智能服务中心是连接企业与用户的桥梁。用户在接入企业办理业务时使用的媒介,如电话、邮件、微信公众号等都是智能服务中心的一部分,IVR系统也是智能服务中心的一部分,它是一种功能强大的交互式语音响应系统,在智能服务中心的应用发展历程中一直占据着举足轻重的地位,在IVR系统的帮助下,智能服务中心可以为用户提供语音导航菜单以指导他们办理业务。在传统的IVR系统中,业务是以分层的形式排列的,整个业务系统最终以树的形式呈现给用户,用户通过拨打电话进入IVR系统,然后通过语音提示进入业务分叉树,通过按键逐层寻找需要的业务。但是随着业务的增加,IVR系统日益庞大,业务分叉树也变得复杂起来,由于用户可能不熟悉语音菜单的层次结构,因此他们可能会花费大量的时间在业务菜单的不同层次结构之间来回切换,却仍然难以快速或准确地找到他们喜欢的业务。本文通过分析认为造成这些问题的原因在于用户每次进入IVR系统时,都将面对同一个业务菜单,用户无法拥有个性化的体验。为了解决这些问题,本文提出了将推荐算法引入传统的IVR系统中,在用户接入IVR系统后可以为用户提供一个定制化的个性化业务分叉树,使用户能够以最少的操作步骤定位到所需业务。本文通过分析IVR系统的业务分叉树研究了业务之间的层次性和相关性特点,并将业务之间的这些特点融入到了基于用户的协同过滤推荐算法中,改进了算法中用户相似度的计算方法;此外,本文从一年、一个月、一天三个不同的层面逐步细化分析用户兴趣随时间的迁移以及业务流行度随时间的变化趋势,从而引入长短期记忆网络描述用户兴趣和业务流行度。本文还提出了两种新的业务分叉树的设置方式,这两种方式都可以切实有效地将推荐算法与IVR系统良好地结合起来。本文还介绍了IVR系统中推荐计算模块的设计,真正地将推荐算法与IVR系统相结合,在本文的SmartIVR系统中,根据业务菜单的特点以及用户的历史行为信息,为每个用户提供一个动态的可定制化的业务分叉树。此外,根据IVR系统的“以用户为中心、缓解人工座席压力”的设置目标和宗旨,本文还提出了两个具有领域针对性的评价指标:业务定位时长(ALT)和用户满意度(UR)。最后,本文在IVR系统的真实数据集上进行实验,将本文所提算法与基线算法进行对比,并研究了算法中超参数对推荐效果的影响。实验结果表明,本文在IVR系统中应用推荐算法的构思非常有价值,引入推荐算法的IVR系统可以极大地改善用户体验,提高系统的业务办理效率。