CN114049973A - 对话质检方法、电子设备、计算机存储介质及程序产品 - Google Patents
对话质检方法、电子设备、计算机存储介质及程序产品 Download PDFInfo
- Publication number
- CN114049973A CN114049973A CN202111349759.7A CN202111349759A CN114049973A CN 114049973 A CN114049973 A CN 114049973A CN 202111349759 A CN202111349759 A CN 202111349759A CN 114049973 A CN114049973 A CN 114049973A
- Authority
- CN
- China
- Prior art keywords
- data
- dialogue
- service
- information
- dialog
- 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
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- 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
-
- 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
- G06N3/08—Learning methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Strategic Management (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Game Theory and Decision Science (AREA)
- Pathology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种对话质检方法、电子设备、计算机存储介质及计算机程序产品,其中,对话质检方法包括:待质检的对话段中提取待处理的对话数据,其中,所述对话段中包含有服务者和被服务者之间进行服务交互的多条对话数据;若所述待处理的对话数据为所述被服务者的问题数据,则从所述对话段中确定位于所述问题数据之后的所述服务者的目标对话数据;对所述对话段中,所述问题数据、所述问题数据与所述服务者的目标对话数据之间的中间对话数据,以及所述服务者的目标对话数据进行拼接;对拼接后的对话数据进行是否存在针对所述问题数据的回复的回复检测,根据检测结果确定所述服务者的服务质量。通过本申请实施例,提高了质检效率。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及一种对话质检方法、电子设备、计算机存储介质及计算机程序产品。
背景技术
随着互联网技术的发展,现实生活中越来越多的事务可通过互联网实现,尤其是交互类事务,如互联网医疗、互联网客服、互联网知识问答等等。
以互联网医疗为例,患者可通过在线问诊社区或APP应用实现在线问诊,与医生进行远程交互,以获得针对患者健康问题的解答或建议。为了保证患者的权益,在线问诊社区或APP应用会对医生提供的服务质量进行质检。目前,这种质检多由质检人员通过人工阅读医生和患者间的完整对话,对医生的服务质量进行人工打分来实现。
但是,这种方式下,如果问诊量大,则需要大量的质检人力,质检成本较高而效率低。类似地,互联网客服、互联网知识问答等存在类似场景的互联网事务也存在同样的问题。
发明内容
有鉴于此,本申请实施例提供一种对话质检方案,以至少部分解决上述问题。
根据本申请实施例的第一方面,提供了一种对话质检方法,包括:待质检的对话段中提取待处理的对话数据,其中,所述对话段中包含有服务者和被服务者之间进行服务交互的多条对话数据;若所述待处理的对话数据为所述被服务者的问题数据,则从所述对话段中确定位于所述问题数据之后的所述服务者的目标对话数据;对所述对话段中,所述问题数据、所述问题数据与所述服务者的目标对话数据之间的中间对话数据,以及所述服务者的目标对话数据进行拼接;对拼接后的对话数据进行是否存在针对所述问题数据的回复的回复检测,根据检测结果确定所述服务者的服务质量。
根据本申请实施例的第二方面,提供了另一种对话质检方法,包括:发送用于请求对服务交互的对话段进行对话质检的请求信息,其中,所述请求信息中包含有待质检的对话段的信息;接收针对所述请求信息的反馈信息,其中,所述反馈信息中包含有根据所述对话段中的对话数据确定的服务者向被服务者提供的服务的服务质量的质检结果信息;获得与所述质检结果信息相匹配的服务调整信息,并根据所述服务调整信息更换服务者或者向所述服务者发送服务行为调整指示信息。
根据本申请实施例的第三方面,提供了又一种对话质检方法,包括:发送用于请求对在线问诊的对话段进行针对医生的服务质量进行质检的请求信息,其中,所述请求信息中包含有所述对话段的信息;接收针对所述请求信息的反馈信息,其中,所述反馈信息中包含有根据所述对话段中的对话数据确定的医生向患者提供的服务的服务质量的质检结果信息;获得与所述质检结果信息相匹配的服务调整信息,并根据所述服务调整信息更换为患者服务的医生或者向所述医生发送服务行为调整指示信息。
根据本申请实施例的第四方面,提供了再一种对话质检方法,包括:发送用于请求对客服服务进行服务质量质检的请求信息,其中,所述请求信息中包含有所述客服服务的标识信息;接收针对所述请求信息的反馈信息,其中,所述反馈信息中包含有根据所述标识信息确定的所述客服服务的服务质量的质检结果信息;获得与所述质检结果信息相匹配的服务调整信息,并根据所述服务调整信息指示更换客服人员或者向所述客服人员发送服务行为调整指示信息。
根据本申请实施例的第五方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如第一方面或第二方面或第三方面或第四方面所述的对话质检方法对应的操作。
根据本申请实施例的第六方面,提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面或第二方面或第三方面或第四方面所述的对话质检方法。
根据本申请实施例的第七方面,提供了一种计算机程序产品,包括计算机指令,所述计算机指令指示计算设备执行如第一方面或第二方面或第三方面或第四方面所述的对话质检方法对应的操作。
根据本申请实施例提供的对话质检方案,在通过对话进行交互服务的场景中,可由进行服务质检的设备基于待质检的对话段进行自动质检。因交互服务场景通常涉及到问题方和回答方,即被服务者和服务者,服务质检也多针对服务者对被服务者的问题回复进行。因此,本申请实施例提供的方案中,若从对话段中提取出的对话数据为被服务者的问题数据,则会获取问题数据之后的数句对话数据进行拼接,其中包括被服务者的问题数据、服务者的对话数据,以及两者之间可能存在的其它对话数据。基于此,再进行针对服务者是否回复了被服务者的问题的回复检测,以此实现服务者的服务质量检测。可见,通过本申请实施例的方案,一方面,不再需要人力进行服务质检,降低了质检成本较高,且提高了质检效率;另一方面,对于非规范的问答对话(如非一问一答式的对话),通过对话数据拼接再检测的方式,可有效避免传统方式下通过一问一答的对话对来检测导致检测不准确的问题,提高了服务质量检测的准确度。
