[go: up one dir, main page]

TWI773506B - 緊急派遣員的虛擬助理 - Google Patents

緊急派遣員的虛擬助理 Download PDF

Info

Publication number
TWI773506B
TWI773506B TW110132478A TW110132478A TWI773506B TW I773506 B TWI773506 B TW I773506B TW 110132478 A TW110132478 A TW 110132478A TW 110132478 A TW110132478 A TW 110132478A TW I773506 B TWI773506 B TW I773506B
Authority
TW
Taiwan
Prior art keywords
virtual assistant
dispatcher
event
text
control unit
Prior art date
Application number
TW110132478A
Other languages
English (en)
Other versions
TW202244730A (zh
Inventor
魏吟軒
陳芊如
蔡郁彬
張富傑
尹又正
溫在慶
陳珮華
李祥賓
沈立健
熊暉
Original Assignee
八維智能股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 八維智能股份有限公司 filed Critical 八維智能股份有限公司
Application granted granted Critical
Publication of TWI773506B publication Critical patent/TWI773506B/zh
Publication of TW202244730A publication Critical patent/TW202244730A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Security & Cryptography (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Alarm Systems (AREA)
  • Telephonic Communication Services (AREA)

Abstract

一種緊急派遣員虛擬助理，可以增強派遣員執行任務的能力，同時減少人為錯誤。派遣員虛擬助理的功能包括即時更新緊急事件的狀態、建議或提醒派遣員在適當時機採取適當行動、回答派遣員對任務相關資訊的查詢，以及依派遣員的要求產出事件報告。派遣員虛擬助理包括一個基於機器學習和深度學習演算法的派遣員語言模型，用於從事件通話紀錄中即時分析抽取事件當時的狀態，以及處理和回應派遣員的查詢或要求。派遣員虛擬助理可以針對不同的緊急事件類型、事發當地社區而客製化。派遣員虛擬助理可以與現有的電腦輔助派遣系統結合使用。

