CN114519596A - 一种数据处理方法、装置及设备 - Google Patents

一种数据处理方法、装置及设备 Download PDF

Info

Publication number
CN114519596A
CN114519596A CN202011295304.7A CN202011295304A CN114519596A CN 114519596 A CN114519596 A CN 114519596A CN 202011295304 A CN202011295304 A CN 202011295304A CN 114519596 A CN114519596 A CN 114519596A
Authority
CN
China
Prior art keywords
interviewee
voice
emotion
score
satisfaction
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
Application number
CN202011295304.7A
Other languages
English (en)
Inventor
田亚伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Communications Ltd Research Institute filed Critical China Mobile Communications Group Co Ltd
Priority to CN202011295304.7A priority Critical patent/CN114519596A/zh
Publication of CN114519596A publication Critical patent/CN114519596A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/65—Clustering; Classification
    • 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
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Psychiatry (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Hospice & Palliative Care (AREA)
  • Child & Adolescent Psychology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种数据处理方法、装置及设备，解决现有通过电话调研方法获得用户的满意度评分，容易受到人为影响，使评分有失客观性的问题。本发明的方法包括：获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及所述被访者给出的初始满意度评分；对所述第一语音片段进行情绪识别，得到所述被访者的情绪指数，所述情绪指数用于反映所述被访者的情绪状态；基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分。本发明能够消除被访者的情绪对满意度评分的影响，使评分更具客观性，提升满意度调查数据的准确性和可靠性。

Description

一种数据处理方法、装置及设备
技术领域
本发明涉及数据处理技术领域，尤其是涉及一种数据处理方法、装置及设备。
背景技术
在当今市场竞争日益激烈的环境下，客户满意战略已逐步发展为企业最核心的战略，目标和竞争手段。以客户为导向，力求满足客户需求，追求客户满意，期待获得客户忠诚成为企业关注的焦点。在这个趋势下，对客户满意度实施评测渐渐发展成为一项专门工作。在运营商领域，普遍采用通过第三方公司向客户发起电话调研的方法获得用户满意度，该数据一方面用来指导运营商改进工作，另一方面也是外部对运营商工作的评价指标，因此获取准确可靠的满意度数据具有非常高的重要性。
现有技术方案中，用户对运营商业务的评分取决于与第三方工作人员的一次通话，而用户在一次通话中给出的评分，会受到人为影响，从而使评分有失客观性。
发明内容
本发明的目的在于提供一种数据处理方法、装置及设备，用于解决现有通过电话调研方法获得用户的满意度评分，容易受到人为影响，使评分有失客观性的问题。
为了达到上述目的，本发明提供一种数据处理方法，包括：
获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及所述被访者给出的初始满意度评分；
