CN112261230A

CN112261230A - 快递电话接听率考核方法、装置、设备、系统及存储介质

Info

Publication number: CN112261230A
Application number: CN202011143308.3A
Authority: CN
Inventors: 张关举; 黄哲铿; 顾贺; 林文升; 邱国兴; 王海丽
Original assignee: Shanghai Zhongtongji Network Technology Co Ltd
Current assignee: Shanghai Zhongtongji Network Technology Co Ltd
Priority date: 2020-10-23
Filing date: 2020-10-23
Publication date: 2021-01-22
Anticipated expiration: 2040-10-23
Also published as: CN112261230B

Abstract

本发明涉及一种快递电话接听率考核方法、装置、设备、系统及存储介质。该方法包括：利用软交换技术自动外呼设定数目个待考核对象；获取待考核对象的回铃音；对回铃音利用端点检测技术进行特征识别，得到回铃音特征；回铃音特征包括波形信息和相量信息；对回铃音特征利用预设的标签模型进行识别，对待考核对象进行标签标记；标签模型根据长短时记忆网络算法训练得到。上述方法采用软交换技术、端点检测技术和长短时记忆网络算法进行电话接听率的考核，极大地提高了考核效率及准确率。

Description

快递电话接听率考核方法、装置、设备、系统及存储介质

技术领域

本发明涉及快递电话接听率技术领域，具体涉及一种快递电话接听率考核方法、装置、设备、系统及存储介质。

背景技术

快递行业是面向公众提供服务的，客户拨打网点或业务员电话的接听率直接影响快递行业的服务质量。而网点或业务员的号码会经常变化，但变更后的号码是否能够正常呼叫不得而知。因此为了保障快递全网电话的接听率，需要对网点或业务员号码进行工作时间段内的接听率考核。

传统考核网点及业务员接听率的方法基于人工抽查，选定抽查范围后，由专职人员进行电话拨打，然后统计考核结果。此种考核方法由于采用的是抽查策略，导致无法全面覆盖网点和业务员，而且需要专职人员耗费大量时间开展此工作，且一个考核人员同一时刻只能考核一个电话，效率不高。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种快递电话接听率考核方法、装置、设备、系统及存储介质。

为实现以上目的，本发明采用如下技术方案：

一种快递电话接听率考核方法，包括：

利用软交换技术自动外呼设定数目个待考核对象；

获取所述待考核对象的回铃音；

对所述回铃音利用端点检测技术进行特征识别，得到回铃音特征；所述回铃音特征包括波形信息和相量信息；

对所述回铃音特征利用预设的标签模型进行识别，对所述待考核对象进行标签标记；所述标签模型根据长短时记忆网络算法训练得到。

可选的，还包括：

获取预存的历史外呼录音数据；

对所述历史外呼录音数据进行音频特征提取并进行特征分组；

根据分组结果利用长短时记忆网络算法进行标签训练，得到所述标签模型。

可选的，所述对所述历史外呼录音数据进行音频特征提取并进行特征分组，包括：

利用梅尔倒谱系数对所述历史外呼录音数据进行音频特征提取，得到历史音频特征；

利用k均值聚类算法对所述历史音频特征进行聚类处理，得到音频特征分组；

对所述音频特征分组分别进行人工标记，得到标记后的音频特征分组。

可选的，所述获取所述待考核对象的回铃音之后还包括：

根据所述回铃音判断外呼是否被接听；

若所述外呼被接听，标记所述外呼对应的所述待考核对象为接听标签；

否则，执行步骤对所述回铃音利用端点检测技术进行特征识别，得到回铃音特征；所述回铃音特征包括波形信息和相量信息。

一种快递电话接听率考核装置，包括：

发动外呼模块，用于利用软交换技术自动外呼设定数目个待考核对象；

回铃音获取模块，用于获取所述待考核对象的回铃音；

回铃音特征提取模块，用于对所述回铃音利用端点检测技术进行特征识别，得到回铃音特征；所述回铃音特征包括波形信息和相量信息；

特征识别模块，用于对所述回铃音特征利用预设的标签模型进行识别，对所述待考核对象进行标签标记；所述标签模型根据长短时记忆网络算法训练得到。

可选的，还包括：

历史录音数据获取模块，用于历史获取预存的历史外呼录音数据；

历史音频处理模块，用于对所述历史外呼录音数据进行音频特征提取并进行特征分组；

模型训练模块，用于根据分组结果利用长短时记忆网络算法进行标签训练，得到所述标签模型。

可选的，还包括：

接听情况判断模块，用于根据所述回铃音判断外呼是否被接听；

接听标签标记模块，用于若所述外呼被接听，标记所述外呼对应的所述待考核对象为接听标签；

未接听跳转模块，用于否则，执行步骤对所述回铃音利用端点检测技术进行特征识别，得到回铃音特征；所述回铃音特征包括波形信息和相量信息。

一种快递电话接听率考核设备，包括：

处理器，以及与所述处理器相连接的存储器；

所述存储器用于存储计算机程序，所述计算机程序至少用于执行上述所述的快递电话接听率考核方法；

所述处理器用于调用并执行所述存储器中的所述计算机程序。

一种快递电话接听率考核系统，包括：

如上述所述的快递电话接听率考核设备，及与所述考核设备通信连接的待考核对象设备；所述考核设备与所述待考核对象设备间通过运营商进行通信。

一种存储介质，所述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，实现如上述所述的快递电话接听率考核方法中各个步骤。

本申请提供的技术方案可以包括以下有益效果：

本申请中公开一种快递电话接听率考核方法，包括：利用软交换技术自动外呼设定数目个待考核对象；获取待考核对象的回铃音；对回铃音利用端点检测技术进行特征识别，得到回铃音特征；回铃音特征包括波形信息和相量信息；对回铃音特征利用预设的标签模型进行特征识别，对待考核对象进行标签标记；标签模型根据长短时记忆网络算法训练得到。上述方法中通过软交换技术同时向多个待考核对象(网点或业务员)发起外呼，以此实现同时对多个网点或业务员进行考核的目的，极大地提高了电话接听率的考核效率。同时本申请中利用长短时记忆网络算法训了标签模型，根据标签模型对回铃音的波形信息和相量信息等进行识别，然后对考核的网点或业务员进行打标签操作，以实现对网点或业务员的电话接听率的考核，其中只需对回铃音进行波形和相量数据的分析即可，无需再进行复杂的音频转文字等处理，极大地简化了音频识别过程，降低成本，提高了考核的工作效率。

附图说明

为了更清楚地说明本发明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的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的快递电话接听率考核方法的流程图；

图2是本发明另一实施例提供的快递电话接听率考核方法的流程图；

图3是本发明一实施例提供的标签模型的构建方法的流程图；

图4是本发明一实施例提供的快递电话接听率考核装置的模块图；

图5是本发明一实施例提供的快递电话接听率考核设备的结构图；

图6是本发明一实施例提供的快递电话接听率考核系统的结构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

为了帮助能够更清楚的理解本申请中实施例，现对实施例中涉及到的专业算法及技术进行相应的介绍。具体如下：梅尔倒谱系数(Mel Frequency Cepstrum Coefficient，MFCC)，考虑了人耳的听觉特性，将频谱转化为基于Mel频率的非线性频谱，然后转换到倒谱域上。由于充分模拟了人的听觉特性，MFCC参数具有识别性能和抗噪能力，用于网点及业务员电话音频特征提取非常合适。

K-Means(K-Means clustering algorithm)算法是无监督的聚类算法，可以在数据中发现数据对象之间的关系，将数据进行分组，组内的相似性越大，组间的差别越大，则聚类效果越好。收集历史外呼数据后，使用该算法对原始训练数据进行自动分组，极大的提高了训练数据打标签的效率，为识别模型的训练提供基础。

长短时记忆网络(Long-Short Term Memory，LSTM)算法属于循环神经网络的一个变种，它是为了克服循环神经网络无法很好处理远距离依赖而提出的。LSTM神经网络所构建的模型有记忆功能，网络间支持知识传递，网络模型会将之前的知识传递到当前的状态，相近回铃音音频特征信息之间的关联关系可以充分发挥作用。使用神经网络对历史音频数据进行训练，得出标签模型，然后使用该模型对实时音频流分类。

图1是本发明一实施例提供的快递电话接听率考核方法的流程图。参见图1，一种快递电话接听率考核方法，包括：

步骤101：利用软交换技术自动外呼设定数目个待考核对象。此处的待考核对象为网点或业务员。本实施例中采用软交换技术同时呼叫多个网点或业务员。

步骤102：获取所述待考核对象的回铃音。当向网点或业务员发起外呼后，电话拨通之后，会收到网点或业务员方的回铃音。

步骤103：对所述回铃音利用端点检测技术进行特征识别，得到回铃音特征；所述回铃音特征包括波形信息和相量信息。此处利用端点检测(VAD)技术对接收到的回铃音进行处理，具体如下：自动打断回铃音的音频数据；然后去掉回铃音音频中的静音成分，然后从去除静音成分后的音频数据中获取有效语音，最后对有效语音进行去除噪声操作并对语音进行增强。总的来说就是利用VAD技术对回铃音进行断句处理，然后对经过断句处理后的音频数据的波形及相量进行分析，得到该回铃音的特征。

步骤104：对所述回铃音特征利用预设的标签模型进行识别，对所述待考核对象进行标签标记；所述标签模型根据长短时记忆网络算法训练得到。利用上步得到的回铃音特征利用预设的标签模型进行识别，根据标签模型中预存的标签类型对回铃音特征进行核对，确定该回铃音特征对应的标签，然后进行打标签操作。

在上述实施例中通过软交换技术同时对多个网点或业务员进行外呼操作，能够同时对多个对象进行电话接听率的考核，极大地提高了电话接听率的考核效率。同时本申请中采用的端点检测技术进行特征识别，即只需对回铃音进行波形、相量等数据的分析即可，此种特征提取方式简单便捷，成本低。更进一步地，本实施例中采用的标签模型是利用长短时记忆网络算法训练得到，可对远距离的音频信息进行传递及分析。

在上述实施例的基础上，本申请中还公开了一种标签模型的训练过程，具体如下：

图3是本发明一实施例提供的标签模型的构建方法的流程图。参见图3，标签模型的构建方法，包括：

步骤301：获取预存的历史外呼录音数据。快递公司会对外呼数据进行统计存储，在进行标签模型训练时可直接从历史数据数据库中调取历史数据即可。

步骤302：利用梅尔倒谱系数对历史外呼录音数据进行音频特征提取，得到历史音频特征。此处进行音频特征提取时，是对历史外呼录音数据的波形信息、相量信息等进行提取。本申请中的特征是以波形、相量等数据表示。需要注意的是，本申请中特征表示方式并不固定为上述波形、相量两种数据，可以为其他数据，例如频率等，具体视情况而定。

步骤303：利用k均值聚类(K-Means)算法对历史音频特征进行聚类处理，得到音频特征分组。本实施例中利用K-Means算法对历史音频特征进行聚类，将同类音频划分到同一组，例如若历史音频中会有如下音频：“您拨打的用户已停机”、“您拨打的用户已关机”、“您拨打的用户正在通话中”等。利用K-Means算法会将上述四类音频进行聚类处理，会将相似的数据划分为一组，然后进行筛选，最后将数据分为四组，每组包含数据分别对应上述四种情况。

步骤304：对所述音频特征分组分别进行人工标记，得到标记后的音频特征分组。

步骤305：根据分组结果利用长短时记忆网络算法进行标签训练，得到所述标签模型。例如“您拨打的用户已停机”组对应“停机”标签，“您拨打的用户已关机”对应“关机”标签，“您拨打的用户正在通话中”对应“通话中”标签。

上述实施例中对调取的历史外呼录音数据利用MFCC进行特征提取，然后通过K-Means算法进行聚类分组处理，最后利用LSTM算法进行标签训练，得到最终的标签模型。使用LSTM对呼叫音频数据进行自动分类，呼叫结束即可实时完成分类，提高考核效率。

为了更详细地介绍本申请中电话接听率的考核方法的实现过程，现结合详细的实施例进行介绍，具体如下：

图2是本发明另一实施例提供的快递电话接听率考核方法的流程图。参见图2，一种快递电话接听率考核方法，包括：步骤201：利用软交换技术自动外呼设定数目个待考核对象。

步骤202：获取所述待考核对象的回铃音。

步骤203：根据所述回铃音判断外呼是否被接听。

步骤204：若所述外呼被接听，标记所述外呼对应的所述待考核对象为接听标签。

步骤205：若外呼没有被接听，对所述回铃音利用端点检测技术进行特征识别，得到回铃音特征；所述回铃音特征包括波形信息和相量信息。

步骤206：对所述回铃音特征利用预设的标签模型进行识别，对所述待考核对象进行标签标记；所述标签模型根据长短时记忆网络算法训练得到。

例如：向多个快递网点或业务员发起外呼，等待对方的回应。当对方接听电话后，则将此电话对应的网点或业务员打上“接听”标签。若对方没有接听电话，此时对回铃音进行特征识别，利用VAD技术对该回铃音进行断句，然后对其波形、相量进行分析，得到该回铃音的特征信息，例如网点或业务员的电话处于正在通话中，此时提取到的回铃音的特征信息则为“正在通话中”的数据对应的波形及相量。然后利用标签模型将此波形及相量信息进行识别，识别出与标签模型中的“通话中”标签相匹配，则认定此回铃音对应的网点或业务员此时处于正在通话中，并将此标签进行记录，此时对该网点或业务员的考核结果记为：未接听，原因为正在通话中。依次方式对发送的所有的网点和业务员的考核结果进行统计，得到最终的全量考核结果。

上述实施例中通过软交换自动全量外呼及识别，节省人工成本并可以实现全量考核；同时使用VAD检测技术，识别出空号、关机、停机等情况提前结束通话，提高外呼效率；而且使用LSTM对呼叫音频数据进行自动分类，呼叫结束即可实时完成分类，提高考核效率。

对应于本发明实施例提供的一种快递电话接听率考核方法，本发明实施例还提供一种快递电话接听率考核装置。请参见下文实施例。

图4是本发明一实施例提供的快递电话接听率考核装置的模块图。参见图4，一种快递电话接听率考核装置，包括：

发动外呼模块401，用于利用软交换技术自动外呼设定数目个待考核对象；

回铃音获取模块402，用于获取所述待考核对象的回铃音；

回铃音特征提取模块403，用于对所述回铃音利用端点检测技术进行特征识别，得到回铃音特征；所述回铃音特征包括波形信息和相量信息；

特征识别模块404，用于对所述回铃音特征利用预设的标签模型进行识别，对所述待考核对象进行标签标记；所述标签模型根据长短时记忆网络算法训练得到。

更进一步地，在上述装置的基础上，本申请中装置还包括：

上述装置软交换自动全量外呼及识别，节省人工成本并可以实现全量考核；使用VAD检测技术(端点检测)，识别出空号、关机、停机等情况提前结束通话，提高外呼效率；同时使用LSTM对呼叫音频数据进行自动分类，呼叫结束即可实时完成分类，提高考核效率。

为了更清楚地介绍实现本发明实施例的硬件系统，对应于本发明实施例提供的一种快递电话接听率考核方法，本发明实施例还提供一种快递电话接听率考核设备及系统。请参见下文实施例。

图5是本发明一实施例提供的快递电话接听率考核设备的结构图。参见图5，一种快递电话接听率考核设备，包括：

处理器501，以及与所述处理器501相连接的存储器502；

所述存储器502用于存储计算机程序，所述计算机程序至少用于执行上述所述的快递电话接听率考核方法；

所述处理器501用于调用并执行所述存储器502中的所述计算机程序。

图6是本发明一实施例提供的快递电话接听率考核系统的结构图。一种快递电话接听率考核系统，包括：

如上述所述的快递电话接听率考核设备601，及与所述考核设备601通信连接的待考核对象设备602；所述考核设备601与所述待考核对象设备602间通过运营商进行通信。

同时，在上述硬件系统的基础上，本申请中还公开了一种存储介质，该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，实现如上述所述的快递电话接听率考核方法中各个步骤。

采用上述设备或系统能够通过软交换同时对多个网点或业务员进行电话接听率的考核，而且考核中采用VAD技术对回铃音进行识别，极大地提高了考核效率及准确率。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims

1.一种快递电话接听率考核方法，其特征在于，包括：

利用软交换技术自动外呼设定数目个待考核对象；

获取所述待考核对象的回铃音；

2.根据权利要求1所述的方法，其特征在于，还包括：

获取预存的历史外呼录音数据；

3.根据权利要求2所述的方法，其特征在于，所述对所述历史外呼录音数据进行音频特征提取并进行特征分组，包括：

4.根据权利要求1所述的方法，其特征在于，所述获取所述待考核对象的回铃音之后还包括：

根据所述回铃音判断外呼是否被接听；

5.一种快递电话接听率考核装置，其特征在于，包括：

回铃音获取模块，用于获取所述待考核对象的回铃音；

6.根据权利要求5所述的装置，其特征在于，还包括：

7.根据权利要求5所述的装置，其特征在于，还包括：

8.一种快递电话接听率考核设备，其特征在于，包括：

处理器，以及与所述处理器相连接的存储器；

所述存储器用于存储计算机程序，所述计算机程序至少用于执行权利要求1-4任一项所述的快递电话接听率考核方法；

9.一种快递电话接听率考核系统，其特征在于，包括：

如权利要求8所述的快递电话接听率考核设备，及与所述考核设备通信连接的待考核对象设备；所述考核设备与所述待考核对象设备间通过运营商进行通信。

10.一种存储介质，其特征在于，所述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，实现如权利要求1-4任一项所述的快递电话接听率考核方法中各个步骤。