通话控制方法、装置及存储介质和移动终端
技术领域
本申请实施例涉及通话技术领域,尤其涉及一种通话控制方法、装置及存储介质和移动终端。
背景技术
手机等移动终端中的功能越来越多,为人们的生活和工作提供了便利,语音通话功能是手机中的一个基本功能,人们可以利用手机接打电话,收发语音消息。在用户使用手机语音通话的过程,相关技术中对通话控制方法存在缺陷,需要改进。
发明内容
本申请实施例提供一种通话控制方法、装置及存储介质和移动终端,可以优化移动终端的通话控制方案。
在第一方面,本申请实施例提供了一种通话控制方法,包括:
在检测到移动终端处于通话模式时,获取当前通话过程中的通话信息;
对所述通话信息进行分析,得到基本通话特征信息,所述基本通话特征信息用于评估用户对当前通话的满意度;
将所述基本通话特征信息输入至预设通话满意度评估模型,获取所述预设通话满意度评估模型输出的通话满意度;
根据所述通话满意度所属的满意等级,执行与所述满意等级对应的通话控制操作。
在第二方面,本申请实施例提供了一种通话控制装置,包括:
通话信息获取模块,用于在检测到移动终端处于通话模式时,获取当前通话过程中的通话信息;
基本通话特征获取模块,用于对所述通话信息进行分析,得到基本通话特征信息,所述基本通话特征信息用于评估用户对当前通话的满意度;
通话满意度获取模块,用于将所述基本通话特征信息输入至预设通话满意度评估模型,获取所述预设通话满意度评估模型输出的通话满意度;
通话控制操作执行模块,用于根据所述通话满意度所属的满意等级,执行与所述满意等级对应的通话控制操作。
在第三方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所提供的通话控制方法。
在第四方面,本申请实施例提供了一种移动终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行时实现如第一方面所提供的通话控制方法。
本申请实施例提供的通话控制方案,在通话过程中,通过将通话信息输入至预设通话满意度评估模型中,得到该评估模型输出的通话满意度,实现了对用户通话过程中通话满意度的评估和预测,移动终端可以根据评估和预测结果,自动执行与用户通话满意等级对应的通话控制操作,提升了通话控制方式的智能化和趣味性。
附图说明
图1是本申请实施例提供的一种通话控制方法的流程图;
图2是本申请实施例提供的另一种通话控制方法的流程图;
图3是本申请实施例提供的一种通话控制装置的结构示意图;
图4是本申请实施例提供的一种移动终端的结构示意图;
图5是本申请实施例提供的另一种移动终端的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1给出了本申请实施例提供的一种通话控制方法的流程图,本实施例的方法可以由通话控制装置来执行,该装置可通过硬件和/或软件的方式实现,所述装置可作为移动终端一部分设置在所述移动终端的内部。本申请实施例中所提供的移动终端包括但不限定于智能手机、平板电脑或者笔记本等设备。
如图1所示,本实施例提供的通话控制方法包括以下步骤:
步骤101、在检测到移动终端处于通话模式时,获取当前通话过程中的通话信息。
本实施例中所述的通话模式包括电话通话模式、第三方语音通话软件通话 (例如,微信、QQ等视频/语音通话)模式或者其他通话模式。
可选的,该步骤包括:在检测到移动终端处于通话模式时,按照设定获取规则实时获取当前通话过程中的通话信息。可选的,设定获取规则可以为每隔设定时长获取一个单位通话语音片段或者每在检测到一句话的结尾时获取该句话为单位通话语音片段,具体可以将停顿时间达到设定时间时认为检测到一句话的结尾。
其中,所述通话信息可以包括移动终端用户的通话信息和与移动终端对话的通话联系人的通话信息,所述通话信息可以包括通话内容和通话声音特征。
步骤102、对所述通话信息进行分析,得到基本通话特征信息,所述基本通话特征信息用于评估用户对当前通话的满意度。
该步骤用于对通话信息进行分析,提取通话信息中的基本通话特征信息。
可选的,所述基本通话特征信息包括:移动终端用户通话内容、通话联系人通话内容、移动终端用户的通话声音特征和通话联系人的通话声音特征中的至少一项,所述通话声音特征包括音色、音调、响度、语气、语速和说话方式中的至少一项。该通话声音特征可以根据通话语音数据波形中的波形形状、振动频率和振动幅度来确定。其中,所述用户对当前通话的满意度可以包括用户通话满意度和用户通话风险。所述通话内容可以反映当前通话中用户通话风险,例如,在检测到通话联系人通话内容中包含向用户推销产品的推销内容或者询问资产、银行卡的诈骗内容时,此时通话风险较高。所述通话声音特征可以反映当前通话中用户通话满意度,例如,在检测到移动终端用户的通话声音特征为音调较强、响度较高和语速较快时,表明移动终端用户目前状态为厌烦,此时用户通话满意度较低。
可选的,在对所述通话信息进行分析之后还包括:若识别到所述通话内容中包含设定类型关键字,则开启与所述设定类型关键字关联的应用程序。其中,所述设定类型关键字可以包括电话号码、备忘录事项、日期、名字或者位置信息等,所述关联的应用程序可以包括记事本、通讯率或者计算器等,所述设定类型关键字与关联的应用程序预先设置关联关系。示例性的,在检测到通话联系人的通话内容为“他的电话号码为12345”中的关键字“电话号码”后,将开启记事本应用程序,并将后面的“为12345”记录到记事本中。又示例性的,在检测到移动终端用户的通话内容为“计算A+B等于几”中的关键字“计算”后,将开启计算器应用程序,并执行A+B等于几的计算操作,将计算结果通过计算器显示框进行显示。
步骤103、将所述基本通话特征信息输入至预设通话满意度评估模型,获取所述预设通话满意度评估模型输出的通话满意度。
其中,所述预设通话满意度评估模型可以基于机器学习方法生成,所述机器学习方法包括:神经网络方法、支持向量机方法、决策树方法、逻辑回归方法、贝叶斯方法和随机森林方法。所述预设通话满意度评估模型的训练生成以及更新过程可以在移动终端本地进行,也可以在预设服务器中进行,当预设反馈模型训练生成完毕或者更新完毕后,可以直接发送到移动终端进行存储,或在预设服务器进行存储,等待移动终端主动获取。
相应的,在将所述基本通话特征信息输入至预设通话满意度评估模型之前还可以包括:从移动终端本地或者预设服务器中获取预设通话满意度评估模型。
步骤104、根据所述通话满意度所属的满意等级,执行与所述满意等级对应的通话控制操作。
可选的,该步骤可以包括:若所述通话满意度所属的满意等级为低时,自动结束通话;进一步的,若所述通话满意度所属的满意等级为中时,提示用户当前通话可能存在的风险,以及提醒用户是否挂断电话;若所述通话满足度所属的满意等级为高时,不做任何操作。示例性的,在通话过程中,检测到诈骗内容时预设通话满意度评估模型输出的通话满意度属于低时,自动结束通话,可以有效防止老人受骗。
本实施例提供的通话控制方法,在通话过程中,通过将通话信息输入至预设通话满意度评估模型中,得到该评估模型输出的通话满意度,实现了对用户通话过程中通话满意度的评估和预测,移动终端可以根据评估和预测结果,自动执行与用户通话满意等级对应的通话控制操作,提升了通话控制方式的智能化和趣味性。
图2给出了本申请实施例提供的另一种通话控制方法的流程图。如图2所示,本实施例提供的方法包括以下步骤:
步骤201、从移动终端本地获取移动终端用户的历史通话信息或者从预设服务器中获取目标用户群组的历史通话信息,作为历史通话信息样本。
在本实施例中,对已知基本通话特征的通话信息样本的来源和数量不做具体限定。例如,训练样本可以是该移动终端用户的历史通话信息,也可以是目标用户群组的历史通话信息。可以对移动终端用户的历史通话信息进行记录和分析,提取每条通话信息的基本通话特征作为训练样本,也可以从服务器中获取目标群组用户中各个用户的已知基本通话特征的通话信息。该目标用户群组可以为与移动终端用户具有相同用户属性的多个用户,用户属性包括年龄、性别、爱好和职业等。可以理解的是,对于基于机器学习的模型来说,一般样本的数量越大,模型的输出结果越准确。
步骤202、对所述历史通话信息样本进行分析,得到所述历史通话样本的基本通话特征信息。
步骤203、将所述历史通话样本的基本通话特征信息作为参数,采用机器学习方法建立不同的通话质量评估属性对应的分类器。
可选的,采用机器学习方法建立同一通话质量评估属性对应的分类器包括:采用不同的机器学习方法建立同一通话质量评估属性的多个分类器;将准确度最高的分类器作为所述通话质量评估属性对应的分类器。
例如,采用上述神经网络方法、支持向量机方法、决策树方法、逻辑回归方法、贝叶斯方法和随机森林方法分别建立某一个通话质量评估属性的多个分类器,将该多个分类器中准确度最高的作为该通话质量评估属性对应的分类器。
可选的,所述通话质量评估属性包括用户通话满意度和用户通话风险。即用户对当前通话的满意度可由用户通话满意度和用户通话风险两个评估参数共同确定。相应的,该步骤203可以包括:将所述历史通话样本的基本通话特征信息作为参数,采用机器学习方法建立用户通话满意度对应的分类器;以及将所述历史通话样本的基本通话特征信息作为参数,采用机器学习方法建立用户通话风险对应的分类器。
可选的,采用神经网络方法建立通话质量评估属性的分类器。神经网络 (NeuralNetworks,简写为NNs)系统指的是人工神经网络,启发自人类大脑处理信息的生物神经网络,它包括输入层、隐藏层和输出层,相应的包括三种节点(神经网络的基本单元):输入节点、隐藏节点和输出节点,输入节点从外部世界获取信息;隐藏节点和外部世界没有直接联系,这些节点利用激活函数进行计算,并将信息从输入节点传递到输出节点;输出节点用于向外部世界传递信息。具体的,可采用循环神经网络(Recurrent neural Network,RNN)建立通话质量评估属性的分类器。
将所述历史通话信息样本中的基本通话特征信息作为参数,采用机器学习方法建立用户通话满意度对应的分类器可以包括:将所述基本通话特征信息输入至所述输入层,并经过与所述隐藏层各节点对应的激活函数的计算,输出中间用户通话满意度;利用所述中间用户通话满意度与所述历史通话信息的用户通话满意度之间的差值,以及优化算法对所述激活函数中的权重进行反复修正,直至所述中间用户通话满意度与所述用户通话满意度之间的差值在设定范围内,得到训练完成的各个节点的激活函数,生成用户通话满意度对应的分类器。
将所述历史通话信息样本中的基本通话特征信息作为参数,采用机器学习方法建立用户通话风险对应的分类器可以包括:将所述基本通话特征信息输入至所述输入层,并经过与所述隐藏层各节点对应的激活函数的计算,输出中间用户通话风险;利用所述中间用户通话风险与所述历史通话信息的用户通话风险之间的差值,以及优化算法对所述激活函数中的权重进行反复修正,直至所述中间用户通话风险与所述用户通话风险之间的差值在设定范围内,得到训练完成的各个节点的激活函数,生成用户通话风险对应的分类器。
其中,所述激活函数是指为神经网络系统提供非线性建模能力,一般而言是非线性函数。激活函数可以包括relu函数、sigmoid函数、tanh函数或者maxout 函数。
sigmoid是常用的非线性的激活函数,它的数学形式如下:
它的输出为0-1之间的值。tanh跟sigmoid还是很像的,实际上,tanh是sigmoid 的变形:tanh(x)=2sigmoid(2x)-1,与sigmoid不同的是,tanh是0均值的。近年来,relu变的越来越受欢迎。它的数学表达式如下:f(x)=max(0,x),其中,输入信号<0时,输出都是0,输入信号>0的情况下,输出等于输入。maxout函数的表达式如下:f
i(x)=max
j∈[1,k]Z
ij。假设输入节点包括x1和x2,对应的权重分别为w1和w2,还包括权重b,那么输出节点Y=f(w1*x1+w2*x2+b),其中f 为激活函数。另外,输入层和输出层的个数通常均为一个,隐藏层可以由多层构成。
所述优化算法包括随机梯度下降(Stochastic Gradient Descent,SGD)算法、适应性矩估计(adaptive moment estimation,adam)算法或者Momentum算法。
步骤204、将所述不同的通话质量评估属性对应的分类器,利用决策树算法进行决策融合生成预设通话满意度评估模型。
在上述步骤203建立了不同的通话质量评估属性对应的分类器之后,如建立了用户通话满意度对应的分类器和用户通话风险对应的分类器之后,可基于加权或者简单投票的多分类器集成算法,将两者进行决策融合。
步骤205、在检测到移动终端处于通话模式时,获取当前通话过程中的通话信息。
步骤206、对所述通话信息进行分析,得到基本通话特征信息,所述基本通话特征信息用于评估用户对当前通话的满意度。
步骤207、将所述基本通话特征信息输入至预设通话满意度评估模型,获取所述预设通话满意度评估模型输出的通话满意度。
步骤208、根据所述通话满意度所属的满意等级,执行与所述满意等级对应的通话控制操作。
本实施例提供的通话控制方法,通过将历史通话信息作为样本进行训练,建立不同通话质量评估属性对应的分类器并进行决策融合生成预设通话满意度评估模型,提供了一个准确度较高的通话满意度预测模型,在通话过程中,通过将通话信息输入至预设通话满意度评估模型中,得到该评估模型输出的通话满意度,实现了对用户通话过程中通话满意度的评估和预测,移动终端可以根据评估和预测结果,自动执行与用户通话满意等级对应的通话控制操作,提升了通话控制方式的智能化和趣味性。
图3为本申请实施例提供的一种通话控制装置的结构示意图,该装置可由软件和/或硬件实现,集成在移动终端中。如图3所示,该装置包括通话信息获取模块31、基本通话特征获取模块32、通话满意度获取模块33和通话控制操作执行模块34。
所述通话信息获取模块31,用于在检测到移动终端处于通话模式时,获取当前通话过程中的通话信息;
所述基本通话特征获取模块32,用于对所述通话信息进行分析,得到基本通话特征信息,所述基本通话特征信息用于评估用户对当前通话的满意度;
所述通话满意度获取模块33,用于将所述基本通话特征信息输入至预设通话满意度评估模型,获取所述预设通话满意度评估模型输出的通话满意度;
所述通话控制操作执行模块34,用于根据所述通话满意度所属的满意等级,执行与所述满意等级对应的通话控制操作。
本实施例提供的装置,在通话过程中,通过将通话信息输入至预设通话满意度评估模型中,得到该评估模型输出的通话满意度,实现了对用户通话过程中通话满意度的评估和预测,移动终端可以根据评估和预测结果,自动执行与用户通话满意等级对应的通话控制操作,提升了通话控制方式的智能化和趣味性。
可选的,所述基本通话特征信息包括移动终端用户通话内容、通话联系人通话内容、移动终端用户的通话声音特征和通话联系人的通话声音特征中的至少一项,所述声音特征包括音色、音调、响度、语气、语速和说话方式中的至少一项。
可选的,所述装置还包括:
样本获取模块,用于从移动终端本地获取移动终端用户的历史通话信息或者从预设服务器中获取目标用户群组的历史通话信息,作为历史通话信息样本;
基本通话特征信息获取模块,用于对所述历史通话信息样本进行分析,得到所述历史通话样本的基本通话特征信息;
分类器建立模块,用于将所述历史通话样本的基本通话特征信息作为参数,采用机器学习方法建立不同的通话质量评估属性对应的分类器;
预设满意度评估模型生成模块,用于将所述不同的通话质量评估属性对应的分类器,利用决策树算法进行决策融合生成预设通话满意度评估模型。
可选的,所述分类器建立模块采用机器学习方法建立同一通话质量评估属性对应的分类器包括:
采用不同的机器学习方法建立同一通话质量评估属性的多个分类器;
将准确度最高的分类器作为所述通话质量评估属性对应的分类器。
可选的,所述机器学习方法包括:神经网络方法、支持向量机方法、决策树方法、逻辑回归方法、贝叶斯方法和随机森林方法。
可选的,所述分类器建立模块包括:
第一分类器建立单元,用于将所述历史通话样本的基本通话特征信息作为参数,采用机器学习方法建立用户通话满意度对应的分类器;以及
第二分类器建立单元,用于将所述历史通话样本的基本通话特征信息作为参数,采用机器学习方法建立用户通话风险对应的分类器。
可选的,所述机器学习方法为神经网络方法,所述神经网络方法包括输入层、隐藏层和输出层;
所述第一分类器建立单元具体用于:将所述基本通话特征信息输入至所述输入层,并经过与所述隐藏层各节点对应的激活函数的计算,输出中间用户通话满意度;利用所述中间用户通话满意度与所述历史通话信息的用户通话满意度之间的差值,以及优化算法对所述激活函数中的权重进行反复修正,直至所述中间用户通话满意度与所述用户通话满意度之间的差值在设定范围内,得到训练完成的各个节点的激活函数,生成用户通话满意度对应的分类器;
和/或,
所述第二分类器单元具体用于:将所述基本通话特征信息输入至所述输入层,并经过与所述隐藏层各节点对应的激活函数的计算,输出中间用户通话风险;利用所述中间用户通话风险与所述历史通话信息的用户通话风险之间的差值,以及优化算法对所述激活函数中的权重进行反复修正,直至所述中间用户通话风险与所述用户通话风险之间的差值在设定范围内,得到训练完成的各个节点的激活函数,生成用户通话风险对应的分类器。
可选的,所述通话控制操作执行模块具体用于:
若所述通话满意度所属的满意等级为低时,自动结束通话;
若所述通话满意度所属的满意等级为中时,提示用户当前通话可能存在的风险,以及提醒用户是否挂断电话;
若所述通话满足度所属的满意等级为高时,不做任何操作。
可选的,所述装置还包括关联应用开启模块,用于在对所述通话信息进行分析之后,若识别到所述通话内容中包含设定类型关键字,则开启与所述设定类型关键字关联的应用程序。
本申请实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种通话控制方法,该方法包括:
在检测到移动终端处于通话模式时,获取当前通话过程中的通话信息;
对所述通话信息进行分析,得到基本通话特征信息,所述基本通话特征信息用于评估用户对当前通话的满意度;
将所述基本通话特征信息输入至预设通话满意度评估模型,获取所述预设通话满意度评估模型输出的通话满意度;
根据所述通话满意度所属的满意等级,执行与所述满意等级对应的通话控制操作。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯 (Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网) 连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的通话控制操作,还可以执行本申请任意实施例所提供的通话控制方法中的相关操作。
本申请实施例提供了一种移动终端,该移动终端中可集成本申请实施例提供的通话控制装置。图4为本申请实施例提供的一种移动终端的结构示意图。移动终端400可以包括:存储器401,处理器402及存储在存储器401上并可在处理器402运行的计算机程序,所述处理器402执行所述计算机程序时实现如本申请实施例所述的通话控制方法。
本申请实施例提供的移动终端,在通话过程中,通过将通话信息输入至预设通话满意度评估模型中,得到该评估模型输出的通话满意度,实现了对用户通话过程中通话满意度的评估和预测,移动终端可以根据评估和预测结果,自动执行与用户通话满意等级对应的通话控制操作,提升了通话控制方式的智能化和趣味性。
图5为本申请实施例提供的另一种移动终端的结构示意图,如图5所示,该移动终端可以包括:存储器501、中央处理器(Central Processing Unit,CPU) 502(又称处理器,以下简称CPU)、所述存储器501,用于存储可执行程序代码;所述处理器502通过读取所述存储器501中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于执行:在检测到移动终端处于通话模式时,获取当前通话过程中的通话信息;对所述通话信息进行分析,得到基本通话特征信息,所述基本通话特征信息用于评估用户对当前通话的满意度;将所述基本通话特征信息输入至预设通话满意度评估模型,获取所述预设通话满意度评估模型输出的通话满意度;根据所述通话满意度所属的满意等级,执行与所述满意等级对应的通话控制操作。
所述移动终端还包括:外设接口503、RF(Radio Frequency,射频)电路 505、音频电路506、扬声器511、电源管理芯片508、输入/输出(I/O)子系统 509、触摸屏512、其他输入/控制设备510以及外部端口504,这些部件通过一个或多个通信总线或信号线507来通信。
应该理解的是,图示移动终端500仅仅是移动终端的一个范例,并且移动终端500可以具有比图中所示出的更多的或者更少的部件,可以组合两个或更多的部件,或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
下面就本实施例提供的用于控制通话的移动终端进行详细的描述,该移动终端以智能手机为例。
存储器501,所述存储器501可以被CPU502、外设接口503等访问,所述存储器501可以包括高速随机存取存储器,还可以包括非易失性存储器,例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
外设接口503,所述外设接口503可以将设备的输入和输出外设连接到 CPU502和存储器501。
I/O子系统509,所述I/O子系统509可以将设备上的输入输出外设,例如触摸屏512和其他输入/控制设备510,连接到外设接口503。I/O子系统509可以包括显示控制器5091和用于控制其他输入/控制设备510的一个或多个输入控制器5092。其中,一个或多个输入控制器5092从其他输入/控制设备510接收电信号或者向其他输入/控制设备510发送电信号,其他输入/控制设备510可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是,输入控制器5092可以与以下任一个连接:键盘、红外端口、USB接口以及诸如鼠标的指示设备。
触摸屏512,所述触摸屏512是用户终端与用户之间的输入接口和输出接口,将可视输出显示给用户,可视输出可以包括图形、文本、图标、视频等。
I/O子系统509中的显示控制器5091从触摸屏512接收电信号或者向触摸屏512发送电信号。触摸屏512检测触摸屏上的接触,显示控制器5091将检测到的接触转换为与显示在触摸屏512上的用户界面对象的交互,即实现人机交互,显示在触摸屏512上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是,设备还可以包括光鼠,光鼠是不显示可视输出的触摸敏感表面,或者是由触摸屏形成的触摸敏感表面的延伸。
RF电路505,主要用于建立手机与无线网络(即网络侧)的通信,实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地,RF 电路505接收并发送RF信号,RF信号也称为电磁信号,RF电路505将电信号转换为电磁信号或将电磁信号转换为电信号,并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路505可以包括用于执行这些功能的已知电路,其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC(COder-DECoder,编译码器)芯片组、用户标识模块(Subscriber Identity Module,SIM)等等。
音频电路506,主要用于从外设接口503接收音频数据,将该音频数据转换为电信号,并且将该电信号发送给扬声器511。
扬声器511,用于将手机通过RF电路505从无线网络接收的语音信号,还原为声音并向用户播放该声音。
电源管理芯片508,用于为CPU502、I/O子系统及外设接口503所连接的硬件进行供电及电源管理。
上述实施例中提供的通话控制装置、存储介质及移动终端可执行本申请任意实施例所提供的通话控制方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的通话控制方法。
本申请实施例还提供一种通话控制装置,该装置集成在预设服务器中,该装置可以包括:样本获取模块、基本通话特征信息获取模块、分类器建立模块和预设满意度评估模型生成模块。
所述样本获取模块,用于从移动终端获取移动终端用户的历史通话信息或者从预设服务器本地获取目标用户群组的历史通话信息,作为历史通话信息样本;
所述基本通话特征信息获取模块,用于对所述历史通话信息样本进行分析,得到所述历史通话样本的基本通话特征信息;
所述分类器建立模块,用于将所述历史通话样本的基本通话特征信息作为参数,采用机器学习方法建立不同的通话质量评估属性对应的分类器;
所述预设满意度评估模型生成模块,用于将所述不同的通话质量评估属性对应的分类器,利用决策树算法进行决策融合生成预设通话满意度评估模型。
本申请实施例还提供一种服务器,所述服务器集成了上述通话控制装置。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由权利要求的范围决定。