CN112380381A - 一种智能管理坐席的方法及装置、机器人及存储介质 - Google Patents

一种智能管理坐席的方法及装置、机器人及存储介质 Download PDF

Info

Publication number
CN112380381A
CN112380381A CN202011275337.5A CN202011275337A CN112380381A CN 112380381 A CN112380381 A CN 112380381A CN 202011275337 A CN202011275337 A CN 202011275337A CN 112380381 A CN112380381 A CN 112380381A
Authority
CN
China
Prior art keywords
content
text data
time length
tag
preset
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
Application number
CN202011275337.5A
Other languages
English (en)
Other versions
CN112380381B (zh
Inventor
张亚南
杜新凯
吕超
王建辉
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.)
Sunshine Insurance Group Co Ltd
Original Assignee
Sunshine Insurance Group 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 Sunshine Insurance Group Co Ltd filed Critical Sunshine Insurance Group Co Ltd
Priority to CN202011275337.5A priority Critical patent/CN112380381B/zh
Publication of CN112380381A publication Critical patent/CN112380381A/zh
Application granted granted Critical
Publication of CN112380381B publication Critical patent/CN112380381B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/65—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/683—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/685—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using automatically derived transcript of audio data, e.g. lyrics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/686—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title or artist information, time, location or usage information, user ratings
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种智能管理坐席的方法及装置、机器人及存储介质，属于计算机信息技术领域。该方法包括获取坐席的语音文件对应的文本数据，对文本数据中的出现以及未出现在管理指标的内容标签的数量进行统计以及统计文本数据中每个内容标签对应的时长，获得统计结果，其中，每个内容标签对应的时长根据该内容标签对应时间信息而获得；对统计结果进行量化预处理，得到对应的量化指标，量化指标用于表征坐席的服务能力；执行量化指标对应的预先设置的管理操作。使用本方案，能帮助企业实现精细化、自动化的坐席管理，进而节省企业成本，提升企业竞争力。

Description

一种智能管理坐席的方法及装置、机器人及存储介质
技术领域
本申请涉及计算机信息技术领域，具体而言，涉及一种智能管理坐席的方法及装置、机器人及存储介质。
背景技术
在销售、客服等领域，企业常常安排大量坐席，以电话形式主动或被动接触客户，开展服务或营销获活动。现有技术根据坐席的通话次数、通话时长、结束码等指标对坐席进行管理的方法非常粗放，企业无法通过这种方法掌握坐席的服务能力或销售能力，也就无法根据坐席的能力进行精细化管理。同时，企业需要大量的管理人员对坐席进行管理，极大地增加了企业的人力成本，对企业造成了很大的负担。
发明内容
本申请实施例的目的在于提供一种智能管理坐席的方法及装置、机器人及存储介质，用以帮助企业实现精细化、自动化的坐席管理。
第一方面，本申请实施例提供一种智能管理坐席的方法，包括：获取坐席的语音文件对应的文本数据，所述文本数据包括按照预先设置的管理指标分类而得到的内容标签，以及每个内容标签在语音文件中对应的时间信息；对所述文本数据中的出现以及未出现在所述管理指标的内容标签的数量进行统计以及统计所述文本数据中每个内容标签对应的时长，获得统计结果，其中，每个内容标签对应的时长根据该内容标签对应时间信息而获得；对所述统计结果进行量化预处理，得到对应的量化指标，所述量化指标，用于表征所述坐席的服务能力；执行所述量化指标对应的预先设置的管理操作。
在本申请实施例中，通过对坐席的语音文件对应的文本数据中的出现以及未出现在管理指标的内容标签的数量进行统计以及统计该文本数据中每个内容标签对应的时长，并以此得到坐席对应的量化指标，通过坐席对应的量化指标，企业可以掌握该坐席的服务能力，并通过预先设置的管理操作直接对坐席进行管理，从而减少管理人员的数量，节省了企业的人力成本。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述文本数据包括多个，对所述文本数据中的出现以及未出现在所述管理指标的内容标签的数量进行统计，包括：针对每一个所述文本数据，将该文本数据中没有出现在所述管理指标中的内容标签的数量记为0，将出现在所述管理指标中的内容标签的数量记为1。
在本申请实施例中，在对内容标签的数量进行统计时，只关心是否出现在管理指标中，将该文本数据中没有出现在管理指标中的内容标签的数量记为0，将出现在管理指标中的内容标签的数量记为1，而不关心其具体数据该方式可以避免多个相同的内容标签(由于在一个文本数据中，相同类别的内容不一定是连续的，因此，可能出现一个文本数据中同时存在多个相同的内容标签)对量化指标产生影响。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述文本数据包括多个，每一个文本数据还包括表征坐席的标识，所述统计结果，对所述统计结果进行量化预处理，得到对应的量化指标，包括：将所述统计结果中包含的每个内容标签对应的时长进行量化，将时长大于或等于预设的阈值时长的内容标签对应的时长记为1，时长小于所述阈值时长的内容标签对应的时长记为0；对具有相同坐席标识的，且对内容标签对应的时长进行量化后的统计结果进行聚合，得到每种内容标签的总数、每种内容标签的时长达标的总数；针对每一个聚合结果，计算每种内容标签的占比、每种内容标签的时长达标率，其中，所述每种内容标签的总数、所述每种内容标签的时长达标的总数、所述每种内容标签的占比、所述每种内容标签的时长达标率为该坐席对应的量化指标。
在本申请实施例中，在获取坐席的量化指标时，先对统计结果中的包含的每个内容标签对应的时长进行量化，然后对具有相同坐席标识的统计结果进行聚合，得到每种内容标签的总数、每种内容标签的时长达标的总数，再针对每一个聚合结果，计算每种内容标签的占比、每种内容标签的时长达标率，通过综合该坐席下的每种内容标签的总数、每种内容标签的时长达标的总数、每种内容标签的占比、每种内容标签的时长达标率来作为表征该坐席的服务能力的量化指标，从而更能准确、客观地反应该坐席的服务能力。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述文本数据包括多个，每一个文本数据包括表征坐席的标识和时间戳信息，对所述统计结果进行量化预处理，得到对应的量化指标，包括：将所述统计结果中包含的每个内容标签对应的时长进行量化，将时长大于或等于预设的阈值时长的内容标签对应的时长记为1，时长小于所述阈值时长的内容标签对应的时长记为0；对时间戳信息处于预设时间段内，具有相同坐席标识的，且对内容标签对应的时长进行量化后的统计结果进行聚合，得到每种内容标签在所述预设时间段内的总数、每种内容标签在所述预设时间段内的时长达标的总数；针对每一个聚合结果，计算每种内容标签在所述预设时间段内的占比、每种内容标签在所述预设时间段内的时长达标率，其中，所述每种内容标签在所述预设时间段内的总数、所述每种内容标签在所述预设时间段内的时长达标的总数、所述每种内容标签在所述预设时间段内的占比、所述每种内容标签在所述预设时间段内的时长达标率为该坐席在所述预设时间段内对应的量化指标。
在本申请实施例中，在获取坐席的量化指标时，先对统计结果中的包含的每个内容标签对应的时长进行量化，然后对时间戳信息处于预设时间段内具有相同坐席标识的，且对内容标签对应的时长进行量化后的统计结果进行聚合，得到每种内容标签在预设时间段内的总数、每种内容标签在预设时间段内的时长达标的总数，再针对每一个聚合结果，计算每种内容标签在预设时间段内的占比、每种内容标签在预设时间段内的时长达标率，通过综合该坐席下的每种内容标签在预设时间段内的总数、每种内容标签在预设时间段内的时长达标的总数、每种内容标签在预设时间段内的占比、每种内容标签在预设时间段内的时长达标率来作为表征该坐席在预设时间段内的服务能力的量化指标，从而更能直观、准确、客观地反应该坐席在预设时间段内的服务能力。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，在获取所述文本数据之前，所述方法还包括：获取语音文件；对所述语音文件进行语音识别，获得初始文本数据，其中所述初始文本数据中每一句语句均对应有一时间信息；对所述初始文本数据进行预处理，得到文本数据；照预先设置的管理指标对所述本数据中的内容进行分类，得到分类类别对应的内容标签；针对每一个内容标签，对该内容标签中包括的各个语句的时间信息确定该内容标签的在语音文件中对应的时间信息。
在本申请实施例中，通过事先将获取的语音文件进行处理获得包含内容标签和该内容标签的在语音文件中对应的时间信息的文本数据，便于后续的统计和量化预处理，从而加快后续的管理效率。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，对所述初始文本数据进行预处理，包括：从所述初始文本数据中选取出属于坐席的文本数据；在所述属于坐席的文本数据中添加表征坐席的标识和时间戳信息。
在本申请实施例中，选取出属于坐席的文本数据能减小对文本数据进行分类的工作量，同时，也防止被服务方的文本数据对分类产生影响；而添加表征坐席的标识和时间戳信息，可在后续的统计以及量化预处理中按照时间和/或坐席的维度进行统计以及量化预处理提供时间信息和坐席信息。
结合上述第一方面提供的技术方案，在一些可能的实现方式中，获取语音文件，包括：将获取的初始语音文件的格式转化为预设的标准格式，得到所述语音文件。
在本申请实施例中，将初始语音文件的格式转化为预设的标准格式便于后续将该语音文件转换为文本数据，使得不同格式的语音文件的格式相同，从而可以节约后续处理时，因格式不同造成的时间消耗。
第二方面，本申请实施例提供一种智能管理坐席的装置，包括：获取模块、统计模块、处理模块、管理模块。所述获取模块用于获取坐席的语音文件对应的文本数据，所述文本数据包括按照预先设置的管理指标分类而得到的内容标签，以及每个内容标签在语音文件中对应的时间信息；所述统计模块用于对所述文本数据中的出现以及未出现在所述管理指标的内容标签的数量进行统计以及统计所述文本数据中每个内容标签对应的时长，获得统计结果，其中，每个内容标签对应的时长根据该内容标签对应时间信息而获得；所述处理模块用于对所述统计结果进行量化预处理，得到对应的量化指标，所述量化指标，用于表征所述坐席的服务能力；所述管理模块用于执行所述量化指标对应的预先设置的管理操作。
第三方面，本申请实施例提供一种机器人，包括存储器和处理器，所述存储器和所述处理器连接；所述存储器，用于存储程序；所述处理器，用于调用存储于所述存储器中的程序，以执行如上述第一方面实施例和/或结合第一方面实施例的任一种可能的实施方式的方法。
第四方面，本申请实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序被运行时，执行如上述第一方面实施例和/或结合第一方面实施例的任一种可能的实施方式的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种智能管理坐席的方法的流程示意图；
图2为本申请实施例提供的一种智能管理坐席的装置的结构框图；
图3为本申请实施例提供的一种机器人的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
在本申请的描述中，需要说明的是，术语“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
请参阅图1，其为本申请实施例提供的一种智能管理坐席的方法，下面结合图1对其包含的步骤进行说明。
S100：获取坐席的语音文件对应的文本数据，所述文本数据包括按照预先设置的管理指标分类而得到的内容标签，以及每个内容标签在语音文件中对应的时间信息。
其中，获取的坐席的语音文件对应的文本数据可以是事先就已经准备好的，在需要时，直接获取。一种实施方式下，在获取坐席的语音文件对应的文本数据之前，本方法还包括：通过获取该坐席与客户(被服务方) 通话的语音文件，然后对获取的语音文件进行语音识别，获得初始文本数据，再对初始文本数据进行预处理，得到文本数据，然后照预先设置的管理指标对所述本数据中的内容进行分类，得到分类类别对应的内容标签，最后针对每一个内容标签，根据该内容标签中包括的各个语句的时间信息确定该内容标签的在语音文件中对应的时间信息。可选的，获取的语音文件也可以是客服、销售的语音文件。
在该种实施方式下，首先，通过语音识别技术，对语音文件进行识别，获得初始文本数据，其中初始文本数据中每一句语句均对应有一时间信息，该时间信息包括该语句在语音文件中对应的语音信息的开始时间和结束时间，例如，初始文本数据中第一句话在语音文件中对应的语音信息为0到 10秒，则第一句话对应的时间信息为0到10秒。可选的，获取语音文件的过程可以是：先获取初始语音文件，然后将获取的初始语音文件的格式转化为预设的标准格式，从而得到语音文件，其中，初始语音文件的格式包括编码格式、位宽、采样率。也即在该种实施方式下所说的语音文件为经过格式转换为预设的标准格式的语音文件。其中，该预设的标准格式可以是：编码格式采用wav(WaveForm，波形文件)格式，位宽采用16bit，采样率采用8KHz。
在得到初始文本数据后，对初始文本数据进行预处理，例如，对初始文本数据进行预处理的一种实施方式为，从初始文本数据中选取出属于坐席的文本数据，在属于坐席的文本数据中添加表征坐席的标识和时间戳信息。例如，通过自然语言处理技术，对文本数据进行角色识别，将文本数据的内容拆分为坐席对应的内容和被服务方对应的内容，选取出属于坐席的文本数据，在属于坐席的文本数据中添加表征坐席的标识和时间戳信息，表征坐席的标识可以包含坐席的信息、坐席所属团队的信息、坐席所在地区的信息，时间戳信息可以是根据生成属于坐席的文本数据的时间生成，或者根据文本数据对应的语音文件携带的时间信息生成，或者根据获取文本数据对应的语音文件的时间生成。可选的，对初始文本数据进行预处理还包括对文本数据进行拼写纠错、分词断句等，然后在此基础上再选取出属于坐席的文本数据，以及在属于坐席的文本数据中添加表征坐席的标识和时间戳信息，也即先对初始文本数据进行拼写纠错、分词断句处理，然后在从经过拼写纠错、分词断句处理后的初始文本数据中选取出属于坐席的文本数据，以及在属于坐席的文本数据中添加表征坐席的标识和时间戳信息。其中，拼写纠错包含对初始文本数据中出现的拼写错误进行纠正。分词断句包含将初始文本数据的内容按照语法规则和语义进行断句，使其符合普通人的阅读习惯。
