TWI815400B

TWI815400B - 情緒分析系統

Info

Publication number: TWI815400B
Application number: TW111114347A
Authority: TW
Inventors: 郭伊婷; 張淑蕙; 張君寧; 林耀煒
Original assignee: 合作金庫商業銀行股份有限公司
Priority date: 2022-04-14
Filing date: 2022-04-14
Publication date: 2023-09-11
Also published as: TW202341130A

Abstract

一種情緒分析系統包含語音接收器、伺服器及處理器。伺服器用以儲存複數語音資料。處理器用以根據記憶體的複數指令執行以下步驟：根據複數語音資料以於伺服器儲存複數通話紀錄資料；根據複數語音資料以於複數通話紀錄資料標記註記資料；根據註記資料以取得複數通話紀錄資料的客戶情緒紀錄參數；將複數通話紀錄資料透過深度學習演算法以取得第一客戶情緒預測參數及第一情緒分析模型；比對客戶情緒紀錄參數與第一客戶情緒預測參數是否相同；以及當客戶情緒紀錄參數與第一客戶情緒預測參數相同時，輸出第一情緒分析模型。

Description

情緒分析系統

本案係有關於一種分析系統，且特別是關於一種情緒分析系統。

現行，客訴會為公司帶來損失（例如：商譽的影響、品牌形象的破壞、善後的時間與人力成本投入），甚至可能會受到主管機關的特別關注等。

發明內容旨在提供本揭示內容的簡化摘要，以使閱讀者對本揭示內容具備基本的理解。此發明內容並非本揭示內容的完整概述，且其用意並非在指出本案實施例的重要/關鍵元件或界定本案的範圍。

本案內容之一技術態樣係關於一種情緒分析系統。情緒分析系統包含語音接收器、伺服器及處理器。語音接收器用以收集複數語音資料。伺服器電信耦接於語音接收器，並用以儲存複數語音資料。處理器電信耦接於伺服器，並用以根據記憶體的複數指令執行以下步驟：根據複數語音資料用以於伺服器儲存複數通話紀錄資料；根據複數語音資料以於複數通話紀錄資料標記註記資料；根據註記資料以取得複數通話紀錄資料的客戶情緒紀錄參數；將複數通話紀錄資料透過深度學習演算法以取得第一客戶情緒預測參數及第一情緒分析模型；比對客戶情緒紀錄參數與第一客戶情緒預測參數是否相同；以及當客戶情緒紀錄參數與第一客戶情緒預測參數相同時，輸出第一情緒分析模型。

因此，根據本案之技術內容，本案實施例所示之情緒分析系統得以提前偵測客戶的情緒，以達到避免客訴發生的功效。

在參閱下文實施方式後，本案所屬技術領域中具有通常知識者當可輕易瞭解本案之基本精神及其他發明目的，以及本案所採用之技術手段與實施態樣。

為了使本揭示內容的敘述更加詳盡與完備，下文針對了本案的實施態樣與具體實施例提出了說明性的描述；但這並非實施或運用本案具體實施例的唯一形式。實施方式中涵蓋了多個具體實施例的特徵以及用以建構與操作這些具體實施例的方法步驟與其順序。然而，亦可利用其他具體實施例來達成相同或均等的功能與步驟順序。

除非本說明書另有定義，此處所用的科學與技術詞彙之含義與本案所屬技術領域中具有通常知識者所理解與慣用的意義相同。此外，在不和上下文衝突的情形下，本說明書所用的單數名詞涵蓋該名詞的複數型；而所用的複數名詞時亦涵蓋該名詞的單數型。

另外，關於本文中所使用之「耦接」，可指二或多個元件相互直接作實體或電性接觸，或是相互間接作實體或電性接觸，亦可指二或多個元件相互操作或動作。

第1圖係依照本案一實施例繪示一種情緒分析系統的方塊圖。如圖所示，情緒分析系統100包含語音接收器110、伺服器120及處理器130。於連接關係上，伺服器120電信耦接於語音接收器110，處理器130電信耦接於伺服器120。

為提前偵測客戶的情緒，以達到避免客訴發生的功效，本案提供如第1圖所示之情緒分析系統100，情緒分析系統100的相關操作詳細說明如後。

請參閱第1圖，在一實施例中，語音接收器110用以收集複數語音資料。然後，伺服器120用以儲存複數語音資料。舉例而言，語音接收器110可以為透過語音轉文字（Speech To Text, STT）軟體或演算法所驅動的裝置，可以透過語音接收器110擷取客戶說話的字詞、音頻、聲量、語速、整通電話的通話時長及客戶於交互式語音應答（Interactive Voice Response, IVR）時輸入之身分證字號等資料，當客戶與客服人員談話時，即時將上述複數語音相關資料存進伺服器120，以供後續分析使用，但本案不以此為限。

再來，處理器130用以根據記憶體140的複數指令執行以下步驟：根據複數語音資料以於伺服器120儲存複數通話紀錄資料。舉例而言，記憶體140可以耦接於處理器130，處理器130可以透過數據分析軟體(例如Python)整理複數語音資料，將客戶的字詞進行斷詞，實際而言，可以透過結巴斷詞法（例如Jieba 斷詞系統），使用內建的停止詞和新增詞以將複數語音資料內的字詞資料整理為通話紀錄資料，並儲存於伺服器120，但本案不以此為限。此外，可以將客戶的音頻、聲量、語速、整通電話的通話時長數值化為通話紀錄資料，而通話紀錄資料可以包含客戶的身分證字號並一同儲存於伺服器120，此數值化過程為將非結構化資料轉成結構化資料，但本案不以此為限。

然後，處理器130用以根據複數語音資料以於複數通話紀錄資料中標記註記資料。隨後，處理器130用以根據註記資料以取得複數通話紀錄資料的客戶情緒紀錄參數。舉例而言，客服人員可以透過處理器130根據複數語音資料以於通話紀錄資料中標記註記資料，註記資料可以為當客戶有情緒不悅、嚴厲要求轉接主管或直接進行客訴的通話時，客服人員於通話紀錄資料特別註記的相關內容。此外，處理器130可以於註記過的通話紀錄資料取得客戶情緒紀錄參數，此時的客戶情緒紀錄參數為1，即表示客戶有負面情緒，若通話紀錄資料沒有被註記，則客戶情緒紀錄參數為0，但本案不以此為限。

然後，處理器130用以將複數通話紀錄資料透過深度學習演算法以取得第一客戶情緒預測參數及第一情緒分析模型。舉例而言，深度學習演算法可以為深度學習模型，且深度學習模型的框架可以包含Embedding、LSTM及Softmax，並將複數通話紀錄資料以8:2之比例拆成訓練集和驗證集，並將複數通話紀錄資料放入深度學習模型中以取得第一客戶情緒預測參數及第一情緒分析模型，但本案不以此為限。

隨後，處理器130用以比對客戶情緒紀錄參數與第一客戶情緒預測參數是否相同。然後，當客戶情緒紀錄參數與第一客戶情緒預測參數相同時，處理器130用以輸出第一情緒分析模型。舉例而言，客戶情緒紀錄參數可以為0至1，第一客戶情緒預測參數可以為0至1，當客戶情緒紀錄參數與第一客戶情緒預測參數相同時，即第一情緒分析模型用於預測客戶情緒的精準度高，處理器130可以將第一情緒分析模型輸出並打包成應用程式介面（Application Programming Interface, API），且此API可以用以輸出客戶情緒預測參數，但本案不以此為限。

在一實施例中，處理器130更用以根據記憶體140的複數指令以執行以下步驟：根據複數語音資料透過伺服器120儲存的第一情緒分析模型以取得第二客戶情緒預測參數。舉例而言，複數語音資料可以為客戶致電的語音內容，並根據客戶致電的語音內容透過伺服器120儲存的第一情緒分析模型以取得第二客戶情緒預測參數。

第2圖係依照本案一實施例繪示一種情緒分析系統的使用情境圖。請一併參閱第1圖及第2圖，在一實施例中，處理器130更用以根據記憶體140的複數指令以執行以下步驟：當第二客戶情緒預測參數超過情緒參數閾值時，控制顯示器150以顯示警告資訊A1。舉例而言，情緒分析系統100可以進一步包含顯示器150，情緒參數閾值可以為0.8，第二客戶情緒預測參數可以為0.9，此時由於第二客戶情緒預測參數超過情緒參數閾值，故顯示警告資訊A1於顯示器150。此外，第二客戶情緒預測參數可以稱為負面指數，警告資訊A1的內容可以為「客戶負面偏高，請留意」，但本案不以此為限。

換句話說，顯示警告資訊A1於顯示器150的用意為提醒客服人員及其直屬主管特別留意，並立即採取安撫客戶的行為，避免潛在客訴的發生。

在一實施例中，處理器130更用以根據記憶體140的複數指令以執行以下步驟：當客戶情緒紀錄參數與第一客戶情緒預測參數不相同時，調整深度學習演算法內的超參數。然後，處理器130用以比對客戶情緒紀錄參數與第三客戶情緒預測參數是否相同。隨後，當客戶情緒紀錄參數與第三客戶情緒預測參數相同時，處理器130用以輸出第二情緒分析模型。舉例而言，當客戶情緒紀錄參數與第一客戶情緒預測參數不相同時，即第一情緒分析模型的準確度太低，故調整深度學習演算法內的超參數，直到深度學習演算法產生的情緒分析模型的準確度符合預期，但本案不以此為限。

在一實施例中，複數通話紀錄資料語音資料可為字詞資料、當天已進線電話數資料、音頻資料、聲量資料、語速資料或通話時間資料。舉例而言，字詞資料可以為客戶語音經過斷句後的字詞資料，當天已進線電話數資料可以為根據客戶身份證字號當作單位來計算的次數，例如，客戶每次與客服接洽時需要報一次自己的身份證字號，藉此計算當天已進線電話數資料，音頻資料可以為客戶與客服接洽時的音頻數值，例如，當客戶憤怒到音高至破音時，音頻資料可以為10，聲量資料可以為客戶與客服接洽時的聲量數值，例如，當客戶憤怒到怒吼時，聲量資料可以為9，語速資料可以為客戶與客服接洽時的語速數值，例如，當客戶焦慮到語速快到幾乎聽不清楚時，語速資料可以為8，通話時間資料可以為客戶與客服接洽時的總通話時間長度，但本案不以此為限。

在一實施例中，當天已進線電話數資料與客戶身份證資料相關。舉例而言，已進線電話數資料可以為已進線的電話數量，處理器130可以從伺服器120中一天紀錄的客戶身份證資料的數量來計算出當天已進線電話數資料，詳細來說，若一天內伺服器120中的客戶身份證資料之筆數為3筆，則可計算出當天已進線的電話數量為3筆，但本案不以此為限。

由上述本案實施方式可知，應用本案具有下列優點。本案實施例所示之情緒分析系統得以提前偵測客戶的情緒，以達到避免客訴發生的功效。

雖然上文實施方式中揭露了本案的具體實施例，然其並非用以限定本案，本案所屬技術領域中具有通常知識者，在不悖離本案之原理與精神的情形下，當可對其進行各種更動與修飾，因此本案之保護範圍當以附隨申請專利範圍所界定者為準。

100:情緒分析系統 110:語音接收器 120:伺服器 130:處理器 140:記憶體 150:顯示器 A1:警告資訊

為讓本案之上述和其他目的、特徵、優點與實施例能更明顯易懂，所附圖式之說明如下：第1圖係依照本案一實施例繪示一種情緒分析系統的方塊圖。第2圖係依照本案一實施例繪示一種情緒分析系統的使用情境圖。根據慣常的作業方式，圖中各種特徵與元件並未依比例繪製，其繪製方式是為了以最佳的方式呈現與本案相關的具體特徵與元件。此外，在不同圖式間，以相同或相似的元件符號來指稱相似的元件/部件。

國內寄存資訊(請依寄存機構、日期、號碼順序註記) 無國外寄存資訊(請依寄存國家、機構、日期、號碼順序註記) 無

100:情緒分析系統

110:語音接收器

120:伺服器

130:處理器

140:記憶體

Claims

一種情緒分析系統，包含：一語音接收器，用以收集複數語音資料；一伺服器，電信耦接於該語音接收器，並用以儲存複數語音資料；以及一處理器，電信耦接於該伺服器，並用以根據一記憶體的複數指令執行以下步驟：根據該些語音資料以於該伺服器儲存複數通話紀錄資料；根據該些語音資料以於該些通話紀錄資料標記一註記資料；根據該註記資料以取得該些通話紀錄資料的一客戶情緒紀錄參數；將該些通話紀錄資料透過一深度學習演算法以取得一第一客戶情緒預測參數及一第一情緒分析模型；比對該客戶情緒紀錄參數與該第一客戶情緒預測參數是否相同；以及當該客戶情緒紀錄參數與該第一客戶情緒預測參數相同時，輸出該第一情緒分析模型。
如請求項1所述之情緒分析系統，其中該處理器更用以根據該記憶體的該些指令以執行以下步驟：根據該些語音資料透過該伺服器儲存的該第一情緒分析模型以取得一第二客戶情緒預測參數。
如請求項2所述之情緒分析系統，其中該處理器更用以根據該記憶體的該些指令以執行以下步驟：當該第二客戶情緒預測參數超過一情緒參數閾值時，控制一顯示器以顯示一警告資訊。
如請求項2所述之情緒分析系統，其中該處理器更用以根據該記憶體的該些指令以執行以下步驟：當該客戶情緒紀錄參數與該第一客戶情緒預測參數不相同時，調整該深度學習演算法內的一超參數。
如請求項4所述之情緒分析系統，其中該處理器更用以根據該記憶體的該些指令以執行以下步驟：將該些語音資料透過該深度學習演算法以取得一第三客戶情緒預測參數及一第二情緒分析模型。
如請求項5所述之情緒分析系統，其中該處理器更用以根據該記憶體的該些指令以執行以下步驟：比對該客戶情緒紀錄參數與該第三客戶情緒預測參數是否相同。
如請求項6所述之情緒分析系統，其中該處理器更用以根據該記憶體的該些指令以執行以下步驟：當該客戶情緒紀錄參數與該第三客戶新情緒預測參數相同時，輸出該第二情緒分析模型。
如請求項1所述之情緒分析系統，其中該些通話紀錄資料包含一字詞資料、一當天已進線電話數資料、一音頻資料、一聲量資料、一語速資料及一通話時間資料的其中至少一者。
如請求項1所述之情緒分析系統，其中該些通話紀錄資料包含一客戶身份證資料。
如請求項9所述之情緒分析系統，其中一當天已進線電話數資料與該客戶身份證資料相關。