CN107766560B - 客服服务流程的评价方法和系统 - Google Patents
客服服务流程的评价方法和系统 Download PDFInfo
- Publication number
- CN107766560B CN107766560B CN201711077543.3A CN201711077543A CN107766560B CN 107766560 B CN107766560 B CN 107766560B CN 201711077543 A CN201711077543 A CN 201711077543A CN 107766560 B CN107766560 B CN 107766560B
- Authority
- CN
- China
- Prior art keywords
- dialogue
- service
- standard
- corpus
- dialogues
- 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.)
- Active
Links
Images
Landscapes
- Machine Translation (AREA)
Abstract
本发明涉及一种客服服务流程的评价方法,所述方法包括:在待分析对话中提取客服的所有服务对白;根据与标准服务流程的各个所述流程节点一一对应的预设匹配条件分别对所述所有服务对白进行匹配,以得到所述客服的服务流程;对得到的所述客服的服务流程进行评价。本发明的客服服务流程的评价方法提高了客服服务流程的评价的准确性和效率,同时本发明还提供了一种客服服务流程的评价系统。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及客服服务流程的评价方法和系统。
背景技术
为保证企业为客户提供较高的服务水平,通常需要对客服的服务质量进行评价。目前,客服服务流程的评价方法采用人工方式,其通过对工作过程中客服人员的录音进行跟听,来监控客服人员的服务流程并给予一定评价。
发明人在实施本发明的过程中,发现现有的服务流程质检方法具有如下缺点:
现有的客服服务流程的评价方法依赖于人力,检验效率不高,且在跟听录音过程中易出现漏听、错听等情况,而导致质检结果失去准确性。
发明内容
本发明提出客服服务流程的评价方法和系统,提高了客服服务流程的评价方法的准确性,降低了实现难度。
本发明一方面提供一种客服服务流程的评价方法,所述方法包括:
在待分析对话中提取客服的所有服务对白;
根据与标准服务流程的各个所述流程节点一一对应的预设匹配条件分别对所述所有服务对白进行匹配,以得到所述客服的服务流程;
对得到的所述客服的服务流程进行评价。
在一种可选的实施方式中,所述在待分析对话中提取客服的所有服务对白,包括:
根据待分析对话的对白和区分性词语库获取所述待分析对话的对白的所有区分性词语;其中,所述区分性词语库包括预先获取的数量为第一设定数量的区分性词语;
根据所述待分析对话的对白的所有区分性词语和对话语料库获取与所述待分析对话的对白对应的对话角色的标签;其中,所述对话语料库包括多句标准对白和对应于各句所述标准对白的对话角色的标签;
提取所述待分析对话中对话角色的标签为客服的所有对白,作为所述客服的所有服务对白。
在一种可选的实施方式中,根据与标准服务流程的各个所述流程节点一一对应的预设匹配条件分别对所述所有服务对白进行匹配,以得到所述客服的服务流程,包括:
对标准服务流程的所有流程节点分别判断与各个所述流程节点一一对应的预设匹配条件是否为关键词匹配条件;
当判定与所述流程节点对应的预设匹配条件为关键词匹配条件时,对所述所有服务对白分别提取各句服务对白的所有关键词;
根据所述流程节点和所述所有服务对白的所有关键词匹配出所述所有服务对白中与所述流程节点对应的服务对白;
根据所述所有服务对白中与所述流程节点对应的服务对白获取所述客服的服务流程;
当判定与所述流程节点对应的预设匹配条件为模型匹配条件时,将所述所有服务对白输入至预先根据流程语料库建立的流程匹配模型,以得到所述所有服务对白的所有流程节点;其中,所述流程语料库包括所述标准服务流程的所有流程节点和对应于所述标准服务流程的各个流程节点的语料;
根据所述所有服务对白的所有流程节点获取所述客服的服务流程。
在一种可选的实施方式中,所述方法还包括:
响应于建立流程匹配模型的指令,基于神经网络算法根据所述流程语料库建立流程匹配模型。
在一种可选的实施方式中,所述根据所述流程节点和所述所有服务对白的所有关键词匹配出所述所有服务对白中与所述流程节点对应的服务对白,包括:
将所述流程节点和所述所有服务对白的所有关键词输入至预先根据所述流程语料库配置的概念图工具,以匹配出所述所有服务对白中与所述流程节点对应的服务对白。
本发明另一方面还提供了一种客服服务流程的评价系统,所述系统包括:
提取模块,用于在待分析对话中提取客服的所有服务对白;
获取模块,用于根据与标准服务流程的各个所述流程节点一一对应的预设匹配条件分别对所述所有服务对白进行匹配,以得到所述客服的服务流程;
评价模块,用于对得到的所述客服的服务流程进行评价。
在一种可选的实施方式中,所述提取模块包括:
区分性词语获取单元,用于根据待分析对话的对白和区分性词语库获取所述待分析对话的对白的所有区分性词语;其中,所述区分性词语库包括预先获取的数量为第一设定数量的区分性词语;
标签获取单元,用于根据所述待分析对话的对白的所有区分性词语和对话语料库获取与所述待分析对话的对白对应的对话角色的标签;其中,所述对话语料库包括多句标准对白和对应于各句所述标准对白的对话角色的标签;
第一提取单元,用于提取所述待分析对话中对话角色的标签为客服的所有对白,作为所述客服的所有服务对白。
在一种可选的实施方式中,所述获取模块包括:
条件判断单元,用于对标准服务流程的所有流程节点分别判断与各个所述流程节点一一对应的预设匹配条件是否为关键词匹配条件;
第一判定单元,用于当判定与所述流程节点对应的预设匹配条件为关键词匹配条件时,对所述所有服务对白分别提取各句服务对白的所有关键词;
第二匹配单元,用于根据所述流程节点和所述所有服务对白的所有关键词匹配出所述所有服务对白中与所述流程节点对应的服务对白;
第一服务流程获取单元,用于根据所述所有服务对白中与所述流程节点对应的服务对白获取所述客服的服务流程;
第二判定单元,用于当判定与所述流程节点对应的预设匹配条件为模型匹配条件时,将所述所有服务对白输入至预先根据流程语料库建立的流程匹配模型,以得到所述所有服务对白的所有流程节点;其中,所述流程语料库包括所述标准服务流程的所有流程节点和对应于所述标准服务流程的各个流程节点的语料;
第二服务流程获取单元,用于根据所述所有服务对白的所有流程节点获取所述客服的服务流程。
在一种可选的实施方式中,所述系统还包括:
模型建立模块,用于响应于建立流程匹配模型的指令,基于神经网络算法根据所述流程语料库建立流程匹配模型。
在一种可选的实施方式中,所述第二匹配单元包括:
概念图工具单元,用于将所述流程节点和所述所有服务对白的所有关键词输入至预先根据所述流程语料库配置的概念图工具,以匹配出所述所有服务对白中与所述流程节点对应的服务对白。
