System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能和金融科技领域,尤其涉及一种客服通话质检方法、装置、计算机设备及存储介质。
技术介绍
1、在生产生活中,坐席等客服人员经常需要与客户进行沟通对话,从而完成企业既定的任务或者为客户提供服务。企业也需要对客服通话进行质检,以检测客服在沟通中是否遵守了相关规定,以及检测客服的服务质量。例如在金融保险领域中,客服(例如保险公司的坐席或业务员)需要通过电话联系客户,以进行保险产品的推荐以及服务流程。保险公司需要对客服通话进行质检,以检测客服是否遵守了相关的法律规定和公司规定,并了解客服对保险产品的推荐情况和推荐结果。
2、当前的客服通话质检通常都是人工进行,并且由于通话数据量较大,质检员往往只能进行抽检,质检过程受到个人认知和经验影响,这导致了客服通话质检的准确性较低。
技术实现思路
1、本申请实施例的目的在于提出一种客服通话质检方法、装置、计算机设备及存储介质,以解决客服通话质检准确性较低的问题。
2、为了解决上述技术问题,本申请实施例提供一种客服通话质检方法,采用了如下所述的技术方案:
3、获取客服的通话信息;
4、对于所述通话信息中的每句客服通话,通过预训练模型对所述客服通话进行嵌入编码,得到所述客服通话的通话向量;
5、根据类型识别模型对各客服通话的通话向量进行质检类型识别,得到所述通话信息涉及的质检类型;
6、通过情感识别模型获取所述客服通话的情感特征,并通过语气识别模型获取所述客服通话的语气
7、根据所述客服通话所对应的通话向量、情感特征和语气特征,生成所述客服通话的初始复合向量;
8、给所述各客服通话的初始复合向量添加注意力权重,得到所述各客服通话的复合向量;
9、将所述各客服通话的复合向量输入所述质检类型下的各质检点检测模型,得到所述各质检点检测模型输出的点检测结果,并根据各点检测结果生成所述客服的通话质检结果。
10、为了解决上述技术问题,本申请实施例还提供一种客服通话质检装置,采用了如下所述的技术方案:
11、通话获取模块,用于获取客服的通话信息;
12、通话编码模块,用于对于所述通话信息中的每句客服通话,通过预训练模型对所述客服通话进行嵌入编码,得到所述客服通话的通话向量;
13、类型识别模块,用于根据类型识别模型对各客服通话的通话向量进行质检类型识别,得到所述通话信息涉及的质检类型;
14、特征获取模块,用于通过情感识别模型获取所述客服通话的情感特征,并通过语气识别模型获取所述客服通话的语气特征;
15、初始生成模块,用于根据所述客服通话所对应的通话向量、情感特征和语气特征,生成所述客服通话的初始复合向量;
16、权重添加模块,用于给所述各客服通话的初始复合向量添加注意力权重,得到所述各客服通话的复合向量;
17、通话质检模块,用于将所述各客服通话的复合向量输入所述质检类型下的各质检点检测模型,得到所述各质检点检测模型输出的点检测结果,并根据各点检测结果生成所述客服的通话质检结果。
18、为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
19、获取客服的通话信息;
20、对于所述通话信息中的每句客服通话,通过预训练模型对所述客服通话进行嵌入编码,得到所述客服通话的通话向量;
21、根据类型识别模型对各客服通话的通话向量进行质检类型识别,得到所述通话信息涉及的质检类型;
22、通过情感识别模型获取所述客服通话的情感特征,并通过语气识别模型获取所述客服通话的语气特征;
23、根据所述客服通话所对应的通话向量、情感特征和语气特征,生成所述客服通话的初始复合向量;
24、给所述各客服通话的初始复合向量添加注意力权重,得到所述各客服通话的复合向量;
25、将所述各客服通话的复合向量输入所述质检类型下的各质检点检测模型,得到所述各质检点检测模型输出的点检测结果,并根据各点检测结果生成所述客服的通话质检结果。
26、为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
27、获取客服的通话信息;
28、对于所述通话信息中的每句客服通话,通过预训练模型对所述客服通话进行嵌入编码,得到所述客服通话的通话向量;
29、根据类型识别模型对各客服通话的通话向量进行质检类型识别,得到所述通话信息涉及的质检类型;
30、通过情感识别模型获取所述客服通话的情感特征,并通过语气识别模型获取所述客服通话的语气特征;
31、根据所述客服通话所对应的通话向量、情感特征和语气特征,生成所述客服通话的初始复合向量;
32、给所述各客服通话的初始复合向量添加注意力权重,得到所述各客服通话的复合向量;
33、将所述各客服通话的复合向量输入所述质检类型下的各质检点检测模型,得到所述各质检点检测模型输出的点检测结果,并根据各点检测结果生成所述客服的通话质检结果。
34、与现有技术相比,本申请实施例主要有以下有益效果:获取客服的通话信息,对于通话信息中的每句客服通话,通过大规模自然语言预训练模型对客服通话进行嵌入编码、可以更准确地生成客服通话的通话向量;根据类型识别模型对各客服通话的通话向量进行质检类型识别,以确定通话信息涉及的质检类型;为了获取字面之外的信息,通过情感识别模型获取客服通话的情感特征,以捕捉客服通话中的情感倾向;通过语气识别模型获取客服通话的语气特征,以分析客服通话中的语气;根据客服通话所对应的通话向量、情感特征和语气特征,生成客服通话的初始复合向量,综合了多维度特征,提高了质检的准确性;给各客服通话的初始复合向量添加注意力权重,得到各客服通话的复合向量,以便模型可以更加关注重要的客服通话,同样提高了质检的准确性;将各客服通话的复合向量输入质检类型下的各质检点检测模型,各质检点检测模型分别针对特定的质检点进行二分类预测,可以准确输出特定质检点上的点检测结果,根据各点检测结果生成客服的通话质检结果,进一步提高了通话质检结果的准确性;本申请结合多维度特征,通过多分类层级模型对通话信息进行逐级检测,大大提高了客服通话质检的准确性和效率。
本文档来自技高网...【技术保护点】
1.一种客服通话质检方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的客服通话质检方法,其特征在于,在所述获取客服的通话信息的步骤之前,还包括:
3.根据权利要求1所述的客服通话质检方法,其特征在于,所述获取客服的通话信息的步骤包括:
4.根据权利要求1所述的客服通话质检方法,其特征在于,所述通过情感识别模型获取所述客服通话的情感特征,并通过语气识别模型获取所述客服通话的语气特征的步骤包括:
5.根据权利要求1所述的客服通话质检方法,其特征在于,所述根据所述客服通话所对应的通话向量、情感特征和语气特征,生成所述客服通话的初始复合向量的步骤包括:
6.根据权利要求1所述的客服通话质检方法,其特征在于,所述给所述各客服通话的初始复合向量添加注意力权重,得到所述各客服通话的复合向量的步骤包括:
7.根据权利要求6所述的客服通话质检方法,其特征在于,所述对于每句客服通话,计算所述客服通话与各其他客服通话间的注意力分数的步骤:
8.一种客服通话质检装置,其特征在于,包括:
9.一种计算机
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的客服通话质检方法的步骤。
...【技术特征摘要】
1.一种客服通话质检方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的客服通话质检方法,其特征在于,在所述获取客服的通话信息的步骤之前,还包括:
3.根据权利要求1所述的客服通话质检方法,其特征在于,所述获取客服的通话信息的步骤包括:
4.根据权利要求1所述的客服通话质检方法,其特征在于,所述通过情感识别模型获取所述客服通话的情感特征,并通过语气识别模型获取所述客服通话的语气特征的步骤包括:
5.根据权利要求1所述的客服通话质检方法,其特征在于,所述根据所述客服通话所对应的通话向量、情感特征和语气特征,生成所述客服通话的初始复合向量的步骤包括:
6.根据权利要求1所述的客服通话质检方法,其特征在...
【专利技术属性】
技术研发人员:严杨扬,
申请(专利权)人:中国平安财产保险股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。