客服通话分析方法及装置制造方法及图纸

本公开涉及客服服务领域，提供了一种客服通话分析方法，包括：将通话时长大于预设时长的客服通话转换为通话文本；在通话文本中标注出时长影响因素及各时长影响因素所占的比例，时长影响因素包括语气词过多、引导性语言过多、缺乏基本专业知识、无法理解客户描述和答非所问中的至少一种；将标注后的通话文本分为训练文本数据和测试文本数据；根据训练文本数据和测试文本数据生成时长影响因素识别准确率大于第一预设阈值的时长影响因素识别模型；根据时长影响因素识别模型对待识别客服通话进行分析，并生成与待识别客服通话对应的时长影响因素分析报告，时长影响因素分析报告包括降低客服通话时长建议信息。相应地还提供了一种客服通话分析装置。

【技术实现步骤摘要】
客服通话分析方法及装置
本公开涉及客服服务领域，特别涉及客服通话分析方法及装置。
技术介绍
目前电信运营仍需要大量的人工坐席为客户提供服务，如何降低客服通话时长及提高客服工作效率成为困扰运营商的一大难题，为了降低客服通话时长及提高客服工作效率，需对服务通话内容和通话时长间的关系进行分析。但由于运营商人工坐席服务客户的通话数据量庞大，通过人工方式无法有效分析出服务通话内容和通话时长间的关系，也即无法为降低客服通话时长及提高客服工作效率提出有效的解决方案。应该注意，上面对技术背景的介绍只是为了方便对本公开的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本公开的
技术介绍
部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
技术实现思路
本公开旨在至少解决现有技术中存在的技术问题之一，提出了一种客服通话分析方法及装置。第一方面，本公开实施例提供了一种客服通话分析方法，包括：将通话时长大于预设时长的客服通话转换为通话文本；在通话文本中标注出时长影响因素及各时长影响因素所占的比例，所述时长影响因素包括语气词过多、引导性语言过多、缺乏基本专业知识、无法理解客户描述和答非所问中的至少一种；将标注后的所述通话文本分为训练文本数据和测试文本数据；根据所述训练文本数据和测试文本数据生成时长影响因素识别准确率大于第一预设阈值的时长影响因素识别模型；根据所述时长影响因素识别模型对待识别客服通话进行分析，并生成与所述待识别客服通话对应的时长影响因素分析报告，所述时长影响因素分析报告包括降低客服通话时长建议信息。在一些实施例中，将标注后的通话文本分为训练文本数据和测试文本数据的步骤具体包括：对标注后的所述通话文本进行分词处理并统计出所述通话文本中的停用词；去掉所述通话文本中的停用词并按照预设比例将所述通话文本分为训练文本数据和测试文本数据。在一些实施例中，根据训练文本数据和测试文本数据生成时长影响因素识别准确率大于第一预设阈值的时长影响因素识别模型的步骤具体包括：对所述训练文本数据和测试文本数据进行向量化处理；通过监督学习的方式从向量化处理后的所述训练文本数据中提取出时长影响因素及每种时长影响因素的共同特征并根据提取出的所述时长影响因素及每种时长影响因素的共同特征生成时长影响因素识别模型；根据所述测试数据文本及所述时长影响因素识别模型生成影响因素测试结果；根据所述影响因素测试结果和通话文本中标注出的时长影响因素生成所述时长影响因素识别模型的时长影响因素识别准确率；判断所述时长影响因素识别准确率是否大于第一预设阈值，若否，调整所述时长影响因素识别模型直至所述时长影响因素识别准确率大于第一预设阈值。在一些实施例中，在根据时长影响因素识别模型对待识别客服通话进行分析之后还包括：抽取部分所述待识别客服通话进行检验并生成时长影响因素检验识别结果；根据所述时长影响因素检验识别结果调整所述时长影响因素识别模型直至所述时长影响因素识别模型的时长影响因素识别准确率大于第二预设阈值。在一些实施例中，调整时长影响因素识别模型的步骤具体包括：调整所述预设时长、时长影响因素识别模型中各参数的权重、时长影响因素标注方式及数量，以生成新的时长影响因素识别模型。第二方面，本公开实施例提供了一种客服通话分析装置，包括：转换模块，用于将通话时长大于预设时长的客服通话转换为通话文本；标注模块，用于在通话文本中标注出时长影响因素及各时长影响因素所占的比例，所述时长影响因素包括语气词过多、引导性语言过多、缺乏基本专业知识、无法理解客户描述和答非所问中的至少一种；处理模块，用于将标注后的所述通话文本分为训练文本数据和测试文本数据；生成模块，用于根据所述训练文本数据和测试文本数据生成时长影响因素识别准确率大于第一预设阈值的时长影响因素识别模型；分析生成模块，用于根据所述时长影响因素识别模型对待识别客服通话进行分析，并生成与所述待识别客服通话对应的时长影响因素分析报告，所述时长影响因素分析报告包括降低客服通话时长建议信息。在一些实施例中，所述处理模块包括：分词处理统计子模块，用于对标注后的所述通话文本进行分词处理并统计出所述通话文本中的停用词；处理子模块，用于去掉所述通话文本中的停用词并按照预设比例将所述通话文本分为训练文本数据和测试文本数据。在一些实施例中，所述生成模块包括：向量化处理子模块，用于对所述训练文本数据和测试文本数据进行向量化处理；提取生成子模块，用于通过监督学习的方式从向量化处理后的所述训练文本数据中提取出时长影响因素及每种时长影响因素的共同特征并根据提取出的所述时长影响因素及每种时长影响因素的共同特征生成时长影响因素识别模型；第一生成子模块，用于根据所述测试数据文本及所述时长影响因素识别模型生成影响因素测试结果；第二生成子模块，用于根据所述影响因素测试结果和通话文本中标注出的时长影响因素生成所述时长影响因素识别模型的时长影响因素识别准确率；判断子模块，用于判断所述时长影响因素识别准确率是否大于第一预设阈值；调整子模块，用于当判断出所述时长影响因素识别准确率小于或等于第一预设阈值时，调整所述时长影响因素识别模型直至所述时长影响因素识别准确率大于第一预设阈值。在一些实施例中，所述客服通话分析装置还包括：抽取生成模块，用于抽取部分所述待识别客服通话进行检验并生成时长影响因素检验识别结果；调整模块，用于根据所述时长影响因素检验识别结果调整所述时长影响因素识别模型直至所述时长影响因素识别模型的时长影响因素识别准确率大于第二预设阈值。在一些实施例中，所述调整子模块和调整模块具体用于调整所述预设时长、时长影响因素识别模型中各参数的权重、时长影响因素标注方式及数量，以生成新的时长影响因素识别模型。本公开具有以下有益效果：本公开提供的客服通话分析方法，根据时长影响因素识别模型对待识别客服通话进行分析，并生成与待识别客服通话对应的时长影响因素分析报告，时长影响因素分析报告包括降低客服通话时长建议信息。其能够根据识别模型分析客服工作，提出降低客服通话时长的建议，进而促进客服工作效率的提升和客服成本的降低。参照后文的说明和附图，详细公开了本公开的特定实施方式，指明了本公开的原理可以被采用的方式。应该理解，本公开的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本公开的实施方式包括许多改变、修改和等同。针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。附图说明为了更清楚地说明本公开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公开的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本公开实施例提供的一种客服通话分析方法的流程示意图；图2为本公开实施例提供的另一种客服通话分析方法的流程示意图；图3为本公开实施例提供的一种客服通话分析装置的结构示意图本文档来自技高网...

【技术保护点】
1.一种客服通话分析方法，其特征在于，包括：将通话时长大于预设时长的客服通话转换为通话文本；在通话文本中标注出时长影响因素及各时长影响因素所占的比例，所述时长影响因素包括语气词过多、引导性语言过多、缺乏基本专业知识、无法理解客户描述和答非所问中的至少一种；将标注后的所述通话文本分为训练文本数据和测试文本数据；根据所述训练文本数据和测试文本数据生成时长影响因素识别准确率大于第一预设阈值的时长影响因素识别模型；根据所述时长影响因素识别模型对待识别客服通话进行分析，并生成与所述待识别客服通话对应的时长影响因素分析报告，所述时长影响因素分析报告包括降低客服通话时长建议信息。

【技术特征摘要】
1.一种客服通话分析方法，其特征在于，包括：将通话时长大于预设时长的客服通话转换为通话文本；在通话文本中标注出时长影响因素及各时长影响因素所占的比例，所述时长影响因素包括语气词过多、引导性语言过多、缺乏基本专业知识、无法理解客户描述和答非所问中的至少一种；将标注后的所述通话文本分为训练文本数据和测试文本数据；根据所述训练文本数据和测试文本数据生成时长影响因素识别准确率大于第一预设阈值的时长影响因素识别模型；根据所述时长影响因素识别模型对待识别客服通话进行分析，并生成与所述待识别客服通话对应的时长影响因素分析报告，所述时长影响因素分析报告包括降低客服通话时长建议信息。2.根据权利要求1所述的客服通话分析方法，其特征在于，将标注后的通话文本分为训练文本数据和测试文本数据的步骤具体包括：对标注后的所述通话文本进行分词处理并统计出所述通话文本中的停用词；去掉所述通话文本中的停用词并按照预设比例将所述通话文本分为训练文本数据和测试文本数据。3.根据权利要求1所述的客服通话分析方法，其特征在于，根据训练文本数据和测试文本数据生成时长影响因素识别准确率大于第一预设阈值的时长影响因素识别模型的步骤具体包括：对所述训练文本数据和测试文本数据进行向量化处理；通过监督学习的方式从向量化处理后的所述训练文本数据中提取出时长影响因素及每种时长影响因素的共同特征并根据提取出的所述时长影响因素及每种时长影响因素的共同特征生成时长影响因素识别模型；根据所述测试数据文本及所述时长影响因素识别模型生成影响因素测试结果；根据所述影响因素测试结果和通话文本中标注出的时长影响因素生成所述时长影响因素识别模型的时长影响因素识别准确率；判断所述时长影响因素识别准确率是否大于第一预设阈值，若否，调整所述时长影响因素识别模型直至所述时长影响因素识别准确率大于第一预设阈值。4.根据权利要求3所述的客服通话分析方法，其特征在于，在根据时长影响因素识别模型对待识别客服通话进行分析之后还包括：抽取部分所述待识别客服通话进行检验并生成时长影响因素检验识别结果；根据所述时长影响因素检验识别结果调整所述时长影响因素识别模型直至所述时长影响因素识别模型的时长影响因素识别准确率大于第二预设阈值。5.根据权利要求3或4所述的客服通话分析方法，其特征在于，调整时长影响因素识别模型的步骤具体包括：调整所述预设时长、时长影响因素识别模型中各参数的权重、时长影响因素标注方式及数量，以生成新的时长影响因素识别模型。6.一种客服通话分析装置，其特征在于，包括：转换模块，用于将通话时长...

【专利技术属性】
技术研发人员：董慧，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京,11