CN113064983A - 语义检测方法、装置、计算机设备及存储介质 - Google Patents
语义检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113064983A CN113064983A CN202110445965.1A CN202110445965A CN113064983A CN 113064983 A CN113064983 A CN 113064983A CN 202110445965 A CN202110445965 A CN 202110445965A CN 113064983 A CN113064983 A CN 113064983A
- Authority
- CN
- China
- Prior art keywords
- semantic
- text
- seat
- argument
- determining
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 230000006854 communication Effects 0.000 claims abstract description 98
- 238000000034 method Methods 0.000 claims abstract description 45
- 239000003795 chemical substances by application Substances 0.000 claims description 90
- 238000004891 communication Methods 0.000 claims description 31
- 239000012634 fragment Substances 0.000 claims description 31
- 230000009471 action Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000006399 behavior Effects 0.000 description 35
- 238000007726 management method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 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
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification 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
- G06F16/30—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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Machine Translation (AREA)
Abstract
本申请涉及一种语义检测方法、装置、计算机设备及存储介质,其中方法包括:获取坐席和客户之间的对话文本;基于第一语义模型获取所述对话文本中动词对应的关系词汇,以及所述动词和所述关系词汇之间的论元属性;基于所述动词、所述论元属性和所述关系词汇组成所述对话文本的论元角色;基于第二语义模型和所述论元角色确定所述对话文本对应的语义意图;基于所述语义意图确定所述坐席在所述对话文本对应的沟通过程中是否存在违规操作。采用本申请,可提高违规操作检测的准确率。
Description
技术领域
本申请涉及计算机技术领域,主要涉及了一种语义检测方法、装置、计算机设备及存储介质。
背景技术
坐席一般指的是接听咨询电话回答问题的客服人员,是客户与公司之间的重要桥梁。随着互联网的快速发展和普及,坐席可通过网络与客户进行文本沟通。且坐席的应用场景越来越广泛,例如,保险、银行、电商、政务、医院等领域对应的应用中均部署了坐席。
然而,在与客户进行沟通的过程中,有些坐席会出现违规操作。例如,保险应用中的销售坐席,为了提高业绩,可通过虚假信息或隐瞒信息等方式诱导客户购买保险产品,易导致客户投诉,影响公司信誉。因此,如何检测坐席是否存在违规操作是本领域技术人员待解决的技术问题。
发明内容
本申请实施例提供了一种语义检测方法、装置、计算机设备及存储介质,能够基于对话文本的语义意图确定坐席与客户的沟通过程是否存在违规操作,提高了违规操作检测的准确率。
第一方面,本申请实施例提供一种语义检测方法,其中:
获取坐席和客户之间的对话文本;
基于第一语义模型获取所述对话文本中动词对应的关系词汇,以及所述动词和所述关系词汇之间的论元属性;
基于所述动词、所述论元属性和所述关系词汇组成所述对话文本的论元角色;
基于第二语义模型和所述论元角色确定所述对话文本对应的语义意图;
基于所述语义意图确定所述坐席在所述对话文本对应的沟通过程中是否存在违规操作。
第二方面,本申请实施例提供一种语义检测装置,其中:
获取单元,用于获取坐席和客户之间的对话文本;基于第一语义模型获取所述对话文本中动词对应的关系词汇,以及所述动词和所述关系词汇之间的论元属性;
组成单元,用于基于所述动词、所述论元属性和所述关系词汇组成所述对话文本的论元角色;
确定单元,用于基于第二语义模型和所述论元角色确定所述对话文本对应的语义意图;基于所述语义意图确定所述坐席在所述对话文本对应的沟通过程中是否存在违规操作。
第三方面,本申请实施例提供一种计算机设备,包括处理器、存储器、通信接口以及一个或至少一个程序,其中,上述一个或至少一个程序被存储在上述存储器中,并且被配置由上述处理器执行,所述程序包括用于如第一方面中所描述的部分或全部步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行以实现如第一方面中所描述的部分或全部步骤。
实施本申请实施例,将具有如下有益效果:
采用了上述的语义检测方法、装置、计算机设备及存储介质之后,获取坐席和客户之间的对话文本。然后基于第一语义模型获取对话文本中动词对应的关系词汇,以及动词和关系词汇之间的论元属性,再基于动词、关系词汇以及动词和关系词汇之间的论元属性组成对话文本的论元角色。然后基于第二语义模型和论元角色确定对话文本的语义意图,基于语义意图确定坐席在对话文本对应的沟通过程中是否存在违规操作。如此,在获取对话文本的论元角色的基础上获取对话文本中的语义意图,也就是说,获取坐席和客户的沟通过程中坐席的深层语义信息,从而确定该沟通过程中坐席是否存在违规操作,提高了违规操作检测的准确率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对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,下面描述中的附图仅仅是本申请的一些实施例,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。
其中:
图1为本申请实施例提供的一种语义检测方法的流程示意图;
图2为本申请实施例提供的一种语义检测装置的结构示意图;
图3为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及的网络架构包括服务器、用户终端和客服终端。其中,用户终端和客服终端可以包括个人计算机(personal computer,PC)、笔记本电脑、手机、一体机、掌上电脑、平板电脑(pad)、服务器、智能音箱、智能电视播放终端、车载终端或便捷式设备等计算机设备,在此不做限定。
用户终端和客服终端中登录的应用是服务器对应的应用。在用户终端中登录应用的用户可称为客户,在客服终端中登录应用的用户可称为坐席,在服务器中登录应用的用户为开发人员,用于更新或维护应用。本申请对于用户终端和客服终端的数量不做限定。上述的应用可以是独立的应用程序,也可以是添加于第三方应用中的小程序,还可以是网页中的应用平台等形式存在,且应用可以是银行、保险、电商、政府等领域对应的应用类型等,在此也不做限定。
示例性的,若应用为数字医疗领域中的档案管理应用,则客户可以为在医院中的医护人员、住院病人,或办理健康卡的用户等,坐席可以为医院档案管理人员等,在此不做限定。
若应用为银行应用,则客户可以为在银行应用中注册的用户,或者可以是在银行应用对应的银行中办理了储值卡或***的客户,或者可以是没有办理业务的客户等,坐席可以为银行客服等,在此不做限定。
若应用为保险应用,则客户可以为在保险应用中购买保险或注册的用户,或者可以是没有办理业务的客户等,坐席可以为保险客服等,在此不做限定。
坐席可以处理电话业务,还可以处理文本业务(例如,文字和图像等)。也就是说,客户和坐席之间可通过文本和图像进行沟通,还可以通过电话或语音进行沟通等,在此不做限定。应理解,在坐席和客户进行沟通的过程中,坐席可能存在违规操作,例如,保险应用中的坐席,为了提高业绩可通过虚假信息或隐瞒信息等方式诱导客户购买保险产品;数字医疗领域中的档案管理应用中的坐席,泄露客户的病史、家庭住址等隐私信息;银行应用中的坐席,获取客户的密码、资金状态等信息。
为了提高服务质量,可预先存储坐席的违规操作,或违规操作的判断算法。此外,还可预先存储各个坐席的坐席信息和各个客户的客户信息。该坐席信息可以包括该坐席的籍贯、所在地区、年龄、职业、性别、教育背景、工作经历等基本信息,也可包括该坐席的工作订单信息,例如,当前处理的客服订单,历史处理的客服订单,客服过程中的录音,订单中反馈、投诉等事项,该坐席的服务质量评分或者客服等级等,在此不做限定。
客户信息可以包括该客户的籍贯、所在地区、年龄、职业、性别、教育背景、工作经历等基本信息,也可包括该客户的接入订单记录,例如,该客户历史提交的客服订单,历史订单中的录音、记录的反馈、投诉等事项、客服结束之后该客户反馈的服务质量分数或满意度等,在此也不做限定。
在本申请实施例中,也可将上述坐席信息、客户信息,以及违规操作或违规操作的判断算法存储于数据库中,或存储于区块链网络上创建的一个区块中。区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。可见,通过区块链分布式存储数据,在保证数据安全性的同时,可实现信息在不同平台之间的数据共享。
本申请实施例提出的一种语义检测方法,该方法可以由语义检测装置执行,其中该装置可由软件和/或硬件实现,能够基于对话文本对应的论元角色确定坐席与客户的沟通过程是否存在违规操作,提高了违规操作检测的准确率。
当语义检测方法应用于服务器时,可对坐席的工作进行监控,便于提高坐席的服务质量。当语义检测方法应用于用户终端时,可避免客户在沟通过程中泄露隐私或者被客服蒙蔽购买产品,便于提高客户的使用体验,减少风险。当语义检测方法应用于客服终端时,可提示坐席发生了违规操作,便于提高坐席的服务质量。
请参照图1,图1是本申请提供的一种语义检测方法的流程示意图。以该方法应用于服务器进行举例说明,可包括如下步骤S101~S103,其中:
S101:获取坐席和客户之间的对话文本。
在本申请实施例中,对话文本可以是坐席和客户之间进行文本沟通时坐席或客户输入的文本或语音数据转换得到的文本,或者可以是坐席和客户之间进行电话沟通时的语音数据转换得到的文本。本申请对于对话文本不做限定,可以是任一坐席和客户的沟通过程中产生的对话文本,还可以是随机抽查时选中的对话文本,或者客户投诉坐席之后查找到的被投诉的对话文本等。
每一对话文本可对应一个身份标识,身份标识用于区分沟通过程中坐席和客户的身份信息。身份标识至少包括坐席的坐席标识和客户的客户标识,坐席标识和客户标识分别为坐席和客户的身份标识。该身份标识可以是人物的身份证号码、电话号码、邮箱号码、应用标识等,在此不做限定。其中,应用标识为客户和坐席进行沟通所对应的应用的标识信息。需要说明的是,该身份标识具有唯一标识性。在本申请实施例中,可将坐席对应的对话文本称为坐席对话文本,将客户对应的对话文本称为客户对话文本。
当坐席和客户之间的沟通过程的沟通类型为文本时,可选的,步骤S101包括:获取坐席和客户之间的对话文本数据;基于坐席标识和客户标识,对对话文本数据进行拆分,得到坐席标识对应的坐席对话文本和客户标识对应的客户对话文本。
可以理解,当坐席和客户之间进行沟通的沟通类型为文本时,沟通过程中产生的数据为文本,可将该数据作为对话文本数据。先获取对话文本数据中与坐席标识对应的坐席对话文本,以及获取对话文本数据中与客户标识对应的客户对话文本。也就是说,基于坐席和客户的身份标识分别获取对应的对话文本,可提高拆分对话文本数据的准确率,便于分析坐席在沟通过程中是否存在违规操作。
当坐席和客户之间的沟通过程的沟通类型为语音时,可选的,步骤S101包括:获取坐席和客户之间的对话语音数据;对对话语音数据进行声纹识别,得到至少两个声纹特征对应的语音片段;确定语音片段中的坐席语音片段和客户语音片段;对坐席语音片段进行语义识别,得到坐席对话文本,对客户语音片段进行语义识别,得到客户对话文本。
其中,声纹识别技术是把声信号转换成电信号,再用计算机进行识别以得到声纹特征。每个人的声音不同,在该示例中,对话语音数据中进行对话的人物为坐席和客户,则可对对话语音数据进行声纹识别,至少可得到坐席的声纹特征对应的坐席语音片段,以及客户的声纹特征对应的客户语音片段。本申请实施例对于确定坐席语音片段和客户语音片段的方法不做限定,若预先存储了坐席的声纹特征和客户的声纹特征,则可分别基于坐席的声纹特征和客户的声纹特征可识别坐席语音片段和客户语音片段。此外,坐席作为服务方,坐席在沟通过程所使用的语言的规范性,相比客户而言是更为规范的,语气是更为温和有礼的,则还可基于对话文本的文字的规范性或语气的态度确定坐席语音片段和客户语音片段。