Description

緊急派遣員的虛擬助理
本公開是關於虛擬助理、對話機器人、自然語言處理、機器人流程自動化、緊急派遣員和電腦輔助派遣。本公開描述用於輔助緊急派遣員的虛擬助理的系統和方法。
在任何人口密集的社區中，每天都會發生危及生命的緊急情況，例如建築物或車輛起火、醫療急救或犯罪事件。在通常狀況下，此類事件的通報是由事發現場民眾所撥打的緊急電話(例如119電話)所啟動的。當派遣中心(Dispatch Center)的接線員接到這些電話，會將其內容傳達給派遣員(Dispatcher)；派遣員根據電話的內容匯整線索、協調並部署急救人員到事發現場。依緊急事件的性質，急救人員可能是消防員、醫護人員或執法人員。在整個緊急應變的過程中，正確的行動、時間的掌握都對事件的後續發展及結果至關重要，即使短短的數秒鐘，都可能決定生命的拯救或喪失。
在所有涉及緊急應變工作流程的人員中，派遣員顯然扮演著核心角色。派遣員需要即時匯整來電(一個緊急事件有時會有數十個甚至數百個來電)、動態地評估事件的狀態、部署最適合前往救援的單位，並為急救人員提供關鍵的資訊、使他們能夠及早了解到達事發現場時將會面臨的情況。在現場，急救人員還需將他們對現場的評估回傳給派遣員，並持續從派遣員那裡獲得事 件的進一步資訊。
現代化的派遣中心通常配備有電腦輔助派遣系統(Computer-Aided Dispatch,CAD；參見美國國土安全部科技司的技術文件：《電腦輔助派遣系統》，發表於以下網址：https：//www.dhs.gov/sites/default/files/publications/CAD_TN_0911-508.pdf)。電腦輔助派遣系統是一個軟硬體整合系統，用於輸入、發送和記錄通話訊息，以輔助使用者處理緊急應變工作流程。緊急電話接線員可使用電腦輔助派遣系統來輸入通報電話的相關資訊，包括事件發生地點、通報人身份、事件類型(火災、傷害、盜竊等)，以及通報內容的摘要。派遣員可使用電腦輔助派遣系統來追蹤、更新緊急事件的狀態，以及與急救人員進行通話。先進的電腦輔助派遣系統還配備有地理資訊系統(Geographic Information System)和自動車輛定位(Automatic Vehicle Location)，可以幫助急救人員更快地趕到事發現場。電腦輔助派遣系統會自動將每條通話標以時間戳(timestamp)作成記錄，並儲存起來；因此，這些通話紀錄可以被逐條搜尋。
由於重度依賴派遣員的技能、經驗和成熟度，目前廣泛被使用的緊急應變工作流程並不十分可靠。具體來說，派遣員不僅需要將緊急電話接線員和急救人員傳來的大量訊息進行人工的過濾，而且還必需分分秒秒地將事件的狀態作人工的判斷及更新。現有的電腦輔助派遣系統雖然可以統合、儲存大量的緊急通話訊息，但並無法從根本解決上述問題。
完成了緊急事件的處理後，派遣員或其主管還需準備一份事件報告，以總結整個緊急事件的發生經過及處理過程。將碎片化的通話紀錄過濾、 摘要成一份事件報告是一個耗時且費力的過程。
在緊急應變管理的產業領域中，派遣員的短缺及高流動率又是另一個問題，且培訓新的派遣員既昂貴又費時，這都會對派遣中心的運營造成不利影響。
為了解決這些問題，本發明提供了一種用於輔助緊急派遣員的虛擬助理的系統及方法。基於機器學習和深度學習，這種虛擬助理可協助派遣員將其工作流程自動化，不但減少派遣員的人工作業量，更可提升派遣員的應對準確度及速度，因此在緊急應變的處理過程中，可將人為錯誤發生的機會大幅降低。
本發明提供一種緊急派遣員虛擬助理，可以增強派遣員執行任務的能力，同時減少人為錯誤。派遣員虛擬助理的主要功能包括即時更新緊急事件的狀態、建議或提醒派遣員在適當時機採取適當行動、回答派遣員對任務相關資訊的查詢，以及依派遣員的要求產出事件報告。派遣員虛擬助理系統包括虛擬助理控制單元、派遣員語言模型、事件狀態追蹤器、自然語言產生器、資料庫和圖形使用者界面。派遣員虛擬助理可以與現有的電腦輔助派遣系統結合使用。此外，派遣員虛擬助理還可用於派遣員的互動式培訓。
基於機器學習和深度學習演算法，派遣員語言模型是用於從事件通話紀錄中即時分析抽取事件當時的狀態，以及處理和回應派遣員的查詢或要求。派遣員語言模型可以針對不同的緊急事件類型、事發當地社區而客製化。
100:派遣員虛擬助理
102:虛擬助理控制單元
104:派遣員語言模型
106:事件狀態追蹤器
108:虛擬助理資料庫
110:自然語言產生器
112:虛擬助理圖形界面
120:電腦輔助派遣系統
122:派遣員
124:接線員
126:急救人員
130~190:資訊流
202:文本分類器
204:自然語言理解模組
206:情境對話管理模組
302:預訓練文本編碼器
304:文本序列
306:語境化的詞嵌入向量
308:全連接層
310:Softmax函式
312:多類別文本單詞
第1圖是本發明實施例的緊急派遣員虛擬助理系統(由虛線框標記)與電腦輔助派遣系統結合使用的方塊示意圖；實線箭頭表示派遣員虛擬助理系統內部的資訊流、或派遣員虛擬助理和電腦輔助派遣系統之間的資訊流；虛線箭頭表示緊急應變相關人員(派遣員、接線員和急救人員)與派遣員虛擬助理或電腦輔助派遣系統之間的資訊流。
