一种服务评价方法、系统、装置及存储介质制造方法及图纸

本申请实施例公开了一种服务评价方法、系统、装置及存储介质。所述方法包括：获取与服务相关的对话数据；所述对话数据来自服务请求方和/或服务提供方；利用自动评价模型处理所述对话数据，估算所述服务请求方的预估服务评价结果；所述自动评价模型为机器学习模型；比较实时服务评价结果与预估服务评价结果，基于比较结果对所述自动评价模型进行优化；以及利用优化后的自动评价模型处理所述对话数据，得到服务评价结果。本申请采用优化后的自动评价模型得到服务评价结果，可以提升服务评价效果的精准度，更好地实现对服务提供方服务质量的监督，继而提升服务质量。

【技术实现步骤摘要】
一种服务评价方法、系统、装置及存储介质
本申请涉及服务质量评价领域，尤其涉及一种服务评价方法、系统、装置及存储介质。
技术介绍
随着大众消费水平的提高及对生活质量的追求，衣食住行多方面的市场服务种类也越来越多。消费者对服务质量的评价对于提升服务行业的服务质量有着直接且关键的影响。因此，有必要提供一种服务评价方法，以更准确的方式对服务质量进行自动评价，从而有效遏制服务质量稂莠不齐、损害消费者权益的现象。
技术实现思路
本申请实施例之一提供一种服务评价方法。所述服务评价方法包括：获取与服务相关的对话数据；所述对话数据来自服务请求方和/或服务提供方；利用自动评价模型处理所述对话数据，估算所述服务请求方的预估服务评价结果；所述自动评价模型为机器学习模型；获取服务请求方反馈的与所述对话数据相关的实时服务评价结果，比较所述实时服务评价结果与所述预估服务评价结果，基于比较结果对所述自动评价模型进行优化；以及利用优化后的自动评价模型处理所述对话数据，得到服务评价结果。本申请实施例之一提供一种服务评价系统，包括：数据获取模块，用于获取与服务相关的对话数据；所述对话数据来自服务请求方和/或服务提供方估算模块，用于利用自动评价模型处理所述对话数据，估算所述服务请求方的预估服务评价结果；所述自动评价模型为机器学习模型；模型优化模块，用于获取服务请求方反馈的与所述对话数据相关的实时服务评价结果，比较所述实时服务评价结果与所述预估服务评价结果，基于比较结果对所述自动评价模型进行优化；以及处理模块，用于利用优化后的自动评价模型处理所述对话数据，得到服务评价结果。在一些实施例中，所述自动评价模型通过模型训练模块获取，所述模型训练模块包括：第一样本集获取单元，用于获取第一训练样本集，所述第一训练样本集包括与历史服务相关的历史对话数据，以及历史服务请求方反馈的实际服务评价结果；和训练单元，用于利用第一训练样本集训练初始机器学习模型获得所述自动评价模型。在一些实施例中，所述对话数据包括至少一条语句；所述系统还包括预处理模块，用于在利用自动评价模型处理所述对话数据前，对所述对话数据中的至少一条语句进行分词处理。在一些实施例中，所述自动评价模型包括结构化表达网络以及分类网络；对于所述对话数据中的至少一条语句，所述结构化表达网络用于对语句中的分词进行处理，获得处理结果；所述分类网络用于基于所述对话数据中的至少一条语句中的分词的处理结果确定该对话数据的预估服务评价结果。在一些实施例中，所述自动评价模型还包括策略网络；所述结构化表达网络还用于基于当前分词以及与前一分词处理结果相关的运算结果确定当前分词的处理结果；其中，所述与前一分词处理结果相关的运算结果为前一分词的处理结果与选择系数进行运算得到的结果，所述选择系数获取自策略网络。在一些实施例中，所述模型优化模块用于：响应于所述比较结果为不一致，将所述与服务相关的对话数据以及所述实时服务评价结果添加到第二训练样本集；利用所述第二训练样本集对所述自动评价模型进行训练，从而对所述自动评价模型进行优化。在一些实施例中，所述模型优化模块还用于：若所述比较单元输出的比较结果为一致，则记录为正反馈；若所述比较单元输出的比较结果为不一致，则记录为负反馈；基于所述正反馈和负反馈的数量，调整所述自动评价模型中的参数。本申请实施例之一提供一种服务评价装置，包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如上所述的操作。本申请实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如上所述的操作。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。其中：图1是根据本申请的一些实施例所示的服务评价系统的应用场景示意图；图2是根据本申请的一些实施例所示的服务评价系统的结构框图；图3是根据本申请的一些实施例所示的示例性流程图，用于说明所述服务评价方法的实现步骤；图4是根据本申请的一些实施例所示的网络结构图；以及图5是根据本申请的一些实施例所示的示例性流程图，用于说明模型优化的过程。具体实施方式为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在车辆客户端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。本申请的客服服务自动评价系统可以用于评价各种业务中的客服服务质量。例如，客服服务自动评价系统可以自动评价服务提供商的客服服务质量或者自动评价商品供应商的客服服务质量等。仅作为示例，客服服务自动评价系统可以用于网约车服务、快递、外卖、银行柜台、教育机构、家政服务、保洁服务等业务中的客服服务质量等。图1为根据本申请一些实施例所示的服务评价系统的应用场景示意图。该服务评价系统100可以是用于多种服务的线上服务平台，也可以是基于线下业务活动的线上操作平台。在一些实施例中，该服务评价系统100可以用于评价各行业服务人员、客服等人员的服务质量，以网约车服务评价为例，服务评价系统100可以用于评价网约车打车服务客服的服务质量、网约车预约服务客服的服务质量、网约车拼车服务客服的服务质量、网约车售后服务客服的服务质量、网约车紧急事件服务客服的服务质量等。该服务评价系统100主要包含服务器110、网络120、终端130以及数据库140。在一些实施例中，服务器110可以用于处理与服务评价相关的信息和/或数据。服务器110可以是独立的服务器或者服务器组。该服务器组可以是集中式的或者分布式的(如：服务器110可以是分布系统)。在一些实施例中本文档来自技高网...

【技术保护点】
1.一种服务评价方法，其特征在于，所述方法包括：/n获取与服务相关的对话数据；所述对话数据来自服务请求方和/或服务提供方；/n利用自动评价模型处理所述对话数据，估算所述服务请求方的预估服务评价结果；所述自动评价模型为机器学习模型；/n获取服务请求方反馈的与所述对话数据相关的实时服务评价结果，比较所述实时服务评价结果与所述预估服务评价结果，基于比较结果对所述自动评价模型进行优化；以及/n利用优化后的自动评价模型处理所述对话数据，得到服务评价结果。/n

【技术特征摘要】
1.一种服务评价方法，其特征在于，所述方法包括：
获取与服务相关的对话数据；所述对话数据来自服务请求方和/或服务提供方；
利用自动评价模型处理所述对话数据，估算所述服务请求方的预估服务评价结果；所述自动评价模型为机器学习模型；
获取服务请求方反馈的与所述对话数据相关的实时服务评价结果，比较所述实时服务评价结果与所述预估服务评价结果，基于比较结果对所述自动评价模型进行优化；以及
利用优化后的自动评价模型处理所述对话数据，得到服务评价结果。


2.根据权利要求1所述的方法，其特征在于，所述自动评价模型通过以下方法获取：
获取第一训练样本集，所述第一训练样本集包括与历史服务相关的历史对话数据，以及历史服务请求方反馈的实际服务评价结果；
利用第一训练样本集训练初始机器学习模型获得所述自动评价模型。


3.根据权利要求1所述的方法，其特征在于，所述对话数据包括至少一条语句；在利用自动评价模型处理所述对话数据前，还包括对所述对话数据中的至少一条语句进行分词处理。


4.根据权利要求3所述的方法，其特征在于，所述自动评价模型包括结构化表达网络以及分类网络；
所述利用自动评价模型处理所述对话数据，估算所述服务请求方的预估服务评价结果包括：
对于对话数据中的至少一条语句：
所述结构化表达网络对语句中的分词进行处理，获得处理结果；
所述分类网络基于所述对话数据中的至少一条语句中的分词的处理结果确定该对话数据的预估服务评价结果。


5.根据权利要求4所述的方法，其特征在于，所述自动评价模型还包括策略网络；
所述结构化表达网络对语句中的分词进行处理，获得处理结果还包括：
基于当前分词以及与前一分词处理结果相关的运算结果确定当前分词的处理结果；其中，所述与前一分词处理结果相关的运算结果为...

【专利技术属性】
技术研发人员：宋振秋，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11