CN106934000A - 一种呼叫***的语音自动质检方法及*** - Google Patents
一种呼叫***的语音自动质检方法及*** Download PDFInfo
- Publication number
- CN106934000A CN106934000A CN201710123883.9A CN201710123883A CN106934000A CN 106934000 A CN106934000 A CN 106934000A CN 201710123883 A CN201710123883 A CN 201710123883A CN 106934000 A CN106934000 A CN 106934000A
- Authority
- CN
- China
- Prior art keywords
- quality inspection
- quality
- module
- data
- artificial
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000007689 inspection Methods 0.000 claims abstract description 343
- 238000012372 quality testing Methods 0.000 claims abstract description 59
- 238000004321 preservation Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 4
- 230000000379 polymerizing effect Effects 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 11
- 238000012076 audiometry Methods 0.000 description 3
- 238000006116 polymerization reaction Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Telephonic Communication Services (AREA)
- Monitoring And Testing Of Exchanges (AREA)
Abstract
本发明提供了一种呼叫***的语音自动质检方法,包括以下步骤:所述语音数据获取模块向所述呼叫***获得语音数据,然后将获取到的语音数据发送给所述文本语音转译模块,所述文本语音转译模块将所述语音数据转换成文本数据,所述文本语音转译模块将转译完成的文本数据发送给所述文本数据存储模块保存;所述智能生成质检条件模块根据智能质检模块的质检数据,以及质检学习算法获得智能质检条件,该呼叫***的语音自动质检方法能***智能语音质检,进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,质检工作人员注意力集中在少量质检评分较低的质检不通过及质检模糊数据上,同时快速地融合多种质检条件对语音进行同时质检评价。
Description
技术领域
本发明涉及呼叫***技术领域,尤其涉及一种呼叫***的语音自动质检方法。
背景技术
通过计算机网络形成的管理***已经成为信息生产和管理,客服人员每天处理数万通电话,而质检人员对这些通话录音只能通过人工测听的方式进行抽查,测听抽检比率低,质检工作量大,效率低且覆盖低,难以有效评价整体服务质量。有时可能是一种很模糊的录音,不一定都是存在重大的问题,可能是一些表达的方式不好,表达中出现了不该出现的用语,这些都是通过人工不断都去检测,可能要不断地重复地去收听一段录音,现有的语音手动抽检测听的方式效率低下并且覆盖率低,这样手动人为地检测受到人为因素影响很大,可能在某一时间段漏掉一些关键的词,无法准确地检测不良的录音,或者用抽检,计算出一定的概率去检测,这样也会出一些问题,人工抽检,总会有一些检测不到的情况,于是有一些公司将检测改为模糊检测,这样的检测虽然效率高,但是无法严格完成质检;
因此,本领域的技术人员亟需研究出一种能***智能语音质检,进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,质检工作人员注意力集中在少量质检评分较低的待质检数据上,提高了质检质量的呼叫***的语音自动质检方法。
发明内容
本发明要解决的技术问题是提供一种呼叫***的语音自动质检方法,该呼叫***的语音自动质检方法能***智能语音质检,进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,质检工作人员注意力集中在少量质检评分较低的质检不通过及质检模糊数据上,同时快速地融合多种质检条件对语音进行同时质检评价,可将近似的质检条件归类识别,将质检进行分类,在分类中精确地进行质检期望评价与聚合评价,提高了质检质量。
