CN110929011A - 一种对话分析方法、装置和设备 - Google Patents

一种对话分析方法、装置和设备 Download PDF

Info

Publication number
CN110929011A
CN110929011A CN201911190774.4A CN201911190774A CN110929011A CN 110929011 A CN110929011 A CN 110929011A CN 201911190774 A CN201911190774 A CN 201911190774A CN 110929011 A CN110929011 A CN 110929011A
Authority
CN
China
Prior art keywords
dialog
quality inspection
corpus
text
inspection rule
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.)
Pending
Application number
CN201911190774.4A
Other languages
English (en)
Inventor
杨军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Si Tech Information Technology Co Ltd
Original Assignee
Beijing Si Tech Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Si Tech Information Technology Co Ltd filed Critical Beijing Si Tech Information Technology Co Ltd
Priority to CN201911190774.4A priority Critical patent/CN110929011A/zh
Publication of CN110929011A publication Critical patent/CN110929011A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • 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
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Machine Translation (AREA)

Abstract

本发明涉及一种对话分析方法，包括：获取对话的对话文本；将所述对话文本分别输入至分类模型中，确定所述对话文本的所属类别；根据所述对话文本的所属类别确定评价所述对话文本的质检规则集；将所述对话文本分别输入至语料模型中，获得语料解析结果；根据所述语料解析结果和所述质检规则集，确定所述对话文本的质量等级。本发明实现了对所有服务过程中产生的对话数据进行智能分析，降低了质检人员的人力成本，同时提高了服务质量。本发明还涉及一种对话分析装置和设备。

Description

一种对话分析方法、装置和设备
技术领域
本发明涉及大数据技术领域，尤其涉及一种对话分析方法、装置和设备。
背景技术
智能对话分析***，主要应用于客户服务质量管理部门，用于考评服务水平、发现商机、规避客户升级投诉风险等。
当前主流对话分析***，即质检***需投入专门质检人员进行通话录音听取、识别异常通话，例如情绪异常、非法话术、涉及敏感关键字问题等，质检工作耗费大量工时、人力成本高，且面对海量语音记录，无法做到全量的质检考评，只能通过抽样方式，存在大部分问题录音漏检风险，也容易错过部分商机。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供一种对话分析方法、装置和设备。
本发明解决上述技术问题的技术方案如下：一种对话分析方法，包括：
获取对话的对话文本；
将所述对话文本分别输入至分类模型中，确定所述对话文本的所属类别；
根据所述对话文本的所属类别确定评价所述对话文本的质检规则集；
将所述对话文本分别输入至语料模型中，获得语料解析结果；
根据所述语料解析结果和所述质检规则集，确定所述对话文本的质量等级。
本发明的有益效果是：提供一种对话分析方法，通过将获取到的对话文本分别输入到分类模型和语料模型中，根据分类模型和语料模型输出的结果及质检规则集，确定对话文本的质量等级，实现了对所有服务过程中产生的对话数据进行智能分析，降低了质检人员的人力成本，同时提高了服务质量。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步地，所述质检规则集包括至少一个质检规则，每一条质检规则有对应的得分值；
所述质检规则是由多个语义算子和逻辑运算符组成的逻辑表达式，其中所述语义算子包括关键意图、关键字、文字信息、词语信息和词语搭配信息。
采用上述进一步方案的有益效果是：质检规则由语义算子和逻辑运算符组成的逻辑表达式，可清楚表达质检规则，实现准确评价对话文本的质量。
进一步地，所述根据所述语料解析结果和所述质检规则集，确定所述对话文本的质量等级，具体包括：
将所述质检规则集中的所有逻辑表达式转换为规则树，所述规则树是二叉树结构；
根据所述语料解析结果遍历所述质检规则集对应的规则树，以检测所述质检规则集中是否存在与所述语料解析结果相匹配的质检规则；
若存在匹配的质检规则时，则所述对话文本的得分加上所述质检规则对应的得分值；
统计所述对话文本的得分值，得到所述对话文本的质量等级。
采用上述进一步方案的有益效果是：根据语料解析结果与质检规则集进行匹配，确定对话文本的质量等级，提高了评价对话文本质量等级的效率。
进一步地，记录不匹配的质检规则，并生成提醒文件发送质检人员。
采用上述进一步方案的有益效果是：记录不匹配的质检规则并生成提醒文件发送质检人员，可及时提醒工作人员注意服务过程所出现的不符合质检要求的地方，以提高服务质量。
进一步地，所述语料解析结果包括语料信息、所述语料信息的位置信息、所述语料信息对应的角色类型以及角色类型的关键意图和关键字，其中所述语料信息包括文字信息、词语信息和词语搭配信息。
进一步地，所述获取对话的对话文本，具体包括：
截取实时电话语音数据或录音电话语音数据，通过ASR引擎，将所述实时电话语音数据或录音电话语音数据转换为对话文本。
采用上述进一步方案的有益效果是：根据截取的实时电话语音和录音电话语音，将电话语音数据转换为对话文本，实现了对实时电话语音和录音电话语音进行质量等级评价。
进一步地，还包括将样本文本输入TextCNN分类模型进行训练，得到所述分类模型。
进一步地，还包括将样本文本输入深度学习Bi-LSTM模型结合Attention机制进行训练，得到所述语料模型。
本发明解决上述技术问题的另一种技术方案如下：
一种对话分析装置，包括：
获取模块，用于获取对话的对话文本；
输入模块，用于将所述对话文本分别输入至分类模型中，确定所述对话文本的所属类别，根据所述对话文本的所属类别确定评价所述对话文本的质检规则集；
评价模块，用于将所述对话文本分别输入至语料模型中，获得语料解析结果，根据所述语料解析结果和所述质检规则集，确定所述对话文本的质量等级。
本发明的有益效果是：提供一种对话分析装置，通过将获取到的对话文本分别输入到分类模型和语料模型中，根据分类模型和语料模型输出的结果及质检规则集，确定对话文本的质量等级，实现了对所有服务过程中产生的对话数据进行智能分析，降低了质检人员的人力成本，同时提高了服务质量。
此外，本发明还提供一种计算机设备，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如上述方案中任一项所述对话分析方法的步骤。
本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。
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或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面所描述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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种对话分析方法的示意性流程图；
图2为本发明另一实施例提供的一种对话分析方法的示意性流程图；
图3为本发明另一实施例提供的一种对话分析装置的示意性模块结构图。
具体实施方式
下面将结合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的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
如图1本发明实施例提供的一种对话分析方法的示意性流程图所示，一种对话分析方法包括以下步骤：
110、获取对话的对话文本。
本实施例中对话包括：文字内容和/或语音内容。对话可以是在移动终端的通讯软件中的对话内容，可以获取到用户需要回复的对方与用户之间的相互留言的内容。
本申请实施例中所指的对话可以是语音信息，也可以是文字信息，如果是语音信息，可以通过语音转文字后，得到该语音信息的文字内容。
120、将对话文本分别输入至分类模型中，确定对话文本的所属类别。
130、根据对话文本的所属类别确定评价对话文本的质检规则集。
140、将所述对话文本分别输入至语料模型中，获得语料解析结果。
其中，分类模型和语料模型为基于样本对话文本作为训练样本，利用机器学习手段训练而成。样本文字对话可以是从网络中获取到的大量的对话内容，进行对话内容筛选，将大量的网络对话内容进行训练，得到分类模型和语料模型。样本文字对话记录还可以是客户端用户所使用的通信软件所产生的文字对话记录，进而通过训练，得到分类模型和语料模型。
分类模型的输出结果可以是咨询、建议、售后、投诉或购买等。
150、根据语料解析结果和质检规则集，确定对话文本的质量等级。
值得说明的是，在实时聊天过程中，可以根据需要获取之前一段时间内的语音记录，例如获取前30秒内的语音记录进行分析。
基于本实施例提供的一种对话分析方法，通过将获取到的对话文本分别输入到分类模型和语料模型中，根据分类模型和语料模型输出的结果及质检规则集，确定对话文本的质量等级，实现了对所有服务过程中产生的对话数据进行智能分析，可降低质检人员的人力成本、提高服务质量。
如图2本发明另一实施例提供的一种对话分析方法的示意性流程图所示，其中步骤150具体包括：
151、将质检规则集中的所有逻辑表达式转换为规则树，规则树是二叉树结构。
具体地，质检规则集包括至少一个质检规则，每一条质检规则有对应的得分值。
质检规则是由多个语义算子和逻辑运算符组成的逻辑表达式，其中语义算子包括关键意图、关键字、文字信息、词语信息和词语搭配信息。
152、根据语料解析结果遍历质检规则集对应的规则树，以检测质检规则集中是否存在与语料解析结果相匹配的质检规则。
根据类别的不同，确定评价对话文本的质检规则集，例如，类别是咨询时，可以通过咨询对应的质检规则集。
153、若存在匹配的质检规则时，则对话文本的得分加上质检规则对应的得分值。
154、统计对话文本的得分值，得到对话文本的质量等级。
155、记录不匹配的质检规则，并生成提醒文件发送质检人员。
其中，语料模型输出的结果包括语料信息、语料信息的位置信息和/或语料信息对应的角色类型，其中语料信息包括文字信息、词语信息和词语搭配信息。语料信息可以是文字内容、词语信息可以识别是否有关键字、词语搭配信息可以是动宾短语、形容词和副词的使用情况，例如，对话文本中不匹配质检规则集中的质检规则1，质检规则1是您好And(先生Or女士)，记录不匹配的质检规则1，将不匹配的质检规则生成文件，发送至质检人员，可供质检人员和客户人员查看，不匹配的质检规则项。
将逻辑表达式转换为二叉树的方法有很多，例如先将文字信息转换为二进制，在二叉树的每个非叶节点都是一个运算符对应的常量标识，树上的每个左叶节点，存放的都是语料信息的常量标识，树上的每个右叶节点，存放的都是常量。本申请文件不再多做赘叙。
根据语料信息中的文字信息、词语信息和词语搭配信息，确定对话文本中的各角色类型的关键意图和关键字，例如，客户角色中对应的词语信息是买套餐，则客户的关键意图是购买，关键字是套餐。
每一条质检规则有对应的得分值，例如咨询类别的质检规则集中的质检规则1的得分值是5分，质检规则2的得分值是10分。
质检规则是由多个语义算子和逻辑运算符构成的逻辑表达式。例如咨询量类别的质检规则集中的质检规则1：您好And(先生Or女士)，当语料信息中包括您好，女士，则质检规则1匹配成功，那么对话文本的得分值加上5分。
统计质检规则集中每一条质检规则是否匹配成功，如果成功，对话文本的得分值就加上质检规则对应的得分值，最后得到对话文本的得分值。如果对话文本的得分是30分，对话文本的质量等级就是优秀。
基于上述实施例根据分类模型确定的对话文本的类别确定评价对话文本的质检规则集，将语料模型输出的结果与质检规则集进行匹配，根据匹配的结果，确定对话文本的质量等级，实现了基于不同的对话类别确定质检的规则集，提高评价对话文本质量等级的准确度。
进一步地，截取实时电话语音数据或录音电话语音，通过ASR引擎，将所述电话语音数据转换为对话文本。
具体地，截取实时电话语音可以通过交换机端口映射的方式，不占用服务器的带宽，将实时截取到的语音流数据，通过ASR(Automatic Speech Recognition)语音识别引擎，转换为文本，其中截取实时电话语音的频率可以根据需要设定。
进一步地，将样本文本输入TextCNN分类模型进行训练，得到分类模型。
进一步地，将样本文本输入深度学习Bi-LSTM模型结合Attention机制进行训练，得到语料模型。
图3为本发明另一实施例提供的一种对话分析装置的示意性模块结构图所示，一种对话分析装置，包括：
获取模块，用于获取对话的对话文本；
输入模块，用于将对话文本分别输入至分类模型中，确定对话文本的所属类别，根据对话文本的所属类别确定评价对话文本的质检规则集；
评价模块，用于将对话文本分别输入至语料模型中，获得语料解析结果，根据语料解析结果和质检规则集，确定对话文本的质量等级。
基于本实施例提供的一种对话分析装置，通过将获取到的对话文本分别输入到分类模型和语料模型中，根据分类模型和语料模型输出的结果及质检规则集，确定对话文本的质量等级，实现了对所有服务过程中产生的对话数据进行智能分析，降低了质检人员的人力成本，同时提高了服务质量。
基于上述实施例，进一步地，评价模块，还用于将质检规则集中的所有逻辑表达式转换为规则树，所述规则树是二叉树结构；
根据语料解析结果遍历质检规则集对应的规则树，以检测质检规则集中是否存在与语料解析结果相匹配的质检规则；
若存在匹配的质检规则时，则对话文本的得分加上质检规则对应的得分值；
统计对话文本的得分值，得到对话文本的质量等级。
进一步地，评价模块，还用于若存在不匹配的质检规则时，则记录不匹配的质检规则，并生成提醒文件发送质检人员。
进一步地，获取模块，还用于截取实时电话语音数据或录音电话语音数据，通过ASR引擎，将实时电话语音数据或录音电话语音数据转换为对话文本。
进一步地，输入模块，还用于将样本文本输入TextCNN分类模型进行训练，得到分类模型。
进一步地，输入模块，还用于将样本文本输入深度学习Bi-LSTM模型结合Attention机制进行训练，得到语料模型。
此外，本发明还提供一种计算机设备，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如上述方案中任一项所述对话分析方法的步骤。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种对话分析方法，其特征在于，包括：
获取对话的对话文本；
将所述对话文本分别输入至分类模型中，确定所述对话文本的所属类别；
根据所述对话文本的所属类别确定评价所述对话文本的质检规则集；
将所述对话文本分别输入至语料模型中，获得语料解析结果；
根据所述语料解析结果和所述质检规则集，确定所述对话文本的质量等级。
2.根据权利要求1所述的对话分析方法，其特征在于，
所述质检规则集包括至少一个质检规则，每一条质检规则有对应的得分值；
所述质检规则是由多个语义算子和逻辑运算符组成的逻辑表达式，其中所述语义算子包括关键意图、关键字、文字信息、词语信息和词语搭配信息。
3.根据权利要求2所述的对话分析方法，其特征在于，所述根据所述语料解析结果和所述质检规则集，确定所述对话文本的质量等级，具体包括：
将所述质检规则集中的所有逻辑表达式转换为规则树，所述规则树是二叉树结构；
根据所述语料解析结果遍历所述质检规则集对应的规则树，以检测所述质检规则集中是否存在与所述语料解析结果相匹配的质检规则；
若存在匹配的质检规则时，则所述对话文本的得分加上所述质检规则对应的得分值；
统计所述对话文本的得分值，得到所述对话文本的质量等级。
4.根据权利要求3所述的对话分析方法，其特征在于，还包括记录不匹配的质检规则，并生成提醒文件发送质检人员。
5.根据权利要求1所述的对话分析方法，其特征在于，
所述语料解析结果包括语料信息、所述语料信息的位置信息、所述语料信息对应的角色类型以及角色类型的关键意图和关键字，其中所述语料信息包括文字信息、词语信息和词语搭配信息。
6.根据权利要求1所述的对话分析方法，其特征在于，所述获取对话的对话文本，具体包括：
截取实时电话语音数据或录音电话语音数据，通过ASR引擎，将所述实时电话语音数据或录音电话语音数据转换为对话文本。
7.根据权利要求1-6中任一项所述的对话分析方法，其特征在于，还包括将样本文本输入TextCNN分类模型进行训练，得到所述分类模型。
8.根据权利要求1-6中任一项所述的对话分析方法，其特征在于，还包括将样本文本输入深度学习Bi-LSTM模型结合Attention机制进行训练，得到所述语料模型。
9.一种对话分析装置，其特征在于，包括：
获取模块，用于获取对话的对话文本；
输入模块，用于将所述对话文本分别输入至分类模型中，确定所述对话文本的所属类别，根据所述对话文本的所属类别确定评价所述对话文本的质检规则集；
评价模块，用于将所述对话文本分别输入至语料模型中，获得语料解析结果，根据所述语料解析结果和所述质检规则集，确定所述对话文本的质量等级。
10.一种计算机设备，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8中任一项所述对话分析方法的步骤。
CN201911190774.4A 2019-11-28 2019-11-28 一种对话分析方法、装置和设备 Pending CN110929011A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911190774.4A CN110929011A (zh) 2019-11-28 2019-11-28 一种对话分析方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911190774.4A CN110929011A (zh) 2019-11-28 2019-11-28 一种对话分析方法、装置和设备

Publications (1)

Publication Number Publication Date
CN110929011A true CN110929011A (zh) 2020-03-27

Family

ID=69847474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911190774.4A Pending CN110929011A (zh) 2019-11-28 2019-11-28 一种对话分析方法、装置和设备

Country Status (1)

Country Link
CN (1) CN110929011A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111627461A (zh) * 2020-05-29 2020-09-04 平安医疗健康管理股份有限公司 一种语音质检方法、装置、服务器及存储介质
CN111984779A (zh) * 2020-09-10 2020-11-24 支付宝(杭州)信息技术有限公司 一种对话文本分析方法、装置、设备和可读介质
CN112201225A (zh) * 2020-09-30 2021-01-08 北京大米科技有限公司 一种语料获取的方法、装置、可读存储介质和电子设备
CN112463962A (zh) * 2020-11-18 2021-03-09 深圳木成林科技有限公司 一种聊天记录质检方法及装置
CN113065328A (zh) * 2021-04-06 2021-07-02 浙江百应科技有限公司 一种基于正则和文本截断的对话内容分析方法
CN113553861A (zh) * 2021-07-30 2021-10-26 出门问问信息科技有限公司 一种基于对话***的信息处理方法、装置及存储介质
CN113657773A (zh) * 2021-08-19 2021-11-16 中国平安人寿保险股份有限公司 话术质检方法、装置、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108446388A (zh) * 2018-03-22 2018-08-24 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
CN108962282A (zh) * 2018-06-19 2018-12-07 京北方信息技术股份有限公司 语音检测分析方法、装置、计算机设备及存储介质
CN109327632A (zh) * 2018-11-23 2019-02-12 深圳前海微众银行股份有限公司 客服录音的智能质检***、方法及计算机可读存储介质
CN109448730A (zh) * 2018-11-27 2019-03-08 广州广电运通金融电子股份有限公司 一种自动语音质检方法、***、装置及存储介质
CN109902957A (zh) * 2019-02-28 2019-06-18 腾讯科技（深圳）有限公司 一种数据处理方法和装置
CN110083689A (zh) * 2019-03-20 2019-08-02 上海拍拍贷金融信息服务有限公司 客户服务质量检测方法及装置、可读存储介质
CN110309216A (zh) * 2019-05-10 2019-10-08 焦点科技股份有限公司 一种基于文本分类的客服语音质检方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108446388A (zh) * 2018-03-22 2018-08-24 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
CN108962282A (zh) * 2018-06-19 2018-12-07 京北方信息技术股份有限公司 语音检测分析方法、装置、计算机设备及存储介质
CN109327632A (zh) * 2018-11-23 2019-02-12 深圳前海微众银行股份有限公司 客服录音的智能质检***、方法及计算机可读存储介质
CN109448730A (zh) * 2018-11-27 2019-03-08 广州广电运通金融电子股份有限公司 一种自动语音质检方法、***、装置及存储介质
CN109902957A (zh) * 2019-02-28 2019-06-18 腾讯科技（深圳）有限公司 一种数据处理方法和装置
CN110083689A (zh) * 2019-03-20 2019-08-02 上海拍拍贷金融信息服务有限公司 客户服务质量检测方法及装置、可读存储介质
CN110309216A (zh) * 2019-05-10 2019-10-08 焦点科技股份有限公司 一种基于文本分类的客服语音质检方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111627461A (zh) * 2020-05-29 2020-09-04 平安医疗健康管理股份有限公司 一种语音质检方法、装置、服务器及存储介质
CN111984779A (zh) * 2020-09-10 2020-11-24 支付宝(杭州)信息技术有限公司 一种对话文本分析方法、装置、设备和可读介质
CN111984779B (zh) * 2020-09-10 2024-05-28 支付宝(杭州)信息技术有限公司 一种对话文本分析方法、装置、设备和可读介质
CN112201225A (zh) * 2020-09-30 2021-01-08 北京大米科技有限公司 一种语料获取的方法、装置、可读存储介质和电子设备
CN112201225B (zh) * 2020-09-30 2024-02-02 北京大米科技有限公司 一种语料获取的方法、装置、可读存储介质和电子设备
CN112463962A (zh) * 2020-11-18 2021-03-09 深圳木成林科技有限公司 一种聊天记录质检方法及装置
CN113065328A (zh) * 2021-04-06 2021-07-02 浙江百应科技有限公司 一种基于正则和文本截断的对话内容分析方法
CN113553861A (zh) * 2021-07-30 2021-10-26 出门问问信息科技有限公司 一种基于对话***的信息处理方法、装置及存储介质
CN113553861B (zh) * 2021-07-30 2023-11-14 出门问问信息科技有限公司 一种基于对话***的信息处理方法、装置及存储介质
CN113657773A (zh) * 2021-08-19 2021-11-16 中国平安人寿保险股份有限公司 话术质检方法、装置、电子设备及存储介质
CN113657773B (zh) * 2021-08-19 2023-08-29 中国平安人寿保险股份有限公司 话术质检方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN110929011A (zh) 一种对话分析方法、装置和设备
CN110197672B (zh) 一种语音通话质量检测方法、服务器、存储介质
JP6998680B2 (ja) 対話型業務支援システムおよび対話型業務支援プログラム
CN111182162B (zh) 基于人工智能的电话质检方法、装置、设备和存储介质
CN111210842B (zh) 语音质检方法、装置、终端及计算机可读存储介质
US9710829B1 (en) Methods, systems, and articles of manufacture for analyzing social media with trained intelligent systems to enhance direct marketing opportunities
CN111640436B (zh) 向坐席提供通话对象的动态客户画像的方法
CN104301554A (zh) 一种对客服人员的服务质量进行质检的装置及方法
CN111598485A (zh) 一种多维度智能质检方法、装置、终端设备及介质
CN109345282A (zh) 一种业务咨询的响应方法及设备
CN111641757A (zh) 坐席通话的实时质检与辅助话术推送的方法
CN110839112A (zh) 一种问题语音的检测方法和装置
CN111314566A (zh) 一种语音质检方法、装置与***
US11687946B2 (en) Systems and methods for detecting complaint interactions
WO2023272850A1 (zh) 基于决策树的产品匹配方法、装置、设备及存储介质
US11495227B2 (en) Artificial intelligence (AI) based user query intent analyzer
CN109582954A (zh) 用于输出信息的方法和装置
CN112860868A (zh) 客服电话分析方法、***、设备及存储介质
CN111831875A (zh) 数据处理方法、装置、设备和存储介质
CN113407677A (zh) 评估咨询对话质量的方法、装置、设备和存储介质
CN114186040A (zh) 一种智能机器人客服的运作方法
CN112200465A (zh) 基于多媒体信息智能分析的电力ai方法及***
CN114049895B (zh) 一种基于asr的语音质检分析方法及***
KR20230140722A (ko) 챗봇 기반의 인공지능 심리상담 방법 및 장치
Bianchi et al. A machine learning based help desk approach for units involved in official surveys

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200327