第2圖是第1圖中派遣員語言模型架構的方塊示意圖。
第3圖是第2圖中文本分類器架構的方塊示意圖。
1、派遣員虛擬助理系統
第1圖為本發明緊急派遣員虛擬助理的一個實施例的示意圖。派遣員虛擬助理100系統包括虛擬助理控制單元102(Virtual Assistant Control Unit)、派遣員語言模型104(Dispatcher Language Model)、事件狀態追蹤器106(Incident Status Tracker)、虛擬助理資料庫108(Virtual Assistant Database)、自然語言產生器110(Natural Language Generator)和虛擬助理圖形界面112(Virtual Assistant Graphic User Interface)。雖然派遣員虛擬助理100可以作為獨立系統使用，但與電腦輔助派遣系統120結合起來使用時(如第1圖所示)，會有更佳的效果。派遣員虛擬助理100和電腦輔助派遣系統120之間的溝通可以經由應用程式介面(Application Programming Interface,API)來完成。派遣員虛擬助理各個組件的功能說明如下。
虛擬助理控制單元102負責派遣員虛擬助理的決策與其內部的資料流向、處理和儲存。它從電腦輔助派遣系統120或虛擬助理圖形界面112接收文本資料，並將資料發送到派遣員語言模型104進行處理。根據它從事件狀態追蹤器106取得的事件狀態值、或從派遣員122接收到的查詢或要求，虛擬助理控制單元102會指示自然語言產生器110產生對話訊息或事件報告，以供派遣員122讀取或轉送。虛擬助理控制單元102還負責將事件的即時資料(通話紀錄、事件狀態)傳送到虛擬助理資料庫108中儲存，或對其中的資料進行檢索。
派遣員語言模型104負責使用自然語言處理(Natural Language Processing)方法來處理文本資料，該自然語言處理方法是基於機器學習和深度學習演算法。派遣員語言模型104可以處理至少兩種類型的資料：一類資料是從電腦輔助派遣系統120傳來的事件通話紀錄，另一類資料是從虛擬助理圖形界面112傳來、出自派遣員122的查詢或要求。如第2圖所示，處理這兩類資料的方法和目的是不同的。處理事件通話紀錄時，文本分類器202(Text Classifier)會從該通話紀錄中抽取內含緊急事件狀態資訊的文本片段(詞或短語)。處理派遣員的查詢時，自然語言理解模組204(Natural Language Understanding)會分析該查詢的意圖，接著情境對話管理模組206(Contextual Dialog Management)會分析該查詢的上下文情境。自然語言理解模組204和情境對話管理模組206的組合是要讓派遣員虛擬助理控制單元102了解派遣員查詢的意圖及情境，並通過自然語言產生器110為其提供最佳回應。文本分類器202、自然語言理解模組204和情境對話管理模組206皆能夠即時地、逐句地處理文本資料，因此，派遣員虛擬助理100可以為派遣員122提供即時的服務。
事件狀態追蹤器106可根據文本分類器202分析事件通話紀錄的輸出而推導出事件的狀態(Status of Incident)。事件通話紀錄是由接線員124、急救人員126和派遣員122所輸入的非結構化的文本資料。為了使用文本分類器202分析通話紀錄，本發明提供了一個包含多個屬性(Properties)的事件狀態物件(Incident Status Object)，每個屬性可描述事件的一個面像。例如，建築物火災的事件狀態物件包含以下屬性：建築物類型(透天厝、集合住宅、高層建築物、百貨商場、旅館、學校、醫院、工廠、倉庫等)、建築物構造(木造屋、磚造屋、鐵皮屋、鋼筋混凝土結構RC、鋼骨結構SRC等)、建物樓層(層數)、起火樓層、火勢情況(尚未延燒、火勢延燒、火勢擴大、火勢控制、火勢撲滅)、濃煙顏色(無煙、黑色、白色、其他色)、有無火焰、傷亡資訊、失聯狀況等。這些屬性依事件類型而不同；總體來說，這些屬性必須能夠充分描述特定類型事件(如火災、醫療、犯罪等)的狀態。隨著緊急情況的進展，事件狀態的屬性值將不斷地由文本分類器202及事件狀態追蹤器106從事件通話紀錄中自動抽取及更新。根據當前的事件狀態，派遣員虛擬助理控制單元102會主動提供建議給派遣員122，使其在適當的時機採取適當的行動。
虛擬助理資料庫108儲存帶有時間戳的事件通話紀錄和事件狀態資料，以供虛擬助理控制單元102檢索及使用。虛擬助理資料庫108還可儲存與派遣任務相關的資訊。在處理緊急事件期間、或平時接受培訓時，派遣員122可以通過虛擬助理圖形界面112向虛擬助理100提出任務相關的問題，並於該圖形界面上收到虛擬助理的即時應答。
自然語言產生器110依虛擬助理控制單元102的指示而回應派遣員122，根據不同的使用需求，虛擬助理的回應形式可以是對話訊息、事件報告或 其他資訊形式。由於緊急派遣屬於關鍵性任務，為了避免虛擬助理在使用過程中發送出任何非預期的回應，自然語言產生器110較合適的演算法是基於規則(Rule-Based)而非機器學習。