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实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为适用本申请实施例的对话质检方法的示例性系统的示意图;
图2A为根据本申请实施例一的一种对话质检方法的步骤流程图;
图2B为图2A所示实施例中的一种场景示例的示意图;
图3为根据本申请实施例二的一种对话质检方法的步骤流程图;
图4为根据本申请实施例三的一种对话质检方法的步骤流程图;
图5为根据本申请实施例四的一种对话质检方法的步骤流程图;
图6A为根据本申请实施例五的一种对话质检方法的步骤流程图;
图6B为图6A所示实施例中的一种场景示例的示意图;
图7A为根据本申请实施例六的一种对话质检方法的步骤流程图;
图7B为图7A所示实施例中的一种场景示例的示意图;
图8为根据本申请实施例七的一种电子设备的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本申请实施例中的技术方案,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,所描述的实施例仅是本申请实施例一部分实施例,而不是全部的实施例。基于本申请实施例中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于本申请实施例保护的范围。
下面结合本申请实施例附图进一步说明本申请实施例具体实现。
图1示出了一种适用本申请实施例的对话质检方法的示例性系统。如图1所示,该系统100可以包括服务器102、通信网络104和/或一个或多个用户设备106,图1中示例为多个用户设备(本申请实施例中,若无特殊说明,“多个”、“多种”等与“多”有关的数量均意指两个及两个以上)。
服务器102可以是用于存储信息、数据、程序和/或任何其他合适类型的内容的任何适当的服务器。在一些实施例中,服务器102可以执行任何适当的功能。例如,在一些实施例中,服务器102可以用于进行基于交互对话的服务质检。作为可选的示例,在一些实施例中,服务器102可以被用于对待质检的对话段中被服务者的问题数据、该问题数据之后的对话数据直至服务者的对话数据进行拼接,基于拼接后的对话数据进行服务质检。作为另一示例,在一些实施例中,服务器102可以被用于将服务质检的结果发送到用户设备。
在一些实施例中,通信网络104可以是一个或多个有线和/或无线网络的任何适当的组合。例如,通信网络104能够包括以下各项中的任何一种或多种:互联网、内联网、广域网(WAN)、局域网(LAN)、无线网络、数字订户线路(DSL)网络、帧中继网络、异步转移模式(ATM)网络、虚拟专用网(VPN)和/或任何其它合适的通信网络。用户设备106能够通过一个或多个通信链路(例如,通信链路112)连接到通信网络104,该通信网络104能够经由一个或多个通信链路(例如,通信链路114)被链接到服务器102。通信链路可以是适合于在用户设备106和服务器102之间传送数据的任何通信链路,诸如网络链路、拨号链路、无线链路、硬连线链路、任何其它合适的通信链路或此类链路的任何合适的组合。
用户设备106可以包括适合于提供被服务者和服务者之间进行交互的任何一个或多个用户设备。在一些实施例中,用户设备106可以包括任何合适类型的设备。例如,在一些实施例中,用户设备106可以包括移动设备、平板计算机、膝上型计算机、台式计算机、可穿戴计算机、游戏控制台、媒体播放器、车辆娱乐系统和/或任何其他合适类型的用户设备。需要说明的是,在一些实施例中,若用户设备106具有较好的软硬件性能,则可以附加地或可替选地用于实现基于交互对话的对话数据的服务质检。
尽管将服务器102图示为一个设备,但是在一些实施例中,可以使用任何适当数量的设备来执行由服务器102执行的功能。例如,在一些实施例中,可以使用多个设备来实现由服务器102执行的功能。或者,可使用云服务实现服务器102的功能。
基于上述系统,本申请实施例提供了一种对话质检方法,以下通过多个实施例进行说明。
实施例一
参照图2A,示出了根据本申请实施例一的一种对话质检方法的步骤流程图。
本实施例的对话质检方法包括以下步骤:
步骤S202:从待质检的对话段中提取待处理的对话数据。
其中,待质检的对话段可以是一个完整的对话,如,医患之间从开始对话至最后结束对话之间的对话段;但也可以是一个完整对话中的一部分,该部分形成一个完整语义分段,例如,一个原始完整对话中包含了学生A提出的问题1及老师的回复1,以及学生B提出的问题2及老师的回复2,可将问题1及回复1对应的所有对话作为一个对话段,将问题2及回复2对应的所有对话作为另一个对话段。又或者,患者就第一个问题进行了与医生的第一次对话交互,之后又就第二个问题与医生进行了第二次对话交互,则这两次交互过程可以作为两个对话段,当然也可以作为一个完整的对话段。但不限于此,其它对话段的形式也同样适用于本申请实施例。
由上可见,本申请实施例中的对话段中通常包含有服务者(如医生、教师或客服)和被服务者(如患者、学生或咨询客户)之间进行服务交互的多条对话数据。需要说明的是,一条对话数据并不必然表示一个自然语句,而是服务者或被服务者一次输出的语句。例如,被服务者:“大夫,我脚肿了。您看看是怎么回事?有什么好办法?”,也即,该多个自然语句若由被服务者一次输出,则被认为是一条对话数据。当然,一次输出一个自然语句的情形可同样适用本申请实施例的方案,也在本申请实施例的保护范围之内。
在一种可行方式中,被服务者和服务者之间的交互可通过标识ID区分,其中每一方每一次的对话都会对应有标识ID,则可基于该标识ID提取对话数据并进行处理。示例性地,假设被服务者的标识ID为ID-1,服务者的标识ID为ID-2,两者进行了如下交互对话:ID-1:“大夫,我脚肿了。您看看是怎么回事?有什么好办法?”;ID-2:“是扭了吗?什么原因导致的?”;ID-1:“昨天骑车摔了”;ID-1:“但当时没觉得脚不得劲”;ID-2:“进行过什么处理吗?”;ID-1:“没有”;ID-2“可以冷敷下,注意休息。如果不能缓解,建议去医院看下”……,上述交互对话中被服务者和服务者分别进行了7次对话,则可认为其中包含了7条对话数据,一次对话对应一个ID号及一条对话数据,一条对话数据里可能仅有一个自然语句,也可能包含多个自然语句。
需要说明的是,本申请实施例中的对话数据可以是原始输入的文本数据,也可以是对原始输入的语音数据进行转换获得的文本数据,还可以是两者的混合形式。
