沟通语句识别方法及装置制造方法及图纸

本申请提出了一种沟通语句识别方法及装置

【技术实现步骤摘要】
沟通语句识别方法及装置、计算机设备及可读存储介质


[0001]本申请涉及语义识别
，尤其涉及一种沟通语句识别方法及装置
、
计算机设备及可读存储介质
。

技术介绍

[0002]在现有的网销操作系统中，在客服人员与来电人员沟通的过程中，难免会出现来电人员因未达到自身预期而出现情绪波动情况，而这一情绪波动反映了来电人员的投诉倾向
。
相应地，客服人员与来电人员在沟通过程中的沟通语句能够体现来电人员乃至双方的情绪波动的情况，故能够在一定程度上反映来电人员的投诉倾向的高低
。
[0003]对此，相关技术中一般由客服人员或额外的工作人员手动对具有投诉倾向或投诉倾向较高的来电人员进行标记，然而由于网销操作系统涉及的工作量巨大，人工标记费时费力，效率低下，且具有漏标
、
错标的情况
。
[0004]因此，高效准确地自动识别来电人员的投诉倾向高低，成为目前亟待解决的技术问题
。

技术实现思路

[0005]本申请实施例提供了一种沟通语句识别方法及装置
、
计算机设备及可读存储介质，旨在解决相关技术中识别来电人员的投诉倾向高低的方式费事费力且准确性不足的技术问题
。
[0006]第一方面，本申请实施例提供了一种沟通语句识别方法，包括：
[0007]将由当前沟通音频转换所得的沟通文本拆分成多个第一沟通语句；
[0008]基于每个第一沟通语句对应的属性信息，在所述多个第一沟通语句中筛选出多个第二沟通语句，其中，所述属性信息包括投诉类关键词
、
语速
、
语句内音量最高值
、
语句内音量平均值中的至少一项；
[0009]基于每个第二沟通语句和预设分类模型，确定每个所述第二沟通语句的目标投诉倾向度，其中，所述预设分类模型是基于历史投诉音频对应的历史沟通语句的属性信息以及所述历史沟通语句的目标投诉倾向度训练得到；
[0010]基于所述多个第二沟通语句各自的目标投诉倾向度，确定所述当前沟通音频的整体投诉倾向度
。
[0011]第二方面，本申请实施例提供了一种沟通语句识别装置，包括：
[0012]沟通语句拆分单元，用于将由当前沟通音频转换所得的沟通文本拆分成多个第一沟通语句；
[0013]沟通语句筛选单元，用于基于每个第一沟通语句对应的属性信息，在所述多个第一沟通语句中筛选出多个第二沟通语句，其中，所述属性信息包括投诉类关键词
、
语速
、
语句内音量最高值
、
语句内音量平均值中的至少一项；
[0014]沟通语句分类单元，用于基于每个第二沟通语句和预设分类模型，确定每个所述
第二沟通语句的目标投诉倾向度，其中，所述预设分类模型是基于历史投诉音频对应的历史沟通语句的属性信息以及所述历史沟通语句的目标投诉倾向度训练得到；
[0015]投诉倾向度单元，用于基于所述多个第二沟通语句各自的目标投诉倾向度，确定所述当前沟通音频的整体投诉倾向度
。
[0016]第三方面，本申请实施例提供了一种计算机设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述第一方面所述的方法
。
[0017]第四方面，本申请实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述第一方面所述的方法
。
[0018]以上技术方案，针对相关技术中识别来电人员的投诉倾向高低的方式费事费力且准确性不足的技术问题，可自动判断沟通音频的投诉倾向的高低，减少投诉倾向所消耗的人工成本及时间成本
。
同时，由于上述多项属性信息的引入，可综合多项属性信息所在的多个维度反映出的投诉倾向更为准确全面地自动判别沟通音频的投诉倾向高低
。
【附图说明】
[0019]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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图
。
[0020]图1示出了根据本申请的一个实施例的沟通语句识别方法的流程图；
[0021]图2示出了根据本申请的一个实施例的沟通语句识别装置的框图；
[0022]图3示出了根据本申请的一个实施例的计算机设备的框图；
[0023]图4示出了根据本申请的一个实施例的计算机设备的框图
。
【具体实施方式】
[0024]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0025]图1示出了根据本申请的一个实施例的沟通语句识别方法的流程图
。
[0026]如图1所示，根据本申请的一个实施例的沟通语句识别方法包括：
[0027]步骤
102
，将由当前沟通音频转换所得的沟通文本拆分成多个第一沟通语句
。
[0028]针对相关技术中识别来电人员的投诉倾向高低的方式费事费力且准确性不足的技术问题，首先需要实现这一识别的自动化
。
对此，本申请提出，可将客服人员与来电人员的当前沟通音频转换为沟通文本，通过对沟通文本这一文本信息进行自动识别处理，来提升识别来电人员的投诉倾向高低的便利性
。
[0029]其中，当前沟通音频包括通过手机
、
座机等通话设备进行双方或多方通话所实时记录的音频，还包括客户通过
APP
或网页端提供的实时聊天工具与客服人员进行线上语音沟通所产生的音频，其能够反映双方沟通内容，而双方沟通内容正是识别客户投诉倾向高低的重要依据
。
[0030]具体来说，可先将当前沟通音频识别为沟通文本，再将沟通文本拆分为多个第一沟通语句
。
其中，可根据沟通文本的语义
、
沟通文本对应的音频内容的停顿位置，对沟通文本进行语句拆分
。
[0031]步骤
104
，基于每个第一沟通语句对应的属性信息，在所述多个第一沟通语句中筛选出多个第二沟通语句
。
[0032]其中，所述属性信息包括投诉类关键词
、
语速
、
语句内音量最高值
、
语句内音量平均值中的至少一项
。
[0033]投诉类关键词包括但不限于投诉
...

【技术保护点】

【技术特征摘要】
1.
一种沟通语句识别方法，其特征在于，包括：将由当前沟通音频转换所得的沟通文本拆分成多个第一沟通语句；基于每个第一沟通语句对应的属性信息，在所述多个第一沟通语句中筛选出多个第二沟通语句，其中，所述属性信息包括投诉类关键词
、
语速
、
语句内音量最高值
、
语句内音量平均值中的至少一项；基于每个第二沟通语句和预设分类模型，确定每个所述第二沟通语句的目标投诉倾向度，其中，所述预设分类模型是基于历史投诉音频对应的历史沟通语句的属性信息以及所述历史沟通语句的目标投诉倾向度训练得到；基于所述多个第二沟通语句各自的目标投诉倾向度，确定所述当前沟通音频的整体投诉倾向度
。2.
根据权利要求1所述的沟通语句识别方法，其特征在于，所述基于每个第一沟通语句对应的属性信息，在所述多个第一沟通语句中筛选出多个第二沟通语句，包括：基于每个第一沟通语句对应的属性信息以及所述属性信息的权重，计算所述第一沟通语句的每项属性信息对应的初始投诉倾向度；对于任一所述第一沟通语句，若所述第一沟通语句的任一属性信息的初始投诉倾向度大于或等于第一阈值，将所述第一沟通语句确定为所述第二沟通语句；或者若所述第一沟通语句的每项属性信息的初始投诉倾向度均大于或等于第一阈值，将所述第一沟通语句确定为所述第二沟通语句；或者若所述第一沟通语句的全部属性信息的初始投诉倾向度的均值大于或等于第二阈值，将所述第一沟通语句确定为所述第二沟通语句
。3.
根据权利要求2所述的沟通语句识别方法，其特征在于，所述基于每个第一沟通语句对应的属性信息以及所述属性信息的权重，计算所述第一沟通语句的每项属性信息对应的初始投诉倾向度，包括：对于任一所述第一沟通语句的任一属性信息，获取所述属性信息的特征值与所述属性信息的权重的乘积，作为第一参数；获取所述属性信息在历史沟通语句中的初始投诉倾向度与所述历史沟通语句实际的目标投诉倾向度的比值，作为第二参数；以所述第二参数作为修正系数，对所述第一参数进行修正处理，得到所述属性信息的初始投诉倾向度
。4.
根据权利要求1至3中任一项所述的沟通语句识别方法，其特征在于，训练所述预设分类模型的方式包括：获取第一历史语句集合，其中，所述第一历史语句集合中的每个历史沟通语句具有投诉类关键词和投诉倾向标识；将所述第一历史语句集合扩充为第二历史语句集合，其中，所述第二历史语句集合包括所述第一历史语句集合，且所述第二历史语句集合的语句数量大于所述第一历史语句集合的语句数量；在所述第二历史语句集合中筛选出符合预设筛选规则的历史沟通语句，得到第三历史语句集合；
基于所述第三历史语句集合中每个历史沟通语句的属性信息和目标投诉倾向度，训练所述预设分类模型
。5.
根据权利要求4所述的沟通语句识别方法，其特征在于，所述在所述第二历史语句集合中筛选出符合预设筛选规则的历史沟通语句，得到第三历史语句集合，包括：在所述第二历史语句集合中删除语义置信度低于第三阈值的历史沟通语句；和
/
或在所述第二历史语句集合中删除与所述第一历史语句集合中的任一语句的相似度大于或等于第四阈值的历史沟通语句
。6.
...

【专利技术属性】
技术研发人员：王月宝，沈鹏，黄明星，毛小伟，蒋佳佳，黄平，周晓波，
申请(专利权)人：北京水滴科技集团有限公司，
类型：发明
国别省市：