虛擬助理圖形界面112是派遣員122和派遣員虛擬助理100之間的使用者界面，以文字和圖像為主要溝通媒介，但也可包含語音溝通。
派遣員虛擬助理100的硬體部份至少應包括伺服器、顯示器和標準的輸入、輸出設備，如鍵盤、滑鼠、觸控螢幕、麥克風和揚聲器等。
一個派遣員虛擬助理100可以為多個派遣員任務提供服務，用於處理各種類型的緊急情況。例如建築物火災、車輛火災和山林野火，雖都屬火災緊急情況，卻有各自不同的緊急應變流程；因此，派遣員虛擬助理100就需要客製化訂製三個不同的派遣員任務。此外，基於事發當地的法令規章或實際考量，即使是相同的派遣員任務，也可能需要為不同的社區客製化訂製不同的派遣員任務。本發明的派遣員虛擬助理100使用的模組化架構可容許更有效率的客製化訂製。例如，使用相同的文本分類器202、自然語言理解模組204、情境對話管理模組206等軟體引擎，虛擬助理開發人員只需輸入一個特定任務的歷史資料集作為訓練數據，就可以產出針對該特定任務的客製化派遣員語言模型104。
2、抽取事件狀態(Incident Status Extraction)
第3圖是實施例中用於從事件通話紀錄中抽取事件狀態資訊的文本分類器202的示意圖。文本分類器202的核心是一個預訓練文本編碼器302 (Pre-trained Text Encoder)，是基於變換器的雙向編碼器表示技術(Bidirectional Encoder Representations from Transformers,BERT)或其衍生的深度學習模型。
BERT模型最初由Google開發出來，是一種文本編碼器，以單詞化的文本序列304(Tokenized Text Sequence)作為輸入：w1到wn，其中n是輸入文本單詞(Text Token)的最大數目，並以對應每個單詞的語境化的詞嵌入向量306(Contextualized Word-Embedding Vector)作為輸出。在BERT的基礎版本中，n=512，嵌入向量維度為768(參見J.Devlin、M.W.Chang、K.Lee、K.Toutanova的原始文章：“BERT：Pre-training of Deep Bidirectional Transformers for Language Understanding”,arXiv：1810.04805(2019))。BERT模型已經使用一個包含大約30,000個文本單詞的大型文本資料庫進行過預訓練，因此可被視為通用的文本編碼器。為改進BERT原始模型，許多BERT衍生模型已經被開發出來、並作了預訓練(參見A.Rogers、O.Kovaleva、A.Rumshisky的評論文章：“A Primer in BERTology：What We Know About How BERT Works”,arXiv：2002.12327(2020))。ELECTRA是BERT系列的最新成員，在自然語言處理方面相當成功(K.Clark、M.T.Luong、Q.V.Le、C.D.Manning：“ELECTRA：Pre-training Text Encoders as Discriminators Rather Than Generators”,arXiv：2003.10555(2020))。
文本分類器202的解碼器(Decoder)包括一個全連接層308(Fully Connected Layer)和一個Softmax函式310。文本分類器202的輸出為多類別文本單詞312(Multi-Class Text Tokens)。輸出的文本單詞是從輸入的文本序列304(即事件通話紀錄中的個別文句)中抽取與事件狀態相關的詞或短語。
在運作時，文本分類器202會為每個輸出的文本單詞標註上對應於事 件狀態物件的屬性。例如，對於輸入訊息：『我看到有黑煙從XYZ旅館的十樓窗戶冒出來』，文本分類器202會輸出三個文本單詞：『黑煙』、『十樓』和『XYZ旅館』，並分別標註『濃煙顏色』、『起火樓層』和『建築物類型』。緊接著，事件狀態追蹤器106會抽取事件狀態物件的相對應屬性值：『黑』、『10』和『旅館』。
在派遣員虛擬助理100可以被應用於特定的任務之前，派遣員語言模型104需要經過訓練，並且事件狀態追蹤器106和自然語言產生器110都需要針對該任務進行客製化。特定派遣員任務的訓練資料可以從該任務的許多歷史事件的通話紀錄取得，而這些資料還需要先行標註才能用於模型訓練。根據經驗，對於一個包含三十個屬性的事件狀態物件，使用一組數千條標註過的通話紀錄作為訓練資料，已能訓練出一個客製化且有效的的派遣員虛擬助理100。
3、派遣員虛擬助理的循環流程(Process Cycles)
一個典型的緊急應變過程是由第一位民眾撥打緊急通報電話給派遣中心而啟動，直到事件的結束，可能有數十條甚至數百條關於該事件的電話和文字訊息往來於民眾與接線員124之間、或急救人員126與派遣員122之間。這些通訊都會被記錄在電腦輔助派遣系統120中。