语音识别技术是将人类的语音中的词汇内容转换为计算机可读的输入,例如按键、二进制编码或者字符序列。目前在许多领域得到广泛的应用,包括语音搜索、音频听写(音频转文本)、智能语音导航***(用于客服***)等。语义识别技术是在语音识别的基础上,对一句话进行自动分词,它还能进一步整理句子的结构,甚至理解句子的意思。本申请对于语义识别的具体方法不做限定,可包括基于字符串匹配的分词方法、统计语言模型算法、基于序列标注的分词方法、或者基于深度学习的方法等。
可以理解,当坐席和客户之间进行沟通的沟通类型为语音时,沟通过程中产生的数据为语音,可将该语音作为对话语音数据。先对对话语音数据进行声纹识别,可得到至少两个声纹特征对应的语音片段,再从语音片段中分别确定与坐席对应的语音片段,和与客户对应的语音片段,从而可提高拆分对话语音数据的准确率。再分别对坐席语音片段和客户语音片段进行语义识别,分别得到坐席对话文本和客户对话文本,提高了语义识别的准确率,便于分析坐席在沟通过程中是否存在违规操作。
可选的,对语音片段进行语义识别,还可得到对话文本的文本信息。该文本信息包括对话文本的身份标识,以及语音片段的时间信息,或情绪特征等,在此不做限定。
其中,时间信息可以包括语音片段的发生时间和截止时间,也可以包括语音片段的序号,用于保证文本片段的连续性。情绪特征可用于描述说话者的态度,可以理解,语音片段体现说话者的语气和语调,可通过说话者的语气和语调确定说话者的情绪,从而分析坐席和客户之间沟通的态度。当坐席和客户之间的沟通态度较差时,可确定坐席在沟通过程中存在违规操作。
在一种可能的示例中,若语音片段包括第三人语音片段,则对第三人语音片段进行语义识别,得到第三人对话文本,基于坐席对话文本、客户对话文本和第三人对话文本确定第三人对话文本对应的第三人在沟通过程中是否存在违规操作;若确定第三人在沟通过程中存在违规操作,则确定坐席在沟通过程中存在违规操作。
其中,第三人可以是对话语音数据中除了坐席和客户之外的任一个人。当语音片段包括第三人语音片段时,表示对话语音数据存在第三人,且第三人可能参与了坐席和客户之间的沟通。第三人的身份信息可通过预先存储的第三人的声纹特征进行识别,从而可获取对话语音数据中第三人的声纹特征获取第三人对话文本。
本申请对于确定第三人在沟通过程中是否存在违规操作的方法不做限定,可以先获取第三人对话文本与坐席对话文本和客户对话文本之间的关联值,在关联值小于一个指定的阈值时,表示第三人没有参与或强参与讨论,可能只是环境中录入的语音,确定第三人不存在违规操作。在关联值大于或等于上述的阈值时,表示第三人参与了强关联的讨论,则可基于第三人对话文本确定第三人是否存在违规操作。上述的关联值可以基于第三人的职位信息进行确定等,在此不做限定。
可以理解,在该示例中,基于坐席对话文本、客户对话文本和第三人对话文本确定第三人是否在沟通过程中是否存在违规操作。在确定第三人在沟通过程中存在违规操作时,确定坐席在沟通过程中是否存在违规操作,可提高识别违规操作的多样性。
进一步的,可确定第三人是否具有沟通权限,在确定第三人不具有沟通权限之后,确定第三人在沟通过程中是否存在违规操作坐席。本申请对于确定第三人是否具有沟通权限的方法不做限定,可基于第三人的职位信息进行确定,例如,第三人为坐席的直系领导时,可确定第三人具有沟通权限等。或者基于第三人是否为当前沟通过程中的必要接入的职位对应的人物进行确定,可以理解为当前沟通过程需要引入的职位为第三人对应的职位时,可确定第三人为当前沟通过程中的必要接入的职位对应的人物,从而确定第三人具有沟通权限。当第三人不是本次沟通所必要接入的职位对应的人物时,客户的隐私可能被泄露,可确定坐席存在违规操作。
在一种可能的示例中,在坐席和客户的沟通过程中,若接收到产品支付请求,则执行步骤S101。
其中,产品支付请求用于支付产品,该产品可以是任一产品,还可以是预先指定的产品等,在此不做限定。可以理解,当坐席和客户的沟通过程中,接收到用户发送的产品支付请求,表示客户愿意支付产品,则该沟通过程中可能存在坐席诱导客户购买产品的概率,从而执行步骤S101。也就是说,执行本申请实施例所提出的语义检测方法,从而识别该坐席在沟通过程中是否存在违规操作,便于提高语义检测的准确率。
S102:基于第一语义模型获取对话文本中动词对应的关系词汇,以及动词和关系词汇之间的论元属性。
在本申请实施例中,动词为对话文本中用于描述行为的词汇。关系特征向量用于描述两个词汇之间的关联关系。关系词汇为对话文本中与动词相关的词汇。论元属性为论元角色对应的属性信息,例如:时间、所有者、公司、数量、险种、方式、去向修饰、影响等。本申请实施例可通过预先设置的业务范围和论元属性之间的映射关系,确定业务范围对应的论元属性,还可基于业务范围确定可能存在的属性信息,再基于属性信息确定论元属性等,在此不做限定。
本申请对于第一语义模型不做限定,可以为FrameNet、WordNet、VerbNet等语义型词典构造的语义模型,用于获取对话文本中的论元角色。语义型词典作为语音信息处理的基础,应用于机器翻译、自然语言接口、文献检索、信息自动提取、语音识别与合成等处理领域。本申请实施例对于第一语义模型的构造方法不做限定,可基于上述的语义型词典,与汉语的语义结构,以及应用场景对应的语言环境和业务类型等进行构造得到,从而便于提高语义识别的准确率。
本申请对于获取关系词汇和论元属性的方法不做限定,在一种可能的示例中,步骤A102包括:基于坐席的职位信息确定对话文本的业务范围;基于业务范围确定动词的属性信息;基于第一语义模型和属性信息,从对话文本中获取动词对应的关系词汇,将属性信息作为动词和关系词汇之间的论元属性。
其中,坐席的职位信息包括坐席的职位以及职位对应的工作属性,职位信息可通过预先存储的坐席信息进行获取。业务范围可以是保险、银行、电商、政务、医院等领域,也可以是具体的业务等,在此不做限定。
可以理解,不同职位的坐席具有不同的职位属性,也就是说,不同职位的坐席所从事的业务不同。本申请实施例可通过预先设置的职位信息和业务范围之间的映射关系,以及业务范围和动词的属性信息之间的映射关系,从而可基于坐席的职位信息确定对话文本的业务范围,再基于业务范围确定对话文本中动词的属性信息。然后基于第一语义模型和属性信息从对话文本中获取动词对应的关系词汇,并将该属性信息作为动词和关系词汇之间的论元属性,可提高获取论元属性的准确率。
S103:基于动词、论元属性和关系词汇组成对话文本的论元角色。
在本申请实施例中,论元是指带有题元角色的体词性成分,论元角色是由谓词基于其与相关的名词短语之间语义关系而指派给这些名词短语的语义角色,即与动词连用的论元在与动词所表示的动作或状态里扮演的语义角色。可以理解为,论元角色用于描述动词的属性信息,可包括主体、客体或动作、行为、状态、所处的场所、动作的起点、方向、终点、原因及引起的结果、凭借的工具等等。
示例性的,在保险应用的场景下,论元角色可包括行为1、行为1-客体修饰-时间、行为1-客体修饰-所有者、行为1-客体修饰-公司、行为1-客体修饰-数量、行为1-客体修饰-险种、行为1-客体、行为1-方式、行为2、行为2-指示代词、行为2-去向修饰、行为2-去向、行为2-影响-积极、行为2-影响-消极等。
本申请对于组成论元角色的方法不做限定,可以将动词、论元属性和关系词汇组成的关系特征向量作为对话文本的论元角色。可以理解,基于对话文本中的动词、对话文本中动词对应的关系词汇,以及动词和关系词汇之间的论元属性组成对话文本对应的论元角色,提高了获取论元角色的准确率,便于分析对话文本中的深层语义。
举例来说,若对话文本为“之前交在目标公司这个保险费里边的钱,就是给您的话呢,每个月拿出来一部分放到给您新开通的这个财富管理账户”,则动词可包括拿,放。将“拿”作为行为1,将“放”作为行为2,分别基于第一语义模型获取对话文本中与行为1和行为2对应的关系词汇,以及动词和关系词汇之间的论元属性,再基于动词、论元属性和关系词汇组成的关系特征向量得到对话文本对应的论元角色,则行为1对应的论元角色可包括行为1-客体修饰-时间:之前、行为1-客体修饰-所有者:无、行为1-客体修饰-公司:目标公司、行为1-客体修饰-数量:一部分、行为1-客体修饰-险种:无、行为1-客体:保险费里边的钱、行为1-方式:无。行为2对应的论元角色可包括行为2-指示代词:这个、行为2-去向修饰:新开通的、行为2-去向:财富管理账户、行为2-影响-积极:无、行为2-影响-消极:无。
又例如,若对话文本为“这个年金的话中途咱们是不会间断的发终身一辈子,像前期的话您以拿回家交您之前的一个保险费,后期拿去做生意做投资,咱们自己的交易都可以,这个钱”,则动词可包括拿,交/做/做。将“拿”作为行为1,将“交/做/做”作为行为2,分别基于第一语义模型获取对话文本中与行为1和行为2对应的关系词汇,以及动词和关系词汇之间的论元属性,再基于动词、论元属性和关系词汇组成的关系特征向量得到对话文本对应的论元角色,则行为1对应的论元角色可包括行为1-客体修饰-时间:之前、行为1-客体修饰-所有者:您、行为1-客体修饰-公司:无、行为1-客体修饰-数量:无、行为1-客体修饰-险种:无、行为1-客体:年金、行为1-方式:无。行为2对应的论元角色可包括行为2-指示代词:无、行为2-去向修饰:无、行为2-去向:保险费/生意/投资、行为2-影响-积极:无、行为2-影响-消极:无。
S104:基于第二语义模型和论元角色确定对话文本的语义意图。
本申请对于第二语义模型不做限定,可以为双向编码器的语言模型(例如,Bidirectional Encoder Representation from Transformers,bert))。本申请对于步骤S104不做限定,对话文本的语义意图可包括坐席的第一语义意图以及客户的第二语义意图。在一种可能的示例中,基于第二语义模型和坐席对话文本的论元角色确定坐席的第一语义意图;基于第二语义模型和客户对话文本的论元角色确定客户的第二语义意图。
其中,语义意图用于描述对话文本中说话者的目的。在本申请实施例中,对话文本包括坐席对话文本和客户对话文本,第一语义意图为坐席对话文本的论元角色确定的语义意图,第二语义意图为客户对话文本的论元角色确定的语义意图。本申请对于确定第一语义意图的方法不做限定,在一种可能的示例中,基于第二语义模型对坐席对话文本的论元角色进行语义组合,得到至少一个参考语义意图;确定参考语义意图在对话文本中的合理值;将与合理值中的最大值对应的参考语义意图作为坐席的第一语义意图。
其中,参考语义意图为基于第二语义模型对坐席对话文本的论元角色进行语义组合得到的语义意图。本申请对于论元角色进行语义组合的方法不做限定,可以基于第二语义模型对坐席对话文本的语言结构进行分析,得到坐席对话文本中的主语、谓语和宾语,并基于坐席对话文本中的主语、谓语和宾语对坐席对话文本中的论元角色进行调整,得到的完整句子。
合理值用于描述参考语义意图在坐席和客户进行沟通的语言环境中存在的合理性,可基于前后的对话文本的语义意图进行综合考虑等,在此不做限定。
可以理解,在该示例中,先基于第二语义模型对坐席对话文本的论元角色进行语义组合,得到至少一个参考语义意图,再确定各个参考语义意图在对话文中的合理值,从而选取最大的合理值对应的参考语义意图作为坐席的第一语义意图,可提高确定第一语义意图的准确率,便于提高判断违规操作的准确率。
第二语义意图的确定方法可参照第一语义意图的确定方法,在此不再赘述。
S105:基于语义意图确定坐席在对话文本对应的沟通过程中是否存在违规操作。
可以理解,语义意图可用于确定坐席在对话文本中沟通目的,从而可确定沟通目的中是否存在违规操作。本申请对于语义意图确定违规操作的方法不做限定,在第一种可能的示例中,步骤S105包括:若第一语义意图属于预设违规意图,则确定坐席在对话文本对应的沟通过程中存在违规操作。
其中,预设违规意图可以包括坐席诱导客户购买不符合规定的产品、坐席透露其他客户的隐私信息、坐席诱导客户输入购买验证码等,在此不做限定。
可选的,基于业务范围确定预设违规意图。可以理解,基于业务范围确定的预设违规意图,便于提高确定坐席是否存在违规操作的准确率。
可以理解,在第一种可能的示例中,先基于第二语义模型和坐席对话文本的论元角色确定的第一语义意图和预先设置的预设违规意图确定坐席是否在对话文本对应的沟通过程中是否存在违规操作,可提高判断的准确率和效率。
举例来说,若对话文本为“之前交在平安公司这个保险费里边的钱,就是给您的话呢,每个月拿出来一部分放到平安给您新开通的这个财富管理账户”,则基于论元角色确定对话文本的语义意图为诱导客户拿出之前的保费钱,然后拿去新交一份保单,属于预设违规意图,从而可确定坐席在沟通过程中存在违规操作。
再举一个例子来说,若对话文本为“这个年金的话中途咱们是不会间断的发终身一辈子,像前期的话您以拿回家交您之前的一个保险费,后期拿去做生意做投资,咱们自己的交易都可以,这个钱”,则基于论元角色确定对话文本的语义意图为告知客户年金可用于缴纳保费或其他事情,不属于预设违规意图,从而可确定坐席在沟通过程中不存在违规操作。
在第二种可能的示例中,若第一语义意图不属于预设违规意图,则基于第二语义意图确定第一语义意图的目标违规概率;若目标违规概率大于或等于预设阈值,则确定坐席在对话文本对应的沟通过程中存在违规操作。
其中,目标违规概率用于描述坐席违规的可能性。本申请对于确定目标违规概率的方法不做限定,在一种可能的示例中,确定第一语义意图对应的第一违规概率和第二语义意图对应的第二违规概率;对第一违规概率和第二违规概率进行加权计算,得到目标违规概率。
其中,第一违规概率和第二违规概率分别为第一语义意图和第二语义意图对应的违规概率,可分别基于第一语义意图和第二语义意图和预设违规意图之间的匹配值进行确定等,在此不做限定。
本申请对于第一违规概率和第二违规概率进行加权的权值不做限定,可以将第一权值和第二权值分别称为第一语义意图和第二语义意图对应的权值,可基于预先设置的坐席和客户之间的权值进行确定第一权值和第二权值,例如,第一权值和第二权值分别为0.8和0.2等。还可分别基于第一语义意图和第二语义意图对应的对话文本的时间长度之间的比值进行确定等,在此不做限定。
可以理解,在该示例中,先分别确定第一语义意图和第二语义意图对应的权值和违规概率,再对第一语义意图和第二语义意图进行加权计算得到目标违规概率,可提高获取目标违规概率的准确率。
本申请对于预设阈值也不做限定,可基于坐席的历史违规记录或者坐席的评价值等进行确定。
可以理解,违规事件可能是坐席主动执行的动作,也可能是由客户的要求而导致坐席产生的行为,则在第二种可能的示例中,若确定坐席的第一语义意图不属于预设违规意图,则基于客户的第二语义意图确定第一语义意图的目标违规概率,在目标违规概率大于或等于预设阈值时,确定坐席在对话文本对应的沟通过程中是否存在为违规操作。也就是说,基于客户侧的语义意图确定坐席侧的语义意图是否属于预设违规意图,可进一步提高确定坐席是否存在违规操作的准确率。
在如图1所示的方法中,获取坐席和客户之间的对话文本。然后基于第一语义模型获取对话文本中动词对应的关系词汇,以及动词和关系词汇之间的论元属性,再基于动词、关系词汇以及动词和关系词汇之间的论元属性组成对话文本的论元角色。然后基于第二语义模型和论元角色确定对话文本的语义意图,基于语义意图确定坐席在对话文本对应的沟通过程中是否存在违规操作。如此,在获取对话文本的论元角色的基础上获取对话文本中的语义意图,也就是说,获取坐席和客户的沟通过程中坐席的深层语义信息,从而确定该沟通过程中坐席是否存在违规操作,提高了违规操作检测的准确率。
上述详细阐述了本申请实施例的方法,下面提供了本申请实施例的装置。
与图1所示的实施例一致,请参照图2,图2是本申请提出的一种测试用例的处理装置的结构示意图,如图2所示,上述语义检测装置200包括:
获取单元201,用于获取坐席和客户之间的对话文本;基于第一语义模型获取所述对话文本中动词对应的关系词汇,以及所述动词和所述关系词汇之间的论元属性;
组成单元202,用于基于所述动词、所述论元属性和所述关系词汇组成所述对话文本的论元角色;
确定单元203,用于基于第二语义模型和所述论元角色确定所述对话文本对应的语义意图;基于所述语义意图确定所述坐席在所述对话文本对应的沟通过程中是否存在违规操作。
在一个可能的示例中,所述语义意图包括所述坐席的第一语义意图和所述客户的第二语义意图,所述确定单元203具体用于若所述第一语义意图属于预设违规意图,则确定所述坐席在所述对话文本对应的沟通过程中存在违规操作。
或者,在一个可能的示例中,所述确定单元203具体用于若所述第一语义意图不属于所述预设违规意图,则基于所述第二语义意图确定所述第一语义意图的目标违规概率;若所述目标违规概率大于或等于预设阈值,则确定所述坐席在所述沟通过程中存在违规操作。
在一个可能的示例中,所述对话文本包括坐席对话文本,所述确定单元203具体用于基于所述第二语义模型对所述坐席对话文本的论元角色进行语义组合,得到至少一个参考语义意图;确定所述参考语义意图在所述对话文本中的合理值;将与所述合理值中的最大值对应的参考语义意图作为所述坐席的第一语义意图。
在一个可能的示例中,所述确定单元203具体用于确定所述第一语义意图对应的第一违规概率和所述第二语义意图对应的第二违规概率;对所述第一违规概率和所述第二违规概率进行加权计算,得到目标违规概率。
在一个可能的示例中,若所述沟通过程的沟通类型为语音,所述对话文本还包括客户对话文本,所述获取单元201具体用于获取坐席和客户之间的对话语音数据;对所述对话语音数据进行声纹识别,得到至少两个声纹特征对应的语音片段;确定所述语音片段中的坐席语音片段和客户语音片段;对所述坐席语音片段进行语义识别,得到所述坐席对话文本,对所述客户语音片段进行语义识别,得到所述客户对话文本。
在一个可能的示例中,所述获取单元201还用于若所述语音片段包括第三人语音片段,则对所述第三人语音片段进行语义识别,得到第三人对话文本;所述确定单元203还用于基于所述坐席对话文本、所述客户对话文本和所述第三人对话文本确定所述第三人对话文本对应的第三人在所述沟通过程中是否存在违规操作;若确定所述第三人在所述沟通过程中存在违规操作,则确定所述坐席在所述沟通过程中存在违规操作。
在一个可能的示例中,所述获取单元201具体用于基于所述坐席的职位信息确定所述对话文本的业务范围;基于所述业务范围确定所述动词的属性信息;基于第一语义模型和所述属性信息,从所述对话文本中获取所述动词对应的关系词汇,将所述属性信息作为所述动词和所述关系词汇之间的论元属性。
该语义检测装置200中各个单元执行详细过程可以参见前述方法实施例中的执行步骤,此处不在赘述。
与图1的实施例一致,请参照图3,图3是本申请实施例提供的一种计算机设备的结构示意图。如图3所示,该计算机设备300包括处理器310、存储器320、通信接口330以及一个或至少一个程序340。图2所示的获取单元201、组成单元202和确定单元203所实现的相关功能可通过处理器310来实现。
上述一个或至少一个程序340被存储在上述存储器320中,并且被配置由上述处理器310执行,上述程序340包括用于执行以下步骤的指令:
获取坐席和客户之间的对话文本;
基于第一语义模型获取所述对话文本中动词对应的关系词汇,以及所述动词和所述关系词汇之间的论元属性;
基于所述动词、所述论元属性和所述关系词汇组成所述对话文本的论元角色;
基于第二语义模型和所述论元角色确定所述对话文本的语义意图;
基于所述语义意图确定所述坐席在所述对话文本对应的沟通过程中是否存在违规操作。
在一个可能的示例中,所述语义意图包括所述坐席的第一语义意图和所述客户的第二语义意图,在所述基于所述语义意图确定所述坐席在所述对话文本对应的沟通过程中是否存在违规操作方面,所述程序340具体用于执行以下步骤的指令:
若所述第一语义意图属于预设违规意图,则确定所述坐席在所述对话文本对应的沟通过程中存在违规操作;
或者,若所述第一语义意图不属于所述预设违规意图,则基于所述第二语义意图确定所述第一语义意图的目标违规概率;若所述目标违规概率大于或等于预设阈值,则确定所述坐席在所述沟通过程中存在违规操作。
在一个可能的示例中,所述对话文本包括坐席对话文本,在所述基于第二语义模型和所述论元角色确定所述对话文本对应的语义意图方面,所述程序340具体用于执行以下步骤的指令:
基于所述第二语义模型对所述坐席对话文本的论元角色进行语义组合,得到至少一个参考语义意图;
确定所述参考语义意图在所述对话文本中的合理值;
将与所述合理值中的最大值对应的参考语义意图作为所述坐席的第一语义意图。
在一个可能的示例中,在所述基于所述第二语义意图确定所述第一语义意图的目标违规概率方面,所述程序340具体用于执行以下步骤的指令:
确定所述第一语义意图对应的第一违规概率和所述第二语义意图对应的第二违规概率;
对所述第一违规概率和所述第二违规概率进行加权计算,得到目标违规概率。
在一个可能的示例中,所述沟通过程的沟通类型为语音,所述对话文本还包括客户对话文本,在所述获取坐席和客户之间的对话文本方面,所述程序340具体用于执行以下步骤的指令:
获取坐席和客户之间的对话语音数据;
对所述对话语音数据进行声纹识别,得到至少两个声纹特征对应的语音片段;
确定所述语音片段中的坐席语音片段和客户语音片段;
对所述坐席语音片段进行语义识别,得到所述坐席对话文本,对所述客户语音片段进行语义识别,得到所述客户对话文本。
在一个可能的示例中,所述程序340还用于执行以下步骤的指令:
若所述语音片段包括第三人语音片段,则对所述第三人语音片段进行语义识别,得到第三人对话文本;
基于所述坐席对话文本、所述客户对话文本和所述第三人对话文本确定所述第三人对话文本对应的第三人在所述沟通过程中是否存在违规操作;
若确定所述第三人在所述沟通过程中存在违规操作,则确定所述坐席在所述沟通过程中存在违规操作。
在一个可能的示例中,在所述基于第一语义模型获取所述对话文本中与所述动词对应的关系词汇,以及所述动词和所述关系词汇之间的论元属性方面,所述程序340具体用于执行以下步骤的指令:
基于所述坐席的职位信息确定所述对话文本的业务范围;
基于所述业务范围确定所述动词的属性信息;
基于第一语义模型和所述属性信息,从所述对话文本中获取所述动词对应的关系词汇,将所述属性信息作为所述动词和所述关系词汇之间的论元属性。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于存储计算机程序,该计算机程序使得计算机执行以实现方法实施例中记载的任一方法的部分或全部步骤,计算机包括服务器、用户终端和客服终端。
本申请实施例还提供一种计算机程序产品,计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,计算机程序可操作来使计算机执行以实现方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,计算机包括服务器、用户终端和客服终端。
需要说明的是,对于前述的各方法实施例,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,本申请并不受所描述的动作顺序的限制,因为依据本申请,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,所涉及的动作和模式并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如至少一个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到至少一个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模式的形式实现。
集成的单元如果以软件程序模式的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。根据这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(read-only memory,ROM)、随机存取存储器(randomaccess memory,RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、ROM、RAM、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,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,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种语义检测方法,其特征在于,包括:
获取坐席和客户之间的对话文本;
基于第一语义模型获取所述对话文本中动词对应的关系词汇,以及所述动词和所述关系词汇之间的论元属性;
基于所述动词、所述论元属性和所述关系词汇组成所述对话文本的论元角色;
基于第二语义模型和所述论元角色确定所述对话文本的语义意图;
基于所述语义意图确定所述坐席在所述对话文本对应的沟通过程中是否存在违规操作。
2.根据权利要求1所述的方法,其特征在于,所述语义意图包括所述坐席的第一语义意图和所述客户的第二语义意图,所述基于所述语义意图确定所述坐席在所述对话文本对应的沟通过程中是否存在违规操作,包括:
若所述第一语义意图属于预设违规意图,则确定所述坐席在所述对话文本对应的沟通过程中存在违规操作;或者,
若所述第一语义意图不属于所述预设违规意图,则基于所述第二语义意图确定所述第一语义意图的目标违规概率;若所述目标违规概率大于或等于预设阈值,则确定所述坐席在所述沟通过程中存在违规操作。
3.根据权利要求2所述的方法,其特征在于,所述对话文本包括坐席对话文本,所述基于第二语义模型和所述论元角色确定所述对话文本对应的语义意图,包括:
基于所述第二语义模型对所述坐席对话文本的论元角色进行语义组合,得到至少一个参考语义意图;
确定所述参考语义意图在所述对话文本中的合理值;
将与所述合理值中的最大值对应的参考语义意图作为所述坐席的第一语义意图。
4.根据权利要求2所述的方法,其特征在于,所述基于所述第二语义意图确定所述第一语义意图的目标违规概率,包括:
确定所述第一语义意图对应的第一违规概率和所述第二语义意图对应的第二违规概率;
对所述第一违规概率和所述第二违规概率进行加权计算,得到目标违规概率。
5.根据权利要求3所述的方法,其特征在于,所述沟通过程的沟通类型为语音,所述对话文本还包括客户对话文本,所述获取坐席和客户之间的对话文本,包括:
获取坐席和客户之间的对话语音数据;
对所述对话语音数据进行声纹识别,得到至少两个声纹特征对应的语音片段;
确定所述语音片段中的坐席语音片段和客户语音片段;
对所述坐席语音片段进行语义识别,得到所述坐席对话文本,对所述客户语音片段进行语义识别,得到所述客户对话文本。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
若所述语音片段包括第三人语音片段,则对所述第三人语音片段进行语义识别,得到第三人对话文本;
基于所述坐席对话文本、所述客户对话文本和所述第三人对话文本确定所述第三人对话文本对应的第三人在所述沟通过程中是否存在违规操作;
若确定所述第三人在所述沟通过程中存在违规操作,则确定所述坐席在所述沟通过程中存在违规操作。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述基于第一语义模型获取所述对话文本中与所述动词对应的关系词汇,以及所述动词和所述关系词汇之间的论元属性,包括:
基于所述坐席的职位信息确定所述对话文本的业务范围;
基于所述业务范围确定所述动词的属性信息;
基于第一语义模型和所述属性信息,从所述对话文本中获取所述动词对应的关系词汇,将所述属性信息作为所述动词和所述关系词汇之间的论元属性。
8.一种语义检测装置,其特征在于,包括:
获取单元,用于获取坐席和客户之间的对话文本;基于第一语义模型获取所述对话文本中动词对应的关系词汇,以及所述动词和所述关系词汇之间的论元属性;
组成单元,用于基于所述动词、所述论元属性和所述关系词汇组成所述对话文本的论元角色;
确定单元,用于基于第二语义模型和所述论元角色确定所述对话文本对应的语义意图;基于所述语义意图确定所述坐席在所述对话文本对应的沟通过程中是否存在违规操作。
9.一种计算机设备,其特征在于,包括处理器、存储器、通信接口以及一个或至少一个程序,其中,所述一个或至少一个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行权利要求1-7任一项方法中的步骤的指令。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机程序,所述计算机程序使得计算机执行以实现权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110445965.1A CN113064983B (zh) | 2021-04-23 | 2021-04-23 | 语义检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110445965.1A CN113064983B (zh) | 2021-04-23 | 2021-04-23 | 语义检测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113064983A true CN113064983A (zh) | 2021-07-02 |
CN113064983B CN113064983B (zh) | 2024-04-26 |
Family
ID=76567647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110445965.1A Active CN113064983B (zh) | 2021-04-23 | 2021-04-23 | 语义检测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113064983B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114218949A (zh) * | 2021-12-16 | 2022-03-22 | 北京中电普华信息技术有限公司 | 一种业务对象的提取方法及装置 |
CN114548118A (zh) * | 2022-04-27 | 2022-05-27 | 中信建投证券股份有限公司 | 一种服务对话检测方法及*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103221947A (zh) * | 2011-10-20 | 2013-07-24 | 日本电气株式会社 | 文本含意辨认装置、文本含意辨认方法和计算机可读记录介质 |
CN103530281A (zh) * | 2013-10-15 | 2014-01-22 | 苏州大学 | 一种论元抽取方法和*** |
US20170337474A1 (en) * | 2016-05-20 | 2017-11-23 | Disney Enterprises, Inc. | Systems and Methods for Determining Semantic Roles of Arguments in Sentences |
CN108900725A (zh) * | 2018-05-29 | 2018-11-27 | 平安科技(深圳)有限公司 | 一种声纹识别方法、装置、终端设备及存储介质 |
CN110310663A (zh) * | 2019-05-16 | 2019-10-08 | 平安科技(深圳)有限公司 | 违规话术检测方法、装置、设备及计算机可读存储介质 |
CN111368540A (zh) * | 2020-03-05 | 2020-07-03 | 国网安徽省电力有限公司 | 一种基于语义角色分析的关键词信息抽取方法 |
CN111709630A (zh) * | 2020-06-08 | 2020-09-25 | 深圳乐信软件技术有限公司 | 语音质检方法、装置、设备及存储介质 |
CN111967268A (zh) * | 2020-06-30 | 2020-11-20 | 北京百度网讯科技有限公司 | 文本中的事件抽取方法、装置、电子设备和存储介质 |
CN112507697A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 事件名的生成方法、装置、设备及介质 |
CN112671985A (zh) * | 2020-12-22 | 2021-04-16 | 平安普惠企业管理有限公司 | 基于深度学习的坐席质检方法、装置、设备及存储介质 |
-
2021
- 2021-04-23 CN CN202110445965.1A patent/CN113064983B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103221947A (zh) * | 2011-10-20 | 2013-07-24 | 日本电气株式会社 | 文本含意辨认装置、文本含意辨认方法和计算机可读记录介质 |
CN103530281A (zh) * | 2013-10-15 | 2014-01-22 | 苏州大学 | 一种论元抽取方法和*** |
US20170337474A1 (en) * | 2016-05-20 | 2017-11-23 | Disney Enterprises, Inc. | Systems and Methods for Determining Semantic Roles of Arguments in Sentences |
CN108900725A (zh) * | 2018-05-29 | 2018-11-27 | 平安科技(深圳)有限公司 | 一种声纹识别方法、装置、终端设备及存储介质 |
CN110310663A (zh) * | 2019-05-16 | 2019-10-08 | 平安科技(深圳)有限公司 | 违规话术检测方法、装置、设备及计算机可读存储介质 |
