CN107895230A - 客服质量评价方法和装置 - Google Patents

客服质量评价方法和装置 Download PDF

Info

Publication number
CN107895230A
CN107895230A CN201711084474.9A CN201711084474A CN107895230A CN 107895230 A CN107895230 A CN 107895230A CN 201711084474 A CN201711084474 A CN 201711084474A CN 107895230 A CN107895230 A CN 107895230A
Authority
CN
China
Prior art keywords
customer service
emotion
service quality
dialogue
coefficient
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.)
Pending
Application number
CN201711084474.9A
Other languages
English (en)
Inventor
赵舒阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GCI Science and Technology Co Ltd
Original Assignee
GCI Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GCI Science and Technology Co Ltd filed Critical GCI Science and Technology Co Ltd
Priority to CN201711084474.9A priority Critical patent/CN107895230A/zh
Publication of CN107895230A publication Critical patent/CN107895230A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services
    • 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
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
    • 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
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Marketing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Child & Adolescent Psychology (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种客服质量评价方法和装置。所述客服质量评价方法包括：当接收到客服质量评价指令时，根据所述客服质量评价指令获得对应的待评价的客服对话；其中，所述客服对话中包含至少一个对话语句；对所述客服对话中的每个所述对话语句进行分析，获得所述客服对话的情感变化形势；根据所述情感变化形势计算获得所述客服对话的情感系数，并根据所述情感系数生成相应的客服质量评价结果。采用本发明，能够提高对客服质量进行评价的过程的效率，且提高评价结果的准确率。

Description

客服质量评价方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种客服质量评价方法和装置。
背景技术
服务质量是一个企业(尤其是服务行业企业)生存和发展的根本。质检，即质量检验，是一个企业拥有优质而稳定的服务质量的重要保证。
在现如今的客服领域，对客服质量的评价通常由客服人员的响应时间、服务态度、服务用语、服务技巧、咨询内容等方面组成。其中，对客服人员的服务态度的评价通常都是由质检员对客服人员的电话实时对话或者电话录音进行监听，分析判断客服人员在电话对话过程的情绪为积极情绪亦或是消极情绪，同时判断客户所反馈的情绪为积极情绪亦或是消极情绪来实现的。
可以理解的是，由于现有的客服质量评价过程依赖于质检员的人工判断，因此效率十分低下，且由于无统一的评判标准，完全依赖于质检员的主观判断，因此容易出现所得到的评价结果与实际情况不相符合的情况。
发明内容
本发明实施例提出一种客服质量评价方法和装置，能够提高对客服质量进行评价的过程的效率，且提高评价结果的准确率。
本发明实施例提供的一种客服质量评价方法，具体包括：
当接收到客服质量评价指令时，根据所述客服质量评价指令获得对应的待评价的客服对话；其中，所述客服对话中包含至少一个对话语句；
对所述客服对话中的每个所述对话语句进行分析，获得所述客服对话的情感变化形势；
根据所述情感变化形势计算获得所述客服对话的情感系数，并根据所述情感系数生成相应的客服质量评价结果。
进一步地，所述对所述客服对话中的每个所述对话语句进行分析，获得所述客服对话的情感变化形势，具体包括：
对所述客服对话中的每个所述对话语句进行分析，获得每个所述对话语句对应的情感标签；
根据每个所述情感标签计算获得所述客服对话的情感变化形势。
进一步地，在所述对所述客服对话中的每个所述对话语句进行分析，获得所述客服对话的情感变化形势之前，还包括：
响应于模型训练指令，获取客服对话历史记录；
根据所述客服对话历史记录和预设的神经网络模型训练获得情感分析模型；
所述对所述客服对话中的每个所述对话语句进行分析，获得每个所述对话语句对应的情感标签，具体包括：
根据所述情感分析模型对每个所述对话语句进行分析，获得每个所述对话语句对应的情感标签。
进一步地，所述情感标签为积极情感标签或者消极情感标签。
进一步地，在所述根据每个所述情感标签计算获得所述客服对话的情感变化形势的同时，还包括：
对所有所述情感标签中的所述消极情感标签进行统计，获得消极情感标签数；
则所述根据所述情感变化形势计算获得所述客服对话的情感系数，并根据所述情感系数生成相应的客服质量评价结果，具体包括：
根据所述情感变化形势、所述消极情感标签数和预设的情感系数计算模型计算获得所述情感系数；
根据所述情感系数生成相应的所述客服质量评价结果。
进一步地，所述情感系数计算模型为其中，score 表示所述情感系数；R表示所述消极情感标签数；N表示所有所述情感标签的总数；σ(V)表示所有所述情感标签的标准差。
相应地，本发明实施例还提供了一种客服质量评价装置，具体包括：
客服对话获得模块，用于当接收到客服质量评价指令时，根据所述客服质量评价指令获得对应的待评价的客服对话；其中，所述客服对话中包含至少一个对话语句；
情感变化形势获得模块，用于对所述客服对话中的每个所述对话语句进行分析，获得所述客服对话的情感变化形势；以及，
评价结果生成模块，用于根据所述情感变化形势计算获得所述客服对话的情感系数，并根据所述情感系数生成相应的客服质量评价结果。
进一步地，所述情感变化形势获得模块，具体包括：
情感标签获得单元，用于对所述客服对话中的每个所述对话语句进行分析，获得每个所述对话语句对应的情感标签；以及，
变化趋势获得单元，用于根据每个所述情感标签计算获得所述客服对话的情感变化形势。
进一步地，所述情感标签为积极情感标签或者消极情感标签；
则所述情感变化形势获得模块，还包括：
消极情感标签统计单元，用于对所有所述情感标签中的所述消极情感标签进行统计，获得消极情感标签数；
则所述评价结果生成模块，具体包括：
情感系数计算获得单元，用于根据所述情感变化形势、所述消极情感标签数和预设的情感系数计算模型计算获得所述情感系数；以及，
质量评价结果生成单元，用于根据所述情感系数生成相应的所述客服质量评价结果。
进一步地，所述情感系数计算模型为其中，score 表示所述情感系数；R表示所述消极情感标签数；N表示所有所述情感标签的总数；σ(V)表示所有所述情感标签的标准差。
实施本发明实施例，具有如下有益效果：
本发明实施例提供的客服质量评价方法和装置，通过自动对待评价的客服对话中的各个对话语句的情感进行分析，并进一步判定其中所带的情感的情感系数，从而获得对相应的客服人员的服务质量的评价结果。由于该评价过程无需人工的参与和干涉，因此能够大大提高对客服质量进行评价的过程的效率，且由于采用相同的方法对各个客服对话的情感进行分析，即依据同一标准对各个客服人员的服务质量进行评价，而不依赖于人工的主观判断，因此能够提高评价结果与实际情况的符合度，提高评价结果的准确率。
附图说明
图1是本发明提供的客服质量评价方法的一个优选的实施例的流程示意图；
图2是本发明提供的客服质量评价装置的一个优选的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。
如图1所示，为本发明提供的客服质量评价方法的一个优选的实施例的流程示意图，包括步骤S11至S13，具体如下：
S11：当接收到客服质量评价指令时，根据所述客服质量评价指令获得对应的待评价的客服对话；其中，所述客服对话中包含至少一个对话语句。
需要说明的是，本实施例由客服质量监控设备执行，该客服质量监控设备可以同时与一个或者多个客服终端相连。其中，客服终端在每次客服人员与客户对话结束之后，自动将本次的客服对话发送至上述监控设备存储。
上述监控设备每当接收到客服质量评价指令时，即根据该客服质量评价指令获取相应的待评价的客服对话。可以理解的是，该客服质量评价指令由操作人员在上述监控设备中点击特定按钮或者执行特定操作触发生成，也可以由上述监控设备每隔一段时间自动生成。客服质量评价指令中可以包含待评价的客服人员的标识码和/或待评价的客服对话的标识码。
S12：对所述客服对话中的每个所述对话语句进行分析，获得所述客服对话的情感变化形势。
在本实施例中，上述监控设备在获得待评价的客服对话之后，根据预先设置的分析方法对该客服对话中的各个对话语句进行分析，从而获得该客服对话的情感变化形势，其中可以包括客服对话的情感变化趋势、情感变化浮动大小等。
S13：根据所述情感变化形势计算获得所述客服对话的情感系数，并根据所述情感系数生成相应的客服质量评价结果。
本实施例通过自动对待评价的客服对话中的各个对话语句的情感进行分析，并进一步判定其中所带的情感的情感系数，从而获得对相应的客服人员的服务质量的评价结果。由于该评价过程无需人工的参与和干涉，因此能够大大提高对客服质量进行评价的过程的效率，且由于采用相同的方法对各个客服对话的情感进行分析，即依据同一标准对各个客服人员的服务质量进行评价，而不依赖于人工的主观判断，因此能够提高评价结果与实际情况的符合度，提高评价结果的准确率。
在另一个优选的实施例中，上述步骤S12可以进一步包括子步骤S1201至 S1202，具体如下：
S1201：对所述客服对话中的每个所述对话语句进行分析，获得每个所述对话语句对应的情感标签。
需要说明的是，上述客服对话中包含客服人员语句和客户语句，但是在本实施例中，并不对二者进行区分。
在本实施例中，情感标签可以分为好评情感标签、中评情感标签和差评情感标签，也可以分为积极情感标签和消极情感标签，还可以分为其他类型情感标签。
在一些具体的实施例中，当上述监控设备将情感划分为10个等级时，该情感标签可以为表示对应的对话语句中所带的情感所属的等级。
S1202：根据每个所述情感标签计算获得所述客服对话的情感变化形势。
在本实施例中，在获得上述客服对话中的各个对话语句所对应的情感标签之后，判断这些情感标签的变化形势，从而计算获得该客服对话的情感变化形势。
在又一个优选的实施例中，在上述步骤S12之前，还可以包括步骤S01至 S02，具体如下：
S01：响应于模型训练指令，获取客服对话历史记录。
S02：根据所述客服对话历史记录和预设的神经网络模型训练获得情感分析模型。
在本实施例中，在对客服终端上传的客服对话进行质量评价之前，需要生成一个情感分析模型，用于对客服终端上传的客服对话中的各个对话语句的情感进行分析。
在此之前，上述监控设备中预先存储有若干客服对话历史记录。因此，上述监控设备在接收到模型训练指令时，可以将这些客服对话历史记录代入预先设置的神经网络模型中进行训练，从而获得相应的情感分析模型。
则上述子步骤S1201可以进一步包括步骤S1201_1，具体如下：
S1201_1：根据所述情感分析模型对每个所述对话语句进行分析，获得每个所述对话语句对应的情感标签。
在本实施例中，监控设备每当接收到客服终端发送的客服对话时，即利用上述情感分析模型对该客服对话中的各个对话语句进行分析，从而判断该客服对话中的各个对话语句所带的情绪为积极情绪亦或是消极情绪，并进一步地获得该客服对话整体的情感变化形势，最后，根据该情感变化形势生成对上述客服人员的服务质量的评价结果。
在又一个优选的实施例中，所述情感标签为积极情感标签或者消极情感标签。
进一步地，在上述子步骤S1202的同时，还包括子步骤S1203，具体如下：
S1203：对所有所述情感标签中的所述消极情感标签进行统计，获得消极情感标签数。
在本实施例中，在获得上述客服对话中的各个对话语句所对应的情感标签之后，统计其中为消极情感标签的情感标签的总数，从而获得消极情感标签数。
则上述步骤S13可以进一步包括子步骤S1301至S1302，具体如下：
S1301：根据所述情感变化形势、所述消极情感标签数和预设的情感系数计算模型计算获得所述情感系数。
更优选地，所述情感系数计算模型为其中，score 表示所述情感系数；R表示所述消极情感标签数；N表示所有所述情感标签的总数；σ(V)表示所有所述情感标签的标准差。
在本实施例中，R＝S+C；其中，S为上述客服对话中的客服人员语句中具有消极情感标签的语句的数目；C为上述客服对话中的客户语句中具有消极情感标签的语句的数目。其中，Vi表示上述客服对话中的第i个对话语句的情感标签；表示上述客服对话中的所有对话语句的情感标签的平均值。
S1302：根据所述情感系数生成相应的所述客服质量评价结果。
在又一个优选的实施例中，假设监控设备在接收到客服质量评价指令之后所获得的客服对话如下(其中，A表示客服人员，B表示客户)：
A：你好很高兴为您服务。
B：你好，我家的那个空调打不开了。
A：空调不能启动了是吗？
B：嗯。
A：抱歉这个挺麻烦的，这个需要售后师傅检测一下，请问美的空调是柜机挂机？
B：这个是挂机。
A：这边是江XX江先生吗？
B：对。
A：请问是14年购买的挂机吗？
B：是的。
A：请问购买的空调挂机是吗？
B：啊对对对。
A：好的地址跟您确认一下是不是在连云港市灌南县是吗？
B：对对对。
A：是花莲村吗？
B：对对对对。
A：联系号码是137********吗？
B：啊对对对对。
A：保持电话畅通24小时之内会有工作人员联系预约上门时间好吗？
B：嗯好好好好。
A：请问还有其他需要帮助的吗？
B：对的，非常感谢。
A：不客气。感谢来电。祝您生活愉快再见。
B：嗯好。
A：再见。
随后，通过采用训练获得的情感分析模型对该客服对话中的各个对话语句进行分析后，获得各个对话语句所对应的情感标签如下：
A：你好很高兴为您服务。【积极情感标签】
B：你好，我家的那个空调打不开了。【消极情感标签】
A：空调不能启动了是吗？【积极情感标签】
B：嗯。【中性情感标签】
A：抱歉这个挺麻烦的，这个需要售后师傅检测一下，请问美的空调是柜机挂机？【积极情感标签】
B：这个是挂机。【中性情感标签】
A：这边是江XX江先生吗？【积极情感标签】
B：对。【中性情感标签】
A：请问是14年购买的挂机吗？【积极情感标签】
B：是的。【积极情感标签】
A：请问购买的空调挂机是吗？【积极情感标签】
B：啊对对对。【积极情感标签】
A：好的地址跟您确认一下是不是在连云港市灌南县是吗？【积极情感标签】
B：对对对。【积极情感标签】
A：是花莲村吗？【积极情感标签】
B：对对对对。【积极情感标签】
A：联系号码是137********吗？【积极情感标签】
B：啊对对对对。【积极情感标签】
A：保持电话畅通24小时之内会有工作人员联系预约上门时间好吗？【积极情感标签】
B：嗯好好好好。【积极情感标签】
A：请问还有其他需要帮助的吗？【积极情感标签】
B：对的，非常感谢。【积极情感标签】
A：不客气。感谢来电。祝您生活愉快再见。【积极情感标签】
B：嗯好。【积极情感标签】
A：再见。【积极情感标签】
由此，其中的消极情感标签的个数为1个，因此可以进一步计算获得该客服对话的情感系数可以认为该客服对话所对应的客服人员所获得的服务质量评价得分为82.26，并生成相应的客服质量评价结果。
本发明实施例提供的客服质量评价方法，通过自动对待评价的客服对话中的各个对话语句的情感进行分析，并进一步判定其中所带的情感的情感系数，从而获得对相应的客服人员的服务质量的评价结果。由于该评价过程无需人工的参与和干涉，因此能够大大提高对客服质量进行评价的过程的效率，且由于采用相同的方法对各个客服对话的情感进行分析，即依据同一标准对各个客服人员的服务质量进行评价，而不依赖于人工的主观判断，因此能够提高评价结果与实际情况的符合度，提高评价结果的准确率。
相应地，本发明还提供一种客服质量评价装置，能够实现上述实施例中的客服质量评价方法的所有流程。
如图2所示，为发明提供的客服质量评价装置的一个优选的实施例的结构示意图，具体如下：
客服对话获得模块21，用于当接收到客服质量评价指令时，根据所述客服质量评价指令获得对应的待评价的客服对话；其中，所述客服对话中包含至少一个对话语句；
情感变化形势获得模块22，用于对所述客服对话中的每个所述对话语句进行分析，获得所述客服对话的情感变化形势；以及，
评价结果生成模块23，用于根据所述情感变化形势计算获得所述客服对话的情感系数，并根据所述情感系数生成相应的客服质量评价结果。
进一步地，所述情感变化形势获得模块，具体包括：
情感标签获得单元，用于对所述客服对话中的每个所述对话语句进行分析，获得每个所述对话语句对应的情感标签；以及，
变化趋势获得单元，用于根据每个所述情感标签计算获得所述客服对话的情感变化形势。
进一步地，所述客服质量评价装置，还包括：
历史记录获取模块，用于响应于模型训练指令，获取客服对话历史记录；以及，
分析模型生成模块，用于根据所述客服对话历史记录和预设的神经网络模型训练获得情感分析模型；
则所述情感标签获得单元，具体包括：
标签分析获得子单元，用于根据所述情感分析模型对每个所述对话语句进行分析，获得每个所述对话语句对应的情感标签。
进一步地，所述情感标签为积极情感标签或者消极情感标签；
进一步地，所述情感变化形势获得模块，还包括：
消极情感标签统计单元，用于对所有所述情感标签中的所述消极情感标签进行统计，获得消极情感标签数；
则所述评价结果生成模块，具体包括：
情感系数计算获得单元，用于根据所述情感变化形势、所述消极情感标签数和预设的情感系数计算模型计算获得所述情感系数；以及，
质量评价结果生成单元，用于根据所述情感系数生成相应的所述客服质量评价结果。
进一步地，所述情感系数计算模型为其中，score 表示所述情感系数；R表示所述消极情感标签数；N表示所有所述情感标签的总数；σ(V)表示所有所述情感标签的标准差。
本发明实施例提供的客服质量评价装置，通过自动对待评价的客服对话中的各个对话语句的情感进行分析，并进一步判定其中所带的情感的情感系数，从而获得对相应的客服人员的服务质量的评价结果。由于该评价过程无需人工的参与和干涉，因此能够大大提高对客服质量进行评价的过程的效率，且由于采用相同的方法对各个客服对话的情感进行分析，即依据同一标准对各个客服人员的服务质量进行评价，而不依赖于人工的主观判断，因此能够提高评价结果与实际情况的符合度，提高评价结果的准确率。
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，还可以作出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种客服质量评价方法，其特征在于，包括：
当接收到客服质量评价指令时，根据所述客服质量评价指令获得对应的待评价的客服对话；其中，所述客服对话中包含至少一个对话语句；
对所述客服对话中的每个所述对话语句进行分析，获得所述客服对话的情感变化形势；
根据所述情感变化形势计算获得所述客服对话的情感系数，并根据所述情感系数生成相应的客服质量评价结果。
2.如权利要求1所述的客服质量评价方法，其特征在于，所述对所述客服对话中的每个所述对话语句进行分析，获得所述客服对话的情感变化形势，具体包括：
对所述客服对话中的每个所述对话语句进行分析，获得每个所述对话语句对应的情感标签；
根据每个所述情感标签计算获得所述客服对话的情感变化形势。
3.如权利要求2所述的客服质量评价方法，其特征在于，在所述对所述客服对话中的每个所述对话语句进行分析，获得所述客服对话的情感变化形势之前，还包括：
响应于模型训练指令，获取客服对话历史记录；
根据所述客服对话历史记录和预设的神经网络模型训练获得情感分析模型；
所述对所述客服对话中的每个所述对话语句进行分析，获得每个所述对话语句对应的情感标签，具体包括：
根据所述情感分析模型对每个所述对话语句进行分析，获得每个所述对话语句对应的情感标签。
4.如权利要求2所述的客服质量评价方法，其特征在于，所述情感标签为积极情感标签或者消极情感标签。
5.如权利要求4所述的客服质量评价方法，其特征在于，在所述根据每个所述情感标签计算获得所述客服对话的情感变化形势的同时，还包括：
对所有所述情感标签中的所述消极情感标签进行统计，获得消极情感标签数；
则所述根据所述情感变化形势计算获得所述客服对话的情感系数，并根据所述情感系数生成相应的客服质量评价结果，具体包括：
根据所述情感变化形势、所述消极情感标签数和预设的情感系数计算模型计算获得所述情感系数；
根据所述情感系数生成相应的所述客服质量评价结果。
6.如权利要求5所述的客服质量评价方法，其特征在于，所述情感系数计算模型为其中，score表示所述情感系数；R表示所述消极情感标签数；N表示所有所述情感标签的总数；σ(V)表示所有所述情感标签的标准差。
7.一种客服质量评价装置，其特征在于，包括：
客服对话获得模块，用于当接收到客服质量评价指令时，根据所述客服质量评价指令获得对应的待评价的客服对话；其中，所述客服对话中包含至少一个对话语句；
情感变化形势获得模块，用于对所述客服对话中的每个所述对话语句进行分析，获得所述客服对话的情感变化形势；以及，
评价结果生成模块，用于根据所述情感变化形势计算获得所述客服对话的情感系数，并根据所述情感系数生成相应的客服质量评价结果。
8.如权利要求7所述的客服质量评价装置，其特征在于，所述情感变化形势获得模块，具体包括：
情感标签获得单元，用于对所述客服对话中的每个所述对话语句进行分析，获得每个所述对话语句对应的情感标签；以及，
变化趋势获得单元，用于根据每个所述情感标签计算获得所述客服对话的情感变化形势。
9.如权利要求8所述的客服质量评价装置，其特征在于，所述情感标签为积极情感标签或者消极情感标签；
则所述情感变化形势获得模块，还包括：
消极情感标签统计单元，用于对所有所述情感标签中的所述消极情感标签进行统计，获得消极情感标签数；
则所述评价结果生成模块，具体包括：
情感系数计算获得单元，用于根据所述情感变化形势、所述消极情感标签数和预设的情感系数计算模型计算获得所述情感系数；以及，
质量评价结果生成单元，用于根据所述情感系数生成相应的所述客服质量评价结果。
10.如权利要求9所述的客服质量评价装置，其特征在于，所述情感系数计算模型为其中，score表示所述情感系数；R表示所述消极情感标签数；N表示所有所述情感标签的总数；σ(V)表示所有所述情感标签的标准差。
CN201711084474.9A 2017-11-06 2017-11-06 客服质量评价方法和装置 Pending CN107895230A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711084474.9A CN107895230A (zh) 2017-11-06 2017-11-06 客服质量评价方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711084474.9A CN107895230A (zh) 2017-11-06 2017-11-06 客服质量评价方法和装置

Publications (1)

Publication Number Publication Date
CN107895230A true CN107895230A (zh) 2018-04-10

Family

ID=61804182

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711084474.9A Pending CN107895230A (zh) 2017-11-06 2017-11-06 客服质量评价方法和装置

Country Status (1)

Country Link
CN (1) CN107895230A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108962281A (zh) * 2018-08-15 2018-12-07 三星电子（中国）研发中心 一种语言表达的评价和辅助方法及装置
CN109274842A (zh) * 2018-09-18 2019-01-25 阿里巴巴集团控股有限公司 客服水平波动的关键因素定位方法、装置及设备
CN109726655A (zh) * 2018-12-19 2019-05-07 平安普惠企业管理有限公司 基于情绪识别的客服服务评价方法、装置、介质及设备
CN111128189A (zh) * 2019-12-30 2020-05-08 秒针信息技术有限公司 警示信息的提示方法和装置
WO2020119568A1 (zh) * 2018-12-11 2020-06-18 阿里巴巴集团控股有限公司 对话情感分析方法及装置、存储介质和处理器
CN111554304A (zh) * 2020-04-25 2020-08-18 中信银行股份有限公司 用户标签获取方法、装置及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107154257A (zh) * 2017-04-18 2017-09-12 苏州工业职业技术学院 基于客户语音情感的客服服务质量评价方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107154257A (zh) * 2017-04-18 2017-09-12 苏州工业职业技术学院 基于客户语音情感的客服服务质量评价方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李晨等: "基于词典与规则的新闻文本情感倾向性分析", 《山东科学》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108962281A (zh) * 2018-08-15 2018-12-07 三星电子（中国）研发中心 一种语言表达的评价和辅助方法及装置
CN108962281B (zh) * 2018-08-15 2021-05-07 三星电子（中国）研发中心 一种语言表达的评价和辅助方法及装置
CN109274842A (zh) * 2018-09-18 2019-01-25 阿里巴巴集团控股有限公司 客服水平波动的关键因素定位方法、装置及设备
CN109274842B (zh) * 2018-09-18 2020-08-07 阿里巴巴集团控股有限公司 客服水平波动的关键因素定位方法、装置及设备
WO2020119568A1 (zh) * 2018-12-11 2020-06-18 阿里巴巴集团控股有限公司 对话情感分析方法及装置、存储介质和处理器
CN111309899A (zh) * 2018-12-11 2020-06-19 阿里巴巴集团控股有限公司 对话情感分析方法及装置、存储介质和处理器
CN109726655A (zh) * 2018-12-19 2019-05-07 平安普惠企业管理有限公司 基于情绪识别的客服服务评价方法、装置、介质及设备
CN111128189A (zh) * 2019-12-30 2020-05-08 秒针信息技术有限公司 警示信息的提示方法和装置
CN111554304A (zh) * 2020-04-25 2020-08-18 中信银行股份有限公司 用户标签获取方法、装置及设备

Similar Documents

Publication Publication Date Title
CN107832294A (zh) 客服质量评价方法和装置
CN107895230A (zh) 客服质量评价方法和装置
CN107452385A (zh) 一种基于语音的数据评价方法及装置
CN107027023A (zh) 基于神经网络的VoIP无参考视频通信质量客观评价方法
CN108833722A (zh) 语音识别方法、装置、计算机设备及存储介质
CN109740155A (zh) 一种客服系统人工智能质检规则自我归纳模型的方法及系统
CN107895336A (zh) 一种基于多方位动态捕捉的在线考试监考系统及工作方法
CN107203846A (zh) 一种基于食品溯源数据池的食品安全综合评价系统
CN102623009A (zh) 一种基于短时分析的异常情绪自动检测和提取方法和系统
CN112464995A (zh) 一种基于决策树算法的电网配变故障诊断方法及系统
CN110084490A (zh) 一种卷包车间质量风险预警的方法
CN110491369A (zh) 口语等级的评估方法、装置、存储介质及电子设备
CN109344394A (zh) 一种文本类数据质量监控方法与系统
CN110705309A (zh) 服务质量评测方法及系统
CN116153480A (zh) 一种基于移动医疗设备的智能化信息诊疗系统及方法
CN111970471A (zh) 基于视频会议的参会人员评分方法、装置、设备及介质
CN107730486A (zh) 一种酸连轧生产线轧机保护方法及装置
CN110348328A (zh) 教学质量的评估方法、装置、存储介质及电子设备
CN110033181A (zh) 一种基于自编码器的发电设备状态评估方法
CN115002171B (zh) 一种污水处理设施的智能运营监管系统
CN113611096A (zh) 一种空压站电能消耗监测预警系统
CN109345097A (zh) 一种粮食质检监督检查的方法及系统
JPWO2018221488A1 (ja) ノウハウ情報処理システム、方法及び装置
CN116562852A (zh) 基于知识图谱的配网停电信息管理系统
CN106408439A (zh) 一种线路巡视等级综合评价方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180410