相比于现有技术,本发明具有如下突出的有益效果:本发明提供了一种客服服务流程的评价方法和系统,其中方法包括:在待分析对话中提取客服的所有服务对白;根据与标准服务流程的各个所述流程节点一一对应的预设匹配条件分别对所述所有服务对白进行匹配,以得到所述客服的服务流程;对得到的所述客服的服务流程进行评价。本发明提供的客服服务流程的评价方法和系统,通过在待分析对话中提取客服的所有服务对白,避免对客服与客户的所有对白进行流程节点的获取,减少了数据处理量,提高了客服服务流程的评价的效率;根据与标准服务流程的各个所述流程节点一一对应的预设匹配条件分别对所述所有服务对白进行匹配,便于通过对不同流程节点设置不同的预设匹配条件,从而在匹配效率和匹配精度上平衡,提高客服服务流程的评价的准确性和合理性,实现客服服务流程的评价的智能化,避免了人工方式带来的主观影响,同时提高了效率。
附图说明
图1是本发明提供的客服服务流程的评价方法的一个实施例的流程示意图;
图2是本发明提供的客服服务流程的评价系统的一个实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
参见图1,是本发明提供的客服服务流程的评价方法的一个实施例的流程示意图,所述方法包括:
S101,在待分析对话中提取客服的所有服务对白;
S102,根据与标准服务流程的各个所述流程节点一一对应的预设匹配条件分别对所述所有服务对白进行匹配,以得到所述客服的服务流程;
S103,对得到的所述客服的服务流程进行评价。
需要说明的是,所述标准服务流程的所有流程节点覆盖了所述客服的所有服务对白对应的流程节点。
即通过在待分析对话中提取客服的所有服务对白,避免对客服与客户的所有对白进行流程节点的获取,减少了数据处理量,提高了客服服务流程的评价的效率;根据与标准服务流程的各个所述流程节点一一对应的预设匹配条件分别对所述所有服务对白进行匹配,便于通过对不同流程节点设置不同的预设匹配条件,从而在匹配效率和匹配精度上平衡,提高客服服务流程的评价的准确性和合理性,实现客服服务流程的评价的智能化,避免了人工方式带来的主观影响,同时提高了效率。
例如,某空调的售后客服和客户之间的待分析对话为:
客服:你好,很高兴为您服务
客户:你好,我家的那个空调打不开了
客服:空调不能启动了是吗
客户:嗯
客服:方便提供一下您的订单号吗
客户:189383983
客服:您好,根据您反映的情况,这边将为您办理售后检测的预约
客服:请问您是江宏民江先生本人吗
客户:对
客服:好的,地址跟您确认一下:XX市XX县XX区XX路XX号楼
客户:对对对
若标准服务流程包括:问候、确认售后问题、核对商品订单号、确认商品详情和售后维修预约。
所述客服的所有服务对白与流程节点的映射关系为:
你好,很高兴为您服务
空调不能启动了是吗(流程节点:确认售后问题)
方便提供一下您的订单号吗(流程节点:核对商品订单号)
您好,根据您反映的情况,这边将为您办理售后维修的预约(流程节点:售后维修预约)
请问您是江宏民江先生本人吗(流程节点:售后维修预约)
好的,地址跟您确认一下:XX市XX县XX区XX路XX号楼(流程节点:售后维修预约)
需要说明的是,上述标准服务流程、服务对白与流程节点的映射关系、标准对白仅为示例,服务对白与流程节点的映射关系以实际应用场合为准。
在一种可选的实施方式中,所述方法还包括:在所述在待分析对话中提取客服的所有服务对白之前,获取客服与客户之间的对话语音;将所述对话语音转换为文本,以得到所述待分析对话。
在一种可选的实施方式中,所述对得到的所述客服的服务流程进行评价,包括:
获取所述标准服务流程的流程节点的总数;
获取所述客服的服务流程的具有的流程节点的总数;
计算所述客服的服务流程的具有的流程节点的总数与所述标准服务流程的流程节点的总数的比值,作为所述客服的服务流程的匹配率;
根据所述客服的服务流程的匹配率对得到的所述客服的服务流程进行评价。
本发明还提供客服服务流程的评价方法的又一实施例,所述方法包括上述实施例的客服服务流程的评价方法的步骤S101-S103,还进一步限定了,所述在待分析对话中提取客服的所有服务对白,包括:
根据待分析对话的对白和区分性词语库获取所述待分析对话的对白的所有区分性词语;其中,所述区分性词语库包括预先获取的数量为第一设定数量的区分性词语;
根据所述待分析对话的对白的所有区分性词语和预先根据对话语料库建立的对话角色判决模型获取与所述待分析对话的对白对应的对话角色的标签;其中,所述对话语料库包括多句标准对白和对应于各句所述标准对白的对话角色的标签;
提取所述待分析对话中对话角色的标签为客服的所有对白,作为所述客服的所有服务对白。。
需要说明的是,在实际应用中,所述对话语料库为所述待分析对话所属领域的对话语料库;所述对话语料库的标准对白为所述对话语料库中包含的所有对话的对白;所述对话语料库存储的对应于各句所述标准对白的对话角色的标签应包括所述待分析对话的对白的所有对话角色的标签;例如,若所述待分析对话的对话角色包括客服与客户,则对话语料库存储的对应于所述标准对白的对话角色的标签应为客服或客户的标签。
即通过区分性词语库获得待分析对话的对白的区分性词语,降低对待分析对话的对白中区分性词语进行判断的复杂度,提高处理效率;通过结合对话语料库,不仅仅根据待分析对话的对白本身去区分对话角色,提高对话角色特征提取的准确性,便于通过提供更全面的对话语料库得到对话语料库的对话角色判别模型,以更准确地识别对话角色的标签,从而提高对话角色区分的准确性。
在一种可选的实施方式中,所述根据待分析对话的对白和区分性词语库获取所述待分析对话的对白的所有区分性词语,包括:
对所述待分析对话的对白进行预处理,以得到所述待分析对话的对白的所有词语;
根据所述待分析对话的对白的所有词语与所述区分性词语库的所有区分性词语获取所述待分析对话的对白的区分性词语。
在一种可选的实施方式中,所述对所述待分析对话的对白进行预处理,以得到所述待分析对话的对白的所有词语,包括:
对所述待分析对话的对白进行分词、替换奇异词,以得到所述待分析对话的对白的所有词语。
在一种可选的实施方式中,所述根据待分析对话的对白和区分性词语库获取所述待分析对话的对白的所有区分性词语,包括:
对所述待分析对话的对白进行分词,以得到所述待分析对话的对白的所有词语;
将所述待分析对话的对白的所有词语与所述区分性词语库的所有区分性词语进行匹配,以获取所述待分析对话的对白的区分性词语。
即通过对所述待分析对话的对白进行分词得到所述待分析对话的对白的所有词语,保留了所述待分析对话的对白中的停用词,避免因去停用词而降低对区分性词语进行选取的准确性,从而提高了对话角色区分的准确性。
在一种可选的实施方式中,所述根据所述待分析对话的对白的所有区分性词语和对话语料库获取与所述待分析对话的对白对应的对话角色的标签,包括:
分别获取所述待分析对话的对白的各个区分性词语在所述待分析对话的对白中的词频,作为第一组参量;
对所述待分析对话的对白的各个所述区分性词语,分别获取对话语料库中具有对应的区分性词语的标准对白的数量;
对所述待分析对话的对白的各个所述区分性词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的区分性词语的标准对白的数量获取第二组参量;根据所述第一组参量和所述第二组参量生成所述待分析对话的对白的特征向量;
将所述待分析对话的对白的特征向量输入至所述对话语料库的对话角色判别模型,以识别出与所述待分析对话的对白对应的对话角色的标签。
在一种可选的实施方式中,所述对所述待分析对话的对白的各个所述区分性词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的区分性词语的标准对白的数量获取第二组参量,包括:
对所述待分析对话的对白的各个所述区分性词语,分别对所述对话语料库中具有对应的区分性词语的标准对白的数量进行加1,作为第一有效分母;
对所述待分析对话的对白的各个所述区分性词语,分别计算所述对话语料库的标准对白的总数与所述第一有效分母的比值,作为第二组参量。
需要说明的是,所述词频是指词语出现的次数;所述待分析对话的对白的所有区分性词语在所述待分析对话的对白中的词频,即所述待分析对话的对白的所有区分性词语在所述待分析对话的对白中出现的次数。通过将所述对话语料库中具有对应的区分性词语的标准对白的数量进行加1,以使所述第二组参量的分母不为0。
在一种可选的实施方式中,所述根据所述第一组参量和所述第二组参量生成所述待分析对话的对白的特征向量包括:
对所述第二组参量进行对数变换,以得到对数变换后的第二组参量;
根据所述第一组参量和所述对数变换后的第二组参量生成所述待分析对话的对白的特征向量。
即通过所述区分性词语在待分析对话的对白中的词频和所述比值获得特征向量,再结合基于所述对话语料库建立的对话角色判别模型来获取对话角色的标签,充分考虑了所述区分性词语在待分析对话的对白中的重要程度,以及所述区分性词语在所述对话语料库中的重要程度,提高了对话角色区分的准确性。
在一种可选的实施方式中,所述根据所述待分析对话的对白的所有区分性词语和预先根据对话语料库建立的对话角色判决模型获取与所述待分析对话的对白对应的对话角色的标签,还包括:
在分别获取所述第一组参量之前,计算所述第一设定数量与所述待分析对话的对白的区分性词语的数量之间的数量差值;
所述根据所述第一组参量和所述第二组参量生成所述待分析对话的对白的特征向量,包括:
生成个数为所述数量差值的填充词频;所述填充词频为0;
生成个数为所述数量差值的填充比值;所述填充比值为0;
根据所述填充词频和所述第一组参量生成参量个数为所述第一设定数量的第一特征参数;
根据所述填充比值和所述第二组参量生成参量个数为所述第一设定数量的第二特征参数;
根据所述第一特征参数和第二特征参数生成所述待分析对话的对白的特征向量。
例如,若所述待分析对话的对白为“您好,请问您是收件人吗”,且假设其区分性词语为“您”和“吗”,则“您”这个词语在待分析对话的对白中的词频为2,“吗”这个词语在待分析对话的对白中的词频为1;若所述对话语料库中所有对话角色的标准对白的总数为100,假设所述对话语料库中具有“您”这个词语的标准对白的数量为60,具有“吗”这个词语的标准对白的数量为58,则所述对话语料库的标准对白的总数与所述对话语料库中具有“您”这个词语的标准对白的数量的比值为所述对话语料库的标准对白的总数与所述对话语料库中具有“吗”这个词语的标准对白的数量的比值为假设所述第一设定数量为3,则第一特征参数为(2,1,0),第二特征参数为(0.6,0.58,0),所述待分析对话的对白的特征向量为(2,1,0;0.6,0.58,0)。
即通过生成填充词频和填充比值,便于通过具有确定参数个数的特征向量,降低处理难度;通过生成空值的填充词频和填充比值,减少参数的代入计算,提高计算速度,从而提高处理效率。
在一种可选的实施方式中,所述方法还包括:
响应于训练所述对话角色判别模型的指令,对所述区分性词语库的各个区分性词语,分别获取对应的区分性词语在所述对话语料库的各句所述标准对白中的词频,作为第三组参量;
对所述区分性词语库的各个区分性词语,分别获取所述对话语料库中具有对应的区分性词语的标准对白的数量;
对所述区分性词语库的各个区分性词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的区分性词语的标准对白的数量获取第四组参量;
根据所述第三组参量和所述第四组参量生成各句所述标准对白的特征向量;
基于朴素贝叶斯算法,根据所述各句所述标准对白的特征向量和所述对应于各句所述标准对白的对话角色的标签训练所述对话角色判别模型。
在一种可选的实施方式中,所述对所述区分性词语库的各个区分性词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的区分性词语的标准对白的数量获取第四组参量,包括:
对所述区分性词语库的各个区分性词语,分别对所述对话语料库中具有对应的区分性词语的标准对白的数量进行加1,作为第二有效分母;
对所述区分性词语库的各个区分性词语,分别计算所述对话语料库的标准对白的总数与所述第二有效分母的比值,作为第四组参量。
即基于朴素贝叶斯算法来训练对话角色判别模型,能够更准确地权衡各个区分性词语对区分对话角色的贡献,提高了对话角色区分的准确性;通过对所述对话语料库中具有对应的区分性词语的标准对白的数量进行加1,以使所述第二组参量的分母不为0。
在一种可选的实施方式中,所述方法还包括:
响应于获取所述区分性词语库的指令,对所述对话语料库的所有标准对白进行预处理,以得到所述对话语料库的所有词语;
对所述对话语料库的各个词语,分别获取对应的词语在所述对话语料库的各句所述标准对白中的词频,作为第五组参量;
对所述对话语料库的各个词语,分别获取所述对话语料库中具有对应的词语的标准对白的数量;
对所述对话语料库的各个词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的词语的标准对白的数量获取第六组参量;
根据所述第五组参量和所述第六组参量生成各句所述标准对白的特征向量;
基于信息增益法,根据各句所述标准对白的特征向量和所述对应于各句所述标准对白的对话角色的标签在所述对话语料库的所有词语中选取数量为所述第一设定数量的词语,以得到所述区分性词语库。
在一种可选的实施方式中,对所述对话语料库的各个词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的词语的标准对白的数量获取第六组参量,包括:
对所述对话语料库的各个词语,分别对所述对话语料库中具有对应的词语的标准对白的数量进行加1,作为第三有效分母;
对所述对话语料库的各个词语,分别计算所述对话语料库的标准对白的总数与所述第三有效分母的比值,作为第六组参量。
即通过信息增益法来选取区分性词语,克服了人工筛选的主观随意性与片面性,从而使得筛选的区分性词语与对话角色之间的关联性更大,进一步提高了对话角色区分的准确性;通过对所述对话语料库中具有对应的词语的标准对白的数量进行加1,以使所述第二组参量的分母不为0。
本发明还提供客服服务流程的评价方法的又一个实施例,所述方法包括如上述实施例所述的客服服务流程的评价方法的步骤S101-S103,还进一步限定了:
根据与标准服务流程的各个所述流程节点一一对应的预设匹配条件分别对所述所有服务对白进行匹配,以得到所述客服的服务流程,包括:
对标准服务流程的所有流程节点分别判断与各个所述流程节点一一对应的预设匹配条件是否为关键词匹配条件;
当判定与所述流程节点对应的预设匹配条件为关键词匹配条件时,对所述所有服务对白分别提取各句服务对白的所有关键词;
根据所述流程节点和所述所有服务对白的所有关键词匹配出所述所有服务对白中与所述流程节点对应的服务对白;
根据所述所有服务对白中与所述流程节点对应的服务对白获取所述客服的服务流程;
当判定与所述流程节点对应的预设匹配条件为模型匹配条件时,将所述所有服务对白输入至预先根据流程语料库建立的流程匹配模型,以得到所述所有服务对白的所有流程节点;其中,所述流程语料库包括所述标准服务流程的所有流程节点和对应于所述标准服务流程的各个流程节点的语料;
根据所述所有服务对白的所有流程节点获取所述客服的服务流程。
即对不同流程节点设置不同预设匹配条件,便于将关键词匹配准确性较高的流程节点设置为关键词匹配条件,从而快速地匹配出所述所有服务对白中与所述流程节点对应的服务对白,提高获取所述客服的服务流程的效率;以及便于通过将关键词匹配准确性较低的流程节点设置为模型匹配条件,从而通过预先根据流程语料库建立的流程匹配模型精确地匹配出所述所有服务对白中与所述流程节点对应的服务对白,提高流程节点匹配的准确性,进一步提高客服服务流程的评价的客观性。
在一种可选的实施方式中,所述当判定与所述流程节点对应的预设匹配条件为关键词匹配条件时,对所述所有服务对白分别提取各句服务对白的所有关键词,包括:
当判定与所述流程节点对应的预设匹配条件为关键词匹配条件时,基于自然语义理解算法,对所述所有服务对白分别提取各句服务对白的所有关键词。
即通过自然语义理解算法对所述所有服务对白分别提取各句服务对白的所有关键词,提高了关键词提取的准确性。
在一种可选的实施方式中,所述方法还包括:
响应于建立流程匹配模型的指令,基于神经网络算法根据所述流程语料库建立流程匹配模型。
即通过神经网络算法建立流程匹配模型,从而实现更全面更准确的获取所述服务对白的流程节点,进一步提高客服服务流程的评价的客观性。
在一种可选的实施方式中,所述根据所述流程节点和所述所有服务对白的所有关键词匹配出所述所有服务对白中与所述流程节点对应的服务对白,包括:
将所述流程节点和所述所有服务对白的所有关键词输入至预先根据所述流程语料库配置的概念图工具(Concept Mapper),以匹配出所述所有服务对白中与所述流程节点对应的服务对白。
需要说明的是,概念图是某个主题的概念及其关系的图形化表示,概念图是用来组织和表征知识的工具。它通常将某一主题的有关概念置于圆圈或方框之中,然后用连线将相关的概念和命题连接,连线上标明两个概念之间的意义关系。
即通过概念图工具将关键词与流程节点之间的联系应用于所述服务对白中,从而实现更高效更准确地匹配出所述所有服务对白中与所述流程节点对应的服务对白,进一步提高客服服务流程的评价的客观性和效率。
在一种可选的实施方式中,所述根据所述流程节点和所述所有服务对白的所有关键词匹配出所述所有服务对白中与所述流程节点对应的服务对白,包括:
对所述所有服务对白分别通过通配符或正则表达式将所述服务对白的所有关键词与对应于各个流程节点的句型模板进行匹配,以得到所有与所述服务对白匹配的句型模板;
根据所有对应于与所述服务对白匹配的句型模板的流程节点获取所述所有服务对白中与所述流程节点对应的服务对白。
例如,若服务对白为:“您需要修改密码吗”,从该服务对白提取的关键词为“修改”、“密码”和“吗”,则通过通配符*修改*密码*吗*与各个流程节点的句型模板进行匹配,若匹配出的句型模板为“您是想修改密码吗”,则对应于该句型模板的流程节点即为与所述服务对白对应的流程节点,若没有匹配的句型模板,则没有与所述服务对白对应的流程节点。
即通过通过通配符或正则表达式进行快速匹配,降低计算的复杂程度,提高客服服务流程的评价的效率。
参见图2,其是本发明提供的客服服务流程的评价系统的一个实施例的结构示意图,所述系统包括:
提取模块201,用于用于在待分析对话中提取客服的所有服务对白;
获取模块202,用于根据与标准服务流程的各个所述流程节点一一对应的预设匹配条件分别对所述所有服务对白进行匹配,以得到所述客服的服务流程;
评价模块203,用于对得到的所述客服的服务流程进行评价。
需要说明的是,所述标准服务流程的所有流程节点覆盖了所述客服的所有服务对白对应的流程节点。
即通过在待分析对话中提取客服的所有服务对白,避免对客服与客户的所有对白进行流程节点的获取,减少了数据处理量,提高了客服服务流程的评价的效率;根据与标准服务流程的各个所述流程节点一一对应的预设匹配条件分别对所述所有服务对白进行匹配,便于通过对不同流程节点设置不同的预设匹配条件,从而在匹配效率和匹配精度上平衡,提高客服服务流程的评价的准确性和合理性,实现客服服务流程的评价的智能化,避免了人工方式带来的主观影响,同时提高了效率。
例如,某空调的售后客服和客户之间的待分析对话为:
客服:你好,很高兴为您服务
客户:你好,我家的那个空调打不开了
客服:空调不能启动了是吗
客户:嗯
客服:方便提供一下您的订单号吗
客户:189383983
客服:您好,根据您反映的情况,这边将为您办理售后检测的预约
客服:请问您是江宏民江先生本人吗
客户:对
客服:好的,地址跟您确认一下:XX市XX县XX区XX路XX号楼
客户:对对对
若标准服务流程包括:问候、确认售后问题、核对商品订单号、确认商品详情和售后维修预约。
所述客服的所有服务对白与流程节点的映射关系为:
你好,很高兴为您服务
空调不能启动了是吗(流程节点:确认售后问题)
方便提供一下您的订单号吗(流程节点:核对商品订单号)
您好,根据您反映的情况,这边将为您办理售后维修的预约(流程节点:售后维修预约)
请问您是江宏民江先生本人吗(流程节点:售后维修预约)
好的,地址跟您确认一下:XX市XX县XX区XX路XX号楼(流程节点:售后维修预约)
需要说明的是,上述标准服务流程、服务对白与流程节点的映射关系、标准对白仅为示例,服务对白与流程节点的映射关系以实际应用场合为准。
在一种可选的实施方式中,所述系统还包括:语音获取模块,用于在所述在待分析对话中提取客服的所有服务对白之前,获取客服与客户之间的对话语音;语音转换模块,用于将所述对话语音转换为文本,以得到所述待分析对话。
在一种可选的实施方式中,所述评价模块包括:
第十一获取单元,用于获取所述标准服务流程的流程节点的总数;
第十二获取单元,用于获取所述客服的服务流程的具有的流程节点的总数;
第四计算单元,用于计算所述客服的服务流程的具有的流程节点的总数与所述标准服务流程的流程节点的总数的比值,作为所述客服的服务流程的匹配率;
第一评价单元,用于根据所述客服的服务流程的匹配率对得到的所述客服的服务流程进行评价。
本发明还提供客服服务流程的评价系统的又一个实施例,所述系统包括上述实施例所述的提取模块201、获取模块202和评价模块203,还进一步限定了:所述提取模块包括:
区分性词语获取单元,用于根据待分析对话的对白和区分性词语库获取所述待分析对话的对白的所有区分性词语;其中,所述区分性词语库包括预先获取的数量为第一设定数量的区分性词语;
标签获取单元,用于根据所述待分析对话的对白的所有区分性词语和对话语料库获取与所述待分析对话的对白对应的对话角色的标签;其中,所述对话语料库包括多句标准对白和对应于各句所述标准对白的对话角色的标签;
客服服务对白提取单元,用于提取所述待分析对话中对话角色的标签为客服的所有对白,作为所述客服的所有服务对白。。
需要说明的是,在实际应用中,所述对话语料库为所述待分析对话所属领域的对话语料库;所述对话语料库的标准对白为所述对话语料库中包含的所有对话的对白;所述对话语料库存储的对应于各句所述标准对白的对话角色的标签应包括所述待分析对话的对白的所有对话角色的标签;例如,若所述待分析对话的对话角色包括客服与客户,则对话语料库存储的对应于所述标准对白的对话角色的标签应为客服或客户的标签。
即通过区分性词语库获得待分析对话的对白的区分性词语,降低对待分析对话的对白中区分性词语进行判断的复杂度,提高处理效率;通过结合对话语料库,不仅仅根据待分析对话的对白本身去区分对话角色,提高对话角色特征提取的准确性,便于通过提供更全面的对话语料库得到对话语料库的对话角色判别模型,以更准确地识别对话角色的标签,从而提高对话角色区分的准确性。
在一种可选的实施方式中,所述区分性词语获取单元包括:
第一预处理单元,用于对所述待分析对话的对白进行预处理,以得到所述待分析对话的对白的所有词语;
区分性词语获取子单元,用于根据所述待分析对话的对白的所有词语与所述区分性词语库的所有区分性词语获取所述待分析对话的对白的区分性词语。
在一种可选的实施方式中,所述预处理单元包括:
预处理子单元,用于对所述待分析对话的对白进行分词、替换奇异词,以得到所述待分析对话的对白的所有词语。
在一种可选的实施方式中,所述区分性词语获取单元包括:
分词单元,用于对所述待分析对话的对白进行分词,以得到所述待分析对话的对白的所有词语;
词语匹配单元,用于将所述待分析对话的对白的所有词语与所述区分性词语库的所有区分性词语进行匹配,以获取所述待分析对话的对白的区分性词语。
即通过对所述待分析对话的对白进行分词得到所述待分析对话的对白的所有词语,保留了所述待分析对话的对白中的停用词,避免因去停用词而降低对区分性词语进行选取的准确性,从而提高了对话角色区分的准确性。
在一种可选的实施方式中,所述标签获取单元包括:
第一组参量获取单元,用于分别获取所述待分析对话的对白的各个区分性词语在所述待分析对话的对白中的词频,作为第一组参量;
第一数量获取单元,用于对所述待分析对话的对白的各个所述区分性词语,分别获取对话语料库中具有对应的区分性词语的标准对白的数量;
第二组参量获取单元,用于对所述待分析对话的对白的各个所述区分性词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的区分性词语的标准对白的数量获取第二组参量;
第一特征向量生成单元,用于根据所述第一组参量和所述第二组参量生成所述待分析对话的对白的特征向量;
标签识别单元,用于将所述待分析对话的对白的特征向量输入至所述对话语料库的对话角色判别模型,以识别出与所述待分析对话的对白对应的对话角色的标签。
在一种可选的实施方式中,所述第二组参量获取单元包括:
第一有效分母获取子单元,用于对所述待分析对话的对白的各个所述区分性词语,分别对所述对话语料库中具有对应的区分性词语的标准对白的数量进行加1,作为第一有效分母;
第二组参量获取子单元,用于对所述待分析对话的对白的各个所述区分性词语,分别计算所述对话语料库的标准对白的总数与所述第一有效分母的比值,作为第二组参量。
需要说明的是,所述词频是指词语出现的次数;所述待分析对话的对白的所有区分性词语在所述待分析对话的对白中的词频,即所述待分析对话的对白的所有区分性词语在所述待分析对话的对白中出现的次数。通过将所述对话语料库中具有对应的区分性词语的标准对白的数量进行加1,以使所述第二组参量的分母不为0。
在一种可选的实施方式中,所述根据所述第一组参量和所述第二组参量生成所述待分析对话的对白的特征向量包括:
对所述第二组参量进行对数变换,以得到对数变换后的第二组参量;
根据所述第一组参量和所述对数变换后的第二组参量生成所述待分析对话的对白的特征向量。
即通过所述区分性词语在待分析对话的对白中的词频和所述比值获得特征向量,再结合基于所述对话语料库建立的对话角色判别模型来获取对话角色的标签,充分考虑了所述区分性词语在待分析对话的对白中的重要程度,以及所述区分性词语在所述对话语料库中的重要程度,提高了对话角色区分的准确性。
在一种可选的实施方式中,所述标签获取单元还包括:
数量差值计算单元,用于在分别获取所述待分析对话的对白的各个区分性词语在所述待分析对话的对白中的词频之前,计算所述第一设定数量与所述待分析对话的对白的区分性词语的数量之间的数量差值;
所述第一特征向量生成单元包括:
第一生成单元,用于生成个数为所述数量差值的填充词频;所述填充词频为0;
第二生成单元,用于生成个数为所述数量差值的填充比值;所述填充比值为0;
第三生成单元,用于根据所述填充词频和所述第一组参量生成参量个数为所述第一设定数量的第一特征参数;
第四生成单元,用于根据所述填充比值和所述第二组参量生成参量个数为所述第一设定数量的第二特征参数;
第五生成单元,用于根据所述第一特征参数和第二特征参数生成所述待分析对话的对白的特征向量。
例如,若所述待分析对话的对白为“您好,请问您是收件人吗”,且假设其区分性词语为“您”和“吗”,则“您”这个词语在待分析对话的对白中的词频为2,“吗”这个词语在待分析对话的对白中的词频为1;若所述对话语料库中所有对话角色的标准对白的总数为100,假设所述对话语料库中具有“您”这个词语的标准对白的数量为60,具有“吗”这个词语的标准对白的数量为58,则所述对话语料库的标准对白的总数与所述对话语料库中具有“您”这个词语的标准对白的数量的比值为所述对话语料库的标准对白的总数与所述对话语料库中具有“吗”这个词语的标准对白的数量的比值为假设所述第一设定数量为3,则第一特征参数为(2,1,0),第二特征参数为(0.6,0.58,0),所述待分析对话的对白的特征向量为(2,1,0;0.6,0.58,0)。
即通过生成填充词频和填充比值,便于通过具有确定参数个数的特征向量,降低处理难度;通过生成空值的填充词频和填充比值,减少参数的代入计算,提高计算速度,从而提高处理效率。
在一种可选的实施方式中,所述提取模块还包括:
第三组参量获取单元,用于响应于训练所述对话角色判别模型的指令,对所述区分性词语库的各个区分性词语,分别获取对应的区分性词语在所述对话语料库的各句所述标准对白中的词频,作为第三组参量;
第二数量获取单元,用于对所述区分性词语库的各个区分性词语,分别获取所述对话语料库中具有对应的区分性词语的标准对白的数量;
第四组参量获取单元,用于对所述区分性词语库的各个区分性词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的区分性词语的标准对白的数量获取第四组参量;
第二特征向量生成单元,用于根据所述第三组参量和所述第四组参量生成各句所述标准对白的特征向量;
模型建立单元,用于基于朴素贝叶斯算法,根据所述各句所述标准对白的特征向量和所述对应于各句所述标准对白的对话角色的标签训练所述对话角色判别模型。
在一种可选的实施方式中,所述第四组参量获取单元包括:
第二有效分母获取子单元,用于对所述区分性词语库的各个区分性词语,分别对所述对话语料库中具有对应的区分性词语的标准对白的数量进行加1,作为第二有效分母;
第四组参量获取子单元,用于对所述区分性词语库的各个区分性词语,分别计算所述对话语料库的标准对白的总数与所述第二有效分母的比值,作为第四组参量。
即基于朴素贝叶斯算法来训练对话角色判别模型,能够更准确地权衡各个区分性词语对区分对话角色的贡献,提高了对话角色区分的准确性;通过对所述对话语料库中具有对应的区分性词语的标准对白的数量进行加1,以使所述第二组参量的分母不为0。
在一种可选的实施方式中,所述提取模块还包括:
第二预处理单元,用于响应于获取所述区分性词语库的指令,对所述对话语料库的所有标准对白进行预处理,以得到所述对话语料库的所有词语;
第五组参量获取单元,用于对所述对话语料库的各个词语,分别获取对应的词语在所述对话语料库的各句所述标准对白中的词频,作为第五组参量;
第三数量获取单元,用于对所述对话语料库的各个词语,分别获取所述对话语料库中具有对应的词语的标准对白的数量;
第六组参量获取单元,用于对所述对话语料库的各个词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的词语的标准对白的数量获取第六组参量;
第三特征向量生成单元,用于根据所述第五组参量和所述第六组参量生成各句所述标准对白的特征向量;
词语选取单元,用于基于信息增益法,根据各句所述标准对白的特征向量和所述对应于各句所述标准对白的对话角色的标签在所述对话语料库的所有词语中选取数量为所述第一设定数量的词语,以得到所述区分性词语库。
在一种可选的实施方式中,所述第六组参量获取单元包括:
第三有效分母获取子单元,用于对所述对话语料库的各个词语,分别对所述对话语料库中具有对应的词语的标准对白的数量进行加1,作为第三有效分母;
第六组参量获取子单元,用于对所述对话语料库的各个词语,分别计算所述对话语料库的标准对白的总数与所述第三有效分母的比值,作为第六组参量。
即通过信息增益法来选取区分性词语,克服了人工筛选的主观随意性与片面性,从而使得筛选的区分性词语与对话角色之间的关联性更大,进一步提高了对话角色区分的准确性;通过对所述对话语料库中具有对应的词语的标准对白的数量进行加1,以使所述第二组参量的分母不为0。
在一种可选的实施方式中,所述获取模块包括:
条件判断单元,用于基于自然语义理解算法,对所述所有服务对白分别提取各句服务对白的所有关键词;
第一判定单元,用于基于概念图工具,对所述所有服务对白分别将服务对白的所有关键词与所述标准服务语料库进行匹配,以得到所述服务对白的流程节点。
即通过自然语义理解算法对所述所有服务对白分别提取各句服务对白的所有关键词,大大提高了关键词提取的准确性;通过概念图工具将关键词与流程节点之间的联系应用于所述服务对白中,从而实现更高效更准确地得到所述服务对白的流程节点,进一步提高客服服务流程的评价的客观性和效率。
本发明还提供客服服务流程的评价系统的又一个实施例,所述系统包括如上述实施例所述的客服服务流程的评价系统的提取模块201、获取模块202和评价模块203,还进一步限定了,所述获取模块包括:
条件判断单元,用于对标准服务流程的所有流程节点分别判断与各个所述流程节点一一对应的预设匹配条件是否为关键词匹配条件;
第一判定单元,用于当判定与所述流程节点对应的预设匹配条件为关键词匹配条件时,对所述所有服务对白分别提取各句服务对白的所有关键词;
第二匹配单元,用于根据所述流程节点和所述所有服务对白的所有关键词匹配出所述所有服务对白中与所述流程节点对应的服务对白;
第一服务流程获取单元,用于根据所述所有服务对白中与所述流程节点对应的服务对白获取所述客服的服务流程;
第二判定单元,用于当判定与所述流程节点对应的预设匹配条件为模型匹配条件时,将所述所有服务对白输入至预先根据流程语料库建立的流程匹配模型,以得到所述所有服务对白的所有流程节点;其中,所述流程语料库包括所述标准服务流程的所有流程节点和对应于所述标准服务流程的各个流程节点的语料;
第二服务流程获取单元,用于根据所述所有服务对白的所有流程节点获取所述客服的服务流程。
即对不同流程节点设置不同预设匹配条件,便于将关键词匹配准确性较高的流程节点设置为关键词匹配条件,从而快速地匹配出所述所有服务对白中与所述流程节点对应的服务对白,提高获取所述客服的服务流程的效率;以及便于通过将关键词匹配准确性较低的流程节点设置为模型匹配条件,从而通过预先根据流程语料库建立的流程匹配模型精确地匹配出所述所有服务对白中与所述流程节点对应的服务对白,提高流程节点匹配的准确性,进一步提高客服服务流程的评价的客观性。
在一种可选的实施方式中,所述第一判定单元包括:
第三提取单元,用于当判定与所述流程节点对应的预设匹配条件为关键词匹配条件时,基于自然语义理解算法,对所述所有服务对白分别提取各句服务对白的所有关键词。
即通过自然语义理解算法对所述所有服务对白分别提取各句服务对白的所有关键词,提高了关键词提取的准确性。
在一种可选的实施方式中,所述系统还包括:
模型建立模块,用于响应于建立流程匹配模型的指令,基于神经网络算法根据所述流程语料库建立流程匹配模型。
即通过神经网络算法建立流程匹配模型,从而实现更全面更准确的获取所述服务对白的流程节点,进一步提高客服服务流程的评价的客观性。
在一种可选的实施方式中,所述第二匹配单元包括:
概念图工具单元,用于将所述流程节点和所述所有服务对白的所有关键词输入至预先根据所述流程语料库配置的概念图工具,以匹配出所述所有服务对白中与所述流程节点对应的服务对白。
需要说明的是,概念图是某个主题的概念及其关系的图形化表示,概念图是用来组织和表征知识的工具。它通常将某一主题的有关概念置于圆圈或方框之中,然后用连线将相关的概念和命题连接,连线上标明两个概念之间的意义关系。
即通过概念图工具将标准服务语料库的关键词与流程节点之间的联系应用于所述服务对白中,从而实现更高效更准确地匹配出所述所有服务对白中与所述流程节点对应的服务对白,进一步提高客服服务流程的评价的客观性和效率。
在一种可选的实施方式中,所述第二匹配单包括:
句型模板匹配单元,用于对所述所有服务对白分别通过通配符或正则表达式将所述服务对白的所有关键词与对应于各个流程节点的句型模板进行匹配,以得到所有与所述服务对白匹配的句型模板;
第四获取单元,用于根据所有对应于与所述服务对白匹配的句型模板的流程节点获取所述所有服务对白中与所述流程节点对应的服务对白。
例如,若服务对白为:“您需要修改密码吗”,从该服务对白提取的关键词为“修改”、“密码”和“吗”,则通过通配符*修改*密码*吗*与各个流程节点的句型模板进行匹配,若匹配出的句型模板为“您是想修改密码吗”,则对应于该句型模板的流程节点即为与所述服务对白对应的流程节点,若没有匹配的句型模板,则没有与所述服务对白对应的流程节点。
即通过通配符或正则表达式进行快速匹配,降低计算的复杂程度,提高客服服务流程的评价的效率。
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。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (6)
1.一种客服服务流程的评价方法,其特征在于,所述方法包括:
在待分析对话中提取客服的所有服务对白;其中,根据待分析对话的对白和区分性词语库获取所述待分析对话的对白的所有区分性词语;其中,所述区分性词语库包括预先获取的数量为第一设定数量的区分性词语;
根据所述待分析对话的对白的所有区分性词语和对话语料库获取与所述待分析对话的对白对应的对话角色的标签;其中,所述对话语料库包括多句标准对白和对应于各句所述标准对白的对话角色的标签;其中,分别获取所述待分析对话的对白的各个区分性词语在所述待分析对话的对白中的词频,作为第一组参量;
对所述待分析对话的对白的各个所述区分性词语,分别获取对话语料库中具有对应的区分性词语的标准对白的数量;
对所述待分析对话的对白的各个所述区分性词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的区分性词语的标准对白的数量获取第二组参量;
根据所述第一组参量和所述第二组参量生成所述待分析对话的对白的特征向量;其中,生成个数为数量差值的填充词频;所述填充词频为0;生成个数为所述数量差值的填充比值;所述填充比值为0;根据所述填充词频和所述第一组参量生成参量个数为所述第一设定数量的第一特征参数;根据所述填充比值和所述第二组参量生成参量个数为所述第一设定数量的第二特征参数;根据所述第一特征参数和第二特征参数生成所述待分析对话的对白的特征向量;
将所述待分析对话的对白的特征向量输入至所述对话语料库的对话角色判别模型,以识别出与所述待分析对话的对白对应的对话角色的标签;
提取所述待分析对话中对话角色的标签为客服的所有对白,作为所述客服的所有服务对白;
根据与标准服务流程的各个流程节点一一对应的预设匹配条件分别对所述所有服务对白进行匹配,以得到所述客服的服务流程;其中,对标准服务流程的所有流程节点分别判断与各个所述流程节点一一对应的预设匹配条件是否为关键词匹配条件;
当判定与所述流程节点对应的预设匹配条件为关键词匹配条件时,对所述所有服务对白分别提取各句服务对白的所有关键词;
根据所述流程节点和所述所有服务对白的所有关键词匹配出所述所有服务对白中与所述流程节点对应的服务对白;
根据所述所有服务对白中与所述流程节点对应的服务对白获取所述客服的服务流程;
当判定与所述流程节点对应的预设匹配条件为模型匹配条件时,将所述所有服务对白输入至预先根据流程语料库建立的流程匹配模型,以得到所述所有服务对白的所有流程节点;其中,所述流程语料库包括所述标准服务流程的所有流程节点和对应于所述标准服务流程的各个流程节点的语料;
根据所述所有服务对白的所有流程节点获取所述客服的服务流程;
对得到的所述客服的服务流程进行评价;
所述方法还包括:响应于训练所述对话角色判别模型的指令,对所述区分性词语库的各个区分性词语,分别获取对应的区分性词语在所述对话语料库的各句所述标准对白中的词频,作为第三组参量;
对所述区分性词语库的各个区分性词语,分别获取所述对话语料库中具有对应的区分性词语的标准对白的数量;
对所述区分性词语库的各个区分性词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的区分性词语的标准对白的数量获取第四组参量;
根据所述第三组参量和所述第四组参量生成各句所述标准对白的特征向量;
基于朴素贝叶斯算法,根据所述各句所述标准对白的特征向量和所述对应于各句所述标准对白的对话角色的标签训练所述对话角色判别模型;
所述方法还包括:响应于获取所述区分性词语库的指令,对所述对话语料库的所有标准对白进行预处理,以得到所述对话语料库的所有词语;
对所述对话语料库的各个词语,分别获取对应的词语在所述对话语料库的各句所述标准对白中的词频,作为第五组参量;
对所述对话语料库的各个词语,分别获取所述对话语料库中具有对应的词语的标准对白的数量;
对所述对话语料库的各个词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的词语的标准对白的数量获取第六组参量;
根据所述第五组参量和所述第六组参量生成各句所述标准对白的特征向量;
基于信息增益法,根据各句所述标准对白的特征向量和所述对应于各句所述标准对白的对话角色的标签在所述对话语料库的所有词语中选取数量为所述第一设定数量的词语,以得到所述区分性词语库。
2.如权利要求1所述的客服服务流程的评价方法,其特征在于,所述方法还包括:
响应于建立流程匹配模型的指令,基于神经网络算法根据所述流程语料库建立流程匹配模型。
3.如权利要求1所述的客服服务流程的评价方法,其特征在于,所述根据所述流程节点和所述所有服务对白的所有关键词匹配出所述所有服务对白中与所述流程节点对应的服务对白,包括:
将所述流程节点和所述所有服务对白的所有关键词输入至预先根据所述流程语料库配置的概念图工具,以匹配出所述所有服务对白中与所述流程节点对应的服务对白。
4.一种客服服务流程的评价系统,其特征在于,所述系统包括:
提取模块,用于在待分析对话中提取客服的所有服务对白;其中,根据待分析对话的对白和区分性词语库获取所述待分析对话的对白的所有区分性词语;其中,所述区分性词语库包括预先获取的数量为第一设定数量的区分性词语;
根据所述待分析对话的对白的所有区分性词语和对话语料库获取与所述待分析对话的对白对应的对话角色的标签;其中,所述对话语料库包括多句标准对白和对应于各句所述标准对白的对话角色的标签;其中,分别获取所述待分析对话的对白的各个区分性词语在所述待分析对话的对白中的词频,作为第一组参量;
对所述待分析对话的对白的各个所述区分性词语,分别获取对话语料库中具有对应的区分性词语的标准对白的数量;
对所述待分析对话的对白的各个所述区分性词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的区分性词语的标准对白的数量获取第二组参量;
根据所述第一组参量和所述第二组参量生成所述待分析对话的对白的特征向量;其中,生成个数为数量差值的填充词频;所述填充词频为0;生成个数为所述数量差值的填充比值;所述填充比值为0;根据所述填充词频和所述第一组参量生成参量个数为所述第一设定数量的第一特征参数;根据所述填充比值和所述第二组参量生成参量个数为所述第一设定数量的第二特征参数;根据所述第一特征参数和第二特征参数生成所述待分析对话的对白的特征向量;
将所述待分析对话的对白的特征向量输入至所述对话语料库的对话角色判别模型,以识别出与所述待分析对话的对白对应的对话角色的标签;
提取所述待分析对话中对话角色的标签为客服的所有对白,作为所述客服的所有服务对白;
获取模块,用于根据与标准服务流程的各个流程节点一一对应的预设匹配条件分别对所述所有服务对白进行匹配,以得到所述客服的服务流程;其中,对标准服务流程的所有流程节点分别判断与各个所述流程节点一一对应的预设匹配条件是否为关键词匹配条件;
当判定与所述流程节点对应的预设匹配条件为关键词匹配条件时,对所述所有服务对白分别提取各句服务对白的所有关键词;
根据所述流程节点和所述所有服务对白的所有关键词匹配出所述所有服务对白中与所述流程节点对应的服务对白;
根据所述所有服务对白中与所述流程节点对应的服务对白获取所述客服的服务流程;
当判定与所述流程节点对应的预设匹配条件为模型匹配条件时,将所述所有服务对白输入至预先根据流程语料库建立的流程匹配模型,以得到所述所有服务对白的所有流程节点;其中,所述流程语料库包括所述标准服务流程的所有流程节点和对应于所述标准服务流程的各个流程节点的语料;
根据所述所有服务对白的所有流程节点获取所述客服的服务流程;
评价模块,用于对得到的所述客服的服务流程进行评价;
所述系统还包括:响应于训练所述对话角色判别模型的指令,对所述区分性词语库的各个区分性词语,分别获取对应的区分性词语在所述对话语料库的各句所述标准对白中的词频,作为第三组参量;
对所述区分性词语库的各个区分性词语,分别获取所述对话语料库中具有对应的区分性词语的标准对白的数量;
对所述区分性词语库的各个区分性词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的区分性词语的标准对白的数量获取第四组参量;
根据所述第三组参量和所述第四组参量生成各句所述标准对白的特征向量;
基于朴素贝叶斯算法,根据所述各句所述标准对白的特征向量和所述对应于各句所述标准对白的对话角色的标签训练所述对话角色判别模型;
所述系统还包括:响应于获取所述区分性词语库的指令,对所述对话语料库的所有标准对白进行预处理,以得到所述对话语料库的所有词语;
对所述对话语料库的各个词语,分别获取对应的词语在所述对话语料库的各句所述标准对白中的词频,作为第五组参量;
对所述对话语料库的各个词语,分别获取所述对话语料库中具有对应的词语的标准对白的数量;
对所述对话语料库的各个词语,分别根据所述对话语料库的标准对白的总数和所述对话语料库中具有对应的词语的标准对白的数量获取第六组参量;
根据所述第五组参量和所述第六组参量生成各句所述标准对白的特征向量;
基于信息增益法,根据各句所述标准对白的特征向量和所述对应于各句所述标准对白的对话角色的标签在所述对话语料库的所有词语中选取数量为所述第一设定数量的词语,以得到所述区分性词语库。
5.如权利要求4所述的客服服务流程的评价系统,其特征在于,所述系统还包括:
模型建立模块,用于响应于建立流程匹配模型的指令,基于神经网络算法根据所述流程语料库建立流程匹配模型。
6.如权利要求4所述的客服服务流程的评价系统,其特征在于,第二匹配单元包括:
概念图工具单元,用于将所述流程节点和所述所有服务对白的所有关键词输入至预先根据所述流程语料库配置的概念图工具,以匹配出所述所有服务对白中与所述流程节点对应的服务对白。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711077543.3A CN107766560B (zh) | 2017-11-03 | 2017-11-03 | 客服服务流程的评价方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711077543.3A CN107766560B (zh) | 2017-11-03 | 2017-11-03 | 客服服务流程的评价方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107766560A CN107766560A (zh) | 2018-03-06 |
CN107766560B true CN107766560B (zh) | 2020-09-15 |
Family
ID=61273619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711077543.3A Active CN107766560B (zh) | 2017-11-03 | 2017-11-03 | 客服服务流程的评价方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107766560B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109783819B (zh) * | 2019-01-18 | 2023-10-20 | 广东小天才科技有限公司 | 一种正则表达式的生成方法及系统 |
CN111883115B (zh) * | 2020-06-17 | 2022-01-28 | 马上消费金融股份有限公司 | 语音流程质检的方法及装置 |
CN111767219B (zh) * | 2020-06-24 | 2023-08-15 | 中国工商银行股份有限公司 | 智能客服对话流程的检验方法及装置 |
CN112541660A (zh) * | 2020-11-30 | 2021-03-23 | 中冶华天工程技术有限公司 | 物料传输流程的评价系统和方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106997541A (zh) * | 2017-04-11 | 2017-08-01 | 新站保险代理股份有限公司 | 一种保险客服质量评估的方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070025535A1 (en) * | 2005-07-11 | 2007-02-01 | Sbc Knowledge Ventures Lp | Measuring and improving customer satisfaction at automated customer service centers |
CN104301554A (zh) * | 2013-07-18 | 2015-01-21 | 中兴通讯股份有限公司 | 一种对客服人员的服务质量进行质检的装置及方法 |
CN105989550A (zh) * | 2015-03-05 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种在线服务评价信息确定方法及设备 |
CN105808721A (zh) * | 2016-03-07 | 2016-07-27 | 中国科学院声学研究所 | 一种基于数据挖掘的客服内容分析方法及其系统 |
CN106776832B (zh) * | 2016-11-25 | 2019-07-19 | 上海智臻智能网络科技股份有限公司 | 用于问答交互日志的处理方法、装置及系统 |
-
2017
- 2017-11-03 CN CN201711077543.3A patent/CN107766560B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106997541A (zh) * | 2017-04-11 | 2017-08-01 | 新站保险代理股份有限公司 | 一种保险客服质量评估的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107766560A (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107886231B (zh) | 客服的服务质量评价方法与系统 | |
CN107122416B (zh) | 一种中文事件抽取方法 | |
CN107833059B (zh) | 客服的服务质量评价方法与系统 | |
CN109658923B (zh) | 基于人工智能的语音质检方法、设备、存储介质及装置 | |
CN107766560B (zh) | 客服服务流程的评价方法和系统 | |
CN111883115B (zh) | 语音流程质检的方法及装置 | |
WO2022095353A1 (zh) | 语音识别结果的测评方法、装置、设备及存储介质 | |
KR102100214B1 (ko) | 음성 인식 기반의 세일즈 대화 분석 방법 및 장치 | |
CN112732871A (zh) | 一种机器人催收获取客户意向标签的多标签分类方法 | |
CN113807103B (zh) | 基于人工智能的招聘方法、装置、设备及存储介质 | |
CN112069312A (zh) | 一种基于实体识别的文本分类方法及电子装置 | |
CN111462752A (zh) | 基于注意力机制、特征嵌入及bi-lstm的客户意图识别方法 | |
CN112836053A (zh) | 用于工业领域的人机对话情感分析方法及系统 | |
CN113626573A (zh) | 一种销售会话异议及应对提取方法及系统 | |
CN113486174B (zh) | 模型训练、阅读理解方法、装置、电子设备及存储介质 | |
CN107886233B (zh) | 客服的服务质量评价方法和系统 | |
CN111368066B (zh) | 获取对话摘要的方法、装置和计算机可读存储介质 | |
CN115357718B (zh) | 主题集成服务重复材料发现方法、系统、设备和存储介质 | |
CN107886232B (zh) | 客服的服务质量评价方法和系统 | |
CN116975910A (zh) | 数据表的安全等级确定方法、装置、设备及介质 | |
CN109635289B (zh) | 词条分类方法及审计信息抽取方法 | |
CN115688758A (zh) | 一种语句意图识别方法、装置和存储介质 | |
CN115080732A (zh) | 投诉工单处理方法、装置、电子设备和存储介质 | |
WO2022177447A1 (en) | Systems and methods for generating document numerical representations | |
CN113887214A (zh) | 基于人工智能的意愿推测方法、及其相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |