CN113555011A - 电力行业客服中心语音转译建模方法、系统及介质 - Google Patents
电力行业客服中心语音转译建模方法、系统及介质 Download PDFInfo
- Publication number
- CN113555011A CN113555011A CN202110766097.7A CN202110766097A CN113555011A CN 113555011 A CN113555011 A CN 113555011A CN 202110766097 A CN202110766097 A CN 202110766097A CN 113555011 A CN113555011 A CN 113555011A
- Authority
- CN
- China
- Prior art keywords
- customer service
- emotion
- audio
- client
- feedback mechanism
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- 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
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
- G10L25/63—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 for estimating an emotional state
Abstract
本发明公开的一种电力行业客服中心语音转译建模方法、系统及介质,其中方法包括:获取实时通话音频,识别客户音频与客服音频;基于训练好的转译神经网络模型对所述客户音频与所述客服音频进行转译;获取所述客户音频的情绪判别因子,得到情绪判别结果并记录;基于所述情绪判别结果根据预设反馈机制发出对应提醒完成建模。本发明通过训练好的转译神经网络对客户的通话内容进行实时转译,并且在与客服沟通过程中可以检测客户的情绪变化,以通过反馈机制采取对应的解决措施;同时本发明还可以自动更新客服人员的工作日志,能够自动识别客服人员身份,并就其服务的客户进行实时记录,不会出现漏记或者恶意被篡改的现象。
Description
技术领域
本发明涉及语音转译技术领域,更具体的,涉及一种电力行业客服中心语音转译建模方法、系统及介质。
背景技术
随着社会经济的稳步发展,目前,我国 60万千瓦、90万千瓦超临界机组已经投产发电,国产百万千瓦级超超临界机组也即将投产,通过引进国际先进技术,国内合作生产的30万千瓦大型循环流化床锅炉发电设备、9F级联合循环燃气轮机、60万千瓦级压水堆核电站和70万千瓦三峡水轮机组等发电设备在性价比上已经具有了国际竞争力。
随着电力行业的蓬勃发展,应运而生了很多配套的基础业务与设施,其中,电力行业的客服中心是一门基础且不可或缺的业务领域,客服需要24小时全天候作业,并且对各种问题都需要及时给出解决意见与回答对应的问题,大多的工作模式都是客服人员手动接听客户电话,并纪录关键点信息,常常因为漏记或者恶意修改导致出现各式各样的问题,降低了工作效率;同时针对一些偏激的客户或者新入职的客服人员需要实时观测心理情绪变化,避免将事件进一步恶化,以有效降低投诉率,保证每次通话服务的质量。
发明内容
鉴于上述问题,本发明的目的是提供一种电力行业客服中心语音转译建模方法、系统及介质,能够自动转译客户通话内容并且可以识别客户情绪波动反馈不同的解决办法,还可以自动更新工作日志以避免遗漏或者恶意修改。
本发明第一方面提供了一种电力行业客服中心语音转译建模方法,包括以下步骤:
获取实时通话音频,识别客户音频与客服音频;
基于训练好的转译神经网络模型对所述客户音频与所述客服音频进行转译;
获取所述客户音频的情绪判别因子,得到情绪判别结果并记录;
基于所述情绪判别结果根据预设反馈机制发出对应提醒完成建模。
本方案中,所述转译神经网络模型的训练方法,具体为:
获取历史时间的音频数据和音频文本信息;
将所述历史时间的音频数据和音频文本信息进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述转译神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述转译神经网络模型。
本方案中,所述获取所述客户音频的情绪判别因子得到情绪判别结果并记录,具体为:
收集所述情绪判别因子得到情绪量化值;
根据所述情绪量化值与时长得到目标情绪曲线;
否则,触发所述反馈机制。
本方案中,所述基于所述情绪判别结果根据预设反馈机制发出对应提醒完成建模,具体为:
所述反馈机制包括两种,分别为第一反馈机制与第二反馈机制,其中,
本方案中,所述方法还包括自动更新通话日志,具体为:
判断所述客服音频的客服人员身份,并调取对应的所述通话日志;
识别所述客户音频的身份因子,与所述通话日志的身份数据库进行比对;
若比对成功,则判定所述客户为已知客户,将转译的通话内容保存到所述通话日志对应的身份序列中;
若比对不成功,则判定所述客户为新客户,于所述通话日志中新增身份序列以保存对应的通话内容。
本方案中,所述自动更新通话日志还包括:
判定所述客户为已知客户时,提取预设数量的转译内容关键词作为对比词组;
获取所述对比词组与已知客户身份序列中每个事件关键词组的对比结果;
比较所述对比结果与预设比率阈值范围的大小,其中,
若所述对比结果位于所述预设比率阈值范围内,则判定为已有事件的后续事件进行保存;
否则,判定为新发事件进行保存。
本发明第二方面还提供一种电力行业客服中心语音转译建模系统,包括存储器和处理器,所述存储器中包括电力行业客服中心语音转译建模方法程序,所述电力行业客服中心语音转译建模方法程序被所述处理器执行时实现如下步骤:
获取实时通话音频,识别客户音频与客服音频;
基于训练好的转译神经网络模型对所述客户音频与所述客服音频进行转译;
获取所述客户音频的情绪判别因子,得到情绪判别结果并记录;
基于所述情绪判别结果根据预设反馈机制发出对应提醒完成建模。
本方案中,所述转译神经网络模型的训练方法,具体为:
获取历史时间的音频数据和音频文本信息;
将所述历史时间的音频数据和音频文本信息进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述转译神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述转译神经网络模型。
本方案中,所述获取所述客户音频的情绪判别因子得到情绪判别结果并记录,具体为:
收集所述情绪判别因子得到情绪量化值;
根据所述情绪量化值与时长得到目标情绪曲线;
否则,触发所述反馈机制。
本方案中,所述基于所述情绪判别结果根据预设反馈机制发出对应提醒完成建模,具体为:
所述反馈机制包括两种,分别为第一反馈机制与第二反馈机制,其中,
本方案中,所述方法还包括自动更新通话日志,具体为:
判断所述客服音频的客服人员身份,并调取对应的所述通话日志;
识别所述客户音频的身份因子,与所述通话日志的身份数据库进行比对;
若比对成功,则判定所述客户为已知客户,将转译的通话内容保存到所述通话日志对应的身份序列中;
若比对不成功,则判定所述客户为新客户,于所述通话日志中新增身份序列以保存对应的通话内容。
本方案中,所述自动更新通话日志还包括:
判定所述客户为已知客户时,提取预设数量的转译内容关键词作为对比词组;
获取所述对比词组与已知客户身份序列中每个事件关键词组的对比结果;
比较所述对比结果与预设比率阈值范围的大小,其中,
若所述对比结果位于所述预设比率阈值范围内,则判定为已有事件的后续事件进行保存;
否则,判定为新发事件进行保存。
本发明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中包括机器的一种电力行业客服中心语音转译建模方法程序,所述电力行业客服中心语音转译建模方法程序被处理器执行时,实现如上述任一项所述的一种电力行业客服中心语音转译建模方法的步骤。
本发明公开的一种电力行业客服中心语音转译建模方法、系统及介质,通过训练好的转译神经网络对客户的通话内容进行实时转译,并且在与客服沟通过程中可以检测客户的情绪变化,以通过反馈机制采取对应的解决措施;同时本发明还可以自动更新客服人员的工作日志,能够自动识别客服人员身份,并就其服务的客户进行实时记录,不会出现漏记或者恶意被篡改的现象。
附图说明
图1示出了本申请一种电力行业客服中心语音转译建模方法的流程图;
图2示出了本申请一种电力行业客服中心语音转译建模方法于一实施例中的目标情绪曲线示意图;
图3示出了本发明一种电力行业客服中心语音转译建模系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本申请一种电力行业客服中心语音转译建模方法的流程图。
如图1所示,本申请公开了一种电力行业客服中心语音转译建模方法,包括以下步骤:
S102,获取实时通话音频,识别客户音频与客服音频;
S104,基于训练好的转译神经网络模型对所述客户音频与所述客服音频进行转译;
S106,获取所述客户音频的情绪判别因子,得到情绪判别结果并记录;
S108,基于所述情绪判别结果根据预设反馈机制发出对应提醒完成建模。
需要说明的是,通过训练好的所述转译神经网络模型对客户与客服人员的通话内容进行实时转译,可以提高工作效率,并且保证了关键信息的完整性,在转译的过程中,本申请还通过识别所述客户音频中的所述情绪判别因子得到客户的情绪结果,并根据不同客户的情绪结果去匹配不同的反馈机制以发出对应的提醒给到客服人员,可以缩短通话时间,以进一步提高通话时效性。
根据本发明实施例,所述转译神经网络模型的训练方法,具体为:
获取历史时间的音频数据和音频文本信息;
将所述历史时间的音频数据和音频文本信息进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述转译神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述转译神经网络模型。
需要说明的是,所述转译神经网络模型需要大量的历史数据进行训练,数据量越大,则结果越准确,本申请中的转译神经网络模型通过历史时间的音频数据和音频文本信息作为输入进行训练,以得到对应的输出结果,不同的输入对应不同的结果,当所述输出结果的准确率高于所述准确率阈值时,即可以停止训练。
值得一提的是,所述准确率阈值的设定可以是动态设定,根据不同的转译语言设置有不同的所述准确率阈值,例如,普通话的所述准确率阈值可以设定为95%甚至更高,但是对于一些偏地方的方言,所述准确率阈值就可以打一点折扣,设置为90%,以更大限度的还原方言口音下的通话内容。
根据本发明实施例,所述获取所述客户音频的情绪判别因子得到情绪判别结果并记录,具体为:
收集所述情绪判别因子得到情绪量化值;
根据所述情绪量化值与时长得到目标情绪曲线;
否则,触发所述反馈机制。
值得一提的是,所述情绪判别因子包括所述客户音频的音调、语速以及特定的内容词汇,例如“生气”、“烦躁”等偏激词眼。
值得一提的是,本申请提出的方法还包括识别转译内容中的故障问题,发出相应解决措施的提醒,具体为:
获取转译内容,提取故障特征词;
基于所述故障特征词,匹配数据库里的故障原因报告单;
将所述故障原因报告单发送给所述客服供其使用。
需要说明的是,在转译过程中,客户会表露出当前电力故障的问题所在,通过自动识别所述故障特征词,并调用对应的所述故障原因报告单实时发送给客服人员使用,可以有效解决对应的故障问题,提高工作效率。
根据本发明实施例,所述基于所述情绪判别结果根据预设反馈机制发出对应提醒完成建模,具体为:
所述反馈机制包括两种,分别为第一反馈机制与第二反馈机制,其中,
需要说明的是,当、均大于所述预设变化阈值时,则表明客户的情绪已知处于高涨的状态,则触发所述第一反馈机制,即由年限级别高于当前所述客服的人员转接进行沟通,避免客户的情绪持续过激,不利于问题的解决,降低给客服人员的压力;当、只有一个所述变化率大于所述预设变化阈值时,表示当前客户的情绪还是起伏不定的,则触发所述第二反馈机制,发送优惠政策信息给所述客服,并继续由当前所述客服进行沟通,以此稳定住客户的情绪,并且可以锻炼当前所述客服的心理承受能力,其中,所述预设变化阈值设置为1/2,判别反馈机制的公式如下:
根据本发明实施例所述方法还包括自动更新通话日志,具体为:
判断所述客服音频的客服人员身份,并调取对应的所述通话日志;
识别所述客户音频的身份因子,与所述通话日志的身份数据库进行比对;
若比对成功,则判定所述客户为已知客户,将转译的通话内容保存到所述通话日志对应的身份序列中;
若比对不成功,则判定所述客户为新客户,于所述通话日志中新增身份序列以保存对应的通话内容。
需要说明的是,本申请还提出自动更新工作日志,即所述通话日志,先识别出所述客服人员的身份,调取对应的所述通话日志,同时识别所述客户的身份,若为所述通话日志内的已知客户,则将所述通话内容转译到对应的客户身份序列中进行保存,若所述客户为新客户,则新增身份序列,将将所述通话内容转译到所述新增身份序列中进行保存。
根据本发明实施例,所述自动更新通话日志还包括:
判定所述客户为已知客户时,提取预设数量的转译内容关键词作为对比词组;
获取所述对比词组与已知客户身份序列中每个事件关键词组的对比结果;
比较所述对比结果与预设比率阈值范围的大小,其中,
若所述对比结果位于所述预设比率阈值范围内,则判定为已有事件的后续事件进行保存;
否则,判定为新发事件进行保存。
需要说明的是,同一个所述客户的反馈内容可能是相同的也可能是不同的,因此,通过提取转译内容的关键词以识别事件归属,获取所述对比词组与已知客户身份序列中每个事件关键词组的对比结果,其中,若所述对比结果位于所述预设比率阈值范围内,则判定为已有事件的后续事件进行保存;否则,判定为新发事件进行保存,例如,事件一为已有事件,其有五个关键词,若新的通话内容提取到的关键词匹配程度达到80%,即表明本次通话内容为所述已有事件的后续事件,其中,所述预设比率阈值范围为“0.7-0.9”。
根据本发明实施例,还包括:
需要说明的是,根据所述客服接听历史客户通话过程中的客户目标情绪曲线变化率值和的阈值降低变化率建立所述客服的历史客户目标情绪曲线有效变化率数据库,所述客服数据库可以是通过数据收集获得,也可以是通过神经网络模型获得,通过所述客户数据库可以有效获得不同客服对历史客户情绪有效变化情况的大数据,便于通过大数据对客户目标情绪曲线变化率选择与预设目标阈值变化最接近的客服作为所述客户的客服,这样通过数据比对可获得能有效降低客户情绪状况的匹配客服,增加服务效果。
根据本发明实施例,还包括:
根据所述不同客户的通话日志建立客户通话日志数据库;
根据所述样本客户对应的推荐客服获取为所述新客户的推荐客服进行沟通。
需要说明的是,根据所述不同客户历史通话日志内容建立客户通话日志数据库,所述数据库包括了不同客户的历史通话内容和转译内容关键词以及目标情绪曲线变化率值和,将所述新客户提取到的转译内容关键词和目标情绪曲线变化率值和在数据库中进行阈值对比从而查找到数据库中与预设阈值最接近的样本客户,将样本客户的推荐客服推荐为新用户的客服,通过数据库的阈值对比可寻找到与新客户通话关键内容以及新客户通话情绪变化相匹配的历史客户,并将历史客户的推荐客服作为新客户的客服,可有效解决新客户的疑问或要求,并有针对性的照顾新客户情绪变化,提高新客户的满意度。
图3示出了本发明一种电力行业客服中心语音转译建模系统的框图。
如图3所示,本发明公开了一种电力行业客服中心语音转译建模系统,包括存储器和处理器,所述存储器中包括电力行业客服中心语音转译建模方法程序,所述电力行业客服中心语音转译建模方法程序被所述处理器执行时实现如下步骤:
获取实时通话音频,识别客户音频与客服音频;
基于训练好的转译神经网络模型对所述客户音频与所述客服音频进行转译;
获取所述客户音频的情绪判别因子,得到情绪判别结果并记录;
基于所述情绪判别结果根据预设反馈机制发出对应提醒完成建模。
需要说明的是,通过训练好的所述转译神经网络模型对客户与客服人员的通话内容进行实时转译,可以提高工作效率,并且保证了关键信息的完整性,在转译的过程中,本申请还通过识别所述客户音频中的所述情绪判别因子得到客户的情绪结果,并根据不同客户的情绪结果去匹配不同的反馈机制以发出对应的提醒给到客服人员,可以缩短通话时间,以进一步提高通话时效性。
根据本发明实施例,所述转译神经网络模型的训练方法,具体为:
获取历史时间的音频数据和音频文本信息;
将所述历史时间的音频数据和音频文本信息进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述转译神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述转译神经网络模型。
需要说明的是,所述转译神经网络模型需要大量的历史数据进行训练,数据量越大,则结果越准确,本申请中的转译神经网络模型通过历史时间的音频数据和音频文本信息作为输入进行训练,以得到对应的输出结果,不同的输入对应不同的结果,当所述输出结果的准确率高于所述准确率阈值时,即可以停止训练。
值得一提的是,所述准确率阈值的设定可以是动态设定,根据不同的转译语言设置有不同的所述准确率阈值,例如,普通话的所述准确率阈值可以设定为95%甚至更高,但是对于一些偏地方的方言,所述准确率阈值就可以打一点折扣,设置为90%,以更大限度的还原方言口音下的通话内容。
根据本发明实施例,所述获取所述客户音频的情绪判别因子得到情绪判别结果并记录,具体为:
收集所述情绪判别因子得到情绪量化值;
根据所述情绪量化值与时长得到目标情绪曲线;
否则,触发所述反馈机制。
值得一提的是,所述情绪判别因子包括所述客户音频的音调、语速以及特定的内容词汇,例如“生气”、“烦躁”等偏激词眼。
值得一提的是,本申请提出的方法还包括识别转译内容中的故障问题,发出相应解决措施的提醒,具体为:
获取转译内容,提取故障特征词;
基于所述故障特征词,匹配数据库里的故障原因报告单;
将所述故障原因报告单发送给所述客服供其使用。
需要说明的是,在转译过程中,客户会表露出当前电力故障的问题所在,通过自动识别所述故障特征词,并调用对应的所述故障原因报告单实时发送给客服人员使用,可以有效解决对应的故障问题,提高工作效率。
根据本发明实施例,所述基于所述情绪判别结果根据预设反馈机制发出对应提醒完成建模,具体为:
所述反馈机制包括两种,分别为第一反馈机制与第二反馈机制,其中,
需要说明的是,当、均大于所述预设变化阈值时,则表明客户的情绪已知处于高涨的状态,则触发所述第一反馈机制,即由年限级别高于当前所述客服的人员转接进行沟通,避免客户的情绪持续过激,不利于问题的解决,降低给客服人员的压力;当、只有一个所述变化率大于所述预设变化阈值时,表示当前客户的情绪还是起伏不定的,则触发所述第二反馈机制,发送优惠政策信息给所述客服,并继续由当前所述客服进行沟通,以此稳定住客户的情绪,并且可以锻炼当前所述客服的心理承受能力,其中,所述预设变化阈值设置为1/2,判别反馈机制的公式如下:
根据本发明实施例所述方法还包括自动更新通话日志,具体为:
判断所述客服音频的客服人员身份,并调取对应的所述通话日志;
识别所述客户音频的身份因子,与所述通话日志的身份数据库进行比对;
若比对成功,则判定所述客户为已知客户,将转译的通话内容保存到所述通话日志对应的身份序列中;
若比对不成功,则判定所述客户为新客户,于所述通话日志中新增身份序列以保存对应的通话内容。
需要说明的是,本申请还提出自动更新工作日志,即所述通话日志,先识别出所述客服人员的身份,调取对应的所述通话日志,同时识别所述客户的身份,若为所述通话日志内的已知客户,则将所述通话内容转译到对应的客户身份序列中进行保存,若所述客户为新客户,则新增身份序列,将将所述通话内容转译到所述新增身份序列中进行保存。
根据本发明实施例,所述自动更新通话日志还包括:
判定所述客户为已知客户时,提取预设数量的转译内容关键词作为对比词组;
获取所述对比词组与已知客户身份序列中每个事件关键词组的对比结果;
比较所述对比结果与预设比率阈值范围的大小,其中,
若所述对比结果位于所述预设比率阈值范围内,则判定为已有事件的后续事件进行保存;
否则,判定为新发事件进行保存。
需要说明的是,同一个所述客户的反馈内容可能是相同的也可能是不同的,因此,通过提取转译内容的关键词以识别事件归属,获取所述对比词组与已知客户身份序列中每个事件关键词组的对比结果,其中,若所述对比结果位于所述预设比率阈值范围内,则判定为已有事件的后续事件进行保存;否则,判定为新发事件进行保存,例如,事件一为已有事件,其有五个关键词,若新的通话内容提取到的关键词匹配程度达到80%,即表明本次通话内容为所述已有事件的后续事件,其中,所述预设比率阈值范围为“0.7-0.9”。
根据本发明实施例,还包括:
需要说明的是,根据所述客服接听历史客户通话过程中的客户目标情绪曲线变化率值和的阈值降低变化率建立所述客服的历史客户目标情绪曲线有效变化率数据库,所述客服数据库可以是通过数据收集获得,也可以是通过神经网络模型获得,通过所述客户数据库可以有效获得不同客服对历史客户情绪有效变化情况的大数据,便于通过大数据对客户目标情绪曲线变化率选择与预设目标阈值变化最接近的客服作为所述客户的客服,这样通过数据比对可获得能有效降低客户情绪状况的匹配客服,增加服务效果。
根据本发明实施例,还包括:
根据所述不同客户的通话日志建立客户通话日志数据库;
根据所述样本客户对应的推荐客服获取为所述新客户的推荐客服进行沟通。
需要说明的是,根据所述不同客户历史通话日志内容建立客户通话日志数据库,所述数据库包括了不同客户的历史通话内容和转译内容关键词以及目标情绪曲线变化率值和,将所述新客户提取到的转译内容关键词和目标情绪曲线变化率值和在数据库中进行阈值对比从而查找到数据库中与预设阈值最接近的样本客户,将样本客户的推荐客服推荐为新用户的客服,通过数据库的阈值对比可寻找到与新客户通话关键内容以及新客户通话情绪变化相匹配的历史客户,并将历史客户的推荐客服作为新客户的客服,可有效解决新客户的疑问或要求,并有针对性的照顾新客户情绪变化,提高新客户的满意度。
本发明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中包括机器的一种电力行业客服中心语音转译建模方法程序,所述电力行业客服中心语音转译建模方法程序被处理器执行时,实现如上述任一项所述的一种电力行业客服中心语音转译建模方法的步骤。
本发明公开的一种电力行业客服中心语音转译建模方法、系统及介质,通过训练好的转译神经网络对客户的通话内容进行实时转译,并且在与客服沟通过程中可以检测客户的情绪变化,以通过反馈机制采取对应的解决措施;同时本发明还可以自动更新客服人员的工作日志,能够自动识别客服人员身份,并就其服务的客户进行实时记录,不会出现漏记或者恶意被篡改的现象。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、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。
或者,本发明上述集成的单元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。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种电力行业客服中心语音转译建模方法,其特征在于,包括以下步骤:
获取实时通话音频,识别客户音频与客服音频;
基于训练好的转译神经网络模型对所述客户音频与所述客服音频进行转译;
获取所述客户音频的情绪判别因子,得到情绪判别结果并记录;
基于所述情绪判别结果根据预设反馈机制发出对应提醒完成建模。
2.根据权利要求1所述的一种电力行业客服中心语音转译建模方法,其特征在于,所述转译神经网络模型的训练方法,具体为:
获取历史时间的音频数据和音频文本信息;
将所述历史时间的音频数据和音频文本信息进行预处理,得到训练样本集;
将所述训练样本集输入至初始化的所述转译神经网络模型中训练;
获取输出结果的准确率;
若所述准确率大于预设的准确率阈值,则停止训练,得到所述转译神经网络模型。
5.根据权利要求1所述的一种电力行业客服中心语音转译建模方法,其特征在于,所述方法还包括自动更新通话日志,具体为:
判断所述客服音频的客服人员身份,并调取对应的所述通话日志;
识别所述客户音频的身份因子,与所述通话日志的身份数据库进行比对;
若比对成功,则判定所述客户为已知客户,将转译的通话内容保存到所述通话日志对应的身份序列中;
若比对不成功,则判定所述客户为新客户,于所述通话日志中新增身份序列以保存对应的通话内容。
6.根据权利要求5所述的一种电力行业客服中心语音转译建模方法,其特征在于,所述自动更新通话日志还包括:
判定所述客户为已知客户时,提取预设数量的转译内容关键词作为对比词组;
获取所述对比词组与已知客户身份序列中每个事件关键词组的对比结果;
比较所述对比结果与预设比率阈值范围的大小,其中,
若所述对比结果位于所述预设比率阈值范围内,则判定为已有事件的后续事件进行保存;
否则,判定为新发事件进行保存。
7.一种电力行业客服中心语音转译建模系统,其特征在于,包括存储器和处理器,所述存储器中包括电力行业客服中心语音转译建模方法程序,所述电力行业客服中心语音转译建模方法程序被所述处理器执行时实现如下步骤:
获取实时通话音频,识别客户音频与客服音频;
基于训练好的转译神经网络模型对所述客户音频与所述客服音频进行转译;
获取所述客户音频的情绪判别因子,得到情绪判别结果并记录;
基于所述情绪判别结果根据预设反馈机制发出对应提醒完成建模。
10.一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中包括一种电力行业客服中心语音转译建模方法程序,所述电力行业客服中心语音转译建模方法程序被处理器执行时,实现如权利要求1至6中任一项所述的一种电力行业客服中心语音转译建模方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110766097.7A CN113555011B (zh) | 2021-07-07 | 2021-07-07 | 电力行业客服中心语音转译建模方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110766097.7A CN113555011B (zh) | 2021-07-07 | 2021-07-07 | 电力行业客服中心语音转译建模方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113555011A true CN113555011A (zh) | 2021-10-26 |
CN113555011B CN113555011B (zh) | 2022-05-27 |
Family
ID=78131460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110766097.7A Active CN113555011B (zh) | 2021-07-07 | 2021-07-07 | 电力行业客服中心语音转译建模方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113555011B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030182123A1 (en) * | 2000-09-13 | 2003-09-25 | Shunji Mitsuyoshi | Emotion recognizing method, sensibility creating method, device, and software |
CN102485165A (zh) * | 2010-12-02 | 2012-06-06 | 财团法人资讯工业策进会 | 可显示情绪的生理信号侦测系统、装置及显示情绪方法 |
TW201404359A (zh) * | 2012-07-18 | 2014-02-01 | Univ Nat Taiwan | 情緒亢奮度量測系統及方法 |
US20140163960A1 (en) * | 2012-12-12 | 2014-06-12 | At&T Intellectual Property I, L.P. | Real - time emotion tracking system |
CN105895101A (zh) * | 2016-06-08 | 2016-08-24 | 国网上海市电力公司 | 用于电力智能辅助服务系统的语音处理设备及处理方法 |
CN106683678A (zh) * | 2016-11-30 | 2017-05-17 | 厦门快商通科技股份有限公司 | 一种人工电话客服辅助系统及方法 |
CN107172311A (zh) * | 2017-06-22 | 2017-09-15 | 深圳市佰仟金融服务有限公司 | 业务评估方法及终端设备 |
CN107317942A (zh) * | 2017-07-18 | 2017-11-03 | 国家电网公司客户服务中心南方分中心 | 一种呼叫中心客服系统用在线语音情绪识别和监测系统 |
CN107948417A (zh) * | 2017-11-22 | 2018-04-20 | 周燕红 | 一种语音数据监控的方法、装置、终端及存储介质 |
CN108156317A (zh) * | 2017-12-21 | 2018-06-12 | 广东欧珀移动通信有限公司 | 通话语音控制方法、装置及存储介质和移动终端 |
CN109767791A (zh) * | 2019-03-21 | 2019-05-17 | 中国—东盟信息港股份有限公司 | 一种针对呼叫中心通话的语音情绪识别及应用系统 |
CN110914898A (zh) * | 2018-05-28 | 2020-03-24 | 北京嘀嘀无限科技发展有限公司 | 一种用于语音识别的系统和方法 |
CN111161733A (zh) * | 2019-12-31 | 2020-05-15 | 中国银行股份有限公司 | 一种智能语音服务的控制方法及装置 |
CN111179965A (zh) * | 2020-03-20 | 2020-05-19 | 万不知 | 一种宠物情绪识别方法及系统 |
CN111739559A (zh) * | 2020-05-07 | 2020-10-02 | 北京捷通华声科技股份有限公司 | 一种话语预警方法、装置、设备及存储介质 |
CN112185365A (zh) * | 2020-09-30 | 2021-01-05 | 深圳供电局有限公司 | 一种供电智能客户处理方法及系统 |
CN112185385A (zh) * | 2020-09-30 | 2021-01-05 | 深圳供电局有限公司 | 一种用于供电领域的智能客户处理方法及系统 |
CN112235470A (zh) * | 2020-09-16 | 2021-01-15 | 重庆锐云科技有限公司 | 基于语音识别的来电客户跟进方法、装置及设备 |
CN112291767A (zh) * | 2020-10-28 | 2021-01-29 | 广东美她实业投资有限公司 | 基于智能蓝牙耳机的外卖下单方法、设备及可读存储介质 |
CN113422876A (zh) * | 2021-06-24 | 2021-09-21 | 广西电网有限责任公司 | 基于ai的电力客服中心辅助管理方法、系统及介质 |
-
2021
- 2021-07-07 CN CN202110766097.7A patent/CN113555011B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030182123A1 (en) * | 2000-09-13 | 2003-09-25 | Shunji Mitsuyoshi | Emotion recognizing method, sensibility creating method, device, and software |
CN102485165A (zh) * | 2010-12-02 | 2012-06-06 | 财团法人资讯工业策进会 | 可显示情绪的生理信号侦测系统、装置及显示情绪方法 |
TW201404359A (zh) * | 2012-07-18 | 2014-02-01 | Univ Nat Taiwan | 情緒亢奮度量測系統及方法 |
US20140163960A1 (en) * | 2012-12-12 | 2014-06-12 | At&T Intellectual Property I, L.P. | Real - time emotion tracking system |
CN105895101A (zh) * | 2016-06-08 | 2016-08-24 | 国网上海市电力公司 | 用于电力智能辅助服务系统的语音处理设备及处理方法 |
CN106683678A (zh) * | 2016-11-30 | 2017-05-17 | 厦门快商通科技股份有限公司 | 一种人工电话客服辅助系统及方法 |
CN107172311A (zh) * | 2017-06-22 | 2017-09-15 | 深圳市佰仟金融服务有限公司 | 业务评估方法及终端设备 |
CN107317942A (zh) * | 2017-07-18 | 2017-11-03 | 国家电网公司客户服务中心南方分中心 | 一种呼叫中心客服系统用在线语音情绪识别和监测系统 |
CN107948417A (zh) * | 2017-11-22 | 2018-04-20 | 周燕红 | 一种语音数据监控的方法、装置、终端及存储介质 |
CN108156317A (zh) * | 2017-12-21 | 2018-06-12 | 广东欧珀移动通信有限公司 | 通话语音控制方法、装置及存储介质和移动终端 |
CN110914898A (zh) * | 2018-05-28 | 2020-03-24 | 北京嘀嘀无限科技发展有限公司 | 一种用于语音识别的系统和方法 |
CN109767791A (zh) * | 2019-03-21 | 2019-05-17 | 中国—东盟信息港股份有限公司 | 一种针对呼叫中心通话的语音情绪识别及应用系统 |
CN111161733A (zh) * | 2019-12-31 | 2020-05-15 | 中国银行股份有限公司 | 一种智能语音服务的控制方法及装置 |
CN111179965A (zh) * | 2020-03-20 | 2020-05-19 | 万不知 | 一种宠物情绪识别方法及系统 |
CN111739559A (zh) * | 2020-05-07 | 2020-10-02 | 北京捷通华声科技股份有限公司 | 一种话语预警方法、装置、设备及存储介质 |
CN112235470A (zh) * | 2020-09-16 | 2021-01-15 | 重庆锐云科技有限公司 | 基于语音识别的来电客户跟进方法、装置及设备 |
CN112185365A (zh) * | 2020-09-30 | 2021-01-05 | 深圳供电局有限公司 | 一种供电智能客户处理方法及系统 |
CN112185385A (zh) * | 2020-09-30 | 2021-01-05 | 深圳供电局有限公司 | 一种用于供电领域的智能客户处理方法及系统 |
CN112291767A (zh) * | 2020-10-28 | 2021-01-29 | 广东美她实业投资有限公司 | 基于智能蓝牙耳机的外卖下单方法、设备及可读存储介质 |
CN113422876A (zh) * | 2021-06-24 | 2021-09-21 | 广西电网有限责任公司 | 基于ai的电力客服中心辅助管理方法、系统及介质 |
Non-Patent Citations (6)
Title |
---|
KAH PHOOI SENG: ""Video Analytics for Customer Emotion and Satisfaction at Contact Centers"", 《IEEE TRANSACTIONS ON HUMAN-MACHINE SYSTEMS》 * |
KAH PHOOI SENG: ""Video Analytics for Customer Emotion and Satisfaction at Contact Centers"", 《IEEE TRANSACTIONS ON HUMAN-MACHINE SYSTEMS》, 2 May 2017 (2017-05-02) * |
张杰: ""基于语音情绪识别技术的呼叫中心服务质量过程管理的研究与应用"", 《电信科学》 * |
张杰: ""基于语音情绪识别技术的呼叫中心服务质量过程管理的研究与应用"", 《电信科学》, 31 December 2018 (2018-12-31) * |
汪燊: "" 情感说话人识别的人机性能对比研究"", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
汪燊: "" 情感说话人识别的人机性能对比研究"", 《中国优秀硕士学位论文全文数据库(信息科技辑)》, 15 February 2014 (2014-02-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN113555011B (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8145482B2 (en) | Enhancing analysis of test key phrases from acoustic sources with key phrase training models | |
CN113704451B (zh) | 一种电力用户诉求筛选方法、系统、电子设备和存储介质 | |
CN109151218A (zh) | 通话语音质检方法、装置、计算机设备及存储介质 | |
CN110493019B (zh) | 会议纪要的自动生成方法、装置、设备及存储介质 | |
CN107293309B (zh) | 一种基于客户情绪分析提升舆情监控效率的方法 | |
CN107451131A (zh) | 一种语音识别方法及装置 | |
CN106776832A (zh) | 用于问答交互日志的处理方法、装置及系统 | |
US11687946B2 (en) | Systems and methods for detecting complaint interactions | |
CN112785347A (zh) | 基于知识图谱的智能客服问答推荐方法及系统 | |
CN116631412A (zh) | 一种通过声纹匹配判断语音机器人的方法 | |
CN113422876B (zh) | 基于ai的电力客服中心辅助管理方法、系统及介质 | |
CN110931016A (zh) | 一种离线质检用语音识别方法及系统 | |
CN114969297A (zh) | 一种电力客户诉求相关度分析方法 | |
CN113555011B (zh) | 电力行业客服中心语音转译建模方法、系统及介质 | |
CN110931002B (zh) | 人机交互方法、装置、计算机设备和存储介质 | |
CN112800269A (zh) | 会议记录的生成方法及装置 | |
CN113542509B (zh) | 一种应急处理方法、装置、存储介质和设备 | |
CN111464687A (zh) | 一种陌生呼叫请求的处理方法及装置 | |
WO2021073258A1 (zh) | 基于情绪分析的任务跟催方法、装置、设备及存储介质 | |
CN110765242A (zh) | 一种客服信息的提供方法,装置及系统 | |
CN112687272B (zh) | 一种会议纪要的记录方法、装置及电子设备 | |
CN114328867A (zh) | 一种人机对话中智能打断的方法及装置 | |
CN113345419B (zh) | 基于方言口音的语音转译方法、系统和可读存储介质 | |
Zou et al. | Design of intelligent customer service report system based on automatic speech recognition and text classification | |
CN111859958A (zh) | 高投诉风险用户识别方法、投诉预警方法及相关设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |