CN111179935A - 一种语音质检的方法和设备 - Google Patents

Abstract

本发明公开了一种语音质检的方法和设备，用以解决现有技术中存在无法有效地智能化地对客服人员服务用语是否规范进行质检的问题。本发明实施例中，终端首先根据预设的关键词集合，从由用户的语音识别出的服务文本信息提取出对应的关键词，再根据确定的所有的关键词建立词向量，随后将词向量输入到关键词分类模型当中，并根据输出结果确定所述用户的语音质检结果。如此，终端可以依据从由用户的语音识别出的服务文本信息提取出的关键词对用户的服务用语是否规范进行质检，故本发明中提供了一种根据由用户的语音识别出的服务文本信息对用户服务用语是否规范进行质检的方法。

Description

一种语音质检的方法和设备

技术领域

本发明涉及智能语音质检服务领域，特别涉及一种语音质检的方法和设备。

背景技术

随着移动家庭客户业务的飞速发展，家庭客户业务在市场中的竞争地位日渐重要。为用户提供高质量的安装服务，对占领市场起着决定性的作用。为监督装维服务质量，当前普遍采用人工抽检的方式对家庭宽带装机过程中采集的录音进行质检。语音质检内容主要是对装修维护人员和用户对话的录音里的关键词进行检验是否涉及规范服务用语、粗口、忌语等，最终对装修维护人员的服务质量做出评价。

但人工抽检的方式主要存在以下几点问题：1、工单基数大，质检覆盖低；2、质检效率低，人工成本高；3、质检结果主观影响大。因此需要通过智能化手段，减少质检工作的人力成本投入。现有技术中，一般现有的智能化语音质检主要是检测话务工单对应的客服归属情况，或者客户与客服对话的呼叫目的，然而针对装维服务过程中装修维护人员的服务用语，忌语使用情况服务评估的系统较少。

综上所述，现有技术中存在无法有效地智能化地对客服人员服务用语是否规范进行质检的问题。

发明内容

本发明提供一种语音质检的方法和设备，用以解决现有技术中存在的无法有效地智能化地对客服人员服务用语是否规范进行质检的问题。

本发明实施例提供一种语音质检的方法，该方法包括：

终端根据预设的关键词集合，对由用户的语音识别出的服务文本信息进行关键词提取；随后，所述终端根据提取出的关键词建立词向量；最后，所述终端将所述词向量输入到关键词分类模型中，并根据所述关键词分类模型输出的关键词分类结果确定语音质检结果。

上述方法，终端首先根据预设的关键词集合，从由用户的语音识别出的服务文本信息提取出对应的关键词，在根据确定的所有的关键词建立词向量，随后将词向量输入到关键词分类模型当中，并根据输出结果确定所述用户的语音质检结果。如此，终端可以依据从由用户的语音识别出的服务文本信息提取出的关键词对用户的服务用语是否规范进行质检。故本发明中提供了一种根据由用户的语音识别出的服务文本信息对用户服务用语是否规范进行质检的方法。

在一种可能的实施方式中，所述终端通过下列方式获取所述服务文本信息：

所述终端获取在用户服务过程中采集的语音；

所述终端通过语音识别引擎对采集的语音进行识别，得到会话文本信息；

所述终端在所述会话文本信息中确定出所述服务文本信息。

上述方法中，终端首先需要获取用户服务过程中采集的语音信息，并将采集的语音信息转换成会话文本信息，并从转换而来的会话文本信息中确定出由用户的语音识别出的服务文本信息。如此即可通过分析由用户的语音识别出的服务文本信息确定用户在服务过程中的用语是否规范。

在一种可能的实施方式中，所述终端根据预设的关键词集合，对由用户的语音识别出的服务文本信息进行关键词提取，包括：

所述终端根据预设的关键词集合，对所述服务文本信息进行精确匹配，提取关键词；

若所述服务文本信息精确匹配不成功，所述终端根据预设的关键词集合，对所述服务文本信息进行短语匹配，提取关键词；

若所述服务文本信息短语匹配不成功，所述终端根据预设的关键词集合，对所述服务文本信息进行广泛匹配，提取关键词。

上述方法中，终端首先根据预设的关键词集合对由用户的语音识别出的服务文本信息进行精确匹配；在精确匹配不成功的时候，在对所述文本信息进行短语匹配；在短语匹配不成功的时候，在对所述文本信息进行广泛匹配。如此极尽可能地将文本信息中的关键词提取出来，以便于对用户的用于规范进行评估。

在一种可能的实施方式中，所述终端根据提取出的关键词建立词向量，包括：

所述终端根据提取出的关键词采用独热编码建立词向量。

上述方法，所述终端在根据由用户的语音识别出的服务文本信息确定出关键词后，所述终端提取出的关键词采用独热编码建立词向量；如此终端即可将所述词向量输入到关键词分类模型，以便于根据关键词分类模型输出的结果确定所述用户在服务过程中的语音质检结果。

在一种可能的实施方式中，所述关键词分类模型为SVM(Support VectorMachine，支持向量机)分类器；

所述终端根据所述关键词分类模型输出的关键词分类结果确定语音质检结果，包括：

所述终端根据所述SVM分类器中多个二分类子SVM分类器输出的分类结果确定语音质检结果；

其中，所述二分类子SVM分类器是根据不同语音质检结果之间的组合构建的。

上述方法中，在一个词向量输入到SVM中后，在分别经过三个子SVM分类器，得到三个子SVM分类器各自的分类结果，随后从三个分类结果中选举出次数最高的结果作为SVM分类器的输出结果，并以此确定语音质检的结果。

第二方面，本发明实施例还提供一种语音质检的设备，所述设备包括：处理器以及收发机，该设备具有实现上述第一方面的各实施例的功能。

第三方面，本发明实施例还提供一种语音质检的设备，该设备包括：处理单元以及存储单元，该设备具有实现上述第一方面的各实施例的功能。

第四方面，一种计算机可存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。

另外，第二方面至第四方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果，此处不再赘述。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，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为本发明实施例中提供的第一种语音质检的方法的流程示意图；

图2为本发明实施例中提供的提取关键词的流程示意图；

图3为本发明实施例中提供的SVM分类器训练的流程示意图；

图4为本发明实施例中提供的一种语音质检的方法的完整流程示意图；

图5为本发明实施例中提供的第一种语音质检的设备的结构示意图；

图6为本发明实施例中提供的第二种语音质检的设备的结构示意图；

图7为本发明实施例中提供的第三种语音质检的设备的结构示意图。

具体实施方式

本发明实施例中涉及到一种对用户语音进行质检的方法。在本发明实施例中，将用户在服务过程中采集的语音信息转化为文本信息，并对文本信息中的与预先设定的关键词库相匹配的关键词提取出来，并建立对应的词向量，再将该词向量输入到关键词分类模块中，进而根据关键词分类模块的输出结果确定所述用户在服务过程中的服务用语是否规范。

其中，所述用户可以是服务人员。

一般的，在服务人员的服务过程中，服务人员的服务用语关键词分类包括但不限于问候语、自我介绍、结束语、服务忌语等。

其中，在对服务人员在服务过程中的服务用语进行质检之前，首先需要确定服务用语的关键词库。

在具体实施中，所述关键词库建立需要通过工作人员人工构建，对应上述服务用语分类可以分别建立词库；也可以建立一个词库，其中包括所有的服务用语关键词。在建立一个包含所有服务用语关键词库时，需要对分属于不同分类的服务用语进行标记。

例如：

1、分别建立不同分类的关键词库。

问候语词库：{你好、早上好、再见、……}；

自我介绍词库：{我是某某、我姓XXX、我是维修部某某、……}；

结束语词库：{再见、祝您工作生活愉快、……}；

服务忌语词库：{不知道、真烦、自己查、弄不了、……}。

2、共建一个关键词库，并以①标识问候语；②标识自我介绍；③标识结束语；④标识服务忌语。

{你好①、早上好①、下午好①、Hi①、……、我是某某②、我姓XXX②、我是维修部某某②、……、再见③、祝您工作生活愉快③、……、不知道④、真烦④、自己查④、弄不了④、……}。

在建立好关键词库后，才能对服务人员在服务过程中的采集的语音信息转化来的文本信息进行相应处理。

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，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。

如图1所述，本发明实施例提供一种语音质检的方法，该方法包括：

步骤100，终端根据预设的关键词集合，对由用户的语音识别出的服务文本信息进行关键词提取；

步骤101，所述终端根据提取出的关键词建立词向量；

步骤102，所述终端将所述词向量输入到关键词分类模型中，并根据所述关键词分类模型输出的关键词分类结果确定语音质检结果。

上述方法，终端首先根据预设的关键词集合，从由用户的语音识别出的服务文本信息提取出对应的关键词，在根据确定的所有的关键词建立词向量，随后将词向量输入到关键词分类模型当中，并根据输出结果确定所述用户的语音质检结果。如此，终端可以依据从由用户的语音识别出的服务文本信息提取出的关键词对用户的服务用语是否规范进行质检，故本发明中提供了一种根据由用户的语音识别出的服务文本信息对用户服务用语是否规范进行质检的方法。

下面将以所述用户为服务人员为例就本发明实施例中的方法进行详细的说明。

在具体实施过程中，首先对服务人员服务过程中采集的语音信息进行相应处理，以使得可以通过机器智能化的对服务人员在服务过程中的用语规范进行评定。

具体实施中，首先需要对服务人员在服务过程中会话进行文本化处理。

具体的，所述终端通过下列方式获取所述服务文本信息：

首先，所述终端获取在服务人员服务过程中采集的语音；

然后，所述终端通过语音识别引擎对采集的语音进行识别，得到会话文本信息；

最后，所述终端在所述会话文本信息中确定出所述服务文本信息。

上述方法中，终端首先需要获取服务人员服务过程中采集的语音信息，并将采集的语音信息转换成会话文本信息，并从转换而来的会话文本信息中确定出由服务人员的语音识别出的服务文本信息。如此即可通过分析由服务人员的语音识别出的服务文本信息确定服务人员在服务过程中的用语是否规范。

例如：对于一位服务人员在一次为家庭客户提供服务的过程中，首先会采集服务人员在服务过程中与客户之间的语音对话；

随后，通过语音识别引擎对采集的语音对话进行识别，将整个语音对话由音频格式转化为文本格式，得到会话文本信息；

接着，在得到包含完整的服务人员和客户之间的语音对话的会话文本信息后，再在得到的会话文本信息筛选出由服务人员的会话转化而来的服务文本信息；

如此，即完成了对服务人员服务过程中的文本格式的语音信息的提取。

进一步地，在确定出由服务人员的语音识别出的服务文本信息后，终端根据预设的关键词集合，对由服务人员的语音识别出的服务文本信息进行关键词提取。

在实际应用过程中，服务人员服务过程中采集录音经过语音识别引擎转化为文本形式后，由于在装维和客户对话过程中对同一个意思有多种表达，以及转写引擎可能会对同音词有不同的文字表达形式，因此我们将使用多种匹配规则来更好地提取关键词。匹配规则可以包括如下的一种或者多种：精确匹配、短语匹配、广泛匹配。

其中，精确匹配指的是所述服务文本信息中存在有与构建的词库中关键词完全一致的词语，可以认为该词语为精确匹配成功的关键词，随后将与构建的词库中关键词完全一致的词语提取出来作为关键词。

短语匹配指的是所述服务文本信息中存在有构建的词库中的关键词的同义词语或者作为关键词设立的固定句式，可以认为该词语(或句式)为短语匹配成功的关键词。

广泛匹配指的是所述服务文本信息存在有与构建的词库中关键词高度相关的词语时，即使服务文本信息中未出现的构建的词库中的关键词，也可以认为该词语为广泛匹配成功的关键词。

其中，可以通过人工构建与关键词相关的词语列表，且可以设置与关键词相关性越大的词语排名越靠前。

在实施本发明例时，通常我们根据实际情况设置匹配规则。

如图2所示，具体实施中，首先所述终端根据预设的关键词集合，对所述服务文本信息进行精确匹配，提取关键词。

上述方法，终端通过将得到的服务文本信息与预设的关键词集合中的关键词一一比对，当服务文本中的存在于所述关键词库中的关键词完全一样的词语时，确定该词语为所述服务文本信息中确定出的关键词。

针对上述两种建立关键词库的方法，对于服务文本信息精确匹配成功有着不同的标准。

(1)针对分别建立不同分类的关键词库来说，在精确匹配时需要将得到的服务文本信息与建立好的各个关键词库分别进行匹配，当服务文本信息与所有的关键词库都匹配出关键词后，则说明该服务文本信息精确匹配成功，反之则认为该服务文本信息精确匹配失败。

(2)针对通过标记对关键词进行分类的关键词库，在进行精确匹配时，需要将得到的服务文本信息与建立好的关键词库中每一个分类分别进行匹配，当服务文本信息与在所有的关键词分类下都匹配出关键词时，说明该服务文本信息精确匹配成功，反之则认为该服务文本信息精确匹配失败。

此外，一般在实际的家庭客户服务过程中，服务人员与客户之间是直接通过语音对话进行交流的，如此，服务人员和客户间的语音对话必然存在许多口语化的词汇，以使得服务文本内的关键词与关键词库中的关键词存在语序，时态等多方面的差异，因而在进行关键词提取时，我们需要去除这些口语化表述对关键词提取的影响。

为了消除服务文本信息中的关键词口语化表述对关键词提取准确性的影响，本发明实施例中提供一种短语匹配的方法，用于在精确匹配不成功后，进一步的对服务文本信息进行关键词提取。

具体的，若所述服务文本信息精确匹配不成功，所述终端根据预设的关键词集合，对所述服务文本信息进行短语匹配，提取关键词。

上述方法，终端确定所述服务文本信息中提取出的关键词包含词库中的关键词的同义词语或者作为关键词设立的固定句式时，确定短语匹配成功。

此外，在实际的家庭客户服务过程中，由于日常生活中个人理解不同，对于一些事物不同的人会由不同的表述，进而会对本发明实施例中关键词的提取造成影响。为了消除上述问题，本发明实施例中提供一种广泛匹配的方法，用于对精确匹配和短语匹配都未成功的服务文本信息进行进一步的关键词提取。

具体的，若所述服务文本信息短语匹配不成功，所述终端根据预设的关键词集合，对所述服务文本信息进行广泛匹配，提取关键词。

上述方法，终端在确定待质检的服务文本信息精确匹配不成功后，短语匹配也不成功时，对所述服务文本信息进行广泛匹配，以获取所述服务文本信息中的关键词。

下面以分别建立不同分类的关键词库为例，对关键词提取进行说明。

例如：所建词库：

问候语词库：{你好、再见、欢迎光临}；

自我介绍词库：{我是……公司……、这里是……、我是……部门……、}；

结束语词库：{再见、祝您工作生活愉快、欢迎您再次惠顾}；

服务忌语词库：{不知道、你烦不烦、自己查、弄不了}；

业务专业用语词库：{宽带、手机套餐}。

待检测的会话文本信息为：

客户：您好，请问您是移动装无线网的装维师傅吗？

装维：您好，我是移动装无线网的，请问您有什么事吗？

客户：我是河东区第六大道的住户，昨天我们联系过，定的今天装网，我现在有点事需要出去一下，我想问问您今天什么时候过来装网，我好安排一下时间？

装维：下午三点左右吧。

客户：好的，那麻烦您了。谢谢！

装维：不客气。那么下午见。

客户：好的，拜拜！

装维：拜拜！

在进行所述会话文本信息中确定出服务文本信息后，所述服务文本信息为：

装维：您好，我是移动公司装无线网的？请问有什么事吗？

装维：下午三点左右吧。

装维：不客气。那么下午见。

装维：拜拜！

进一步地，在上述服务文本信息中提取关键词。

首先，将所述服务文本信息与关键词库进行精确匹配。

此时，将服务文本信息与每一个关键词库一一比对，在将服务文本信息与关键词库比对时，针对一个关键词库来说，需将服务文本信息与该关键词库中的每一个关键词一一进行比对，如果服务文本信息中存在与该关键词库中的关键词完全一样的词语，则认定针对该关键词库，所述服务文本信息精确匹配成功；否则，则认定所述服务文本信息精确匹配失败。

具体实施中，将服务文本信息与问候语此库中的每一个关键词进行比对，确定所述服务文本信息中没有词语与问候语词库中的关键词完全一样，认定服务文本信息的问候语词库精确匹配失败；

将服务文本信息与自我介绍词库中的每一个关键词一一进行比对，确定所述服务文本信息中没有词语与自我介绍词库中的关键词完全一样，认定服务文本信息的自我介绍词库精确匹配失败；

将服务文本信息与结束语词库中的每一个关键词一一进行比对，确定所述服务文本信息中没有词语与结束语词库中的关键词完全一样，认定服务文本信息的结束语词库精确匹配失败；

将服务文本信息与服务忌语词库中的每一个关键词一一进行比对，确定服务文本信息中没有词语与服务忌语词库中的关键词完全一样，认定服务文本信息的服务忌语词库精确匹配失败；

将服务文本信息与业务专业用语词库中的每一个关键词一一进行比对，确定服务文本信息中没有词语与业务专业用语词库中的关键词完全一样，认定服务文本信息的业务专业用语词库精确匹配失败。

综上所述，所述服务文本信息与各个关键词库的精确匹配均失败，即所述服务文本信息精确匹配失败。

在所述服务文本信息精确匹配失败后，还将对该服务文本信息进行短语匹配，以消除口语化表述对所述服务文本信息的关键词提取准确性的影响。

此时，针对一个关键词库来说，需将服务文本信息与该关键词库中的每一个关键词一一进行比对，如果服务文本信息中存在词语与该关键词库中的关键词的词义相同或相近，或者服务文本信息中包含有关键库中的固定句式，则认定针对该关键词库，所述服务文本信息短语匹配成功；否则，则认定所述服务文本信息短语匹配失败。

具体实施中，将服务文本信息与问候语词库中的每一个关键词一一进行比对，确定问候语词库中的“您好”和服务文本信息中的“你好”意义相近，故人认定所述服务文本信息的问候语词库短语匹配成功；

将服务文本信息与自我介绍词库中的每一个关键词一一进行比对，确定服务文本信息中的“我是移动公司装无线网的”语句中包含有自我介绍词库中的构成关键词的句式“我是……公司……”，故服务文本信息的自我介绍词库短语匹配成功；

将服务文本信息与结束语词库中的每一个关键词一一进行比对，确定结束语词库中的“再见”和服务文本信息中的“拜拜”意义相同，故服务文本信息的结束语词库短语匹配成功；

将服务文本信息与服务忌语词库中的每一个关键词一一进行比对，确定所述服务文本信息中不存在词语与服务忌语词库中的关键词的词义相同或相近，且服务文本信息中不包含有关键词库中的固定句式，故服务文本信息的服务忌语词库短语匹配失败；

将服务文本信息与业务专业用语词库中的每一个关键词一一进行比对，确定服务文本信息中不存在词语与服务忌语词库中的关键词的词义相同或相近，且服务文本信息中不包含有关键词库中的固定句式，故服务文本信息的业务专业用语词库短语匹配失败；

综上所述，所述服务文本信息与问候语词库、自我介绍词库、结束语词库这三个关键词库短语匹配成功，与服务忌语词库、业务专业用语词库这两个关键词库短语匹配失败，即所述服务文本信息短语匹配失败。

此外，短语匹配过程中，确定出当所述服务文本信息对应的三个关键词“你好”、“拜拜”、“我是……公司……”。

在所述服务文本信息短语匹配失败后，还将对该服务文本信息进行广泛匹配，以消除由于个人理解不同而对于同一事物有不同的表述而对所述服务文本信息的关键词提取准确性造成的影响。

此时，针对一服务文本信息来说，需要将该服务文本信息与短语匹配失败的关键词库中的每一个关键词对应建立的高度相关的词库中的词语进行比对，如果与关键词库中的某一个关键词对应建立的高度相关的词库的词语在所述服务文本信息中出现，则认定针对该关键词库，所述服务文本信息广泛匹配成功；否则，则认定所述服务文本信息广泛匹配失败。

具体实施中，由于短语匹配过程中，所述服务文本信息与问候语词库、自我介绍词库、结束语词库这三个关键词库短语已成功匹配，而同服务忌语词库、业务专业用语词库这两个关键词库短语匹配失败，故在广泛匹配中，所述服务文本信息只需要和服务忌语词库以及业务专业用语词库这两个关键词库进行广泛匹配。

其中，本发明实施例中假设，与宽带盖度相关的词库：{无线网、WIFI、校园网}；与手机套餐高度相关的词库：{月租、流量、话费、通话时长}。

具体实施中，将服务文本信息与服务忌语词库中的每一个关键词对应设置的高度相关的词库中的词语一一进行比对，确定所述服务文本信息中不存在词语与短语匹配失败的关键词库中的每一个关键词对应建立的高度相关的词库中的词语相同，故服务文本信息的服务忌语词库广泛匹配失败；

将服务文本信息与业务专业用语词库中的每一个关键词对应设置的高度相关的词库中的词语一一进行比对，由于所述服务文本信息中的词语“无线网”与设置的对应于业务专业用语词库中关键词“宽带”高度相关的词库中的“无线网”完全一致，故服务文本信息的服务忌语词库广泛匹配成功；

广泛匹配结束，所述关键词提取流程结束。

综上所述，本实施例中服务文本信息提取出的关键词有：对应于问候语词库中的“你好”、对应于结束语词库中的“拜拜”、对应于自我介绍词库中的“我是……公司……”、以及对应于业务专业用语词库中的“无线网”。

此外，针对以标志标识关键词库中关键词分类共建一个关键词库的方式建立关键词库后，在进行关键词提取时，处理方式与上述过程近似，区别在于，针对建立一个关键词库而言，在进行关键词提取时，是将服务文本信息与关键词库中每一个分类下的关键词一一进行比对。

其中，此处举例仅仅是对本发明实施例进行解释说明，实际应用中，确定出的对应于每一个关键词分类中关键词的数目应小于或等于该分类下全部关键词的数目，故本发明实施例中确定出的关键词数目不受上述实施例限制。

在通过预设的规则将由服务人员服务过程中的语音识别出的服务文本中的关键词提取出来后，进一步地，所述终端将根据提取出的关键词建立词向量，并将所述词向量输入到关键词分类模型中，确定出所述关键词分类结果。

具体的，所述终端根据提取出的关键词采用独热编码建立词向量。

上述方法，所述终端在根据由服务人员的语音识别出的服务文本信息确定出关键词后，所述终端提取出的关键词采用独热编码建立词向量；如此终端即可将所述词向量输入到关键词分类模型，以便于根据关键词分类模型输出的结果确定所述服务人员在服务过程中的语音质检结果。

具体实施中，终端将提取出的关键词构成词列表，然后将词列表生成特征词向量。考虑到涉及到的关键词数量有限，并且相互独立，故这里采用独热编码(one hotembedding)形式对关键词做词向量数学化表达。该编码方式可以将离散的文字信息转化为有序的数字化向量，便于后面使用机器学习的分类器。

例如：现有词库A中共有300个关键词，A按照关键词出现的顺序构建最终特征向量为一个300维的向量。如果在文本中识别出某关键词，则关键词对应的维度则为1，其余维度仍为零。提取出所有的关键词后，形成最终的特征向量。然后将文本最终以词向量的形式输入到分类器中进行学习分类。

在本发明实施例中，预先人工建立的关键词库共有5个关键词B＝{a1，a2，a3，b1，b2}，在关键词提取过程中提取出的关键词a1、a2和b2，依据提取出的关键词建立的词向量为[1 1 0 0 1]^T。

上过实施例仅以关键词库包含有5个关键词为例进行说明，实际应用中，关键词库中包含的关键系远远大于5个，故本发明实施例中关键词库中关键词数目不受实施例限制。

在根据提取出的关键词建立好词向量后，终端将词向量输入到SVM分类器中对所述词向量进行分类，并根据分类结果确定所述词向量对应的服务文本信息的质检结果，进一步地可以对该服务文本信息对应的服务人员在服务过程中的服务用语进行检测。

这里我们利用SVM进行3分类判别，得到语音服务质量的评估结果，在实际应用中还可以用贝叶斯分类器等其他有监督多分类器。

具体的，所述关键词分类模型为SVM分类器。

具体实施中，本发明实施例中的关键词分类模型可以是SVM分类器，在提取出服务文本信息汇中的关键词，并通过提取出的关键词建立好词向量后，即可将所述词向量输入训练调试好的SVM分类器，依据SVM分类器完成关键词分类，并进一步的依据关键词分类的结果确定出所述服务文本信息对应的语音质检的结果。

其中，SVM，即支持向量机，是一种常用的有监督分类算法。最原始的SVM算法是针对线性的数据进行有监督的二分类算法。改进的SVM可以结合核函数，将低维线性不可分的数据投射到高维使得数据线性可分。其中核函数可选用多项式，高斯核或者线性核函数将原始空间的数据映射为无穷维空间中进行分类，以提高数据的分类效果。在实际应用过程中，通过调控参数，高斯核具有相对来说高的灵活性，也是使用较为广泛的核函数。

如图3所示，在本发明实施例中，用于关键词分类的SVM需要对其进行训练，具体的训练过程如下。

首先，需要准备大量的服务人员在服务过程中采集的语音信息标本，并转化得到大量的对应的服务文本信息；

随后对服务文本信息进行关键词提取，并根据提取出的关键词建立词向量；

同时对这些服务文本信息人工质检得到质检结果；

如此，根据一条服务文本信息确定建立的词向量和对应的人工质检的结果构成一个SVM训练样本，本发明实施例中在对SVM进行训练时将用到大量的训练样本。

其中，对这些服务文本信息人工质检得到质检结果时，按照设定的规则进行质检，减小个人主观因素的影响。

例如：规定a分类为礼貌用语，b分类为服务忌语，c分类为专业术语；出现一个礼貌用语的关键词，总评分加1，出现一个服务忌语的关键词，总评分减1；出现一个专业术语的关键词，总评分加1，规定总评分大于3为“通过”，总评分小于0为“不通过”，总评分为0～3为“存疑”，转交人工处理；预先人工建立的关键词库共有5个关键词B＝{a1，a2，a3，b1，b2，c1，c2，c3}。

一条服务文本信息在关键词提取过程中提取出的关键词a1、a2和b2，依据提取出的关键词建立的词向量为[1 1 0 0 1 0 0 0]^T，则所述服务文本信息总评分为1。则该服务文本信息人工质检打标结果为“存疑”。

在对SVM进行训练时，针对一个训练样本，首先将词向量输入到配置有所有可能的判别结果的SVM中进行训练；

根据SVM的输出结果和人工质检的结果进行比对，并根据比对结果对SVM的参数进行调整；

如此往复，直至输入到SVM中的词向量的分类结果与人工质检的结果高度一致。

在训练完成后，所述经过训练的SVM即可用于对服务人员在服务过程中的服务用语进行质检。

由于基本的SVM分类器是一种二分类分类器，不支持多分类，因此这里使用Lib-SVM库。该库中的SVM通过构建多个二分类SVM弱分类器，最终通过多个分类器投票的方式输出多分类结果。

具体实施中，所述终端根据所述SVM分类器中多个二分类子SVM分类器输出的分类结果确定语音质检结果；

其中，所述二分类子SVM分类器是根据不同语音质检结果之间的组合构建的。

本发明实施例中，将语音质检的结果分为“通过”、“不通过”、“存疑”三种，故SVM构建子SVM时，分别构建一个“通过”和“不通过或者存疑”两者选其一的子SVM1、一个“不通过”和“通过或者存疑”两者选其一的子SVM2以及构建一个“存疑”和“通过或者不通过”两者选其一的子SVM3。

如此，在一个词向量输入到SVM中后，在分别经过三个子SVM分类器，得到三个子SVM分类器各自的分类结果，随后从三个分类结果中选举出次数最高的结果作为SVM分类器的输出结果，并以此确定语音质检的结果。

例如，有一服务文本信息在经过关键词提取，构建词向量后，将该服务文本信息对应的词向量输入到SVM分类器，则该词向量在通过子SVM1分类器后得到“通过”属性，在通过子SVM2分类器后得到“通过或者存疑”属性，在通过子SVM3分类器后得到“通过或者不通过”属性，在进一步地根据三个子分类器的输出结果进行选举：选项“通过”3次；选项“不通过”1次；选项“存疑”1次；故最终得到该词向量的分类结果为“通过”。

如图4所示，本发明实施例提供一种语音质检的方法的详细流程图。

步骤400，终端获取在服务人员服务过程中采集的语音；

步骤401，终端通过语音识别引擎对采集的语音进行识别，得到会话文本信息；

步骤402，终端在所述会话文本信息中确定出所述服务文本信息；

步骤403，终端根据预设的关键词集合，对所述服务文本信息进行精确匹配，提取关键词；

步骤404，终端判断服务文本信息精确匹配是否成功，如果不成功，执行步骤405；否则执行步骤409；

步骤405，终端根据预设的关键词集合，对所述服务文本信息进行短语匹配，提取关键词；

步骤406，终端判断服务文本信息短语匹配是否成功，如果不成功，执行步骤407；否则执行步骤409；

步骤407，所述终端根据预设的关键词集合，对所述服务文本信息进行广泛匹配，提取关键词；

步骤408，终端判断服务文本信息广泛匹配是否成功，如果成功，执行步骤409；否则执行步骤411；

步骤409，终端根据提取出的关键词采用独热编码建立词向量；

步骤410，终端将所述词向量输入到关键词分类模型中，并根据所述关键词分类模型输出的关键词分类结果确定语音质检结果；

步骤411，终端将该服务文本信息转交人工处理。

基于同一发明构思，本发明实施例中还提供了一种语音质检的设备，由于该设备即是本发明实施例中的方法中的终端，并且该设备解决问题的原理与该方法相似，因此该设备的实施可以参见方法的实施，重复之处不再赘述。

如图5所示，本发明实施例提供一种语音质检的设备，其特征在于，包括：处理器500以及收发机501：

所述处理器500，用于通过收发机进行数据传输，并根据预设的关键词集合，对由用户的语音识别出的服务文本信息进行关键词提取；根据提取出的关键词建立词向量；将所述词向量输入到关键词分类模型中，并根据所述关键词分类模型输出的关键词分类结果确定语音质检结果。

可选的，所述处理器500具体用于：通过下列方式获取所述服务文本信息：

获取在用户服务过程中采集的语音；通过语音识别引擎对采集的语音进行识别，得到会话文本信息；在所述会话文本信息中确定出所述服务文本信息。

可选的，所述处理器500具体用于：

根据预设的关键词集合，对所述服务文本信息进行精确匹配，提取关键词；

若所述服务文本信息精确匹配不成功，根据预设的关键词集合，对所述服务文本信息进行短语匹配，提取关键词；

若所述服务文本信息短语匹配不成功，根据预设的关键词集合，对所述服务文本信息进行广泛匹配，提取关键词。

可选的，所述处理器500具体用于：

根据提取出的关键词采用独热编码建立词向量。

可选的，所述关键词分类模型为SVM分类器；所述处理器500具体用于：

根据所述SVM分类器中多个二分类子SVM分类器输出的分类结果确定语音质检结果；

其中，所述二分类子SVM分类器是根据不同语音质检结果之间的组合构建的。

如图6所示，本发明实施例提供一种语音质检的设备，该设备包括：处理单元600以及存储单元601，其中，所述存储单元存储有程序代码，当所述程序代码被所述处理单元执行时，使得所述处理单元执行下列过程：

根据预设的关键词集合，对由用户的语音识别出的服务文本信息进行关键词提取；根据提取出的关键词建立词向量；将所述词向量输入到关键词分类模型中，并根据所述关键词分类模型输出的关键词分类结果确定语音质检结果。

可选的，所述处理单元600具体用于：通过下列方式获取所述服务文本信息：

获取在用户服务过程中采集的语音；通过语音识别引擎对采集的语音进行识别，得到会话文本信息；在所述会话文本信息中确定出所述服务文本信息。

可选的，所述处理单元600具体用于：

根据预设的关键词集合，对所述服务文本信息进行精确匹配，提取关键词；

若所述服务文本信息精确匹配不成功，根据预设的关键词集合，对所述服务文本信息进行短语匹配，提取关键词；

若所述服务文本信息短语匹配不成功，根据预设的关键词集合，对所述服务文本信息进行广泛匹配，提取关键词。

可选的，所述处理单元600具体用于：

根据提取出的关键词采用独热编码建立词向量。

可选的，所述关键词分类模型为SVM分类器；所述处理单元具体用于：

根据所述SVM分类器中多个二分类子SVM分类器输出的分类结果确定语音质检结果；

其中，所述二分类子SVM分类器是根据不同语音质检结果之间的组合构建的。

基于相同的构思，本发明实施例给出一种语音质检的设备，如图7所示，终端700包括：电源710、处理器720、存储器730、输入单元740、显示单元750、语音采集器760以及通信接口770等部件。本领域技术人员可以理解，图7中示出的终端的结构并不构成对终端的限定，本申请实施例提供的终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图7对所述终端700的各个构成部件进行具体的介绍：

所述终端700可以通过所述通信接口760与其他终端实现物理连接。可选的，所述通信接口760与所述其他终端的通信接口通过电缆连接，实现所述终端700和其他终端之间的数据传输。

由于在本申请实施例中，所述终端700能够实现通信业务，向其他联系人发送信息，因此所述终端700需要具有数据传输功能，即所述终端700内部需要包含通信模块。

所述存储器730可用于存储软件程序以及模块。所述处理器720通过运行存储在所述存储器730的软件程序以及模块，从而执行所述终端700的各种功能应用以及数据处理，并且当处理器720执行存储器730中的程序代码后，可以实现本发明实施例图1中的部分或全部过程。

可选的，所述存储器730可以主要包括存储程序区和存储数据区。其中，存储程序区可存储操作系统、各种应用程序(比如通信应用)以及人脸识别模块等；存储数据区可存储根据所述终端的使用所创建的数据(比如各种图片、视频文件等多媒体文件，以及人脸信息模板)等。

此外，所述存储器730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，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所述输入单元740可用于接收用户输入的数字或字符信息，以及产生与所述终端700的用户设置以及功能控制有关的键信号输入。

可选的，输入单元740可包括触控面板741以及其他输入终端742。

其中，所述触控面板741，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在所述触控面板741上或在所述触控面板741附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，所述触控面板741可以包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给所述处理器720，并能接收所述处理器720发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现所述触控面板740。

可选的，所述其他输入终端742可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

所述显示单元750可用于显示由用户输入的信息或提供给用户的信息以及所述终端700的各种菜单。所述显示单元750即为所述终端700的显示系统，用于呈现界面，实现人机交互。

所述显示单元750可以包括显示面板751。可选的，所述显示面板751可以采用液晶显示屏(Liquid Crystal Display，LCD)、有机发光二极管(OrganicLight-EmittingDiode，OLED)等形式来配置。

进一步的，所述触控面板741可覆盖所述显示面板751，当所述触控面板751检测到在其上或附近的触摸操作后，传送给所述处理器720以确定触摸事件的类型，随后所述处理器720根据触摸事件的类型在所述显示面板751上提供相应的视觉输出。

虽然在图7中，所述触控面板741与所述显示面板751是作为两个独立的部件来实现所述终端700的输入和输入功能，但是在某些实施例中，可以将所述触控面板741与所述显示面板751集成而实现所述终端700的输入和输出功能。

所述处理器720是所述终端700的控制中心，利用各种接口和线路连接各个部件，通过运行或执行存储在所述存储器730内的软件程序和/或模块，以及调用存储在所述存储器730内的数据，执行所述终端700的各种功能和处理数据，从而实现基于所述终端的多种业务。

可选的，所述处理器720可包括一个或多个处理单元。可选的，所述处理器720可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到所述处理器720中。

所述语音采集器760，用于实现所述终端700的语音采集功能，采集用户与装维人员之间的会话。

所述终端700还包括用于给各个部件供电的电源710(比如电池)。可选的，所述电源710可以通过电源管理系统与所述处理器720逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗等功能。

尽管未示出，所述终端700还可以包括至少一种传感器、音频电路等，在此不再赘述。

其中，存储器730可以存储与存储单元601相同的有程序代码，当所述程序代码被处理器720执行时，使得处理器720实现处理单元600的所有功能。

本发明实施例针对语音质检的方法还提供一种计算设备可读存储介质，即断电后内容不丢失。该存储介质中存储软件程序，包括程序代码，当程序代码在计算设备上运行时，该软件程序在被一个或多个处理器读取并执行时可实现本发明实施例上面任何一种语音质检时的方案。

以上参照示出根据本申请实施例的方法、装置(系统)和/或计算机程序产品的框图和/或流程图描述本申请。应理解，可以通过计算机程序指令来实现框图和/或流程图示图的一个块以及框图和/或流程图示图的块的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机的处理器和/或其它可编程数据处理装置，以产生机器，使得经由计算机处理器和/或其它可编程数据处理装置执行的指令创建用于实现框图和/或流程图块中所指定的功能/动作的方法。

相应地，还可以用硬件和/或软件(包括固件、驻留软件、微码等)来实施本申请。更进一步地，本申请可以采取计算机可使用或计算机可读存储介质上的计算机程序产品的形式，其具有在介质中实现的计算机可使用或计算机可读程序代码，以由指令执行系统来使用或结合指令执行系统而使用。在本申请上下文中，计算机可使用或计算机可读介质可以是任意介质，其可以包含、存储、通信、传输、或传送程序，以由指令执行系统、装置或设备使用，或结合指令执行系统、装置或设备使用。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种语音质检的方法，其特征在于，该方法包括：

终端根据预设的关键词集合，对由用户的语音识别出的服务文本信息进行关键词提取；

所述终端根据提取出的关键词建立词向量；

所述终端将所述词向量输入到关键词分类模型中，并根据所述关键词分类模型输出的关键词分类结果确定语音质检结果。

2.如权利要求1所述的方法，其特征在于，所述终端通过下列方式获取所述服务文本信息：

所述终端获取在用户服务过程中采集的语音；

所述终端通过语音识别引擎对采集的语音进行识别，得到会话文本信息；

所述终端在所述会话文本信息中确定出所述服务文本信息。

3.如权利要求1所述的方法，其特征在于，所述终端根据预设的关键词集合，对由用户的语音识别出的服务文本信息进行关键词提取，包括：

所述终端根据预设的关键词集合，对所述服务文本信息进行精确匹配，提取关键词；

若所述服务文本信息精确匹配不成功，所述终端根据预设的关键词集合，对所述服务文本信息进行短语匹配，提取关键词；

若所述服务文本信息短语匹配不成功，所述终端根据预设的关键词集合，对所述服务文本信息进行广泛匹配，提取关键词。

4.如权利要求1所述的方法，其特征在于，所述终端根据提取出的关键词建立词向量，包括：

所述终端根据提取出的关键词采用独热编码建立词向量。

5.如权利要求1～4任一所述的方法，其特征在于，所述关键词分类模型为支持向量机SVM分类器；

所述终端根据所述关键词分类模型输出的关键词分类结果确定语音质检结果，包括：

所述终端根据所述SVM分类器中多个二分类子SVM分类器输出的分类结果确定语音质检结果；

其中，所述二分类子SVM分类器是根据不同语音质检结果之间的组合构建的。

6.一种语音质检的设备，其特征在于，包括：处理器以及收发机：

所述处理器，用于通过收发机进行数据传输，并根据预设的关键词集合，对由用户的语音识别出的服务文本信息进行关键词提取；根据提取出的关键词建立词向量；将所述词向量输入到关键词分类模型中，并根据所述关键词分类模型输出的关键词分类结果确定语音质检结果。

7.如权利要求6所述的设备，其特征在于，所述处理器具体用于：通过下列方式获取所述服务文本信息：

获取在用户服务过程中采集的语音；通过语音识别引擎对采集的语音进行识别，得到会话文本信息；在所述会话文本信息中确定出所述服务文本信息。

8.如权利要求6所述的设备，其特征在于，所述处理器具体用于：

根据预设的关键词集合，对所述服务文本信息进行精确匹配，提取关键词；

若所述服务文本信息精确匹配不成功，根据预设的关键词集合，对所述服务文本信息进行短语匹配，提取关键词；

若所述服务文本信息短语匹配不成功，根据预设的关键词集合，对所述服务文本信息进行广泛匹配，提取关键词。

9.如权利要求6所述的设备，其特征在于，所述处理器具体用于：

根据提取出的关键词采用独热编码建立词向量。

10.如权利要求6～9任一所述的设备，其特征在于，所述关键词分类模型为SVM分类器；所述处理器具体用于：

根据所述SVM分类器中多个二分类子SVM分类器输出的分类结果确定语音质检结果；

其中，所述二分类子SVM分类器是根据不同语音质检结果之间的组合构建的。

11.一种语音质检的设备，其特征在于，该设备包括：处理单元以及存储单元，其中，所述存储单元存储有程序代码，当所述程序代码被所述处理单元执行时，使得所述处理单元执行下列过程：

根据预设的关键词集合，对由用户的语音识别出的服务文本信息进行关键词提取；根据提取出的关键词建立词向量；将所述词向量输入到关键词分类模型中，并根据所述关键词分类模型输出的关键词分类结果确定语音质检结果。

12.一种计算机可存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～5任一所述方法的步骤。

Images