CN106453971A - 呼叫中心质检语音的获取方法和呼叫中心质检系统 - Google Patents
呼叫中心质检语音的获取方法和呼叫中心质检系统 Download PDFInfo
- Publication number
- CN106453971A CN106453971A CN201611050776.XA CN201611050776A CN106453971A CN 106453971 A CN106453971 A CN 106453971A CN 201611050776 A CN201611050776 A CN 201611050776A CN 106453971 A CN106453971 A CN 106453971A
- Authority
- CN
- China
- Prior art keywords
- voice
- quality inspection
- bar number
- sampling
- emphasis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 286
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005070 sampling Methods 0.000 claims abstract description 116
- 238000012216 screening Methods 0.000 claims abstract description 21
- 239000000284 extract Substances 0.000 claims description 43
- 238000000605 extraction Methods 0.000 claims description 19
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000012106 screening analysis Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/2227—Quality of service monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
- G06F16/83—Querying
- G06F16/835—Query processing
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Machine Translation (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明涉及一种呼叫中心质检语音的获取方法和呼叫中心质检系统。所述方法包括步骤:获取文本格式的呼叫中心的语音;将呼叫中心的语音输入预设的业务模型进行筛选,获得所述业务模型对应的语音;对所述业务模型对应的语音进行抽样,获得质检的语音。所述质检系统包括:语音获取模块,用于获取文本格式的呼叫中心的语音;语音筛选模块,用于将呼叫中心的语音输入预设的业务模型进行筛选,获得所述业务模型对应的语音;语音抽样模块,用于对所述业务模型对应的语音进行抽样,获得质检的语音。本发明使到每个话务员的质检范围都是一致的,有效保证了质检的公平性。
Description
技术领域
本发明涉及音频处理技术领域,特别是涉及一种呼叫中心质检语音的获取方法、一种呼叫中心质检系统。
背景技术
竞争日趋激烈的市场环境对呼叫中心话务员的服务质量提出了更高的要求,尤其体现在信息提供的丰富性和时效性,为用户提供更多特色服务成为众多呼叫中心追求的目标。呼叫中心作为提供客户服务和联系接触客户的有效途径,对于提高客户的满意度与忠诚度具有重要意义。在激烈竞争的环境下,挖掘现有设备能力,采用先进技术,依靠劳动生产率的提高来确保企业服务质量和水平,这是为用户提供快捷方便的服务的必行之道。
呼叫中心质检就是获取话务员的录音,根据话务员的录音对话务员的服务质量检查和评定,其目的是用来保证话务员的总体服务水平,提高客户的满意度,进而提高企业的市场竞争力,因此质检在呼叫中心是一个重要的环节。
传统技术中,在进行呼叫中心质检时,一般是质检人员人工抽取需要质检的录音,例如,质检人员随机对话务员人员录音进行抽样质检,或者在收到某个客户投诉时,质检人员被动式查找出该投诉的录音,并对该录音进行核查与质检。但是该质检方法,无论对于哪种规模的呼叫中心来说,都存在着质检样本少,随机性大,不客观等局限性,因而会造成质检环节中对每个话务员的质检范围不一致,影响质检的公平性。
发明内容
基于此,有必要针对上述问题,提供一种呼叫中心质检语音的获取方法和呼叫中心质检系统,能够保证质检的公平性。
一种呼叫中心质检语音的获取方法,包括步骤:
获取文本格式的呼叫中心的语音;
将呼叫中心的语音输入预设的业务模型进行筛选,获得所述业务模型对应的语音;
对所述业务模型对应的语音进行抽样,获得质检的语音。
一种呼叫中心质检系统,包括:
语音获取模块,用于获取文本格式的呼叫中心的语音;
语音筛选模块,用于将呼叫中心的语音输入预设的业务模型进行筛选,获得所述业务模型对应的语音;
语音抽样模块,用于对所述业务模型对应的语音进行抽样,获得质检的语音。
上述呼叫中心质检语音的获取方法和呼叫中心质检系统,结合语音分析技术,将传统的随机抽样方式转变成程序自动对全量语音进行筛选分析,大大提高了质检的覆盖面积;根据业务模型以及抽样方法的筛选,使到每个话务员的质检范围都是一致的,有效保证了质检的公平性与针对性。
附图说明
图1为一实施例的呼叫中心质检语音的获取方法的流程示意图;
图2为一实施例的呼叫中心质检系统的结构示意图;
图3为一实施例的录音存储服务器、语音分析系统以及质检系统的交互示意图;
图4为一具体实施例的质检系统生成质检的语音的示意图。
具体实施方式
为更进一步阐述本发明所采取的技术手段及取得的效果,下面结合附图及较佳实施例,对本发明的技术方案,进行清楚和完整的描述。
如图1所示,一种呼叫中心质检语音的获取方法,包括步骤:
S110、获取文本格式的呼叫中心的语音;
S120、将呼叫中心的语音输入预设的业务模型进行筛选,获得所述业务模型对应的语音;
S130、对所述业务模型对应的语音进行抽样,获得质检的语音。
上述呼叫中心质检语音的获取方法对语音数据进行自动筛选,发现服务质量问题,通过智能抽样方式将语音提供给质检人员进行审核确认,以自动化抽取质检语音代替手工抽取质检语音,有效提升质检覆盖率和工作效率,保证了质检的公平性。为了更好的理解本发明,下面对各个步骤的具体实施方式做详细介绍。
在步骤S110中,呼叫中心可以为任何企业的客户服务中心,例如移动公司的呼叫中心,生产企业的售后呼叫中心,或者企业的售前呼叫中心等等。呼叫中心的话务员与客户的通话会通过录音的方式记录,所以呼叫中心会产生大量的语音文件(录音文件)。呼叫中心的语音文件可以保存在录音存储服务器或者其它存储设备中,为质检工作提供有效的数据源。由于话务员一般是通过电话等方式与客户进行沟通,所以录音存储服务器或者其它存储设备中记录的文件一般为音频格式的语音文件。
为了方便语音的筛选,需要将非结构化的音频格式文件转换为结构化的文本格式文件,例如建立文本格式的索引文件,文本格式的文件中包含语音的所有信息。文本格式可以为各种格式,例如标准XML(Extensible Markup Language,可扩展标记语言)格式等。将音频格式文件转换为文本格式文件可以通过现有的语音分析系统实现。
语音分析系统可以检测和分析出整个电话录音中的平均语速以及某段录音中语速的变化;检测出录音文件中用户及话务员人员都没有说话的静音时间等,这些信息最终生成文本格式的文件。文本格式的文件的内容通常包括:用户语音和话务员语音的文字转写结果;如果是双声道语音,需要给出声道信息(关键词位于哪个声道);短时语速数据;通话的语音端点、语速等信息。通话的语音端点、语速等信息包括:某个通话中,用户和话务员各自的每次说话的起止时间、语速(字/秒);某个通话中,用户和话务员各自的平均语速(字/秒)。如果录音文件包含了客户与话务员之间的对话信息,语音分析系统的场景分割功能可以在做语音转文本时将对话信息分离开来,并将话务员的语音信息存放在文本格式的文件中。
语音分析系统将音频格式的语音文件转换为文本格式的语音文件后,即可以从语音分析系统中获取转换后的文本格式的语音,利用获取的该文本格式的语音进行后续的筛选。
在步骤S120中,用户根据企业实际需求,可设置不同专题的业务模型。例如抱怨类模型,客服违规模型等。根据自身需求建立业务模型,可对语音进行不同角度的筛选。以抱怨类模型为例,用户可以设置时间范围,即筛选出某一时间段的语音,可以设置抱怨类模型的关键词,从而可以根据该关键词搜索到对应的语音,还可以设置筛选语音的其它条件,例如通话时长等,在此不予一一详述。
预先设置好各种业务模型后,如果想对某一类的语音进行筛选,则选取对应的业务模型,然后将转换后的语音输入选择的业务模型,则该业务模型就可以根据设置的条件筛选出相关的语音,得到该业务模型的语音。
在步骤S130中,由于根据业务模型筛选出来的语音数量较多,为了进一步提高质检的效率,还需要对业务模型筛选出来的语音进行进一步的抽样,获得质检语音。
对业务模型筛选出来的语音进行抽样有多种实现方式。例如,在一个实施例中,对所述业务模型对应的语音进行抽样,获得质检的语音的步骤可以包括:
S131、将所述业务模型对应的语音与预设的关键词进行匹配;
预设的关键词可以根据实际需要进行设置,为了可以划分重点质检语音和次要质检语音,预设的关键词与建立业务模型时设置的关键词不完全相同,例如,预设的关键词可以为设置的关键词中的部分关键词,也可以是用户根据实际需要重新添置的关键词等,本发明并不对此做出限定。设置好关键词后,将通过业务模型筛选出的语音与关键词进行匹配。
S132、根据匹配的结果将所述业务模型对应的语音划分为重点质检语音和次要质检语音;
如果业务模型对应的语音中某个语音存在所述关键词,则将该语音划分为重点质检语音,如果业务模型对应的语音中某个语音不存在所述关键词,则将该语音划分为次要质检语音。
