TWI725577B - 智能語音資訊質檢方法及系統 - Google Patents
智能語音資訊質檢方法及系統 Download PDFInfo
- Publication number
- TWI725577B TWI725577B TW108137426A TW108137426A TWI725577B TW I725577 B TWI725577 B TW I725577B TW 108137426 A TW108137426 A TW 108137426A TW 108137426 A TW108137426 A TW 108137426A TW I725577 B TWI725577 B TW I725577B
- Authority
- TW
- Taiwan
- Prior art keywords
- quality inspection
- vocabulary
- text
- data
- voice information
- Prior art date
Links
Images
Landscapes
- Machine Translation (AREA)
Abstract
一種智能語音資訊質檢方法及系統中,語音辨識模組利用語音辨識技術並根據通用詞彙資料與領域詞彙資料,將客服人員與客戶之通話的語音資訊轉譯成原始文本,並獲得對應於該原始文本的辨識信心度資料。精緻文本模組根據該辨識信心度資料及領域詞彙資料、精確詞彙資料和冗餘詞彙資料,檢核並適應性修正該原始文本以獲得精緻文本。質檢分析模組根據有關於質檢項目的質檢判定規則且利用與多個意圖詞彙相關聯的意圖標註演算法,在語法和文意上分析該精緻文本,以便決定出歸屬於該精緻文本的意圖標籤,並根據該意圖標籤輸出該質檢項目的質檢結果。
Description
本發明是有關於語音資訊的品質檢查(質檢),特別是指一種智能語音資訊質檢方法及系統。
目前,特別是金融服務產業,針對每一次客服人員與客戶的語音通話內容的品質檢查(以下簡稱質檢)高度倚賴質檢人員來進行,以便充分掌握客戶意向,藉此提高服務品質。在語音通話量例如以12%的年成長率的現實情況下,對於擁有例如1000位客服人員的金融企業,每日的客服電話進線約有3萬通,而每一質檢人員於每日卻僅能完成約540分鐘之語音通話內容的質檢,因此,質檢覆蓋率僅達2%。另一方面,由於人工的質檢結果易受人為因素影像,所以人工質檢結果尚須人為(例如,相關主管人員)的進一步檢核,如此將更不利於質檢速度的提升。此外,對於大量的語音通話資料缺乏有效的分析與處理,因而無法獲得或利用其中具有產業價值的資訊。
因此,如何將語音通話資訊進一步做有效的處理與分
析實屬當前重要研發課題之一,亦成為目前相關領域極需改進的目標。
因此,本發明的一目的,即在提供一種智能語音資訊質檢方法,其能克服現有技術的至少一缺點。
於是,本發明所提供的一種智能語音資訊質檢方法用於處理有關於一客服人員與一客戶之對話的語音資訊,且利用一電腦系統來執行,該智能語音資訊質檢方法包含以下步驟:(A)建立一詞彙資料庫及一質檢資料庫,該詞彙資料庫儲存了包括與一特定服務產業的多個不同領域相關聯的多個領域詞彙的領域詞彙資料、包括多個通用詞彙的通用詞彙資料、包括多個精確詞彙的精確詞彙資料、及包括多個冗餘詞彙的冗餘詞彙資料,該質檢資料庫儲存了多個不同的意圖標籤、及至少一質檢判定規則,該至少一質檢判定規則與該等意圖標籤和至少一個適用於該客服人員的質檢項目有關;(B)利用語音辨識技術並根據該詞彙資料庫儲存的該通用詞彙資料與該領域詞彙資料,將該語音資訊轉譯成一由多個斷詞詞彙組成的原始文本,並獲得對應於該原始文本的辨識信心度資料,該辨識信心度資料包括多個分別對應於該等斷詞詞彙的辨識信心值;(C)根據該辨識信心度資料以及該詞彙資料庫儲存的該領域詞彙資
料、該精確詞彙資料和該冗餘詞彙資料,檢核並適應性修正該原始文本,以獲得一符合於錯譯修正、精準斷詞及冗詞排除的精緻文本;及(D)根據該質檢資料庫儲存的該至少一質檢判定規則並利用一與多個意圖詞彙相關聯且以基於文本大數據的機器學習方式訓練而成的意圖標註演算法,在語法和文意上分析該精緻文本,以便針對該至少一質檢項目,從該等意圖標籤中決定出至少一個歸屬於該精緻文本的意圖標籤,並根據該至少一意圖標籤輸出一對應於該語音資訊且有關於該至少一質檢項目的質檢結果。