派遣員虛擬助理100的作用是協助派遣員122在執行緊急應變的流程中能提高效率和減少人為錯誤。本發明的一大優點是可以將派遣員虛擬助理結合在現有的緊急應變工作流程中而不會對其造成干擾。換言之，派遣員虛擬助理自己的循環流程可以與緊急應變的主流程同時且平行地運作。
派遣員虛擬助理100的主要功能包括(A)即時更新事件狀態，(B)建議或提醒派遣員在適當的時機採取下一步動作，(C)回應派遣員提出對任務相關資訊的查詢，以及(D)依派遣員提出的要求產出事件報告。這些功能分別通過四個對應的循環流程來實現。對應功能(A)和(B)的兩個循環流程會在任一進行中的緊急事件期間自動且重覆地執行，對應功能(C)和(D)的兩個循環流程則由派遣員啟動而作一次性執行。這四個循環流程分別在以下段落中說明。
A.即時更新事件狀態：(1)參照第1圖，在緊急事件期間，新的通話訊息由接線員124或急救人員126輸入到電腦輔助派遣系統120中；(2)該訊息通過應用程式介面(API)自動傳送至虛擬助理控制單元102；(3)虛擬助理控制單元102將該訊息儲存到虛擬助理資料庫108，同時將該訊息傳送給派遣員語言模型104進行分析；(4)派遣員語言模型104從通話訊息中抽取與事件狀態相關的文本單詞(詞或短語)，並將抽取結果傳送至事件狀態追蹤器106；(5)事件狀態追蹤器106從步驟(4)的文本單詞推導出事件狀態物件的對應屬性值；(6)事件狀態追蹤器106將更新的事件狀態物件傳送至虛擬助理控制單元102，後者再將更新的事件狀態物件儲存到虛擬助理資料庫108。
上述循環流程的資訊流由箭頭130或132、134、136及138、140、142、144依序標示。
B.建議派遣員執行下一步動作：(1)在緊急事件期間，若虛擬助理控制單元102根據當前事件狀態判斷派遣員122應該採取一個新的行動或完成某個未完成的行動，就會主動指示自然語言產生器110傳送建議或提醒給派遣員122採取該行動；(2)根據步驟(1)的指示，自然語言產生器110將建議或提醒訊息傳送至虛擬助理圖形界面112；(3)派遣員122可以在虛擬助理圖形界面112上讀取虛擬助理100的建議或提醒；(4)如果上述動作涉及派遣員122需與急救人員126溝通，則派遣員122可借助電腦輔助派遣系統120來進行溝通。
上述循環流程的資訊流由箭頭146、148、150、152、154依序標示。
C.回應派遣員對任務相關資訊的查詢：(1)在處理緊急事件期間、或平時接受培訓時，派遣員122可以向派遣員虛擬助理100查詢與任務相關的資訊。派遣員122可使用虛擬助理圖形界面112輸入查詢；(2)虛擬助理圖形界面112將該查詢轉發給虛擬助理控制單元102；(3)虛擬助理控制單元102再將查詢傳送至派遣員語言模型104進行分析；(4)在分析完派遣員查詢的意圖及情境之後，派遣員語言模型104依結果指示自然語言產生器110產出適當的回應訊息；(5)自然語言產生器110通過虛擬助理圖形界面112向派遣員122發 送回應訊息。
上述循環流程的資訊流由箭頭160、162、164、166、168、170依序標示。
D.依派遣員的要求產出事件報告：(1)在緊急事件期間、或事件結束後，派遣員122可以要求虛擬助理100產出一份事件報告；派遣員122通過虛擬助理圖形界面112輸入該要求；(2)虛擬助理圖形界面112將該要求轉發給虛擬助理控制單元102；(3)虛擬助理控制單元102從虛擬助理資料庫108中檢索事件狀態物件的最新版本，並將其傳送給自然語言產成器110；(4)使用步驟(3)中接收的事件狀態資料，自然語言產生器110產出一份事件報告，並將其傳送到電腦輔助派遣系統120以供派遣員122讀取或轉送。
上述循環流程的資訊流由箭頭180、182、184、186、188、190依序標示。
綜上所述，本發明提供的派遣員虛擬助理，可以增強緊急派遣員的應變能力，同時可減少人為錯誤。派遣員虛擬助理的主要功能包括即時更新緊急事件狀態、建議或提醒派遣員適時採取適當行動、回答派遣員對任務相關資訊的查詢，以及依派遣員的要求產出事件報告。派遣員虛擬助理系統包括虛擬助理控制單元、派遣員語言模型、事件狀態追蹤器、自然語言產生器、資料庫和圖形界面。派遣員虛擬助理可以與現有的電腦輔助派遣系統結合使用。此外，派遣員虛擬助理還可用於派遣員的互動式培訓。
派遣員語言模型是基於機器學習和深度學習演算法，用於從事件通話紀錄中即時分析抽取事件當時的狀態，並處理和回應派遣員提出的查詢或要求。派遣員語言模型可以針對不同的緊急事件類型、不同的事發當地社區而客製化。以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。
100:派遣員虛擬助理
102:虛擬助理控制單元
104:派遣員語言模型
106:事件狀態追蹤器
108:虛擬助理資料庫
110:自然語言產生器
112:虛擬助理圖形界面
120:電腦輔助派遣系統
122:派遣員
124:接線員
126:急救人員
130~190:資訊流

Claims (4)

  1. 一種增強緊急派遣員(Emergency Dispatcher)處理緊急事件的能力的虛擬助理(Virtual Assistant)系統，包括：一電腦輔助派遣系統，用於輔助輸入及發送一事件的通話紀錄；及一派遣員虛擬助理，包含：一虛擬助理控制單元，耦接於該電腦輔助派遣系統，用於管理該虛擬助理的決策與其內部的資料流向、處理和儲存，該決策及資訊流管理係基於分析該事件的通話紀錄或該派遣員對該虛擬助理提出的查詢或要求；一派遣員語言模型(Dispatcher Language Model)，耦接於該虛擬助理控制單元，用於即時從該通話紀錄中抽取該事件狀態相關的文本片段，或用於分析該派遣員對該虛擬助理提出的查詢或要求；一事件狀態追蹤器(Incident Status Tracker)，耦接於該虛擬助理控制單元，用於即時從該事件狀態相關的文本片段中推導出一事件狀態物件(Incident Status Object)，該事件狀態物件係由一組描述該事件狀態的屬性(Properties)所組成；一虛擬助理資料庫，耦接於該虛擬助理控制單元，用於儲存派遣任務相關資訊、該通話紀錄、及該事件狀態物件的屬性值；一自然語言產生器，耦接於該虛擬助理控制單元，用於產生文字訊息或事件報告，該文字訊息或該事件報告係基於該事件狀態物件的屬性值的變化、或回應該派遣員提出的查詢或要求而產生；及一虛擬助理圖形界面，耦接於該虛擬助理控制單元，用於該派遣員與該虛擬助理系統之間的溝通；其中當至少一接線員輸入該通話紀錄至該電腦輔助派遣系統，該電腦輔助 派遣系統傳送該通話紀錄至該虛擬助理控制單元，該虛擬助理控制單元將該通話紀錄儲存到該虛擬助理資料庫及傳送給該派遣員語言模型進行分析，該派遣員語言模型從該通話紀錄中抽取與該事件狀態相關的文本片段並傳送至該事件狀態追蹤器，該事件狀態追蹤器從該文本片段中推導出該事件狀態物件，該事件狀態追蹤器將該事件狀態物件傳送至該虛擬助理控制單元，該虛擬助理控制單元根據該事件狀態物件指示該自然語言產生器產生該文字訊息並傳送該文字訊息至該虛擬助理圖形界面，該派遣員由該虛擬助理圖形界面讀取該文字訊息，以及該派遣員由該電腦輔助派遣系統與至少一急救人員進行溝通。
  2. 如請求項1所述的派遣員虛擬助理系統，其中該派遣員語言模型包括：一文本分類器(Text Classifier)，用於從該通話紀錄中抽取該事件狀態相關的文本片段；一自然語言理解模組(Natural Language Understanding)，用於分析該派遣員對該虛擬助理提出的查詢或要求的意圖；及一情境對話管理模組(Contextual Dialog Management)，用於分析該派遣員對該虛擬助理提出的查詢或要求的上下文情境。
  3. 如請求項2所述的派遣員虛擬助理系統，其中該文本分類器包括：一預訓練文本編碼器(Pre-trained Text Encoder)，是基於變換器的雙向編碼器表示技術(Bidirectional Encoder Representations from Transformers,BERT)或其衍生的深度學習模型；及一解碼器(Decoder)，包含一全連接層(Fully Connected Layer)和一Softmax 函式；其中該文本分類器將該通話紀錄逐句作為輸入，從各輸入句中抽取與該事件狀態相關的文本片段，並將各文本片段分別標註以該事件狀態物件的屬性作為輸出。
  4. 一種操作如請求項1所述的派遣員虛擬助理系統的方法，包括以下循環流程(Process Cycles)的各種組合：該虛擬助理即時從該事件通話紀錄中自主抽取該事件狀態物件的更新屬性；該虛擬助理根據該事件狀態物件的更新屬性，自主建議或提醒該派遣員在適當時機採取適當行動；該虛擬助理處理和回應該派遣員針對派遣任務相關資訊提出的查詢；及該虛擬助理根據該派遣員提出的要求產出事件報告。
TW110132478A 2021-05-13 2021-09-01 緊急派遣員的虛擬助理 TWI773506B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/319,114 2021-05-13
US17/319,114 US11615252B2 (en) 2021-05-13 2021-05-13 Virtual assistants for emergency dispatchers