步骤S204:若待处理的对话数据为被服务者的问题数据,则从对话段中确定位于问题数据之后的服务者的目标对话数据。
如前所述,在服务者和被服务者之间的交互对话中,通常由被服务者提出问题,由服务者回复问题。但在实际应用中,可能存在服务者不回复或者回复并不是针对被服务者提出的问题或者回复语气或态度不好等种种现象。也正因为此,在确定了当前提取的对话数据为被服务者的问题数据时,需要从对话段中确定其后的服务者的对话数据,以为后续判断服务者是否针对性地回复了被服务者的问题提供依据。
需要说明的是,确定服务者的对话数据时,可以先选择位于问题数据之后的最近的一条服务者的对话数据,若该条对话数据不为回复数据,如也为一条服务者的问题数据,则继续向下查找,直至找到可能为回复的对话数据作为目标对话数据或者确定整个对话段中不存在回复数据时,停止查找。
步骤S206:对对话段中,问题数据、问题数据与服务者的目标对话数据之间的中间对话数据,以及服务者的目标对话数据进行拼接。
如前所述,交互服务中经常存在除一问一答形式之外的对话场景,不能通过传统方式中基于这种一问一答对话对的分析和质量检测来处理。因此,本申请实施例中,在确定了服务者的目标对话数据后,会对自问题数据始至服务者的目标对话数据至的所有对话数据进行拼接。可以认为拼接后的对话数据反映了一个问题及回复的完整语境,包含了更多的语义信息和上下文信息。
步骤S208:对拼接后的对话数据进行是否存在针对问题数据的回复的回复检测,根据检测结果确定服务者的服务质量。
前述步骤中确定的目标对话数据可能为针对问题数据的回复数据,也可能是其它对话数据,需要结合整个拼接后的对话数据进行分析和检测才能确定。若确定为回复数据,则可认为服务者合理回答了被服务者的问题,达到了一定的服务质量。
需要说明的是,在一种可行方式中,若问题数据中包括多个子问题,则服务者对其中部分子问题有回复,即可认为服务者回复了该问题数据对应的问题,以在满足质检基本标准的前提下提高质检效率。但不限于,也可以针对每一个子问题判断是否均得到了回复,在全部回复的情况下才认为服务者回复了该问题数据对应的问题。
以下,以一个在线问诊场景为示例对上述过程进行说明,如图2B所示。
假设,待质检的对话段中包括以下对话:患者:“大夫,我脚肿了。您看看是怎么回事?有什么好办法?”;医生:“是扭了吗?什么原因导致的?”;患者:“昨天骑车摔了”;患者:“但当时没觉得脚不得劲”;医生:“进行过什么处理吗?”;患者:“没有”;医生:“可以冷敷下,注意休息。如果不能缓解,建议去医院看下”;患者:“哪家医院比较好?”;医生:“你这个病一般的医院都能看,找个附近的正规医院就行”;患者:“好的,谢谢大夫”。本示例中的被服务者为患者,服务者为医生。
基于上述对话段,首先,提取出对话数据<患者:“大夫,我脚肿了。您看看是怎么回事?有什么好办法?”>;接着,识别其是否为患者的问题数据;因该对话数据为患者的问题数据,则接着确定后一对话数据<医生:“是扭了吗?什么原因导致的?”>是否为针对患者问题数据的目标对话数据;因该对话数据虽为医生的对话数据但其仍然是一句问句而不是回复常规采用的陈述句,因此,继续获取下一条医生的对话数据<医生:“进行过什么处理吗?”>,经判定仍然不能作为目标对话数据;继续获取下一条医生的对话数据<医生:“可以冷敷下,注意休息。如果不能缓解,建议去医院看下”>,经识别,其有可能为针对问题数据的回复,将其确定为目标对话数据。上述过程在图中通过一个页面简单示意,其中“X”号表示对话数据为非目标对话数据,“√”表示对话数据为目标对话数据。基于此,将自<患者:“大夫,我脚肿了。您看看是怎么回事?有什么好办法?”>始至<医生:“可以冷敷下,注意休息。如果不能缓解,建议去医院看下”>至的对话进行拼接,形成拼接后的对话数据,即<患者:“大夫,我脚肿了。您看看是怎么回事?有什么好办法?”;医生:“是扭了吗?什么原因导致的?”;患者:“昨天骑车摔了”;患者:“但当时没觉得脚不得劲”;医生:“进行过什么处理吗?”;患者:“没有”;医生:“可以冷敷下,注意休息。如果不能缓解,建议去医院看下”>;本示例中,采用将该对话数据输入用于判断问题和回答是否匹配的神经网络模型进行回复检测,输出匹配度评分。假设,输出的匹配度评分为8分(10分为满分),则可认为医生针对性地回复了患者的问题,服务质量较好。
可见,通过本实施例,在通过对话进行交互服务的场景中,可由进行服务质检的设备基于待质检的对话段进行自动质检。因交互服务场景通常涉及到问题方和回答方,即被服务者和服务者,服务质检也多针对服务者对被服务者的问题回复进行。因此,本实施例提供的方案中,若从对话段中提取出的对话数据为被服务者的问题数据,则会获取问题数据之后的数句对话数据进行拼接,其中包括被服务者的问题数据、服务者的对话数据,以及两者之间可能存在的其它对话数据。基于此,再进行针对服务者是否回复了被服务者的问题的回复检测,以此实现服务者的服务质量检测。可见,通过本实施例的方案,一方面,不再需要人力进行服务质检,降低了质检成本较高,且提高了质检效率;另一方面,对于非规范的问答对话(如非一问一答式的对话),通过对话数据拼接再检测的方式,可有效避免传统方式下通过一问一答的对话对来检测导致检测不准确的问题,提高了服务质量检测的准确度。
实施例二
参照图3,示出了根据本申请实施例二的一种对话质检方法的步骤流程图。
本实施例的对话质检方法包括以下步骤:
步骤S302:从待质检的对话段中提取待处理的对话数据。
其中,对话段中包含有服务者和被服务者之间进行服务交互的多条对话数据。
在一种可行方式中,本步骤可以实现为:获取待质检的对话段;逐条提取对话段中的对话,并根据对话段中的对话的时序和每条对话对应的角色信息,生成包含角色信息和对话的对话数据序列;从对话数据序列中提取待处理的对话数据。
交互对话中,通常每一句对话都对应有相应的标识,该标识可表征对话双方的角色信息。如前实施例一中所述,ID-1表征的是患者,ID-2表征的是医生。基于此,本实施例中,会根据对话的时序和对话的角色信息,生成对话数据序列,如,<ID-1:“大夫,我脚肿了。您看看是怎么回事?有什么好办法?”---ID-2:“是扭了吗?什么原因导致的?”---ID-1:“昨天骑车摔了”……>。可见,从该对话数据序列中提取出的对话数据既包含有角色信息又包含有对话内容。通过这种方式,既提高了后续对话数据处理的效率,又便于对话数据管理。
需要说明的是,在实际应用中,上述ID标识的形式,直接的角色标记的形式也可同样适用,如将ID-1替换为患者XXX,将ID-2替换为医生YYY等。但不限于此,其它可确定角色信息的方式也同样适用。
步骤S304:判断待处理的对话数据是被服务者的对话数据还是服务者的对话数据;若为服务者的对话数据,则执行步骤S306;若为被服务者的对话数据,则执行步骤S308。
本实施例中,根据对话数据对应的角色,对被服务者的对话数据和服务者的对话数据分别进行处理。也即,后续会在基于对话数据确定服务者是否针对被服务者的问题进行了回复的同时,还会对服务者的服务态度进行同步检测,以更为准确和全面地反映服务者所提供的服务的质量。
在具体实现时,可选地,可以获取待处理的对话数据的角色信息;根据角色信息判断待处理的对话数据为服务者的对话数据或为被服务者的对话数据;若待处理的对话数据为服务者的对话数据,则执行步骤S306,即对待处理的对话数据进行服务态度质检,并获得服务态度质检结果;若待处理的对话数据为被服务者的对话数据,则执行步骤S308,即若待处理的对话数据为被服务者的问题数据,则从对话段中确定位于问题数据之后的服务者的目标对话数据的操作。
步骤S306:对待处理的对话数据进行服务态度质检,并获得服务态度质检结果。然后,转步骤S314执行。
在一种可行方式中,当待处理的对话数据为服务者的对话数据时,可以将对话数据与预设的服务态度关键词进行匹配,根据匹配结果,以及关键词所对应的服务态度评价信息,获得服务者的服务态度质检结果。这种方式的服务态度质检实现相对简单,质检速度快。
在另一种可行方式中,当待处理的对话数据为服务者的对话数据时,可将该对话数据输入预先训练好的进行服务态度评价的神经网络模型,根据模型输出的结果获得服务者的服务态度质检结果。通过这种方式,获得的服务态度质检结果的准确度更高。
但不限于此,其它服务态度质检的方式也同样适用于本申请实施例的方案。
步骤S308:若待处理的对话数据为被服务者的问题数据,则从对话段中确定位于问题数据之后的服务者的目标对话数据。
本步骤在具体实现时,因已确定其为被服务者的对话数据,但有可能是问题数据,也有可能是非问题数据,因此,在确定了待处理的对话数据为被服务者的对话数据后,再进于步判断其是否为问题数据,在确定其为问题数据后,从对话段中确定位于问题数据之后的服务者的目标对话数据。
也即,在一种可行方式中,本步骤可以实现为:若根据待处理的对话数据的角色信息,确定待处理的对话数据为被服务者的对话数据,则对待处理的对话数据进行是否为问题数据的识别检测;若根据识别检测结果确定待处理的对话数据为问题数据,则从对话段中确定时序位于问题数据之后的服务者的目标对话数据。
其中,对问题数据的识别检测可采用预先训练完成的具有问题数据识别功能的神经网络模型,但不限于此,其它可识别问题数据的方式或算法也同样适用,如根据对话数据中是否包含有疑问词和/或问号等来判断在。
一般来说,交互对话都具有时间信息,本实施例中使用该时间信息确定对话数据的时序,以在确定被服务者的对话数据为问题数据后,可以根据对话数据的时序从对话段中找到时序位于问题数据之后的、服务者的目标对话数据。但不限于此,若对话数据具有相对应的顺序编号,也可根据对话数据的顺序编号从对话段中找到顺序位于问题数据之后的目标对话数据,等等。
在一种可行方式中,服务者的目标对话数据的确定也可采用预先训练好的神经网络模型,例如,可以将问题数据和当前对话数据一起输入神经网络模型,通过神经网络模型输出两者的匹配度,若匹配度高于预设阈值,则可将当前对话数据作为目标对话数据。若匹配度低于该预设阈值,则继续提取下一对话数据。其中,预设阈值的具体设置可由本领域技术人员根据实际需求设置,本申请实施例对此不作限制。
虽然可以挑选出目标对话数据,但该目标对话数据是否为针对问题数据的回复数据,还需要进行进一步处理和更为准确的判断。
步骤S310:对所述对话段中,问题数据、问题数据与服务者的目标对话数据之间的中间对话数据,以及服务者的目标对话数据进行拼接。
在一种可行方式中,可以根据对话段中的对话数据的时序,将问题数据、时序位于问题数据与服务者的目标对话数据之间的中间对话数据,以及服务者的目标对话数据进行拼接。由此,充分利用了对话数据自身具有的时间信息,提高了对话数据拼接效率,节省了对话数据拼接成本。但如前所述,若对话数据具有对应的顺序编号,则也可基于顺序编号进行拼接。拼接后的对话数据包含有更丰富的信息,为后续的处理提供了有效的处理依据。
步骤S312:对拼接后的对话数据进行是否存在针对问题数据的回复的回复检测,获得回复检测的检测结果。
基于拼接后的对话数据进行回复检测同样可使用预先训练完成的可进行问题回复匹配度检测的神经网络模型实现。在一种可行方式中,本步骤使用的神经网络模型可与确定目标对话数据的神经网络模型复用,但与确定目标对话数据时输入问题数据和当前对话数据不同,进行回复检测时需要输入携带有更丰富的语义信息的拼接后的对话数据。但不限于此,进行回复检测的神经网络模型也可与确定目标对话数据的神经网络不同,只需具备相应的功能即可。
进行回复检测的神经网络模型会基于拼接后的对话数据输出问题数据与目标对话数据的匹配度,因本步骤中是基于拼接后的对话数据进行检测,因此,输出的匹配度更为准确,可作为评价服务者的服务质量的依据。
在一种可行方式中,对拼接后的对话数据进行是否存在针对问题数据的回复的回复检测可以实现为:对拼接后的对话数据中的对话内容进行第一编码,获得对话内容编码数据;对拼接后的对话数据中的角色信息进行第二编码,获得角色编码数据;将内容编码数据和角色编码数据进行拼接,获得拼接后的编码数据;基于拼接后的编码数据进行是否存在针对问题数据的回复的回复检测。因对话内容和角色信息不管是从数据大小还是数据类型上都存在着较为明显的不同,采用分别对对话内容和角色信息进行编码的方式,可以有效提高编码效率,也便于对对话内容和角色信息的统一管理。其中,第一编码和第二编码为不同的编码方式,但在具体应用中,本领域技术人员可根据对话内容和角色信息的上述特点,自行选择合适的编码方式,包括但不限于词向量方式,通过神经网络模型进行编码的方式等等。
进一步可选地,在对拼接后的对话数据中的对话内容进行第一编码,获得对话内容编码数据时,可以为拼接后的对话数据中的对话内容添加对应的角色信息;对添加了角色信息后的对话内容进行第一编码,获得对话内容编码数据。通过这种方式形成的编码数据更易于被神经网络模型进行检测和识别,提高神经网络模型的检测和识别效率。
步骤S314:根据服务态度质检结果和回复检测的检测结果,确定服务者的服务质量。
在获得了服务态度质检结果和回复检测的检测结果后,可以结合服务者在态度和回复两方面的表现,对服务者提供的服务的服务质量进行综合评价,获得较为准确的服务质量评价结果。
通过本实施例,在通过对话进行交互服务的场景中,可由进行服务质检的设备基于待质检的对话段进行自动质检。因交互服务场景通常涉及到问题方和回答方,即被服务者和服务者,服务质检也多针对服务者对被服务者的问题回复进行。因此,本实施例提供的方案中,若从对话段中提取出的对话数据为被服务者的问题数据,则会获取问题数据之后的数句对话数据进行拼接,其中包括被服务者的问题数据、服务者的对话数据,以及两者之间可能存在的其它对话数据。基于此,再进行针对服务者是否回复了被服务者的问题的回复检测,以此实现服务者的服务质量检测。可见,通过本实施例的方案,一方面,不再需要人力进行服务质检,降低了质检成本较高,且提高了质检效率;另一方面,对于非规范的问答对话(如非一问一答式的对话),通过对话数据拼接再检测的方式,可有效避免传统方式下通过一问一答的对话对来检测导致检测不准确的问题,提高了服务质量检测的准确度。
实施例三
参照图4,示出了根据本申请实施例三的一种对话质检方法的步骤流程图。