因此,本發明的另一目的,即在提供一種智能語音資訊質檢系統,其能克服現有技術的至少一缺點。
於是,本發明所提供的一種智能語音資訊質檢系統用於處理有關於一客服人員與一客戶之對話的語音資訊,並包含一儲存單元、一語音辨識模組、一精緻文本模組、及一質檢分析模組。
該儲存單元包含一詞彙資料庫及一質檢資料庫。該詞彙資料庫儲存了包括與一特定服務產業的多個不同領域相關聯的多個領域詞彙的領域詞彙資料、包括多個通用詞彙的通用詞彙資料、包括多個精確詞彙的精確詞彙資料、及包括多個冗餘詞彙的冗餘詞彙資料。該質檢資料庫儲存了多個不同的意圖標籤、及至少一質檢判定規則。該至少一質檢判定規則與該等意圖標籤和至少一個適用於該客服人員的質檢項目有關。
該語音辨識模組適於接收該語音資訊,連接該儲存單元,且利用語音辨識技術並根據該詞彙資料庫儲存的該通用詞彙資料與該領域詞彙資料,將該語音資訊轉譯成一由多個斷詞詞彙組成的原始文本,並獲得對應於該原始文本的辨識信心度資料。該辨識信心度資料包括多個分別對應於該等斷詞詞彙的辨識信心值。
該精緻文本模組連接該儲存單元及該語音辨識模組,接收來自該語音辨識模組的該原始文本和該辨識信心度資料,且根據該辨識信心度資料以及該詞彙資料庫儲存的該領域詞彙資料、該精確詞彙資料和該冗餘詞彙資料,檢核並適應性修正該原始文本,以獲得一符合於錯譯修正、精準斷詞及冗詞排除的精緻文本。
該質檢分析模組連接該儲存單元及該精緻文本模組,接收來自該精緻文本模組的該精緻文本,且根據該質檢資料庫儲存的該至少一質檢判定規則並利用一與多個意圖詞彙相關聯且以基於文本大數據的機器學習方式訓練而成的意圖標註演算法,在語法和文意上分析該精緻文本,以便針對該至少一質檢項目,從該等意圖標籤中決定出至少一個歸屬於該精緻文本的意圖標籤,並根據該至少一意圖標籤輸出一對應於該語音資訊且有關於該至少一質檢項目的質檢結果。
本發明之功效在於:由於該詞彙資料庫儲存的該領域詞彙資料、該精確詞彙資料和該冗餘詞彙資料,該精緻文本在錯譯
修正、精準斷詞及冗詞排除上均具有相對較高精確性;另外,由於該質檢資料庫儲存的該等意圖標籤和該質檢判定規則,以及利用以人工智慧訓練而成的意圖標註演算法,該精緻文本所屬的意圖標籤可相對精確地被決定出,藉此快速地獲得相對精確的質檢結果。此外,確實可以在花費最小人力成本下提升質檢覆蓋率,並且根據大量且快速產出的質檢結果更有利於該特定服務產業的資訊收集。
100:智能語音資訊質檢系統
1:儲存單元
11:詞彙資料庫
12:質檢資料庫
2:語音辨識模組
3:精緻文本模組
4:質檢分析模組
S41-S44:步驟
本發明之其他的特徵及功效,將於參照圖式的實施方式中清楚地呈現,其中:圖1是一方塊圖,示例性地繪示本發明實施例的智能語音資訊質檢系統;圖2是一示意圖,示例性地說明該實施例中的一詞彙資料庫儲存的資料內容;圖3是一示意圖,示例性地說明該實施例中的一質檢資料庫儲存的資料內容;及圖4是一流程圖,示例性地說明該實施例如何對於語音資訊執行一智能語音資訊質檢程序。
在本發明被詳細描述之前,應當注意在以下的說明內容中,類似的元件是以相同的編號來表示。
參閱圖1,所繪示的本發明實施例的智能語音資訊質檢系統100用於處理有關於一客服人員與一客戶之對話的語音資訊。在本實施例中,該客服人員為服務於一特定服務產業,例如金控機構的從業人員,並且該語音資訊是藉由例如該金控機構所提供的一通道伺服器(Channel Server)加密後經由一通訊網路(圖未示)傳送至該智能語音資訊質檢系統100。在本實施例中,該智能語音資訊質檢系統100可被實施成一電腦系統,且例如包含一儲存單元1、一語音辨識模組2、一精緻文本模組3、及一質檢分析模組4。
在本實施例中,該儲存單元1包含一詞彙資料庫11及一質檢資料庫12。還參考圖2,該詞彙資料庫11例如包括通用詞彙資料、領域詞彙資料、精確詞彙資料及冗餘詞彙資料。更具體地,該通用詞彙資料包括多個通用詞彙;該領域詞彙資料包括與該特定服務產業的多個不同領域(例如,信用卡服務、保險服務、行動支付服務等)相關聯的多個領域詞彙(例如,信用卡服務、保險服務、行動支付服務等的專用詞彙、關鍵詞彙等);該精確詞彙資料包括多個用於錯字及/或錯詞替換的精確詞彙;及該冗餘詞彙資料包含用於濾除非重點詞彙的冗餘詞彙。還參考圖3,該質檢資料庫12例如包含多個意圖標籤(例如,與信用卡服務領域相關聯的「信用卡」、「紅
利點數」等;與保險服務相關聯的「不當招攬」、「詢問同意」、「確認客戶是否同意墊繳」;及與一般客服相關聯的「抱怨電話」、「禁忌用語」、「開場白」等,但不在此限),以及多個質檢判定規則。值得注意的是,每一質檢判定規則與該等意圖標籤和適用於該客服人員的一個對應的質檢項目有關。換言之,本實施例將針對適用於該客服人員的多個質檢項目進行該語音資訊的質檢處理。然而,在其他實施例中,若對於該客服人員的語音資訊僅須進行一個質檢項目的質檢時,則該質檢資料庫12僅需儲存一個對應於該質檢項目的質檢判定規則。更明確地,在本實施例中,每一質檢判定規則例如包含與其有關的一個或多個預定規則語法以及一個或多個質檢詞彙。舉例來說,在該客服人員歸屬於在保險服務領域的一保險代理人之情況下,對於一質檢項目「未確認客戶是否同意自動墊繳」,對應的質檢判定規則包含兩個預定規則語法,例如,「詢問是否同意自動墊繳」及「客戶是否同意」,同樣地,對於其他的質檢項目,例如,「是否有不當招攬」、「未確認客戶身分」、「未表明公司全名等」等,可以相似於上述的邏輯方式,預先規畫出與每一質檢項目有關的質檢判定規則所含的預定規則語法。
此外,該詞彙資料庫11所儲存的所有詞彙資料,以及該質檢資料庫12所儲存的所有意圖標籤及所有預定判定規則可以隨時視產業發展的需要而動態地更新。
該語音辨識模組2適於接收該語音資訊,連接該儲存單元1的該詞彙資料庫11,且例如可由一語音轉文字(Speech To Text,STT)引擎(圖未示)來實施。該語音辨識模組2操作來根據該詞彙資料庫11所儲存的該通用詞彙資料和該領域詞彙資料進行語音辨識,並透過例如隱馬爾可夫模型(Hidden Markov Model,HMM)還可產生對應每一辨識斷詞的辨識信心值(即,信心評分)。根據HMM,信心值會介於0到1,當信心值越接近1時,意謂辨識出之斷詞的正確性越高;相反地,當STT引擎無法從該通用詞彙資料和該領域詞彙資料中找出相近或適合於一(語音)斷詞的詞彙時,則STT引擎將會以“「」”來表示辨識出之斷詞。
該精緻文本模組3連接該儲存單元1的該資料庫詞彙11及該語音辨識模組2。在本實施例中,該精緻文本模組3根據該詞彙資料庫11所儲存的該領域詞彙、該精確詞彙資料合該冗餘詞彙資料,對於所接收到的文本提供例如錯字或錯詞的過濾與替換,以及濾除非重點詞彙,以產生更精確且精緻化的文本。
該質檢分析模組4連接該儲存單元1的該質檢資料庫12和該精緻文本模組,並操作來根據該質檢資料庫12儲存的該等質檢判定規則並利用一與多個意圖詞彙相關聯的意圖標註演算法來進行待分析之文本的質檢分析。值得一提的是,該意圖標註演算法是以基於文本大數據(例如,蒐集該金控機構內的所有文本巨量資料)
的機器學習方式(即,人工智慧方式)訓練而成的。
以下,將參閱圖1及圖4來示例地說明該智能語音資訊質檢系統100對於該語音資訊如何執行一智能語音資訊質檢程序。該智能語音資訊質檢程序包含以下步驟S41~S44。附帶一提的是,在進行該智能語音資訊質檢程序之前,該語音資訊已完成解密。
在步驟S41中,該語音辨識模組2利用語音辨識技術並根據該詞彙資料庫11儲存的該通用詞彙資料與該領域詞彙資料,將該語音資訊轉譯成一由多個斷詞詞彙組成的原始文本,並獲得對應於該原始文本的辨識信心度資料。該辨識信心度資料包括多個分別對應於該等斷詞詞彙的辨識信心值。該語音辨識模組2將該原始文本和該是辨識信心度資料輸出至該精緻文本模組3。
然後,在步驟S42中,當該精緻文本模組3接收來自該語音辨識模組2的該原始文本和該是辨識信心度資料時,該精緻文本模組3根據該辨識信心度資料以及該詞彙資料庫11儲存的該領域詞彙資料、該精確詞彙資料和該冗餘詞彙資料,檢核並適應性修正該原始文本,以獲得一符合於錯譯修正、精準斷詞及冗詞排除的精緻文本。該精緻文本模組3將該精緻文本輸出至該質檢分析模組4。舉例來說,若該客戶在通話時將「Line pay」發成近似於「賴皮」發音且經該語音辨識模組2辨識成「賴皮」的斷詞時,在此情況下,該精緻文本模組3會將「賴皮」的斷詞替換成包含於該精確詞彙資
料的精確詞彙「Line pay」。
然後,在步驟S43中,當該質檢分析模組4接收到來自該精緻文本模組3的該精緻文本時,該質檢分析模組4,對於每一質檢項目,根據該質檢資料庫12所儲存的對應於該質檢項目的質檢判定規則,並利用該意圖標註演算法,在語法和文意上分析該精緻文本,以便針對該質檢項目,從該等意圖標籤中決定出一個或多個歸屬於該精緻文本的意圖標籤,以致該質檢分析模組4最終獲得有關於所有質檢項目的所有意圖標籤。更明確地,對於每一質檢項目,該質檢分析模組4判定該精緻文本是否存在有該對應質檢判定規則所含的預定規則語法,以獲得一判定結果。此外,該質檢分析模組4還利用該意圖標註演算法在文義上分析該精緻文本,以標註出符合於該精緻文本的一個或多個意圖詞彙。最後,該質檢分析模組4根據該判定結果及該(等)意圖詞彙決定出該意圖標籤。舉例來說,對於「是否有不當招攬」之質檢項目,若該質檢分析模組4判定出該精緻文本存在有代表不當招攬的預定規則語法(或關鍵詞)(此代表該判定結果為一肯定結果,亦即該精緻文本可能有不當招攬的意圖),同時該質檢分析模組4標註給該精緻文本的意圖詞彙,例如,為「有招攬」,在此情況下,該質檢分析模組4根據該肯定結果及「有招攬」的意圖詞彙決定出對應於「是否有不當招攬」之質檢項目的「不當招攬」之意圖標籤。
最後,在步驟S44中,該質檢分析模組4根據步驟S43所獲得的所有意圖標籤產生並輸出一對應於該語音資訊且有關於該等質檢項目的質檢結果。例如,該質檢結果可以是一表列出對應於所有質檢項目的意圖標籤的質檢表,但不以此例為限。值得一提的是,此質檢表經由人為判讀後可獲得一反饋結果,並且將此反饋結果饋入上述文本大數據的資料庫可進一步訓練該意圖標註演算法,以強化演算的正確性。
綜上所述,由於該詞彙資料庫11儲存的該領域詞彙資料、該精確詞彙資料和該冗餘詞彙資料,該精緻文本在錯譯修正、精準斷詞及冗詞排除上均具有相對較高精確性。另外,由於該質檢資料庫12儲存的該等意圖標籤和該等質檢判定規則,以及利用以人工智慧訓練而成的意圖標註演算法,該精緻文本所屬的意圖標籤可相對精確地被決定出,藉此快速地獲得相對精確的質檢結果,且完全不受人為因素影響。如此,確實可以在花費最小人力成本下提升質檢覆蓋率,並且根據大量且快速產出的質檢結果更有利於該特定服務產業的資訊收集。故確實能達成本發明的目的。
惟以上所述者,僅為本發明之實施例而已,當不能以此限定本發明實施之範圍,凡是依本發明申請專利範圍及專利說明書內容所作之簡單的等效變化與修飾,皆仍屬本發明專利涵蓋之範圍內。
100:智能語音資訊質檢系統
1:儲存單元
11:詞彙資料庫
12:質檢資料庫
2:語音辨識模組
3:精緻文本模組
4:質檢分析模組
Claims (4)
- 一種智能語音資訊質檢方法,用於處理有關於一客服人員與一客戶之對話的語音資訊,且利用一電腦系統來執行,該智能語音資訊質檢方法包含以下步驟: (A)建立一詞彙資料庫及一質檢資料庫,該詞彙資料庫儲存了包括與一特定服務產業的多個不同領域相關聯的多個領域詞彙的領域詞彙資料、包括多個通用詞彙的通用詞彙資料、包括多個精確詞彙的精確詞彙資料、及包括多個冗餘詞彙的冗餘詞彙資料,該質檢資料庫儲存了多個不同的意圖標籤、及至少一質檢判定規則,該至少一質檢判定規則與該等意圖標籤和至少一個適用於該客服人員的質檢項目有關; (B)利用語音辨識技術並根據該詞彙資料庫儲存的該通用詞彙資料與該領域詞彙資料,將該語音資訊轉譯成一由多個斷詞詞彙組成的原始文本,並獲得對應於該原始文本的辨識信心度資料,該辨識信心度資料包括多個分別對應於該等斷詞詞彙的辨識信心值; (C)根據該辨識信心度資料以及該詞彙資料庫儲存的該領域詞彙資料、該精確詞彙資料和該冗餘詞彙資料,檢核並適應性修正該原始文本,以獲得一符合於錯譯修正、精準斷詞及冗詞排除的精緻文本;及 (D)根據該質檢資料庫儲存的該至少一質檢判定規則並利用一與多個意圖詞彙相關聯且以基於文本大數據的機器學習方式訓練而成的意圖標註演算法,在語法和文意上分析該精緻文本,以便針對該至少一質檢項目,從該等意圖標籤中決定出至少一個歸屬於該精緻文本的意圖標籤,並根據該至少一意圖標籤輸出一對應於該語音資訊且有關於該至少一質檢項目的質檢結果。
- 如請求項1所述的智能語音資訊質檢方法,其中: 在步驟(A)中,該質檢資料庫儲存的該至少一質檢判定規則包含與其有關的至少一預定規則語法;及 在步驟(D)中,該電腦系統,對於該至少一質檢項目,判定該精緻文本是否存在有該至少一質檢判定規則的所含的該至少一預定規則語法,以獲得一判定結果,且利用該意圖標註演算法在文意上分析該精緻文本,以標註出符合於該精緻文本的至少一意圖詞彙,並根據該判定結果及該至少一意圖詞彙決定出該等意圖標籤。
- 一種智能語音資訊質檢系統,用於處理有關於一客服人員與一客戶之對話的語音資訊,並包含: 一儲存單元,包含一詞彙資料庫及一質檢資料庫,該詞彙資料庫儲存了包括與一特定服務產業的多個不同領域相關聯的多個領域詞彙的領域詞彙資料、包括多個通用詞彙的通用詞彙資料、包括多個精確詞彙的精確詞彙資料、及包括多個冗餘詞彙的冗餘詞彙資料,該質檢資料庫儲存了多個不同的意圖標籤、及至少一質檢判定規則,該至少一質檢判定規則與該等意圖標籤和至少一個適用於該客服人員的質檢項目有關; 一語音辨識模組,適於接收該語音資訊,連接該儲存單元,且利用語音辨識技術並根據該詞彙資料庫儲存的該通用詞彙資料與該領域詞彙資料,將該語音資訊轉譯成一由多個斷詞詞彙組成的原始文本,並獲得對應於該原始文本的辨識信心度資料,該辨識信心度資料包括多個分別對應於該等斷詞詞彙的辨識信心值; 一精緻文本模組,連接該儲存單元及該語音辨識模組,接收來自該語音辨識模組的該原始文本和該辨識信心度資料,且根據該辨識信心度資料以及該詞彙資料庫儲存的該領域詞彙資料、該精確詞彙資料和該冗餘詞彙資料,檢核並適應性修正該原始文本,以獲得一符合於錯譯修正、精準斷詞及冗詞排除的精緻文本;及 一質檢分析模組,連接該儲存單元及該精緻文本模組,接收來自該精緻文本模組的該精緻文本,且根據該質檢資料庫儲存的該至少一質檢判定規則並利用一與多個意圖詞彙相關聯且以基於文本大數據的機器學習方式訓練而成的意圖標註演算法,在語法和文意上分析該精緻文本,以便針對該至少一質檢項目,從該等意圖標籤中決定出至少一個歸屬於該精緻文本的意圖標籤,並根據該至少一意圖標籤輸出一對應於該語音資訊且有關於該至少一質檢項目的質檢結果。
- 如請求項3所述的智能語音資訊質檢系統,其中: 該質檢資料庫儲存的該至少一質檢判定規則包含與其有關的至少一預定規則語法;及 該質檢分析模組,對於該至少一質檢項目,判定該精緻文本是否存在有該至少一質檢判定規則的所含的該至少一預定規則語法,以獲得一判定結果,且利用該意圖標註演算法在文意上分析該精緻文本,以標註出符合於該精緻文本的至少一意圖詞彙,並根據該判定結果及該至少一意圖詞彙決定出該等意圖標籤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108137426A TWI725577B (zh) | 2019-10-17 | 2019-10-17 | 智能語音資訊質檢方法及系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108137426A TWI725577B (zh) | 2019-10-17 | 2019-10-17 | 智能語音資訊質檢方法及系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI725577B true TWI725577B (zh) | 2021-04-21 |
TW202117583A TW202117583A (zh) | 2021-05-01 |
Family
ID=76604640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108137426A TWI725577B (zh) | 2019-10-17 | 2019-10-17 | 智能語音資訊質檢方法及系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI725577B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776806A (zh) * | 2016-11-22 | 2017-05-31 | 广东电网有限责任公司佛山供电局 | 呼叫中心质检语音的评分方法和系统 |
US9787838B1 (en) * | 2016-09-29 | 2017-10-10 | Nice-Systems Ltd | System and method for analysis of interactions with a customer service center |
JP2017224300A (ja) * | 2010-01-18 | 2017-12-21 | アップル インコーポレイテッド | インテリジェント自動アシスタント |
CN109313899A (zh) * | 2016-06-08 | 2019-02-05 | 夏普株式会社 | 应答装置及应答装置的控制方法、控制程序 |
CN110135669A (zh) * | 2018-02-08 | 2019-08-16 | 上海合寰信息科技有限公司 | 一种服务质检管理方法及系统 |
CN110309216A (zh) * | 2019-05-10 | 2019-10-08 | 焦点科技股份有限公司 | 一种基于文本分类的客服语音质检方法 |
TWI674530B (zh) * | 2018-02-13 | 2019-10-11 | 鼎新電腦股份有限公司 | 操作虛擬助理的方法及系統 |
CN110334241A (zh) * | 2019-07-10 | 2019-10-15 | 深圳前海微众银行股份有限公司 | 客服录音的质检方法、装置、设备及计算机可读存储介质 |
-
2019
- 2019-10-17 TW TW108137426A patent/TWI725577B/zh active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017224300A (ja) * | 2010-01-18 | 2017-12-21 | アップル インコーポレイテッド | インテリジェント自動アシスタント |
CN109313899A (zh) * | 2016-06-08 | 2019-02-05 | 夏普株式会社 | 应答装置及应答装置的控制方法、控制程序 |
US9787838B1 (en) * | 2016-09-29 | 2017-10-10 | Nice-Systems Ltd | System and method for analysis of interactions with a customer service center |
CN106776806A (zh) * | 2016-11-22 | 2017-05-31 | 广东电网有限责任公司佛山供电局 | 呼叫中心质检语音的评分方法和系统 |
CN110135669A (zh) * | 2018-02-08 | 2019-08-16 | 上海合寰信息科技有限公司 | 一种服务质检管理方法及系统 |
TWI674530B (zh) * | 2018-02-13 | 2019-10-11 | 鼎新電腦股份有限公司 | 操作虛擬助理的方法及系統 |
CN110309216A (zh) * | 2019-05-10 | 2019-10-08 | 焦点科技股份有限公司 | 一种基于文本分类的客服语音质检方法 |
CN110334241A (zh) * | 2019-07-10 | 2019-10-15 | 深圳前海微众银行股份有限公司 | 客服录音的质检方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
TW202117583A (zh) | 2021-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112804400A (zh) | 客服呼叫语音质检方法、装置、电子设备及存储介质 | |
US10083691B2 (en) | Computer-implemented system and method for transcription error reduction | |
US10824814B2 (en) | Generalized phrases in automatic speech recognition systems | |
US9014363B2 (en) | System and method for automatically generating adaptive interaction logs from customer interaction text | |
US9361891B1 (en) | Method for converting speech to text, performing natural language processing on the text output, extracting data values and matching to an electronic ticket form | |
CN101010934B (zh) | 用于机器学习的方法 | |
US8145482B2 (en) | Enhancing analysis of test key phrases from acoustic sources with key phrase training models | |
WO2021135534A1 (zh) | 基于语音识别的对话管理处理方法、装置、设备及介质 | |
Kopparapu | Non-linguistic analysis of call center conversations | |
US20220103686A1 (en) | Automated agent behavior recommendations for call quality improvement | |
US20150220618A1 (en) | Tagging relations with n-best | |
KR20200125526A (ko) | 인공 신경망을 이용한 상담 서비스 품질 보증 방법과 상기 방법을 수행할 수 있는 컴퓨터 프로그램 | |
Pallotta et al. | Interaction mining: the new frontier of customer interaction analytics | |
CN111144118A (zh) | 口语化文本中命名实体的识别方法、系统、设备和介质 | |
CN114841128A (zh) | 基于人工智能的业务交互方法、装置、设备、介质及产品 | |
TWI725577B (zh) | 智能語音資訊質檢方法及系統 | |
CN115022471B (zh) | 一种智能机器人语音交互系统和方法 | |
Pallotta et al. | Interaction Mining: the new Frontier of Call Center Analytics. | |
TWM592529U (zh) | 智能語音資訊質檢系統 | |
García-Sardiña et al. | ES-Port: A spontaneous spoken human-human technical support corpus for dialogue research in Spanish | |
CN112863493A (zh) | 语音数据标注方法和装置,电子设备 | |
CN113127673B (zh) | 一种声纹数据库的构建方法及其数据调用方法 | |
CN110166640B (zh) | 呼叫中心通用信息模型建立系统及方法 | |
CN115567643A (zh) | 一种金融领域智能质检方法及系统 | |
CN117634471A (zh) | 一种nlp质检方法及计算机可读存储介质 |