于包括人臉、指紋、聲音、氣味、虹膜、手形、掌紋、簽名、步態(tài)中的一種或多種組合，具體由用戶自定義。

下面針對三個精簡實施例對本發(fā)明的接待機器人的服務方法進行更進一步說明。

精簡實施例一

參照圖2，本發(fā)明的精簡實施例一提供的接待機器人的服務方法，包括：

步驟S201，獲取到訪者的生物特征。

具體地，本實施例中接待機器人可以對到訪者的任何一種或多種生物特征進行獲取，例如到訪者的人臉、指紋、聲音、氣味、虹膜、手形、掌紋、簽名、步態(tài)中的一種或多種組合特征進行獲取，本實施例假設獲取的生物特征為到訪者的人臉特征。

步驟S202，將生物特征與預先存儲在數據庫中的樣本生物特征進行匹配，從而識別機器人接待的到訪者的身份。

具體地，本實施例將采集到到訪者的人臉特征與智能機器人的數據庫中人臉樣本特征進行匹配，從而實現對到訪者的身份進行識別。本實施例假設能從數據庫中匹配出與到訪者的人臉特征匹配的人臉樣本特征，且根據到訪者的人臉特征識別出其身份名稱為張三。

步驟S203，采集到訪者的時間信息。

具體地，本實施例中接待機器人在開始接待到訪者時，采集到訪者的到訪時間，假設為當天上午9點。

步驟S204，將到訪者的身份以及時間信息與到訪預約記錄進行匹配，并在獲得與到訪者的身份及實際信息匹配的預約記錄后，根據到訪預約記錄獲得到訪者的到訪意圖。

具體地，本實施例根據到訪者的身份（張三）以及到訪時間信息（當天上午9點），在到訪預約記錄中匹配相應的到訪預約記錄。也即在到訪預約記錄里面匹配當天上午9點，名為張三的到訪者的到訪預約記錄。假設本實施例根據到訪預約記錄能匹配到與到訪者身份對應的到訪預約記錄，則進一步對與到訪者身份對應的到訪預約記錄進行到訪意圖信息提取。具體地，可以采用正則表達式從到訪預約記錄里提取到訪者的到訪意圖，假設本實施例從到訪預約記錄中匹配獲得到訪者（張三）的到訪意圖為參加培訓。

步驟S205，根據到訪者的到訪意圖對其進行接待服務。

具體地，本實施例在獲取到到訪者的到訪意圖為參加培訓后，根據預先設置的與該到訪意圖對應的接待程序對到訪者進行針對性接待。

由此可見，本實施例通過對到訪者的生物特征進行識別，獲得到訪者的身份，并結合到訪者的到訪時間信息在到訪預約記錄中匹配與其對應的到訪預約記錄，并根據匹配出的到訪預約記錄獲得到訪者的到訪意圖，從而對其進行針對性接待服務，大大提高了接待機器人進行接待服務的針對性，提升了用戶體驗。

精簡實施例二

參照圖3，本發(fā)明的精簡實施例二提供的接待機器人的服務方法，包括：

步驟S301，獲取到訪者的生物特征。

具體地，本實施例中接待機器人可以對到訪者的任何一種或多種生物特征進行獲取，例如到訪者的人臉、指紋、聲音、氣味、虹膜、手形、掌紋、簽名、步態(tài)中的一種或多種組合特征進行獲取，本實施例假設獲取的生物特征為到訪者的人臉特征。

步驟S302，在互聯網上搜索與到訪者的生物特征匹配的用戶名信息。

具體地，本實施例根據采集的到訪者的人臉生物特征在互聯網上搜索與之對應的用戶名信息。這主要是基于現有用戶在互聯網上進行身份注冊時，往往會被要求提供對應的生物特征，例如人臉、簽名等。本實施例正是基于這兩者的相關性，首先通過到訪者的生物特征在互聯網上搜索獲取與之匹配的用戶名信息，然后根據用戶名信息識別到訪者的身份。

步驟S303，根據用戶名信息識別到訪者的身份。

假設本實施例根據到訪者的用戶名信息獲得到訪者的電話號碼為13100000000。需要說明的是，本實施例中所指的到訪者的身份可以是任何用于表征到訪者的身份屬性信息，例如到訪者的名稱，聯系電話，郵箱地址，身份證號碼等等。

步驟S304，判斷到訪者是否第一次到訪，若是，則根據到訪者的身份采集與預先設定的輸入特征條目對應的屬性信息，并根據屬性信息預測到訪者的到訪意圖，若否，則獲取到訪者的歷史到訪意圖。

具體地，本實施例假設不能根據到訪預約記錄匹配獲得到訪者的到訪意圖，則根據到訪者的歷史到訪記錄推測到訪者的到訪意圖。具體地，首先根據到訪者的身份（電話號碼為13100000000）判斷到訪者是否第一次到訪，若是，則根據到訪者的身份采集與預先設定的輸入特征條目對應的屬性信息，并根據屬性信息預測到訪者的到訪意圖，若否，則獲取到訪者的歷史到訪意圖。在具體的實施過程中，本實施例可以通過在歷史到訪記錄中匹配是否有電話號碼為13100000000的到訪記錄，來判斷到訪者是否是第一次到訪。假設本實施例判斷出到訪者并非第一次到訪，則執(zhí)行步驟S305。

步驟S305，判斷歷史到訪意圖是否相同，若是，則將歷史到訪意圖作為到訪者當前的到訪意圖，若否，則將頻次最高的歷史到訪意圖作為到訪者當前的到訪意圖。

具體地，假設本實施例在系統(tǒng)存儲的歷史到訪記錄中匹配獲得到訪者的歷史到訪意圖有三個，分別為送資料、開會、培訓，并且頻次最高的歷史到訪意圖為培訓，則將培訓作為到訪者當前的到訪意圖。

步驟S306，獲取預先設定的與到訪意圖匹配的機器人服務選項。

具體地，由于本實施例獲取到到訪者的到訪意圖為培訓，則根據預先設定的與到訪意圖匹配的機器人服務選項可以獲取接待機器人與之對應的服務選項，假設為引導至培訓室。

步驟S307，根據預先設定的與機器人服務選項對應的服務規(guī)則與到訪者進行人機交互，并基于人機交互對到訪者進行服務。

具體地，本實施例在引導到訪者至培訓室的過程中還可以根據預先設定的與機器人服務選項（引導至培訓室）對應的服務規(guī)則（例如向到訪者詢問培訓的課程，培訓的地點等等）與到訪者進行人機交互，并基于人機交互對到訪者進行服務。

本實施例通過識別到訪者的身份，并根據到訪者的身份以及根據到訪者的身份獲得的到訪者的歷史到訪記錄推測出到訪者的到訪意圖，并最終根據推測出的到訪意圖對其進行針對性的接待服務，解決了現有接待機器人無法針對不同到訪目的的到訪者進行針對性接待服務的技術問題，不僅能自動識別到訪者并推測獲取到訪者的到訪意圖，還可以針對到訪者的到訪意圖提供個性化的服務，智能化程度高，用戶體驗佳。

精簡實施例三

參照圖4，本發(fā)明的精簡實施例三提供的接待機器人的服務方法，包括：

步驟S401，識別到訪者的身份。

具體地，假設本實施例根據生物特征識別技術識別出到訪者的名稱為李四。

步驟S402，判斷到訪者是否第一次到訪，若是，則根據到訪者的身份采集與預先設定的輸入特征條目對應的屬性信息。

具體地，假設本實施例判斷出到訪者是第一次到訪企業(yè)或單位，則根據到訪者的身份采集與預先設定的輸入特征條目對應的屬性信息。其中，預先設定的輸入特征條目可以為一個或多個組合，例如到訪者的興趣愛好、、職業(yè)信息、性別、身份信息、年齡、職位等級等等。

步驟S403，預先設定到訪意圖輸出類別。

由于本實施例需要根據到訪者的屬性信息獲得與其對應的到訪意圖，故先訓練用于識別到訪意圖輸出類別的分類器，且在訓練分類器時，預先設定到訪意圖輸出類別。在具體的實施過程中，本實施例可以自定義到訪意圖輸出類別，也可以根據不同的企業(yè)或單位設置與其對應的到訪意圖輸出類別。

步驟S404，采集訓練樣本的與輸入特征條目對應的樣本行為數據，并根據樣本行為數據提取訓練樣本的輸入特征向量。

具體地，本實施例首先采集訓練樣本的與輸入特征條目對應的樣本行為數據，并根據樣本行為數據提取訓練樣本的輸入特征向量。其中，訓練樣本的數量應盡可能大，從而保證到訪意圖識別模型的識別率。假設本實施例的訓練樣本的數量為1000，則分別采集這1000個訓練樣本的與輸入特征條目對應的樣本行為數據，并根據采集的樣本行為數據提取訓練樣本的輸入特征向量。

步驟S405，根據輸入特征向量和訓練樣本的到訪意圖輸出類別訓練分類器，獲得到訪意圖識別模型。

步驟S406，根據到訪者的屬性信息以及到訪意圖識別模型，預測到訪者的到訪意圖。

具體地，假設本實施例根據到訪者的屬性信息以及到訪意圖識別模型識別出到訪者的到訪意圖為求職面試。

步驟S407，根據到訪者的到訪意圖對其進行接待服務。

具體地，由于本實施例識別出到訪者的到訪意圖為求職面試，則接待機器人根據到訪者的到訪意圖對其進行相應服務。

本實施例通過識別到訪者的身份，并根據到訪者的屬性信息以及訓練好的用于識別到訪意圖的到訪意圖識別模型獲得到訪者的到訪意圖，以及根據到訪者的到訪意圖對其進行接待服務，解決了現有接待機器人無法針對不同到訪目的的到訪者進行針對性接待服務的技術問題，不僅能自動識別到訪者并推測獲取到訪者的到訪意圖，還可以針對到訪者的到訪意圖提供個性化的服務，智能化程度高，用戶體驗佳。

以上僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領域的技術人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。