CN109961801A - 智能服务评价方法、计算机可读存储介质和终端设备 - Google Patents

智能服务评价方法、计算机可读存储介质和终端设备 Download PDF

Info

Publication number
CN109961801A
CN109961801A CN201910039514.0A CN201910039514A CN109961801A CN 109961801 A CN109961801 A CN 109961801A CN 201910039514 A CN201910039514 A CN 201910039514A CN 109961801 A CN109961801 A CN 109961801A
Authority
CN
China
Prior art keywords
keyword
decibel
difference
scoring
audio data
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
CN201910039514.0A
Other languages
English (en)
Inventor
黄超
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.)
OneConnect Smart Technology Co Ltd
Original Assignee
OneConnect Smart 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 OneConnect Smart Technology Co Ltd filed Critical OneConnect Smart Technology Co Ltd
Priority to CN201910039514.0A priority Critical patent/CN109961801A/zh
Publication of CN109961801A publication Critical patent/CN109961801A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/048—Fuzzy inferencing
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • 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
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/21—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being power information
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Signal Processing (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Artificial Intelligence (AREA)
  • Acoustics & Sound (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Fuzzy Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明属于计算机技术领域，尤其涉及一种智能服务评价方法、计算机可读存储介质和终端设备。所述方法包括：获取用户在被服务过程中的音频数据；对所述音频数据进行分析，获得所述音频数据中的关键字评分概率和分贝评分概率；获取历史音频数据，根据所述历史音频数据中的关键字评分概率和分贝评分概率，建立音频评分模糊控制模型；基于所述音频数据及音频评分模糊控制模型，获取用户对服务的评分。本发明可以解决无法准确地、客观地获取用户对该业务服务的评分的问题。

Description

智能服务评价方法、计算机可读存储介质和终端设备
技术领域
本发明涉及计算机技术领域，尤其涉及一种智能服务评价方法、计算机可读存储介质和终端设备。
背景技术
目前在服务行业，针对用户和业务人员的沟通存在很多问题，在沟通过程中如何得知用户对业务人员的讲解或态度是否满意，往往在沟通结束后，需要用户直接对该业务人员做出评分，该评分存在主观性，无法避免刷服务分情况，因此，现有技术中无法准确地、客观地获取用户对该业务服务的评分。
发明内容
有鉴于此，本发明实施例提供了一种智能服务评价方法、计算机可读存储介质和终端设备，以解决无法准确地、客观地获取用户对该业务服务的评分的问题。
本发明实施例的第一方面，提供了一种智能服务评价方法，可以包括：
获取用户在被服务过程中的音频数据；
对所述音频数据进行分析，获得所述音频数据中的关键字评分概率和分贝评分概率；
获取历史音频数据，根据所述历史音频数据中的关键字评分概率和分贝评分概率，建立音频评分模糊控制模型；
基于所述音频数据及音频评分模糊控制模型，获取用户对服务的评分。
本发明实施例的第二方面，提供了一种智能服务评价装置，可以包括：录音记录获取模块，用于获取用户在被服务过程中的音频数据；
音频数据获取模块，用于对所述音频数据进行分析，获得所述音频数据中的关键字评分概率和分贝评分概率；
建立模型模块，用于获取历史音频数据，根据所述历史音频数据中的关键字评分概率和分贝评分概率，建立音频评分模糊控制模型；
评分模块，用于基于所述音频数据及音频评分模糊控制模型，获取用户对服务的评分。
本发明实施例的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
获取用户在被服务过程中的音频数据；
对所述音频数据进行分析，获得所述音频数据中的关键字评分概率和分贝评分概率；
获取历史音频数据，根据所述历史音频数据中的关键字评分概率和分贝评分概率，建立音频评分模糊控制模型；
基于所述音频数据及音频评分模糊控制模型，获取用户对服务的评分。
本发明实施例的第四方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
获取用户在被服务过程中的音频数据；
对所述音频数据进行分析，获得所述音频数据中的关键字评分概率和分贝评分概率；
获取历史音频数据，根据所述历史音频数据中的关键字评分概率和分贝评分概率，建立音频评分模糊控制模型；
基于所述音频数据及音频评分模糊控制模型，获取用户对服务的评分。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例首先通过获取用户在被服务过程中的音频数据数据，通过分析用户的音频数据，获得所述音频数据中的关键字评分概率和分贝评分概率，再通过获取历史音频数据，并对历史音频数据分析，根据模糊控制算法，建立音频评分模糊控制模型，然后基于音频数据，通过音频评分模糊控制模型，可以获取用户对所述服务的评分，进而客观地得知用户对该服务是否满意，与现有技术相比，本发明通过微表情对该服务过程进行客观地评分，实现了服务评价的智能化，能够准确地、客观地获取用户对该业务服务的评分，且评分过程用户和业务人员双方无感知打分，能够避免刷服务态度分情况。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种智能服务评价方法的一个实施例的示意流程图；
图2为本发明实施例中获取用户在被服务过程中的音频数据的示意流程图；
图3为本发明实施例中获取用户在所述录音记录中的分贝概率的示意流程图；
图4为本发明实施例中一种智能服务评价装置的一个实施例结构图；
图5为本发明实施例中一种终端设备的示意框图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例中一种智能服务评价方法的一个实施例可以包括：
步骤S101，获取用户在被服务过程中的音频数据。
本实施例中，首先获取用户的录音记录，用户的录音记录可以是预设时间段内面对面实时采集的录音记录，也可以是远程对话的录音记录，通过录音记录用户在被服务过程中的音频，通过语音识别技术，可以实现对音频的处理。
步骤S102，对所述音频数据进行分析，获得所述音频数据中的关键字评分概率和分贝评分概率。
本实施例中，根据录音记录分析所述音频数据，通过语音识别技术获取用户在被服务过程中文字信息及文字信息对应的分贝，根据文字信息及对应的分贝，获取用户在被服务过程中的关键字评分概率和分贝评分概率。
可选地，参见图2所示的本发明实施例中获取用户在被服务过程中的音频数据的示意流程图，步骤S102可以包括：
步骤S201，根据所述音频数据，识别用户在被服务过程中的文字信息；
步骤S202，根据预设关键字库，从所述文字信息中提取用户在被服务过程中的关键字；
步骤S203，根据所述关键字，计算关键字评分概率，所述关键字评分概率用于表示根据用户在被服务过程中的关键字对服务评分的评分数据；
步骤S204，根据所述音频数据，获取用户在被服务过程中的分贝信息；
步骤S205，根据所述分贝信息，计算分贝概率，所述分贝概率用于表示根据用户在被服务过程中声音的分贝对服务评分的评分数据。
参见图2，本实施例中，根据所述音频数据，通过语音识别技术，识别所述音频中的文字信息，这里文字信息用于表示用户在被服务过程中的通话内容，根据预设关键字库，从所述文字信息中获取用户在被服务过程中的关键字信息，所述关键字信息用于表示用户对此服务的关键字评语，比如，很好，不错，非常满意等关键字评语，其中，关键字包括好评关键字和差评关键字，关键字信息包括好评关键字和差评关键字。根据所述关键字信息，获取用户在所述音频数据中的关键字评分概率为：(出现好评关键字的次数+出现差评关键字的次数*预设影响系数)/出现关键字的总次数，所述预设影响系数在0～1之间，不包括0和1。其中，这里关键字评分概率用于表示用户通过关键字对业务水平进行评价的数据。
根据所述录音记录中的音频数据，通过检测分析音频，获取用户在被服务过程中的用户的分贝信息，根据所述分贝信息，获取用户在所述音频数据中的分贝概率为：(好评关键字对应的平均分贝+差评关键字对应的平均分贝*预设影响系数)/2*最高分贝，其中，最高分贝为整个音频记录中出现的最高分贝。
可选地，步骤S203中的根据所述关键字，计算关键字评分概率，可以包括：
根据好评关键字和差评关键字，统计用户在所述音频数据中出现好评关键字和差评关键字的次数；分别计算好评关键字占比p1和差评关键字占比p2，其中，出现好评关键字的次数为S1，出现差评关键字的次数为S2，则好评关键字占比为：p1＝S1/(S1+S2)，差评关键字占比为：p2＝S2/(S1+S2)；步骤S303，根据好评关键字占比及差评关键字占比，计算用户在所述音频数据中的关键字评分概率为：P＝p1w1+p2w2；其中，w1为好评关键字占比的权重，w2为差评关键字占比的权重，且w1+w2＝1。
本实施例中，关键字信息包括好评关键字和差评关键字，分别统计用户在所述音频数据中出现好评关键字和差评关键字的次数。其中，差评关键字的出现对关键字评分概率影响较大，比如，好评关键字的次数为5次，差评关键字的次数为1次相对于好评关键字的次数为4次，差评关键字的次数为0次所对应的关键字评分概率要小。
然后根据出现好评关键字的次数为S1，出现差评关键字的次数为S2，则好评关键字占比为：p1＝S1/(S1+S2)，差评关键字占比为：p2＝S2/(S1+S2)。
这里关键字评分概率的计算是根据好评关键字占比和差评关键字占比以及各自所占的权重，由于关键字评分概率用于表示通过统计用户在音频数据中的关键字，对服务评分的数据，因此，在计算关键字评分概率需要考虑关键字占比的权重，关键字占比的权重包括好评关键字占比的权重w1和差评关键字占比的权重w2，且w1小于w2，w1+w2＝1，计算用户在所述音频数据中的关键字评分概率为：P＝p1w1+p2w2。
可选地，参见图3，步骤S205中的计算分贝概率，可以包括：
步骤S301，根据分贝信息，获取该用户的关键字的分贝差值，所述分贝差值为关键字的分贝与平均分贝的差值，其中，所述关键字的分贝包括好评关键字的分贝和差评关键字的分贝，所述关键字的分贝差值包括好评关键字的分贝差值和差评关键字的分贝差值。
本实施例中，选取好评关键字的分贝T1＝{t1,t2,…,ti,…,tn1}，差评关键字的分贝T2＝{t1’,t2’,…,tj’,…,tn2’}，且音频的平均分贝T＝t，其中，ti表示好评关键字的分贝，n1表示含有好评关键字出现的次数；tj’表示差评关键字的分贝，n2’表示含有差评关键字出现的次数；该用户的好评关键字的分贝差值为：D1＝{t1-t,t2-t,…,ti-t,…,tn1-t}，该用户的差评关键字的分贝差值为：D2＝{t1’-t,t2’-t,…,tj’-t,…,tn2’-t}。
步骤S302，根据好评关键字的分贝差值和差评关键字的分贝差值，分别计算好评关键字的分贝标准方差和差评关键字的分贝标准方差。
本实施例中，选取xi＝ti-t，yj＝tj′-t，则好评关键字的分贝差值D1＝{t1-t,t2-t,…,ti-t,…,tn1-t}＝{x1,x2,…,xi,…,xn1}，差评关键字的分贝差值D2＝{t1’-t,t2’-t,…,tj’-t,…,tn2’-t}＝{y1,y2,…,yj,…,yn1}，xi表示第i次出现好评关键字的分贝差值，yj表示第y次出现差评关键字的分贝差值，则好评关键字的分贝标准方差为：
差评关键字的分贝标准方差为：
步骤S303，根据好评关键字的分贝标准方差和差评关键字的分贝标准方差，计算用户在所述音频数据中的分贝评分概率。
本实施例中，根据好评关键字的分贝标准方差和差评关键字的分贝标准方差计算用户在所述音频数据中的分贝评分概率为：
可选地，步骤S303中的根据好评关键字的分贝标准方差和差评关键字的分贝标准方差，计算用户在所述音频数据中的分贝评分概率，可以通过以下方式实现：根据好评关键字的分贝标准方差和差评关键字的分贝标准方差，分别计算好评关键字的分贝差值的权重w1’和差评关键字的分贝差值的权重w2’，其中，好评关键字的分贝标准方差为Q1，差评关键字的分贝标准方差为Q2，则好评关键字的分贝差值的权重为：差评关键字的分贝差值权重为：根据好评关键字的分贝差值的权重和差评关键字的分贝差值权重，计算出用户的分贝评分概率为：P'＝Q1*w1'+Q2*w2'。
本实施例中，通过计算好评关键字的分贝差值的权重w1’和差评关键字的分贝差值的权重w2’，可以分析出好评关键字的分贝和差评关键字的分贝在计算分贝评分概率时所占的比重，其中，好评关键字的分贝差值的权重为：差评关键字的分贝差值权重为：则用户的分贝评分概率为：P′＝Q1*w1′+Q2*w2′。通过分贝评分概率的计算，可以客观地获取用户对该业务服务的评分的一个影响因素。
参见图1，在获取用户在被服务过程中的音频数据后，步骤S103，获取历史音频数据，根据所述历史音频数据中的关键字评分概率和分贝评分概率，建立音频评分模糊控制模型。
本实施例中，获取历史音频数据，将所述历史音频数据中的关键字评分概率作为用户评分的第一输入变量，将所述历史音频数据中的分贝评分概率作为用户评分的第二输入变量，将评分分值作为用户评分的输出变量，根据模糊控制算法，建立音频评分模糊控制模型。
其中，将所述历史音频数据中的关键字评分概率和分贝评分概率占作为建立微表情评分模糊控制模型的输入变量，将评分分值作为建立音频评分模糊控制模型的输出变量，其中，将所述历史音频数据中的分贝评分概率占比作为建立音频评分模糊控制模型的第二输入变量。
其中，本实施例中采用“ifA and B then C”型模糊推理方法，模糊规则是“最大-最小”规则。对于本发明所采用的双输入单输出的模糊控制器，则所有所述控制规则对应的模糊关系可表示为：Rij＝Ai×Bj×Cij(i＝1，2，3，4，5；j＝1，2，3，4，5)，其中，Ai、Bi、Ci分别表示所选取的模糊语言变量。例如Ai表示第一输入变量的模糊语言变量，Bi表示第二输入变量的模糊语言变量，Ci表示输出变量的模糊语言变量。
将关键字评分概率作为音频评分模糊控制模型中评分模糊规则的第一输入变量Qr，将该视频记录中分贝评分概率占比作为评分模糊规则的第二输入变量Qs，评分模糊规则的输出变量是评分大小H，其中，选取评分模糊规则的第一输入变量Qr的基本论域为[0，第一阈值]，模糊论域为{0，第一阈值/M1，第一阈值*2/M1，...，第一阈值}，模糊子集为VS(很小)、S(小)、Z(中等)、B(大)、VB(很大)；选取评分模糊规则的第二输入变量Qs的基本论域为[0，第二阈值]，其模糊论域为{0，第二阈值/M2，第二阈值*2/M2，…，第二阈值}，模糊子集为VS(很小)、S(小)、Z(中等)、B(大)、VB(很大)；评分模糊规则的输出变量H的基本论域为[0，第三阈值]，模糊论域为{0，第三阈值/M3，第三阈值*2/M3，…，第三阈值}，模糊语言变量值为VS(很小)、S(小)、Z(中等)、L(大)、VL(很大)，它们的量化因子均为1，则音频评分对应的模糊控制规则表为：
步骤S104，基于所述音频数据及音频评分模糊控制模型，获取用户对服务的评分。
本实施例中，可以将音频评分对应的模糊控制规则表可以作为音频评分模糊控制模型，基于所述音频数据，通过音频评分对应的模糊控制规则表，可以获取用户对所述服务的评分。根据规则可知，这里关键字评分概率越大、分贝评分概率占比越大，则评分越高，将评分的模糊语言变量值标记为对应的分值为：VS(很小)标记为对应的1分、S(小)标记为对应的2分、Z(中等)标记为对应的3分、L(大)标记为对应的4分、VL(很大)标记为对应的5分。
具体地，根据用户的关键字评分概率，获取对应的第一输入变量的模糊子集，根据分贝评分概率占比，获取对应的第二输入变量的模糊子集，再根据评分模糊规则，获取对应的输出变量的模糊语言变量，根据模糊语言变量值对应的标记，获取该用户对该服务的评分。比如，用户的关键字评分概率对应的第一输入变量的模糊子集为VS(很小)，分贝评分概率占比对应的第二输入变量的模糊子集为S(小)，则评分对应的输出变量的模糊语言变量为VS，根据标记对应的评分为1分，则该用户对此服务的评价为1分。
综上所述，本发明实施例首先通过获取用户的音频数据然后通过分析用户的音频数据，获得所述音频数据中的关键字评分概率和分贝评分概率，再通过获取历史音频数据，并对历史音频数据分析，根据模糊控制算法，建立音频评分模糊控制模型，然后基于音频数据，通过音频评分模糊控制模型，可以获取用户对所述服务的评分，进而客观地得知用户对该服务是否满意，与现有技术相比，本发明通过音频对该服务过程进行客观地评分，实现了服务评价的智能化，能够准确地、客观地获取用户对该业务服务的评分，且评分过程用户和业务人员双方无感知打分，能够避免刷服务态度分情况，解决了存在刷服务态度分的问题，能够准确地获取用户对该业务服务评分。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的智能服务评价方法，图4示出了本发明实施例提供的一种智能服务评价装置的一个实施例结构图。
本实施例中，一种智能服务评价装置可以包括：
录音记录获取模块401，用于获取用户在被服务过程中的音频数据；
音频数据获取模块402，用于对所述音频数据进行分析，获得所述音频数据中的关键字评分概率和分贝评分概率；
建立模型模块403，用于获取历史音频数据，根据所述历史音频数据中的关键字评分概率和分贝评分概率，建立音频评分模糊控制模型；
评分模块404，用于基于所述音频数据及音频评分模糊控制模型，获取用户对服务的评分。
可选地，所述音频数据获取模块402，包括：文字信息识别单元，用于根据所述音频数据，识别用户在被服务过程中的文字信息；
关键字信息获取单元，用于根据预设关键字库，从所述文字信息中提取用户在被服务过程中的关键字；
关键字评分概率获取单元，用于根据所述关键字，计算关键字评分概率，所述关键字评分概率用于表示根据用户在被服务过程中的关键字对服务评分的评分数据；
分贝信息获取单元，用于根据所述音频数据，获取用户在被服务过程中的分贝信息；
分贝概率获取单元，用于根据所述分贝信息，计算分贝概率，所述分贝概率用于表示根据用户在被服务过程中声音的分贝对服务评分的评分数据。
可选地，所述关键字评分概率获取单元，具体用于：根据好评关键字和差评关键字，统计用户在所述音频数据中出现好评关键字和差评关键字的次数；
分别计算好评关键字占比p1和差评关键字占比p2，其中，出现好评关键字的次数为S1，出现差评关键字的次数为S2，则好评关键字占比为：p1＝S1/(S1+S2)，差评关键字占比为：p2＝S2/(S1+S2)；
根据好评关键字占比及差评关键字占比，计算用户在所述音频数据中的关键字评分概率为：P＝p1w1+p2w2；其中，w1为好评关键字占比的权重，w2为差评关键字占比的权重，且w1+w2＝1。
可选地，所述分贝概率获取单元，包括：分贝差值获取单元，用于根据分贝信息，获取该用户的关键字的分贝差值，所述分贝差值为关键字的分贝与平均分贝的差值，其中，所述关键字的分贝包括好评关键字的分贝和差评关键字的分贝，所述关键字的分贝差值包括好评关键字的分贝差值和差评关键字的分贝差值；
第一计算单元，用于根据好评关键字的分贝差值和差评关键字的分贝差值，分别计算好评关键字的分贝标准方差和差评关键字的分贝标准方差；
第二计算单元，用于根据好评关键字的分贝标准方差和差评关键字的分贝标准方差，计算用户在所述音频数据中的分贝评分概率。
可选地，第二计算单元，具体用于：根据好评关键字的分贝标准方差和差评关键字的分贝标准方差，分别计算好评关键字的分贝差值的权重w1’和差评关键字的分贝差值的权重w2’，其中，好评关键字的分贝标准方差为Q1，差评关键字的分贝标准方差为Q2，则好评关键字的分贝差值的权重为：差评关键字的分贝差值权重为：
根据好评关键字的分贝差值的权重和差评关键字的分贝差值权重，计算出用户的分贝评分概率为：P'＝Q1*w1'+Q2*w2'。
图5示出了本发明实施例提供的一种终端设备的示意框图，为了便于说明，仅示出了与本发明实施例相关的部分。
在本实施例中，所述终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如执行上述的智能服务评价方法的计算机程序。所述处理器50执行所述计算机程序52时实现上述各个智能服务评价方法实施例中的步骤，例如图1所示的步骤S101至S104。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块401至404的功能。
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端设备5的示例，并不构成对终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元，例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备，例如所述终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种智能服务评价方法，其特征在于，包括：
获取用户在被服务过程中的音频数据；
对所述音频数据进行分析，获得所述音频数据中的关键字评分概率和分贝评分概率；
获取历史音频数据，根据所述历史音频数据中的关键字评分概率和分贝评分概率，建立音频评分模糊控制模型；
基于所述音频数据及音频评分模糊控制模型，获取用户对服务的评分。
2.根据权利要求1所述的智能服务评价方法，其特征在于，所述对所述音频数据进行分析，获得所述音频数据中的关键字评分概率和分贝评分概率，包括：
根据所述音频数据，识别用户在被服务过程中的文字信息；
根据预设关键字库，从所述文字信息中提取用户在被服务过程中的关键字；
根据所述关键字，计算关键字评分概率，所述关键字评分概率用于表示根据用户在被服务过程中的关键字对服务评分的评分数据；
根据所述音频数据，获取用户在被服务过程中的分贝信息；
根据所述分贝信息，计算分贝概率，所述分贝概率用于表示根据用户在被服务过程中声音的分贝对服务评分的评分数据。
3.根据权利要求2所述的智能服务评价方法，其特征在于，所述关键字信息包括好评关键字和差评关键字，所述根据所述关键字，计算关键字评分概率，包括：
根据好评关键字和差评关键字，统计用户在所述音频数据中出现好评关键字和差评关键字的次数；
分别计算好评关键字占比p1和差评关键字占比p2，其中，出现好评关键字的次数为S1，出现差评关键字的次数为S2，则好评关键字占比为：p1＝S1/(S1+S2)，差评关键字占比为：p2＝S2/(S1+S2)；
根据好评关键字占比及差评关键字占比，计算用户在所述音频数据中的关键字评分概率为：P＝p1w1+p2w2；其中，w1为好评关键字占比的权重，w2为差评关键字占比的权重，且w1+w2＝1。
4.根据权利要求2所述的智能服务评价方法，其特征在于，所述分贝信息包括平均分贝、关键字的分贝，所述根据所述分贝信息，计算分贝概率，包括：
根据分贝信息，获取该用户的关键字的分贝差值，所述分贝差值为关键字的分贝与平均分贝的差值，其中，所述关键字的分贝包括好评关键字的分贝和差评关键字的分贝，所述关键字的分贝差值包括好评关键字的分贝差值和差评关键字的分贝差值；
根据好评关键字的分贝差值和差评关键字的分贝差值，分别计算好评关键字的分贝标准方差和差评关键字的分贝标准方差；
根据好评关键字的分贝标准方差和差评关键字的分贝标准方差，计算用户在所述音频数据中的分贝评分概率。
5.根据权利要求4所述的智能服务评价方法，其特征在于，所述根据好评关键字的分贝标准方差和差评关键字的分贝标准方差，计算用户在所述音频数据中的分贝评分概率，包括：
根据好评关键字的分贝标准方差和差评关键字的分贝标准方差，分别计算好评关键字的分贝差值的权重w1’和差评关键字的分贝差值的权重w2’，其中，好评关键字的分贝标准方差为Q1，差评关键字的分贝标准方差为Q2，则好评关键字的分贝差值的权重为：差评关键字的分贝差值权重为：
根据好评关键字的分贝差值的权重和差评关键字的分贝差值权重，计算出用户的分贝评分概率为：P'＝Q1*w1'+Q2*w2'。
6.一种智能服务评价装置，其特征在于，包括：
录音记录获取模块，用于获取用户在被服务过程中的音频数据；
音频数据获取模块，用于对所述音频数据进行分析，获得所述音频数据中的关键字评分概率和分贝评分概率；
建立模型模块，用于获取历史音频数据，根据所述历史音频数据中的关键字评分概率和分贝评分概率，建立音频评分模糊控制模型；
评分模块，用于基于所述音频数据及音频评分模糊控制模型，获取用户对服务的评分。
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述智能服务评价方法的步骤。
8.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如下步骤：
获取用户在被服务过程中的音频数据；
对所述音频数据进行分析，获得所述音频数据中的关键字评分概率和分贝评分概率；
获取历史音频数据，根据所述历史音频数据中的关键字评分概率和分贝评分概率，建立音频评分模糊控制模型；
基于所述音频数据及音频评分模糊控制模型，获取用户对服务的评分。
9.根据权利要求8所述的终端设备，其特征在于，所述对所述音频数据进行分析，获得所述音频数据中的关键字评分概率和分贝评分概率，包括：
根据所述音频数据，识别用户在被服务过程中的文字信息；
根据预设关键字库，从所述文字信息中提取用户在被服务过程中的关键字；
根据所述关键字，计算关键字评分概率，所述关键字评分概率用于表示根据用户在被服务过程中的关键字对服务评分的评分数据；
根据所述音频数据，获取用户在被服务过程中的分贝信息；
根据所述分贝信息，计算分贝概率，所述分贝概率用于表示根据用户在被服务过程中声音的分贝对服务评分的评分数据。
10.根据权利要求9所述的终端设备，其特征在于，所述关键字信息包括好评关键字和差评关键字，所述根据所述关键字，计算关键字评分概率，包括：
根据好评关键字和差评关键字，统计用户在所述音频数据中出现好评关键字和差评关键字的次数；
分别计算好评关键字占比p1和差评关键字占比p2，其中，出现好评关键字的次数为S1，出现差评关键字的次数为S2，则好评关键字占比为：p1＝S1/(S1+S2)，差评关键字占比为：p2＝S2/(S1+S2)；
根据好评关键字占比及差评关键字占比，计算用户在所述音频数据中的关键字评分概率为：P＝p1w1+p2w2；其中，w1为好评关键字占比的权重，w2为差评关键字占比的权重，且w1+w2＝1。
CN201910039514.0A 2019-01-16 2019-01-16 智能服务评价方法、计算机可读存储介质和终端设备 Pending CN109961801A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910039514.0A CN109961801A (zh) 2019-01-16 2019-01-16 智能服务评价方法、计算机可读存储介质和终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910039514.0A CN109961801A (zh) 2019-01-16 2019-01-16 智能服务评价方法、计算机可读存储介质和终端设备

Publications (1)

Publication Number Publication Date
CN109961801A true CN109961801A (zh) 2019-07-02

Family

ID=67023548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910039514.0A Pending CN109961801A (zh) 2019-01-16 2019-01-16 智能服务评价方法、计算机可读存储介质和终端设备

Country Status (1)

Country Link
CN (1) CN109961801A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111182162A (zh) * 2019-12-26 2020-05-19 深圳壹账通智能科技有限公司 基于人工智能的电话质检方法、装置、设备和存储介质
CN111915328A (zh) * 2020-07-23 2020-11-10 北京祥龙博瑞保险代理有限公司 一种客户满意度分析方法、装置、系统及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000047673A (ja) * 1998-07-29 2000-02-18 Yamaha Corp カラオケ装置
JP2014178835A (ja) * 2013-03-14 2014-09-25 Nissha Printing Co Ltd 評価システム及び評価方法
CN104657425A (zh) * 2014-10-06 2015-05-27 中华电信股份有限公司 一种议题管理式网络舆情评价管理系统与方法
CN105261362A (zh) * 2015-09-07 2016-01-20 科大讯飞股份有限公司 一种通话语音监测方法及系统
CN105391708A (zh) * 2015-11-02 2016-03-09 北京锐安科技有限公司 音频数据的检测方法及装置
US20170154293A1 (en) * 2014-06-16 2017-06-01 Panasonic Intellectual Property Management Co., Ltd. Customer service appraisal device, customer service appraisal system, and customer service appraisal method
US20170278125A1 (en) * 2016-02-26 2017-09-28 Edatanetworks Inc. Loyalty program incenting merchant tranacation with customer affinity
CN108010513A (zh) * 2016-10-28 2018-05-08 北京回龙观医院 语音处理方法及设备
US20180276710A1 (en) * 2017-03-17 2018-09-27 Edatanetworks Inc. Artificial Intelligence Engine Incenting Merchant Transaction With Consumer Affinity
CN109087671A (zh) * 2018-09-20 2018-12-25 重庆先特服务外包产业有限公司 政府综合热线服务平台

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000047673A (ja) * 1998-07-29 2000-02-18 Yamaha Corp カラオケ装置
JP2014178835A (ja) * 2013-03-14 2014-09-25 Nissha Printing Co Ltd 評価システム及び評価方法
US20170154293A1 (en) * 2014-06-16 2017-06-01 Panasonic Intellectual Property Management Co., Ltd. Customer service appraisal device, customer service appraisal system, and customer service appraisal method
CN104657425A (zh) * 2014-10-06 2015-05-27 中华电信股份有限公司 一种议题管理式网络舆情评价管理系统与方法
CN105261362A (zh) * 2015-09-07 2016-01-20 科大讯飞股份有限公司 一种通话语音监测方法及系统
CN105391708A (zh) * 2015-11-02 2016-03-09 北京锐安科技有限公司 音频数据的检测方法及装置
US20170278125A1 (en) * 2016-02-26 2017-09-28 Edatanetworks Inc. Loyalty program incenting merchant tranacation with customer affinity
CN108010513A (zh) * 2016-10-28 2018-05-08 北京回龙观医院 语音处理方法及设备
US20180276710A1 (en) * 2017-03-17 2018-09-27 Edatanetworks Inc. Artificial Intelligence Engine Incenting Merchant Transaction With Consumer Affinity
CN109087671A (zh) * 2018-09-20 2018-12-25 重庆先特服务外包产业有限公司 政府综合热线服务平台

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
闫维新;马文涛;付庄;赵言正;刘小勇;: "基于模糊控制的AIC机器人编译算法研究", 中国民航大学学报, no. 05 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111182162A (zh) * 2019-12-26 2020-05-19 深圳壹账通智能科技有限公司 基于人工智能的电话质检方法、装置、设备和存储介质
CN111915328A (zh) * 2020-07-23 2020-11-10 北京祥龙博瑞保险代理有限公司 一种客户满意度分析方法、装置、系统及存储介质

Similar Documents

Publication Publication Date Title
CN108255805B (zh) 舆情分析方法及装置、存储介质、电子设备
CN111143576A (zh) 一种面向事件的动态知识图谱构建方法和装置
CN110196908A (zh) 数据分类方法、装置、计算机装置及存储介质
WO2020244336A1 (zh) 一种告警分类方法、装置、电子设备及存储介质
Dumitrache et al. CrowdTruth 2.0: Quality metrics for crowdsourcing with disagreement
TW201839628A (zh) 一種基於網路媒體資料流程發現並跟蹤熱點話題的方法、系統和裝置
CN112468659B (zh) 应用于电话客服的质量评价方法、装置、设备及存储介质
CN111694940A (zh) 一种用户报告的生成方法及终端设备
WO2017198031A1 (zh) 解析语义的方法和装置
US20150212976A1 (en) System and method for rule based classification of a text fragment
CN112711705A (zh) 舆情数据处理方法、设备及存储介质
CN111353050A (zh) 一种电信客服垂直领域的词库构建方法及工具
CN113593661A (zh) 临床术语标准化方法、装置、电子设备及存储介质
CN112287656A (zh) 文本比对方法、装置、设备和存储介质
Goldwasser et al. Understanding satirical articles using common-sense
CN109961801A (zh) 智能服务评价方法、计算机可读存储介质和终端设备
CN108694176A (zh) 文档情感分析的方法、装置、电子设备和可读存储介质
CN112287111B (zh) 一种文本处理方法和相关装置
CN116402166B (zh) 一种预测模型的训练方法、装置、电子设备及存储介质
CN112686053A (zh) 一种数据增强方法、装置、计算机设备及存储介质
CN113378826B (zh) 一种数据处理方法、装置、设备及存储介质
CN109872183A (zh) 智能服务评价方法、计算机可读存储介质和终端设备
CN116090450A (zh) 一种文本处理方法及计算设备
CN114417974B (zh) 模型训练方法、信息处理方法、装置、电子设备和介质
CN113704471B (zh) 语句的分类方法、装置、设备和存储介质

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