对所述第一语音片段进行情绪识别，得到所述被访者的情绪指数，所述情绪指数用于反映所述被访者的情绪状态；
基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分。
其中，获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段，包括：
获取所述被访者的语音通话录音，所述语音通话录音中包括提问者在一次满意度调查过程中需要所述被访者给出评分的N个问题，N≥1，且N为正整数；
基于所述N个问题，对所述语音通话录音进行语音分割，得到对目标问题的满意度调查过程中所录取的被访者的第一语音片段，所述目标问题为所述N个问题中的至少一者。
其中，所述对所述第一语音片段进行情绪识别，得到所述被访者的情绪指数，包括：
将所述第一语音片段通过语音情绪识别模型，计算得到所述被访者的情绪指数。
其中，所述基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分，包括：
获取所述被访者的属性参数；
将所述情绪指数和所述被访者的属性参数作为特征向量，通过预先建立的修正模型，计算得到待修正分数；
将所述初始满意度评分与所述待修正分数进行求和运算，得到最终满意度评分。
其中，所述方法还包括：
通过采集语音数据，构建语音数据样本库，所述语音数据样本库存储有不同被访者的语音数据，每条语音数据包括第二语音片段以及对应所述第二语音片段的问题的评分；
对每条语音数据进行特征提取，计算得到对应被访者的情绪指数；
将第一语音数据对应的被访者的属性参数，通过机器学习得到评分模型，所述第一语音数据为情绪指数落在第一预设范围内所对应的语音数据；
将第二语音数据对应的被访者的属性参数和情绪指数，通过机器学习得到修正模型，所述第二语音数据为情绪指数落在第一预设范围之外所对应的语音数据，其中，所述第二语音数据对应的评分经所述修正模型，与所述评分模型匹配。
其中，所述被访者的属性参数包括所述被访者的自身属性和所述被访者所使用的业务属性。
本发明还提供一种数据处理装置，包括：
获取模块，用于获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及所述被访者给出的初始满意度评分；
情绪识别模块，用于对所述第一语音片段进行情绪识别，得到所述被访者的情绪指数，所述情绪指数用于反映所述被访者的情绪状态；
修正模块，用于基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分。
本发明还提供一种数据处理设备，包括处理器和收发器，所述收发器在处理器的控制下接收和发送数据，所述处理器用于执行以下操作：
获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及所述被访者给出的初始满意度评分；
对所述第一语音片段进行情绪识别，得到所述被访者的情绪指数，所述情绪指数用于反映所述被访者的情绪状态；
基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分。
其中，所述处理器还用于执行如下过程：
获取所述被访者的语音通话录音，所述语音通话录音中包括提问者在一次满意度调查过程中需要所述被访者给出评分的N个问题，N≥1，且N为正整数；
基于所述N个问题，对所述语音通话录音进行语音分割，得到对目标问题的满意度调查过程中所录取的被访者的第一语音片段，所述目标问题为所述N个问题中的至少一者。
其中，所述处理器还用于执行如下过程：
将所述第一语音片段通过语音情绪识别模型，计算得到所述被访者的情绪指数。
其中，所述处理器还用于执行如下过程：
获取所述被访者的属性参数；
将所述情绪指数和所述被访者的属性参数作为特征向量，通过预先建立的修正模型，计算得到待修正分数；
将所述初始满意度评分与所述待修正分数进行求和运算，得到最终满意度评分。
其中，所述处理器还用于执行如下过程：
通过采集语音数据，构建语音数据样本库，所述语音数据样本库存储有不同被访者的语音数据，每条语音数据包括第二语音片段以及对应所述第二语音片段的问题的评分；
对每条语音数据进行特征提取，计算得到对应被访者的情绪指数；
将第一语音数据对应的被访者的属性参数，通过机器学习得到评分模型，所述第一语音数据为情绪指数落在第一预设范围内所对应的语音数据；
将第二语音数据对应的被访者的属性参数和情绪指数，通过机器学习得到修正模型，所述第二语音数据为情绪指数落在第一预设范围之外所对应的语音数据，其中，所述第二语音数据对应的评分经所述修正模型，与所述评分模型匹配。
其中，所述被访者的属性参数包括所述被访者的自身属性和所述被访者所使用的业务属性。
本发明还提供一种数据处理设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；所述处理器执行所述程序时实现如上述所述的数据处理方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的数据处理方法中的步骤。
本发明的上述技术方案至少具有如下有益效果：
本发明实施例中，通过获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及被访者给出的初始满意度评分；对第一语音片段进行情绪识别，得到被访者的情绪指数，所述情绪指数用于反映被访者的情绪状态；基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分，如此，能够消除被访者的情绪对满意度评分的影响，使评分更具客观性，提升满意度调查数据的准确性和可靠性。
附图说明
图1表示本发明实施例的数据处理方法的流程示意图；
图2表示本发明实施例的数据处理装置的模块示意图；
图3表示本发明实施例的数据处理设备的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明针对现有技术中通过电话调研方法获得用户的满意度评分，容易受到人为影响，使评分有失客观性的问题，提供一种数据处理方法、装置及设备。
这里，现有的第三方电话调研方法实施的主要步骤如下：
1、设定对各个运营商各省份的调研数量，分省随机抽取用户进行电话调研。
2、对接通用户分别进行语音、上网(手机上网、宽带上网)业务的满意度询问，获得用户评分。
3、对用户评分进行分运营商、分省、分业务等多维度统计，得出各个运营商的用户满意度指标。
现有技术方案中，用户对运营商业务的评分取决于与第三方工作人员的一次通话，而且发明人发现用户在一次通话中给出的评分，容易受到人为因素的影响，其中会很大程度上受到用户被访当时的情绪影响，使评分有失客观性。
为了解决上述问题，本发明实施例提供了一种数据处理方法、装置及设备。
如图1所示，为本发明实施例提供的数据处理方法的流程示意图。该方法具体包括：
步骤101，获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及所述被访者给出的初始满意度评分；
需要说明的是，可选地，满意度评分归一化为统一分数范围。比如，0～10分。
步骤102，对所述第一语音片段进行情绪识别，得到所述被访者的情绪指数，所述情绪指数用于反映所述被访者的情绪状态；
本步骤中，情绪状态包括正面情绪状态、负面情绪状态和中性情绪状态。
需要说明的是，情绪识别方法可以是通过提取被访者语音的声学特征参数，并对应建立模型进行判别；或者，还可以是通过预先建立情绪数据库，且其中包含情绪状态与被访者语音的特征参数的对应关系，从而通过该对应关系，得到被访者的情绪状态。
这里，不失一般性地，情绪指数表示为一预设取值范围内的一个数值。比如情绪指数表示为[-5,5]之间的一个数值。
步骤103，基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分。
本步骤中，基于情绪指数，对初始满意度评分进行修正，其目的是为了消除情绪因素对满意度评分的影响。
本发明实施例的数据处理方法，通过获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及被访者给出的初始满意度评分；对第一语音片段进行情绪识别，得到被访者的情绪指数，所述情绪指数用于反映被访者的情绪状态；基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分，如此，能够消除被访者的情绪对满意度评分的影响，使评分更具客观性，提升满意度调查数据的准确性和可靠性。
作为一可选地实现方式，本发明实施例的方法步骤101中，获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段，可包括：
获取所述被访者的语音通话录音，所述语音通话录音中包括提问者在一次满意度调查过程中需要所述被访者给出评分的N个问题，N≥1，且N为正整数；
本步骤中，满意度调查具体指采用电话方式的满意度调查。这里，被访者的语音通话录音具体指一次满意度调查中从被访者接通电话到电话挂断前的完整语音通话录音。
基于所述N个问题，对所述语音通话录音进行语音分割，得到对目标问题的满意度调查过程中所录取的被访者的第一语音片段，所述目标问题为所述N个问题中的至少一者。
需要说明的是，目标问题可以是一个，也可以是多个。也就是说，N个问题可以每个问题对应一个满意度评分，也可以是多个问题对应一个满意度评分。
这里，多个(大于或者等于2个)对应一个满意度评分时，多个问题可以为针对同一调查层面或者同一业务种类的一组问题。
需要说明的是，第一语音片段是针对目标问题的一段或者多段语音片段。这里不做具体限定。
这里，基于满意度调查所涉及的问题，对被访者的语音通话录音进行语音分割，细化成不同的语音片段，进而进行后续的情绪识别、基于情绪识别得到的情绪指数进行满意度评分修正，能够进一步提升满意度调查数据的准确性和可靠性。
具体的，本发明实施例的方法步骤101中，获取对目标问题的满意度调查过程中所述被访者给出的初始满意度评分，包括：
通过满意度调查评分列表，获取对目标问题的满意度调查过程中所述被访者给出的初始满意度评分。
也就是说，可以列表的方式预先存储被访者针对不同问题的满意度调查过程中给出的初始满意度评分。
作为一可选地实现方式，本发明实施例的方法步骤102可包括：
将所述第一语音片段通过语音情绪识别模型，计算得到所述被访者的情绪指数。
这里，语音情绪识别模型为预先建立且训练好的模型。具体的，可通过提取用户语音的声学特征参数，建立模型，并通过大量的训练数据，采用预设的算法，训练得到语音情绪识别模型。
当然不限于上述方式，还可以通过搭建神经网络，得到情绪指数与被访者语音的特征参数的对应关系，从而通过该对应关系，得到被访者的情绪指数。
作为一可选地实现方式，本发明实施例的方法步骤103可包括：
获取所述被访者的属性参数；
本步骤中，被访者的属性参数包括所述被访者的自身属性和所述被访者所使用的业务属性。
需要说明的是，所述被访者的自身属性包括但不限于：被防者的性别、年龄、学历、所在地域信息等。
所述被访者所使用的业务属性包括但不限于：被访者所开通的基本业务和增值业务。
将所述情绪指数和所述被访者的属性参数作为特征向量，通过预先建立的修正模型，计算得到待修正分数；
这里，作为一可选地实现方式，修正模型可通过以下方法建立得到，具体如下：
通过采集语音数据，构建语音数据样本库，所述语音数据样本库存储有不同被访者的语音数据，每条语音数据包括第二语音片段以及对应所述第二语音片段的问题的评分；
需要说明的是，为了得到足够全面的样本，构建的语音数据样本库需要覆盖尽可能多个被访者人群。被访者的自身属性可以更多样化，比如包括不同性别、不同年龄段、不同地域、不同学历等的被访者人群。而且，语音数据对应的被访者的情绪尽可能多。具体的，对于每类被访者人群都需要含有包括从负面、中性到正面的多种情绪表达。
需要说明的是，语音数据样本库可通过主动访问的形式构建，也可以通过过往的历史评价录音资料构建。
对每条语音数据进行特征提取，计算得到对应被访者的情绪指数；
本步骤中，具体的，可基于频率、时长、共振峰、MFCC(Mel-Fregunency CeptralCoefficients，梅尔倒谱系数特征)等提取特征，但是不限于此；之后，通过SVM(SupportVector Machine，支持向量机)算法(不限于此类算法)识别语音中的情绪指数。
不失一般性地，情绪指数表示为一预设取值范围内的一个数值。比如情绪指数表示为[-5,5]之间的一个数值。
将第一语音数据对应的被访者的属性参数，通过机器学习得到评分模型，所述第一语音数据为情绪指数落在第一预设范围内所对应的语音数据；
可选地，被访者的属性参数包括所述被访者的自身属性和所述被访者所使用的业务属性。
需要说明的是，第一预设范围内的情绪指数，对应的情绪状态为中性情绪状态。比如，第一预设范围为[-0.1,0.1]。
这里，将中性情绪状态的样本评分作为标准，通过机器学习得到评分模型。具体的，将第一语音数据以及第一语音数据对应的评分作为标准，通过机器学习方法构建其样本特征到评分的评分模型。
将第二语音数据对应的被访者的属性参数和情绪指数，通过机器学习得到修正模型，所述第二语音数据为情绪指数落在第一预设范围之外所对应的语音数据，其中，所述第二语音数据对应的评分经所述修正模型，与所述评分模型匹配。
需要说明的是，情绪指数落在第一预设范围之外的语音数据，对应的被访者的情绪状态为负面情绪状态或正面情绪状态。在负面情绪状态下或者正面情绪状态下，被访者针对问题给出的评分是受当前情绪影响的，所以，需要修正模型修正掉情绪因素对评分的影响。
这里，该修正模型能够使情绪指数落在第一预设范围之外的所有样本(第二语音数据)评分加上该修正模型，能够尽可能的和绪指数落在第一预设范围内的样本的模型(即评分模型)匹配，也就是说，经修正模型后，得到的最终满意度评分是排除了情绪影响的客观的评分。
将所述初始满意度评分与所述待修正分数进行求和运算，得到最终满意度评分。
这里，初始满意度评分是被访者主动给出的分数加上待修正分数得到修正掉情绪因素的得分，即最终满意度评分。
本发明实施例的数据处理方法，通过获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及被访者给出的初始满意度评分；对第一语音片段进行情绪识别，得到被访者的情绪指数，所述情绪指数用于反映被访者的情绪状态；基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分，如此，能够消除被访者的情绪对满意度评分的影响，使评分更具客观性，提升满意度调查数据的准确性和可靠性。
如图2所示，本发明实施例还提供一种数据处理装置，该装置包括：
获取模块201，用于获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及所述被访者给出的初始满意度评分；
情绪识别模块202，用于对所述第一语音片段进行情绪识别，得到所述被访者的情绪指数，所述情绪指数用于反映所述被访者的情绪状态；
修正模块203，用于基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分。
可选地，获取模块201可包括：
第一获取单元，用于获取所述被访者的语音通话录音，所述语音通话录音中包括提问者在一次满意度调查过程中需要所述被访者给出评分的N个问题，N≥1，且N为正整数；
第一处理单元，用于基于所述N个问题，对所述语音通话录音进行语音分割，得到对目标问题的满意度调查过程中所录取的被访者的第一语音片段，所述目标问题为所述N个问题中的至少一者。
可选地，情绪识别模块202可包括：
情绪识别单元，用于将所述第一语音片段通过语音情绪识别模型，计算得到所述被访者的情绪指数。
可选地，修正模块203可包括：
第二获取单元，用于获取所述被访者的属性参数；
第二处理单元，用于将所述情绪指数和所述被访者的属性参数作为特征向量，通过预先建立的修正模型，计算得到待修正分数；
修正单元，用于将所述初始满意度评分与所述待修正分数进行求和运算，得到最终满意度评分。
可选地，数据处理装置还可包括：
样本库构建模块，用于通过采集语音数据，构建语音数据样本库，所述语音数据样本库存储有不同被访者的语音数据，每条语音数据包括第二语音片段以及对应所述第二语音片段的问题的评分；
计算模块，用于对每条语音数据进行特征提取，计算得到对应被访者的情绪指数；
第一处理模块，用于将第一语音数据对应的被访者的属性参数，通过机器学习得到评分模型，所述第一语音数据为情绪指数落在第一预设范围内所对应的语音数据；
第二处理模块，用于将第二语音数据对应的被访者的属性参数和情绪指数，通过机器学习得到修正模型，所述第二语音数据为情绪指数落在第一预设范围之外所对应的语音数据，其中，所述第二语音数据对应的评分经所述修正模型，与所述评分模型匹配。
可选地，所述被访者的属性参数包括所述被访者的自身属性和所述被访者所使用的业务属性。
本发明实施例的数据处理装置，通过获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及被访者给出的初始满意度评分；对第一语音片段进行情绪识别，得到被访者的情绪指数，所述情绪指数用于反映被访者的情绪状态；基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分，如此，能够消除被访者的情绪对满意度评分的影响，使评分更具客观性，提升满意度调查数据的准确性和可靠性。
在此需要说明的是，本发明实施例提供的上述装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
为了更好的实现上述目的，如图3所示，本发明实施例还提供一种数据处理设备，包括处理器300和收发器310，所述收发器310在处理器的控制下接收和发送数据，所述处理器300用于执行如下过程：
获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及所述被访者给出的初始满意度评分；
对所述第一语音片段进行情绪识别，得到所述被访者的情绪指数，所述情绪指数用于反映所述被访者的情绪状态；
基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分。
可选地，所述处理器300还用于执行如下过程：
获取所述被访者的语音通话录音，所述语音通话录音中包括提问者在一次满意度调查过程中需要所述被访者给出评分的N个问题，N≥1，且N为正整数；
基于所述N个问题，对所述语音通话录音进行语音分割，得到对目标问题的满意度调查过程中所录取的被访者的第一语音片段，所述目标问题为所述N个问题中的至少一者。
可选地，所述处理器300还用于执行如下过程：
将所述第一语音片段通过语音情绪识别模型，计算得到所述被访者的情绪指数。
可选地，所述处理器300还用于执行如下过程：
获取所述被访者的属性参数；
将所述情绪指数和所述被访者的属性参数作为特征向量，通过预先建立的修正模型，计算得到待修正分数；
