一种在线服务提供者服务质量评估方法和装置制造方法及图纸

本申请提供了一种在线服务提供者服务质量评估方法和装置，获取预设时间内服务提供者与服务接受者的会话信息；通过预设的基于注意力机制的层级空洞卷积网络HADCN深度学习模型，获取会话信息中的每次会话的意图标签；若确定针对同一服务接受者的会话的意图标签中存在相同的标签，则将时间在前的会话对应的服务提供者的重复咨询次数加1；将预设时间内每个服务提供者的重复咨询次数与该服务提供者的总咨询次数的比值作为该服务提供者的重复咨询率；根据每个服务提供者的重复咨询率确定该服务提供者的接待质量。该方法能够客观、正确地评估服务提供者的服务质量。

【技术实现步骤摘要】
一种在线服务提供者服务质量评估方法和装置
本专利技术涉及互联网
，特别涉及一种在线服务提供者服务质量评估方法和装置。
技术介绍
在电商领域，采用在线人工客服(服务提供者)对顾客(服务接受者)进行接待，回答顾客在售前和售后领域的相关问题，帮助顾客在整个购物过程中闭环，提升顾客的购物体验，是一种业界比较通用的解决方案。人工客服接待顾客过程中，需要找一种合理的方法评估在线客服接待质量。对于接待质量较差的客服，通过培训、减少接待量，或让他接待自己熟悉的业务等方式，尽量提升每个客服的接待质量，给顾客带来更好的感受和体验。如何对客服的服务质量做出评价？一般而言，我们通过顾客评价满意度的方法，对人工客服的接待质量做评估。在顾客完成咨询后，系统自动发出请求，邀请用户对该通会话的服务质量做评价。用户可以选择满意/不满意/一般，通过用户的反馈确定该客服的服务质量。上述通过顾客评价来评估客服的服务质量的方法，存在如下缺点：评价量少：大部分用户并不会真正去评价，而是直接离开；主观性强：评价的数据跟顾客的当前情绪、状态相关，本文档来自技高网...

【技术保护点】
1.一种在线服务提供者服务质量评估方法，其特征在于，该方法包括：/n获取预设时间内服务提供者与服务接受者的会话信息；其中，所述会话信息中的每次会话对应会话时间；/n通过预设的基于注意力机制的层级空洞卷积网络HADCN深度学习模型，获取会话信息中的每次会话的意图标签；/n若确定针对同一服务接受者的会话的意图标签中存在相同的标签，则将时间在前的会话对应的服务提供者的重复咨询次数加1；/n将预设时间内每个服务提供者的重复咨询次数与该服务提供者的总咨询次数的比值作为该服务提供者的重复咨询率；/n根据每个服务提供者的重复咨询率确定该服务提供者的接待质量，重复咨询率的值越小对应的接待质量越高。/n

【技术特征摘要】
1.一种在线服务提供者服务质量评估方法，其特征在于，该方法包括：
获取预设时间内服务提供者与服务接受者的会话信息；其中，所述会话信息中的每次会话对应会话时间；
通过预设的基于注意力机制的层级空洞卷积网络HADCN深度学习模型，获取会话信息中的每次会话的意图标签；
若确定针对同一服务接受者的会话的意图标签中存在相同的标签，则将时间在前的会话对应的服务提供者的重复咨询次数加1；
将预设时间内每个服务提供者的重复咨询次数与该服务提供者的总咨询次数的比值作为该服务提供者的重复咨询率；
根据每个服务提供者的重复咨询率确定该服务提供者的接待质量，重复咨询率的值越小对应的接待质量越高。


2.根据权利要求1所述的方法，其特征在于，所述预设的HADCN深度学习模型的建立，包括：
构造样本数据；所述样本数据包括服务提供者与服务接受者的会话信息，以及每次会话的意图标签；
基于构造的样本数据训练初始HADCN深度学习模型，得到预设的HADCN深度学习模型。


3.根据权利要求2所述的方法，其特征在于，所述构造样本数据，包括：
获取服务提供者接待服务接受者的会话信息；
对所述会话信息进行数据清洗；
接收针对每次会话信息分配的意图标签，并将意图标签与对应的会话信息绑定存储，作为样本数据。


4.根据权利要求3所述的方法，其特征在于，所述对所述会话信息进行数据清洗，包括：
过滤掉常用的开头语和结束语；
将服务接受者的连续会话语句合并为一句语句；将服务提供者的连续会话语句合并为一句语句；在合并过程中将合并前的会话语句之间使用空格表示。


5.根据权利要求1-4任一项所述的方法，其特征在于，所述预设的HADCN深度学习模型，包括：
针对每次会话中的每条语句产生每条语句的编码的空洞卷积网络DCN；将每条语句的编码生成所有语句的编码的DCN，以及用于输出所有语句的编码对应的意图标签的一个全连接层和归一化指数函数softmax层输。


6.根据权利要求5所述的方法，其特征在于，
针对每次会话中的每条语句产生每条语句的编码的DCN的个数为N，当N大于1时，每个DCN之间通过内部Inner注意力Attention连接；
将每条语句的编码生成所有语句的编码的DCN的个数为M，当M大于1时，每个DCN之间通过InnerAttention连接，其中，M和N相同或不同。


7.根据权利要求6所述的方法，其特征在于，
针对任一DCN设置如下参数：层数L、过滤器大小filtersizek和间隔因子dilationfactorsd；
其中，k表示每次所取的元素的个数；d表示对应层间隔d-1个元素取元素，所述N个DCN设置的参数k和d中至少存在一个参数不相同；所述M个DCN设置的参数k和d中至少存在一个参数不相同。


8.根据权利要求7所述的方法，其特征在于，所述预设的HADCN深度学习模型为训练过程中设置的L、d、k、M和N使得样本数据输出的意图标签的正确率大于预设值的HADCN深度学习模型。


9.一种在线服务提供者服务质量评估装置，其特征在于，该装置包括：获取单元、建模单元、计算单元和确定单元；
所述获取单元，用于获取预设时间内服务提供者与服务接受者的会话信息；其中，所述会话信息中的每次会话对应会话时间；
...

【专利技术属性】
技术研发人员：邹波，徐魁，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11