S133、分别对所述重点质检语音和所述次要质检语音进行抽样,获得所述重点质检语音的抽样结果和所述次要质检语音的抽样结果;
划分好重点质检语音和次要质检语音后,根据对应的抽样规则分别对两种语音进行筛选。两种语音的抽样规则可以相同,也可以不相同。
S134、根据所述重点质检语音的抽样结果和所述次要质检语音的抽样结果获得质检的语音;
对重点质检语音进行抽样,获得抽样结果,对次要质检语音进行抽样,获得抽样结果,根据两个抽样结果即可以得到质检的语音。
需要说明的是,本发明并不限制于上述抽样的方式,用户还可以根据需要设置其他抽样方式,例如根据重要程度的不同将筛选出来的语音划分为三种类型的语音,或者直接对业务模型筛选出来的语音进行抽样,不划分重要质检语音和次要质检语音等。
对重点质检语音进行抽样有多种实现方式,例如,在一个实施例中,对所述重点质检语音进行抽样,获得所述重点质检语音的抽样结果的步骤可以包括:
S1331、根据预设的抽样总数以及重点质检语音的占比的乘积,获得所述重点质检语音的第一抽样条数;
抽样总数为设置的需要对每个话务员抽取的语音的总数,例如系统设置为每人每月需要抽取10条录音进行质检评分,则抽样总数为10。重点质检语音的占比可以根据需要进行设置,例如设置重点质检语音占比为80%,次要质检语音占比为20%。那么抽样条数=需要抽取X条录音记录(抽样总数)*占比。
S1332、根据所述第一抽样条数以及预设的首部抽取比重的乘积,获得从所述重点质检语音的头部抽取的条数;
设置抽样条数内的规则,例如首尾抽取比重各为20%,如果不足一条按一条计算。语音按照一定的顺序进行排列,例如按照时间的先后顺序进行排列,那么有序排列的语音中,第一条语音所在的位置即为首部,最后一条语音所在的位置即为尾部。从头部抽取的条数,即从第一条开始抽取的条数(简称首数)=抽样条数*首部抽取比重。
S1333、根据所述第一抽样条数以及预设的尾部抽取比重的乘积,获得从所述重点质检语音的尾部抽取的条数;
同理,从有序的语音中,从最后一条开始抽取的条数(简称尾数)=抽样条数*尾部抽取比重。
S1334、根据所述第一抽样条数、头部抽取的条数以及尾部抽取的条数,获得从所述重点质检语音中随机抽取的条数;
随机抽取的条数=抽样条数-首数-尾数。
S1335、根据头部抽取的条数、尾部抽取的条数以及随机抽取的条数对所述重点质检语音进行抽样,获得所述重点质检语音的抽样结果;
抽样结果=首数+尾数+随机数。
在对重点质检语音进行抽样时,重点质检录音总数有可能不满足需要抽取的抽样总数,则需要将同一话务员的其它语音补入重点质检录音,以使重点质检录音总数满足需要抽取的抽样总数。补入其它语音的方式有很多种,例如,在一个实施例中,获得所述重点质检语音的第一抽样条数之后,还包括步骤:若所述重点质检语音的实际条数小于所述第一抽样条数,从所述业务模型对应的语音中抽取同一话务员的通话时间大于预设阈值的语音,将抽取的语音补入所述重点质检语音中。即随机抽取同一话务员在此业务模型中当月通话时间较长的录音,将该录音补入重点质检语音。用户还可以设置其它选取规则对重点质检语音进行补充,例如选取时间最近的录音等等,本发明并不对此做出限定。
对次要质检语音进行抽样有多种实现方式,例如,在一个实施例中,对所述次要质检语音进行抽样,获得所述次要质检语音的抽样结果的步骤可以包括:
S133a、根据预设的抽样总数以及次要质检语音的占比的乘积,获得所述次要质检语音的第二抽样条数;
抽样总数为设置的需要对每个话务员抽取的语音的总数,例如系统设置为每人每月需要抽取10条录音进行质检评分,则抽样总数为10。次要质检语音的占比可以根据需要进行设置,例如设置重点质检语音占比为80%,次要质检语音占比为20%。那么抽样条数=需要抽取X条录音记录(抽样总数)*占比。
S133b、根据所述第二抽样条数以及预设的首部抽取比重的乘积,获得从所述次要质检语音的头部抽取的条数;
设置抽样条数内的规则,例如首尾抽取比重各为20%,如果不足一条按一条计算。语音按照一定的顺序进行排列,例如按照时间的先后顺序进行排列,那么有序排列的语音中,第一条语音所在的位置即为首部,最后一条语音所在的位置即为尾部。从头部抽取的条数,即从第一条开始抽取的条数(简称首数)=抽样条数*首部抽取比重。
S133c、根据所述第二抽样条数以及预设的尾部抽取比重的乘积,获得从所述次要质检语音的尾部抽取的条数;
同理,从有序的语音中,从最后一条开始抽取的条数(简称尾数)=抽样条数*尾部抽取比重。
S133d、根据所述第二抽样条数、头部抽取的条数以及尾部抽取的条数,获得从所述次要质检语音中随机抽取的条数;
随机抽取的条数=抽样条数-首数-尾数。
S133e、根据头部抽取的条数、尾部抽取的条数以及随机抽取的条数对所述次要质检语音进行抽样,获得所述次要质检语音的抽样结果;
抽样结果=首数+尾数+随机数。
在对次要质检语音进行抽样时,次要质检录音总数有可能不满足需要抽取的抽样总数,则需要将同一话务员的其它语音补入次要质检录音,以使次要质检录音总数满足需要抽取的抽样总数。补入其它语音的方式有很多种,例如,在一个实施例中,若所述次要质检语音的实际条数小于所述第二抽样条数,从所述业务模型对应的语音中抽取同一话务员的通话时间大于预设阈值的语音,将抽取的语音补入所述次要质检语音中。即随机抽取同一话务员在此业务模型中当月通话时间较长的录音,将该录音补入次要质检语音。用户还可以设置其它选取规则对次要质检语音进行补充,例如选取时间最近的录音等等,本发明并不对此做出限定。
为了更好的理解本发明抽样的方式,下面结合一个具体实施例进行说明。
系统设置为每人每月需要抽取10条话务录音(语音)进行质检评分。抽取方法设定为:重点质检录音占比例为80%,次要质检录音占比例为20%。首尾抽取比重各为20%。假如重点质检类分组编号为Z1+Z2+Z3+Z4+...+x,次要质检类为C1+C2+C3+C4+...+y,那么抽取重点质检录音编号为:Z1、Z2、(x-1)、x与除此之外的4条随机录音;次要质检录音编号为C1、Y。若如遇到重点质检录音总数不满足需要抽取的话务录音的总数,则随机抽取该话务员此模型中当月通话时间较长的录音进行补充,次要质检录音同理。
获得质检的语音后,即可以通过接口方式将质检的语音推送给质检人员,供质检人员进行质检评分。
基于同一发明构思,本发明还提供一种呼叫中心质检系统,下面结合附图对本发明系统的具体实施方式做详细描述。
如图2所示,一种呼叫中心质检系统,包括:
语音获取模块110,用于获取文本格式的呼叫中心的语音;
语音筛选模块120,用于将呼叫中心的语音输入预设的业务模型进行筛选,获得所述业务模型对应的语音;
语音抽样模块130,用于对所述业务模型对应的语音进行抽样,获得质检的语音。
上述呼叫中心质检系统(以下简称质检系统)对语音数据进行自动筛选,发现服务质量问题,通过智能抽样方式将语音提供给质检人员进行审核确认,以自动化抽取质检语音代替手工抽取质检语音,有效提升质检覆盖率和工作效率,保证了质检的公平性。为了更好的理解本发明,下面对各个模块的功能做详细介绍。
呼叫中心的话务员与客户的通话会通过录音的方式记录,所以呼叫中心会产生大量的语音文件。呼叫中心的语音文件可以保存在录音存储服务器或者其它存储设备中,为质检系统提供客服与客户沟通过程记录,为质检工作提供有效的数据源。由于话务员一般是通过电话等方式与客户进行沟通,所以录音存储服务器或者其它存储设备中记录的文件一般为音频格式的语音文件。
为了方便语音的筛选,需要将非结构化的音频格式文件转换为结构化的文本格式文件,例如建立文本格式的索引文件,文本格式的文件中包含语音的所有信息。将音频格式文件转换为文本格式文件可以通过现有的语音分析系统实现。
如图3所示,为录音存储服务器、语音分析系统以及质检系统的交互示意图。呼叫中心录音(语音)通过网络传输至语音分析系统,语音分析系统对送入的语音进行识别等过程后生成相应的索引文件,索引文件中包含了语音中的所有信息,并存储至数据库中。当用户需要进行检索时候,通过连接质检系统的检索模块进行查询。质检系统的检索模块根据用户的需求对从数据库中存储的索引文件中进行快速的查找,并将查询结果返回至用户。
语音分析系统实现录音语音数据转为录音文件数据,质检系统的语音获取模块110与语音分析系统对接,获取其成功转译后的文本数据。质检系统的语音筛选模块120根据系统业务模型需求,抽取出业务模型对应的语音记录,具体为:选取一种需要质检的业务模型,质检系统的语音筛选模块120将转换后的语音输入选择的业务模型,则该业务模型就可以根据设置的条件筛选出相关的语音,得到该业务模型的语音。
由于根据业务模型筛选出来的语音数量较多,为了进一步提高质检的效率,语音抽样模块130还需要对业务模型筛选出来的语音进行进一步的抽样,获得质检语音。
语音抽样模块130对业务模型筛选出来的语音进行抽样有多种实现方式。例如,在一个实施例中,所述语音抽样模块130可以包括:
语音匹配单元,用于将所述业务模型对应的语音与预设的关键词进行匹配;
语音划分单元,用于根据匹配的结果将所述业务模型对应的语音划分为重点质检语音和次要质检语音;
语音抽样单元,用于分别对所述重点质检语音和所述次要质检语音进行抽样,获得所述重点质检语音的抽样结果和所述次要质检语音的抽样结果;
质检语音获取单元,用于根据所述重点质检语音的抽样结果和所述次要质检语音的抽样结果获得质检的语音。
需要说明的是,本发明并不限制于上述抽样的方式,用户还可以根据需要设置其他抽样方式,例如根据重要程度的不同将筛选出来的语音划分为三种类型的语音,或者直接对业务模型筛选出来的语音进行抽样,不划分重要质检语音和次要质检语音等。
对重点质检语音进行抽样有多种实现方式,例如,在一个实施例中,所述语音抽样单元可以包括:
第一抽样条数获得子单元,用于根据预设的抽样总数以及重点质检语音的占比的乘积,获得所述重点质检语音的第一抽样条数;
第一头部抽取条数获得子单元,用于根据所述第一抽样条数以及预设的首部抽取比重的乘积,获得从所述重点质检语音的头部抽取的条数;
第一尾部抽取条数获得子单元,用于根据所述第一抽样条数以及预设的尾部抽取比重的乘积,获得从所述重点质检语音的尾部抽取的条数;
第一随机抽取条数获得子单元,用于根据所述第一抽样条数、头部抽取的条数以及尾部抽取的条数,获得从所述重点质检语音中随机抽取的条数;
第一抽样结果获得子单元,用于根据头部抽取的条数、尾部抽取的条数以及随机抽取的条数对所述重点质检语音进行抽样,获得所述重点质检语音的抽样结果。
在对重点质检语音进行抽样时,重点质检录音总数有可能不满足需要抽取的抽样总数,则需要将同一话务员的其它语音补入重点质检录音,以使重点质检录音总数满足需要抽取的抽样总数。补入其它语音的方式有很多种,例如,在所述重点质检语音的实际条数小于所述第一抽样条数时,从所述业务模型对应的语音中抽取同一话务员的通话时间大于预设阈值的语音,将抽取的语音补入所述重点质检语音中。即随机抽取同一话务员在此业务模型中当月通话时间较长的录音,将该录音补入重点质检语音。用户还可以设置其它选取规则对重点质检语音进行补充,例如选取时间最近的录音等等,本发明并不对此做出限定。
对次要质检语音进行抽样有多种实现方式,例如,在一个实施例中,所述语音抽样单元包括:
第二抽样条数获得子单元,用于根据预设的抽样总数以及次要质检语音的占比的乘积,获得所述次要质检语音的第二抽样条数;
第二头部抽取条数获得子单元,用于根据所述第二抽样条数以及预设的首部抽取比重的乘积,获得从所述次要质检语音的头部抽取的条数;
第二尾部抽取条数获得子单元,用于根据所述第二抽样条数以及预设的尾部抽取比重的乘积,获得从所述次要质检语音的尾部抽取的条数;
第二随机抽取条数获得子单元,用于根据所述第二抽样条数、头部抽取的条数以及尾部抽取的条数,获得从所述次要质检语音中随机抽取的条数;
第二抽样结果获得子单元,用于根据头部抽取的条数、尾部抽取的条数以及随机抽取的条数对所述次要质检语音进行抽样,获得所述次要质检语音的抽样结果。
在对次要质检语音进行抽样时,次要质检录音总数有可能不满足需要抽取的抽样总数,则需要将同一话务员的其它语音补入次要质检录音,以使次要质检录音总数满足需要抽取的抽样总数。补入其它语音的方式有很多种,例如,在所述次要质检语音的实际条数小于所述第二抽样条数时,从所述业务模型对应的语音中抽取同一话务员的通话时间大于预设阈值的语音,将抽取的语音补入所述次要质检语音中。即随机抽取同一话务员在此业务模型中当月通话时间较长的录音,将该录音补入次要质检语音。用户还可以设置其它选取规则对次要质检语音进行补充,例如选取时间最近的录音等等,本发明并不对此做出限定。
为了更好地理解本发明,下面结合一个具体实施例进行说明。
如图4所示,为质检系统生成质检的语音的示意图。数据库用于保存语音分析系统对录音文件进行语音转译后的录音文本信息、用于抽样的系统词语库、以及用户对质检的语音的评分结果等。录音存储服务器存储有呼叫中心产生的通话录音。具体的操作流程为:语音分析系统从录音存储服务器中获取通话录音,将通话录音转换为文本格式的索引文件,并将该索引文件存储至数据库。用户预先根据关键字等建立各种类型的业务模型,在需要对某一类型的录音进行质检时,选择对应的业务模型。该业务模型输入语音分析系统生成的索引文件,进行录音检索,获得该业务模型的录音。然后对业务模型的录音进行抽样,获得质检的录音,将该质检的录音推送给用户,用户即可以对质检的录音进行评分,并将评分的结果保存至数据库。
传统技术中的抽取质检语音的方法,无论对于哪种规模的呼叫中心来说,都存在着质检样本少,随机性大,不客观等局限性,造成质检环节中出现不公平,无针对性等现象;消耗时间长;偶尔随机抽听很少量录音判断客户诉求,不能准确反映广大客户的真实意愿。本发明结合语音分析技术,将传统的随机抽样方式转变成程序对全量录音进行筛选分析,然后筛选出可能有问题的通话记录再交由人工进行质检。通过程序对全量录音进行分析,大大提高了质检的覆盖面积。根据系统词语库设定敏感用词以及抽样方法的筛选,使到每个客服的质检范围都是一致的,使质检更加具备公平性与针对性。另外,本发明通过系统对录音自动分类和筛选,不仅提高了质检环节的效率,而且还能通过设置业务模型,为录音打上各种各样的标签,通过对语音文本进行解析,深入挖掘专题的根本原因,为市场需求以及倾听用户需求提供有效的数据,从而提高质检在呼叫中心环节中的作用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种呼叫中心质检语音的获取方法,其特征在于,包括步骤:
获取文本格式的呼叫中心的语音;
将呼叫中心的语音输入预设的业务模型进行筛选,获得所述业务模型对应的语音;
对所述业务模型对应的语音进行抽样,获得质检的语音。
2.根据权利要求1所述的呼叫中心质检语音的获取方法,其特征在于,对所述业务模型对应的语音进行抽样,获得质检的语音的步骤包括:
将所述业务模型对应的语音与预设的关键词进行匹配;
根据匹配的结果将所述业务模型对应的语音划分为重点质检语音和次要质检语音;
分别对所述重点质检语音和所述次要质检语音进行抽样,获得所述重点质检语音的抽样结果和所述次要质检语音的抽样结果;
根据所述重点质检语音的抽样结果和所述次要质检语音的抽样结果获得质检的语音。
