-
Technisches
Gebiet
-
Diese
Erfindung bezieht sich allgemein auf Systeme für die Telefonkommunikation
und insbesondere auf ein Verfahren und eine Vorrichtung zur Bestimmung
einer optimalen Folge von Telefonnummern zur Weiterleitung von Anrufen,
die an eine persönliche
Telefonnummer gerichtet wurden. Die Erfindung bezieht sich weiterhin
auf Systeme, die auf Künstliche-Intelligenz-Techniken
beruhen, insbesondere auf die, die eine Wissensverarbeitung verwenden,
und insbesondere auf adaptive oder trainierbare Systeme, die Sätze von
Regeln schaffen und parallele verteilte Verarbeitungskomponenten
verwenden.
-
Stand der
Technik
-
Telekommunikationsdienst-Gesellschaften haben
begonnen, mit Systemen zu experimentieren, die „persönliche Telefonnummern" verwenden. Persönliche Telefonnummern
werden Personen statt bestimmten physikalischen Telefongeräten zugeordnet. Wenn
ein Anruf an die persönliche
Telefonnummer eines Teilnehmers gemacht wird, so wird der Anruf
an ein Telefongerät
an einem einer Anzahl von Orten in Abhängigkeit von dem Aufenthaltsort
des Teilnehmers zu einer bestimmten Zeit weitergeleitet. Die Hauptschwierigkeit
bei einer effektiven Realisierung von persönlichen Telefonnummern umfasst
die genaue Bestimmung, an welchen physikalischen Telefonapparat
die Anrufe weiterzuleiten sind.
-
Es
wurden verschiedene Lösungen
zur Behandlung dieses Problems vorgeschlagen. Diese Lösungen können in „Finde
Mich"- und „Folge-Mir"-Verfahrensweisen
kategorisiert werden. Systeme, die die „-Finde-Mich"-Lösung verwenden,
leiten Anrufe an eine persönliche
Telefonnummer typischerweise an Telefongeräte entsprechend einer voreingestellten
Folge und solange weiter, bis der Teilnehmer lokalisiert wurde.
Die „Folge-Mir"-Systeme leiten an eine
persönliche
Telefonnummer gerichtete Anrufe an Telefonapparate entsprechend
der Aktivitäten
des Teilnehmers in der zuletzt vergangenen Zeit weiter.
-
Beispielsweise
schlagen Jordan et al. (US-Patent 4 313 035) ein System zum Verfolgen
des Aufenthaltsortes des Teilnehmers und zum Lenken von Anrufen
an das Telefon, an dem der Teilnehmer zu einer bestimmten Zeit gefunden
werden kann, oder zur Anzeige an den Anrufer vor, dass sich der Teilnehmer
im Übergang
zwischen Aufenthaltsorten befindet. Ein wesentliches Problem bei
diesem System besteht darin, dass es erfordert, dass der Teilnehmer
einen Anruf zur Aktualisierung einer System-Datenbank jedesmal dann
ausführt,
wenn er seinen Aufenthaltsort ändert.
-
Bissell
et al. schlagen eine weitere Lösung
in dem US-Patent 5 243 645 vor. Dieses Patent offenbart ein System,
das an eine persönliche
Telefonnummer (oder eine übliche
Nummer) gerichtete Anrufe auf der Grundlage von Informationen weiterleitet,
die gewonnen wird, wenn der einzelne Teilnehmer irgendeine Aktivität ausführt, wie
z. B. Kreditkarten-Anrufe, Kreditkarten-Transaktionen oder automatische
Kauftransaktionen, die seinen Aufenthaltsort anzeigen. Wenn eine
derartige Aktivität
ausgeführt
wird, wird der Aufenthaltsort des Teilnehmers, möglicherweise unter Einschluss
der Telefonnummer, in einer Datenbank aufgezeichnet, die den Aufenthaltsort
des Teilnehmers verfolgt. Anrufe können dann an die bestimmte
Telefonnummer weitergeleitet werden, die dem letzten bekannten Aufenthaltsort des
Teilnehmers zugeordnet ist, oder an die Telefonnummer in der definierten
Liste von Anrufen des Teilnehmers, die dem letzten bekannten Aufenthaltsort am
nächsten
ist, wie dies durch die Vorwahl, den Zellularbereich, den Suchrufbereich
usw. angezeigt ist.
-
Ein
Problem bei dieser Lösung
besteht darin, dass sie einen Weiterleitungsort für Anrufer
an eine persönliche
Telefonnummer liefert, der nur für
eine kurze Zeit verfügbar
sein kann. Die neue Nummer ist nur so lange gültig, wie der Teilnehmer an
dem Ort bleibt, an dem er diese Aktivität ausführte.
-
Es
gibt außerdem
viele andere Schwierigkeiten beim Aufbau eines derartigen Systems,
unter Einschluss von Problemen der Integration und Koordination
von Datenbanken und Kommunikationssystemen, die für unterschiedliche
Zwecke gebaut wurden. Beispielsweise müssen Systeme, die Kreditkarten-Transaktionen
verwalten, das Anrufweiterleitungs-System über den Aufenthaltsort eines
Teilnehmers informieren, wenn der Teilnehmer an einer Transaktion
unter Verwendung seiner Kreditkarte teilnimmt. Dies erfordert es,
dass das Kreditkartensystem Informationen über Anrufweiterleitungs-Teilnehmer
speichert und den Anrufweiterleitungs-Dienst informiert, wenn die
Kreditkarten-Transaktion stattfindet.
-
Eine
weitere Möglichkeit
zur Lösung
des Anrufweiterleitungs-Dilemmas wurde von Brennan et al. in dem
US-Patent 5 329 578 vorgeschlagen. Dieses Patent offenbart ein System,
das Anrufe an eine persönliche
Telefonnummer an physikalische Orte von Telefonapparaten entsprechend
der Information in einem „Diensteprofil" lenkt, das von dem
Teilnehmer aufgebaut wird. Der Teilnehmer definiert eine Folge von
Nummern zur Lokalisierung des Teilnehmers. Die Anruflenkung hängt somit
von einem Zeitplan ab, der von dem Teilnehmer festgelegt wird, das
heißt der
Tag und die Zeit eines Anrufs. Zusätzlich kann das in diesem Patent
beschriebene System Anrufe entsprechend der Anrufer-Leitungssidentifikation weiterleiten
(wobei beispielsweise die Weiterleitung von Anrufen von bestimmten
Nummern verweigert wird) und entsprechend der Dringlichkeit des
Anrufs (beispielsweise durch Abspielen einer vorher aufgezeichneten
Ankündigung,
die anzeigt, dass nur Notrufe angenommen werden, und durch Fragen,
ob der Anruf ein Notruf ist, wobei eine entsprechende Lenkung erfolgt).
-
Ein
Nachteil der „Diensteprofil"-Lösung ist die
Schwierigkeit, die Daten einzugeben, besonders von einem Telefon
aus, was eine komplizierte interaktive Sprachausgabe-Schnittstelle erfordert.
Obwohl ein Kundendienst-Vertreter helfen kann, das Diensteprofil
zu schaffen, möglicherweise
unter Verwendung einer Desktop-Arbeitsstation
und einer grafischen Benutzerschnittstelle, ist der Einsatz eines
Vertreters für
diese Aufgabe nicht effizient. Weiterhin ist diese Lösung nicht
flexibel und erfordert Änderungen
an dem Diensteprofil, wenn der Teilnehmer seine oder ihr Aktivitätsmuster
entweder dauernd oder vorübergehend ändert. Weiterhin
kennen viele Teilnehmer nicht in ausreichender Weise ihr eigenes
Aktivitätsmuster,
um einen genauen Zeitplan zu schaffen.
