CN110163630A - 产品监管方法、装置、计算机设备及存储介质 - Google Patents
产品监管方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110163630A CN110163630A CN201910300383.7A CN201910300383A CN110163630A CN 110163630 A CN110163630 A CN 110163630A CN 201910300383 A CN201910300383 A CN 201910300383A CN 110163630 A CN110163630 A CN 110163630A
- Authority
- CN
- China
- Prior art keywords
- voice
- blacklist
- semantic analysis
- product
- vocal print
- 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 59
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 230000001755 vocal effect Effects 0.000 claims abstract description 113
- 238000004458 analytical method Methods 0.000 claims abstract description 96
- 235000021167 banquet Nutrition 0.000 claims abstract description 62
- 238000004519 manufacturing process Methods 0.000 claims abstract description 44
- 230000004044 response Effects 0.000 claims abstract description 25
- 230000001105 regulatory effect Effects 0.000 claims description 27
- 238000005516 engineering process Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012790 confirmation Methods 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 101000741965 Homo sapiens Inactive tyrosine-protein kinase PRAG1 Proteins 0.000 claims description 5
- 102100038659 Inactive tyrosine-protein kinase PRAG1 Human genes 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000005266 casting Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000000047 product Substances 0.000 description 125
- 238000012795 verification Methods 0.000 description 11
- 238000003058 natural language processing Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009432 framing Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/42—Confirmation, e.g. check or permission by the legal debtor of payment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开一种产品监管方法、装置、计算机设备和存储介质,该方法包括获取用户端发送的产品支付请求;将坐席标识与黑名单标识进行匹配,获取名单匹配结果;若名单匹配结果为匹配成功,则根据产品标识确定对应的产品类型,根据产品类型调用对应的语音播报数据,对语音播报数据进行语音播报;获取用户端基于语音播报数据反馈的待识别语音数据,对待识别语音数据进行语义分析,获取语义分析结果;从待识别语音数据中提取目标声纹特征,将标准声纹特征和目标声纹特征进行匹配,获取声纹匹配结果;根据语义分析结果和声纹匹配结果,对产品支付请求进行对应的响应操作,以解决坐席在产品销售过程中存在欺诈行为的问题。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种产品监管方法、装置、计算机设备及存储介质。
背景技术
随着全球经济的发展,各大公司竞争日益激烈,公司内部团队或销售人员相互之间也存在着竞争关系。由于公司监管不足,有些销售人员为提升业绩,在产品销售过程中,通过虚假信息等诱导用户购买产品,或者有些团队管理人员为保证本团队的销售业绩,隐瞒销售人员的欺诈行为,从而会导致用户进行投诉,影响公司信誉,因此,如何避免销售坐席的欺诈行为成为亟待解决的问题。
发明内容
本发明实施例提供一种产品监管方法、装置、计算机设备及存储介质,以解决坐席在产品销售过程中存在欺诈行为的问题。
一种产品监管方法,包括:
获取用户端发送的产品支付请求,所述产品支付请求包含用户标识、产品标识和坐席标识;
将所述坐席标识与黑名单列表中黑名单标识进行匹配,获取名单匹配结果;
若所述名单匹配结果为匹配成功,则根据所述产品标识确定对应的产品类型,根据所述产品类型调用对应的语音播报数据,采用TTS技术对所述语音播报数据进行语音播报;
获取用户端基于所述语音播报数据反馈的待识别语音数据,对所述待识别语音数据进行语义分析,获取语义分析结果;
从所述待识别语音数据中提取目标声纹特征,将与所述用户标识对应的标准声纹特征和所述目标声纹特征进行匹配,获取声纹匹配结果;
根据所述语义分析结果和所述声纹匹配结果,对所述产品支付请求进行对应的响应操作。
一种产品监管装置,包括:
支付请求获取模块,用于获取用户端发送的产品支付请求,所述产品支付请求包含用户标识、产品标识和坐席标识;
名单匹配模块,用于将所述坐席标识与黑名单列表中黑名单标识进行匹配,获取名单匹配结果;
语音播报模块,用于若所述名单匹配结果为匹配成功,则根据所述产品标识确定对应的产品类型,根据所述产品类型调用对应的语音播报数据,采用TTS技术对所述语音播报数据进行语音播报;
语义分析结果获取模块,用于获取用户端基于所述语音播报数据反馈的待识别语音数据,对所述待识别语音数据进行语义分析,获取语义分析结果;
声纹匹配结果获取模块,用于从所述待识别语音数据中提取目标声纹特征,将与所述用户标识对应的标准声纹特征和所述目标声纹特征进行匹配,获取声纹匹配结果;
响应操作模块,用于根据所述语义分析结果和所述声纹匹配结果,对所述产品支付请求进行对应的响应操作。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述产品监管方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述产品监管方法。
上述提供一种产品监管方法、装置、计算机设备和存储介质,当获取用户端发送的产品支付请求时,将坐席标识与黑名单列表中黑名单标识进行匹配,以确定是否对该产品支付请求进行语音验证。若名单匹配结果为匹配成功,则根据产品标识确定对应的语音播报数据,将语音播报数据进行语音播报,来确定用户是否清楚了解购买的产品的产品购买须知。获取用户端基于语音播报数据反馈的待识别语音数据,对待识别语音数据进行语义分析,以获取到用户是否清楚了解产品购买须知,减少后续用户投诉。从待识别语音数据中提取目标声纹特征,将与用户标识对应的标准声纹特征和目标声纹特征进行匹配,获取声纹匹配结果,实现确定是否为本人回复。根据语义分析结果和声纹匹配结果,对产品支付请求进行对应的响应操作,实现产品销售的监管。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中产品监管方法的应用环境示意图;
图2是本发明一实施例中产品监管方法的流程图;
图3是本发明一实施例中产品监管方法的流程图;
图4是本发明一实施例中产品监管方法的流程图;
图5是本发明一实施例中产品监管方法的流程图;
图6是本发明一实施例中产品监管方法的流程图;
图7是本发明一实施例中产品监管方法的流程图;
图8是本发明一实施例中产品监管装置的原理框图;
图9是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结和本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的产品监管方法,可应用在如图1的应用环境中,该产品监管方法应用在产品销售***中,该产品销售***包括用户端和服务端,其中,用户端通过网络与服务端进行通信。该产品监管方法具体应用在产品推荐APP的服务端上,当接收到用户端发送的产品支付请求时,判断销售该产品的坐席标识是否与黑名单标识相匹配,若相匹配则向用户端播报相应的语音播报数据,以便根据语音播报数据用户了解产品购买须知,避免坐席违规操作。根据用户端反馈的待识别语音数据,进行相应的响应操作,减少后续用户投诉。提取待识别语音数据对应的目标声纹特征,根据目标声纹特征以确定是否为用户本人回复。其中,用户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务端或者是多个服务端组成的服务端集群来实现。
在一实施例中,如图2所示,提供一种产品监管方法,以该方法应用在图1中的服务端为例进行说明,具体包括如下步骤:
S10:获取用户端发送的产品支付请求,产品支付请求包含用户标识、产品标识和坐席标识。
其中,产品支付请求是用户基于用户端发送的对购买的产品进行支付的请求。用户标识是指服务端为每一用户分配的唯一标识,也可以是用户的身份证号用户对应的标识,通过用户标识可确定唯一的用户。产品标识是用户购买的产品对应的标识,根据产品标识确定唯一的产品。其中,服务端预先为每一产品配置对应的产品标识,每一产品标识对应一产品类型,产品类型是指该产品标识所属的类别,例如,产品标识对应的产品为鸿运随性,所属的产品类型为意外保险。坐席标识是指服务端预先为坐席分配的标识,通过坐席标识可确定唯一的坐席。
具体地,坐席可通过产品销售***进行产品销售,用户确定购买产品后,用户可基于用户端发送产品支付请求,产品支付请求中包含用户标识、产品标识和坐席标识。
S20:将坐席标识与黑名单列表中黑名单标识进行匹配,获取名单匹配结果。
其中,黑名单标识是指进行违规操作的坐席对应的标识。
具体地,数据库的中存储有黑名单列表,黑名单列表中有每一黑名单标识、对应的监控时长和对应的监控期限。服务端将坐席标识与黑名单列表中每一黑名单标识进行匹配,获取匹配结果。其中,匹配结果可包含坐席标识与黑名单标识匹配成功和坐席标识与黑名单标识匹配失败两种。若坐席标识与黑名单标识匹配成功,则服务端需要对此次支付操作进行IVR语音验证,其中,IVR(Interactive Voice Response),即互动式语音应答。实现对产品销售的监管。若坐席标识与黑名单标识匹配失败,则用户可直接进行支付操作,无需进行IVR语音验证。通过IVR语音验证,以确定用户是否了解产品购买须知,并保证回复确认信息的用户是购买产品本人。
S30:若名单匹配结果为匹配成功,则根据产品标识确定对应的产品类型,根据产品类型调用对应的语音播报数据,采用TTS技术对语音播报数据进行语音播报。
其中,语音播报数据是指预先配置的文字数据。可以理解地,每一产品类型对应一语音播报数据,通过语音播报数据用户可清楚了解产品购买须知所要注意的数据,即产品购买须知,避免坐席违规操作。其中,语音播报数据应当简单明了清楚。
具体地,若坐席标识与黑名单标识匹配成功,则需对该坐席标识对应的支付请求进行IVR语音验证。首先,根据产品标识查询数据库,数据库中存储有每一产品标识对应的产品类型,产品类型包括加保、综金贷/贷款小消、用卡激活首拨/翻打和其他类型等。例如,产品标识对应产品为鸿运随行,根据鸿运随性查找数据库中对照表,与鸿运随性对应的产品类型为意外保险。根据产品类型调用对应的语音播报数据。例如,(1)产品类型为意外保险,对应的语音播报数据为:“您是否清楚您当前购买一份意外保险,而不是收益型保险?清楚请回复已清楚,如有疑问请回复有疑问,谢谢。”(2)产品类型为综金贷/贷款小消,对应的语音播报数据为:“您是否清楚您当前所购买的保险与贷款等其他综合金融服务并无直接关联?清楚请回复已清楚,如有疑问请回复有疑问,谢谢。”(3)产品类型为***激活首拨/翻打,对应的语音播报数据为:“您是否清楚您当前所购买的保险与***额度提升等其他综合金融服务并无直接关联?清楚请回复已清楚,如有疑问请回复有疑问,谢谢。”根据产品类型查找数据库,获取与产品类型对应的语音播报数据,并采用TTS技术将语音播报数据进行语音播报,即将进行IVR语音验证,避免坐席的违规操作,实现产品销售的监管。
S40:获取用户端基于语音播报数据反馈的待识别语音数据,对待识别语音数据进行语义分析,获取语义分析结果。
其中,待识别语音数据是指用户基于用户端根据语音播报数据反馈的的语音数据。
具体地,服务端提供一语音获取接口,该语音获取接口与用户端网络连接,用户可基于用户端,根据语音播报数据向服务端反馈待识别语音数据,服务端通过语音获取接口获取到该待识别语音数据,并对待识别语音数据进行语义分析,确定待识别语音数据中的关键内容,获取语义分析结果,其中,语义分析结果包括确认信息、否认信息和不确定信息。可以理解地,语音播报数据中每一产品类型对应的语音播报数据中均包含“清楚请回复已清楚,如有疑问请回复有疑问”的语音播报数据,即用户回复的待识别语音数据包含已清楚,即语义分析结果为确认信息,用户回复的待识别语音数据中包含有疑问,则语义分析结果为否认信息;若用户回复的待识别语音数据中不包含已清楚和有疑问,那么语义分析结果为不确定信息。
S50:从待识别语音数据中提取目标声纹特征,将与用户标识对应的标准声纹特征和目标声纹特征进行匹配,获取声纹匹配结果。
其中,目标声纹特征是指从待识别语音数据中提取到的特征,具体可采用MFCC算法从待识别语音数据中提取目标声纹特征。标准声纹特征是指预先录入的与用户标识对应的声纹特征。其中,MFCC(Mel-scale Frequency Cepstral Coefficients,梅尔倒谱系数)特征是在Mel标度频率域提取出来的倒谱参数,Mel标度描述了人耳频率的非线性特性,采用MFCC算法对待识别语音数据进行声纹特征提取,获取到的MFCC特征即为目标声纹特征。
具体地,首先从待识别语音数据中提取目标声纹特征,并根据用户标识对应查找数据库,获取与用户标识对应的标准声纹特征,采用相似度算法将目标声纹特征与标准声纹特征进行相似度计算,根据计算出的声纹相似度获取声纹匹配结果,其中,声纹匹配结果包括匹配成功和匹配失败。
进一步地,将语音播报数据、用户标识和待识别语音数据存储在数据库中,即从采用TTS技术对语音播报数据进行语音播报开始,进行语音录取,直至用户发送的待识别语音数据之后录音结束,将录取的语音数据进行保存。若后续用户对与产品标识对应的产品进行投诉时,可查询数据库调用待识别语音数据确定是否是购买产品本人,避免用户欺诈行为,以保证待识别语音数据的有效性。
S60:根据语义分析结果和声纹匹配结果,对产品支付请求进行对应的响应操作。
具体地,若语义分析结果为确认信息,则说明用户清楚了解当前搜购买的产品,若语义分析结果为否认信息,则说明用户对购买的产品还存在疑问,即语义分析结果不同,所对应的响应操作应当不同。若声纹匹配结果为匹配成功,则说明目标声纹特征与标准声纹特征匹配成功,待识别语音数据是本人回复;若声纹匹配结果为匹配失败,则说明目标声纹特征与标准声纹特征匹配成功,待识别语音数据不是本人回复,即声纹匹配结果不同,所对应的响应操作应当不同。根据语义分析结果和声纹匹配结果,对产品支付请求进行对应的响应操作,以保证用户清楚了解产品购买须知,且是本人回复的待识别语音数据,避免后续用户投诉,实现产品销售的监管。
步骤S10-S60,当获取用户端发送的产品支付请求时,将坐席标识与黑名单列表中黑名单标识进行匹配,以确定是否对该产品支付请求进行语音验证。若名单匹配结果为匹配成功,则根据产品标识确定对应的语音播报数据,将语音播报数据进行语音播报,来确定用户是否清楚了解购买的产品的产品购买须知。获取用户端基于语音播报数据反馈的待识别语音数据,对待识别语音数据进行语义分析,以获取到用户是否清楚了解产品购买须知,减少后续用户投诉。从待识别语音数据中提取目标声纹特征,将与用户标识对应的标准声纹特征和目标声纹特征进行匹配,获取声纹匹配结果,实现确定是否为本人回复。根据语义分析结果和声纹匹配结果,对产品支付请求进行对应的响应操作,实现产品销售的监管。
在一实施例中,如图3所示,步骤S40中,即对待识别语音数据进行语义分析,获取语义分析结果,具体包括如下步骤:
S41:对待识别语音数据进行预处理,获取语音信息。
其中,预处理是指对待识语音数据进行分帧、加窗和预加重等。分帧是将N个采样点集合成一个观测单位,称为帧。通常情况下N的值为256或512,涵盖的时间约为20-30ms左右。为避免相邻两帧的变化过大,通过使相邻两帧之间有一段重叠区域,此重叠区域包含了M个采样点,通常M的值约为N的1/2或1/3,此过程称为分帧。
加窗是每一帧乘以汉明窗(即Hamming Window),由于汉明窗的幅频特性是旁瓣衰减较大,服务端通过对单帧语音数据进行加窗处理,可增加帧左端和帧右端的连续性。预加重是将加窗后的单帧语音数据通过一个高通滤波器,以提升高频部分,使信号的频谱更平滑,保持在低频到高频的整个频带中,能用同样的信噪比求频谱,突出高频的共振峰,获取预加重处理后的语音信息。
S42:对语音信息进行特征提取,获取语音特征。
其中,语音特征包括但不限于采用滤波器特征。滤波器(Filter-Bank,简称Fbank)特征是语音识别过程中常用的语音特征。由于现有技术中常用的梅尔特征在进行模型识别过程中会对信息进行降维处理,导致部分信息的丢失,为避免上述问题出现,本实施例中可采用滤波器特征代替常用的梅尔特征。
S43:采用语音识别模型对语音特征进行识别,获取目标文字数据。
其中,语音识别模型包括预先训练好的声学模型和语言模型。其中,声学模型是用来获取语音特征对应的音素序列的模型。音素是由语音中最小的单位,可理解为汉字里面的拼音,一个字包含至少一个音素。例如:汉语音节ā(啊)只有一个音素,ài(爱)有两个音素等。声学模型的训练方法包括但不限于采用GMM-HMM(混合高斯模型)进行训练。语言模型是用于将音素序列转换为自然语言文本的模型。具体地,服务器将语音特征输入到预先训练好的声学模型中进行识别,获取目标语音特征对应的音素序列,然后将获取的音素序列输入到预先训练好的语言模型中进行转换,获取对应的目标文字数据。
S44:采用NLP技术对目标文字数据进行语义分析,获取与目标文字数据相对应的语义分析结果。
其中,NLP(Natural Language Processing,自然语言处理)是计算机以一种有效的方式分析、理解并从人类语言中获取意义的一种语言处理技术。通过利用NLP技术,开发者可以组织和构建知识体系来执行自动摘要、翻译、命名实体识别、关系提取、情感分析、语音识别和话题分割等任务。本实施例中,可采用开源NLP技术所提供的语义分析接口,对目标文字数据进行意图分析,获与目标文字数据相对应的分析结果。
具体地,将目标文字数据输入到语义分析接口中进行意图分析,获取与目标文字数据相对应的语义分析结果,语义分析结果包括确认信息、否认信息和不确定信息。通过对目标文字数据进行语义分析,以便确定用户是否清楚了解产品购买须知,进而根据语义分析结果进行相应的响应操作,避免坐席违规操作。
步骤S41-S44中,通过对待识别语音数据进行预处理,以获取更加平滑的语音信息,再对语音信息进行特征提取,获取语音特征,以便采用语音识别模型对语音特征进行识别,获取目标文字数据,通过NLP技术对目标文字数据进行语义分析,以确定用户是否清楚产品购买须知的结果,便于后续进行相应的响应操作。
在一实施例中,如图4所示,步骤S50中,即将与用户标识对应的标准声纹特征和目标声纹特征进行匹配,获取声纹匹配结果,具体包括如下步骤:
S51:采用余弦相似度算法对与用户标识对应的标准声纹特征和目标声纹特征进行相似度计算,获取声纹相似度。
其中,声纹相似度是指目标声纹特征与标准声纹特征相似的值。
具体地,先获取与用户标识对应的标准声纹特征,采用余弦相似度公式,对标准声纹特征和目标声纹特征进行相似度计算,获取声纹相似度。其中,余弦相似度计算公式为S为声纹相似度,Ai为目标声纹特征,Bi为标准声纹特征,i为第i维特征,n为维度数量。
S52:若声纹相似度大于相似度阈值,则目标声纹特征与标准声纹特征匹配成功,得到声纹匹配结果为匹配成功。
其中,相似度阈值是指预先设定的用于确定目标声纹特征对应的用户是否为预先存储的标准声纹特征的用户。
具体地,服务端将获取到的声纹相似度与相似度阈值进行对比,若声纹相似度大于相似度阈值,则目标声纹特征与标准声纹特征匹配成功,则得到声纹匹配结果为匹配成功。
S53:若声纹相似度不大于相似度阈值,则目标声纹特征与标准声纹特征匹配失败,得到声纹匹配结果为匹配失败。
具体地,若声纹相似度不大于相似度阈值,则目标声纹特征与标准声纹特征匹配失败,则得到声纹匹配结果为匹配失败。
步骤S51-S53中,采用余弦相似度算法,对目标声纹特征和标准声纹特征进行相似度计算,获取声纹相似度,计算方法简单快速,并根据声纹特征确定是否为本人回复。若声纹相似度大于相似度阈值,则目标声纹特征与标准声纹特征匹配成功,得到声纹匹配结果为匹配成功;若声纹相似度不大于相似度阈值,则目标声纹特征与标准声纹特征匹配失败,得到声纹匹配结果为匹配失败,以提高声纹匹配结果的获取准确性。
在一实施例中,如图5所示,步骤S60中,根据语义分析结果和声纹匹配结果,对产品支付请求进行对应的响应操作,具体包括如下步骤:
S61:若声纹匹配结果为匹配成功,且语义分析结果为确认信息,则基于产品支付请求进入相应的支付操作界面。
具体地,若声纹匹配结果为匹配成功,则待识别语音数据是本人回复,且语义分析结果为确认信息,则说明用户清楚产品购买须知,则基于产品支付请求进入相应的支付操作界面,用户可基于支付操作界面完成支付操作。
S62:若声纹匹配结果为匹配成功,且语义分析结果为否认信息,则向用户端反馈答疑信息,获取用户端基于答疑信息反馈的继续处理信息。
其中,答疑信息是指与产品标识对应的为用户解除疑惑的信息,可以理解地,答疑信息为与产品标识对应的常见问题与答案信息的话术,通过该话术为用户进行解疑。继续处理信息是用户基于答疑信息确定是否解惑的信息。继续处理信息包括继续支付信息和拒绝支付信息。
具体地,若声纹匹配结果为匹配成功,且语义分析结果为否认信息,则待识别语音数据是本人回复,但该用户对购买的产品存在疑惑,则先确定用户的疑惑问题点,再根据用户的一伙问题点调用答疑信息,采用TTS技术语音播报答疑信息,用户可根据答疑信息进行解惑,并反馈继续处理信息。
S63:若继续处理信息为继续支付信息,则执行采用TTS技术播报语音播报数据。
具体地,若获取到用户端基于答疑信息反馈的继续处理信息为继续支付信息,则该用户根据答疑信息已解惑,则执行采用TTS技术播报语音播报数据的步骤,该步骤与步骤S30中步骤相同,在此不作具体赘述。
S64:若继续处理信息为拒绝支付信息,则向用户端反馈异议处理信息,获取用户端基于异议处理信息反馈的最终确定信息。
具体地,若获取用户端基于答疑信息反馈的继续处理信息为拒绝支付信息,则该用户根据答疑信息未解惑,则向服务端反馈异议处理信息,其中,异议处理信息是指由人工进行解惑的信息,获取用户基于异议处理信息反馈的最终确定信息,其中,最终确定信息是指用户基于异议处理信息确定是否解惑的信息,最终确定信息包括停止支付信息和继续支付信息。
S65:若最终确定信息为停止支付信息,则退出当前界面。
具体地,若用户端反馈的最终确定信息为停止支付信息,则用户根据异议处理信息未解惑,坐席可能存在违规操作,则不能进行支付操作,退出当前界面。将停止支付信息与坐席标识关联存储,便于后续增加黑名单标识对应的监控时长。
S66:若最终确定信息为继续支付信息,则执行采用TTS技术播报语音播报数据。
具体地,若用户端反馈的最终确定信息为继续支付信息,则用户根据异议处理信息已解惑,则执行采用TTS技术播报语音播报数据,该步骤与步骤S30中步骤相同,在此不作具体赘述。可以理解地,若用户进行解惑后,执行步骤S30,通过步骤S30重新获取待识别语音数据,将待识别语音数据、用户标识和最终确定信息等关联存储,便于后续用户投诉时可作为证据使用。
进一步地,若声纹匹配结果为匹配失败,则向用户标识对应的移动终端发送提醒信息。其中,提醒信息为“当前回复不是本人操作”等,通过本步骤,以确定待识别语音数据为本人回复。其中,移动终端为用户的终端设备。
进一步地,若声纹匹配结果为匹配成功,且语义分析结果为不确定信息,则重复执行采用TTS技术对语音播报数据进行语音播报。具体地,语义分析结果为不确定信息时,即用户回复的待识别语音数据与语音播报数据不对应,则执行采用TTS技术对语音播报数据进行语音播报,以确定用户是否清楚了解该产品购买须知,避免坐席违规操作。
步骤S61-S66中,若声纹匹配结果为匹配成功,且语义分析结果为确认信息,则根据产品支付请求进入相应的支付操作界面,避免坐席违规操作,减少后续用户投诉。若声纹匹配结果为匹配成功,且语义分析结果为否认信息,则根据答疑信息和异议处理信息等位用户解惑,使得用户清楚了解产品购买须知,提高用户体验。
在一实施例中,如图6所示,在步骤S20之前,即在将坐席标识与黑名单列表中黑名单标识进行匹配之前,产品监管方法还包括:
S201:获取每一坐席标识对应的违规次数,若违规次数大于次数阈值,则将坐席标识作为黑名单标识。
其中,次数阈值是预先设定用于确定坐席标识是否为黑名单标识的阈值。黑名单标识是指违规次数大于次数阈值的坐席标识。
具体地,获取每一坐席标识对应的违规次数,其中,获取违规次数的渠道可分为多种,一种是客户对坐席进行投诉,所获取到的与坐席标识对应的违规次数;一种是监管人员反馈的与坐席标识对应的违规次数,另外一种是客户进行支付时反馈的停止支付信息,根据停止支付信息获取到的与坐席标识对应的违规次数。统计每一坐席标识对应的所有违规次数,将所有违规次数与次数阈值进行对比,若违规次数大于次数阈值,则将该坐席标识作为黑名单标识,以便后续该黑名单标识销售产品时,对与该黑名单标识所对应的支付请求进行IVR语音验证(即步骤S30-S50的步骤),实现对黑名单标识对应的销售行为进行监管,以确保用户清楚了解购买的产品,避免后续用户投诉。若违规次数不大于次数阈值,不对该坐席标识对应的产品进行IVR语音验证。
S202:根据黑名单标识对应的违规次数,确定黑名单标识对应的监管时长和与监管时长相对应的监管期限。
其中,监管时长是指与违规次数对应的时间,例如,违规次数为2次,监管时长为一个月。监管期限是指黑名单标识对应的起始时间和截止时间,例如,某一坐席标识的违规次数为2次,在1月1时大于次数阈值,则监管时长为一个月,那么监管期限为1月1日到2月1日。
具体地,不同违规次数对应的监管时长不同,可以理解地,违规次数越多,对应的监管时长越长,反之,违规次数越少,对应的监管时长越短。预先配置每一违规次数与监管时长的对应关系,并存储在数据库中。通过黑名单标识对应的违规次数查找数据库,获取与对应的监管时长作为与黑名单标识对应的监管时长,并根据监管时长确定监管期限。通过本步骤,可快速确定每一黑名单标识对应的监管时长和监管期限,确定方法简单快速。
S203:基于每一黑名单标识和监管期限形成黑名单列表,并存储在数据库中。
其中,黑名单列表是存储黑名单标识和监管期限之间的对应关系的列表。
具体地,基于每一黑名单标识和监管期限形成黑名单列表,便于后续确定需要对哪些产品支付请求进行IVR语音验证。
步骤S201-S203中,根据每一坐席标识对应的违规次数确定黑名单标识,以便后续对黑名单标识对应的产品支付情感求进行IVR语音验证。根据黑名单标识对应的违规次数,确定黑名单标识对应的监管时长和与监管时长相对应的监管期限,以便在监管期限内对黑名单标识对应的产品支付请求进行监管。
在一实施例中,如图7所示,在步骤S60之后,即在根据语义分析结果和声纹匹配结果,对产品支付请求进行对应的响应操作之后,产品监管方法还包括:
S601:当***当前时间为每一黑名单标识对应的监管期限的截止时间时,获取黑名单标识在监管期限内的至少一个语义分析结果。
具体地,可采用current_date函数获取***当前时间,当***当前时间为黑名单标识对应的监管期限的截止时间时,获取黑名单标识在监管期限内的至少一个语义分析结果,通过语义分析结果以确定该黑名单标识对应的坐席是否有违规操作。
S602:若每一语义分析结果均为确认信息,则将黑名单标识从黑名单列表中剔除。
具体地,若是与黑名单标识对应的每一语义分析结果为确认信息,则说明该黑名单标识对应的坐席在监管期限内未进行违规操作,需要将该黑名单标识从黑名单列表中提剔除,不需对该黑名单标识对应的产品支付请求进行监管。
进一步地,还可通过其他方式确定该黑名单标识在监管期限内,是否存在违规操作,若存在违规操作,则执行根据预设规则对汇总数量进行处理,确定新增监管时长的步骤;若不存在违规操作,则执行将黑名单标识从黑名单列表中剔除的步骤。
S603:若存在至少一个否定信息,则统计与黑名单标识对应的停止支付信息的汇总数量,根据预设规则对汇总数量进行处理,确定新增监管时长。
其中,汇总数量是指与黑名单标识对应的用户端反馈的停止支付信息的数量。预设规则是指预先设定的用于根据汇总数量确定监管时长的规则,例如,汇总数量越大,所对应的新增监管时长越长。新增监控时长是指在监控时长的基础上所增加的时长,例如,某一黑名单标识对应监管时长为1个月,根据预设规则和汇总数量,确定新增监管时长为10天,则在监管时长为1个月的基础上增加10天的监管时间。
具体地,若与黑名单标识对应的语义分析结果存在至少一个否定信息,则用户对购买的产品存在疑问,统计与黑名单标识对应的停止支付信息的汇总数量,根据预设规则和汇总数量以确定新增监控时长。
S604:基于新增监管时长,更新黑名单列表中与黑名单标识相对应的监控期限。
具体地,当服务端获取到与黑名单标识对应的新增监管时长后,根据新增监管时长重新确定与黑名单标识相对应的监控期限,并在黑名单列表中更新与黑名单标识对应监控期限。
步骤S601-S604中,当***当前时间为黑名单标识对应的监管期限的截止时间时,确定黑名单标识对应的语义分析结果;若每一语义分析结果均为确认信息,则该黑名单标识对应的坐席在监控期限内没有违规操作,无需对该黑名单标识进行监控。若存在至少一个否定信息,则该黑名单标识对应的坐席在监控期限内存在有违规操作,则统计与黑名单标识对应的停止支付信息的汇总数量,以增加该黑名单标识对应的监管时长。基于新增监管时长,更新黑名单列表中与黑名单标识相对应的监控期限,以便在监控期限内对该黑名单标识对应的产品支付请求进行监管。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种产品监管装置,该产品监管装置与上述实施例中产品监管方法一一对应。如图8所示,该产品监管装置包括支付请求获取模块10、名单匹配模块20、语音播报模块30、语义分析结果获取模块40、声纹匹配结果获取模块50和响应操作模块60。各功能模块详细说明如下:
支付请求获取模块10,用于获取用户端发送的产品支付请求,产品支付请求包含用户标识、产品标识和坐席标识。
名单匹配模块20,用于将坐席标识与黑名单列表中黑名单标识进行匹配,获取名单匹配结果。
语音播报模块30,用于若名单匹配结果为匹配成功,则根据产品标识确定对应的产品类型,根据产品类型调用对应的语音播报数据,采用TTS技术对语音播报数据进行语音播报。
语义分析结果获取模块40,用于获取用户端基于语音播报数据反馈的待识别语音数据,对待识别语音数据进行语义分析,获取语义分析结果。
声纹匹配结果获取模块50,用于从待识别语音数据中提取目标声纹特征,将与用户标识对应的标准声纹特征和目标声纹特征进行匹配,获取声纹匹配结果。
响应操作模块60,用于根据语义分析结果和声纹匹配结果,对产品支付请求进行对应的响应操作。
在一实施例中,语义分析结果获取模块40,包括预处理单元41、特征提取单元42、文字识别单元43和语义分析单元44。
预处理单元41,用于对待识别语音数据进行预处理,获取语音信息。
特征提取单元42,用于对语音信息进行特征提取,获取语音特征。
文字识别单元43,用于采用语音识别模型对语音特征进行识别,获取目标文字数据。
语义分析单元44,用于采用NLP技术对目标文字数据进行语义分析,获取与目标文字数据相对应的语义分析结果。
在一实施例中,声纹匹配结果获取模块50,包括声纹相似度获取单元、第一声纹匹配结果获取单元和第二声纹匹配结果获取单元。
声纹相似度获取单元,用于采用余弦相似度算法对与用户标识对应的标准声纹特征和目标声纹特征进行相似度计算,获取声纹相似度。
第一声纹匹配结果获取单元,用于若声纹相似度大于相似度阈值,则目标声纹特征与标准声纹特征匹配成功,得到声纹匹配结果为匹配成功。
第二声纹匹配结果获取单元,用于若声纹相似度不大于相似度阈值,则目标声纹特征与标准声纹特征匹配失败,得到声纹匹配结果为匹配失败。
在一实施例中,响应操作模块60,包括支付操作界面获取单元、继续处理信息获取单元、第一响应单元、最终确定信息获取单元、第二响应单元和第三响应单元。
支付操作界面获取单元,用于若声纹匹配结果为匹配成功,且语义分析结果为确认信息,则基于产品支付请求进入相应的支付操作界面。
继续处理信息获取单元,用于若声纹匹配结果为匹配成功,且语义分析结果为否认信息,则向用户端反馈答疑信息,获取用户端基于答疑信息反馈的继续处理信息。
第一响应单元,用于若继续处理信息为继续支付信息,则执行采用TTS技术播报语音播报数据。
最终确定信息获取单元,用于若继续处理信息为拒绝支付信息,则向用户端反馈异议处理信息,获取用户端基于异议处理信息反馈的最终确定信息。
第二响应单元,用于若最终确定信息为停止支付信息,则退出当前界面。
第三响应单元,用于若最终确定信息为继续支付信息,则执行采用TTS技术播报语音播报数据。
在一实施例中,在名单匹配模块20之前,产品监管装置还包括黑名单标识确定单元、监管期限确定单元和黑名单列表形成单元。
黑名单标识确定单元,用于获取每一坐席标识对应的违规次数,若违规次数大于次数阈值,则将坐席标识作为黑名单标识。
监管期限确定单元,用于根据黑名单标识对应的违规次数,确定黑名单标识对应的监管时长和与监管时长相对应的监管期限。
黑名单列表形成单元,用于基于每一黑名单标识和监管期限形成黑名单列表,并存储在数据库中。
在一实施例中,在响应操作模块60之后,产品监管装置还包括语义分析结果获取单元、黑名单标识剔除单元、新增监管时长确定单元和监控期限更新单元。
语义分析结果获取单元,用于当***当前时间为黑名单标识对应的监管期限的截止时间时,获取黑名单标识在监管期限内的至少一个语义分析结果。
黑名单标识剔除单元,用于若每一语义分析结果均为确认信息,则将黑名单标识从黑名单列表中剔除。
新增监管时长确定单元,用于若存在至少一个否定信息,则统计与黑名单标识对应的停止支付信息的汇总数量,根据预设规则对汇总数量进行处理,确定新增监管时长。
监控期限更新单元,用于基于新增监管时长,更新黑名单列表中与黑名单标识相对应的监控期限。
关于产品监管装置的具体限定可以参见上文中对于产品监管方法的限定,在此不再赘述。上述产品监管装置中的各个模块可全部或部分通过软件、硬件及其组和来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务端,其内部结构图可以如图9所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储执行产品监管方法过程中生成或获取的数据等,例如,黑名单列表。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种产品监管方法。
在一实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中产品监管方法的步骤,例如,图2所示S10至步骤S60,或者图3至图7中所示的步骤。或者,处理器执行计算机程序时实现上述实施例中产品监管装置中的各模块的功能,例如,图8所示模块10至模块60的功能。为避免重复,此处不再赘述。
在一实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例中产品监管方法,例如,图2所示的步骤S10至步骤S60,或者图3至图7中所示的步骤。或者,该计算机程序被处理器执行时实现上述实施例中产品监管装置中各模块的功能,例如,图8所示模块10至模块60的功能。为避免重复,此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(RambuS)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种产品监管方法,其特征在于,包括:
获取用户端发送的产品支付请求,所述产品支付请求包含用户标识、产品标识和坐席标识;
将所述坐席标识与黑名单列表中黑名单标识进行匹配,获取名单匹配结果;
若所述名单匹配结果为匹配成功,则根据所述产品标识确定对应的产品类型,根据所述产品类型调用对应的语音播报数据,采用TTS技术对所述语音播报数据进行语音播报;
获取用户端基于所述语音播报数据反馈的待识别语音数据,对所述待识别语音数据进行语义分析,获取语义分析结果;
从所述待识别语音数据中提取目标声纹特征,将与所述用户标识对应的标准声纹特征和所述目标声纹特征进行匹配,获取声纹匹配结果;
根据所述语义分析结果和所述声纹匹配结果,对所述产品支付请求进行对应的响应操作。
2.如权利要求1所述的产品监管方法,其特征在于,所述对所述待识别语音数据进行语义分析,获取语义分析结果,包括:
对所述待识别语音数据进行预处理,获取语音信息;
对所述语音信息进行特征提取,获取语音特征;
采用语音识别模型对所述语音特征进行识别,获取目标文字数据;
采用NLP技术对所述目标文字数据进行语义分析,获取与所述目标文字数据相对应的语义分析结果。
3.如权利要求1所述的产品监管方法,其特征在于,所述将与所述用户标识对应的标准声纹特征和所述目标声纹特征进行匹配,获取声纹匹配结果,包括:
采用余弦相似度算法对与所述用户标识对应的标准声纹特征和所述目标声纹特征进行相似度计算,获取声纹相似度;
若所述声纹相似度大于相似度阈值,则所述目标声纹特征与所述标准声纹特征匹配成功,得到声纹匹配结果为匹配成功;
若所述声纹相似度不大于相似度阈值,则所述目标声纹特征与所述标准声纹特征匹配失败,得到声纹匹配结果为匹配失败。
4.如权利要求1所述的产品监管方法,其特征在于,所述根据所述语义分析结果和所述声纹匹配结果,对所述产品支付请求进行对应的响应操作,包括:
若所述声纹匹配结果为匹配成功,且所述语义分析结果为确认信息,则基于所述产品支付请求进入相应的支付操作界面;
若所述声纹匹配结果为匹配成功,且所述语义分析结果为否认信息,则向所述用户端反馈答疑信息,获取所述用户端基于所述答疑信息反馈的继续处理信息;
若所述继续处理信息为继续支付信息,则执行所述采用TTS技术播报语音播报数据;
若所述继续处理信息为拒绝支付信息,则向所述用户端反馈异议处理信息,获取所述用户端基于所述异议处理信息反馈的最终确定信息;
若所述最终确定信息为停止支付信息,则退出当前界面;
若所述最终确定信息为继续支付信息,则执行所述采用TTS技术播报语音播报数据。
5.如权利要求1所述的产品监管方法,其特征在于,在所述将所述坐席标识与黑名单列表中黑名单标识进行匹配之前,所述产品监管方法还包括:
获取每一所述坐席标识对应的违规次数,若所述违规次数大于次数阈值,则将所述坐席标识作为黑名单标识;
根据所述黑名单标识对应的违规次数,确定所述黑名单标识对应的监管时长和与所述监管时长相对应的监管期限;
基于每一所述黑名单标识和所述监管期限形成黑名单列表。
6.如权利要求4所述的产品监管方法,其特征在于,在所述根据所述语义分析结果和所述声纹匹配结果,对所述产品支付请求进行对应的响应操作之后,所述产品监管方法还包括:
当***当前时间为所述黑名单标识对应的监管期限的截止时间时,获取所述黑名单标识在所述监管期限内的至少一个语义分析结果;
若每一所述语义分析结果均为确认信息,则将所述黑名单标识从黑名单列表中剔除;
若存在至少一个否定信息,则统计与所述黑名单标识对应的停止支付信息的汇总数量,根据预设规则对所述汇总数量进行处理,确定新增监管时长;
基于所述新增监管时长,更新所述黑名单列表中与所述黑名单标识相对应的监控期限。
7.一种产品监管装置,其特征在于,包括:
支付请求获取模块,用于获取用户端发送的产品支付请求,所述产品支付请求包含用户标识、产品标识和坐席标识;
名单匹配模块,用于将所述坐席标识与黑名单列表中黑名单标识进行匹配,获取名单匹配结果;
语音播报模块,用于若所述名单匹配结果为匹配成功,则根据所述产品标识确定对应的产品类型,根据所述产品类型调用对应的语音播报数据,采用TTS技术对所述语音播报数据进行语音播报;
语义分析结果获取模块,用于获取用户端基于所述语音播报数据反馈的待识别语音数据,对所述待识别语音数据进行语义分析,获取语义分析结果;
声纹匹配结果获取模块,用于从所述待识别语音数据中提取目标声纹特征,将与所述用户标识对应的标准声纹特征和所述目标声纹特征进行匹配,获取声纹匹配结果;
响应操作模块,用于根据所述语义分析结果和所述声纹匹配结果,对所述产品支付请求进行对应的响应操作。
8.如权利要求7所述的产品监管装置,其特征在于,所述语义分析结果获取模块,包括:
预处理单元,用于对所述待识别语音数据进行预处理,获取语音信息;
特征提取单元,用于对所述语音信息进行特征提取,获取语音特征;
文字识别单元,用于采用语音识别模型对所述语音特征进行识别,获取目标文字数据;
语义分析单元,用于采用NLP技术对所述目标文字数据进行语义分析,获取与所述目标文字数据相对应的语义分析结果。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述产品监管方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述产品监管方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910300383.7A CN110163630B (zh) | 2019-04-15 | 2019-04-15 | 产品监管方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910300383.7A CN110163630B (zh) | 2019-04-15 | 2019-04-15 | 产品监管方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110163630A true CN110163630A (zh) | 2019-08-23 |
CN110163630B CN110163630B (zh) | 2024-04-05 |
Family
ID=67639532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910300383.7A Active CN110163630B (zh) | 2019-04-15 | 2019-04-15 | 产品监管方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163630B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112651787A (zh) * | 2021-01-06 | 2021-04-13 | 上海明略人工智能(集团)有限公司 | 口播广告的付费方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016119359A1 (zh) * | 2015-01-26 | 2016-08-04 | 中兴通讯股份有限公司 | 一种基于语音控制的移动支付方法和装置 |
WO2018113526A1 (zh) * | 2016-12-20 | 2018-06-28 | 四川长虹电器股份有限公司 | 基于人脸识别和声纹识别的交互式认证***及方法 |
CN108347441A (zh) * | 2018-02-08 | 2018-07-31 | 深圳壹账通智能科技有限公司 | 支付处理方法、装置、计算机设备和存储介质 |
CN108428134A (zh) * | 2017-06-24 | 2018-08-21 | 平安科技(深圳)有限公司 | 电子装置、ivr语音支付方法和计算机可读存储介质 |
WO2018149209A1 (zh) * | 2017-02-15 | 2018-08-23 | 腾讯科技(深圳)有限公司 | 语音识别方法、电子设备以及计算机存储介质 |
-
2019
- 2019-04-15 CN CN201910300383.7A patent/CN110163630B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016119359A1 (zh) * | 2015-01-26 | 2016-08-04 | 中兴通讯股份有限公司 | 一种基于语音控制的移动支付方法和装置 |
WO2018113526A1 (zh) * | 2016-12-20 | 2018-06-28 | 四川长虹电器股份有限公司 | 基于人脸识别和声纹识别的交互式认证***及方法 |
WO2018149209A1 (zh) * | 2017-02-15 | 2018-08-23 | 腾讯科技(深圳)有限公司 | 语音识别方法、电子设备以及计算机存储介质 |
CN108428134A (zh) * | 2017-06-24 | 2018-08-21 | 平安科技(深圳)有限公司 | 电子装置、ivr语音支付方法和计算机可读存储介质 |
CN108347441A (zh) * | 2018-02-08 | 2018-07-31 | 深圳壹账通智能科技有限公司 | 支付处理方法、装置、计算机设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112651787A (zh) * | 2021-01-06 | 2021-04-13 | 上海明略人工智能(集团)有限公司 | 口播广告的付费方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110163630B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10728384B1 (en) | System and method for redaction of sensitive audio events of call recordings | |
US10210870B2 (en) | Method for verification and blacklist detection using a biometrics platform | |
US8145562B2 (en) | Apparatus and method for fraud prevention | |
US11714793B2 (en) | Systems and methods for providing searchable customer call indexes | |
WO2020024389A1 (zh) | 逾期账单智能催收方法、装置、计算机设备及存储介质 | |
US10636047B2 (en) | System using automatically triggered analytics for feedback data | |
EP1902442B1 (en) | Selective security masking within recorded speech utilizing speech recognition techniques | |
US11336771B2 (en) | Method and system for accurate automatic call tracking and analysis | |
GB2556699A (en) | Credit risk decision manangement system and method using voice analytics | |
KR20200092499A (ko) | 대화형 인공지능 기술을 이용한 상담 지원 방법 및 그 장치 | |
CN110177182A (zh) | 敏感数据处理方法、装置、计算机设备及存储介质 | |
CN110851576A (zh) | 问答处理方法、装置、设备及可读介质 | |
CN110766442A (zh) | 客户信息验证方法、装置、计算机设备及存储介质 | |
Shim et al. | Phonetic analytics technology and big data: real-world cases | |
CN109346082A (zh) | 基于语音识别的销售订单获取方法、装置、设备及介质 | |
GB2521050A (en) | Credit risk decision management system and method using voice analytics | |
US11335351B2 (en) | Cognitive automation-based engine BOT for processing audio and taking actions in response thereto | |
Weber et al. | Validations of an alpha version of the E3 Forensic Speech Science System (E3FS3) core software tools | |
CN113064983B (zh) | 语义检测方法、装置、计算机设备及存储介质 | |
CN113438374B (zh) | 智能外呼处理方法、装置、设备及存储介质 | |
CN110163630A (zh) | 产品监管方法、装置、计算机设备及存储介质 | |
KR20180042763A (ko) | 채팅형 금융 로봇 및 이를 이용한 금융 서비스 제공방법 | |
US11704585B2 (en) | System and method to determine outcome probability of an event based on videos | |
CN113314103B (zh) | 基于实时语音情感分析的非法信息识别方法及装置 | |
CN114462376A (zh) | 基于rpa和ai的庭审笔录生成方法、装置、设备及介质 |
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 |