3.根据权利要求2所述的呼叫中心质检语音的获取方法,其特征在于,对所述重点质检语音进行抽样,获得所述重点质检语音的抽样结果的步骤包括:
根据预设的抽样总数以及重点质检语音的占比的乘积,获得所述重点质检语音的第一抽样条数;
根据所述第一抽样条数以及预设的首部抽取比重的乘积,获得从所述重点质检语音的头部抽取的条数;
根据所述第一抽样条数以及预设的尾部抽取比重的乘积,获得从所述重点质检语音的尾部抽取的条数;
根据所述第一抽样条数、头部抽取的条数以及尾部抽取的条数,获得从所述重点质检语音中随机抽取的条数;
根据头部抽取的条数、尾部抽取的条数以及随机抽取的条数对所述重点质检语音进行抽样,获得所述重点质检语音的抽样结果。
4.根据权利要求3所述的呼叫中心质检语音的获取方法,其特征在于,获得所述重点质检语音的第一抽样条数之后,还包括步骤:
若所述重点质检语音的实际条数小于所述第一抽样条数,从所述业务模型对应的语音中抽取同一话务员的通话时间大于预设阈值的语音,将抽取的语音补入所述重点质检语音中。
5.根据权利要求2所述的呼叫中心质检语音的获取方法,其特征在于,对所述次要质检语音进行抽样,获得所述次要质检语音的抽样结果的步骤包括:
根据预设的抽样总数以及次要质检语音的占比的乘积,获得所述次要质检语音的第二抽样条数;
根据所述第二抽样条数以及预设的首部抽取比重的乘积,获得从所述次要质检语音的头部抽取的条数;
根据所述第二抽样条数以及预设的尾部抽取比重的乘积,获得从所述次要质检语音的尾部抽取的条数;
根据所述第二抽样条数、头部抽取的条数以及尾部抽取的条数,获得从所述次要质检语音中随机抽取的条数;
根据头部抽取的条数、尾部抽取的条数以及随机抽取的条数对所述次要质检语音进行抽样,获得所述次要质检语音的抽样结果。
6.根据权利要求5所述的呼叫中心质检语音的获取方法,其特征在于,获得所述次要质检语音的第二抽样条数之后,还包括步骤:
若所述次要质检语音的实际条数小于所述第二抽样条数,从所述业务模型对应的语音中抽取同一话务员的通话时间大于预设阈值的语音,将抽取的语音补入所述次要质检语音中。
7.一种呼叫中心质检系统,其特征在于,包括:
语音获取模块,用于获取文本格式的呼叫中心的语音;
语音筛选模块,用于将呼叫中心的语音输入预设的业务模型进行筛选,获得所述业务模型对应的语音;
语音抽样模块,用于对所述业务模型对应的语音进行抽样,获得质检的语音。
8.根据权利要求7所述的呼叫中心质检系统,其特征在于,所述语音抽样模块包括:
语音匹配单元,用于将所述业务模型对应的语音与预设的关键词进行匹配;
语音划分单元,用于根据匹配的结果将所述业务模型对应的语音划分为重点质检语音和次要质检语音;
语音抽样单元,用于分别对所述重点质检语音和所述次要质检语音进行抽样,获得所述重点质检语音的抽样结果和所述次要质检语音的抽样结果;
质检语音获取单元,用于根据所述重点质检语音的抽样结果和所述次要质检语音的抽样结果获得质检的语音。
9.根据权利要求8所述的呼叫中心质检系统,其特征在于,所述语音抽样单元包括:
第一抽样条数获得子单元,用于根据预设的抽样总数以及重点质检语音的占比的乘积,获得所述重点质检语音的第一抽样条数;
第一头部抽取条数获得子单元,用于根据所述第一抽样条数以及预设的首部抽取比重的乘积,获得从所述重点质检语音的头部抽取的条数;
第一尾部抽取条数获得子单元,用于根据所述第一抽样条数以及预设的尾部抽取比重的乘积,获得从所述重点质检语音的尾部抽取的条数;
第一随机抽取条数获得子单元,用于根据所述第一抽样条数、头部抽取的条数以及尾部抽取的条数,获得从所述重点质检语音中随机抽取的条数;
第一抽样结果获得子单元,用于根据头部抽取的条数、尾部抽取的条数以及随机抽取的条数对所述重点质检语音进行抽样,获得所述重点质检语音的抽样结果。
10.根据权利要求8所述的呼叫中心质检系统,其特征在于,所述语音抽样单元包括:
第二抽样条数获得子单元,用于根据预设的抽样总数以及次要质检语音的占比的乘积,获得所述次要质检语音的第二抽样条数;
第二头部抽取条数获得子单元,用于根据所述第二抽样条数以及预设的首部抽取比重的乘积,获得从所述次要质检语音的头部抽取的条数;
第二尾部抽取条数获得子单元,用于根据所述第二抽样条数以及预设的尾部抽取比重的乘积,获得从所述次要质检语音的尾部抽取的条数;
第二随机抽取条数获得子单元,用于根据所述第二抽样条数、头部抽取的条数以及尾部抽取的条数,获得从所述次要质检语音中随机抽取的条数;
第二抽样结果获得子单元,用于根据头部抽取的条数、尾部抽取的条数以及随机抽取的条数对所述次要质检语音进行抽样,获得所述次要质检语音的抽样结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611050776.XA CN106453971B (zh) | 2016-11-22 | 2016-11-22 | 呼叫中心质检语音的获取方法和呼叫中心质检系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611050776.XA CN106453971B (zh) | 2016-11-22 | 2016-11-22 | 呼叫中心质检语音的获取方法和呼叫中心质检系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106453971A true CN106453971A (zh) | 2017-02-22 |
CN106453971B CN106453971B (zh) | 2019-04-16 |
Family
ID=58219558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611050776.XA Active CN106453971B (zh) | 2016-11-22 | 2016-11-22 | 呼叫中心质检语音的获取方法和呼叫中心质检系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106453971B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107204195A (zh) * | 2017-05-19 | 2017-09-26 | 四川新网银行股份有限公司 | 一种基于情绪分析的智能质检方法 |
CN108737667A (zh) * | 2018-05-03 | 2018-11-02 | 平安科技(深圳)有限公司 | 语音质检方法、装置、计算机设备及存储介质 |
CN108965620A (zh) * | 2018-08-24 | 2018-12-07 | 杭州数心网络科技有限公司 | 一种人工智能呼叫中心系统 |
CN109448730A (zh) * | 2018-11-27 | 2019-03-08 | 广州广电运通金融电子股份有限公司 | 一种自动语音质检方法、系统、装置及存储介质 |
CN109618064A (zh) * | 2018-12-26 | 2019-04-12 | 合肥凯捷技术有限公司 | 一种人工客服语音质检系统 |
CN109682411A (zh) * | 2018-08-20 | 2019-04-26 | 深圳壹账通智能科技有限公司 | 产品质检方法、装置、设备及计算机可读存储介质 |
CN110176252A (zh) * | 2019-05-08 | 2019-08-27 | 江西尚通科技发展股份有限公司 | 基于风险管控模式的智能语音质检方法及系统 |
CN110413635A (zh) * | 2019-06-20 | 2019-11-05 | 口碑(上海)信息技术有限公司 | 一种数据处理方法以及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101662550A (zh) * | 2009-09-11 | 2010-03-03 | 中兴通讯股份有限公司 | 呼叫中心服务质量检测方法及系统 |
CN101931709A (zh) * | 2009-06-27 | 2010-12-29 | 华为技术有限公司 | 一种质检的方法,装置和系统 |
US20110040554A1 (en) * | 2009-08-15 | 2011-02-17 | International Business Machines Corporation | Automatic Evaluation of Spoken Fluency |
CN104168394A (zh) * | 2014-06-27 | 2014-11-26 | 国家电网公司 | 一种呼叫中心抽样质检方法及系统 |
CN105956940A (zh) * | 2016-06-02 | 2016-09-21 | 广东电网有限责任公司 | 一种电力服务热线质检抽样方法及系统 |
-
2016
- 2016-11-22 CN CN201611050776.XA patent/CN106453971B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101931709A (zh) * | 2009-06-27 | 2010-12-29 | 华为技术有限公司 | 一种质检的方法,装置和系统 |
US20110040554A1 (en) * | 2009-08-15 | 2011-02-17 | International Business Machines Corporation | Automatic Evaluation of Spoken Fluency |
CN101662550A (zh) * | 2009-09-11 | 2010-03-03 | 中兴通讯股份有限公司 | 呼叫中心服务质量检测方法及系统 |
CN104168394A (zh) * | 2014-06-27 | 2014-11-26 | 国家电网公司 | 一种呼叫中心抽样质检方法及系统 |
CN105956940A (zh) * | 2016-06-02 | 2016-09-21 | 广东电网有限责任公司 | 一种电力服务热线质检抽样方法及系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107204195A (zh) * | 2017-05-19 | 2017-09-26 | 四川新网银行股份有限公司 | 一种基于情绪分析的智能质检方法 |
CN108737667A (zh) * | 2018-05-03 | 2018-11-02 | 平安科技(深圳)有限公司 | 语音质检方法、装置、计算机设备及存储介质 |
CN109682411A (zh) * | 2018-08-20 | 2019-04-26 | 深圳壹账通智能科技有限公司 | 产品质检方法、装置、设备及计算机可读存储介质 |
CN108965620A (zh) * | 2018-08-24 | 2018-12-07 | 杭州数心网络科技有限公司 | 一种人工智能呼叫中心系统 |
CN109448730A (zh) * | 2018-11-27 | 2019-03-08 | 广州广电运通金融电子股份有限公司 | 一种自动语音质检方法、系统、装置及存储介质 |
CN109618064A (zh) * | 2018-12-26 | 2019-04-12 | 合肥凯捷技术有限公司 | 一种人工客服语音质检系统 |
CN110176252A (zh) * | 2019-05-08 | 2019-08-27 | 江西尚通科技发展股份有限公司 | 基于风险管控模式的智能语音质检方法及系统 |
CN110413635A (zh) * | 2019-06-20 | 2019-11-05 | 口碑(上海)信息技术有限公司 | 一种数据处理方法以及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106453971B (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106453971A (zh) | 呼叫中心质检语音的获取方法和呼叫中心质检系统 | |
US9692894B2 (en) | Customer satisfaction system and method based on behavioral assessment data | |
CN106776806A (zh) | 呼叫中心质检语音的评分方法和系统 | |
WO2021068843A1 (zh) | 一种情绪识别方法及装置、电子设备和可读存储介质 | |
CN107093431A (zh) | 一种对服务质量进行质检的方法及装置 | |
US10489451B2 (en) | Voice search system, voice search method, and computer-readable storage medium | |
CN107682249B (zh) | 群聊场景下的人员统计、加入群组方法、装置及设备 | |
CN104168394B (zh) | 一种呼叫中心抽样质检方法及系统 | |
CN105261362A (zh) | 一种通话语音监测方法及系统 | |
CN103390044B (zh) | 一种连锁类兴趣点数据识别方法及装置 | |
CN107103005A (zh) | 问答语料的收集方法及装置 | |
CN110135879A (zh) | 基于自然语言处理的客服质量自动评分方法 | |
CN108667713A (zh) | 公众号坐席超时提醒方法、装置、设备及存储介质 | |
CN109271503A (zh) | 智能问答方法、装置、设备及存储介质 | |
CN109410934A (zh) | 一种基于声纹特征的多人声音分离方法、系统及智能终端 | |
WO2016131241A1 (zh) | 质检方法及装置 | |
CN113507542B (zh) | 一种用于客服坐席的音视频在线巡检方法及系统 | |
WO2014131763A2 (de) | Wortwahlbasierte sprachanalyse und sprachanalyseeinrichtung | |
CN111010484A (zh) | 一种通话录音自动质检方法 | |
CN107995368A (zh) | 智能控制陌生来电提醒方式的方法、装置、终端和服务器 | |
CN112562644A (zh) | 基于人声分离的客服服务质检方法、系统、设备及介质 | |
TWI771632B (zh) | 學習支援裝置、學習支援方法及記錄媒體 | |
CN108494573A (zh) | 群聊天方法、装置及信息终端 | |
CN116567149A (zh) | 一种话务服务检测系统、方法、设备及存储介质 | |
KR102291113B1 (ko) | 회의록 작성 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |