基于语音分析识别的服务处理方法及系统技术方案

本发明专利技术实施例提供一种基于语音分析识别的服务处理方法及系统，基于预先训练的负面反馈预测模型对所述用户录音数据进行特征提取，获取所述用户录音数据对应于各个负面反馈维度的录音变量分布，基于所述负面反馈预测模型对所述各个负面反馈维度的录音变量分布进行负面反馈属性分类，获取所述每个目标用户对应的负面反馈属性序列，基于所述每个目标用户对应的负面反馈属性序列对向所述每个目标用户提供的线上服务进行优化配置。如此，通过基于负面反馈属性进行服务优化配置，可以更好地为不同的目标用户进行差异化服务，降低服务投诉率，进而减少线上成本。进而减少线上成本。进而减少线上成本。

【技术实现步骤摘要】
基于语音分析识别的服务处理方法及系统


[0001]本专利技术涉及互联网服务
，具体而言，涉及一种基于语音分析识别的服务处理方法及系统。

技术介绍

[0002]在各类互联网线上服务过程中，如信贷金融服务过程中，会涉及到多种服务信息提醒，例如还款信息提醒，业务周期信息提醒等，在相关的信息提醒过程中涉及到与多个用户之间的对话互动，用户的对话录音数据可以从一定程度上反映用户针对当前提供的互联网线上服务的评价和体验情况，因此如何对此进行有效分析，以便于进行服务优化配置后更好地为不同的目标用户进行差异化服务，降低服务投诉率，减少线上成本，是当前亟待解决的技术问题。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本专利技术的目的在于提供一种基于语音分析识别的服务处理方法及系统。
[0004]第一方面，本专利技术提供一种基于语音分析识别的服务处理方法，应用于基于语音分析识别的服务处理系统，所述方法包括：获取针对每个目标用户进行服务信息提醒过程中的用户录音数据；基于预先训练的负面反馈预测模型对所述用户录音数据进行特征提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语音分析识别的服务处理方法，其特征在于，应用于基于语音分析识别的服务处理系统，所述方法包括：获取针对每个目标用户进行服务信息提醒过程中的用户录音数据；基于预先训练的负面反馈预测模型对所述用户录音数据进行特征提取，获取所述用户录音数据对应于各个负面反馈维度的录音变量分布，其中，所述录音变量分布包括录音语义特征信息、录音语调特征信息、录音语速特征信息中的一种或者多种组合；基于所述负面反馈预测模型对所述各个负面反馈维度的录音变量分布进行负面反馈属性分类，获取所述每个目标用户对应的负面反馈属性序列；基于所述每个目标用户对应的负面反馈属性序列对向所述每个目标用户提供的线上服务进行优化配置。2.根据权利要求1所述的基于语音分析识别的服务处理方法，其特征在于，所述负面反馈预测模型的训练步骤包括：依据参考用户录音样本序列中每个参考用户录音样本的参考录音变量分布和初始负面反馈预测模型序列中每个初始负面反馈预测模型的参考录音变量分布，从所述初始负面反馈预测模型序列中确定多个初始负面反馈预测模型作为基准初始负面反馈预测模型；针对每一基准初始负面反馈预测模型，将所述参考用户录音样本序列中每一参考用户录音样本传递到该基准初始负面反馈预测模型得到该参考用户录音样本关联的负面反馈预测属性；基于各个参考用户录音样本关联的负面反馈预测属性确定完成标注的该参考用户录音样本关联的负面反馈标注属性的支持特征属性，依据每个参考用户录音样本关联的负面反馈标注属性的支持特征属性确定该基准初始负面反馈预测模型与各个负面反馈标注属性的收敛评估参数值；依据各个基准初始负面反馈预测模型与各个负面反馈标注属性的收敛评估参数值从全部基准初始负面反馈预测模型中确定一个基准初始负面反馈预测模型作为目标初始负面反馈预测模型，该目标初始负面反馈预测模型被配置为依据所述参考用户录音样本序列进行模型收敛优化进而获得负面反馈预测模型。3.根据权利要求2所述的基于语音分析识别的服务处理方法，其特征在于，所述依据参考用户录音样本序列中每个参考用户录音样本的参考录音变量分布和初始负面反馈预测模型序列中每个初始负面反馈预测模型的参考录音变量分布，从所述初始负面反馈预测模型序列中确定多个初始负面反馈预测模型作为基准初始负面反馈预测模型，包括：针对参考用户录音样本序列中每一参考用户录音样本，确定该参考用户录音样本关联的录音变量分布，并依据每个参考用户录音样本关联的录音变量分布确定第一录音变量分布簇；获取完成配置的每个初始负面反馈预测模型的第二录音变量分布簇；确定所述第一录音变量分布簇与每个初始负面反馈预测模型的第二录音变量分布簇的相关参数值，并依据相关参数值的降序顺序，确定多个初始负面反馈预测模型作为基准初始负面反馈预测模型。4.根据权利要求3所述的基于语音分析识别的服务处理方法，其特征在于，所述参考用户录音样本包括参考用户录音迁移样本，且所述参考用户录音迁移样本关联有参考训练依
据样本，所述确定该参考用户录音样本关联的录音变量分布，包括：依据所述参考用户录音迁移样本关联的参考训练依据样本从所述参考用户录音迁移样本中提取用户录音迁移子样本；将用户录音迁移子样本传递到预设AI提取单元得到用户录音迁移子样本关联的录音变量分布，将用户录音迁移子样本关联的录音变量分布作为该参考用户录音迁移样本关联的录音变量分布；或者， 将所述参考用户录音迁移样本传递到预设AI提取单元得到该参考用户录音迁移样本关联的录音变量分布。5.根据权利要求2所述的基于语音分析识别的服务处理方法，其特征在于，所述基于各个参考用户录音样本关联的负面反馈预测属性确定完成标注的该参考用户录音样本关联的负面反馈标注属性的支持特征属性，包括：如果确定参考用户录音样本关联的负面反馈预测属性与该参考用户录音样本关联的负面反馈标注属性存在联系，则确定该参考用户录音样本关联的负面反馈标注属性的支持特征属性为第一支持特征属性； 如果确定参考用户录音样本关联的负面反馈预测属性与该参考用户录音样本关联的负面反馈标注属性不存在联系，则确定该参考用户录音样本关联的负面反馈标注属性的支持特征属性为第二支持特征属性。6.根据权利要求5所述的基于语音分析识别的服务处理方法，其特征在于，所述依据每个参考用户录音样本关联的负面反馈标注属性的支持特征属性确定该基准初始负面反馈预测模型与各个负面反馈标注属性的收敛评估参数值，包括：对应于每个负面反馈标注属性，依据每个参考用户录音样本关联的负面反馈标注属性的支持特征属性，统计该负面反馈标注属性的支持特征属性为第一支持特征属性的统计量和该负面反馈标注属性的支持特征属性为第二支持特征属性的统计量；依据该负面反馈标注属性的支持特征属性为第一支持特征属性的统计量和该负面反馈标注属性的支持特征属性为第二支持特征属性的统计量，确定该基准初始负面反馈预测模型与该负面反馈标注属性的收敛评估参数值。7.根据权利要求2所述的基于语音分析识别的服务处理方法，其特征在于，所述依据各个基准初始负面反馈预测模型与各个负面反馈标注属性的收敛评估参数值从全部基准初始负面反馈预测模型中确定一个基准初始负面反馈预测模型作为目标初始负面反馈预测模型，包括：对应于每个基准初始负面反馈预测模型，依据该基准初始负面反馈预测模型与各个负面反馈标注属性的收敛评估参数值，确定该基准初始负面反馈预测模型对应的收敛评估参数值大于目标参数值的负面反馈标注属性的统计量；将负面反馈标注属性的...

【专利技术属性】
技术研发人员：鲁珊珊，
申请(专利权)人：杭银消费金融股份有限公司，
类型：发明
国别省市：