本实施例以在线问诊场景下的交互对话为示例,对本申请实施例的对话质检方法进行说明。
本实施例的对话质检方法包括以下步骤:
步骤S402:从在线问诊的对话库中,选取在线问诊需要质检的完整对话。
本实施例中,将在线问诊过程中产生的对话存储至对话库中,在一种可行方式中,可以一个在线问诊订单对应一次在线问诊对话,如,一个订单号对应一次在线问诊的完整对话。
此外,如果对话中含有音频,可以通过诸如ASR等技术进行转换获得对应的文本。并且,本实施例中,对话库中存储的多个完整对话为具有角色信息的对话,或者可以说,每个完整对话中的每句对话数据都包含有角色信息和对话内容。
步骤S404:从完整对话中逐条提取对话数据。
因对话数据中包含有角色信息和对话内容,因此,提取出的对话数据为包含角色信息的对话数据序列[(Ri,Ui)],1≤i≤N,其中i表示对话数据序列中的第i个对话数据,N是完整对话的所有对话数据总数,Ri∈{PAT,DOC}表示对话角色,PAT代表患者,DOC代表医生,Ui表示第i次对话的文字内容。
步骤S406:判断对话角色;如果第i条对话数据的是医生的对话数据,则执行步骤S408;第i条对话数据的是患者的对话数据,则执行步骤S412。
例如,可以根据对话数据中的角色信息判断当前的对话是医生的对话数据还是患者的对话数据。
步骤S408:如果第i条对话数据的是医生的对话数据,则使用模型进行多维度的服务态度识别。
如果第i条对话数据的是医生的对话数据,即(Ri,Ui),Ri=DOC,则将Ui作为输入,输入预先训练好的多维度模型(可能有多个,也可以为一个)进行识别(包括骚扰、辱骂、其他服务态度等),得到模型输出的服务态度标签,该标签可反映医生的服务态度,包括但不限于除骚扰、辱骂之外的、礼貌、柔和、亲切、中性、热情、冷淡,等等。具体的标签设置可由本领域技术人员根据需求适当设置,可反映医生的服务态度即可。
其中,本步骤中使用的模型包括但不限于CNN卷积神经网络模型、RNN循环卷积神经网络模型、Transformer模型及其它具有服务态度识别功能的预训练模型等。
步骤S410:判断医生回复是否合规;若合规,则返回步骤S404继续提取下一句对话数据;若不合规,则执行步骤S420。
即,根据步骤S408的服务态度识别结果,判断医生的回复是否符合服务态度规范。其中,服务态度规范也可由本领域技术人员根据实际情况设定,本申请实施例对此也不作限制。
在实际应用中,若医生回复合规,则可一方面输出该合规的结果,另一方面返回步骤S404继续执行。当然,也可以仅医生回复不合规时,输出结果。
步骤S412:如果第i次对话数据是患者的对话数据,则使用提问模型对患者的对话数据进行识别。
如果第i次对话数据是患者的对话数据,即(Ri,Ui),Ri=PAT,则将Ui作为输入,输入预先训练好的提问模型进行识别,以识别患者的对话数据是否为问诊相关的问题数据,根据提问模型的输出得到预测标签Li∈{Q,O},其中,Q代表Ui为问诊相关的问题数据,0代表其他情况。
其中,本步骤中使用的模型包括但不限于CNN卷积神经网络模型、RNN循环卷积神经网络模型、Transformer模型及其它具有问题数据识别功能的预训练模型等。
步骤S414:根据识别结果判断患者的对话数据是否为问题数据;若不为问题数据,则返回步骤S404;若为问题数据,则执行步骤S416。
根据提问模型输出的预测标签Li∈{Q,O},若Li=0,则返回步骤S404继续下一对话数据的提取;若Li=Q,进入下一步骤。
步骤S416:在当前对话数据为患者的问题数据时,从完整对话中提取患者的问题数据、问题数据与医生的目标回复数据之间的中间对话数据、及医生的目标回复数据进行拼接。
如,若确定当前对话数据为患者的问题数据,即(Ri,Ui,Li),Ri=PAT,Li=Q,从完整对话中依次选取该患者的对话数据之后的医生的对话数据,从中确定出医生的目标回复数据。将本次患者的对话数据(Ri,Ui),医生的目标回复数据(Rj,Uj),两次对话数据中间的中间对话数据{(Rk,Uk)}进行拼接,得到[(Ri,Ui),{(Rk,Uk)},(Rj,Uj)],1≤i<k<j≤N。
步骤S418:使用问答匹配模型进行识别。
在具体实现时,可以通过句子编码模块对步骤S416得到的拼接后的对话数据中的对话内容部分,即[Ui,{Uk},Uj]进行第一编码,得到[Hi,{Hk},Hj],叠加角色信息对应的第二编码,得到[Hi+RHi,{Hk+RHk},Hj+RHj],其中RHi是第i次对话数据的角色信息对应的角色编码。
其中,上述第一编码和第二编码的方式包括但不限于使用词向量、使用预训练模型等方式。
此外,在进行编码时,一种可行方式中,可以第一编码和第二编码直接相加,例如:U:合肥的;R:【患者的角色信息】,则可先对“U:合肥”部分进行第一编码,对“R:【患者的角色信息】”部分进行第二编码,再将第一编码和第二编码相加。
在另一种可行方式中,可以在原内容中添加角色信息提示字符,例如:原始对话数据为:U:合肥的;R:【患者的角色信息】;为其添加角色信息提示字符,形成:U:患者:合肥的;R:【患者的角色信息】。然后,对“U:患者:合肥的”部分进行第一编码,对“R:【患者的角色信息】”部分进行第二编码,再将第一编码和第二编码相加。
将相加后的编码作为问答匹配模型的输入,以识别一个或多个医生的对话数据中,是否有对患者的问题数据做出合理回答的回复数据。也即,识别医生是否有效回复了患者的问题。若有,则一方面可输出该识别结果,另一方面,可返回步骤S404继续下一句对话数据的提取;若无,则表明医生没有回答患者的问题,执行步骤S420。当然,也可以仅在医生没有回答患者的问题,输出结果,并执行步骤S420。
其中,本步骤中使用的模型包括但不限于CNN卷积神经网络模型、RNN循环卷积神经网络模型、Transformer模型及其它具有问答匹配识别功能的预训练模型等。
步骤S420:根据医生的服务态度和针对患者的问题的回复,进行医生的服务质量评价。
例如,可以依据预先设定的规则对医生的服务进行评分操作等。
通过本实施例,一方面,使用多种模型进行相应的识别和检测,模型替代了人工,提升了质检效率,降低了质检成本;此外,相较于用于识别和检测和各种复杂规则,本实施例中的各种模型具有更好的泛化召回能力,同时基于拼接后的对话数据的上下文进行识别也能减少误召回;另一方面,将完整对话进行拆解后,再输入模型进行处理,降低了模型识别医生回复是否有效的难度。
实施例四
参照图5,示出了根据本申请实施例四的一种对话质检方法的步骤流程图。
本实施例中,以前述实施例中所述的对话质检方法由服务端(如后台服务器或云端等)执行为示例,从客户端角度对本申请的对话质检方法进行说明。但本领域技术人员应当明了的是,若客户端具有足够的软硬件性能,上述多个实施例中的对话质检方法同样可在客户端实现,或者,部分在客户端实现部分在服务端实现。
本实施例的对话质检方法包括以下步骤:
步骤S502:发送用于请求对服务交互的对话段进行对话质检的请求信息。
其中,所述请求信息中包含有待质检的对话段的信息。
例如,客户端通过网页或应用程序界面接收输入的用于对待质检的对话段进行质检的信息,通过相应的触发选项(如提交按钮或声音操作或手势操作等),生成相应的请求信息,并向服务端发送。对话段的信息包括但不限于:对话订单的信息、对话标识(如名称、地址、ID号)的信息等等,本申请实施例对对话段的信息的具体形式不作限制。
步骤S502:接收针对请求信息的反馈信息。
其中,反馈信息中包含有根据对话段中的对话数据确定的服务者向被服务者提供的服务的服务质量的质检结果信息。
服务端基于对话段的信息即可获得待质检的对话段,进而可采用如前述实施例一至三任一实施例中所述的对话质检方法对该待质检的对话段进行处理,以获得服务者向被服务者提供的服务的服务质量的质检结果信息,如前述的评价分数等。
步骤S504:获得与质检结果信息相匹配的服务调整信息,并根据服务调整信息指示更换服务者或者向服务者发送服务行为调整指示信息。
其中,服务调整信息可由本领域技术人员根据具体的服务场景设置,若服务质量很差,除可要求服务者进行服务行为调整外,也可直接更换掉服务者,如一定时期不再为其派发服务订单或者分配被服务者等。若服务质量存在一定瑕疵,但还未达必须更换的调整底线,则可以向该服务者发送相应的服务行为调整指示信息,以要求服务者根据该指示信息调整其服务行为,向被服务者提供更好的服务。例如,调整对话用词、语气等等。
通过本实施例,可根据实际需求,请求服务端基于交互服务中的对话段对服务者的服务质量进行质检,可广泛应用于多种交互服务场景,具有较好的适用性和兼容性,且提升了服务质检的效率。
实施例五
参照图6A,示出了根据本申请实施例五的一种对话质检方法的步骤流程图。
本实施例以在线问诊为例,仍设定前述实施例中所述的对话质检方法由服务端(如后台服务器或云端等)执行,从客户端角度对本申请的对话质检方法进行说明。
步骤S602:发送用于请求对在线问诊的对话段进行针对医生的服务质量进行质检的请求信息。
其中,所述请求信息中包含有对话段的信息。
例如,客户端可以通过在线问诊的网页或在线问诊应用程序界面接收输入的用于对待质检的对话段进行质检的信息,并生成相应的请求信息向服务端发送。对话段的信息包括但不限于:在线问诊订单的信息、在线问诊标识(如名称、地址、ID号)的信息等等,本申请实施例对对话段的信息的具体形式不作限制。
步骤S604:接收针对请求信息的反馈信息。
其中,反馈信息中包含有根据对话段中的对话数据确定的医生向患者提供的服务的服务质量的质检结果信息。
服务端基于在线问诊的对话段的信息即可获得待质检的对话段,进而可采用如前述实施例一至三任一实施例中所述的对话质检方法对该待质检的对话段进行处理,以获得医生向患者提供的在线问诊服务的服务质量的质检结果信息,如前述的评价分数等。
步骤S606:获得与质检结果信息相匹配的服务调整信息,并根据服务调整信息指示更换为患者服务的医生或者向医生发送服务行为调整指示信息。
其中,服务调整信息可由本领域技术人员根据在线问诊的服务场景设置,本申请实施例对此不作限制。
以下,以一个场景示例对上述过程进行示例性说明,如图6B所示。
图6B中,具有在线问诊服务质量质检权限的用户通过客户端的在线问诊应用程序的界面输入待质检的对话段的信息,本示例中,通过在线问诊订单号指示待质检的对话段的信息。假设,该在线问诊订单号为“12345”在用户点击“质检”按钮后,客户端根据在线问诊订单号生成请求信息,并发送给服务端。服务端在接收到该请求信息后,从中获取在线问诊订单号,并从数据库中查询获得与该在线问诊订单号对应的对话段。进而,基于前述实施例一至三中任一项所述的对话质检方法对该对话段进行服务质检。本示例中,假设经过服务质检,若确定该在线问诊订单号对应的医生的服务质量为8分(满分10分),则将该评分反馈给客户端。客户端在接收到该评分后,给出“这个医生很棒,希望再接再厉哦~”的提示信息。在另一种情况中,假设确定该在线问诊订单号对应的医生的服务质量为6分,则服务端仍将该评分反馈给客户端。客户端在接收到该评分后,给出“服务质量有待提高,还请调整服务行为,避免使用负面用词。”的调整指示信息。若请求质检的为医生,则该医生即可根据该调整指示信息,对自己的后续服务行为进行调整。
通过本实施例,可根据在线问诊服务中的实际需求,请求服务端基于在线问诊交互服务中的对话段对医生的服务质量进行质检,可有效提高在线问诊服务质检的效率。
实施例六
参照图7A,示出了根据本申请实施例六的一种对话质检方法的步骤流程图。
本实施例以客户服务为例,仍设定前述实施例中所述的对话质检方法由服务端(如后台服务器或云端等)执行,从客户端角度对本申请的对话质检方法进行说明。
步骤S702:发送用于请求对客服服务进行服务质量质检的请求信息。
其中,请求信息中包含有客服服务的标识信息。
一般来说,客服服务可以通过在线文字交互的形式提供,如电子商务中,客服人员通过在线客服界面与用户进行售前或售后的交互等,但不限于文字交互的形式,该交互也可以通过语音的方式或语音与文字混合的形式。当交互内容包括语音时,将语音转换为文本后即可进行本实施例的对话质检。而在某些场景中,如电话客服,则完全为语音对话形式,这种场景中,也将语音对话转换为文本对话即可进行本实施例的对话质检。
一次完整的服务通常对应有一个标识,即客服服务的标识信息,基于该标识信息可确定待进行服务质量质检的客服服务及其对应的对话段。
步骤S704:接收针对请求信息的反馈信息。
其中,反馈信息中包含有根据所述标识信息确定的客服服务的服务质量的质检结果信息。
在一种可选的具体实现中,反馈信息中包含有根据所述标识信息确定客服服务对应的对话段,根据对话段中的对话数据确定的客服服务的服务质量的质检结果信息。
本实施例中,服务端在获取到客服服务的标识信息后,可以基于该标识信息查找获得对应的客服服务的对话段,如,某个ID标识的某次客服服务的完整对话的对话段。进而,服务端基于该对话段,可采用如前述实施例一至三任一实施例中所述的对话质检方法对该对话段进行质检处理,以获得该客服服务的服务质量的质检结果信息,如前述的评价分数等,并反馈给客户端。
步骤S706:获得与质检结果信息相匹配的服务调整信息,并根据服务调整信息指示更换客服人员或者向客服人员发送服务行为调整指示信息。
其中,服务调整信息可由本领域技术人员根据客服服务的服务场景设置,本申请实施例对此不作限制。
以下,以一个场景示例对上述过程进行示例性说明,如图7B所示。
图7B中,在界面中展示有用于请求对某次客服服务进行质检的输入框和质检触发按钮。用户可以在该输入框中输入请求质检的客服服务的标识信息,如S1001,在用户点击“质检”按钮后,即触发向服务端发送用于请求对客服服务进行服务质量质检的请求信息,在该请求信息中携带有待质检的客服服务的标识信息,如“S1001”。服务端在接收到该请求信息后,从中获取客服服务的标识信息,进而,根据该标识信息从存储有多个客服服务及对应的对话段的数据库中,查找与“S1001”对应的对话段。在获取到“S1001”对应的对话段后,基于前述实施例一至三中任一项所述的对话质检方法对该对话段进行服务质检。本示例中,假设经过服务质检,若确定该在客服服务的服务质量为7分(满分10分),则将该评分反馈给客户端。客户端在接收到该评分后,给出“您的服务有待改进,请注意哦~”的提示信息。
可见,通过本实施例,可有效实现对各种客服服务,包括在线客服服务和电话客服服务等的服务质量的质检,有效提高客服服务质检的效率。
实施例七
参照图8,示出了根据本申请实施例六的一种电子设备的结构示意图,本申请具体实施例并不对电子设备的具体实现做限定。
如图8所示,该电子设备可以包括:处理器(processor)802、通信接口(Communications Interface)804、存储器(memory)806、以及通信总线808。
其中:
处理器802、通信接口804、以及存储器806通过通信总线808完成相互间的通信。
通信接口804,用于与其它电子设备或服务器进行通信。
处理器802,用于执行程序810,具体可以执行上述对话质检方法实施例中的相关步骤。
具体地,程序810可以包括程序代码,该程序代码包括计算机操作指令。
处理器802可能是CPU,或者是特定集成电路ASIC(Application SpecificIntegrated Circuit),或者是被配置成实施本申请实施例的一个或多个集成电路。智能设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器806,用于存放程序810。存储器806可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序810具体可以用于使得处理器802执行前述实施例一至六中任一所述的对话质检方法对应的操作。
程序810中各步骤的具体实现可以参见上述对话质检方法实施例中的相应步骤和单元中对应的描述,并具有相应的有益效果,在此不赘述。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,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
本申请实施例还提供了一种计算机程序产品,包括计算机指令,该计算机指令指示计算设备执行上述多个方法实施例中的任一对话质检方法对应的操作。
需要指出,根据实施的需要,可将本申请实施例中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本申请实施例的目的。
上述根据本申请实施例的方法可在硬件、固件中实现,或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码,或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如,RAM、ROM、闪存等),当所述软件或计算机代码被计算机、处理器或硬件访问且执行时,实现在此描述的对话质检方法。此外,当通用计算机访问用于实现在此示出的对话质检方法的代码时,代码的执行将通用计算机转换为用于执行在此示出的对话质检方法的专用计算机。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请实施例的范围。
以上实施方式仅用于说明本申请实施例,而并非对本申请实施例的限制,有关技术领域的普通技术人员,在不脱离本申请实施例的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本申请实施例的范畴,本申请实施例的专利保护范围应由权利要求限定。
Claims (14)
1.一种对话质检方法,包括:
从待质检的对话段中提取待处理的对话数据,其中,所述对话段中包含有服务者和被服务者之间进行服务交互的多条对话数据;
若所述待处理的对话数据为所述被服务者的问题数据,则从所述对话段中确定位于所述问题数据之后的所述服务者的目标对话数据;
对所述对话段中,所述问题数据、所述问题数据与所述服务者的目标对话数据之间的中间对话数据,以及所述服务者的目标对话数据进行拼接;
对拼接后的对话数据进行是否存在针对所述问题数据的回复的回复检测,根据检测结果确定所述服务者的服务质量。
2.根据权利要求1所述的方法,其中,所述从待质检的对话段中提取待处理的对话数据,包括:
获取待质检的对话段;
逐条提取所述对话段中的对话,并根据所述对话段中的对话的时序和每条对话对应的角色信息,生成包含所述角色信息和所述对话的对话数据序列;
从所述对话数据序列中提取待处理的对话数据。
3.根据权利要求2所述的方法,其中,所述方法还包括:
获取所述待处理的对话数据的角色信息;
根据所述角色信息判断所述待处理的对话数据为所述服务者的对话数据或为所述被服务者的对话数据;
若所述待处理的对话数据为所述服务者的对话数据,则对所述待处理的对话数据进行服务态度质检,并获得服务态度质检结果;
若所述待处理的对话数据为所述被服务者的对话数据,则执行所述若所述待处理的对话数据为所述被服务者的问题数据,则从所述对话段中确定位于所述问题数据之后的所述服务者的目标对话数据的操作。
4.根据权利要求1-3任一项所述的方法,其中,所述若所述待处理的对话数据为所述被服务者的问题数据,则从所述对话段中确定位于所述问题数据之后的所述服务者的目标对话数据,包括:
若根据所述待处理的对话数据的角色信息,确定所述待处理的对话数据为所述被服务者的对话数据,则对所述待处理的对话数据进行是否为问题数据的识别检测;
若根据识别检测结果确定所述待处理的对话数据为问题数据,则从所述对话段中确定时序位于所述问题数据之后的所述服务者的目标对话数据。
5.根据权利要求4所述的方法,其中,所述对所述对话段中,所述问题数据、所述问题数据与所述服务者的目标对话数据之间的中间对话数据,以及所述服务者的目标对话数据进行拼接,包括:
根据所述对话段中的对话数据的时序,将所述问题数据、时序位于所述问题数据与所述服务者的目标对话数据之间的中间对话数据,以及所述服务者的目标对话数据进行拼接。
6.根据权利要求4所述的方法,其中,所述对拼接后的对话数据进行是否存在针对所述问题数据的回复的回复检测,包括:
对所述拼接后的对话数据中的对话内容进行第一编码,获得对话内容编码数据;
对所述拼接后的对话数据中的角色信息进行第二编码,获得角色编码数据;
将所述内容编码数据和所述角色编码数据进行拼接,获得拼接后的编码数据;
基于拼接后的编码数据进行是否存在针对所述问题数据的回复的回复检测。
7.根据权利要求6所述的方法,其中,所述对所述拼接后的对话数据中的对话内容进行第一编码,获得对话内容编码数据,包括:
为所述拼接后的对话数据中的对话内容添加对应的角色信息;
对添加了角色信息后的所述对话内容进行第一编码,获得对话内容编码数据。
8.一种对话质检方法,包括:
发送用于请求对服务交互的对话段进行对话质检的请求信息,其中,所述请求信息中包含有待质检的对话段的信息;
接收针对所述请求信息的反馈信息,其中,所述反馈信息中包含有根据所述对话段中的对话数据确定的服务者向被服务者提供的服务的服务质量的质检结果信息;
获得与所述质检结果信息相匹配的服务调整信息,并根据所述服务调整信息指示更换服务者或者向所述服务者发送服务行为调整指示信息。
9.一种对话质检方法,包括:
发送用于请求对在线问诊的对话段进行针对医生的服务质量进行质检的请求信息,其中,所述请求信息中包含有所述对话段的信息;
接收针对所述请求信息的反馈信息,其中,所述反馈信息中包含有根据所述对话段中的对话数据确定的医生向患者提供的服务的服务质量的质检结果信息;
获得与所述质检结果信息相匹配的服务调整信息,并根据所述服务调整信息指示更换为患者服务的医生或者向所述医生发送服务行为调整指示信息。
10.一种对话质检方法,包括:
发送用于请求对客服服务进行服务质量质检的请求信息,其中,所述请求信息中包含有所述客服服务的标识信息;
接收针对所述请求信息的反馈信息,其中,所述反馈信息中包含有根据所述标识信息确定的所述客服服务的服务质量的质检结果信息;
获得与所述质检结果信息相匹配的服务调整信息,并根据所述服务调整信息指示更换客服人员或者向所述客服人员发送服务行为调整指示信息。
11.根据权利要求10所述的方法,其中,所述反馈信息中包含有根据所述标识信息确定所述客服服务对应的对话段,根据所述对话段中的对话数据确定的所述客服服务的服务质量的质检结果信息。
12.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-11中任一项所述的对话质检方法对应的操作。
13.一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-11中任一项所述的对话质检方法。
14.一种计算机程序产品,包括计算机指令,所述计算机指令指示计算设备执行如权利要求1-11中任一项所述的对话质检方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111349759.7A CN114049973A (zh) | 2021-11-15 | 2021-11-15 | 对话质检方法、电子设备、计算机存储介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111349759.7A CN114049973A (zh) | 2021-11-15 | 2021-11-15 | 对话质检方法、电子设备、计算机存储介质及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114049973A true CN114049973A (zh) | 2022-02-15 |
Family
ID=80209401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111349759.7A Pending CN114049973A (zh) | 2021-11-15 | 2021-11-15 | 对话质检方法、电子设备、计算机存储介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114049973A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116542566A (zh) * | 2023-05-09 | 2023-08-04 | 广东圣千科技有限公司 | 一种智能护肤客服的交互评分方法及系统 |
-
2021
- 2021-11-15 CN CN202111349759.7A patent/CN114049973A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116542566A (zh) * | 2023-05-09 | 2023-08-04 | 广东圣千科技有限公司 | 一种智能护肤客服的交互评分方法及系统 |
CN116542566B (zh) * | 2023-05-09 | 2023-11-21 | 广东圣千科技有限公司 | 一种智能护肤客服的交互评分方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108121800B (zh) | 基于人工智能的信息生成方法和装置 | |
US9418567B1 (en) | Selecting questions for a challenge-response test | |
CN111858877A (zh) | 多类型问题智能问答方法、系统、设备及可读存储介质 | |
CN112650854B (zh) | 基于多知识图谱的智能答复方法、装置及计算机设备 | |
CN110895568B (zh) | 处理庭审记录的方法和系统 | |
CN110765253A (zh) | 客服场景下用户问句的回复方法、装置及设备 | |
CN111679975A (zh) | 单证生成方法、装置、电子设备及介质 | |
CN116910212A (zh) | 对话生成方法、装置、电子设备及计算机可读存储介质 | |
CN113705792B (zh) | 基于深度学习模型的个性化推荐方法、装置、设备及介质 | |
CN111552787A (zh) | 问答处理方法、装置、设备及存储介质 | |
CN114049973A (zh) | 对话质检方法、电子设备、计算机存储介质及程序产品 | |
CN111444729A (zh) | 信息处理的方法、装置、设备及可读存储介质 | |
CN112288584B (zh) | 保险报案处理方法、装置、计算机可读介质及电子设备 | |
JP2020160159A (ja) | 採点装置、採点方法およびプログラム | |
WO2021135322A1 (zh) | 一种自动出题方法、装置及系统 | |
CN113821587A (zh) | 文本相关性确定方法、模型训练方法、装置及存储介质 | |
CN116894498A (zh) | 网络模型的训练方法、策略识别方法、装置以及设备 | |
CN117370512A (zh) | 回复对话的方法、装置、设备及存储介质 | |
CN112256856A (zh) | 机器人对话方法、装置、电子设备及存储介质 | |
CN114528851B (zh) | 回复语句确定方法、装置、电子设备和存储介质 | |
CN111753062A (zh) | 一种会话应答方案确定方法、装置、设备及介质 | |
CN113704452B (zh) | 基于Bert模型的数据推荐方法、装置、设备及介质 | |
CN116431912A (zh) | 用户画像推送方法及装置 | |
CN116561271A (zh) | 问答处理方法及装置 | |
CN113326365B (zh) | 回复语句生成方法、装置、设备及存储介质 |
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 |