CN111831875A - 数据处理方法、装置、设备和存储介质 - Google Patents
数据处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111831875A CN111831875A CN201910291001.9A CN201910291001A CN111831875A CN 111831875 A CN111831875 A CN 111831875A CN 201910291001 A CN201910291001 A CN 201910291001A CN 111831875 A CN111831875 A CN 111831875A
- Authority
- CN
- China
- Prior art keywords
- scene
- data
- user
- quality inspection
- target
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 33
- 238000003860 storage Methods 0.000 title abstract description 17
- 230000003993 interaction Effects 0.000 claims abstract description 177
- 238000007689 inspection Methods 0.000 claims abstract description 141
- 238000000034 method Methods 0.000 claims abstract description 88
- 238000004458 analytical method Methods 0.000 claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 55
- 230000008569 process Effects 0.000 claims abstract description 54
- 230000008451 emotion Effects 0.000 claims description 40
- 230000002452 interceptive effect Effects 0.000 claims description 39
- 230000002159 abnormal effect Effects 0.000 claims description 30
- 230000008909 emotion recognition Effects 0.000 claims description 18
- 230000006399 behavior Effects 0.000 claims description 15
- 238000010586 diagram Methods 0.000 description 20
- 230000005856 abnormality Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 230000002996 emotional effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 238000013145 classification model Methods 0.000 description 6
- 239000000306 component Substances 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 6
- 238000013178 mathematical model Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000003908 quality control method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种数据处理方法、装置、设备和存储介质,以解决质检的滞后性问题。所述方法包括:在服务交互过程中,抓取所述服务交互对应的质检数据;对所述质检数据进行多个维度的场景分析,确定场景属性以及所述场景属性对应的目标场景;依据所述目标场景确定对应的场景话术并反馈所述场景话术,所述场景话术用于对所述目标场景的风险进行提示。从而能够前置检测出可能存在问题的目标场景,并反馈所述场景话术,对目标场景的风险进行提示,有效的解决了质检的滞后性问题,从源头上预防可能存在的风险问题的发生。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种数据处理方法和装置、一种电子设备和一种存储介质。
背景技术
随着业务和客服对应服务数据的快速增长,传统的人工抽检方式面临着效率低、时效性差、人员瓶颈、漏检风险高、难以挖掘潜在商机、舆情等等问题。
为了人工抽检方式所面临的问题,自动质检应运而生,自动质检通常是自动抓取数据,然后按照一定的规则进行质检。但是目前自动质检通常是事后质检,也就是在服务结束之后再进行质检,这种质检方式所发现的问题往往是已经发生的,即使立即针对发现的问题进行补救,也可能已经造成了损失,如数据丢失等。
发明内容
本申请实施例提供了一种数据处理方法,以解决质检的滞后性问题。
相应的,本申请实施例还提供了一种数据处理装置、一种电子设备以及一种存储介质,用以保证上述方法的实现及应用。
为了解决上述问题,本申请实施例公开了一种数据处理方法,所述方法包括:在服务交互过程中,抓取所述服务交互对应的质检数据;对所述质检数据进行多个维度的场景分析,确定场景属性以及所述场景属性对应的目标场景;依据所述目标场景确定对应的场景话术并反馈所述场景话术,所述场景话术用于对所述目标场景的风险进行提示。
可选的,所述质检数据包括:交互数据和/或用户历史数据;所述在服务交互过程中,抓取所述服务交互对应的质检数据,包括以下至少一种:检测到服务交互开始,抓取对应第一用户的用户历史数据,所述用户历史数据包括:历史交互记录、用户行为数据、用户资产数据中至少一种;检测到服务交互具有新消息,抓取所述新消息对应的交互数据,所述新消息由第一用户和/或第二用户发出;检测到其他服务状态时,抓取对应的质检数据。
可选的,所述对所述质检数据进行多个维度的场景分析,包括:对所述质检数据进行诊断处理,确定对应的异常信息;对所述交互数据进行情绪识别处理,得到对应的情绪信息。
可选的,所述对所述质检数据进行多个维度的场景分析,还包括以下至少一种:对交互数据和/或历史交互记录进行语义匹配,确定对应的语义匹配结果;对交互数据和/或历史交互记录进行意图识别,确定对应的意图信息;对所述交互数据进行规则匹配,确定匹配的设定规则。
可选的,所述确定场景属性以及所述场景属性对应的目标场景,包括:根据场景分析结果确定对应的至少一个场景属性,确定所述场景属性对应的目标场景,其中,场景分析结果包括异常信息、情绪信息、语义匹配结果、意图信息、设定规则中的至少一个。
可选的,所述依据所述目标场景确定对应的场景话术并反馈所述场景话术,包括:确定所述目标场景对应的场景话术,以及所述场景话术对应的准确率;依据所述准确率确定所述场景话术对应的用户,将所述场景话术反馈给所述用户,所述用户包括第一用户和/或第二用户。
本申请实施例还公开了一种数据处理方法,所述方法包括:接收目标场景对应的场景话术,所述目标场景依据服务交互过程中抓取的质检数据分析确定;在所述服务交互对应的界面中显示所述目标场景对应的场景话术。
可选的,所述在所述服务交互对应的界面中显示所述目标场景对应的场景话术,包括:在所述服务交互对应的界面中显示所述目标场景的提示标识;依据对所述提示标识的触发,显示对应的场景话术。
可选的,还包括:发送所述场景话术或所述场景话术的更新信息。
本申请实施例还公开了一种数据处理方法,所述方法包括:抓取所述服务交互对应的质检数据;对所述质检数据进行多个维度的场景分析,确定对应的目标场景;依据所述目标场景确定对应的场景话术并反馈所述场景话术。