为解决上述技术问题,本发明提供了一种呼叫***的语音自动质检方法,用于对呼叫***进行语音质检,提供语音数据获取模块、文本语音转译模块、文本数据存储模块、智能质检模块、质检条件字典模块、智能生成质检条件模块、质检数据存储模块及质检报告数据生成模块;
所述呼叫***的语音自动质检方法包括以下步骤:
S1:所述语音数据获取模块向所述呼叫***获得语音数据,然后将获取到的语音数据发送给所述文本语音转译模块,所述文本语音转译模块将所述语音数据转换成文本数据,所述文本语音转译模块将转译完成的文本数据发送给所述文本数据存储模块保存;
S2:所述智能生成质检条件模块根据智能质检模块的质检数据,以及质检学习算法获得智能质检条件,所述智能生成质检条件模块将生成的智能质检条件发送给所述质检条件字典模块,所述人工质检模块进行人工质检条件的设置,并将所设置的人工质检条件发送给所述质检条件字典模块;
S3:所述质检条件字典模块将智能质检条件及人工质检条件发送所述智能质检模块;
S4:所述智能质检模块将文本数据根据智能质检条件或者人工质检条件,以及质检匹配算法进行算法匹配检索,质检打分,获得质检报告单元,对低分较低的数据,生成人工质检数据。
优选地,所述步骤S4的质检打分步骤的实现步骤包括:
S41:所述智能质检模块根据智能质检条件或者人工质检条件,以及质检匹配算法对文本数据进行质检匹配打分,根据评分情况将文本数据划分三类:质检通过、质检未通过和质检模糊结果,
S42:所述智能质检模块将这三类文本数据生成两类结果:质检报告及人工质检数据,所述人工质检数据由质检模糊结果和部分质检未通过的数据智能抽样后剩余的文本数据生成,所述质检报告由质检模糊结果文本数据和质检未通过的数据智能抽样后剩余的文本数据生成;
S43:所述智能质检模块将人工质检数据发送给所述质检数据存储模块保存,所述智能质检模块将所述质检报告数据发送给所述质检报告数据生成模块。
优选地,还提供人工质检模块,所述呼叫***的语音自动质检方法还包括步骤:所述人工质检模块对所述质检数据存储模块的人工质检数据进行人工质检,人工质检完成后,所述人工质检模块生成质检报告数据。
优选地,所述质检匹配算法为:进行质检的智能质检条件为ui,质检数据为yi,质检数据yi与智能质检条件(u1...ui)的区别度为(x1...xN),所述N个区别度(x1...xi...xN)组成N个测试样本,i=1,2,...,N,检测统计公式为:如果Q∈D,则yi质检通过,如果Q∈(D+C),则yi质检结果模糊,如果则yi质检不通过,其中,u为随机变量的均值, C为统计范围的系数,ρ为显著水平系数,D=[-xρ,xρ],统计值Q以1-ρ的概率位于D中。
优选地,所述质检匹配算法为:进行质检的智能质检条件为若干类,其中两类为(uw1,uw2,..uwN)与(ux1,ux2,..uxN),质检数据为yi及li,质检数据yi在第一类智能质检条件(uw1,uw2,..uwN)的对应指标值为(yw1,yw2,...,ywi,...,ywN),所述N个指标值(yw1,yw2,..,ywN)组成N个测试样本,质检数据li在第二类智能质检条件(ux1,ux2,..uxN)的对应指标值为(lw1,lw2,..,lwN),所述N个指标值(lw1,lw2,..,lwi,...,lwN)组成N个测试样本,检测统计公式为:如果Q∈D,则yi及li符合聚合条件,质检通过,如果Q∈(D+C),质检结果模糊,如果则质检不通过,其中, u1及u2分别为随机变量ywi及lwi的均值,C为统计范围的系数,ρ为显著水平系数,D=[-xρ,xρ],统计值Q以1-ρ的概率位于D中。
优选地,还提供智能分配模块及人工质检模块,所述呼叫***的语音自动质检方法还包括步骤:所述质检数据存储模块将所述人工质检数据发送所述智能分配模块,所述智能分配模块对所述质检数据存储模块的人工质检数据进行智能分配,所述智能分配模块再将所述对应的人工质检数据发送给所述人工质检模块,人工质检完成后,所述人工质检模块生成质检报告数据。
为解决上述技术问题,本发明还提供一种运用上述的呼叫***的语音自动质检方法的语音自动质检***;
采用了上述方法及***之后,所述语音数据获取模块向所述呼叫***获得语音数据,然后将获取到的语音数据发送给所述文本语音转译模块,所述文本语音转译模块将所述语音数据转换成文本数据,所述文本语音转译模块将转译完成的文本数据发送给所述文本数据存储模块保存;所述智能生成质检条件模块根据智能质检模块的质检数据,以及质检学习算法获得智能质检条件,所述智能生成质检条件模块将生成的智能质检条件发送给所述质检条件字典模块,所述人工质检模块进行人工质检条件的设置,并将所设置的人工质检条件发送给所述质检条件字典模块;所述质检条件字典模块将智能质检条件及人工质检条件发送所述智能质检模块;所述智能质检模块将文本数据根据智能质检条件或者人工质检条件,以及质检匹配算法进行算法匹配检索,质检打分,获得质检报告单元,对低分较低的数据,生成人工质检数据;该呼叫***的语音自动质检方法能***智能语音质检,进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,质检工作人员注意力集中在少量质检评分较低的待质检数据上,提高了质检质量。该呼叫***的语音自动质检方法能***智能语音质检,进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,质检工作人员注意力集中在少量质检评分较低的质检不通过及质检模糊数据上,同时快速地融合多种质检条件对语音进行同时质检评价,可将近似的质检条件归类识别,将质检进行分类,在分类中精确地进行质检期望评价与聚合评价,提高了质检质量。
附图说明
图1是本发明的一种呼叫***的语音自动质检方法的整体模型示意图;
图2是本发明的一种呼叫***的语音自动质检方法的执行流程图;
图3是本发明的一种呼叫***的语音自动质检方法的智能质检条件及人工质检条件中的Trie树的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
实施例1
请参阅图1至图2,
图1是本发明的一种呼叫***的语音自动质检方法的整体模型示意图;
图2是本发明的一种呼叫***的语音自动质检方法的执行流程图。
本发明公开了一种呼叫***的语音自动质检方法,用于对呼叫***进行语音质检,提供语音数据获取模块11、文本语音转译模块12、文本数据存储模块13、智能质检模块14、质检条件字典模块15、智能生成质检条件模块17、质检数据存储模块16、质检报告数据生成模块20及人工质检模块19,
所述呼叫***的语音自动质检方法包括以下步骤:
S1:所述语音数据获取模块11向所述呼叫***获得语音数据,然后将获取到的语音数据发送给所述文本语音转译模块12,所述文本语音转译模块12将所述语音数据转换成文本数据,所述文本语音转译模块12将转译完成的文本数据发送给所述文本数据存储模块13保存;
S2:所述智能生成质检条件模块17根据智能质检模块14的质检数据,以及质检学习算法获得智能质检条件,所述智能生成质检条件模块17将生成的智能质检条件发送给所述质检条件字典模块15,所述人工质检模块19进行人工质检条件的设置,并将所设置的人工质检条件发送给所述质检条件字典模块15;
S3:所述质检条件字典模块15将智能质检条件及人工质检条件发送所述智能质检模块14;
S4:所述智能质检模块14将文本数据根据智能质检条件或者人工质检条件,以及质检匹配算法进行算法匹配检索,质检打分,获得质检报告单元,对低分较低的数据,生成人工质检数据;
S5:所述人工质检模块19对所述质检数据存储模块16的人工质检数据进行人工质检,人工质检完成后,所述人工质检模块19生成质检报告数据。
在本实施例,所述步骤S4的质检打分步骤的实现步骤包括:
S41:所述智能质检模块14根据智能质检条件或者人工质检条件,以及质检匹配算法对文本数据进行质检匹配打分,根据评分情况将文本数据划分三类:质检通过、质检未通过和质检模糊结果,
S42:所述智能质检模块14将这三类文本数据生成两类结果:质检报告及人工质检数据,所述人工质检数据由质检模糊结果和部分质检未通过的数据智能抽样后剩余的文本数据生成,所述质检报告由质检模糊结果文本数据和质检未通过的数据智能抽样后剩余的文本数据生成;
S43:所述智能质检模块14将人工质检数据发送给所述质检数据存储模块16保存,所述智能质检模块14将所述质检报告数据发送给所述质检报告数据生成模块20。
所述智能质检条件或者人工质检条件包括:话术算子、匹配范围、话术条件及Trie树;
所述话术算子包括以下几类:
Trie树:例如:“中华”,“中华名族”,“中间”,“感召”,“感召力”,“感受”如图3所示,
每个结点都是词语的一个汉字;
结点中的指针指向了该汉字在某一个词中的下一个汉字,这些指针存放在以汉字为key的hash结构中;
结点中的“#”表示当前结点中的汉字是从根结点到该汉字结点所组成的最后一个字。
在本实施例,优选的质检匹配算法为:进行质检的智能质检条件为ui,质检数据为yi,质检数据yi与智能质检条件(u1...ui)的区别度为(x1...xN),所述N个区别度(x1...xi...xN)组成N个测试样本,i=1,2,...,N,检测统计公式为:如果Q∈D,则yi质检通过,如果Q∈(D+C),则yi质检结果模糊,如果则yi质检不通过,其中,u为随机变量的均值,C为统计范围的系数,ρ为显著水平系数,D=[-xρ,xρ],统计值Q以1-ρ的概率位于D中。
实施例2
在实施例1的基础上,优选的质检匹配算法为:进行质检的智能质检条件为若干类,其中两类为(uw1,uw2,..uwN)与(ux1,ux2,..uxN),质检数据为yi及li,质检数据yi在第一类智能质检条件(uw1,uw2,..uwN)的对应指标值为(yw1,yw2,...,ywi,...,ywN),所述N个指标值(yw1,yw2,..,ywN)组成N个测试样本,质检数据li在第二类智能质检条件(ux1,ux2,..uxN)的对应指标值为(lw1,lw2,..,lwN),所述N个指标值(lw1,lw2,..,lwi,...,lwN)组成N个测试样本,检测统计公式为:如果Q∈D,则yi及li符合聚合条件,质检通过,如果Q∈(D+C),质检结果模糊,如果则质检不通过,其中,u1及u2分别为随机变量ywi及lwi的均值,C为统计范围的系数,ρ为显著水平系数,D=[-xρ,xρ],统计值Q以1-ρ的概率位于D中。
实施例3,
在实施例1或实施例2的基础上,还提供智能分配模块18,所述呼叫***的语音自动质检方法还包括步骤:所述质检数据存储模块16将所述人工质检数据发送所述智能分配模块18,所述智能分配模块18对所述质检数据存储模块16的人工质检数据进行智能分配,所述智能分配模块18再将所述对应的人工质检数据发送给所述人工质检模块19,人工质检完成后,所述人工质检模块19生成质检报告数据。
实施例4,
本发明还提供一种用于运用上述的呼叫***的语音自动质检方法的语音自动质检***,包括:语音数据获取模块、文本语音转译模块、文本数据存储模块、智能质检模块14、质检条件字典模块15、智能生成质检条件模块17、质检数据存储模块16及质检报告数据生成模块20,所述语音数据获取模块向所述呼叫***获得语音数据,然后将获取到的语音数据发送给所述文本语音转译模块,所述文本语音转译模块将所述语音数据转换成文本数据,所述文本语音转译模块将转译完成的文本数据发送给所述文本数据存储模块保存;所述智能生成质检条件模块17根据智能质检模块14的质检数据,以及质检学习算法获得智能质检条件,所述智能生成质检条件模块17将生成的智能质检条件发送给所述质检条件字典模块15,所述人工质检模块19进行人工质检条件的设置,并将所设置的人工质检条件发送给所述质检条件字典模块15;所述质检条件字典模块15将智能质检条件及人工质检条件发送所述智能质检模块14;所述智能质检模块14将文本数据根据智能质检条件或者人工质检条件,以及质检匹配算法进行算法匹配检索,质检打分,获得质检报告单元,对低分较低的数据,生成人工质检数据。
采用上述的方法与***之后,所述语音数据获取模块向所述呼叫***获得语音数据,然后将获取到的语音数据发送给所述文本语音转译模块,所述文本语音转译模块将所述语音数据转换成文本数据,所述文本语音转译模块将转译完成的文本数据发送给所述文本数据存储模块保存;所述智能生成质检条件模块17根据智能质检模块14的质检数据,以及质检学习算法获得智能质检条件,所述智能生成质检条件模块17将生成的智能质检条件发送给所述质检条件字典模块15,所述人工质检模块19进行人工质检条件的设置,并将所设置的人工质检条件发送给所述质检条件字典模块15;所述质检条件字典模块15将智能质检条件及人工质检条件发送所述智能质检模块14;所述智能质检模块14将文本数据根据智能质检条件或者人工质检条件,以及质检匹配算法进行算法匹配检索,质检打分,获得质检报告单元,对低分较低的数据,生成人工质检数据,该呼叫***的语音自动质检方法能***智能语音质检,进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,质检工作人员注意力集中在少量质检评分较低的待质检数据上,提高了质检质量。该呼叫***的语音自动质检方法能***智能语音质检,进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,质检工作人员注意力集中在少量质检评分较低的质检不通过及质检模糊数据上,同时快速地融合多种质检条件对语音进行同时质检评价,可将近似的质检条件归类识别,将质检进行分类,在分类中精确地进行质检期望评价与聚合评价,提高了质检质量。
同时,应当理解的是,以上仅为本发明的优选实施例,不能因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效实现方法,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种呼叫***的语音自动质检方法,用于对呼叫***进行语音质检,其特征在于:提供语音数据获取模块、文本语音转译模块、文本数据存储模块、智能质检模块、质检条件字典模块、智能生成质检条件模块、质检数据存储模块及质检报告数据生成模块;
所述呼叫***的语音自动质检方法包括以下步骤:
S1:所述语音数据获取模块向所述呼叫***获得语音数据,然后将获取到的语音数据发送给所述文本语音转译模块,所述文本语音转译模块将所述语音数据转换成文本数据,所述文本语音转译模块将转译完成的文本数据发送给所述文本数据存储模块保存;
S2:所述智能生成质检条件模块根据智能质检模块的质检数据,以及质检学习算法获得智能质检条件,所述智能生成质检条件模块将生成的智能质检条件发送给所述质检条件字典模块,所述人工质检模块进行人工质检条件的设置,并将所设置的人工质检条件发送给所述质检条件字典模块;
S3:所述质检条件字典模块将智能质检条件及人工质检条件发送所述智能质检模块;
S4:所述智能质检模块将文本数据根据智能质检条件或者人工质检条件,以及质检匹配算法进行算法匹配检索,质检打分,获得质检报告单元,对低分较低的数据,生成人工质检数据。
2.根据权利要求1所述的呼叫***的语音自动质检方法,其特征在于:
所述步骤S4的质检打分步骤的实现步骤包括:
S41:所述智能质检模块根据智能质检条件或者人工质检条件,以及质检匹配算法对文本数据进行质检匹配打分,根据评分情况将文本数据划分三类:质检通过、质检未通过和质检模糊结果,
S42:所述智能质检模块将这三类文本数据生成两类结果:质检报告及人工质检数据,所述人工质检数据由质检模糊结果和部分质检未通过的数据智能抽样后剩余的文本数据生成,所述质检报告由质检模糊结果文本数据和质检未通过的数据智能抽样后剩余的文本数据生成;
S43:所述智能质检模块将人工质检数据发送给所述质检数据存储模块保存,所述智能质检模块将所述质检报告数据发送给所述质检报告数据生成模块。
3.根据权利要求2所述的呼叫***的语音自动质检方法,其特征在于:
还提供人工质检模块,所述呼叫***的语音自动质检方法还包括步骤:所述人工质检模块对所述质检数据存储模块的人工质检数据进行人工质检,人工质检完成后,所述人工质检模块生成质检报告数据。
4.根据权利要求1所述的呼叫***的语音自动质检方法,其特征在于:所述质检匹配算法为:进行质检的智能质检条件为ui,质检数据为yi,质检数据yi与智能质检条件(u1...ui)的区别度为(x1...xN),所述N个区别度(x1...xi...xN)组成N个测试样本,i=1,2,...,N,检测统计公式为:如果Q∈D,则yi质检通过,如果Q∈(D+C),则yi质检结果模糊,如果则yi质检不通过,其中,u为随机变量的均值, C为统计范围的系数,ρ为显著水平系数,D=[-xρ,xρ],统计值Q以1-ρ的概率位于D中。
5.根据权利要求1所述的呼叫***的语音自动质检方法,其特征在于:所述质检匹配算法为:进行质检的智能质检条件为若干类,其中两类为(uw1,uw2,..uwN)与(ux1,ux2,..uxN),质检数据为yi及li,质检数据yi在第一类智能质检条件(uw1,uw2,..uwN)的对应指标值为(yw1,yw2,...,ywi,...,ywN),所述N个指标值(yw1,yw2,..,ywN)组成N个测试样本,质检数据li在第二类智能质检条件(ux1,ux2,..uxN)的对应指标值为(lw1,lw2,..,lwN),所述N个指标值(lw1,lw2,..,lwi,...,lwN)组成N个测试样本,检测统计公式为:如果Q∈D,则yi及li符合聚合条件,质检通过,如果Q∈(D+C),质检结果模糊,如果则质检不通过,其中, u1及u2分别为随机变量ywi及lwi的均值,C为统计范围的系数,ρ为显著水平系数,D=[-xρ,xρ],统计值Q以1-ρ的概率位于D中。
6.根据权利要求2所述的呼叫***的语音自动质检方法,其特征在于:还提供智能分配模块及人工质检模块,所述呼叫***的语音自动质检方法还包括步骤:所述质检数据存储模块将所述人工质检数据发送所述智能分配模块,所述智能分配模块对所述质检数据存储模块的人工质检数据进行智能分配,所述智能分配模块再将所述对应的人工质检数据发送给所述人工质检模块,人工质检完成后,所述人工质检模块生成质检报告数据。
7.一种用于运用权利要求1至6任一所述的呼叫***的语音自动质检方法的语音自动质检***:其特征在于:包括:语音数据获取模块、文本语音转译模块、文本数据存储模块、智能质检模块、质检条件字典模块、智能生成质检条件模块、质检数据存储模块及质检报告数据生成模块,所述语音数据获取模块向所述呼叫***获得语音数据,然后将获取到的语音数据发送给所述文本语音转译模块,所述文本语音转译模块将所述语音数据转换成文本数据,所述文本语音转译模块将转译完成的文本数据发送给所述文本数据存储模块保存;所述智能生成质检条件模块根据智能质检模块的质检数据,以及质检学习算法获得智能质检条件,所述智能生成质检条件模块将生成的智能质检条件发送给所述质检条件字典模块,所述人工质检模块进行人工质检条件的设置,并将所设置的人工质检条件发送给所述质检条件字典模块;所述质检条件字典模块将智能质检条件及人工质检条件发送所述智能质检模块;所述智能质检模块将文本数据根据智能质检条件或者人工质检条件,以及质检匹配算法进行算法匹配检索,质检打分,获得质检报告单元,对低分较低的数据,生成人工质检数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710123883.9A CN106934000B (zh) | 2017-03-03 | 2017-03-03 | 一种呼叫***的语音自动质检方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710123883.9A CN106934000B (zh) | 2017-03-03 | 2017-03-03 | 一种呼叫***的语音自动质检方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106934000A true CN106934000A (zh) | 2017-07-07 |
CN106934000B CN106934000B (zh) | 2020-10-09 |
Family
ID=59424025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710123883.9A Active CN106934000B (zh) | 2017-03-03 | 2017-03-03 | 一种呼叫***的语音自动质检方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106934000B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830318A (zh) * | 2018-06-12 | 2018-11-16 | 泰康保险集团股份有限公司 | 质检方法、装置、设备及存储介质 |
CN108924369A (zh) * | 2018-06-27 | 2018-11-30 | 中国联合网络通信集团有限公司 | 基于电话调查的nps测评运营方法、***和管理平台 |
CN109639914A (zh) * | 2019-01-08 | 2019-04-16 | 深圳市沃特沃德股份有限公司 | 智能考评方法、***及计算机可读存储介质 |
CN109816106A (zh) * | 2017-11-20 | 2019-05-28 | 北京智合大方科技有限公司 | 一种基于语音识别和自然语言处理技术进行呼叫中心客服业务知识类应答质量评估*** |
CN110197672A (zh) * | 2018-02-27 | 2019-09-03 | 招商信诺人寿保险有限公司 | 一种语音通话质量检测方法、服务器、存储介质 |
CN110265023A (zh) * | 2019-05-20 | 2019-09-20 | 南京觉醒智能科技有限公司 | 一种双方现场话术实时在线质检方法 |
WO2019179022A1 (zh) * | 2018-03-22 | 2019-09-26 | 平安科技(深圳)有限公司 | 文本数据质检方法、装置、设备及计算机可读存储介质 |
CN110610705A (zh) * | 2019-09-20 | 2019-12-24 | 上海数鸣人工智能科技有限公司 | 一种基于人工智能的语音交互提示器 |
CN111010484A (zh) * | 2019-12-16 | 2020-04-14 | 科大国创软件股份有限公司 | 一种通话录音自动质检方法 |
CN111210842A (zh) * | 2019-12-27 | 2020-05-29 | 中移(杭州)信息技术有限公司 | 语音质检方法、装置、终端及计算机可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009022407A1 (ja) * | 2007-08-13 | 2009-02-19 | Fujitsu Limited | 検査方法 |
CN101848282A (zh) * | 2009-03-27 | 2010-09-29 | 华为技术有限公司 | 质检处理方法、装置及***、质检员客户端 |
CN102456344A (zh) * | 2010-10-22 | 2012-05-16 | 中国电信股份有限公司 | 基于语音识别技术分析客户行为特征的***及方法 |
US8489441B1 (en) * | 2012-03-22 | 2013-07-16 | International Business Machines Corporation | Quality of records containing service data |
CN104168394A (zh) * | 2014-06-27 | 2014-11-26 | 国家电网公司 | 一种呼叫中心抽样质检方法及*** |
CN104301554A (zh) * | 2013-07-18 | 2015-01-21 | 中兴通讯股份有限公司 | 一种对客服人员的服务质量进行质检的装置及方法 |
US20150287422A1 (en) * | 2012-05-04 | 2015-10-08 | Kaonyx Labs, LLC | Methods and systems for improved measurement, entity and parameter estimation, and path propagation effect measurement and mitigation in source signal separation |
CN105184315A (zh) * | 2015-08-26 | 2015-12-23 | 北京中电普华信息技术有限公司 | 一种质检处理方法及*** |
CN105975514A (zh) * | 2016-04-28 | 2016-09-28 | 朱宇光 | 一种自动质检方法及*** |
-
2017
- 2017-03-03 CN CN201710123883.9A patent/CN106934000B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009022407A1 (ja) * | 2007-08-13 | 2009-02-19 | Fujitsu Limited | 検査方法 |
CN101848282A (zh) * | 2009-03-27 | 2010-09-29 | 华为技术有限公司 | 质检处理方法、装置及***、质检员客户端 |
CN102456344A (zh) * | 2010-10-22 | 2012-05-16 | 中国电信股份有限公司 | 基于语音识别技术分析客户行为特征的***及方法 |
US8489441B1 (en) * | 2012-03-22 | 2013-07-16 | International Business Machines Corporation | Quality of records containing service data |
US20150287422A1 (en) * | 2012-05-04 | 2015-10-08 | Kaonyx Labs, LLC | Methods and systems for improved measurement, entity and parameter estimation, and path propagation effect measurement and mitigation in source signal separation |
CN104301554A (zh) * | 2013-07-18 | 2015-01-21 | 中兴通讯股份有限公司 | 一种对客服人员的服务质量进行质检的装置及方法 |
CN104168394A (zh) * | 2014-06-27 | 2014-11-26 | 国家电网公司 | 一种呼叫中心抽样质检方法及*** |
CN105184315A (zh) * | 2015-08-26 | 2015-12-23 | 北京中电普华信息技术有限公司 | 一种质检处理方法及*** |
CN105975514A (zh) * | 2016-04-28 | 2016-09-28 | 朱宇光 | 一种自动质检方法及*** |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816106A (zh) * | 2017-11-20 | 2019-05-28 | 北京智合大方科技有限公司 | 一种基于语音识别和自然语言处理技术进行呼叫中心客服业务知识类应答质量评估*** |
CN110197672B (zh) * | 2018-02-27 | 2021-09-21 | 招商信诺人寿保险有限公司 | 一种语音通话质量检测方法、服务器、存储介质 |
CN110197672A (zh) * | 2018-02-27 | 2019-09-03 | 招商信诺人寿保险有限公司 | 一种语音通话质量检测方法、服务器、存储介质 |
WO2019179022A1 (zh) * | 2018-03-22 | 2019-09-26 | 平安科技(深圳)有限公司 | 文本数据质检方法、装置、设备及计算机可读存储介质 |
CN108830318A (zh) * | 2018-06-12 | 2018-11-16 | 泰康保险集团股份有限公司 | 质检方法、装置、设备及存储介质 |
CN108924369B (zh) * | 2018-06-27 | 2021-06-22 | 中国联合网络通信集团有限公司 | 基于电话调查的nps测评运营方法、***和管理平台 |
CN108924369A (zh) * | 2018-06-27 | 2018-11-30 | 中国联合网络通信集团有限公司 | 基于电话调查的nps测评运营方法、***和管理平台 |
CN109639914A (zh) * | 2019-01-08 | 2019-04-16 | 深圳市沃特沃德股份有限公司 | 智能考评方法、***及计算机可读存储介质 |
CN110265023A (zh) * | 2019-05-20 | 2019-09-20 | 南京觉醒智能科技有限公司 | 一种双方现场话术实时在线质检方法 |
CN110610705A (zh) * | 2019-09-20 | 2019-12-24 | 上海数鸣人工智能科技有限公司 | 一种基于人工智能的语音交互提示器 |
CN110610705B (zh) * | 2019-09-20 | 2023-07-25 | 上海数鸣人工智能科技有限公司 | 一种基于人工智能的语音交互提示器 |
CN111010484A (zh) * | 2019-12-16 | 2020-04-14 | 科大国创软件股份有限公司 | 一种通话录音自动质检方法 |
CN111210842A (zh) * | 2019-12-27 | 2020-05-29 | 中移(杭州)信息技术有限公司 | 语音质检方法、装置、终端及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106934000B (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106934000A (zh) | 一种呼叫***的语音自动质检方法及*** | |
CN109918491B (zh) | 一种基于知识库自学习的智能客服问句匹配方法 | |
CN107562918A (zh) | 一种数学题知识点发现与批量标签获取方法 | |
CN104765768A (zh) | 海量人脸库的快速准确检索方法 | |
CN110134787A (zh) | 一种新闻话题检测方法 | |
CN109388700A (zh) | 一种意图识别方法及*** | |
CN107123123A (zh) | 基于卷积神经网络的图像分割质量评价方法 | |
CN104573669A (zh) | 图像物体检测方法 | |
CN108710771B (zh) | 基于深度特征集成提取的机械装备服役可靠性评估方法 | |
CN108804529A (zh) | 一种基于Web的问答***实现方法 | |
CN111027631B (zh) | 高压耐张线夹压接缺陷判别的x射线影像分类识别方法 | |
CN109871686A (zh) | 基于图标表示和软件行为一致性分析的恶意程序识别方法及装置 | |
CN109033322A (zh) | 一种多维数据的测试方法和装置 | |
CN111210402A (zh) | 人脸图像质量评分方法、装置、计算机设备及存储介质 | |
CN112016303A (zh) | 基于图神经网络的文本纠错方法、装置、设备及存储介质 | |
CN108920446A (zh) | 一种工程文本的处理方法 | |
CN114491081A (zh) | 基于数据血缘关系图谱的电力数据溯源方法及*** | |
CN115567292A (zh) | 一种基于改进CatBoost算法的网络入侵检测方法 | |
CN114169447B (zh) | 基于自注意力卷积双向门控循环单元网络的事件检测方法 | |
CN113987188B (zh) | 一种短文本分类方法、装置及电子设备 | |
CN108280357A (zh) | 基于语义特征提取的数据防泄漏方法、*** | |
CN103440292B (zh) | 基于比特向量的多媒体信息检索方法和*** | |
WO2023174431A1 (zh) | 一种kpi曲线数据处理方法 | |
CN114172856B (zh) | 消息自动回复方法、装置、设备及存储介质 | |
CN109602415A (zh) | 基于机器学习的心电设备导联倒置识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: 518000 R & D room 3501, block a, building 7, Vanke Cloud City Phase I, Xingke 1st Street, Xili community, Xili street, Nanshan District, Shenzhen City, Guangdong Province Patentee after: Tubatu Group Co.,Ltd. Address before: 1001-a, 10th floor, bike technology building, No.9, Keke Road, high tech Zone, Nanshan District, Shenzhen, Guangdong 518000 Patentee before: SHENZHEN BINCENT TECHNOLOGY Co.,Ltd. |
|
CP03 | Change of name, title or address |