然后，基于自然语言处理技术，对文本数据进行分析，分析的内容根据预先设置的管理指标确定，例如，一种情况下，根据预先设置的管理指标确定的分析内容包括：对文本数据中属于开场白、服务介绍、服务内容、以及结束语等内容的分析。基于自然语言处理技术，对文本数据进行分析，将该文本数据的内容分为开场白、服务介绍、服务内容、结束语四类，并对每一种类别对应的内容标注该类别对应的内容标签。例如，将该文本数据中属于开场白的部分标注上表征开场白的标签，如A；属于服务介绍的部分标注上表征服务介绍的标签，如B；属于服务内容的部分标注上表征服务内容的标签，如C；属于结束语的部分标注上表征结束语的标签，如D。最后，针对每一个内容标签，根据该内容标签中包括的各个语句的时间信息，确定该内容标签在语音文件中对应的时间信息。例如，开场白标签中包括文本数据中的第一句语句和第二句语句，第一句语句对应的时间信息为0到10秒，第二句语句对应的时间信息为10到20秒，则开场白标签对应的时长为0到20秒。此例子仅为本申请的一种实施例，并不用于限制本申请。其中，需要说明的是，内容标签的种类可根据用户的需求制定，例如，对进行电话销售车险的坐席进行管理，可将坐席开场白时长、介绍产品种类、客户价格异议处理可作为分类或标注的内容；对进行电话服务客户的坐席进行管理，可将坐席是否安抚投诉客户、介绍服务是否准确、推荐营业网点是否合适可作为分类或标注内容。
S200：对所述文本数据中的出现以及未出现在所述管理指标的内容标签的数量进行统计以及统计所述文本数据中每个内容标签对应的时长，获得统计结果，其中，每个内容标签对应的时长根据该内容标签对应时间信息而获得。
在对文本数据中的出现以及未出现在管理指标的内容标签的数量进行统计时，一种可选实施方式下，将该文本数据中没有出现在管理指标中的内容标签的数量记为0，将出现在管理指标中的内容标签的数量记为1，对于同一个内容标签，即便是出现多次，只要没有出现在管理指标中，其数量便为0，同理，若出现在管理指标中，无论出现多少次，其数量均为1。一种实施方式下，坐席的语音文件对应的文本数据包括多个，对每一个文本数据中的出现以及未出现在管理指标的内容标签的数量进行统计。其中，统计的一种实施方式为，针对每一个文本数据，将该文本数据中没有出现在所述管理指标中的内容标签的数量记为0，将出现在所述管理指标中的内容标签的数量记为1；根据每个内容标签对应的时间信息，计算得到该内容标签对应的时长，未出现的内容标签时长记为0。例如，一个语音文件对应的文本数据中，包括1个开场白标签、2个服务介绍标签、1个服务内容标签，开场白标签对应的时间信息为0到20秒，服务介绍标签对应的时间信息分别为20到50秒、100到120秒，服务内容标签对应的时间信息为50 到100秒，则该文本数据的统计结果中，开场白标签记为1、服务介绍标签记为1、服务内容标签记为1、结束语标签记为0、开场白标签对应的时长为20秒、服务介绍标签对应的时长为50秒、服务内容标签对应的时长为 50秒、结束语标签对应的时长为0秒。
另一种实施方式为，针对每一个文本数据，将该文本数据中没有出现在管理指标中的内容标签的数量记为0，并记录出现在管理指标中的内容标签的总次数。例如，一个语音文件对应的文本数据中，包括1个开场白标签、2个服务介绍标签、1个服务内容标签，开场白标签对应的时间信息为 0到20秒，服务介绍标签对应的时间信息分别为20到50秒、100到120 秒，服务内容标签对应的时间信息为50到100秒，则该文本数据的统计结果中，开场白标签记为1、服务介绍标签记为2、服务内容标签记为1、结束语标签记为0、开场白标签对应的时长为20秒、服务介绍标签对应的时长为50秒、服务内容标签对应的时长为50秒、结束语标签对应的时长为0 秒。
S300：对所述统计结果进行量化预处理，得到对应的量化指标，所述量化指标，用于表征所述坐席的服务能力。
其中，量化预处理包括计数、平均、比较、聚合等数据处理方法，通过计数、平均、比较、聚合等方法对统计结果进行加工，生成量化指标。其中，需要说明的是，在进行量化预处理时，可以是仅采用计数、平均、比较、聚合中的一部分，而非全部。例如，一种实施方式下，文本数据的数量为多个，且每一个文本数据还包括表征坐席的标识，由该多个文本数据生成统计结果，且该统计结果中包含有上述表征坐席的标识，将该表征坐席的标识用于标记统计结果中来自与该表征坐席的标识同一文本数据的数据。一种实施方式下，该表征坐席的标识包括坐席姓名、坐席团队信息、坐席工号等信息中的任意一种或任意多种信息的组合或全部信息。对统计结果进行量化预处理，得到对应的量化指标的过程可以是：先将统计结果中包含的每个内容标签对应的时长进行量化，将时长大于或等于预设的阈值时长的内容标签对应的时长记为1，时长小于该阈值时长的内容标签对应的时长记为0；然后对具有相同坐席标识的，且对内容标签对应的时长进行量化后的统计结果进行聚合，得到每种内容标签的总数、每种内容标签的时长达标的总数，最后，针对每一个聚合结果，计算每种内容标签的占比、每种内容标签的时长达标率。其中，在将统计结果中包含的每个内容标签对应的时长与该内容标签对应的时长阈值进行比较时，例如，一份由5个文本数据生成的统计结果中，开场白标签的数量分别为1、1、0、1、1，开场白标签对应的时长分别为10秒、20秒、0秒、5秒、15秒，其中前三项统计结果(开场白标签的数量分别为1、1、0，开场白标签对应的时长分别为10秒、20秒、0秒)具有相同坐席标识x1，后两项(开场白标签的数量分别为1、1，开场白标签对应的时长分别为5秒、15秒)具有相同坐席标识y1，预设的时长阈值为15秒，则开场白标签第一的时长记分别为0、1、 0、0、1，其中，记为1表征为时长达标，记为0表征为时长不达标。
其中，对具有相同坐席标识的，且对内容标签对应的时长进行量化后的统计结果进行聚合，得到每种内容标签的总数、每种内容标签的时长达标的总数。如上述由5个文本数据生成的统计结果，其中前三项统计结果 (开场白标签的数量分别为1、1、0，开场白标签对应的时长分别为10秒、 20秒、0秒)具有相同坐席标识x1，后两项(开场白标签的数量分别为1、 1，开场白标签对应的时长分别为5秒、15秒)具有相同坐席标识y1，则 x1对应的聚合结果为：开场白标签的数量为2、开场白标签对应的时长达标的总数为1；y1对应的聚合结果为：开场白标签的数量为1、开场白标签对应的时长达标的总数为1。
其中，再针对每一个聚合结果，计算每种内容标签的占比、每种内容标签的时长达标率，以上述两个聚合结果为例，计算x1对应的聚合结果中开场白标签的占比：开场白标签数量/统计结果总项数＝2/3；开场白标签的时长达标率：开场白标签对应的时长达标的总数/统计结果总项数＝1/3；计算y1对应的聚合结果中开场白标签的占比：开场白标签数量/统计结果总项数＝1/2；开场白标签的时长达标率：开场白标签对应的时长达标的总数/统计结果总项数＝1/2。其中，将上述获得的每种内容标签的总数、每种内容标签的时长达标的总数、每种内容标签的占比、每种内容标签的时长达标率，作为该坐席的量化指标。以上述两个聚合结果和两个计算结果为例，得到关于x1以及y1的量化指标，其中x1的量化指标为：开场白标签的数量为 2、开场白标签对应的时长达标的总数为1、开场白标签的占比2/3、开场白标签的时长达标率1/3；y1的量化指标为：开场白标签的数量为1、开场白标签对应的时长达标的总数为1、开场白标签的占比1/2、开场白标签的时长达标率1/2。此例子仅为本申请的一种实施例，并不用于限制本申请。
另一种实施方式下，多个文本数据中的每一个文本数据还包括表征坐席的标识和时间戳信息，由该多个文本数据生成统计结果，且该统计结果中包含有上述表征坐席的标识和时间戳信息，将该表征坐席的标识用于标记统计结果中来自与该表征坐席的标识同一文本数据的数据，时间戳信息用于表征该统计结果中与该时间戳信息来自同一文本数据的时间。一种实施方式下，该表征坐席的标识包括坐席姓名、坐席团队信息、坐席工号等信息中的任意一种或任意多种信息的组合或全部信息，该时间戳信息包含年、月、日等信息。对统计结果进行量化预处理，得到对应的量化指标的过程可以是：将所述统计结果中包含的每个内容标签对应的时长进行量化，将时长大于或等于预设的阈值时长的内容标签对应的时长记为1，将时长小于该阈值时长的内容标签对应的时长记为0；对时间戳信息处于预设时间段内，具有相同坐席标识的，且对内容标签对应的时长进行量化后的统计结果进行聚合，得到每种内容标签在该预设时间段内的总数、每种内容标签在该预设时间段内的时长达标的总数；针对每一个聚合结果，计算每种内容标签在该预设时间段内的占比、每种内容标签在该预设时间段内的时长达标率。
其中，将统计结果中包含的每个内容标签对应的时长进行量化，将时长大于或等于预设的阈值时长的内容标签对应的时长记为1，时长小于该阈值时长的内容标签对应的时长记为0。例如，一份由5个文本数据生成的统计结果中，开场白标签的数量分别为1、1、0、1、1，开场白标签对应的时长分别为10秒、20秒、0秒、5秒、15秒，其中前三项统计结果(开场白标签的数量分别为1、1、0，开场白标签对应的时长分别为10秒、20秒、 0秒)具有相同坐席标识x1，后两项(开场白标签的数量分别为1、1，开场白标签对应的时长分别为5秒、15秒)具有相同坐席标识y1，5个统计结果的时间戳信息依次为20.1.1、20.1.2、20.1.3、20.1.1、20.1.2，该时间戳信息包含有年月日信息，预设的时长阈值为15秒，则开场白标签第一的时长记分别为0、1、0、0、1，其中，记为1表征为时长达标，记为0表征为时长不达标。对时间戳信息处于预设时间段内，且具有相同坐席标识的，且对内容标签对应的时长进行量化后的统计结果进行聚合，得到每种内容标签在所述预设时间段内的总数、每种内容标签在所述预设时间段内的时长达标的总数；如上述由5个文本数据生成的统计结果，当预设时间段为20.1.1到20.1.2时，聚合结果为：x1对应的聚合结果为：开场白标签的数量为2、开场白标签对应的时长达标的总数为1；y1对应的聚合结果为：开场白标签的数量为1、开场白标签对应的时长达标的总数为1。针对每一个聚合结果，计算每种内容标签在所述预设时间段内的占比、每种内容标签在所述预设时间段内的时长达标率，以上述两个聚合结果为例，计算x1对应的聚合结果中在20.1.1到20.1.2这个时间段内的开场白标签的占比：开场白标签数量/统计结果总项数＝2/2；在20.1.1到20.1.2这个时间段内的开场白标签的时长达标率：开场白标签对应的时长达标的总数/统计结果总项数＝1/2；计算y1对应的聚合结果中在20.1.1到20.1.2这个时间段内的开场白标签的占比：开场白标签数量/统计结果总项数＝1/2；在20.1.1到20.1.2 这个时间段内的开场白标签的时长达标率：开场白标签对应的时长达标的总数/统计结果总项数＝1/2。统计每种内容标签的总数、每种内容标签的时长达标的总数、每种内容标签的占比、每种内容标签的时长达标率，得到对应坐席的量化指标。以上述两个聚合结果和两个计算结果为例，得到关于x1以及y1的量化指标，其中x1在20.1.1到20.1.2这个时间段内的量化指标为：开场白标签的数量为2、开场白标签对应的时长达标的总数为1、开场白标签的占比2/2、开场白标签的时长达标率1/2；y1在20.1.1到20.1.2 这个时间段内的量化指标为：开场白标签的数量为1、开场白标签对应的时长达标的总数为1、开场白标签的占比1/2、开场白标签的时长达标率1/2。分别得到x1、y1在20.1.1到20.1.2这个时间段内的量化指标。此例子仅为本申请的一种实施例，并不用于限制本申请。
可选的，也可以根据时间戳信息，按照每日、每周、每月、每季度、每年等时间段进行聚合。
需要说明的是，对统计结果进行量化预处理，得到对应的量化指标的过程并不限于上述所示的实施方式，可选的，还可以根据表征坐席的标识和时间戳信息，先将具有相同坐席且时间戳信息在同一预设时间段的统计结果进行聚合，获得该统计结果中包含的所有坐席的聚合结果，再通过计算每种内容标签的占比、每种内容标签的时长达标率等数据，得到对应坐席在该时间段内的量化指标，再将所有坐席对应的聚合结果或量化指标按照表征坐席的标识中包含的坐席所属团队的信息，将具有相同团队信息的聚合结果或量化指标进行聚合，获得团队的聚合结果，计算每种内容标签的占比、每种内容标签的时长达标率等数据，得到对应团队在该时间段内的量化指标。此例子仅为本申请的一种实施例，并不用于限制本申请。
S400：执行所述量化指标对应的预先设置的管理操作
获得量化指标后，执行该量化指标对应的预先设置的管理操作，例如，判断每日/周开场白达标率是否小于设置的管理阈值，若第一次小于则向坐席发送提醒消息，第二次小于则向团队长发送告警消息，第三次自动录入 KPI考核。或者，介绍服务差错率大于设置管理阈值，则向对应教练发送提醒信息，若差错率多次大于阈值则计入教练KPI考核。上述坐席、团队长、对应教练等信息通过表征坐席的标识得到。
请参阅图2，其为本申请实施例提供的一种智能管理坐席的装置100，该装置包括获取模块110、统计模块120、处理模块130、管理模块140。
获取模块110用于获取坐席的语音文件对应的文本数据，所述文本数据包括按照预先设置的管理指标分类而得到的内容标签，以及每个内容标签在语音文件中对应的时间信息。
统计模块120用于对所述文本数据中的出现以及未出现在所述管理指标的内容标签的数量进行统计以及统计所述文本数据中每个内容标签对应的时长，获得统计结果，其中，每个内容标签对应的时长根据该内容标签对应时间信息而获得。
处理模块130用于对所述统计结果进行量化预处理，得到对应的量化指标，所述量化指标，用于表征所述坐席的服务能力。
管理模块140用于执行所述量化指标对应的预先设置的管理操作。
可选的，获取模块110还用于获取语音文件；对所述语音文件进行语音识别，获得初始文本数据，其中所述初始文本数据中每一句语句均对应有一时间信息；对所述初始文本数据进行预处理，得到文本数据；照预先设置的管理指标对所述本数据中的内容进行分类，得到分类类别对应的内容标签；针对每一个内容标签，对该内容标签中包括的各个语句的时间信息确定该内容标签的在语音文件中对应的时间信息。
可选的，获取模块110还用于从所述初始文本数据中选取出属于坐席的文本数据；在所述属于坐席的文本数据中添加表征坐席的标识和时间戳信息。
可选的，获取模块110还用于将获取的初始语音文件的格式转化为预设的标准格式，得到所述语音文件。
可选的，统计模块120具体用于针对每一个所述文本数据，将该文本数据中没有出现在所述管理指标中的内容标签的数量记为0，将出现在所述管理指标中的内容标签的数量记为1。
可选的，处理模块130具体用于将所述统计结果中包含的每个内容标签对应的时长进行量化，将时长大于或等于预设的阈值时长的内容标签对应的时长记为1，时长小于所述阈值时长的内容标签对应的时长记为0；对具有相同坐席标识的，且对内容标签对应的时长进行量化后的统计结果进行聚合，得到每种内容标签的总数、每种内容标签的时长达标的总数；针对每一个聚合结果，计算每种内容标签的占比、每种内容标签的时长达标率，其中，每种内容标签的总数、每种内容标签的时长达标的总数、每种内容标签的占比、每种内容标签的时长达标率为该坐席对应的量化指标。
可选的，处理模块130具体用于将所述统计结果中包含的每个内容标签对应的时长进行量化，将时长大于或等于预设的阈值时长的内容标签对应的时长记为1，时长小于所述阈值时长的内容标签对应的时长记为0；对时间戳信息处于预设时间段内，具有相同坐席标识的，且对内容标签对应的时长进行量化后的统计结果进行聚合，得到每种内容标签在所述预设时间段内的总数、每种内容标签在所述预设时间段内的时长达标的总数；针对每一个聚合结果，计算每种内容标签在所述预设时间段内的占比、每种内容标签在所述预设时间段内的时长达标率，其中，每种内容标签在所述预设时间段内的总数、每种内容标签在所述预设时间段内的时长达标的总数、每种内容标签在所述预设时间段内的占比、每种内容标签在所述预设时间段内的时长达标率为该坐席在所述预设时间段内对应的量化指标。
智能管理坐席的装置100需要实现的功能在前文以详细叙述，在此不再赘述。
请参阅图3，其为本申请实施例提供的一种机器人。所述机器人200包括：收发器210、存储器220、通讯总线230、处理器240。
所述收发器210、所述存储器220、处理器240各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线230或信号线实现电性连接。其中，收发器210 用于收发数据。存储器220用于存储计算机程序，如存储有图2中所示的软件功能模块，即智能管理坐席的装置100。其中，智能管理坐席的装置100包括至少一个可以软件或固件(firmware)的形式存储于所述存储器220 中或固化在所述机器人200的操作***(operating system，OS)中的软件功能模块。所述处理器240，用于执行存储器220中存储的可执行模块，例如智能管理坐席的装置100包括的软件功能模块或计算机程序。例如，处理器240，用于获取坐席的语音文件对应的文本数据，所述文本数据包括按照预先设置的管理指标分类而得到的内容标签，以及每个内容标签在语音文件中对应的时间信息；对所述文本数据中的出现以及未出现在所述管理指标的内容标签的数量进行统计以及统计所述文本数据中每个内容标签对应的时长，获得统计结果，其中，每个内容标签对应的时长根据该内容标签对应时间信息而获得；对所述统计结果进行量化预处理，得到对应的量化指标，所述量化指标，用于表征所述坐席的服务能力；执行所述量化指标对应的预先设置的管理操作。
其中，存储器220可以是，但不限于，随机存取存储器 (Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
处理器240可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit， ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器240也可以是任何常规的处理器等。
本申请实施例还提供了一种非易失性计算机可读取存储介质(以下简称存储介质)，该存储介质上存储有计算机程序，该计算机程序被计算机如上述的机器人200运行时，执行上述所示的智能管理坐席的方法。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种智能管理坐席的方法，其特征在于，包括：
获取坐席的语音文件对应的文本数据，所述文本数据包括按照预先设置的管理指标分类而得到的内容标签，以及每个内容标签在语音文件中对应的时间信息；
对所述文本数据中的出现以及未出现在所述管理指标的内容标签的数量进行统计以及统计所述文本数据中每个内容标签对应的时长，获得统计结果，其中，每个内容标签对应的时长根据该内容标签对应时间信息而获得；
对所述统计结果进行量化预处理，得到对应的量化指标，所述量化指标，用于表征所述坐席的服务能力；
执行所述量化指标对应的预先设置的管理操作。
2.根据权利要求1所述的智能管理坐席的方法，其特征在于，所述文本数据包括多个，对所述文本数据中的出现以及未出现在所述管理指标的内容标签的数量进行统计，包括：
针对每一个所述文本数据，将该文本数据中没有出现在所述管理指标中的内容标签的数量记为0，将出现在所述管理指标中的内容标签的数量记为1。
3.根据权利要求1所述的智能管理坐席的方法，其特征在于，所述文本数据包括多个，每一个文本数据还包括表征坐席的标识，对所述统计结果进行量化预处理，得到对应的量化指标，包括：
将所述统计结果中包含的每个内容标签对应的时长进行量化，将时长大于或等于预设的阈值时长的内容标签对应的时长记为1，将时长小于所述阈值时长的内容标签对应的时长记为0；
对具有相同坐席标识的，且对内容标签对应的时长进行量化后的统计结果进行聚合，得到每种内容标签的总数、每种内容标签的时长达标的总数；
针对每一个聚合结果，计算每种内容标签的占比、每种内容标签的时长达标率，其中，所述每种内容标签的总数、所述每种内容标签的时长达标的总数、所述每种内容标签的占比、所述每种内容标签的时长达标率为该坐席对应的量化指标。
4.根据权利要求1所述的智能管理坐席的方法，其特征在于，所述文本数据包括多个，每一个文本数据包括表征坐席的标识和时间戳信息，对所述统计结果进行量化预处理，得到对应的量化指标，包括：
将所述统计结果中包含的每个内容标签对应的时长进行量化，将时长大于或等于预设的阈值时长的内容标签对应的时长记为1，将时长小于所述阈值时长的内容标签对应的时长记为0；
对时间戳信息处于预设时间段内，且具有相同坐席标识的，且对内容标签对应的时长进行量化后的统计结果进行聚合，得到每种内容标签在所述预设时间段内的总数、每种内容标签在所述预设时间段内的时长达标的总数；
针对每一个聚合结果，计算每种内容标签在所述预设时间段内的占比、每种内容标签在所述预设时间段内的时长达标率，其中，所述每种内容标签在所述预设时间段内的总数、所述每种内容标签在所述预设时间段内的时长达标的总数、所述每种内容标签在所述预设时间段内的占比、所述每种内容标签在所述预设时间段内的时长达标率为该坐席在所述预设时间段内对应的量化指标。
5.根据权利要求1所述的智能管理坐席的方法，其特征在于，在获取所述文本数据之前，所述方法还包括：
获取语音文件；
对所述语音文件进行语音识别，获得初始文本数据，其中所述初始文本数据中每一句语句均对应有一时间信息；
对所述初始文本数据进行预处理，得到文本数据；
照预先设置的管理指标对所述本数据中的内容进行分类，得到分类类别对应的内容标签；
针对每一个内容标签，根据该内容标签中包括的各个语句的时间信息确定该内容标签在语音文件中对应的时间信息。
6.根据权利要求5所述的智能管理坐席的方法，其特征在于，对所述初始文本数据进行预处理，包括：
从所述初始文本数据中选取出属于坐席的文本数据；
在所述属于坐席的文本数据中添加表征坐席的标识和时间戳信息。
7.根据权利要求6所述的智能管理坐席的方法，其特征在于，获取语音文件，包括：
将获取的初始语音文件的格式转化为预设的标准格式，得到所述语音文件。
8.一种智能管理坐席的装置，其特征在于，包括：
获取模块，用于获取坐席的语音文件对应的文本数据，所述文本数据包括按照预先设置的管理指标分类而得到的内容标签，以及每个内容标签在语音文件中对应的时间信息；
统计模块，用于对所述文本数据中的出现以及未出现在所述管理指标的内容标签的数量进行统计以及统计所述文本数据中每个内容标签对应的时长，获得统计结果，其中，每个内容标签对应的时长根据该内容标签对应时间信息而获得；
处理模块，用于对所述统计结果进行量化预处理，得到对应的量化指标，所述量化指标，用于表征所述坐席的服务能力；
管理模块，用于执行所述量化指标对应的预先设置的管理操作。
9.一种机器人，其特征在于，包括：存储器和处理器，所述存储器和所述处理器连接；
所述存储器，用于存储程序；
所述处理器，用于调用存储于所述存储器中的程序，以执行如权利要求1-7中任一项所述的方法。
10.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被计算机运行时，执行如权利要求1-7中任一项所述的方法。
CN202011275337.5A 2020-11-13 2020-11-13 一种智能管理坐席的方法及装置、机器人及存储介质 Active CN112380381B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011275337.5A CN112380381B (zh) 2020-11-13 2020-11-13 一种智能管理坐席的方法及装置、机器人及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011275337.5A CN112380381B (zh) 2020-11-13 2020-11-13 一种智能管理坐席的方法及装置、机器人及存储介质

Publications (2)

Publication Number Publication Date
CN112380381A true CN112380381A (zh) 2021-02-19
CN112380381B CN112380381B (zh) 2024-04-05

Family

ID=74584336

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011275337.5A Active CN112380381B (zh) 2020-11-13 2020-11-13 一种智能管理坐席的方法及装置、机器人及存储介质

Country Status (1)

Country Link
CN (1) CN112380381B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105975514A (zh) * 2016-04-28 2016-09-28 朱宇光 一种自动质检方法及***
CN109151218A (zh) * 2018-08-21 2019-01-04 平安科技（深圳）有限公司 通话语音质检方法、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
CN109933658A (zh) * 2019-03-21 2019-06-25 中国联合网络通信集团有限公司 客服通话分析方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105975514A (zh) * 2016-04-28 2016-09-28 朱宇光 一种自动质检方法及***
CN109151218A (zh) * 2018-08-21 2019-01-04 平安科技（深圳）有限公司 通话语音质检方法、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
CN109933658A (zh) * 2019-03-21 2019-06-25 中国联合网络通信集团有限公司 客服通话分析方法及装置

Also Published As

Publication number Publication date
CN112380381B (zh) 2024-04-05

Similar Documents

Publication Publication Date Title
CN110020660B (zh) 使用人工智能（ai）技术的非结构化过程的完整性评估
CN111401777B (zh) 企业风险的评估方法、装置、终端设备及存储介质
US8990202B2 (en) Identifying and suggesting classifications for financial data according to a taxonomy
US8156172B2 (en) Monitoring and reporting enterprise data using a message-based data exchange
CN111383101A (zh) 贷后风险监控方法、装置、设备及计算机可读存储介质
US9547547B2 (en) Systems and/or methods for handling erroneous events in complex event processing (CEP) applications
JP4453687B2 (ja) テキストマイニング装置、テキストマイニング方法、およびテキストマイニング用プログラム
US11816741B2 (en) Automatically labeling data using natural language processing
US20060224400A1 (en) Business event notifications on aggregated thresholds
CN111369348A (zh) 贷后风险监控方法、装置、设备及计算机可读存储介质
CN110619462A (zh) 一种基于ai模型的项目质量评估方法
CN115689334A (zh) 仓库管理***的效率分析方法、***及计算机设备
CN112380381A (zh) 一种智能管理坐席的方法及装置、机器人及存储介质
CN113094424B (zh) 通过构建多级指标体系进行图表模式识别的方法和***
CN113791860B (zh) 一种信息转换方法、装置和存储介质
CN112929502B (zh) 一种基于电力客服的语音识别方法及***
CN113992806A (zh) 一种智能语音rpa机器人外呼方法及装置
CN115906844B (zh) 一种基于规则模板的信息抽取方法和***
CN110929144A (zh) 一种业务数据管理方法、***和可读存储介质
US11741194B2 (en) System and method for creating healing and automation tickets
JP7473718B2 (ja) 記事生成システム、記事生成装置、記事生成方法、及びコンピュータプログラム
CN116739646B (zh) 网络交易大数据分析方法及分析***
CN116702789A (zh) 语义分析方法、装置、计算机设备以及存储介质
CN115599848A (zh) 一种基于大数据技术与相似度算法的流向数据处理***
CN117726345A (zh) 一种投诉数据的处理方法、装置、电子设备及存储介质

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