CN111368540A (zh) * | 2020-03-05 | 2020-07-03 | 国网安徽省电力有限公司 | 一种基于语义角色分析的关键词信息抽取方法 |
CN111709630A (zh) * | 2020-06-08 | 2020-09-25 | 深圳乐信软件技术有限公司 | 语音质检方法、装置、设备及存储介质 |
CN111967268A (zh) * | 2020-06-30 | 2020-11-20 | 北京百度网讯科技有限公司 | 文本中的事件抽取方法、装置、电子设备和存储介质 |
CN112507697A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 事件名的生成方法、装置、设备及介质 |
CN112671985A (zh) * | 2020-12-22 | 2021-04-16 | 平安普惠企业管理有限公司 | 基于深度学习的坐席质检方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
WEI LI ET AL.: "Joint event extraction based on hierarchical event schemas from framenet", IEEE ACCESS, 7 March 2019 (2019-03-07) * |
徐扬等: "基于上下文信息的口语意图检测方法", 计算机科学, 19 September 2019 (2019-09-19) * |
章顺瑞等: "基于语义角色分析的事件抽取技术", 太赫兹科学与电子信息学报, 25 April 2017 (2017-04-25) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114218949A (zh) * | 2021-12-16 | 2022-03-22 | 北京中电普华信息技术有限公司 | 一种业务对象的提取方法及装置 |
CN114548118A (zh) * | 2022-04-27 | 2022-05-27 | 中信建投证券股份有限公司 | 一种服务对话检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113064983B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10446134B2 (en) | Computer-implemented system and method for identifying special information within a voice recording | |
US8145562B2 (en) | Apparatus and method for fraud prevention | |
US20180285595A1 (en) | Virtual agent for the retrieval and analysis of information | |
CN107481720B (zh) | 一种显式声纹识别方法及装置 | |
CN109767787B (zh) | 情绪识别方法、设备及可读存储介质 | |
US7689418B2 (en) | Method and system for non-intrusive speaker verification using behavior models | |
US6490560B1 (en) | Method and system for non-intrusive speaker verification using behavior models | |
CN110597952A (zh) | 信息处理方法、服务器及计算机存储介质 | |
Qian et al. | Towards privacy-preserving speech data publishing | |
JP5496863B2 (ja) | 感情推定装置、その方法、プログラム及びその記録媒体 | |
CN113064983B (zh) | 语义检测方法、装置、计算机设备及存储介质 | |
CN110581927A (zh) | 通话内容的处理及提示方法、装置 | |
CN112381513A (zh) | 信息审批方法、装置、电子设备及存储介质 | |
US11706337B1 (en) | Artificial intelligence assistant for customer service representatives | |
US10446138B2 (en) | System and method for assessing audio files for transcription services | |
EP1470549B1 (en) | Method and system for non-intrusive speaker verification using behavior models | |
CN112581297A (zh) | 基于人工智能的信息推送方法、装置及计算机设备 | |
US20230030870A1 (en) | Utterance intent detection | |
Sergidou et al. | Frequent-words analysis for forensic speaker comparison | |
US11947872B1 (en) | Natural language processing platform for automated event analysis, translation, and transcription verification | |
CN113836273A (zh) | 基于复杂语境的法律咨询方法及相关设备 | |
CN112565242A (zh) | 基于声纹识别的远程授权方法、***、设备及存储介质 | |
KR102627819B1 (ko) | 인공지능을 이용한 문맥 내 개인정보 판단 장치, 방법 및 컴퓨터 프로그램 | |
JP7370521B2 (ja) | 音声分析装置、音声分析方法、オンラインコミュニケーションシステム、およびコンピュータプログラム | |
US20220319496A1 (en) | Systems and methods for training natural language processing models in a contact center |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40051210 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |