CN110069784A - 一种语音质检评分方法、装置、终端及可存储介质 - Google Patents
一种语音质检评分方法、装置、终端及可存储介质 Download PDFInfo
- Publication number
- CN110069784A CN110069784A CN201910368412.3A CN201910368412A CN110069784A CN 110069784 A CN110069784 A CN 110069784A CN 201910368412 A CN201910368412 A CN 201910368412A CN 110069784 A CN110069784 A CN 110069784A
- Authority
- CN
- China
- Prior art keywords
- data
- audio data
- text
- recorded audio
- score value
- 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
Links
Classifications
-
- 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
- G06F16/3332—Query translation
- G06F16/3338—Query expansion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Abstract
本申请提供了一种语音质检评分方法、装置、终端及可存储介质,其中,本申请的方法包括:获取录音音频数据;将获取的录音音频数据转化为文本格式的数据,其中,所述文本格式的数据中包括与坐席人员的音频数据相对应的坐席文本数据;通过余弦相似性算法和/或汉明距离算法对所述坐席文本数据与预置的计分指标进行匹配计分,得到所述录音音频数据的服务质量分值。通过本申请的方法对录音音频数据自动进行识别和评分,无需过多的人工参与,实现了智能化质检,可以进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,并提高质检质量。
Description
技术领域
本申请涉及呼叫系统领域,尤其涉及一种语音质检评分方法、装置、终端及可存储介质。
背景技术
目前,通过计算机网络形成的管理系统已经成为信息生产和管理,客服人员每天处理数万通电话,而质检人员对这些通话录音只能通过人工测听的方式进行抽查,测听抽检比率低,质检工作量大,效率低且覆盖低,难以有效评价整体服务质量。有时可能是一种很模糊的录音,不一定都是存在重大的问题,可能是一些表达的方式不好,表达中出现了不该出现的用语,这些都是通过人工不断都去检测,可能要不断地重复地收听一段录音,现有的语音手动抽检测听的方式效率低下并且覆盖率低,这样手动人为地检测受到人为因素影响很大,可能在某一时间段漏掉一些关键的词,无法准确地检测不良的录音。
发明内容
本申请提供了一种语音质检评分方法、装置、终端及可存储介质,可以进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,并提高质检质量。
有鉴于此,本申请第一方面提供了一种语音质检评分方法,包括:
获取录音音频数据;
将获取的录音音频数据转化为文本格式的数据,其中,所述文本格式的数据中包括与坐席人员的音频数据相对应的坐席文本数据;
通过余弦相似性算法和/或汉明距离算法对所述坐席文本数据与预置的计分指标进行匹配计分,得到所述录音音频数据的服务质量分值。
优选地,所述通过余弦相似性算法和/或汉明距离算法对所述坐席文本数据进行评分,得到所述录音音频数据的服务质量分值具体包括:
通过余弦相似性算法判断所述坐席文本数据中所包含的预设用语的数量,并根据所述预设用语的数量,确定所述录音音频数据的服务态度分值;
通过汉明距离算法判断所述坐席文本数据中所包含的客户信息是否正确,确定所述录音音频数据的服务有效性分值;
对所述服务态度分值和所述服务有效性分值的加权运算,得到所述录音音频数据的服务质量分值。
优选地,所述通过余弦相似性算法判断所述坐席文本数据中所包含的预设用语的数量,并根据所述预设用语的数量,确定所述录音音频数据的服务态度分值具体包括:
通过余弦相似性算法判断所述坐席文本数据中所包含的预设用语的数量,其中,所述预设用语包括:标准用语和违规用语;
并根据所述标准用语和所述违规用语的数量,对当前的服务态度分值进行加分和/或减分处理,得到所述录音音频数据的服务质量分值。
优选地,所述将获取的录音音频数据转化为文本格式的数据具体包括:
根据预置的坐席人员的语音模板,对所述录音音频数据进行特征匹配,从所述录音音频数据中提取出坐席人员的音频数据,得到坐席音频数据;
将所述坐席音频数据转化为坐席文本数据。
优选地,所述将获取的录音音频数据转化为文本格式的数据具体包括:
将完整的录音音频数据转换为对应的全文文本数据;
对所述全文文本数据进行语义识别和上下文匹配,将所述全文文本数据拆分为坐席文本数据和客户文本数据。
优选地,所述将所述录音音频数据转换为录音文本数据之后还包括:
根据所述录音文本数据,通过语义识别和上下文匹配方式,确定所述录音文本数据的通话场景。
优选地,所述获取录音音频数据之后还包括:
采用双声道声波筛选方法,判断所述录音音频数据中是否有超时应答现象,若是,则从当前的服务质量分值中扣除对应的预设分值。
优选地,所述得到所述录音音频数据的服务质量分值之后包括:
将所述服务质量分值与所述录音文本数据对应进行存储,以便对坐席人员的服务质量水平进行统计。
优选地,所述将所述服务质量分值与所述录音文本数据对应进行存储之后还包括:
对所述服务质量分值小于设定阈值的文本格式的数据和录音音频数据进行标记。
本申请第二方面提供的一种语音质检评分装置,包括:
获取模块,用于获取录音音频数据;
格式转换模块,用于将获取的录音音频数据转化为文本格式的数据,其中,所述文本格式的数据中包括与坐席人员的音频数据相对应的坐席文本数据;
评分模块,用于通过余弦相似性算法和/或汉明距离算法对所述坐席文本数据与预置的计分指标进行匹配计分,得到所述录音音频数据的服务质量分值。
优选地,还包括:
通话场景识别模块,用于根据所述录音文本数据,通过语义识别和上下文匹配方式,确定所述录音文本数据的通话场景。
优选地,还包括:
超时检测模块,用于采用双声道声波筛选方法,判断所述录音音频数据中是否有超时应答现象,若是,则从当前的服务质量分值中扣除对应的预设分值。
优选地,还包括:
存储模块,用于将所述服务质量分值与所述录音文本数据对应进行存储,以便对坐席人员的服务质量水平进行统计。
优选地,还包括:
标记模块,用于对所述服务质量分值小于设定阈值的文本格式的数据和录音音频数据进行标记。
本申请第三方面提供了一种终端,包括:处理器和存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行本申请第一方面提供的一种语音质检评分方法。
本申请第四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用于存储程序代码,所述程序代码用于执行本申请第一方面提供的一种语音质检评分方法。
从以上技术方案可以看出,本申请具有以下优点:
本申请提供了一种语音质检评分方法,包括:获取录音音频数据;将获取的录音音频数据转化为文本格式的数据,其中,所述文本格式的数据中包括与坐席人员的音频数据相对应的坐席文本数据;通过余弦相似性算法和/或汉明距离算法对所述坐席文本数据与预置的计分指标进行匹配计分,得到所述录音音频数据的服务质量分值。通过本申请的方法对录音音频数据自动进行识别和评分,无需过多的人工参与,实现了智能化质检,可以进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,并提高质检质量。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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申请的一些实施例,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它的附图。
图1为本申请提供的一种语音质检评分方法的第一个实施例的流程示意图;
图2为本申请提供的一种语音质检评分方法的第二个实施例的流程示意图;
图3为本申请提供的一种语音质检评分方法的第三个实施例的流程示意图;
图4为本申请提供的一种语音质检评分方法的第四个实施例的流程示意图;
图5为本申请提供的一种语音质检评分方法的第五个实施例的流程示意图;
图6为本申请提供的一种语音质检评分方法的第六个实施例的流程示意图;
图7为本申请提供的一种语音质检评分装置的第一个实施例的结构示意图;
图8为本申请提供的一种语音质检评分装置的第二个实施例的结构示意图;
图9为本申请提供的一种语音质检评分装置的第三个实施例的结构示意图;
图10为本申请提供的一种语音质检评分装置的第四个实施例的结构示意图;
图11为本申请提供的一种终端的第一个实施例的结构示意图。
具体实施方式
本申请实施例提供了一种语音质检评分方法、装置、终端及可存储介质,可以进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,并提高质检质量。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而非全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
请参阅图1,本申请实施例提供的一种语音质检评分方法,包括:
步骤S101:获取录音音频数据;
需要说明的是,该方法可以在计算机中通过执行应用程序实现,该应用程序自动向呼叫中心获取录音音频数据。呼叫中心可以是与各个坐席通话终端连接的中心服务器或存储器。
获取的录音音频数据中包括通话时间、通话终端号及通话录音,还可以包括坐席服务人员的工号。
步骤S102:将获取的录音音频数据转化为文本格式的数据,其中,文本格式的数据中包括与坐席人员的音频数据相对应的坐席文本数据;
需要说明的是,通过语音转文本方式,将录音音频数据转换成录音文本数据,其中录音文本数据具体包括有与坐席人员的音频数据相对应的坐席文本数据,此外,还可以包括:与客户的音频数据相对应的客户文本数据和与完整的录音音频数据相对应的全文音频数据。
步骤S103:通过余弦相似性算法和/或汉明距离算法对坐席文本数据与预置的计分指标进行匹配计分,得到录音音频数据的服务质量分值。
可以采用余弦相似性算法或者汉明距离算法对坐席文本数据进行评分,得到录音音频数据的服务质量分值。也可以采用余弦相似性算法判断坐席文本数据中所包含的预设用语的数量;根据预设用语的数量,确定录音音频数据的服务态度分值;采用汉明距离算法判断坐席文本数据中所包含的客户信息是否正确,确定录音音频数据的服务有效性分值;根据服务态度分值和服务有效性分值,得到录音音频数据的服务质量分值。
通过上述音质检评分方法,对录音音频数据自动进行识别和评分,无需过多的人工参与,实现了智能化质检,可以进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,并提高质检质量。
以上本本申请提供的一种语音质检评分方法的第一个实施例的详细说明,下面为本申请提供的一种语音质检评分方法的第二个实施例的详细说明。
请参阅图2,本申请实施例提供的一种语音质检评分方法,包括:
步骤S201,获取录音音频数据。
步骤S202,根据预置的坐席人员的语音模板,对录音音频数据进行特征匹配,从录音音频数据中提取出坐席人员的音频数据,得到坐席音频数据。
其中,预置的坐席人员的语音模板具体指坐席人员预先录入的对照语音,根据该坐席人员对应的语音模板,对录音音频数据中的不同语音的音色音调进行识别,可以初步区分出坐席音频数据和客户音频数据,结合少量的语义识别,例如,对通话开头用语进行识别,可以准确地区分出坐席音频数据和客户音频数据。
步骤S203,将坐席音频数据对应转化为坐席文本数据。
步骤S204,通过余弦相似性算法判断坐席文本数据中所包含的预设用语的数量,并根据预设用语的数量,确定录音音频数据的服务态度分值。
步骤S205,通过汉明距离算法判断坐席文本数据中所包含的客户信息是否正确,确定录音音频数据的服务有效性分值;
步骤S206,对服务态度分值和服务有效性分值的加权运算,得到录音音频数据的服务质量分值。
可以采用余弦相似性算法或者汉明距离算法对坐席文本数据进行评分,得到录音音频数据的服务质量分值。也可以采用余弦相似性算法判断坐席文本数据中所包含的预设用语的数量;根据预设用语的数量,确定录音音频数据的服务态度分值;采用汉明距离算法判断坐席文本数据中所包含的客户信息是否正确,确定录音音频数据的服务有效性分值;根据服务态度分值和服务有效性分值,得到录音音频数据的服务质量分值。
更具体地,采用余弦相似性算法判断坐席文本数据中所包含的预设的标准用语的数量,即采用余弦相似性算法将坐席文本数据中的词句与预设的标准用语进行比对。比对的原理和过程如下:
将坐席文本数据中的词句作为第一向量,将预设的标准用语作为第二向量,通过计算两个向量的夹角余弦值来评估二者的相似度。具体来说,余弦函数是三角函数的一种,在Rt△ABC(直角三角形)中,∠C=90°,∠A的余弦是它的邻边比三角形的斜边,即cosA=b/c,也可写为cosA=AC/AB。余弦函数:f(x)=cosx(x∈R)。
对于二维空间,根据向量点积公式,可以得知假设向量a、b的坐标分别为(x1,y1)、(x2,y2),则
设向量A=(A1,A2,...,An),B=(B1,B2,...,Bn),则其中,Ai、Bi指词频。
例如,A=你是个牛人,B=小明是个牛人。对于上述两个句子,先进行分词,A=你/是/个/牛人,B=小明/是/个/牛人。列出所有的词,{你小明是个牛人}。计算词频,A={1 01 1 1}(每个数字对应上面的词),B={0 1 1 1 1}。将词频带入公式得到cosx=0.75,即A与B的余弦相似度为0.75。该余弦值越接近1,就表明两个词句越相似。
如果坐席文本数据中的语句与某个预设的标准用语的余弦相似度达到0.75,则认为坐席文本数据中包含该预设的标准用语。统计坐席文本数据中所包含的预设的标准用语的数量,数量每增加一个,服务态度分值就增加一个设定值。数量越多,录音音频数据的服务态度分值越高。
需要说明的是,也可以采用余弦相似性算法判断坐席文本数据中是否包含预设的服务禁语;如果包含服务禁语,从所得的服务质量分值中扣除设定的第一分值。
另外,还可以通过简单共有词对坐席文本数据进行评分,得到录音音频数据的服务质量分值。即通过两个词句中共有的词的总字符数除以最长文档字符数来评估两者的相似度。例如,判断坐席文本数据中的词句与预设的标注用语的相似度时,先取出这两句话的共同都有的词的字数然后看哪句话更长就除以哪句话的字数。比如同样是A、B两句话,共有词的字符长度为4,最长句子长度为6,那么两句话的相似度为4/6≈0.667。
采用汉明距离算法判断坐席文本数据中所包含的客户信息是否正确。SimHash(汉明距离)算法将一个文档转换成64位的字节,然后通过判断两个字节的汉明距离确定相似度。通过simhash算法可以分别计算出坐席文本数据中所包含的客户信息的simhash值和预存的客户信息的simhash值,通过计算出的两个simhash值来计算两者之间的汉明距离,根据汉明距离来比较两者之间的相似度。汉明距离是指两个相同长度的字符串相同位置上不同的字符的个数。
汉明距离算法主要包括分词、hash(哈希算法)、加权、合并和降维五个步骤。首先针对坐席文本数据中的一段语句,进行分词,得到有效的特征向量,然后为每一个特征向量设置1-5等5个级别的权重(如果是给定一个文本,那么特征向量可以是文本中的词,其权重可以是这个词出现的次数)。例如针对下述语句:“南方电网质检结构之法算法之道的作者张三”,分词后为:“南方电网质检结构之法算法之道的作者张三”,然后为每个特征向量赋予权值:南方电网(4)质检(5)结构(3)之(1)法(2)算法(3)之(1)道(2)的(1)作者(5)张三(5),其中括号里的数字代表这个单词在整条语句中的重要程度,数字越大代表越重要。
通过hash函数计算各个特征向量的hash值,hash值为二进制数01组成的n-bit签名。比如“南方电网”的hash值Hash(南方电网)为100101,“博客”的hash值Hash(质检)为“101011”。就这样,字符串就变成了一系列数字。在hash值的基础上,给所有特征向量进行加权,即W=Hash*weight,且遇到1则hash值和权值正相乘,遇到0则hash值和权值负相乘。例如给“南方电网”的hash值“100101”加权得到:W(南方电网)=100101*4=4 -4 -4 4 -44,给“质检的hash值“101011”加权得到:W(博客)=101011*5 =5 -5 5 -5 5 5,其余特征向量类似此般操作。将上述各个特征向量的加权结果累加,变成只有一个序列串。拿前两个特征向量举例,例如“南方电网”的“4 -4 -4 4 -4 4”和“质检的“5 -5 5 -5 5 5”进行累加,得到“4+5 -4+-5 -4+5 4+-5 -4+5 4+5”,得到“9 -9 1 -1 1”。对于n-bit签名的累加结果,如果大于0则置1,否则置0,从而得到该语句的simhash值,根据不同语句的汉明距离来判断它们的相似度。例如把上面计算出来的“9 -9 1 -1 1 9”降维(某位大于0记为1,小于0记为0),得到的01串为:“1 0 1 0 1 1”,从而形成该语句的simhash值。
同理,可以计算出预存的客户信息的simhash值,通过计算出的两个simhash值来计算两者之间的汉明距离,根据汉明距离来比较两者之间的相似度。例如,两个等长字符串之间的汉明距离是两个字符串对应位置的不同字符的个数。如1011101与1001001之间的汉明距离是2,2143896与2233796之间的汉明距离是3,“toned”与“roses”之间的汉明距离是3。汉明距离越小,表示坐席文本数据中所包含的客户信息的simhash值和预存的客户信息越相似。
当两者的汉明距离小于设定值时,可以认为坐席文本数据中所包含的客户信息正确,确定录音音频数据的服务有效性分值为正值或设定的最高值。如果坐席文本数据中所包含的客户信息不正确,确定录音音频数据的服务有效性分值为负值、零值或设定的最低值。
将得到的服务态度分值和服务有效性分值相加,可以得到录音音频数据的服务质量分值。或者,对服务态度分值和服务有效性分值分别进行加权处理后再相加,得到录音音频数据的服务质量分值。
可选地,还采用关键词匹配算法,判断坐席文本数据中是否包含预设的服务禁语;如果是,从所得的服务质量分值中扣除设定的第一分值。关键词匹配算法,即判断坐席文本数据包含的词语中,是否有与预存的服务禁语完全相同的关键词,如果是,则认为坐席文本数据中包含预设的服务禁语。
当采用关键词匹配算法,判断坐席文本数据中不包含预设的服务禁语时,采用同义词匹配算法,判断坐席文本数据中是否包含预设的服务禁语;如果是,从所得的服务质量分值中扣除设定的第一分值。
上述音质检评分方法,对录音音频数据自动进行识别和评分,无需过多的人工参与,实现了智能化质检,可以进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,并提高质检质量。
以上为本申请提供的一种语音质检评分方法的第二个实施例的详细说明,下面为本申请提供的一种语音质检评分方法的第三个实施例的详细说明。
请参阅图3,本申请实施例提供的一种语音质检评分方法,包括:
步骤S301,获取录音音频数据。
步骤S302,将完整的录音音频数据转换为对应的全文文本数据。
步骤S303,对全文文本数据进行语义识别和上下文匹配,从全文文本数据提取出坐席文本数据。
需要说明的是,在获取到全文文本数据后,通过对文本格式的数据进行语义识别和上下文匹配,对全文文本数据进行拆分,将全文文本数据区分为坐席文本数据和客户文本数据。
步骤S304,通过余弦相似性算法判断坐席文本数据中所包含的预设用语的数量,并根据预设用语的数量,确定录音音频数据的服务态度分值。
步骤S305,通过汉明距离算法判断坐席文本数据中所包含的客户信息是否正确,确定录音音频数据的服务有效性分值。
步骤S306,对服务态度分值和服务有效性分值的加权运算,得到录音音频数据的服务质量分值。
通过上述音质检评分方法,对录音音频数据自动进行识别和评分,无需过多的人工参与,实现了智能化质检,可以进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,并提高质检质量。
以上本本申请提供的一种语音质检评分方法的第三个实施例的详细说明,下面为本申请提供的一种语音质检评分方法的第四个实施例的详细说明。
请参阅图4,本申请实施例提供的一种语音质检评分方法,包括:
步骤S401,获取录音音频数据。
步骤S402,将获取的录音音频数据转化为文本格式的数据。
步骤S403,根据文本格式的数据,确定录音音频数据的通话场景。
根据文本格式的数据的上下文匹配,可以确定通话场景。通话场景包括通话类型和通话环境。通话类型指该通话主要处理的业务类型,通话环境指通话双方的语义环境;例如,“A:你今天高兴吗?B:高兴。”,需先确定有没有A的场景才判断B存在的意义。
步骤S404,根据通话场景,采用余弦相似性算法和/或汉明距离算法对坐席文本数据与预置的计分指标进行匹配计分,得到录音音频数据的服务质量分值。
采用余弦相似性算法或者汉明距离算法对坐席文本数据进行评分,得到录音音频数据的服务质量分值。也可以采用余弦相似性算法判断坐席文本数据中所包含的预设的标准用语的数量;根据标准用语的数量,确定录音音频数据的服务态度分值;采用汉明距离算法判断坐席文本数据中所包含的客户信息是否正确,确定录音音频数据的服务有效性分值;根据服务态度分值和服务有效性分值,得到录音音频数据的服务质量分值。
上述音质检评分方法,对录音音频数据自动进行识别和评分,无需过多的人工参与,实现了智能化质检,可以进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,并提高质检质量。
以上为本申请提供的一种语音质检评分方法的第四个实施例的详细说明,下面为本申请提供的一种语音质检评分方法的第五个实施例的详细说明。
请参阅图5,本申请实施例提供的一种语音质检评分方法,包括:
步骤S501,获取录音音频数据。
步骤S502,判断录音音频数据中是否包含超时应答;如果是,执行步骤S503;如果否,执行步骤S504。
超时应答指通话录音中存在较长时间的通话空白。可以采用双声道声波筛选方法,判断录音音频数据中是否包含超时应答。
步骤S503,从当前的服务质量分值中扣除设定的第二分值。
步骤S504,将获取的录音音频数据转化为文本格式的数据。
步骤S505,通过余弦相似性算法和/或汉明距离算法对坐席文本数据与预置的计分指标进行匹配计分,得到录音音频数据的服务质量分值。
其中,步骤S502的排序位置可以改变,例如,步骤S505也可以位于步骤S510之后或其它位置。
上述音质检评分方法,对录音音频数据自动进行识别和评分,无需过多的人工参与,实现了智能化质检,可以进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,并提高质检质量。
以上为本申请提供的一种语音质检评分方法的第五个实施例的详细说明,下面为本申请提供的一种语音质检评分方法的第六个实施例的详细说明。
请参阅图6,本申请实施例提供的一种语音质检评分方法,包括:
步骤S601,获取录音音频数据。
步骤S602,将获取的录音音频数据转化为文本格式的数据。
步骤S603,通过余弦相似性算法和/或汉明距离算法对坐席文本数据与预置的计分指标进行匹配计分,得到录音音频数据的服务质量分值。
步骤S604,将服务质量分值与录音文本数据对应进行存储。
当后期需要对坐席人员的服务质量水平进行统计,可以根据存储的服务质量分值,对服务质量分值小于设定阈值的文本格式的数据和录音音频数据进行标记;以提示工作人员,并便于工作人员日后进行复查和核对。
可选地,还可以定期对同一坐席服务人员的不同录音音频数据进行汇总,确定坐席服务人员的综合服务质量。综合服务质量为该坐席服务人员在设定期间内的所有录音音频数据的服务质量分值的平均分。或者,定期对同一坐席服务人员的不同录音音频数据进行汇总,确定坐席服务人员的服务质量曲线。服务质量曲线是根据该坐席服务人员在设定期间内的每个录音音频数据的服务质量分值描绘的。或者,定期对同一坐席服务人员的不同录音音频数据进行汇总,确定坐席服务人员的综合服务质量和服务质量曲线。
上述音质检评分方法,对录音音频数据自动进行识别和评分,无需过多的人工参与,实现了智能化质检,可以进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,并提高质检质量。
以上为本申请提供的一种语音质检评分方法的第六个实施例的详细说明,下面为本申请提供的一种语音质检评分装置的第一个实施例的详细说明。
请参阅图7至图10,本申请提供的一种语音质检评分装置,包括:
获取模块71,用于获取录音音频数据;
格式转化模块72,用于将获取的录音音频数据转化为文本格式的数据;文本格式的数据中包括坐席文本数据;
评分模块73,用于通过余弦相似性算法和/或汉明距离算法对坐席文本数据与预置的计分指标进行匹配计分,得到录音音频数据的服务质量分值;
存储模块74,用于将服务质量分值与文本格式的数据对应进行存储。
可选地,获取模块71,还可以用于:根据录音音频数据中包含的不同语音的音色、音调及用语,将录音音频数据区分为坐席音频数据和客户音频数据;将坐席音频数据转化为坐席文本数据;将客户音频数据转化为客户文本数据。或者用于:将获取的录音音频数据整体转化为文本格式的数据;对文本格式的数据进行语义识别和上下文匹配,将文本格式的数据区分为坐席文本数据和客户文本数据。
评分模块73,还可以用于:根据文本格式的数据,确定录音音频数据的通话场景;根据通话场景,采用预设的质检匹配算法对坐席文本数据进行评分。
评分模块73,还可以用于:采用余弦相似性算法和/或汉明距离算法对坐席文本数据进行评分,得到录音音频数据的服务质量分值。
评分模块73,还可以用于:采用余弦相似性算法判断坐席文本数据中所包含的预设的标准用语的数量;根据标准用语的数量,确定录音音频数据的服务态度分值;采用汉明距离算法判断坐席文本数据中所包含的客户信息是否正确,确定录音音频数据的服务有效性分值;根据服务态度分值和服务有效性分值,得到录音音频数据的服务质量分值。
评分模块73,还可以用于:对服务态度分值和服务有效性分值进行加权处理,得到录音音频数据的服务质量分值。评分模块73,还可以用于:采用关键词匹配算法,判断坐席文本数据中是否包含预设的服务禁语;如果是,从所得的服务质量分值中扣除设定的第一分值。以及用于:当采用关键词匹配算法,判断坐席文本数据中不包含预设的服务禁语时,采用同义词匹配算法,判断坐席文本数据中是否包含预设的服务禁语;如果是,从所得的服务质量分值中扣除设定的第一分值。
在一可选的实施例中,如图8所示,该装置还可以包括超时检测模块85和标记模块86。
超时检测模块85,用于判断录音音频数据中是否包含超时应答;如果是,从当前的服务质量分值中扣除设定的第二分值。
标记模块86,用于对服务质量分值小于设定阈值的文本格式的数据和录音音频数据进行标记。
其中,超时检测模块85,还可以用于:采用双声道声波筛选方法,判断录音音频数据中是否包含超时应答。
在另一可选的实施例中,如图9所示,该装置还可以包括:第一汇总模块97,用于定期对同一坐席服务人员的不同录音音频数据进行汇总,确定坐席服务人员的综合服务质量。
在又一可选的实施例中,如图10所示,该装置还可以包括:第二汇总模块107,用于定期对同一坐席服务人员的不同录音音频数据进行汇总,确定坐席服务人员的服务质量曲线。
上述语音质检评分装置,对录音音频数据自动进行识别和评分,无需过多的人工参与,实现了智能化质检,可以进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,并提高质检质量。
以上为本申请提供的一种语音质检评分装置的实施例的详细说明,下面为本申请提供的一种终端的详细说明。
请参阅图11,本申请实施例的提供的一种用于实现上述的语音质检方法的第一个至第六个实施例的终端,包括:处理器1101和存储器1102;
存储器1102用于存储程序代码,并将程序代码传输给处理器;
处理器1101用于根据程序代码中的指令执行上述任一项实施例的一种语音质检评分方法。
进一步,图11所示的实现装置还包括总线1103和通信接口1104,处理器1101、通信接口1104和机器可读存储介质1102通过总线1103连接。
其中,机器可读存储介质1102可能包含高速随机存取存储器(RAM,Random AccessMemory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器,用于存放录音音频数据、文本格式的数据和评分结果等。通过至少一个通信接口1104(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,获取录音音频数据,可以使用互联网,广域网,本地网,城域网等。总线1103可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图11中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器1101可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1101可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processing,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质可以作为机器可读存储介质1102,处理器1101读取机器可读存储介质1102中的信息,结合其硬件完成前述实施例的方法的步骤。
此外,本申请还提供了一种计算机可读存储介质,本实施例的计算机可读存储介质用于存储程序代码,程序代码用于执行本申请第一个至第六个实施例提供的一种语音质检评分方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例提供的语音质检评分方法、装置和语音质检评分的实现装置具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
在本申请所提供的实施例中,应该理解到,所揭露系统和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请提供的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。
功能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,本申请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)执行本申请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-Only Memory)、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。
此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (16)
1.一种语音质检评分方法,其特征在于,包括:
获取录音音频数据;
将获取的录音音频数据转化为文本格式的数据,其中,所述文本格式的数据中包括与坐席人员的音频数据相对应的坐席文本数据;
通过余弦相似性算法和/或汉明距离算法对所述坐席文本数据与预置的计分指标进行匹配计分,得到所述录音音频数据的服务质量分值。
2.根据权利要求1所述的方法,其特征在于,所述通过余弦相似性算法和/或汉明距离算法对所述坐席文本数据进行评分,得到所述录音音频数据的服务质量分值具体包括:
通过余弦相似性算法判断所述坐席文本数据中所包含的预设用语的数量,并根据所述预设用语的数量,确定所述录音音频数据的服务态度分值;
通过汉明距离算法判断所述坐席文本数据中所包含的客户信息是否正确,确定所述录音音频数据的服务有效性分值;
对所述服务态度分值和所述服务有效性分值的加权运算,得到所述录音音频数据的服务质量分值。
3.根据权利要求2所述的方法,其特征在于,所述通过余弦相似性算法判断所述坐席文本数据中所包含的预设用语的数量,并根据所述预设用语的数量,确定所述录音音频数据的服务态度分值具体包括:
通过余弦相似性算法判断所述坐席文本数据中所包含的预设用语的数量,其中,所述预设用语包括:标准用语和违规用语;
并根据所述标准用语和所述违规用语的数量,对当前的服务态度分值进行加分和/或减分处理,得到所述录音音频数据的服务质量分值。
4.根据权利要求1所述的方法,其特征在于,所述将获取的录音音频数据转化为文本格式的数据具体包括:
根据预置的坐席人员的语音模板,对所述录音音频数据进行特征匹配,从所述录音音频数据中提取出坐席人员的音频数据,得到坐席音频数据;
将所述坐席音频数据转化为坐席文本数据。
5.根据权利要求1所述的方法,其特征在于,所述将获取的录音音频数据转化为文本格式的数据具体包括:
将完整的录音音频数据转换为对应的全文文本数据;
对所述全文文本数据进行语义识别和上下文匹配,从所述全文文本数据提取出坐席文本数据。
6.根据权利要求1所述的方法,其特征在于,将所述录音音频数据转换为录音文本数据之后还包括:
根据所述录音文本数据,通过语义识别和上下文匹配方式,确定所述录音文本数据的通话场景。
7.根据权利要求1所述的方法,其特征在于,所述获取录音音频数据之后还包括:
采用双声道声波筛选方法,判断所述录音音频数据中是否有超时应答现象,若是,则从当前的服务质量分值中扣除对应的预设分值。
8.根据权利要求1所述的方法,其特征在于,所述得到所述录音音频数据的服务质量分值之后包括:
将所述服务质量分值与所述录音文本数据对应进行存储,以便对坐席人员的服务质量水平进行统计。
9.根据权利要求8所述的方法,其特征在于,所述将所述服务质量分值与所述录音文本数据对应进行存储之后还包括:
对所述服务质量分值小于设定阈值的文本格式的数据和录音音频数据进行标记。
10.一种语音质检评分装置,其特征在于,包括:
获取模块,用于获取录音音频数据;
格式转换模块,用于将获取的录音音频数据转化为文本格式的数据,其中,所述文本格式的数据中包括与坐席人员的音频数据相对应的坐席文本数据;
评分模块,用于通过余弦相似性算法和/或汉明距离算法对所述坐席文本数据与预置的计分指标进行匹配计分,得到所述录音音频数据的服务质量分值。
11.根据权利要求10所述的装置,其特征在于,还包括:
通话场景识别模块,用于根据所述录音文本数据,通过语义识别和上下文匹配方式,确定所述录音文本数据的通话场景。
12.根据权利要求10所述的装置,其特征在于,还包括:
超时检测模块,用于采用双声道声波筛选方法,判断所述录音音频数据中是否有超时应答现象,若是,则从当前的服务质量分值中扣除对应的预设分值。
13.根据权利要求10所述的装置,其特征在于,还包括:
存储模块,用于将所述服务质量分值与所述录音文本数据对应进行存储,以便对坐席人员的服务质量水平进行统计。
14.根据权利要求10所述的装置,其特征在于,还包括:
标记模块,用于对所述服务质量分值小于设定阈值的文本格式的数据和录音音频数据进行标记。
15.一种终端,其特征在于,包括:处理器和存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-8任一项所述的一种语音质检评分方法。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-8任一项所述的一种语音质检评分方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910368412.3A CN110069784A (zh) | 2019-05-05 | 2019-05-05 | 一种语音质检评分方法、装置、终端及可存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910368412.3A CN110069784A (zh) | 2019-05-05 | 2019-05-05 | 一种语音质检评分方法、装置、终端及可存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110069784A true CN110069784A (zh) | 2019-07-30 |
Family
ID=67370190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910368412.3A Pending CN110069784A (zh) | 2019-05-05 | 2019-05-05 | 一种语音质检评分方法、装置、终端及可存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110069784A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110633912A (zh) * | 2019-09-20 | 2019-12-31 | 苏州思必驰信息科技有限公司 | 监测服务人员服务质量的方法及系统 |
CN110689261A (zh) * | 2019-09-25 | 2020-01-14 | 苏州思必驰信息科技有限公司 | 服务质量评测产品定制平台及方法 |
CN110839112A (zh) * | 2019-11-18 | 2020-02-25 | 广东电网有限责任公司佛山供电局 | 一种问题语音的检测方法和装置 |
CN110933239A (zh) * | 2019-12-30 | 2020-03-27 | 秒针信息技术有限公司 | 话术检测方法和装置 |
CN111048115A (zh) * | 2019-12-13 | 2020-04-21 | 集奥聚合(北京)人工智能科技有限公司 | 语音识别方法及装置 |
CN111261165A (zh) * | 2020-01-13 | 2020-06-09 | 佳都新太科技股份有限公司 | 车站名称识别方法、装置、设备及存储介质 |
CN111881330A (zh) * | 2020-08-05 | 2020-11-03 | 上海奥珩企业管理有限公司 | 居家服务场景自动还原方法及系统 |
CN112053681A (zh) * | 2020-08-28 | 2020-12-08 | 广州探迹科技有限公司 | 一种asr和nlu联合训练的电话客服质量评分技术及系统 |
CN112116165A (zh) * | 2020-09-28 | 2020-12-22 | 中国银行股份有限公司 | 一种业务绩效确定方法和装置 |
CN112329437A (zh) * | 2020-10-21 | 2021-02-05 | 交通银行股份有限公司 | 一种智能客服语音质检评分方法、设备及存储介质 |
CN112671985A (zh) * | 2020-12-22 | 2021-04-16 | 平安普惠企业管理有限公司 | 基于深度学习的坐席质检方法、装置、设备及存储介质 |
CN113205729A (zh) * | 2021-04-12 | 2021-08-03 | 华侨大学 | 一种面向外国留学生的演讲评测方法、装置及系统 |
CN113223532A (zh) * | 2021-04-30 | 2021-08-06 | 平安科技(深圳)有限公司 | 客服通话的质检方法、装置、计算机设备及存储介质 |
CN113344323A (zh) * | 2021-04-30 | 2021-09-03 | 深圳市顺易通信息科技有限公司 | 一种云托管停车场人工云坐席服务质量评估的方法及装置 |
CN113506585A (zh) * | 2021-09-09 | 2021-10-15 | 深圳市一号互联科技有限公司 | 一种语音通话的质量评估方法及系统 |
CN113707148A (zh) * | 2021-08-05 | 2021-11-26 | 中移(杭州)信息技术有限公司 | 语音识别准确率的确定方法、装置、设备以及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776806A (zh) * | 2016-11-22 | 2017-05-31 | 广东电网有限责任公司佛山供电局 | 呼叫中心质检语音的评分方法和系统 |
CN108763499A (zh) * | 2018-05-30 | 2018-11-06 | 平安科技(深圳)有限公司 | 基于智能语音的呼叫质检方法、装置、设备及存储介质 |
CN109151218A (zh) * | 2018-08-21 | 2019-01-04 | 平安科技(深圳)有限公司 | 通话语音质检方法、装置、计算机设备及存储介质 |
CN109327632A (zh) * | 2018-11-23 | 2019-02-12 | 深圳前海微众银行股份有限公司 | 客服录音的智能质检系统、方法及计算机可读存储介质 |
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 |
-
2019
- 2019-05-05 CN CN201910368412.3A patent/CN110069784A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776806A (zh) * | 2016-11-22 | 2017-05-31 | 广东电网有限责任公司佛山供电局 | 呼叫中心质检语音的评分方法和系统 |
CN108763499A (zh) * | 2018-05-30 | 2018-11-06 | 平安科技(深圳)有限公司 | 基于智能语音的呼叫质检方法、装置、设备及存储介质 |
CN109151218A (zh) * | 2018-08-21 | 2019-01-04 | 平安科技(深圳)有限公司 | 通话语音质检方法、装置、计算机设备及存储介质 |
CN109327632A (zh) * | 2018-11-23 | 2019-02-12 | 深圳前海微众银行股份有限公司 | 客服录音的智能质检系统、方法及计算机可读存储介质 |
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 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110633912A (zh) * | 2019-09-20 | 2019-12-31 | 苏州思必驰信息科技有限公司 | 监测服务人员服务质量的方法及系统 |
WO2021056837A1 (zh) * | 2019-09-25 | 2021-04-01 | 苏州思必驰信息科技有限公司 | 服务质量评测产品定制平台及方法 |
CN110689261A (zh) * | 2019-09-25 | 2020-01-14 | 苏州思必驰信息科技有限公司 | 服务质量评测产品定制平台及方法 |
JP7280438B2 (ja) | 2019-09-25 | 2023-05-23 | エーアイ スピーチ カンパニー リミテッド | サービス品質評価製品のカスタマイズプラットフォーム及び方法 |
US20220351266A1 (en) * | 2019-09-25 | 2022-11-03 | Ai Speech Co., Ltd. | Customization platform and method for service quality evaluation product |
JP2022545129A (ja) * | 2019-09-25 | 2022-10-25 | エーアイ スピーチ カンパニー リミテッド | サービス品質評価製品のカスタマイズプラットフォーム及び方法 |
CN110839112A (zh) * | 2019-11-18 | 2020-02-25 | 广东电网有限责任公司佛山供电局 | 一种问题语音的检测方法和装置 |
CN111048115A (zh) * | 2019-12-13 | 2020-04-21 | 集奥聚合(北京)人工智能科技有限公司 | 语音识别方法及装置 |
CN110933239A (zh) * | 2019-12-30 | 2020-03-27 | 秒针信息技术有限公司 | 话术检测方法和装置 |
CN111261165A (zh) * | 2020-01-13 | 2020-06-09 | 佳都新太科技股份有限公司 | 车站名称识别方法、装置、设备及存储介质 |
CN111881330A (zh) * | 2020-08-05 | 2020-11-03 | 上海奥珩企业管理有限公司 | 居家服务场景自动还原方法及系统 |
CN111881330B (zh) * | 2020-08-05 | 2023-10-27 | 颐家(上海)医疗养老服务有限公司 | 居家服务场景自动还原方法及系统 |
CN112053681B (zh) * | 2020-08-28 | 2024-04-16 | 广州探迹科技有限公司 | Asr和nlu联合训练的电话客服质量评分方法及系统 |
CN112053681A (zh) * | 2020-08-28 | 2020-12-08 | 广州探迹科技有限公司 | 一种asr和nlu联合训练的电话客服质量评分技术及系统 |
CN112116165A (zh) * | 2020-09-28 | 2020-12-22 | 中国银行股份有限公司 | 一种业务绩效确定方法和装置 |
CN112116165B (zh) * | 2020-09-28 | 2023-09-26 | 中国银行股份有限公司 | 一种业务绩效确定方法和装置 |
CN112329437A (zh) * | 2020-10-21 | 2021-02-05 | 交通银行股份有限公司 | 一种智能客服语音质检评分方法、设备及存储介质 |
CN112671985A (zh) * | 2020-12-22 | 2021-04-16 | 平安普惠企业管理有限公司 | 基于深度学习的坐席质检方法、装置、设备及存储介质 |
CN113205729A (zh) * | 2021-04-12 | 2021-08-03 | 华侨大学 | 一种面向外国留学生的演讲评测方法、装置及系统 |
CN113344323A (zh) * | 2021-04-30 | 2021-09-03 | 深圳市顺易通信息科技有限公司 | 一种云托管停车场人工云坐席服务质量评估的方法及装置 |
CN113223532A (zh) * | 2021-04-30 | 2021-08-06 | 平安科技(深圳)有限公司 | 客服通话的质检方法、装置、计算机设备及存储介质 |
CN113223532B (zh) * | 2021-04-30 | 2024-03-05 | 平安科技(深圳)有限公司 | 客服通话的质检方法、装置、计算机设备及存储介质 |
CN113707148A (zh) * | 2021-08-05 | 2021-11-26 | 中移(杭州)信息技术有限公司 | 语音识别准确率的确定方法、装置、设备以及介质 |
CN113707148B (zh) * | 2021-08-05 | 2024-04-19 | 中移(杭州)信息技术有限公司 | 语音识别准确率的确定方法、装置、设备以及介质 |
CN113506585A (zh) * | 2021-09-09 | 2021-10-15 | 深圳市一号互联科技有限公司 | 一种语音通话的质量评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110069784A (zh) | 一种语音质检评分方法、装置、终端及可存储介质 | |
US11093854B2 (en) | Emoji recommendation method and device thereof | |
CN108647309B (zh) | 基于敏感词的聊天内容审核方法及系统 | |
CN103336766B (zh) | 短文本垃圾识别以及建模方法和装置 | |
CN109977361A (zh) | 一种基于相似词的汉语拼音标注方法、装置及存储介质 | |
WO2021114841A1 (zh) | 一种用户报告的生成方法及终端设备 | |
CN107273861A (zh) | 一种主观题阅卷评分方法、装置及终端设备 | |
WO2020259280A1 (zh) | 日志管理方法、装置、网络设备和可读存储介质 | |
WO2017088363A1 (zh) | 筛选发音词典有效词条的方法及装置 | |
CN107220355A (zh) | 基于人工智能的新闻质量判断方法、设备及存储介质 | |
CN108062307B (zh) | 基于词嵌入模型的文本语义隐写分析方法 | |
US20150212976A1 (en) | System and method for rule based classification of a text fragment | |
WO2022267454A1 (zh) | 分析文本的方法、装置、设备及存储介质 | |
CN115062621A (zh) | 标签提取方法、装置、电子设备和存储介质 | |
CN114722199A (zh) | 基于通话录音的风险识别方法、装置、计算机设备及介质 | |
CN110610003A (zh) | 用于辅助文本标注的方法和系统 | |
CN113436614A (zh) | 语音识别方法、装置、设备、系统及存储介质 | |
US20080168019A1 (en) | Document clustering based on entity association rules | |
CN109614617B (zh) | 支持极性区分和多义的词向量生成方法及装置 | |
CN107590163B (zh) | 文本特征选择的方法、装置和系统 | |
CN113095073B (zh) | 语料标签生成方法、装置、计算机设备和存储介质 | |
CN114757299A (zh) | 文本相似度判断方法、装置及存储介质 | |
CN114141235A (zh) | 语音语料库生成方法、装置、计算机设备和存储介质 | |
CN114219337A (zh) | 一种服务质量评价方法、系统、设备及可读存储介质 | |
CN114358026A (zh) | 语音翻译方法、装置、设备和计算机可读存储介质 |
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 |