-
Obwohl
die Lösung,
bei der das System eine Folge von Anrufen versucht, das heißt die „Finde-Mich"-Lösung, in
vielen Fällen
effektiv ist, ist es typischerweise wenig wirkungsvoll, weil es
erfordert, dass der Anrufer warten muss, während das System drei oder
vier Mal jede Nummer in der Folge anwählt. Es ist daher sehr wünschenswert,
ein Verfahren zur Verwendung der „Finde-Mich"-Lösung zu
haben, das sowohl einfach aufzubauen als auch zu warten ist und
das eine Folge von Nummern bestimmen kann, die zu einer vorgegebenen
Zeit anzurufen sind, wobei diese Folge die Anzahl von Anrufen zu
einem Minimum macht, die zum Erreichen des Teilnehmers erforderlich
sind.
-
Die
internationale Patentanmeldung WO96/07286 beschreibt ein Anrufweiterleitungs-System in einem zellularen
Netzwerk, in dem der Teilnehmer eine Prioritätenreihenfolge von Anruf-Aufenthaltsorten
festlegt, an denen er erreicht werden kann. Die Reihenfolge kann
entsprechend dem letzten Anruf modifiziert werden.
-
Offenbarung
der Erfindung
-
Die
Anrufweiterleitung kann durch Systeme und Verfahren in Übereinstimmung
mit dieser Erfindung verbessert werden, die ein Modell eines Teilnehmerverhaltens
verwenden, um Folgen von Telefonapparaten oder -geräten zu bestimmen,
an die Anrufe weiterzuleiten sind. Die Folgen können sich entsprechend der
Tageszeit und dem Wochentag ändern.
-
Systeme
und Verfahren in Übereinstimmung mit
dieser Erfindung verwenden die folgenden Schritte zur Weiterleitung
von Telefonanrufen:
- (a) Empfangen eines Anrufs
an eine Telefonnummer, die einem Teilnehmer zugeordnet ist;
- (b) Vorhersagen, auf der Grundlage eines Modells des Verhaltens
des Teilnehmers, von Wahrscheinlichkeiten, dass sich ein Teilnehmer
an Orten befindet, die gespeicherten Telefonnummern entsprechen,
durch Anwenden von Wertigkeiten, die den Telefonnummern zugeordnet
sind, so dass das letzte Teilnehmerverhalten gegenüber einem
vorhergehenden Teilnehmerverhalten begünstigt wird;
- (c) Bestimmen einer Folge der gespeicherten Telefonnummern entsprechend
der vorhergesagten Wahrscheinlichkeiten; und
- (d) Weiterleiten des Anrufs an zumindest eine der gespeicherten
Telefonnummern entsprechend der Folge.
-
Das
Modell des Teilnehmerverhaltens kann Wertigkeiten einschließen, die
aus Daten bestimmt werden, die vorhergehende Anrufe darstellen,
die den Teilnehmer mit zumindest einer der gespeicherten Telefonnummern
verbinden. Die Wertigkeiten werden verwendet, um die gespeicherten
Telefonnummern entsprechend der vorhergesagten Wahrscheinlichkeiten
zu ordnen.
-
Das
Modell des Teilnehmerverhaltens kann eine abstrakte Darstellung
auf der Grundlage der Umgebung und Aktionen des Teilnehmers hinsichtlich
der Annahme von Telefonanrufen umfassen. Bei dieser Konfiguration
wird das Modell auf Hinweise überprüft, dass
sich der Teilnehmer an dem Ort befindet, der einer bestimmten Telefonnummer
entspricht.
-
Das
Modell des Teilnehmerverhaltens kann ein neuronales Netzwerk umfassen.
In diesem Fall wird das Netzwerk aktiviert, um Hinweise zu bestimmen,
dass sich der Teilnehmer an dem Ort befindet, der einer bestimmten
Telefonnummer entspricht.
-
Das
Modell des Teilnehmerverhaltens kann mit Daten trainiert werden,
die vorhergehende Anrufe anzeigen, die einen Anrufer erfolgreich
mit dem Teilnehmer an jeder der gespeicherten Telefonnummern verbunden
haben.
-
Kurze Beschreibung
der Zeichnungen
-
Die
beigefügten
Zeichnungen, die in die Beschreibung eingefügt und einen Teil hiervon bilden, erläutern bevorzugte
Ausführungsformen
der Erfindung und erläutern
zusammen mit der Beschreibung die Ziele, Vorteile und Prinzipien
der Erfindung. In den Zeichnungen zeigen:
-
1 eine
Darstellung, die zur Erläuterung einer
bevorzugten Ausführungsform
eines Anrufweiterleitungs-Systems gemäß der vorliegenden Erfindung
verwendet wird;
-
2 ein
funktionelles Ablaufdiagramm der Verfahrensschritte, die verwendet
werden, um Telefonanrufe an persönliche
Telefonnummern in der bevorzugten Ausführungsform eines Anrufweiterleitungs-Systems
gemäß der vorliegenden
Erfindung weiterzuleiten;
-
3 ein
Blockschaltbild der Software-Komponenten der bevorzugten Ausführungsform
des Anrufweiterleitungs-Systems gemäß der vorliegenden Erfindung;
-
4 ein
Diagramm, das zur Erläuterung der
Architektur eines neuronalen Netzwerkes verwendet, wird, das das
Verhalten des Teilnehmers bei der bevorzugten Ausführungsform
eines Anrufweiterleitungs-Systems gemäß der vorliegenden Erfindung modelliert;
-
5 die
Datenstruktur der historischen Anrufinformation, die zum Trainieren
des neuronalen Netzwerkes für
das Verhalten des Teilnehmers bei der bevorzugten Ausführungsform
eines Anrufweiterleitungs-Systems gemäß der vorliegenden Erfindung verwendet
wird;
-
6 ein
Ablaufdiagramm der Schritte, die von der System-Trainingssteuerung bei der bevorzugten
Ausführungsform
eines Anrufweiterleitungs-Systems
gemäß der vorliegenden
Erfindung ausgeführt
werden; und
-
7 ein
Ablaufdiagramm der Schritte, die verwendet werden, wenn die bevorzugte
Ausführungsform
des Anrufweiterleitungs-Systems der vorliegenden Erfindung das neuronale
Netzwerk für
das Verhalten des Teilnehmers trainiert.
-
Bester Ort
der Ausführung
der Erfindung
-
Es
wird nunmehr ausführlich
auf die bevorzugte Realisierung der vorliegenden Erfindung Bezug
genommen, wie sie in den beigefügten
Zeichnungen gezeigt ist. So weit wie möglich werden die gleichen Bezugsziffern
durchgängig
für die
Zeichnungen und die folgende Beschreibung verwendet, um die gleichen
oder ähnliche
Teile zu bezeichnen.
-
Systeme
und Verfahren gemäß dieser
Erfindung versuchen, Telefonnummern in einer Weise zu ordnen, die
die Verzögerung
zu einem Minimum macht, die der Anrufer wahrnimmt, wenn ein Telefonanruf
weitergeleitet wird, und sie verringern die Anzahl von Unterhaltungen,
die der Anrufer führen muss,
um zu lernen, dass der Teilnehmer an einem bestimmten Ort nicht
zur Verfügung
steht. Systeme und Verfahren gemäß dieser
Erfindung führen
dies unter Verwendung eines adaptiven Modells, wie z. B. eines neuronalen
Netzwerkes aus, das so trainiert wird, dass es Wochentage und Tageszeiten
zuordnet, zu denen ein Teilnehmer sich an bestimmten Orten befindet,
an denen sich Telefonapparate befinden, die erreichbar sind, indem
bestimmte Telefonnummern angerufen werden. Aus dieser Information sagt
das System die Wahrscheinlichkeit voraus, dass ein Teilnehmer sich
an unterschiedlichen Orten an einem vorgegebenen Wochentag und einer
vorgegebenen Tageszeit befindet.
-
Systeme
und Verfahren gemäß dieser
Erfindung gewinnen vorzugsweise Daten zum Training des Netzwerkes
aus Ereignissen, bei denen ein Anrufer den Teilnehmer erfolgreich
lokalisiert. Die Dauer des Anrufs beeinflusst typischerweise die
Stärke
des Trainings, weil es um so wahrscheinlicher ist, dass der Empfänger tatsächlich die
angerufene Person ist, je länger
der der Anruf dauert, wobei Anrufe unterhalb einer bestimmten Schwellenwert-Dauer
(beispielsweise 30 Sekunden) als besonders unzuverlässige Datenpunkte
betrachtet werden. Das System kann weiterhin Daten gewinnen, wenn
der Teilnehmer anruft, um seine Sprachpost zu prüfen oder andere Telefonie-Aktivitäten von
einer Stelle aus ausführt,
die einer der Weiterleitungs-Telefonnummern entspricht.
-
Telefonnetzwerk
-
1 zeigt
ein Telefonnetzwerk 100, das ein Anrufweiterleitungs-System
gemäß der vorliegenden Erfindung
verwendet. Das Netzwerk 100 schließt mehrfache Telefone 110, 120, 130 und 140 ein,
die durch einen Telefonnetzwerk-Server 105 verbunden sind.
Der Telefonnetzwerk-Server 105 schließt einen Prozessor 150 und
ein Anrufweiterleitungs-System 160 ein und wird typischerweise
von einem Telefondienst-Anbieter betrieben, wie z. B. AT&T, MCI, Sprint oder
einer regionalen Bell-Betriebsgesellschaft (RBOC).
-
Der
Prozessor 150 führt
nicht nur übliche Netzwerkoperationen
aus, beispielsweise die Verbindung von Anrufen, sondern er führt auch
Operationen für
das Anrufweiterleitungssystem 160 aus. Derartige Operationen
schließen
die Weiterleitung von Anrufen an persönliche Telefonnummern ein,
wie dies weiter unten beschrieben wird. Das Telefonnetzwerk 100 zeigt
eine vereinfachte Abstraktion, und ein tatsächliches System schließt typischerweise
eine große
Anzahl von Telefonen und Servern ein, die in einem komplizierten
Netzwerk konfiguriert sind.
-
Anrufweiterleitungs-Operation
-
2 ist
ein Ablaufdiagramm einer Prozedur 200, die von dem Anrufweiterleitungs-System 160 verwendet
wird, um Anrufe an persönliche
Telefonnummern zu verarbeiten und diese Anrufe an tatsächliche
Telefonnummern weiterzuleiten. Die Schritte der Prozedur 200 sind
vorzugsweise in Software realisiert, die von dem Prozessor 150 ausgeführt wird.
-
Die
Prozedur 200 nimmt an, dass ein Teilnehmer mit einer persönlichen
Telefonnummer vorher eine Datenbank von tatsächlichen Telefonnummern geschaffen
hat. Die Datenbank kann von einem Server 105 verwaltet
und in einem (nicht gezeigten) Speicher des Servers 105 gespeichert
sein. Die Datenbank kann unter Verwendung einer Vielzahl von unterschiedlichen
Lösungen
geschaffen werden. Beispielsweise kann ein Teilnehmer eine spezielle
Telefonnummer zum Aufbau und zur Modifikation seiner Datenbank anrufen.
Wenn der Teilnehmer die spezielle Telefonnummer anruft, verwendet
das System einen Sprachsynthesizer, um dem Teilnehmer Folgendes
mitzuteilen: „Sie
haben vier Nummern zur Weiterleitung von Anrufen eingegeben. Drücken Sie
1, um eine Liste der Nummern zu hören, drücken Sie 2, um alle Nummern
zu löschen". Wenn der Teilnehmer dann
die 1 auf der Telefontastatur drückt,
so antwortet der Sprachsynthesizer des Systems mit: „Die erste
Nummer ist 408565-7912. Drücken
Sie 1 für
die nächste
Nummer, drücken
Sie 2, um diese Nummer zu löschen,
drücken
Sie 3, um eine neue Nummer gerade nach dieser Nummer einzugeben,
drücken Sie
4, um zum vorhergehenden Menü zurückzukehren". Wenn der Teilnehmer
die 3 als Antwort auf das zweite Menü drückt, antwortet das System mit
der Mitteilung: „Geben
Sie eine neue Nummer durch Betätigen
der Tasten ein, gefolgt von dem Rautenzeichen". Wenn die Nummer eingegeben wurde,
bestätigt
das System dies mit der Sprachantwort „die neu eingegebene Nummer
ist 202 408-4023. Drücken
Sie 1 um zu bestätigen,
dass dies richtig ist, oder 2, wenn dies ein Fehler ist". Alternativ kann
ein höher
entwickeltes Spracherkennungssystem verwendet werden, um die Datenbank
von Nummern zu modifizieren, wobei eine ähnliche Lösung verwendet wird.
-
Das
Anrufweiterleitungs-System 160 überwacht alle ankommenden Anrufe
und bestimmt, ob der Anruf an eine persönliche Telefonnummer eines Teilnehmers
gerichtet ist (Schritt 210). Alle Anrufe, die nicht an
persönliche
Telefonnummern von Teilnehmern gerichtet sind, werden ignoriert.
Wenn festgestellt wird, dass ein empfangener Anruf tatsächlich ein
Anruf an die persönliche
Telefonnummer eines bestimmten Teilnehmers ist, so aktiviert das
System 160 ein Modell des Teilnehmerverhaltens (Schritt 215).
Das Modell ist ein neuronales Netzwerk, das zur Vorhersage der Wahrscheinlichkeit
verwendet wird, dass sich ein Teilnehmer an dem Ort befindet, der
jeder der tatsächlichen
Telefonnummern in der Datenbank entspricht. Die Wahrscheinlichkeit,
beruht auf der Historie oder dem bisherigen zeitlichen Verlauf des
Verhaltens des Teilnehmers, das in dem Modell codiert ist, und der
derzeitigen Tageszeit und dem Wochentag, zu der bzw. zu dem der
Anruf an die persönliche
Telefonnummer des Teilnehmers empfangen wird. Die tatsächlichen
Telefonnummern von der Datenbank werden dann in einer Folge geordnet, die
der vorhergesagten Wahrscheinlichkeit dafür entspricht, dass jede dem
derzeitigen Aufenthaltsort des Teilnehmers an dem Tag und zu der
Zeit entspricht, an dem bzw. zu der Anruf an seine persönliche Telefonnummer
empfangen wurde (Schritt 220).
-
Der
Telefonnetzwerk-Server 105 verbindet dann den Anruf an
die persönliche
Telefonnummer des Teilnehmers mit der tatsächlichen Telefonnummer in der
Folge (Schritt 225). Wenn sich der Teilnehmer an dem Ort
für die
erste tatsächliche
Telefonnummer in der Folge befindet (Schritt 230), so überwacht
das Anrufweiterleitungs-System 160 den Anruf, um festzustellen,
wann die Verbindung hergestellt wird (Schritt 245). Wenn
der Anruf abgeschlossen ist, das heißt wenn der Teilnehmer auflegt,
zeichnet das System 160 Informationen für eine Trainings- Datenbank auf, die
verwendet wird, um das Modell des Teilnehmerverhaltens zu trainieren (Schritt 250),
und kehrt zur Überwachung
ankommender Anrufe zurück.