本申请实施例还公开了一种数据处理装置,所述装置包括:数据抓取模块,用于在服务交互过程中,抓取所述服务交互对应的质检数据;场景分析模块,用于对所述质检数据进行多个维度的场景分析,确定场景属性以及所述场景属性对应的目标场景;话术匹配模块,用于依据所述目标场景确定对应的场景话术并反馈所述场景话术,所述场景话术用于对目标场景的风险进行提示。
本申请实施例还公开了一种数据处理装置,所述装置包括:接收模块,用于接收目标场景对应的场景话术,所述目标场景依据服务交互过程中抓取的质检数据分析确定;显示模块,用于在所述服务交互对应的界面中显示所述目标场景对应的场景话术。
本申请实施例还公开了一种数据处理装置,所述装置包括:抓取模块,用于抓取所述服务交互对应的质检数据;分析模块,用于对所述质检数据进行多个维度的场景分析,确定对应的目标场景;匹配模块,用于依据所述目标场景确定对应的场景话术并反馈所述场景话术。
本申请实施例还公开了一种电子设备,包括:处理器;和存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如本申请实施例中一个或多个所述的数据处理方法。
本申请实施例还公开了一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被执行时,使得处理器执行如本申请实施例中一个或多个所述的数据处理方法。
本申请实施例还公开了一种电子设备,包括:处理器;和存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如本申请实施例中一个或多个所述的数据处理方法。
本申请实施例还公开了一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被执行时,使得处理器执行如本申请实施例中一个或多个所述的数据处理方法。
本申请实施例还公开了一种电子设备,包括:处理器;和存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如本申请实施例所述的数据处理方法。
本申请实施例还公开了一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被执行时,使得处理器执行如本申请实施例所述的数据处理方法。
与现有技术相比,本申请实施例包括以下优点:
在本申请实施例在服务交互过程中,可抓取所述服务交互对应的质检数据,并对所述质检数据进行多个维度的场景分析,确定场景属性以及所述场景属性对应的目标场景,从而能够前置检测出可能存在问题的目标场景,然后依据所述目标场景确定对应的场景话术并反馈所述场景话术,对目标场景的风险进行提示,有效的解决了质检的滞后性问题,从源头上预防可能存在的风险问题的发生。
附图说明
图1是本申请的一种数据处理方法实施例的步骤流程图;
图2是本申请实施例的一种质检***示例的示意图;
图3是本申请的另一种数据处理方法实施例的步骤流程图;
图4是本申请的又一种数据处理方法实施例的步骤流程图;
图5是本申请的再一种数据处理方法实施例的步骤流程图;
图6是本申请的数据处理方法的另一种实施例的步骤流程图;
图7是本申请的一种数据处理装置实施例的结构框图;
图8是本申请的一种数据处理装置可选实施例的结构框图;
图9是本申请的另一种数据处理装置实施例的结构框图;
图10是本申请的另一种数据处理装置可选实施例的结构框图;
图11是本申请的又一种数据处理装置实施例的结构框图;
图12是本申请一实施例提供的装置的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
本申请实施例中,可应用于质检***中,对各种行业客服的服务进行质量检测,如物流行业、电子商务行业、云技术服务行业等,各种涉及到产品、技术提供、销售并提供客户服务的行业。客服可以用户提供所需的服务,如售前服务、售后服务等,质检***可实时对客服的服务进行质量检测,以便及时发现服务过程中的问题,给用户提供便利,提高用户体验。本申请实施例中,为了区分客服和被服务用户,可将被服务用户称为第一用户,将客服称为第二用户。
参照图1,示出了本申请的一种数据处理方法实施例的步骤流程图。
步骤102,在服务交互过程中,抓取所述服务交互对应的质检数据。
本申请实施例为了能够即时检测出服务中可能出现的问题,因此提供了一种服务过程中实时质检的方式,能够在服务交互的过程中实时抓取所需的质检数据并进行质检。其中,所述质检数据指的是检测服务质量所需的数据,该质检数据可包括用户历史数据和/或交互数据,其中,所述交互数据指的是第一用户和第二用户在服务交互过程中的交互消息数据,所述用户历史数据指的是该第一用户的历史行为相关的数据,如包括历史交互记录、用户行为数据、用户资产数据等,所述历史交互记录指的是本次服务交互之前的交互数据,所述用户行为数据指的是第一用户的行为对应的数据,用户资产数据指的是该用户对应的交易或事项形成的、由该用户拥有或者控制的资源数据。
为了对服务交互过程进行实时质检,可对服务交互过程进行监控,依据该服务交互过程中的服务状态的变更,抓取该服务交互对应的质检数据,从而实现数据的实时获取。其中,服务状态指的是该服务交互对应的状态,包括开始状态、消息更新状态和其他服务状态。其中,开始状态指的是开始服务交互的状态,服务交互的开始可由第一用户和第二用户中任一用户发起,从而建立第一用户和第二用户之间的会话,实现服务交互。消息更新状态指的是具有新消息的状态,此种情况下该新消息可为未读子状态或已读子状态,其中,新消息可为第一用户和/或第二用户发送的消息。所述其他服务状态指的是交互中的其他状态,如更换第二用户(客服)等。
在一个可选实施例中,所述在服务交互过程中,抓取所述服务交互对应的质检数据,包括以下至少一种:检测到服务交互开始,抓取对应第一用户的用户历史数据,所述用户历史数据包括:历史交互记录、用户行为数据、用户资产数据中至少一种;检测到服务交互具有新消息,抓取所述新消息对应的交互数据;检测到其他服务状态时,抓取对应的质检数据。
当第一用户或第二用户发起服务交互,可以检测到第一用户和第二用户之间服务交互(如会话、聊天等)的建立,从而确定服务交互开始,此时可以抓取第一用户的用户历史数据,从而在服务开始时就获取到历史上该第一用户的各种数据。在第一用户和第二用户交互过程中,第一用户和/或第二用户可发送消息,此种情况下该服务交互环境中可接收到新消息,可以抓取该新消息对应的交互数据,也就是在服务交互过程中可以抓取交互双方的交互消息(如会话消息、聊天内容等),该交互消息包括第一用户发出的第一消息和/或第二用户发出的第二消息。交互过程中,也可能变更为其他服务状态,例如由售前的客服转为售后的客服等,从而依据该服务状态的变更可以获取相应的质检数据,如检测到订单数据可由售前的客服转为售后的客服,则可获取订单相关的数据作为该用户历史数据中的用户资产数据等,具体可依据业务和需求确定。在确定出质检数据后可进行质检分析。
如图2所示的一种质检***示例中,可以基于被服务用户(第一用户)和客服(第二用户)的交互,获取对应的交互数据和用户历史数据,其中交互数据可依据对应的交互方式确定,如通过电话等热线方式可获取对应的语音数据,通过识别等处理得到对应的文本数据作为交互数据;又如客服通过***的工单获取用户的交互请求,然后在与用户交互过程中抓取交互数据;或者在***的线上通过网络聊天、对话框等进行交互,获取对应的交互数据;或者通过即时通信应用进行服务交互并抓取对应的交互数据等。对于用户历史数据可通过***的数据库等基于该用户的用户标识抓取。
步骤104,对所述质检数据进行多个维度的场景分析,确定场景属性以及所述场景属性对应的目标场景。
本申请实施例,可设置质检对应的目标场景,该目标场景指的是检测到第一用户的数据存在风险的情景,具体风险可依据行业、业务确定,例如在电子商务行业中该风险可能为诈骗、转账无法退回等,在云技术服务行业中风险可能为用户数据丢失等,在物流行业风险可能为丢件、损坏、时限等。
以云技术服务行业为例,一种目标场景的示例如表1所示:
表1
表1中,x、y、z为正整数,可以相同或不同,具体依据行业需求企业定,所述客户指的是第一用户,所述小二指的是第二用户。上述是云技术服务行业中目标场景的一种示例,其中风险点指的是该场景所对应风险的描述信息,这些描述信息也可用于生成场景话术等提示信息,从而提示此种场景下可能出现的问题,以便用户提前了解相关场景及问题,提高用户体验。
本申请实施例中,对于不同的行业可设置不同的目标场景,从而对于质检数据可分析其符合的目标场景。本申请实施例中对于质检数据的场景分析等质检处理操作可通过场景识别引擎进行处理,场景识别引擎是质检***的核心组件之一,是质检***的支持部分,用于实现场景识别的功能,基于该引擎可对质检数据进行分析从而确定目标场景。本申请实施例的目标场景可基于多个维度进行分析,然后综合各分析结果所命中的场景属性,确定所述场景属性对应符合的目标场景。一个示例中,针对每种场景属性可设置相应的属性值,如属性值为0则表征不具有该场景属性,属性值为1则表征具有该属性;另一个示例中,场景属性可通过属性值来表征不同的类型,例如属性值0、1、2、3……n分别表征相应的类型,n为正整数;具体场景属性的设置可依据需求确定。
其中,所述维度包括:语义维度、意图维度、诊断维度、规则维度、情绪维度中的一种或多种。其中,语义维度可通过语义匹配技术进行分析处理,意图维度可通过意图识别技术进行分析处理,诊断维度可通过自动诊断技术进行分析处理,规则维度可通过设定规则匹配技术进行处理,情绪维度可通过情绪识别技术进行处理。所述场景属性是一种用于区分不同场景的标识数据,也可用关键词、分类信息、场景描述信息等表示,总之是能够确定不同目标场景的数据,均在本申请实施例的范围内。其中,不同的场景属性可对应不同的目标场景。
一个可选实施例中,所述对所述质检数据进行多个维度的场景分析,包括以下至少一种:对所述质检数据进行诊断处理,确定对应的异常信息;对所述交互数据进行情绪识别处理,得到对应的情绪信息。对交互数据和/或历史交互记录进行语义匹配,确定对应的语义匹配结果;对交互数据和/或历史交互记录进行意图识别,确定对应的意图信息;对所述交互数据进行规则匹配,确定匹配的设定规则。
对于语义维度:
可以对交互数据和/或历史交互记录进行语义匹配,语义匹配可通过机器学习算法等训练语义匹配模型(或称语义识别器、语义映射关系等),然后基于语音匹配模型对交互数据和/或历史交互记录进行语义匹配,得到对应的语义匹配结果,依据语义匹配结果确定对应命中的场景属性。
对于意图维度:
可以对交互数据和/或历史交互记录进行意图识别,其中可通过机器学习算法等训练意图识别模型(或称意图识别器、意图映射关系等),然后基于意图识别模型对交互数据和/或历史交互记录进行意图识别,确定对应的意图识别结果,依据意图识别结果确定对应命中的场景属性。在另外一些示例中,也可将设定时间范围内的各个用户的意图识别结果进行聚类,如按照业务、行业等对多个用户的意图识别结果进行聚类,确定用户所共有的意图信息,如都对某个产品或某个功能有疑问,或者某些功能经常出现故障等,从而得到对应的意图信息并确定对应命中的场景属性。
对于规则维度:
可对所述交互数据进行规则匹配,确定匹配的设定规则,其中设定规则的匹配可通过正则表达式等方式实现,本申请实施例对此不作限制。
一个示例中,所述设定规则可由逻辑运算符和条件组成的表达式确定,从而通过该表达式可确定交互数据所匹配的设定规则。其中,所述条件可通过算子组成的逻辑表达式确定,条件还与检查范围相关,对检查范围内的数据按照条件进行匹配,例如检查范围选定检查的角色为“客服”,又如检查范围限定检查在条件A命中之后的1~3句话等。其中,算子是最小的逻辑判定单元,场景识别引擎基于算子可实现对关键字、正则表达式、抢话、语义匹配、问句检测、上下文重复、时间间隔、语速检测、字数相近等的匹配。本申请实施例中,规则匹配可通过规则、条件、算子等组成复杂的逻辑判断规则,从而检测所符合的设定规则进而匹配场景属性和目标场景。
对于诊断维度:
可对所述质检数据进行诊断处理,确定对应的异常信息。其中,异常信息指的是出现异常的数据,该异常信息可为质检数据中出现的异常信息,也可为质检数据对应***的异常情况等,例如可为用户资产、订单等数据的异常,也可为查询用户历史数据过程中***接口等出现的异常等。从而在查询用户历史数据以及服务交互的过程中可确定对应的异常信息。
本申请实施例中,所述对所述质检数据进行诊断处理,确定数据类的异常信息。可以依据对用户历史数据的查询确定是否存在异常,从而针对所存在的异常确定异常信息,其中一类异常信息是数据本身的异常,例如用户历史数据中存在异常,如时间快到期或已超期,又如订单异常等用户资产数据的异常。一个示例中,可根据第一用户的用户标识查询该用户标识对应的用户历史数据,如用户行为数据、用户资产数据等,然后分析该用户历史数据是否存在异常,如用户行为数据中存在异常访问等问题,又如用户资产数据中存在时间异常,如在云技术服务行业中关系型数据库服务RDS的实例要到期或已超期的时间异常信息,物流行业中物流派送超时,取件超时等时间异常信息,也可包括其他异常信息,如电子商务行业中订单状态异常等各种异常信息,这些异常信息可在抓取用户历史数据之后分析确定,也可周期性的分析用户历史数据的异常情况来确定异常信息,从而在抓取用户历史数据时也可获取其关联的异常信息,在场景分析过程中获取该异常信息。
在本申请另外一些示例中,还可依据所述交互数据进行查询,如依据交互数据中的用户标识、订单标识等标识信息进行查询,确定对应的用户资产数据,然后基于所述用户资产数据进行分析,确定对应的异常信息。一个示例中,用户在交互过程中可能提及到资产、订单等信息,例如交互的对话中有云服务器ECS的实例标识、虚拟机地址、备案订单号等信息,在实时抓取到交互对话后可基于一定的规则如正则表达式等抓取到对应的用户资产数据、用户行为数据等,然后可分析数据本身是否存在异常,也可通过调用接口等确定是否具有访问状态异常的异常信息等。一个示例中,对于质检数据的抓取进行配置,如配置抓取备案订单号、备案号、示例标识、虚拟机地址对应的正则表达式等,从而便于质检数据的抓取。
通过对会话过程中标识等信息的检测,可以覆盖到除该第一用户的用户标识之外其他用户标识对应的资产、订单等数据,从而进一步提高场景识别的准确性和覆盖率。
对于情绪识别维度:
对所述交互数据进行情绪识别处理,得到对应的情绪信息。通过对文本、语音等各种类型的交互数据进行情绪识别,例如通过文本中情绪词、语音对应的语速等识别情绪,可以训练一些情绪分类模型(或称情绪分类器,情绪映射关系等),通过该情绪分类模型对文本、语音等进行情绪识别,得到对应的情绪信息。
一个示例中,可以使用情感词典进行情绪识别,其中,情感词典是一种带有情感色彩的词汇的集合,比如喜欢、不错、很差、故障等带有情感色彩的词汇。对于语音的交互数据可识别得到文本的交互数据,对于文本的交互数据可先进行分词等处理,然后识别出情感词并判断极性,再根据多个词的叠加效果判断句子的情感极性,确定对应的情绪信息。本申请一些示例中,情绪识别也可通过接口调用等方式确定,接口调用时入参为文本的交互数据,返回为识别的情感极性。其中,对于比较负面的情感极性可判断为有风险的情绪信息。其中,情感词典可依据行业特性整理预料来确定。
另一个示例中,可以预先训练情绪分类模型,然后将语音、文本的交互数据输入到该情绪分类模型中进行识别处理,得到对应的情绪类别,依据情绪类别得到对应的情绪信息。其中,该情绪分类模型可使用大量添加有情绪分类属性的语料进行训练得到,负面的情绪分类的会被判断为有风险的情绪信息。
本申请实施例中所提到的模型,如语义匹配模型、情绪分类模型指的是通过各种算法训练的数学模型,数学模型是运用数理逻辑方法和数学语言建构的科学或工程模型,数学模型是针对参照某种事物***的特征或数量依存关系,采用数学语言,概括地或近似地表述出的一种数学结构,这种数学结构是借助于数学符号刻画出来的某种***的纯关系结构。数学模型可以是一个或一组代数方程、微分方程、差分方程、积分方程或统计学方程及其组合,通过这些方程定量地或定性地描述***各变量之间的相互关系或因果关系。除了用方程描述的数学模型外,还有用其他数学工具,如代数、几何、拓扑、数理逻辑等描述的模型。数学模型描述的是***的行为和特征而不是***的实际结构。
通过上述场景分析可得到对应的场景分析结果,所述场景分析结果包括异常信息、情绪信息、语义匹配结果、意图信息、设定规则中的至少一种。然后可对该场景分析结果进行综合分析,确定对应匹配的至少一个场景属性,以及确定各场景属性对应的目标场景。例如通过语义匹配结果、意图信息等可检测出对应投诉等场景属性,基于情绪信息可确定出投诉、服务异常等场景属性,通过异常信息可确定出期限、财务、费用、资源等各种场景属性并确定对应的目标场景,具体可依据行业和需求确定。
如图2所示的示例中,在场景识别的处理过程中,可通过场景识别引擎对抓取的质检数据进行分析,包括语音匹配、意图识别、自动诊断、智能规则以及情绪识别等处理,从而确定出命中的场景属性,再依据该场景属性确定对应的目标场景。如命中高风险操作倾向的属性,如更换设备、机房、操作***等场景属性,又如命中用户资产状态异常的属性,如到期、释放资源、回滚数据等场景属性,又如舆情、投诉风险的属性,用户情绪异常的属性等,从而能够确定出属性所对应的目标场景。
从而通过场景识别引擎对所抓取质检数据的分析,可确定对应的目标场景。本申请实施例基于目标场景确定存在风险的情况,从而能够基于目标场景及时的给予用户提示,包括第一用户的风险提示和第二用户的服务提示等。
步骤106,依据目标场景确定对应的场景话术并反馈所述场景话术。
本申请实施例中,为了便于对用户进行提示,可以针对目标场景设置对应的场景话术,其中,话术可以理解为用语或标准用语,场景话术指的是该目标场景所对应的标准用语,场景话术可用于对目标场景的风险进行提示,包括对第一用户的提示和/或第二用户的提示。
目标场景对应的场景话术,基于该场景对应的风险点(或称风险描述、风险信息)确定,从而能够提示目标场景下存在的风险,便于用户进一步操作,具体可依据场景所对应场景的风险确定。
例如退款类目标场景的场景话术包括:
1、退款后服务器实例立即被清除,数据不再保留,请提前备份数据;
2、费用会退回到您支付款项的账号内,如果您需要退到银行账号,请您届时再通过账号进行提现操作;
3、退款成功后,会自动扣减您的可开***额度,请不要对退款订单申请***,以免可开票额度为负数时影响您的提现申请;
4、退款后,赠品(如代金券、延长服务期等)将作废清零。
又如磁盘扩容类的目标场景的场景话术可包括:对于涉及到文件操作,磁盘扩容,磁盘重置,磁盘更换,配置调整等操作,建议您先通过控制台手动创建快照,以免误操作带来的数据丢失风险。
虚拟机到期类的目标场景的场景话术包括虚拟主机过期x天后***将自动释放资源,主机释放后数据将无法找回,无法再进行续费。如需继续使用,请及时进行续费;若您不再使用,请提前做好数据备份。
从而针对各行业下的目标场景,可基于存在的风险等生成对应的场景话术。在匹配到目标场景后可确定目标场景对应的场景话术,然后将场景话术发送给第二用户,以对第二用户进行提示,或者第二用户可基于一定的规则确定是否需要将场景话术反馈给第一用户。
一些可选实施例中,可以设置话术库,在匹配到目标场景后可从话术库中获取对应的场景话术,该场景话术库可通过话术管控模块或服务器等进行管理,实现对话术库的更新、管理等。
本申请实施例,可维护每个目标场景所对应的场景话术之间准确率或称置信度,目标场景和场景话术之间的准确率可依据该目标场景和场景话术的使用量确定,如所匹配目标场景对应场景话术,被第二用户采纳的比例等,所谓采纳包括第二用户使用该场景话术与第一用户进行服务交互。
因此在一些可选实施例中,所述依据所述目标场景确定对应的场景话术并反馈所述场景话术,包括:确定所述目标场景对应的场景话术,以及所述场景话术对应的准确率;依据所述准确率确定所述场景话术对应的用户,将所述场景话术反馈给所述用户,所述用户包括第一用户和/或第二用户。可以从话术库中获取目标场景对应的场景话术,以及所述场景话术的准确率(也可称为所述场景话术和所述目标场景之间的置信度),然后可判断该准确率是否达到准确率阈值,若达到准确率阈值,则确定为第一用户,若未达到准确率阈值,则确定为第二用户,从而将准确率达到准确率阈值的场景话术直接发送给第一用户,将准确率未达到准确率阈值的场景话术发送给第二用户,由第二用户判断是否需要发送给第一用户。
后续基于第二用户是否将该场景话术发送给第一用户,可用于确定该场景话术在该目标场景下的准确率,以及用于对场景识别引擎进行场景识别的优化等。
如图2所示的示例中,基于确定的目标场景可以从话术库中确定场景话术,在基于准确率阈值确定该场景话术所需发送的用户,若场景话术的准确率满足准确率阈值,则可直接通过一键发送模块直接在交互服务的界面中发送给第一用户,若场景话术的准确率不满足准确率阈值,则可发送给第二用户,由第一用户确定是否在交互服务的界面中发送给第二用户。其中在第二用户确定不发送给第一用户后,可确定该场景话术未被采纳,给该场景话术设置不采纳的属性值。
其中,对于场景话术直接发送给第一用户,或者由第二用户确定发送给第一用户,或者第二用户确定不采纳等场景话术的处理结果,可以反馈给监控模块,该监控模块可将场景话术的处理结果反馈给话术管控模块以及场景识别引擎,从而能够基于场景话术的处理结果优化场景识别引擎,以及管理话术库中场景话术的准确性。一个示例中,所述场景话术的准确率为第二用户发送所述场景话术给第一用户的次数与第二用户读取所述场景话术的次数的比值。
综上,在服务交互过程中,可抓取所述服务交互对应的质检数据,并对所述质检数据进行多个维度的场景分析,确定场景属性以及所述场景属性对应的目标场景,从而能够前置检测出可能存在问题的目标场景,然后依据所述目标场景确定对应的场景话术并反馈所述场景话术,对目标场景的风险进行提示,有效的解决了质检的滞后性问题,从源头上预防可能存在的风险问题的发生。
在上述实施例的基础上,本申请实施例还提供了一种数据处理方法,可以在第二用户(客服)侧进行场景话术的反馈。
参照图3,示出了本申请的另一个数据处理方法实施例的步骤流程图。
步骤302,接收目标场景对应的场景话术。
在第一用户和第二用户的服务交互过程中可实时抓取质检数据,并通过该质检数据进行场景分析,确定对应的目标场景以及所述目标场景对应的场景话术。在所述场景话术的准确率未达到准确率阈值的情况下,可以将该场景话术发送给第二用户。
步骤304,在所述服务交互对应的界面中显示所述目标场景对应的场景话术。
在第二用户与第一用户进行服务交互的界面中,可以显示该目标场景的场景话术,从而对第二用户进行提示,确定是否需要发送给第一用户。本申请实施例中,对于热线等语音方式,第一用户侧可能没有界面,而第二用户侧可以有相应的界面,以便第二用户能够了解第一用户的各种信息,如名称、资产等,因此可以在该界面中显示,若第二用户确定可以发送给第一用户,则可说出该场景话术给第一用户,同时在界面中触发相应的标识以表征发送该场景话术,当然若第二用户不采纳,也可通过触发不采纳的标识以进行反馈。
在一个可选实施例中,所述在所述服务交互对应的界面中显示所述目标场景对应的场景话术,包括:在所述服务交互对应的界面中显示所述目标场景的提示标识;依据对所述提示标识的触发,显示对应的场景话术。可以在服务交互对应的界面中显示目标场景的提示标识,如提示图标、提示控件等各种能够提示当前有需要查看的消息的标识,然后在接收到第二用户对提示标识的触发后,可以在界面中显示该场景话术。
进一步的可选实施例中,在界面中显示该场景话术时,也可对应显示支持发送的控件以及拒绝发送的控件,例如显示风险提示中可显示出当前可能的目标场景,以及该目标场景的场景话术,若第二用户确认不是该目标场景则触发拒绝发送的控件,如果第二用户确认发送该场景话术,可触发支持发送的控件,然后可发送所述场景话术或所述场景话术的更新信息。上述发送与否的处理结果还可反馈给质检***,以便质检***对相应的模块进行优化。
其中,在确认发送该场景话术的情况下,可以直接将该场景话术发送到第二用户和第一用户对话的场景中,如第二用户说出场景话术,又如第二用户在和第一用户交互的对话框或界面等发送该场景话术,在另外的一些示例中,该场景话术还可更新后发送,如第二用户说出与场景话术意思相同或相近的语句,又如将场景话术发送到第二用户和第一用户交互的对话框中或发送到界面的发送窗口中,第二用户修改更新后再发送。
从而可以通过阈值控制先提醒第二用户,再基于第二用户的经验等确定是否发送,在提示第二用户的基础上,也可用于确定该场景话术的准确性。
在上述实施例的基础上,本申请实施例还提供了一种数据处理方法,使得质检***能够实时抓取数据,并进行多维度的分析确定目标场景,从而在服务过程中第一时间的前置提醒,从源头预防、减少高危问题的发生。
参照图4,示出了本申请的又一种数据处理方法实施例的步骤流程图。
步骤402,在服务交互过程中,依据服务交互的状态抓取所述服务交互对应的质检数据。其中包括:检测到服务交互开始,抓取对应第一用户的用户历史数据,所述用户历史数据包括:历史交互记录、用户行为数据、用户资产数据中至少一种;检测到服务交互具有新消息,抓取所述新消息对应的交互数据,所述新消息由第一用户或第二用户发出;检测到其他服务状态时,抓取对应的质检数据。所述质检数据包括:交互数据和/或用户历史数据。
步骤404,对所述质检数据进行诊断处理,确定对应的异常信息。
步骤406,对所述交互数据进行情绪识别处理,得到对应的情绪信息。
步骤408,对交互数据和/或历史交互记录进行语义匹配,确定对应的语义匹配结果。
步骤410,对交互数据和/或历史交互记录进行意图识别,确定对应的意图信息。
步骤412,对所述交互数据进行规则匹配,确定匹配的设定规则。
步骤414,根据场景分析结果确定对应的至少一个场景属性,确定所述场景属性对应的目标场景。其中,场景分析结果包括异常信息、情绪信息、语义匹配结果、意图信息、设定规则中的至少一个。
步骤416,确定所述目标场景对应的场景话术,以及所述场景话术对应的准确率。
步骤418,判断所述准确率是否达到准确率阈值。若是,执行步骤420,若否,执行步骤422。
步骤420,将所述场景话术发送给第一用户。
步骤422,将所述场景话术发送给第二用户。
前置质检所得到的场景话术可基于阈值控制先提醒第二用户或直接发送给第一用户。
基于上述前置发现危险的目标场景并反馈场景话术给第二用户的示例,第二用户侧可执行如下操作步骤,如图5所示:
步骤502,接收目标场景对应的场景话术。
步骤504,在所述服务交互对应的界面中显示所述目标场景的提示标识。
步骤506,依据对所述提示标识的触发,显示对应的场景话术。
步骤508,发送所述场景话术或所述场景话术的更新信息。
步骤510,给拒绝发送的场景话术设置属性数据。
步骤512,反馈所述场景话术的处理结果,包括已发送或未发送的属性。
可在服务过程中可第一时间发现目标场景并提供场景话术,以实现问题的前置提醒,从源头预防和减少高危问题的发生,还可提高用户满意度。
在上述实施例的基础上,本申请实施例还提供了一种数据处理方法。
参照图6,示出了本申请的数据处理方法的另一种实施例的步骤流程图。
步骤602,抓取所述服务交互对应的质检数据。
步骤604,对所述质检数据进行多个维度的场景分析,确定对应的目标场景。
步骤606,依据所述目标场景确定对应的场景话术并反馈所述场景话术。
本申请实施例可实时抓取服务交互过程中的质检数据,如在交互的过程中依据交互状态的变化抓取质检数据等,当然在另一些示例中也可周期性抓取质检数据或者依据其他设定方式进行质检数据的抓取。然后可在多个维度上对质检数据进行分析,如通过语义识别、意图识别、规则匹配、情绪识别、异常识别等分析处理,然后可确定对应匹配的目标场景,又如通过分析确定出符合的场景属性,从而确定该场景属性对应的目标场景,或者通过多个维度的分析整合出符合的一个或多个目标场景等。基于目标场景可确定出该场景对应的场景话术,再反馈给场景话术给相应的用户,从而能够基于场景提供标准话术给用户,以便能够更好的进行服务交互,提高用户的满意度。
其中,所述抓取所述服务交互对应的质检数据包括在服务交互过程中,抓取所述服务交互对应的质检数据,如依据服务交互过程中的状态变化抓取质检数据等。所述对所述质检数据进行多个维度的场景分析,确定对应的目标场景包括:对所述质检数据进行多个维度的场景分析,确定场景属性以及所述场景属性对应的目标场景。
所述质检数据包括:交互数据和/或用户历史数据;所述在服务交互过程中,抓取所述服务交互对应的质检数据,包括以下至少一种:检测到服务交互开始,抓取对应第一用户的用户历史数据,所述用户历史数据包括:历史交互记录、用户行为数据、用户资产数据中至少一种;检测到服务交互具有新消息,抓取所述新消息对应的交互数据,所述新消息由第一用户和/或第二用户发出;检测到其他服务状态时,抓取对应的质检数据。
所述对所述质检数据进行多个维度的场景分析,包括:对所述质检数据进行诊断处理,确定对应的异常信息;对所述交互数据进行情绪识别处理,得到对应的情绪信息。
所述对所述质检数据进行多个维度的场景分析,还包括以下至少一种:对交互数据和/或历史交互记录进行语义匹配,确定对应的语义匹配结果;对交互数据和/或历史交互记录进行意图识别,确定对应的意图信息;对所述交互数据进行规则匹配,确定匹配的设定规则。
所述确定场景属性以及所述场景属性对应的目标场景,包括:根据场景分析结果确定对应的至少一个场景属性,确定所述场景属性对应的目标场景,其中,场景分析结果包括异常信息、情绪信息、语义匹配结果、意图信息、设定规则中的至少一个。
所述依据所述目标场景确定对应的场景话术并反馈所述场景话术,包括:确定所述目标场景对应的场景话术,以及所述场景话术对应的准确率;依据所述准确率确定所述场景话术对应的用户,将所述场景话术反馈给所述用户,所述用户包括第一用户和/或第二用户。
上述各步骤602-606以及其所包括的子步骤与上述图1-5的实施例的描述类似,具体可参照上述实施例的描述,在此不再赘述。
从而基于数据的实时抓取和质检分析,能够在服务的过程中发现可能存在的危险情况,确定对应的目标场景。并可设置目标场景的场景话术,提示客服的第二用户如何解决该场景,提高用户满意度。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
在上述实施例的基础上,本实施例还提供了一种数据处理装置,应用于服务器等电子设备中。
参照图7,示出了本申请的一种数据处理装置实施例的结构框图,具体可以包括如下模块:
数据抓取模块702,用于在服务交互过程中,抓取所述服务交互对应的质检数据。
场景分析模块704,用于对所述质检数据进行多个维度的场景分析,确定场景属性以及所述场景属性对应的目标场景。
话术匹配模块706,用于依据所述目标场景确定对应的场景话术并反馈所述场景话术,所述场景话术用于对目标场景的风险进行提示。
综上,在服务交互过程中,可抓取所述服务交互对应的质检数据,并对所述质检数据进行多个维度的场景分析,确定场景属性以及所述场景属性对应的目标场景,从而能够前置检测出可能存在问题的目标场景,然后依据所述目标场景确定对应的场景话术并反馈所述场景话术,对目标场景的风险进行提示,有效的解决了质检的滞后性问题,从源头上预防可能存在的风险问题的发生。
参照图8,示出了本申请的一种数据处理装置可选实施例的结构框图,具体可以包括如下模块:
数据抓取模块702,用于在服务交互过程中,抓取所述服务交互对应的质检数据。
场景分析模块704,用于对所述质检数据进行多个维度的场景分析,确定场景属性以及所述场景属性对应的目标场景。
话术匹配模块706,用于依据所述目标场景确定对应的场景话术并反馈所述场景话术,所述场景话术用于对目标场景的风险进行提示。
其中,所述质检数据包括:交互数据和/或用户历史数据;所述数据抓取模块702,用于检测到服务交互开始,抓取对应第一用户的用户历史数据,所述用户历史数据包括:历史交互记录、用户行为数据、用户资产数据中至少一种;和/或,检测到服务交互具有新消息,抓取所述新消息对应的交互数据,所述新消息由第一用户或第二用户发出;和/或,检测到其他服务状态时,抓取对应的质检数据。
所述场景分析模块704,包括:诊断子模块70402、情绪识别子模块70404、语义匹配子模块70406、意图识别子模块70408、规则匹配子模块70410,属性匹配子模块70412,其中:
所述诊断子模块70402,用于对所述质检数据进行诊断处理,确定对应的异常信息。
所述情绪识别子模块70404,用于对所述交互数据进行情绪识别处理,得到对应的情绪信息。
所述语义匹配子模块70406,用于对交互数据和/或历史交互记录进行语义匹配,确定对应的语义匹配结果;
所述意图识别子模块70408,用于对交互数据和/或历史交互记录进行意图识别,确定对应的意图信息;
所述规则匹配子模块70410,用于对所述交互数据进行规则匹配,确定匹配的设定规则。
所述属性匹配子模块70412,用于根据场景分析结果确定对应的至少一个场景属性,确定所述场景属性对应的目标场景,其中,场景分析结果包括异常信息、情绪信息、语义匹配结果、意图信息、设定规则中的至少一个。
所述话术匹配模块706,用于确定所述目标场景对应的场景话术,以及所述场景话术对应的准确率;依据所述准确率确定所述场景话术对应的用户,将所述场景话术反馈给所述用户,所述用户包括第一用户和第二用户。
在上述实施例的基础上,本实施例还提供了一种数据处理装置,应用于终端设备、服务器等电子设备中。
参照图9,示出了本申请的另一种数据处理装置实施例的结构框图,具体可以包括如下模块:
接收模块902,用于接收目标场景对应的场景话术,所述目标场景依据服务交互过程中抓取的质检数据分析确定。
显示模块904,用于在所述服务交互对应的界面中显示所述目标场景对应的场景话术。
参照图10,示出了本申请的另一种数据处理装置可选实施例的结构框图,具体可以包括如下模块:
接收模块902,用于接收目标场景对应的场景话术,所述目标场景依据服务交互过程中抓取的质检数据分析确定。
显示模块904,用于在所述服务交互对应的界面中显示所述目标场景对应的场景话术。
发送模块906,用于发送所述场景话术或所述场景话术的更新信息。
其中,所述显示模块904,用于在所述服务交互对应的界面中显示所述目标场景的提示标识;依据对所述提示标识的触发,显示对应的场景话术。
从而可以通过阈值控制先提醒第二用户,再基于第二用户的经验等确定是否发送,在提示第二用户的基础上,也可用于确定该场景话术的准确性。
在上述实施例的基础上,本实施例还提供了一种数据处理装置,应用于终端设备、服务器等电子设备中。
参照图11,示出了本申请的又一种数据处理装置实施例的结构框图,具体可以包括如下模块:
抓取模块1102,用于抓取所述服务交互对应的质检数据。
分析模块1104,用于对所述质检数据进行多个维度的场景分析,确定对应的目标场景。
匹配模块1106,用于依据所述目标场景确定对应的场景话术并反馈所述场景话术。
其中,所述抓取模块1102,用于在服务交互过程中,抓取所述服务交互对应的质检数据。如实时抓取、周期性抓取以及按照其他设定方式抓取质检数据等。
所述分析模块1104,用于对所述质检数据进行多个维度的场景分析,确定场景属性以及所述场景属性对应的目标场景。
一个示例中,所述质检数据包括:交互数据和/或用户历史数据;所述抓取模块1102,用于检测到服务交互开始,抓取对应第一用户的用户历史数据,所述用户历史数据包括:历史交互记录、用户行为数据、用户资产数据中至少一种;和/或,检测到服务交互具有新消息,抓取所述新消息对应的交互数据,所述新消息由第一用户和/或第二用户发出;和/或,检测到其他服务状态时,抓取对应的质检数据。
一个可选示例中,所述分析模块1104,用于对所述质检数据进行诊断处理,确定对应的异常信息;对所述交互数据进行情绪识别处理,得到对应的情绪信息;对交互数据和/或历史交互记录进行语义匹配,确定对应的语义匹配结果;对交互数据和/或历史交互记录进行意图识别,确定对应的意图信息;对所述交互数据进行规则匹配,确定匹配的设定规则。
另一个可选示例中,所述匹配模块1106,用于确定所述目标场景对应的场景话术,以及所述场景话术对应的准确率;依据所述准确率确定所述场景话术对应的用户,将所述场景话术反馈给所述用户,所述用户包括第一用户和/或第二用户。
本申请实施例中,各数据处理装置中各模块的细节与上述方法实施例中对应步骤类似,具体可参照上述方法实施例的描述,因此不再赘述。
质检***能够实时抓取数据,并进行多维度的分析确定目标场景,从而在服务过程中第一时间的前置提醒,从源头预防/杜绝高危问题的发生。
基于数据的实时抓取和质检分析,能够在服务的过程中发现可能存在的危险情况,确定对应的目标场景。并可设置目标场景的场景话术,提示客服的第二用户如何解决该场景,提高用户满意度。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例中各方法步骤的指令(instructions)。
本申请实施例提供了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得电子设备执行如上述实施例中一个或多个所述的方法。本申请实施例中,所述电子设备包括终端设备、服务器(集群)等各类型的设备。
本公开的实施例可被实现为使用任意适当的硬件,固件,软件,或及其任意组合进行想要的配置的装置,该装置可包括终端设备、服务器(集群)等电子设备。图12示意性地示出了可被用于实现本申请中所述的各个实施例的示例性装置1200。
对于一个实施例,图12示出了示例性装置1200,该装置具有一个或多个处理器1202、被耦合到(一个或多个)处理器1202中的至少一个的控制模块(芯片组)1204、被耦合到控制模块1204的存储器1206、被耦合到控制模块1204的非易失性存储器(NVM)/存储设备1208、被耦合到控制模块1204的一个或多个输入/输出设备1210,以及被耦合到控制模块1204的网络接口1212。
处理器1202可包括一个或多个单核或多核处理器,处理器1202可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中,装置1200能够作为本申请实施例中所述终端设备、服务器(集群)等设备。
在一些实施例中,装置1200可包括具有指令1214的一个或多个计算机可读介质(例如,存储器1206或NVM/存储设备1208)以及与该一个或多个计算机可读介质相合并被配置为执行指令1214以实现模块从而执行本公开中所述的动作的一个或多个处理器1202。
对于一个实施例,控制模块1204可包括任意适当的接口控制器,以向(一个或多个)处理器1202中的至少一个和/或与控制模块1204通信的任意适当的设备或组件提供任意适当的接口。
控制模块1204可包括存储器控制器模块,以向存储器1206提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器1206可被用于例如为装置1200加载和存储数据和/或指令1214。对于一个实施例,存储器1206可包括任意适当的易失性存储器,例如,适当的DRAM。在一些实施例中,存储器1206可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例,控制模块1204可包括一个或多个输入/输出控制器,以向NVM/存储设备1208及(一个或多个)输入/输出设备1210提供接口。
例如,NVM/存储设备1208可被用于存储数据和/或指令1214。NVM/存储设备1208可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如,一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备1208可包括在物理上作为装置1200被安装在其上的设备的一部分的存储资源,或者其可被该设备访问可不必作为该设备的一部分。例如,NVM/存储设备1208可通过网络经由(一个或多个)输入/输出设备1210进行访问。
(一个或多个)输入/输出设备1210可为装置1200提供接口以与任意其他适当的设备通信,输入/输出设备1210可以包括通信组件、音频组件、传感器组件等。网络接口1212可为装置1200提供接口以通过一个或多个网络通信,装置1200可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信,例如接入基于通信标准的无线网络,如WiFi、2G、3G、4G、5G等,或它们的组合进行无线通信。
对于一个实施例,(一个或多个)处理器1202中的至少一个可与控制模块1204的一个或多个控制器(例如,存储器控制器模块)的逻辑封装在一起。对于一个实施例,(一个或多个)处理器1202中的至少一个可与控制模块1204的一个或多个控制器的逻辑封装在一起以形成***级封装(SiP)。对于一个实施例,(一个或多个)处理器1202中的至少一个可与控制模块1204的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例,(一个或多个)处理器1202中的至少一个可与控制模块1204的一个或多个控制器的逻辑集成在同一模具上以形成片上***(SoC)。
在各个实施例中,装置1200可以但不限于是:服务器、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中,装置1200可具有更多或更少的组件和/或不同的架构。例如,在一些实施例中,装置1200包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
其中,检测装置中可采用主控芯片作为处理器或控制模块,传感器数据、位置信息等存储到存储器或NVM/存储设备中,传感器组可作为输入/输出设备,通信接口可包括包括网络接口。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本申请实施例是参照根据本申请实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种数据处理方法和装置,一种电子设备和一种存储介质,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (19)
1.一种数据处理方法,其特征在于,所述方法包括:
在服务交互过程中,抓取所述服务交互对应的质检数据;
对所述质检数据进行多个维度的场景分析,确定场景属性以及所述场景属性对应的目标场景;
依据所述目标场景确定对应的场景话术并反馈所述场景话术,所述场景话术用于对所述目标场景的风险进行提示。
2.根据权利要求1所述的方法,其特征在于,所述质检数据包括:交互数据和/或用户历史数据;所述在服务交互过程中,抓取所述服务交互对应的质检数据,包括以下至少一种:
检测到服务交互开始,抓取对应第一用户的用户历史数据,所述用户历史数据包括:历史交互记录、用户行为数据、用户资产数据中至少一种;
检测到服务交互具有新消息,抓取所述新消息对应的交互数据,所述新消息由第一用户和/或第二用户发出;
检测到其他服务状态时,抓取对应的质检数据。
3.根据权利要求2所述的方法,其特征在于,所述对所述质检数据进行多个维度的场景分析,包括:
对所述质检数据进行诊断处理,确定对应的异常信息;
对所述交互数据进行情绪识别处理,得到对应的情绪信息。
4.根据权利要求3所述的方法,其特征在于,所述对所述质检数据进行多个维度的场景分析,还包括以下至少一种:
对交互数据和/或历史交互记录进行语义匹配,确定对应的语义匹配结果;
对交互数据和/或历史交互记录进行意图识别,确定对应的意图信息;
对所述交互数据进行规则匹配,确定匹配的设定规则。
5.根据权利要求4所述的方法,其特征在于,所述确定场景属性以及所述场景属性对应的目标场景,包括:
根据场景分析结果确定对应的至少一个场景属性,确定所述场景属性对应的目标场景,其中,场景分析结果包括异常信息、情绪信息、语义匹配结果、意图信息、设定规则中的至少一个。
6.根据权利要求1所述的方法,其特征在于,所述依据所述目标场景确定对应的场景话术并反馈所述场景话术,包括:
确定所述目标场景对应的场景话术,以及所述场景话术对应的准确率;
依据所述准确率确定所述场景话术对应的用户,将所述场景话术反馈给所述用户,所述用户包括第一用户和/或第二用户。
7.一种数据处理方法,其特征在于,所述方法包括:
接收目标场景对应的场景话术,所述目标场景依据服务交互过程中抓取的质检数据分析确定;
在所述服务交互对应的界面中显示所述目标场景对应的场景话术。
8.根据权利要求7所述的方法,其特征在于,所述在所述服务交互对应的界面中显示所述目标场景对应的场景话术,包括:
在所述服务交互对应的界面中显示所述目标场景的提示标识;
依据对所述提示标识的触发,显示对应的场景话术。
9.根据权利要求7或8所述的方法,其特征在于,还包括:
发送所述场景话术或所述场景话术的更新信息。
10.一种数据处理方法,其特征在于,所述方法包括:
抓取所述服务交互对应的质检数据;
对所述质检数据进行多个维度的场景分析,确定对应的目标场景;
依据所述目标场景确定对应的场景话术并反馈所述场景话术。
11.一种数据处理装置,其特征在于,所述装置包括:
数据抓取模块,用于在服务交互过程中,抓取所述服务交互对应的质检数据;
场景分析模块,用于对所述质检数据进行多个维度的场景分析,确定场景属性以及所述场景属性对应的目标场景;
话术匹配模块,用于依据所述目标场景确定对应的场景话术并反馈所述场景话术,所述场景话术用于对目标场景的风险进行提示。
12.一种数据处理装置,其特征在于,所述装置包括:
接收模块,用于接收目标场景对应的场景话术,所述目标场景依据服务交互过程中抓取的质检数据分析确定;
显示模块,用于在所述服务交互对应的界面中显示所述目标场景对应的场景话术。
13.一种数据处理装置,其特征在于,所述装置包括:
抓取模块,用于抓取所述服务交互对应的质检数据;
分析模块,用于对所述质检数据进行多个维度的场景分析,确定对应的目标场景;
匹配模块,用于依据所述目标场景确定对应的场景话术并反馈所述场景话术。
14.一种电子设备,其特征在于,包括:处理器;和
存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如权利要求1-6中一个或多个所述的数据处理方法。
15.一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被执行时,使得处理器执行如权利要求1-6中一个或多个所述的数据处理方法。
16.一种电子设备,其特征在于,包括:处理器;和
存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如权利要求7-9中一个或多个所述的数据处理方法。
17.一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被执行时,使得处理器执行如权利要求7-9中一个或多个所述的数据处理方法。
18.一种电子设备,其特征在于,包括:处理器;和
存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如权利要求10所述的数据处理方法。
19.一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被执行时,使得处理器执行如权利要求10所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910291001.9A CN111831875B (zh) | 2019-04-11 | 2019-04-11 | 数据处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910291001.9A CN111831875B (zh) | 2019-04-11 | 2019-04-11 | 数据处理方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111831875A true CN111831875A (zh) | 2020-10-27 |
CN111831875B CN111831875B (zh) | 2024-05-31 |
Family
ID=72914307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910291001.9A Active CN111831875B (zh) | 2019-04-11 | 2019-04-11 | 数据处理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111831875B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112667792A (zh) * | 2020-12-29 | 2021-04-16 | 招联消费金融有限公司 | 人机对话数据处理方法、装置、计算机设备和存储介质 |
CN113837587A (zh) * | 2021-09-17 | 2021-12-24 | 深圳追一科技有限公司 | 客服质检方法、装置、计算机设备及存储介质 |
CN114265505A (zh) * | 2021-12-27 | 2022-04-01 | 中国电信股份有限公司 | 人机交互处理方法、装置、存储介质及电子设备 |
CN116258469A (zh) * | 2023-05-16 | 2023-06-13 | 四川数产范式科技有限公司 | 基于通信软件的业务数据处理方法、***、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014206773A (ja) * | 2013-04-10 | 2014-10-30 | Kddi株式会社 | コミュニケーションサービス提供装置、コミュニケーションサービス提供方法、およびプログラム |
CN104750705A (zh) * | 2013-12-27 | 2015-07-01 | 华为技术有限公司 | 信息回复方法及装置 |
CN105989084A (zh) * | 2015-02-11 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种回复问题的方法和设备 |
WO2016201815A1 (zh) * | 2015-06-17 | 2016-12-22 | 中兴通讯股份有限公司 | 一种提供在线客服的方法及装置 |
CN109033179A (zh) * | 2018-02-27 | 2018-12-18 | 深圳狗尾草智能科技有限公司 | 基于机器人情绪状态的回复信息生成方法、装置 |
CN109165286A (zh) * | 2018-09-03 | 2019-01-08 | 深圳前海微众银行股份有限公司 | 自动问答方法、装置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 |
-
2019
- 2019-04-11 CN CN201910291001.9A patent/CN111831875B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014206773A (ja) * | 2013-04-10 | 2014-10-30 | Kddi株式会社 | コミュニケーションサービス提供装置、コミュニケーションサービス提供方法、およびプログラム |
CN104750705A (zh) * | 2013-12-27 | 2015-07-01 | 华为技术有限公司 | 信息回复方法及装置 |
CN105989084A (zh) * | 2015-02-11 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种回复问题的方法和设备 |
WO2016201815A1 (zh) * | 2015-06-17 | 2016-12-22 | 中兴通讯股份有限公司 | 一种提供在线客服的方法及装置 |
CN109033179A (zh) * | 2018-02-27 | 2018-12-18 | 深圳狗尾草智能科技有限公司 | 基于机器人情绪状态的回复信息生成方法、装置 |
CN109165286A (zh) * | 2018-09-03 | 2019-01-08 | 深圳前海微众银行股份有限公司 | 自动问答方法、装置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 |
Non-Patent Citations (1)
Title |
---|
柳溪;杨璐;潘敏学;王林章;: "场景驱动的服务行为调控", 软件学报, no. 06 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112667792A (zh) * | 2020-12-29 | 2021-04-16 | 招联消费金融有限公司 | 人机对话数据处理方法、装置、计算机设备和存储介质 |
CN112667792B (zh) * | 2020-12-29 | 2024-03-22 | 招联消费金融股份有限公司 | 人机对话数据处理方法、装置、计算机设备和存储介质 |
CN113837587A (zh) * | 2021-09-17 | 2021-12-24 | 深圳追一科技有限公司 | 客服质检方法、装置、计算机设备及存储介质 |
CN114265505A (zh) * | 2021-12-27 | 2022-04-01 | 中国电信股份有限公司 | 人机交互处理方法、装置、存储介质及电子设备 |
CN116258469A (zh) * | 2023-05-16 | 2023-06-13 | 四川数产范式科技有限公司 | 基于通信软件的业务数据处理方法、***、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111831875B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11062220B2 (en) | Integrated virtual cognitive agents and message communication architecture | |
CN111831875B (zh) | 数据处理方法、装置、设备和存储介质 | |
US10872068B2 (en) | Systems and methods for providing searchable customer call indexes | |
US20190222540A1 (en) | Automated chat assistant systems for providing interactive data using natural language processing | |
US20140337072A1 (en) | Actionable workflow based on interaction analytics analysis | |
US20230139628A1 (en) | Supporting automation of customer service | |
CN107332765B (zh) | 用于维修路由器故障的方法和装置 | |
CN110929011A (zh) | 一种对话分析方法、装置和设备 | |
CN108416041A (zh) | 语音日志分析方法和*** | |
CN110598008A (zh) | 录制数据的数据质检方法及装置、存储介质 | |
US20210250443A1 (en) | Systems for detecting harassing communication | |
CN113011159A (zh) | 人工座席监听方法、装置、电子设备及存储介质 | |
CN111865673A (zh) | 一种自动化故障管理方法、装置及*** | |
CN111126071A (zh) | 提问文本数据的确定方法、装置和客服群的数据处理方法 | |
JP2011065304A (ja) | 接客業務用サーバ、並びに、当該サーバを用いる接客システム及び接客業務の予測終了時間算出方法 | |
CN110895761A (zh) | 一种售后服务申请信息的处理方法和装置 | |
US10924611B2 (en) | Voice recognition system and call evaluation setting method | |
US20220309413A1 (en) | Method and apparatus for automated workflow guidance to an agent in a call center environment | |
US10277739B1 (en) | System, method, and computer readable media for confirmation and verification of shipping address data associated with a transaction | |
CN113743983A (zh) | 一种基于安卓应用的电销管理方法、装置、设备、介质 | |
CN113852835A (zh) | 直播音频处理方法、装置、电子设备以及存储介质 | |
CN113283814A (zh) | 业务处理效率确定方法、装置、电子设备及可读存储介质 | |
CN112256836A (zh) | 记录数据的处理方法、装置和服务器 | |
US20240040346A1 (en) | Task oriented asynchronous virtual assistant interface | |
CN117765931A (zh) | 应用于语音机器人的智能质检方法、***、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 |