CN112132477A - 一种业务绩效确定方法和装置 - Google Patents
一种业务绩效确定方法和装置 Download PDFInfo
- Publication number
- CN112132477A CN112132477A CN202011041419.3A CN202011041419A CN112132477A CN 112132477 A CN112132477 A CN 112132477A CN 202011041419 A CN202011041419 A CN 202011041419A CN 112132477 A CN112132477 A CN 112132477A
- Authority
- CN
- China
- Prior art keywords
- information
- service
- teller
- training
- voice
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003062 neural network model Methods 0.000 claims abstract description 58
- 238000012549 training Methods 0.000 claims description 114
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- 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
- G10L17/00—Speaker identification or verification techniques
-
- 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/18—Artificial neural networks; Connectionist approaches
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Acoustics & Sound (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Technology Law (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例提供了一种业务绩效确定方法和装置,方法包括:获取柜员至少一个业务中每个业务对应的第一目标语音信息,得到柜员的第一目标声音特征信息,将第一目标语音信息转换为文本信息,将文本信息与预设回答文本信息进行匹配,得到匹配度,获取客户对应的第二目标语音信息,得到客户的第二目标声音特征信息,将第一目标声音特征信息,第二目标声音特征信息及匹配度输入第一神经网络模型,得到至少一个业务中每个业务的绩效。本申请实施例提供的业务绩效确定方法和装置,能够准确确定柜员的绩效。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种业务绩效确定方法和装置。
背景技术
目前,随着计算机网络技术的快速发展,银行的业务办理也越来越智能化。柜员作为银行为客户办理业务的主要服务人员,需要有标准的绩效确定办法,也就是说,银行需要对柜员的绩效做公平准确的确定。目前,对于绩效是人为主观判断的,对柜员绩效确定结果并不公平准确。
因此,如何准确确定柜员的绩效,是银行现在面临的具体问题。
发明内容
本申请实施例提供了一种业务绩效确定方法和装置,能够准确确定柜员的绩效。
本申请实施例提供了一种业务绩效确定方法,所述方法包括:
获取柜员至少一个业务中每个业务对应的第一目标语音信息;
根据所述柜员的第一目标语音信息得到所述柜员的第一目标声音特征信息,所述第一目标声音特征信息体现所述柜员的声音特征;
将所述第一目标语音信息转换为文本信息,所述文本信息包括所述柜员回复客户问题的回答语句;
将所述文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;
获取所述业务的客户对应的第二目标语音信息;
根据所述客户的第二目标语音信息得到所述客户的第二目标声音特征信息,所述第二目标声音特征信息体现所述客户的声音特征;
将所述第一目标声音特征信息,第二目标声音特征信息及匹配度输入第一神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第一神经网络模型是预先建立得到的。
可选的,所述方法还包括:
根据所述至少一个业务中每个业务对应的绩效确定所述柜员的总绩效。
可选的,所述方法还包括:
获取所述业务的客户画像信息,所述客户画像信息为客户的信息;
将所述第一目标声音特征信息,所述第二目标声音特征信息,所述匹配度及所述客户画像信息输入第二神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第二神经网络模型是预先建立得到的;
根据所述至少一个业务中每个业务对应的绩效确定所述柜员的总绩效。
具体的,所述声音特征包括以下其中一种或多种:
音频特征、音调特征、音量特征及语速特征。
具体的,所述第一神经网络模型是预先建立得到的包括:
获取柜员至少一个业务中每个业务对应的第一训练语音信息;
根据所述柜员的第一训练语音信息得到所述柜员的第一训练声音特征信息,所述第一训练声音特征信息体现所述柜员的声音特征;
将所述第一训练语音信息转换为训练文本信息,所述训练文本信息包括所述柜员回复客户问题的回答语句;
将所述训练文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;
获取所述业务的客户对应的第二训练语音信息;
根据所述客户的第二训练语音信息得到所述客户的第二训练声音特征信息,所述第二训练声音特征信息体现所述客户的声音特征;
根据所述第一训练声音特征信息,第二训练声音特征信息及匹配度与至少一个业务中每个业务的绩效的对应关系训练第一神经网络模型。
本申请实施例还提供了一种业务绩效确定装置,所述装置包括:
第一获取单元,用于获取柜员至少一个业务中每个业务对应的第一目标语音信息;
第一特征获取单元,用于根据所述柜员的第一目标语音信息得到所述柜员的第一目标声音特征信息,所述第一目标声音特征信息体现所述柜员的声音特征;
第一转换单元,用于将所述第一目标语音信息转换为文本信息,所述文本信息包括所述柜员回复客户问题的回答语句;
第一匹配单元,用于将所述文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;
第二获取单元,用于获取所述业务的客户对应的第二目标语音信息;
第二特征获取单元,用于根据所述客户的第二目标语音信息得到所述客户的第二目标声音特征信息,所述第二目标声音特征信息体现所述客户的声音特征;
第一输入单元,用于将所述第一目标声音特征信息,第二目标声音特征信息及匹配度输入第一神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第一神经网络模型是预先建立得到的。
可选的,所述装置还包括:
第一确定单元,用于根据所述至少一个业务中每个业务对应的绩效确定所述柜员的总绩效。
可选的,所述装置还包括:
第三获取单元,用于获取所述业务的客户画像信息,所述客户画像信息为客户的信息;
第二输入单元,用于将所述第一目标声音特征信息,所述第二目标声音特征信息,所述匹配度及所述客户画像信息输入第二神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第二神经网络模型是预先建立得到的;
第二确定单元,用于根据所述至少一个业务中每个业务对应的绩效确定所述柜员的总绩效。
具体的,所述声音特征包括以下其中一种或多种:
音频特征、音调特征、音量特征及语速特征。
具体的,所述装置第一神经网络模型是预先建立得到的包括:
第四获取单元,用于获取柜员至少一个业务中每个业务对应的第一训练语音信息;
第三特征获取单元,用于根据所述柜员的第一训练语音信息得到所述柜员的第一训练声音特征信息,所述第一训练声音特征信息体现所述柜员的声音特征;
第二转换单元,用于将所述第一训练语音信息转换为训练文本信息,所述训练文本信息包括所述柜员回复客户问题的回答语句;
第二匹配单元,用于将所述训练文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;
第五获取单元,用于获取所述业务的客户对应的第二训练语音信息;
第四特征获取单元,用于根据所述客户的第二训练语音信息得到所述客户的第二训练声音特征信息,所述第二训练声音特征信息体现所述客户的声音特征;
训练单元,用于根据所述第一训练声音特征信息,第二训练声音特征信息及匹配度与至少一个业务中每个业务的绩效的对应关系训练第一神经网络模型。
与现有技术相比,本发明至少具有以下优点:
本申请实施例提供了一种业务绩效确定方法,方法包括:获取柜员至少一个业务中每个业务对应的第一目标语音信息;根据所述柜员的第一目标语音信息得到所述柜员的第一目标声音特征信息,所述第一目标声音特征信息体现所述柜员的声音特征;将所述第一目标语音信息转换为文本信息,所述文本信息包括所述柜员回复客户问题的回答语句;将所述文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;获取所述业务的客户对应的第二目标语音信息;根据所述客户的第二目标语音信息得到所述客户的第二目标声音特征信息,所述第二目标声音特征信息体现所述客户的声音特征;将所述第一目标声音特征信息,第二目标声音特征信息及匹配度输入第一神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第一神经网络模型是预先建立得到的。由此可见,本申请实施例通过获取柜员每个业务的语音信息,得到柜员的声音特征信息,将语音信息转化为文本信息,通过将柜员回复客户问题的文本信息和预设回答文本信息进行匹配,得到匹配度,获取对应的业务的客户语音信息,将柜员的声音特征信息,匹配度与客户的语音信息输入到神经网络模型,得到柜员每个业务的绩效,使得银行能够利用现代科学算法技术对柜员的绩效做公平准确的智能化确定。
附图说明
为了更清楚地说明本申请实施例,下面将对实施例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的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例一提供的一种业务绩效确定方法的流程示意图;
图2为本申请实施例二提供的一种业务绩效确定方法的流程示意图;
图3为本申请实施例三提供的一种业务绩效确定方法的流程示意图;
图4为本申请实施例提供的一种业务绩效确定装置的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。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他实施例,都属于本申请保护的范围。
由背景技术可知,随着计算机技术的发展,现在的银行也需要利用计算机技术对柜员的绩效做公平准确的确定。因此,如何利用计算机技术准确确定柜员的绩效,是银行现在面临的具体问题。
因此,本申请实施例通过获取柜员每个业务的语音信息,得到柜员的声音特征信息,将语音信息转化为文本信息,通过将柜员回复客户问题的文本信息和预设回答文本信息进行匹配,得到匹配度,获取对应的业务的客户语音信息,将柜员的声音特征信息,匹配度与客户的语音信息输入到神经网络模型,得到柜员每个业务的绩效,使得银行能够利用现代科学算法技术对柜员的绩效做公平准确的智能化确定。
如图1所示,为本申请实施例提供的一种业务绩效确定方法的流程示意图,该方法包括以下步骤:
步骤101:获取柜员至少一个业务中每个业务对应的第一目标语音信息。
在本申请实施例中,第一目标语音信息为柜员为客户办理业务时的对话语音,能体现柜员在办理业务时的表现。柜员办理的业务包括一个或多个。
在具体实现步骤101的过程中,可以通过录音设备记录柜员的语音信息,通过获取录音设备中的对话语音获取柜员的语音信息。
步骤102:根据所述柜员的第一目标语音信息得到所述柜员的第一目标声音特征信息,所述第一目标声音特征信息体现所述柜员的声音特征。
在本申请实施例中,目标声音特征信息体现的是柜员在某一次业务办理时的声音特征。在银行柜员为客户办理业务的过程中,包括至少一个业务,每个业务都有柜员与客户的语音对话,语音对话即语音信息,可以通过录音设备记录柜员的语音信息,借助声音分析模型获取柜员的目标声音特征信息,即柜员的声音特征。可选的,声音特征包括以下其中一种或多种:音频特征、音调特征、音量特征及语速特征。例如,柜员在为客户办理某一次业务时音量超过80分贝。又如,柜员在为客户办理另一次业务时音量为50到60分贝,语速为一分钟80个字。
步骤103:将所述第一目标语音信息转换为文本信息,所述文本信息包括所述柜员回复客户问题的回答语句。
在本申请实施例中,将通过录音设备获取的柜员的语音对话,即语音信息转换为文本信息,文本信息主要为柜员与客户的业务交流信息,其中包括柜员回复客户提出的业务办理相关的问题的答复语句。
步骤104:将所述文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度。
在本申请实施例中,预设回答文本信息为针对客户可能提出的有关业务办理的相关问题的标准回答范本,能够解决客户对业务问题的疑问。预设回答文本信息中包括针对业务问题的预设回答语句。可以将柜员的文本信息与预设回答文本信息进行匹配,即将柜员回复客户问题的回答语句与预设回答语句进行匹配,得到匹配度,匹配度指的是柜员的回答语句和预设回答语句的匹配程度,匹配度可以体现柜员业务办理的专业性,匹配度越高,则表明柜员的业务办理越专业,业务办理能力越强。例如,业务类别可以分为第一类别和第二类别,匹配度在0.6至1则可以认为业务类别为第一类别,代表柜员的业务办理的专业性强。
步骤105:获取所述业务的客户对应的第二目标语音信息。
在本申请实施例中,第二目标语音信息为客户办理业务时的对话语音,能体现柜员在办理业务时的情绪。
在具体实现步骤105的过程中,可以通过录音设备记录客户的语音信息,通过获取录音设备中的对话语音获取客户的语音信息,对话语音指的是与柜员办理同一业务的客户的,同一业务的客户与柜员的语音对话,可以得到柜员的语音信息和客户的语音信息。
步骤106:根据所述客户的第二目标语音信息得到所述客户的第二目标声音特征信息,所述第二目标声音特征信息体现所述客户的声音特征。
在本申请实施例中,在银行柜员为客户办理业务的过程中,每个客户都具有自己独特的声音特征信息。目标声音特征信息体现的是某一客户在某一次业务办理时的声音特征。可选的,声音特征包括以下其中一种或多种:音频特征、音调特征、音量特征及语速特征。例如,某一客户在某一次的业务办理时音量超过80分贝。又如,某一客户在另一次的业务办理时音量为50到60分贝,语速为一分钟80个字。
在具体实现步骤305的过程中,可以通过录音设备记录客户与柜员的对话语音,通过对话语音获取客户的语音信息,借助声音分析模型获取客户的目标声音特征信息,即客户的声音特征。
步骤107:将所述第一目标声音特征信息,第二目标声音特征信息及匹配度输入第一神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第一神经网络模型是预先建立得到的。
在本申请的实施例中,将某一业务的柜员的声音特征信息、匹配度和该业务的客户的声音特征信息输入神经网络模型中,得到该业务的柜员的绩效。神经网络模型是经过预先训练得到的。
神经网络模型是经过预先训练得到的,训练过程主要有以下步骤:
获取柜员至少一个业务中每个业务对应的第一训练语音信息;
根据柜员的第一训练语音信息得到柜员的第一训练声音特征信息,第一训练声音特征信息体现柜员的声音特征;
将第一训练语音信息转换为训练文本信息,训练文本信息包括柜员回复客户问题的回答语句;
将训练文本信息与预设回答文本信息进行匹配,得到匹配度,预设回答文本信息包括预设回答语句,匹配度体现柜员的回答语句与预设回答语句的匹配程度;
获取与柜员同一业务的客户对应的第二训练语音信息;
根据客户的第二训练语音信息得到客户的第二训练声音特征信息,第二训练声音特征信息体现客户的声音特征;
根据第一训练声音特征信息,第二训练声音特征信息及匹配度与至少一个业务中每个业务的绩效的对应关系训练第一神经网络模型。
根据上述本申请实施例提供的业务绩效确定方法可知,获取柜员至少一个业务中每个业务对应的第一目标语音信息;根据所述柜员的第一目标语音信息得到所述柜员的第一目标声音特征信息,所述第一目标声音特征信息体现所述柜员的声音特征;将所述第一目标语音信息转换为文本信息,所述文本信息包括所述柜员回复客户问题的回答语句;将所述文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;获取所述业务的客户对应的第二目标语音信息;根据所述客户的第二目标语音信息得到所述客户的第二目标声音特征信息,所述第二目标声音特征信息体现所述客户的声音特征;将所述第一目标声音特征信息,第二目标声音特征信息及匹配度输入第一神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第一神经网络模型是预先建立得到的。由此可见,本申请实施例通过获取柜员每个业务的语音信息,得到柜员的声音特征信息,将语音信息转化为文本信息,通过将柜员回复客户问题的文本信息和预设回答文本信息进行匹配,得到匹配度,获取对应的业务的客户语音信息,将柜员的声音特征信息,匹配度与客户的语音信息输入到神经网络模型,得到柜员每个业务的绩效,使得银行能够利用现代科学算法技术对柜员的绩效做公平准确的智能化确定。
如图2所示,为本申请实施例提供的另一种业务绩效确定方法的流程示意图,该方法包括以下步骤:
步骤201:获取柜员至少一个业务中每个业务对应的第一目标语音信息。
步骤202:根据所述柜员的第一目标语音信息得到所述柜员的第一目标声音特征信息,所述第一目标声音特征信息体现所述柜员的声音特征。
步骤203:将所述第一目标语音信息转换为文本信息,所述文本信息包括所述柜员回复客户问题的回答语句。
步骤204:将所述文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度。
步骤205:获取所述业务的客户对应的第二目标语音信息。
步骤206:根据所述客户的第二目标语音信息得到所述客户的第二目标声音特征信息,所述第二目标声音特征信息体现所述客户的声音特征。
步骤207:将所述第一目标声音特征信息,第二目标声音特征信息及匹配度输入第一神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第一神经网络模型是预先建立得到的。
步骤201至步骤207的执行原理和上述步骤101至步骤107的一致,这里不再赘述。
步骤208:根据所述至少一个业务中每个业务对应的绩效确定所述柜员的总绩效。
在本申请实施例中,柜员的总绩效代表了柜员的业务服务水平,总绩效较高,说明柜员的业务服务水平较高,能为客户带来更好的用户体验。总绩效可以是每个业务对应的绩效的总和,也可以是每个业务对应的绩效的平均值。
根据上述本申请实施例提供的业务绩效确定方法可知,获取柜员至少一个业务中每个业务对应的第一目标语音信息;根据所述柜员的第一目标语音信息得到所述柜员的第一目标声音特征信息,所述第一目标声音特征信息体现所述柜员的声音特征;将所述第一目标语音信息转换为文本信息,所述文本信息包括所述柜员回复客户问题的回答语句;将所述文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;获取所述业务的客户对应的第二目标语音信息;根据所述客户的第二目标语音信息得到所述客户的第二目标声音特征信息,所述第二目标声音特征信息体现所述客户的声音特征;将所述第一目标声音特征信息,第二目标声音特征信息及匹配度输入第一神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第一神经网络模型是预先建立得到的。由此可见,本申请实施例通过获取柜员每个业务的语音信息,得到柜员的声音特征信息,将语音信息转化为文本信息,通过将柜员回复客户问题的文本信息和预设回答文本信息进行匹配,得到匹配度,获取对应的业务的客户语音信息,将柜员的声音特征信息,匹配度与客户的语音信息输入到神经网络模型,得到柜员每个业务的绩效,使得银行能够利用现代科学算法技术对柜员的绩效做公平准确的智能化确定。
如图3所示,为本申请实施例提供的另一种业务绩效确定方法的流程示意图,该方法包括以下步骤:
步骤301:获取柜员至少一个业务中每个业务对应的第一目标语音信息。
步骤302:根据所述柜员的第一目标语音信息得到所述柜员的第一目标声音特征信息,所述第一目标声音特征信息体现所述柜员的声音特征。
步骤303:将所述第一目标语音信息转换为文本信息,所述文本信息包括所述柜员回复客户问题的回答语句。
步骤304:将所述文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度。
步骤305:获取所述业务的客户对应的第二目标语音信息。
步骤306:根据所述客户的第二目标语音信息得到所述客户的第二目标声音特征信息,所述第二目标声音特征信息体现所述客户的声音特征。
步骤301至步骤306的执行原理和上述步骤101至步骤106的一致,这里不再赘述。
步骤307:获取所述业务的客户画像信息,所述客户画像信息为客户的信息。
在本申请实施例中,客户画像信息指的是客户的个人相关信息,例如客户画像信息可以包括:客户历史业务办理信息、客户资产信息及客户类别。其中,客户历史业务办理信息中可以包括客户的办理业务次数,办理业务类别,每次业务的情绪类别等。客户资产信息可以记录客户的学历、资产等信息。客户类别代表了客户在该银行的业务办理类别。
在具体实现步骤307的过程中,可以直接在后台服务器获取每个业务对应的客户画像信息。
步骤308:将所述第一目标声音特征信息,所述第二目标声音特征信息,所述匹配度及所述客户画像信息输入第二神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第二神经网络模型是预先建立得到的。
在本申请的实施例中,将某一业务的柜员的声音特征信息、匹配度和该业务的客户的声音特征信息输入神经网络模型中,得到该业务的柜员的绩效。神经网络模型是经过预先训练得到的。
神经网络模型是经过预先训练得到的,训练过程主要有以下步骤:
获取柜员至少一个业务中每个业务对应的第一训练语音信息;
根据柜员的第一训练语音信息得到柜员的第一训练声音特征信息,第一训练声音特征信息体现柜员的声音特征;
将第一训练语音信息转换为训练文本信息,训练文本信息包括柜员回复客户问题的回答语句;
将训练文本信息与预设回答文本信息进行匹配,得到匹配度,预设回答文本信息包括预设回答语句,匹配度体现柜员的回答语句与预设回答语句的匹配程度;
获取与柜员同一业务的客户对应的第二训练语音信息;
根据客户的第二训练语音信息得到客户的第二训练声音特征信息,第二训练声音特征信息体现客户的声音特征;
获取与柜员同一业务的客户画像信息,客户画像信息为客户的信息。
根据第一训练声音特征信息,第二训练声音特征信息,匹配度及客户画像信息与至少一个业务中每个业务的绩效的对应关系训练第二神经网络模型。
步骤309:根据所述至少一个业务中每个业务对应的绩效确定所述柜员的总绩效。
在本申请实施例中,柜员的总绩效代表了柜员的业务服务水平,总绩效较高,说明柜员的业务服务水平较高,能为客户带来更好的用户体验。总绩效可以是每个业务对应的绩效的总和,也可以是每个业务对应的绩效的平均值。
根据上述本申请实施例提供的业务绩效确定方法可知,获取柜员至少一个业务中每个业务对应的第一目标语音信息;根据所述柜员的第一目标语音信息得到所述柜员的第一目标声音特征信息,所述第一目标声音特征信息体现所述柜员的声音特征;将所述第一目标语音信息转换为文本信息,所述文本信息包括所述柜员回复客户问题的回答语句;将所述文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;获取所述业务的客户对应的第二目标语音信息;根据所述客户的第二目标语音信息得到所述客户的第二目标声音特征信息,所述第二目标声音特征信息体现所述客户的声音特征;将所述第一目标声音特征信息,第二目标声音特征信息及匹配度输入第一神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第一神经网络模型是预先建立得到的。由此可见,本申请实施例通过获取柜员每个业务的语音信息,得到柜员的声音特征信息,将语音信息转化为文本信息,通过将柜员回复客户问题的文本信息和预设回答文本信息进行匹配,得到匹配度,获取对应的业务的客户语音信息,将柜员的声音特征信息,匹配度与客户的语音信息输入到神经网络模型,得到柜员每个业务的绩效,使得银行能够利用现代科学算法技术对柜员的绩效做公平准确的智能化确定。
基于上述本申请实施例提供的一种业务绩效确定方法,本申请实施例还提供了一种业务绩效确定装置400,如图4所示,为本申请实施例提供的一种业务绩效确定装置的结构示意图,包括:
第一获取单元410,用于获取柜员至少一个业务中每个业务对应的第一目标语音信息;
第一特征获取单元420,用于根据所述柜员的第一目标语音信息得到所述柜员的第一目标声音特征信息,所述第一目标声音特征信息体现所述柜员的声音特征;
第一转换单元430,用于将所述第一目标语音信息转换为文本信息,所述文本信息包括所述柜员回复客户问题的回答语句;
第一匹配单元440,用于将所述文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;
第二获取单元450,用于获取所述业务的客户对应的第二目标语音信息;
第二特征获取单元460,用于根据所述客户的第二目标语音信息得到所述客户的第二目标声音特征信息,所述第二目标声音特征信息体现所述客户的声音特征;
第一输入单元470,用于将所述第一目标声音特征信息,第二目标声音特征信息及匹配度输入第一神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第一神经网络模型是预先建立得到的。
可选的,所述装置还包括:
第一确定单元,用于根据所述至少一个业务中每个业务对应的绩效确定所述柜员的总绩效。
可选的,所述装置还包括:
第三获取单元,用于获取所述业务的客户画像信息,所述客户画像信息为客户的信息;
第二输入单元,用于将所述第一目标声音特征信息,所述第二目标声音特征信息,所述匹配度及所述客户画像信息输入第二神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第二神经网络模型是预先建立得到的;
第二确定单元,用于根据所述至少一个业务中每个业务对应的绩效确定所述柜员的总绩效。
具体的,所述声音特征包括以下其中一种或多种:
音频特征、音调特征、音量特征及语速特征。
具体的,所述装置400第一神经网络模型是预先建立得到的包括:
第四获取单元,用于获取柜员至少一个业务中每个业务对应的第一训练语音信息;
第三特征获取单元,用于根据所述柜员的第一训练语音信息得到所述柜员的第一训练声音特征信息,所述第一训练声音特征信息体现所述柜员的声音特征;
第二转换单元,用于将所述第一训练语音信息转换为训练文本信息,所述训练文本信息包括所述柜员回复客户问题的回答语句;
第二匹配单元,用于将所述训练文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;
第五获取单元,用于获取所述业务的客户对应的第二训练语音信息;
第四特征获取单元,用于根据所述客户的第二训练语音信息得到所述客户的第二训练声音特征信息,所述第二训练声音特征信息体现所述客户的声音特征;
训练单元,用于根据所述第一训练声音特征信息,第二训练声音特征信息及匹配度与至少一个业务中每个业务的绩效的对应关系训练第一神经网络模型。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
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,上述描述的系统和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,所述单元的划分,仅仅为一种逻辑业务划分,实际实现时可以有另外的划分方式,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。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述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,在本申请各个实施例中的各业务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,也可以采用软件业务单元的形式实现。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已。
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范围。
Claims (10)
1.一种业务绩效确定方法,其特征在于,所述方法包括:
获取柜员至少一个业务中每个业务对应的第一目标语音信息;
根据所述柜员的第一目标语音信息得到所述柜员的第一目标声音特征信息,所述第一目标声音特征信息体现所述柜员的声音特征;
将所述第一目标语音信息转换为文本信息,所述文本信息包括所述柜员回复客户问题的回答语句;
将所述文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;
获取所述业务的客户对应的第二目标语音信息;
根据所述客户的第二目标语音信息得到所述客户的第二目标声音特征信息,所述第二目标声音特征信息体现所述客户的声音特征;
将所述第一目标声音特征信息,第二目标声音特征信息及匹配度输入第一神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第一神经网络模型是预先建立得到的。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述至少一个业务中每个业务对应的绩效确定所述柜员的总绩效。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述业务的客户画像信息,所述客户画像信息为客户的信息;
将所述第一目标声音特征信息,所述第二目标声音特征信息,所述匹配度及所述客户画像信息输入第二神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第二神经网络模型是预先建立得到的;
根据所述至少一个业务中每个业务对应的绩效确定所述柜员的总绩效。
4.根据权利要求1所述的方法,其特征在于,所述声音特征包括以下其中一种或多种:
音频特征、音调特征、音量特征及语速特征。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述第一神经网络模型是预先建立得到的包括:
获取柜员至少一个业务中每个业务对应的第一训练语音信息;
根据所述柜员的第一训练语音信息得到所述柜员的第一训练声音特征信息,所述第一训练声音特征信息体现所述柜员的声音特征;
将所述第一训练语音信息转换为训练文本信息,所述训练文本信息包括所述柜员回复客户问题的回答语句;
将所述训练文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;
获取所述业务的客户对应的第二训练语音信息;
根据所述客户的第二训练语音信息得到所述客户的第二训练声音特征信息,所述第二训练声音特征信息体现所述客户的声音特征;
根据所述第一训练声音特征信息,第二训练声音特征信息及匹配度与至少一个业务中每个业务的绩效的对应关系训练第一神经网络模型。
6.一种业务绩效确定装置,其特征在于,所述装置包括:
第一获取单元,用于获取柜员至少一个业务中每个业务对应的第一目标语音信息;
第一特征获取单元,用于根据所述柜员的第一目标语音信息得到所述柜员的第一目标声音特征信息,所述第一目标声音特征信息体现所述柜员的声音特征;
第一转换单元,用于将所述第一目标语音信息转换为文本信息,所述文本信息包括所述柜员回复客户问题的回答语句;
第一匹配单元,用于将所述文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;
第二获取单元,用于获取所述业务的客户对应的第二目标语音信息;
第二特征获取单元,用于根据所述客户的第二目标语音信息得到所述客户的第二目标声音特征信息,所述第二目标声音特征信息体现所述客户的声音特征;
第一输入单元,用于将所述第一目标声音特征信息,第二目标声音特征信息及匹配度输入第一神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第一神经网络模型是预先建立得到的。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第一确定单元,用于根据所述至少一个业务中每个业务对应的绩效确定所述柜员的总绩效。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第三获取单元,用于获取所述业务的客户画像信息,所述客户画像信息为客户的信息;
第二输入单元,用于将所述第一目标声音特征信息,所述第二目标声音特征信息,所述匹配度及所述客户画像信息输入第二神经网络模型,得到至少一个业务中每个业务的绩效;其中,所述第二神经网络模型是预先建立得到的;
第二确定单元,用于根据所述至少一个业务中每个业务对应的绩效确定所述柜员的总绩效。
9.根据权利要求6所述的装置,其特征在于,所述声音特征包括以下其中一种或多种:
音频特征、音调特征、音量特征及语速特征。
10.根据权利要求6至9中任一项所述的装置,其特征在于,所述装置第一神经网络模型是预先建立得到的包括:
第四获取单元,用于获取柜员至少一个业务中每个业务对应的第一训练语音信息;
第三特征获取单元,用于根据所述柜员的第一训练语音信息得到所述柜员的第一训练声音特征信息,所述第一训练声音特征信息体现所述柜员的声音特征;
第二转换单元,用于将所述第一训练语音信息转换为训练文本信息,所述训练文本信息包括所述柜员回复客户问题的回答语句;
第二匹配单元,用于将所述训练文本信息与预设回答文本信息进行匹配,得到匹配度,所述预设回答文本信息包括预设回答语句,所述匹配度体现所述柜员的回答语句与所述预设回答语句的匹配程度;
第五获取单元,用于获取所述业务的客户对应的第二训练语音信息;
第四特征获取单元,用于根据所述客户的第二训练语音信息得到所述客户的第二训练声音特征信息,所述第二训练声音特征信息体现所述客户的声音特征;
训练单元,用于根据所述第一训练声音特征信息,第二训练声音特征信息及匹配度与至少一个业务中每个业务的绩效的对应关系训练第一神经网络模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011041419.3A CN112132477A (zh) | 2020-09-28 | 2020-09-28 | 一种业务绩效确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011041419.3A CN112132477A (zh) | 2020-09-28 | 2020-09-28 | 一种业务绩效确定方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112132477A true CN112132477A (zh) | 2020-12-25 |
Family
ID=73844321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011041419.3A Pending CN112132477A (zh) | 2020-09-28 | 2020-09-28 | 一种业务绩效确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132477A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818798A (zh) * | 2017-10-20 | 2018-03-20 | 百度在线网络技术(北京)有限公司 | 客服服务质量评价方法、装置、设备及存储介质 |
CN110942326A (zh) * | 2018-09-25 | 2020-03-31 | 北京嘀嘀无限科技发展有限公司 | 一种用户满意度预测方法及装置、服务器 |
CN111062573A (zh) * | 2019-11-19 | 2020-04-24 | 平安金融管理学院(中国·深圳) | 员工绩效数据确定方法、装置、介质和计算机设备 |
CN111080109A (zh) * | 2019-12-06 | 2020-04-28 | 中信银行股份有限公司 | 客服服务质量评价方法、装置及电子设备 |
CN111260102A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 一种用户满意度预测方法、装置、电子设备及存储介质 |
-
2020
- 2020-09-28 CN CN202011041419.3A patent/CN112132477A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818798A (zh) * | 2017-10-20 | 2018-03-20 | 百度在线网络技术(北京)有限公司 | 客服服务质量评价方法、装置、设备及存储介质 |
CN110942326A (zh) * | 2018-09-25 | 2020-03-31 | 北京嘀嘀无限科技发展有限公司 | 一种用户满意度预测方法及装置、服务器 |
CN111260102A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 一种用户满意度预测方法、装置、电子设备及存储介质 |
CN111062573A (zh) * | 2019-11-19 | 2020-04-24 | 平安金融管理学院(中国·深圳) | 员工绩效数据确定方法、装置、介质和计算机设备 |
CN111080109A (zh) * | 2019-12-06 | 2020-04-28 | 中信银行股份有限公司 | 客服服务质量评价方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11636430B2 (en) | Device, system and method for summarizing agreements | |
US9530139B2 (en) | Evaluation of voice communications | |
CN108737667B (zh) | 语音质检方法、装置、计算机设备及存储介质 | |
US9361891B1 (en) | Method for converting speech to text, performing natural language processing on the text output, extracting data values and matching to an electronic ticket form | |
CN111694938B (zh) | 基于情绪识别的答复方法、装置、计算机设备及存储介质 | |
US9747369B2 (en) | Systems and methods for providing searchable customer call indexes | |
CN111539221B (zh) | 一种数据处理方法及系统 | |
KR101795593B1 (ko) | 전화상담원 보호 장치 및 그 방법 | |
CN110475032A (zh) | 多业务界面切换方法、装置、计算机装置及存储介质 | |
CN112235470B (zh) | 基于语音识别的来电客户跟进方法、装置及设备 | |
GB2521050A (en) | Credit risk decision management system and method using voice analytics | |
US20180342240A1 (en) | System and method for assessing audio files for transcription services | |
CN112131369B (zh) | 一种业务类别确定方法和装置 | |
CN112116165B (zh) | 一种业务绩效确定方法和装置 | |
CN112348667A (zh) | 一种基于虚拟客服的智能开户方法及装置 | |
CN111833068A (zh) | 基于声纹识别的身份核验系统及方法 | |
CN112132477A (zh) | 一种业务绩效确定方法和装置 | |
CN115271932A (zh) | 一种外呼的风险识别方法及装置 | |
TWM618782U (zh) | 即時分析回覆設備 | |
CN216014257U (zh) | 一种基于声纹技术用于证券行业智能双录业务的装置 | |
CN113902544B (zh) | 基于声纹识别的智能核身方法、装置、电子设备及介质 | |
KR100557872B1 (ko) | 전화 통화 상에서 사용자 음성 인증 방법을 이용하는채무자 본인 여부 판단 방법 | |
US20240161123A1 (en) | Auditing user feedback data | |
CN113314103B (zh) | 基于实时语音情感分析的非法信息识别方法及装置 | |
CN113127673B (zh) | 一种声纹数据库的构建方法及其数据调用方法 |
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 |