-
Die
Feststellung, dass der Teilnehmer lokalisiert wurde (Schritt 230)
kann auf verschiedene Weise erfolgen. Beispielsweise kann es das
System 160 dem Telefon ermöglichen, eine vorgegebene Anzahl von
Rufsignalen abzugeben, um zu dem Schluss zu kommen, dass der Teilnehmer
nicht anwesend ist, wenn der Anruf während dieser Periode nicht
beantwortet wurde. Alternativ kommt, wenn die Länge des Anrufs größer als
eine vorgegebene Zeitperiode ist, das System 160 zu dem
Schluss, dass der Teilnehmer anwesend ist. Dem Fachmann sind andere
Verfahren zur Feststellung der Anwesenheit eines Teilnehmers am
Empfangsende eines Anrufs vertraut. Zusätzlich kann das System 160 erfordern,
dass die Länge
eines Anrufs zumindest einer bestimmten Zeitdauer entspricht (beispielsweise
30 Sekunden), bevor ein Datensatz in der Trainings-Datenbank gespeichert
wird. Dies vermeidet die Speicherung von Historien- oder Vorgeschichte-Datensätzen, die
das Training des Netzwerkes nicht unterstützen.
-
Wenn
der Teilnehmer an der ersten Telefonnummer, die versucht wurde,
nicht lokalisiert wurde (Schritt 230), so bestimmt das
System 160, ob es weitere Telefonnummern in der Folge gibt,
die noch nicht versucht wurden (Schritt 235). Wenn dies
der Fall ist, versucht das System 160 die nächste Nummer
in der Folge (Schritt 225), die die Telefonnummer mit der
nächstgrößten Wahrscheinlichkeit
würde. Das
System 160 wiederholt diesen Vorgang (Schritte 225, 230, 235),
bis der Teilnehmer lokalisiert wurde oder keine Nummern mehr in
der Folge verbleiben. Zu dieser Zeit informiert das System 160 den
Anrufer, dass es nicht in der Lage ist, den Teilnehmer zu lokalisieren,
indem ein Sprachsynthesizer (oder ein aufgezeichnetes Sprachsignal)
verwendet wird, um eine passende Mitteilung abzuspielen, wie z.
B. „Ihr
Teilnehmer kann nicht lokalisiert werden" (Schritt 240). Das System
informiert weiterhin den Anrufer, dass er eine Sprachpost-Nachricht
hinterlassen kann, wenn er dies wünscht, und überführt den Anruf zu einem Sprachpostsystem,
wenn der Anrufer die Verbindung aufrechterhält (nicht gezeigt). Auf diese
Weise leitet das System 160 Anrufe an jede persönliche Telefonnummer
eines Teilnehmers unter Verwendung eines Rechenmodells des Teilnehmerverhaltens
weiter.
-
Software-Komponenten
-
3 ist
ein Blockschaltbild einer bevorzugten Realisierung eines Anrufweiterleitungs-Systems 160.
Das System 160 besteht aus vier Komponenten: einem Modell
des Teilnehmerverhaltens 310, einer Anrufweiterleitungs-Steuerung 315,
historischen Trainingsdaten 320 und einer System-Trainingssteuerung 340.
-
Das
Modell 310 des Teilnehmerverhaltens schließt vorzugsweise
ein neuronales Netzwerk ein. Wenn ein Anrufer die persönliche Telefonnummer
eines Teilnehmers wählt,
so aktiviert dies das Netzwerk-Modell 310, das diesem Teilnehmer
zugeordnet ist. Unter Verwendung von Informationen über die
Tageszeit und den Wochentag erzeugt das Netzwerk-Modell 310 eine
Folge von tatsächlichen
Telefonnummern, die in abnehmender Reihenfolge der Wahrscheinlichkeit
angeordnet sind, dass der Teilnehmer an dem Ort eines Telefons verfügbar ist,
das jeder Telefonnummer entspricht. Jede Nummer wird dann nacheinander
von der Anrufweiterleitungs-Steuerung 315 versucht,
bis der Teilnehmer lokalisiert wurde oder die letzte Nummer erfolglos
versucht wurde.
-
Die
historischen oder Vorgeschichte-Trainingsdaten 320 enthalten
Daten zum Training des neuronalen Netzwerkes, wenn dies passend
ist. Die Systemtrainings-Steuerung 340 trainiert
das Netzwerk-Modell 310 unter Verwendung historischer Trainingsdaten 320.
Die Systemtrainings-Steuerung 340 wird nachfolgend unter
Bezugnahme auf die 5–7 ausführlich erläutert.
-
Modell des
Teilnehmerverhaltens
-
4 zeigt
die Architektur eines Beispiels eines neuronalen Netzwerkes 400 für das Modell 310 des
Anrufweiterleitungs-Systems 160. Das Netzwerk 400 ist
als ein drei Schichten aufweisendes neuronales Netzwerk mit Vorwärtszuführung gezeigt
und besteht aus einer Eingabeschicht 410, einer verdeckten Schicht 420 und
einer Ausgangsschicht 430. Eine derartige Netzwerkarchitektur
ist ausführlich
in der Veröffentlichung
von D. E. Rumelhart, G. E. Hinton und R. J. Williams mit dem Titel „Learning
internal representations by error propagation" beschrieben, die in dem Buch mit dem
Titel „Parallel
Distributed Processing: Explorations in the Microstructure of Cognition", J. E. McClelland,
D. E. Rumelhart und die PDP Research Group, Herausgeber, Cambridge,
MA: MIT Press, 1986, Band 1, Seiten 318–362 veröffentlicht wurde. Diese Veröffentlichung
enthält
bestimmte Gleichungen, die die Berechnung des Aktivitätspegels
einer Einheit aus ihren Eingängen,
die Rolle der Wertigkeiten von Verbindungen in derartigen Berechnungen
und die Art der Modifikation der Wertigkeiten von Verbindungen beschreiben,
um es dem Netzwerk zu ermöglichen,
zu lernen, und zwar ebenso wie allgemeine Veröffentlichungen über neuronale
Netzwerkarchitekturen und deren Anwendung.
-
Das
Netzwerk 400 ist vorzugsweise durch Software realisiert,
und die Eingangswerte werden auf 0.0 für falsch und 1.0 für wahr gesetzt.
Die Software zur Simulation des Netzwerkes 400 kann in
der C++-Programmiersprache unter Verwendung
der Microsoft Visual C++®-Programmierumgebung realisiert werden,
unter Einschluss von Microsoft Developer Studio® und
Microsoft Foundation Class®, die alle unter den Windows
95®-
oder den Windows NT®-Betriebssystemen arbeiten.
-
Ein
neuronales Netzwerk besteht aus „Einheiten" oder künstlichen Neuronen, die Eingaben über „Verbindungen" von anderen Einheiten
empfangen, die im Wesentlichen künstliche
Wiederstände sind.
Jede derartige Verbindung hat einen Wert, der als „Wertigkeit" bekannt ist, die
als analog zu dem Widerstandswert eines Widerstandes betrachtet
werden kann. Jede Einheit summiert die Eingangssignal-Werte, die von ihren
Eingängen
nach der Bewertung durch die Verbindung empfangen wurden und wendet
dann eine nichtlineare mathematische Funktion an, um einen Wert
zu bestimmen, der als der „Aktivitätspegel" für diese
Einheit bekannt ist. Nach seiner Verarbeitung durch eine Ausgangsfunktion
wird das Ergebnis über
die bewerteten Verbindungen auf Einheiten in der nächsthöheren Schicht
angewandt. Beispielsweise sind die Ausgänge der Schicht 410 Eingänge an die
Schicht 420.
-
Die
Eingangsschicht 410 mit ihren Eingangseinheiten ist tatsächlich eine
Platzhalter-Schicht,
in der der Aktivitätspegel
für jede
Eingangseinheit einfach auf den Analogwert gesetzt wird, der als
Eingang für
jede Einheit geliefert wird. Der Ausgang jeder Einheit ist mit dem
Eingang jeder Einheit in der verdeckten Schicht 420 verbunden.
Der große
Pfeil 420 stellt derartige vollständige Verbindungen dar.
-
Es
gibt ungefähr
genausoviel Einheiten in der verdeckten Schicht 420, wie
es Telefonnummern gibt, unter denen der Teilnehmer erreicht werden kann.
Die Einheiten in der Schicht 420 werden als „verdeckte
Einheiten" bezeichnet,
weil ihre Werte nicht direkt beobachtet werden können, im Gegensatz zu den Einheiten
der Eingangsschicht 410 und der Ausgangsschicht 430.
Der Ausgang jeder Einheit in der verdeckten Schicht 420 ist
mit dem Eingang jeder Einheit in der Ausgangsschicht 430 verbunden. Der
Ausgang jeder Ausgangseinheit wird an den Rest des Systems als der
Ausgang des neuronalen Netzwerkes 400 geliefert. Bei einem
Vorwärtszuführungs-Netzwerk
erfolgt der Informationsfluss in dem Netzwerk 400 lediglich
in einer Richtung, von der Eingangsschicht 410 zur verdeckten
Schicht 420 und von der verdeckten Schicht 420 zu
der Ausgangsschicht 430, wie dies die Pfeile 425 und 435 zeigen.
-
Wenn
Information dem Eingang des Netzwerkes 400 zugeführt wird,
breitet sie sich zur verdeckten Schicht 420 und dann zur
Ausgangsschicht 430 aus. Der Wert jeder Ausgangseinheit,
der jeweils einer anderen Nummer zum Erreichen des Teilnehmers entspricht,
stellt die Wahrscheinlichkeit dar, dass der Teilnehmer unter dieser
Nummer erreicht werden kann.
-
Die
Eingangsschicht 410 besteht aus zwei Gruppen von Eingängen 413 und 416.
Die erste Gruppe 413 codiert den Wochentag und besteht
aus sieben Einheiten, einer für
jeden Tag der Woche. Die zweite Gruppe 416 codiert die
Tageszeit und besteht aus sieben Einheiten, die jeweils eine Zeit
innerhalb einer der folgenden sieben Kategorien anzeigt: Mitternacht-6
Uhr morgens, 6–9
Uhr morgens, 9–12
Uhr morgens, 12–1
Uhr, 1–4
Uhr nachmittags, 4–6
Uhr nachmittags und 6–12
nachmittags.
-
Das
Netzwerk 400 bestimmt als erstes den Wochentag und die
Zeit mit Hilfe des geeigneten Systemaufrufs, wie z. B. GetLocalTime,
einem Aufrufprogramm in C++, und codiert
dann diese Information durch Setzen von Eingangswerten an die passenden
Eingänge.
-
Die
Wochentags- und Tageszeit-Eingänge sind
nicht notwendigerweise die die höchste
Bedeutung aufweisenden Effekte auf das Netzwerk 400 für das Anrufverhalten,
das zu einem Ausgang führt.
In vielen Fällen
beruht die die größte Bedeutung
aufweisende Vorhersagefähigkeit
des Netzwerkes 400 auf einer Neigung zu oder gegen bestimmte
Nummern für
Teilnehmer ohne festgelegte Zeitpläne, wie z. B. Verkaufspersonen,
die Anrufe machen, oder diejenigen, mit flexiblen Zeitplänen. Tages-
und Zeit-Eingaben werden hauptsächlich
dann wichtig, wenn starke Muster auftreten, die diese Parameter
beinhalten, wie z. B. dann, wenn Personen lediglich zu Hause an Wochenenden
erreichbar sind, immer lange in dem Büro in einer bestimmten Nacht
bleiben, oder immer Verkaufsanrufe über ein Fahrzeug an einem bestimmten
Tag oder zu bestimmten Zeiten machen.
-
Alternativ
kann das neuronale Netzwerk 400 zwei Schichten von verdeckten
Einheiten einschließen.
Die zusätzliche
verdeckte Schicht erfordert einen zusätzlichen Satz von Verbindungen
und Wertigkeiten. Jede der zwei Schichten hat angenähert die gleiche
Anzahl von verdeckten Einheiten, die der Anzahl von Telefonnummern
angenähert
ist, unter denen der Benutzer erreicht werden kann. Die Vorteile der
zusätzlichen
Schicht bestehen darin, dass sie die Erfassung subtilerer Wechselwirkungen
zwischen bestimmten Nummern, Zeiten und Tagen ermöglicht, als
dies mit einer einzigen verdeckten Schicht möglich ist. Die Nachteile schließen eine
zusätzliche
Verarbeitungskapazität
und Speicher ein, die bzw. der zur Realisierung der längeren Trainingszeiten
des Netzwerkes erforderlich ist, und möglicherweise ein weniger stabiles
Training.
-
Es
gibt zwei mögliche
Verfahren zum Trainieren des neuronalen Netzwerkes: ein vollständiges Training
und ein schrittweises Training. Ein vollständiges Training wird bevorzugt.
Die hohen Rechenanforderungen für
diese Art von Training verhindern jedoch, dass dies mehr als einmal
pro Tag eingesetzt wird. Wenn das Netzwerk 400 nicht unmittelbar
hinsichtlich von Anrufen aktualisiert wird, die während jedes
Tages empfangen werden, kann sich eine Verringerung der Genauigkeit
ergeben. Um dieses Problem zu kompensieren können an einem bestimmten Tag
empfangene Anrufe in dem Speicher des Servers gehalten werden, wobei
die vorhergesagte Wahrscheinlichkeit des Erreichens des Teilnehmers unter
einer vorgegebenen Telefonnummer durch einen einfachen Verfahrensalgorithmus
berechnet wird. Die Berechnung der Wahrscheinlichkeit einer Telefonnummer,
die einem Anruf in dem Speicher des Servers entspricht, kann einfach
dadurch erfolgen, dass die Wahrscheinlichkeit auf 0,9 gesetzt wird,
wenn der Anruf gerade empfangen wurde, und die Wahrscheinlichkeit
als eine Funktion der Zeit seit dem letzten erfolgreichen Anruf
an die vorgegebene Nummer verringert wird, und dass entweder die
von dem Netzwerk 400 gemachte Vorhersage ignoriert oder
der Ausgang des Verfahrensalgorithmus zu dem des Netzwerkes addiert
wird. Anderenfalls würde
die von dem Netzwerk 400 gemachte Vorhersage verwendet.
-
Ein
inkrementales Training erfolgt nach jedem Anruf und immer dann,
wenn es scheint, dass der Rechner nicht stark benutzt wird und Rechenkapazität verfügbar ist,
und besteht aus dem zusätzlichen
Training, das erforderlich ist, um das Netzwerk 400 auf
dem gerade abgeschlossenen Anruf oder die gerade abgeschlossenen
Anrufe zu aktualisieren.
-
Trainingsdaten
für das
Verhaltensmodell des Teilnehmers
-
5 zeigt
eine Datenstruktur 500 mit historischer Anrufinformation,
die zur Verwendung beim Trainieren des neuronalen Verhaltens-Netzwerkes 400 verwendet
wird. Die Spalten 510, 520, 530, 540 und 550 zeigen
für jeden
Anruf aufgezeichnete Daten. Ein Datensatz 560 schließt für jeden
Anruf Folgendes ein:
- 1) ein Datum des Anrufs
- 2) einen Wochentag (0–6
zeichnet Montag bis Samstag auf)
- 3) eine Tageszeit (0, wenn Mitternacht bis 6 Uhr morgens, 1
wenn 6–9
Uhr morgens, 2 wenn 9–12 Uhr
morgens, 3 wenn 12–1,
4 wenn 1–4
Uhr nachmittags, 5 wenn 4–6
Uhr nachmittags und 6 wenn 6–12
Uhr nachmittags):
- 4) eine Telefonnummer (das heißt die gespeicherte Nummer,
unter der der Teilnehmer erreicht wurde); und
- 5) Anrufdauer (vorzugsweise gemessen in Sekunden).
-
Trainingsroutine
für das
Verhaltensmodell des Teilnehmers
-
6 zeigt
ein Ablaufdiagramm einer Prozedur 600, die von dem Anrufweiterleitungs-System 160 verwendet
wird, um das neuronale Netzwerk 400 zu trainieren. Die
Prozedur 600 ist Teil der Systemtrainings-Steuerung 340 und
in Software realisiert.
-
Wenn
ein einzelner Teilnehmer einem Dienst beitritt, der die Funktionen
des Anrufweiterleitungs-Systems 160 hat, setzt der Teilnehmer
(oder ein Netzwerkbetreiber) einen Parameter in der Systemtrainings-Steuerung 340,
um eine tägliche
Zeit (beispielsweise 2 Uhr morgens) anzuzeigen, zu der die Systemtrainings-Steuerung 340 das
neuronale Netzwerk 400 trainiert. Diese Zeit sollte gewählt werden,
um Perioden zu vermeiden, zu denen der Prozessor 150 in
Gebrauch ist. Wenn die passende Zeit erreicht wurde, macht die Steuerung 340 eine
Kopie der Wertigkeiten des Netzwerkes für den Fall, dass ein ankommender
Anruf eine Aktivierung des Netzwerkes erfordert, während das
Netzwerk trainiert wird. Sobald das Training erfolgreich abgeschlossen wurde,
wird die Kopie gelöscht,
und die neuen Wertigkeiten werden als das Netzwerk zur Verwendung für den vorgegebenen
Teilnehmer aufgezeichnet. Wenn das Netzwerk 400 zum Training
zur Verfügung steht,
konfiguriert die Steuerung 340 die Netzwerkarchitektur
für das
Verhaltens-Netzwerk
(Schritt 610). Dies erfolgt durch Bestimmen der Anzahl
der tatsächlichen
Telefonnummern in der Datenbank und durch Konstruieren eines Netzwerkes
mit der passenden Anzahl von verdeckten Einheiten, Ausgangseinheiten
und Verbindungen zwischen der Eingangsschicht und der verdeckten
Schicht und zwischen der verdeckten Schicht und der Ausgangsschicht.
Die exakte Anzahl von verdeckten Einheiten kann eingestellt werden,
um die beste Verallgemeinerungs-Betriebsleistung zu erzielen. Regeln
auf der Grundlage dieser Einstellungen werden in der Architektur-Konfiguration und
dem Lernteil des abschließenden
Produktes codiert. Die Anzahl von verdeckten Einheiten muss wesentlich
kleiner als die Anzahl von Kombinationen von Telefonnummern gekreuzt
mit den alternativen Zeiten usw. sein, um das Netzwerk zu einer
Verallgemeinerung zu zwingen.
-
Als
nächstes
trainiert die Steuerung 300 das Verhaltens-Netzwerk (Schritt 620).
-
7 zeigt
ein Ablaufdiagramm, das die Schritte zum Trainieren des Verhaltens-Netzwerkes 400 des
Teilnehmers beschreibt (siehe Schritt 620 nach 6).
Nach der Initialisierung baut die Steuerung 340 zunächst einen
Trainingssatz von historischen Trainingsdaten auf, wie sie in 5 gezeigt sind
(Schritt 710). Diese historischen Trainingsdaten werden
in einer Datenbank-Datei gespeichert. Jeder Datensatz in der historischen
Datenbank wird in ein Beispiel zum Training umgewandelt.
-
Die
folgenden Felder werden vorzugsweise in dem Satz von Trainingsbeispielen
definiert: Tag, Zeit, Telefonnummer, Auswahlwahrscheinlichkeit und die
Anzahl der Datensätze
für die
vorgegebene Telefonnummer. Der Tag und die Zeit werden an die Netzwerk-Eingangsschicht
beim Training geliefert, und die Telefonnummer wird an der Ausgangsschicht
des Netzwerkes 400 zur Verwendung durch den Lernalgorithmus
geliefert. Die Auswahlwahrscheinlichkeit ist ein Parameter, der
die Wahrscheinlichkeit definiert, dass das Beispiel zu irgendeinem
vorgegebenen Zyklus während
der Trainingsprozedur als Trainingsbeispiel ausgewählt wird.
Sie hat einen Wert zwischen 0,002–1,00. Die Anzahl von Datensätzen und
somit Beispielen für
die vorgegebene Telefonnummer wird benötigt, um das Ausmaß zu bestimmen,
in dem die Eingänge
auf willkürliche
Werte gesetzt werden, statt auf den tatsächlichen Wochentag und die
Tageszeit. Diese Einstellung von Eingängen auf zufällige Werte
ist erforderlich, wenn relativ wenige Datensätze für eine vorgegebene Telefonnummer vorhanden
sind, wodurch verhindert wird, dass das Netzwerk eine ausreichende
Verallgemeinerung ausführt,
um die vorgegebene Telefonnummer als Ausgang abzugeben, wenn die
Eingangswerte von denen für
die vorhandenen Datensätze
abweichen.
-
Wenn
beispielsweise ein einziger Datensatz für einen Anruf an eine Nummer
um 12 Uhr mittags am Dienstag vorhanden ist, so würde das
Netzwerk bei einem Training mit lediglich diesen Daten einen erheblichen
Ausgangswert für
die vorgegebene Telefonnummer nur dann haben, wenn der Eingang mittags
am Dienstag angeben würde.
Ein derartiges Verhalten des Netzwerkes ist im Hinblick auf derartige
geringe Datenmengen unsinnig. Wenn 50 Datensätze für die gleiche Nummer zu verschiedenen
Zeiten und Tagen existieren würden,
so würde
ein vernünftiger
Ausgangswert für
diese Nummer bei Eingängen
zu nahezu jeder Zeit und zu jedem Tag wahrscheinlich sein. Wenn
50 Datensätze
für die
gleiche Nummer alle mittags am Dienstag existieren würde, würde das
Netzwerk wiederum für
die vorgegebene Nummer zu lediglich dieser Zeit und zu diesem Tag ansprechen,
doch diesmal in zutreffender Weise, unter Berücksichtigung der Historie der
Anrufe.
-
Die
Auswahlwahrscheinlichkeit wird wie folgt berechnet: PAuswahl = XAlter*XDauer worin XAlter von
0,01–1,0
reicht, und XDauer von 0,20–1,0 reicht.
PAuswahl hat somit mögliche Werte von 0,002–1,00.
-
XAlter gibt die Anzahl von Tagen zwischen
der Durchführung
des Anrufs und dem Training des Netzwerkes an. Die zugeordneten
Werte sind wie folgt: 0,01, wenn der Anruf vor mehr als einem Jahr
gemacht wurde, 0,02, wenn der Anruf vor 181–365 Tagen gemacht wurde, 0,04,
wenn der Anruf vor 91–180
Tagen gemacht wurde, 0,08, wenn der Anruf vor 31–90 Tagen gemacht wurde, 0,15,
wenn der Anruf vor 10–30
Tagen gemacht wurde, 0,30, wenn der Anruf vor 4–9 Tagen gemacht wurde, 0,60,
wenn der Anruf vor 2–3
Tagen gemacht wurde, und 1,0, wenn der Anruf gestern gemacht wurde.
-
Der
Wert von XDauer hängt sowohl von den Umständen des
Anrufes und der tatsächlichen
Dauer ab. Für
Anrufe, die den Teilnehmer lokalisieren, wird XDauer wie
folgt zugeordnet: 1,0, wenn die Dauer > 60 Minuten war, 0,8, wenn die Dauer 11–60 Minuten
betrug, 0,6, wenn die Dauer 2–10
Minuten betrug, 0,4, wenn die Dauer 30–119 Sekunden betrug, und 0,20, wenn
die Dauer 15–30
Sekunden betrug. Wenn die Anrufdauer kleiner als 15 Sekunden ist,
so wird der Datensatz als unzuverlässig verworfen.
-
Nachdem
der Trainingssatz konstruiert wurde (Schritt 710), wird
der Satz von Wertigkeiten für die
Verbindungen zwischen Einheiten des Netzwerkes dann auf zufällige Werte
gesetzt, um das Netzwerk 400 zu initialisieren (Schritt 720).
Ein Trainingsbeispiel wird dann aus dem Trainingssatz gewonnen (Schritt 730).
Dieses Trainingsbeispiel ist das erste des Satzes, wenn die Wertigkeiten
gerade initialisiert wurden. Anderenfalls wird das nächste Beispiel
in dem Satz ausgewählt.
Wenn es keine weiteren Beispiele in dem Satz gibt (als Ergebnis
davon, dass das vorhergehende Trainingsbeispiel das letzte in dem Satz
war), so wird das erste Beispiel in dem Satz ausgewählt.
-
Eine
Berechnung wird dann durchgeführt, um
festzustellen, ob das gerade ausgewählte Beispiel aktuell zum Training
des Netzwerkes auf dem derzeitigen Durchlauf verwendet wird (Schritt 740). Die
Auswahlwahrscheinlichkeit für
das Beispiel wird zurückgewonnen,
und eine zufällige
Zahl von 0–1,0 wird
erzeugt und mit der Auswahlwahrscheinlichkeit verglichen. Lediglich
dann, wenn die Anzahl kleiner oder gleich der Auswahlwahrscheinlichkeit
ist, wird das Beispiel verwendet.
-
Wenn
beispielsweise die Auswahlwahrscheinlichkeit 0,5 ist, so wird das
Beispiel nur dann verwendet, wenn die zufällige erzeugte Zahl zwischen
0 und 0,5 liegt, das heißt
50 Prozent der Zeit. Wenn die Auswahlwahrscheinlichkeit 0,1 ist,
so wird das Beispiel nur dann verwendet, wenn die zufällige Zahl
von 0–0,1
oder 10 Prozent der Zeit ist. Wenn das Beispiel nicht verwendet
wird, so wird die Steuerung übergeben,
um ein weiteres Trainingsbeispiel zu gewinnen (Schritt 730).
-
Anderenfalls
wird das Netzwerk 400 mit dem Beispiel trainiert und der
akkumulierte Fehler wird gespeichert (Schritt 750). Dies
erfolgt dadurch, dass dem Eingang des Netzwerkes 400 zunächst die
passenden Eingangssignale zugeführt
werden. Dies können
entweder die aktuellen Eingänge
für das
Beispiel oder, wie dies weiter oben vorgeschlagen wurde, zufällige Eingänge sein.
-
Wenn
das Training beginnt, wird ein Parameter, der als die Eingangs-Zufallsfunktions-Wahrscheinlichkeitsgrenze
bekannt ist, namlich PGrenze, entsprechend
der folgenden Gleichung berechnet: PGrenze =
NDatensätze/NKombinationen, worin NDatensätze die
Anzahl von Datensätzen
für diese Nummer
in der historischen Datenbank und NKombinationen die
Anzahl von Eingangskombinationen ist, die gleich der Anzahl von
Ebenen des Wochentags multipliziert mit der Anzahl der Ebenen der
Tageszeit-Eingabe ist. Für
das gezeigte Netzwerk ist NKombinationen =
7 × 7
= 49.
-
Eine
zufällige
Zahl von 0–1
wird für
jedes Beispiel erzeugt und mit der Eingangs-Zufallswahrscheinlichkeits-Grenze PGrenze verglichen. Wenn die Zahl kleiner
als PGrenze ist, so wird eine zufällige Zahl von
1–7 als
Eingabe für
die Tageszeit-Einheiten erzeugt, und eine getrennte zufällige Zahl
von 1–7
wird als Eingang für
die Wochentags-Einheiten verwendet. Wenn die zufällige Zahl gleich oder größer PGrenze ist, so werden die tatsächlichen
Eingänge
von dem Beispiel den Eingangseinheiten des Netzwerkes zugeführt.
-
So
würde beispielsweise,
wenn lediglich ein Datensatz verfügbar sein würde, PGrenze gleich
1/49 oder ungefähr
0,02 sein, und das Netzwerk 400 würde mit einem zufälligen Datum
und einer Zeit für
98 Prozent der Trainingsversuche (im Mittelwert) trainiert. Für 59 verfügbare Datensätze würde PGrenze gleich 49/49 = 1,0 sein, und das Netzwerk 400 würde mit
dem tatsächlichen
Datum und der tatsächlichen Zeit
im Wesentlichen über
die gesamte Zeit trainiert.
-
Ein
Training erfolgt durch Anlegen des Beispiels an die passenden Eingänge und
Ausgänge des
Netzwerkes 400 und die nachfolgende Verwendung eines Rückwärts-Ausbreitungs-Lernalgorithmus
zur Modifikation der Werte der Wertigkeiten der Verbindungen in
dem Netzwerk 400. Einzelheiten des Rückwärts-Ausbreitungsalgorithmus sind in der Veröffentlichung
von Rumelhart, Hinton und Williams beschrieben, die oben genannt
wurde. Bei diesem Training wird ein Satz von Daten verwendet, der
sowohl Eingangs- als auch Ausgangsdaten einschließt.
-
So
könnte
beispielsweise ein bestimmtes Datenelement aus dem Wochentag und
der Tageszeit für
Eingänge
und einer Telefonnummer als Ausgang bestehen. Die Eingangsdaten
an die Eingangsschicht werden dadurch eingegeben, dass die an dem
Ausgang angepasste Eingangseinheit von dem Beispiel auf 1.0 oder „wahr" gesetzt wird und
dass alle anderen Eingangseinheiten auf 0.0 oder „falsch" gesetzt werden.
Somit wird im Fall des Wochentages „Dienstag" die „Dienstag" entsprechende Eingangseinheit auf 1.0
gesetzt, während
die anderen sechs Eingangseinheiten auf 0.0 gesetzt werden.
-
Die
Telefonnummer für
jeden Versuch wird dann effektiv an die Ausgangseinheiten unter
Verwendung der folgenden Schritte angelegt. Zunächst wird Information an die
Eingänge
des Netzwerkes angelegt und zugelassen, dass sich diese durch das Netzwerk
zu den Ausgangseinheiten ausbreitet. Als nächstes wird eine Berechnung
des „Fehlers" des Netzwerkes für jede Ausgangseinheit
dadurch durchgeführt,
dass der tatsächliche
Ausgang (Aktivitätspegel)
jeder Einheit von entweder 1.0, wenn die Einheit der dem vorgegebenen
Versuch zugeordneten Telefonnummer entspricht, oder 0.0 subtrahiert
wird. Dieser Fehlerwert wird dann dadurch durch die früheren Schichten
des Netzwerkes 400 „rückwärts ausgebreitet", indem systematisch
die Werte der Wertigkeiten entsprechend des Rückwärtsausbreitungs-Lernalgorithmus
in einer derartigen Weise geändert
werden, dass der Fehler verringert wird. Ein vorgegebener Satz von
Daten wird wiederholt an ein Netzwerk 400 angelegt, bis
der Gesamtfehler bis zu dem Punkt verringert ist, an dem das Netzwerk 400 als
trainiert betrachtet wird.
-
Der „akkumulierte
Fehler" wird durch
Summieren des Fehlers für
alle Ausgangseinheiten längs aller
Trainingsbeispiele bestimmt. Der Fehler für jede Einheit ist gleich dem
gewünschten
Ausgangswert abzüglich
des tatsächlichen
Ausgangswertes. Nach dem Trainieren des Netzwerkes 400 mit
einem Beispiel wurde ein Test des Ergebnisses des soweit erfolgten
Trainings durchgeführt
(Schritt 760). Der Rückwärtsausbreitungs-Lernalgorithmus
ist ein „Bergsteiger"-Algorithmus. Er
verwendet eine Berechnung auf der Grundlage örtlicher Information, um ein
globales Minimum des Fehlers zu suchen.
-
Ein
derartiger Algorithmus kann jedoch „festhängen". Netzwerke können schwingen und für eine kurze
Zeitperiode weiterlernen und dann zurückfallen. Der akkumulierte
Fehler nach dem Training wird gegen einen Schwellenwertpegel geprüft, unterhalb dessen
das Netzwerk 400 als vollständig trainiert betrachtet wird.
Wenn der Fehler oberhalb des Schwellenwertes liegt und die Anzahl
der Trainingsversuche unterhalb eines Maximums liegt, so benötigt das Netzwerk 400 mehr
Training. Wenn der Fehler oberhalb des Schwellenwertes liegt und
die maximal zulässige
Anzahl der Trainingsversuche erreicht wurde, wird das Netzwerk 400 als „blockiert" betrachtet. Im Allgemeinen
ist die Kompliziertheit des Problems niedrig, und es ist unwahrscheinlich,
dass das Netzwerk 400 blockiert wird. Weil bestimmte Sätze von eine
zufällige
Wertigkeit aufweisenden Werten dazu führen können, dass das Netzwerk selbst
bei Problemen mit niedriger Kompliziertheit blockiert wird, ist
es erforderlich, diesen Zustand zu prüfen und auf ihn zu reagieren.
-
Wenn
das Netzwerk 400 mehr Training benötigt (Schritt 760)
kehrt die Steuerung zurück,
um ein weiteres Trainingsbeispiel zu gewinnen (Schritt 730).
Wenn das Netzwerk 400 „blockiert" ist, geht die Steuerung auf eine Initialisierung
der Wertigkeiten über
und beginnt mit dem Trainingsprozess von Anfang an (Schritt 720).
Wenn das Netzwerk 400 einen akkumulierten Fehler unterhalb
des Schwellenwertes hat, ist das Training abgeschlossen.
-
Zusammenfassung
-
Systeme
gemäß der vorliegenden
Erfindung verbessern somit die Genauigkeit der Anrufweiterleitung
für persönliche Telefonnummern
unter Verwendung adaptiver Modelle, wie z. B. neuronaler Netzwerke,
für das
Verhalten von Teilnehmern entsprechend den zugeordneten persönlichen
Telefonnummern. Wenn ein Anruf an eine zugeordnete persönliche Telefonnummer
empfangen wird, wird der Anruf an ein Telefon an einem bestimmten
Ort weitergeleitet, indem die persönliche Telefonnummer in die
tatsächliche
Telefonnummer für
das Telefon an dieser Stelle übersetzt
wird. Dieser „Übersetzungs"-Prozess schließt die Verwendung
des Modells des Verhaltens des angerufenen Teilnehmers ein (das
heißt
des Teilnehmers mit der persönlichen
Telefonnummer), um die Wahrscheinlichkeit zu bestimmen, dass sich
dieser Teilnehmer derzeit an dem Ort für das Telefon mit der tatsächlichen
Telefonnummer befindet. Die vorliegende Erfindung kann auch in einem üblicheren Anrufweiterleitungs-System
verwendet werden, bei dem die angerufene Nummer die einer physikalischen
Telefonleitung statt einer persönliche
Telefonnummer ist.
-
Die
vorstehende Beschreibung der bevorzugten Ausführungsform der Erfindung wurde
zu Zwecken der Erläuterung
und Beschreibung geboten. Sie soll nicht erschöpfend sein oder die Erfindung
auf die präzise
offenbarte Form beschränken. Beispielsweise
ist die Technik auch auf Anrufweiterleitungs-Systeme anwendbar,
bei denen ein Benutzer einen Satz von Telefonnummern geschaffen
hat, an die ein Anruf weitergeleitet werden soll. Dies wird dadurch
eingeleitet, dass der Benutzer entweder eine „Sende alle Anrufe"-Funktion wählt oder
dass der Benutzer ein Verfahren aufbaut, bei dem seine oder ihre übliche Telefonnummer
eine bestimmte Anzahl von Malen angeläutet wird, worauf der Anruf weitergeleitet
wird, wenn der Anruf nicht beantwortet wird. Die Technik kann auch
in einem Anrufweiterleitungs-System verwendet werden, das mit einer Mehrzweck-Telefonieanwendung
integriert ist, die eine automatische Spracherkennung verwendet,
um Aufgaben wie z. B. ein sprachaktiviertes Wählen, eine Anrufverwaltung
und andere Dienste auszuführen,
wobei die Benutzer wahrscheinlich eine zentrale Nummer anrufen,
um diese Dienste zu aktivieren. Derartige Benutzer können dann
die Anrufweiterleitung steuern, unter Einschluss einer Auswahl der Weiterleitung
mit Hilfe eines prädiktiven
neuralen Netzwerkes, wobei das System (durch die Anrufer-Identifikation)
den Ort des Benutzers immer dann bestimmt, wenn ein Anruf an die
zentrale Nummer gemacht wird. Alternativ kann die Anrufweiterleitungs-Technik
gemäß der vorliegenden
Erfindung durch ein PBX-System realisiert werden, wie z. B. das
Nortel Meridian 1 PBX-System. Bei dieser Alternative wird beispielsweise
ein Anruf an das durch die PBX-Systeme verbundene Telefon einer
Person mit anderen angeschlossenen Telefonen auf der Grundlage des
Verhaltens der Person weitergeleitet. Andere Modifikationen und
Abänderungen
sind im Hinblick auf die vorstehenden Lehren möglich oder können bei
einer Ausführung
der Erfindung festgestellt werden. Der Schutzumfang der Erfindung
ist durch die Ansprüche
und ihre Äquivalente
definiert.