Publications (2)

Publication Number Publication Date
TWI773506B true TWI773506B (zh) 2022-08-01
TW202244730A TW202244730A (zh) 2022-11-16

Family

ID=83807143

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110132478A TWI773506B (zh) 2021-05-13 2021-09-01 緊急派遣員的虛擬助理

Country Status (3)

Country Link
US (1) US11615252B2 (zh)
CN (1) CN115345407A (zh)
TW (1) TWI773506B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12468895B2 (en) * 2022-06-21 2025-11-11 Kore.Ai, Inc. Systems and methods for training a virtual assistant
WO2024238374A1 (en) * 2023-05-12 2024-11-21 Lifespot Technology, Inc. Systems and methods for determining actions during emergencies
US20250104414A1 (en) * 2023-09-21 2025-03-27 Google Llc Conversational Assistants For Emergency Responders
CN119444239A (zh) * 2024-10-30 2025-02-14 国网青海省电力公司海北供电公司 供电服务ai虚拟坐席助理
CN119296518B (zh) * 2024-12-13 2025-02-28 中国民用航空飞行学院 基于语言识别的客舱服务自动化分类与执行方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180325469A1 (en) * 2017-05-09 2018-11-15 LifePod Solutions, Inc. Voice controlled assistance for monitoring adverse events of a user and/or coordinating emergency actions such as caregiver communication
CN109658928A (zh) * 2018-12-06 2019-04-19 山东大学 一种家庭服务机器人云端多模态对话方法、装置及系统
TW201921905A (zh) * 2017-08-29 2019-06-01 美商高通公司 使用語音和感測器資料擷取的緊急回應
US10943463B1 (en) * 2018-02-19 2021-03-09 Agape Grace Clark Technologies for assistance and security services

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102262624A (zh) * 2011-08-08 2011-11-30 中国科学院自动化研究所 基于多模态辅助的实现跨语言沟通系统及方法
US10115283B1 (en) * 2017-03-14 2018-10-30 Symantec Corporation Systems and methods for providing assistance to users in emergency situations
CN111095259B (zh) * 2017-10-25 2023-08-22 谷歌有限责任公司 使用n-gram机器的自然语言处理
US11010561B2 (en) * 2018-09-27 2021-05-18 Apple Inc. Sentiment prediction from textual data
CN109215654A (zh) * 2018-10-22 2019-01-15 北京智合大方科技有限公司 实时语音识别和自然语言处理的移动端智能客服辅助系统
US11544461B2 (en) * 2019-05-14 2023-01-03 Intel Corporation Early exit for natural language processing models
US12361221B2 (en) * 2019-05-15 2025-07-15 Nvidia Corporation Grammar transfer using one or more neural networks
CN111246008A (zh) * 2020-01-10 2020-06-05 三星电子（中国）研发中心 一种电话助理的实现方法、系统及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180325469A1 (en) * 2017-05-09 2018-11-15 LifePod Solutions, Inc. Voice controlled assistance for monitoring adverse events of a user and/or coordinating emergency actions such as caregiver communication
TW201921905A (zh) * 2017-08-29 2019-06-01 美商高通公司 使用語音和感測器資料擷取的緊急回應
US10943463B1 (en) * 2018-02-19 2021-03-09 Agape Grace Clark Technologies for assistance and security services
CN109658928A (zh) * 2018-12-06 2019-04-19 山东大学 一种家庭服务机器人云端多模态对话方法、装置及系统

Also Published As

Publication number Publication date
US11615252B2 (en) 2023-03-28
TW202244730A (zh) 2022-11-16
US20220366146A1 (en) 2022-11-17
CN115345407A (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
TWI773506B (zh) 緊急派遣員的虛擬助理
US11120798B2 (en) Voice interface system for facilitating anonymized team feedback for a team health monitor
US20200019893A1 (en) Preventative diagnosis prediction and solution determination of future event using internet of things and artificial intelligence
CN116324792A (zh) 与通过从自然语言会话挖掘意图来进行机器人创作相关的系统和方法
US20240283868A1 (en) Systems and methods relating to generating simulated interactions for training contact center agents
WO2006076398B1 (en) Predictive analytic method and apparatus
CN112069206B (zh) 基于rpa及ai的数据查询方法、装置、介质及计算设备
CN114418093B (zh) 训练路径表征模型、输出信息的方法和装置
US20220108164A1 (en) Systems and methods for generating automated natural language responses based on identified goals and sub-goals from an utterance
Yu et al. Airport emergency rescue model establishment and performance analysis using colored Petri nets and CPN tools
Boland et al. Advanced clinical interventions performed by emergency medical responder firefighters prior to ambulance arrival
US20250358366A1 (en) Methods and systems for an emergency response digital assistant
CN115867978A (zh) 用于提供智能型药物警戒平台的方法以及装置
Thuestad et al. Speech-to-text models to transcribe emergency calls
US12405986B2 (en) Efficient content extraction from unstructured dialog text
US8051026B2 (en) Rules collector system and method with user interaction
JP2019071106A (ja) 企業にとって関連する情報を識別する、システム及び方法
US12438983B2 (en) Communication session interruption and dynamic learning system
US12301761B1 (en) Intelligent routing signaling system
US12452369B1 (en) Agentic AI emergency response analytics
CN121458025A (zh) 一种电力营销服务全景风险预警方法、系统、设备及介质
JP2008234306A (ja) 対応行動予測システムおよび対応行動予測方法
CN113657791A (zh) 基于rpa及ai的险情应急处理方法、装置、设备及介质
KR20230168601A (ko) 인공 지능 기반의 의사 결정 지원 방법 및 장치
Arthika et al. Development of AI Chatbot to learn programming.