将所述初始满意度评分与所述待修正分数进行求和运算，得到最终满意度评分。
可选地，其特征在于，所述处理器300还用于执行如下过程：
通过采集语音数据，构建语音数据样本库，所述语音数据样本库存储有不同被访者的语音数据，每条语音数据包括第二语音片段以及对应所述第二语音片段的问题的评分；
对每条语音数据进行特征提取，计算得到对应被访者的情绪指数；
将第一语音数据对应的被访者的属性参数，通过机器学习得到评分模型，所述第一语音数据为情绪指数落在第一预设范围内所对应的语音数据；
将第二语音数据对应的被访者的属性参数和情绪指数，通过机器学习得到修正模型，所述第二语音数据为情绪指数落在第一预设范围之外所对应的语音数据，其中，所述第二语音数据对应的评分经所述修正模型，与所述评分模型匹配。
可选地，所述被访者的属性参数包括所述被访者的自身属性和所述被访者所使用的业务属性。
本发明实施例的数据处理装置，通过获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及被访者给出的初始满意度评分；对第一语音片段进行情绪识别，得到被访者的情绪指数，所述情绪指数用于反映被访者的情绪状态；基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分，如此，能够消除被访者的情绪对满意度评分的影响，使评分更具客观性，提升满意度调查数据的准确性和可靠性。
本发明实施例还提供一种数据处理设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的数据处理方法实施例中的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的数据处理方法实施例中的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储介质中，使得存储在该计算机可读存储介质中的指令产生包括指令装置的纸制品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他科编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (15)

1.一种数据处理方法，其特征在于，包括：
获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及所述被访者给出的初始满意度评分；
对所述第一语音片段进行情绪识别，得到所述被访者的情绪指数，所述情绪指数用于反映所述被访者的情绪状态；
基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分。
2.根据权利要求1所述的方法，其特征在于，获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段，包括：
获取所述被访者的语音通话录音，所述语音通话录音中包括提问者在一次满意度调查过程中需要所述被访者给出评分的N个问题，N≥1，且N为正整数；
基于所述N个问题，对所述语音通话录音进行语音分割，得到对目标问题的满意度调查过程中所录取的被访者的第一语音片段，所述目标问题为所述N个问题中的至少一者。
3.根据权利要求1所述的方法，其特征在于，所述对所述第一语音片段进行情绪识别，得到所述被访者的情绪指数，包括：
将所述第一语音片段通过语音情绪识别模型，计算得到所述被访者的情绪指数。
4.根据权利要求1所述的方法，其特征在于，所述基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分，包括：
获取所述被访者的属性参数；
将所述情绪指数和所述被访者的属性参数作为特征向量，通过预先建立的修正模型，计算得到待修正分数；
将所述初始满意度评分与所述待修正分数进行求和运算，得到最终满意度评分。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
通过采集语音数据，构建语音数据样本库，所述语音数据样本库存储有不同被访者的语音数据，每条语音数据包括第二语音片段以及对应所述第二语音片段的问题的评分；
对每条语音数据进行特征提取，计算得到对应被访者的情绪指数；
将第一语音数据对应的被访者的属性参数，通过机器学习得到评分模型，所述第一语音数据为情绪指数落在第一预设范围内所对应的语音数据；
将第二语音数据对应的被访者的属性参数和情绪指数，通过机器学习得到修正模型，所述第二语音数据为情绪指数落在第一预设范围之外所对应的语音数据，其中，所述第二语音数据对应的评分经所述修正模型，与所述评分模型匹配。
6.根据权利要求4或5所述的方法，其特征在于，所述被访者的属性参数包括所述被访者的自身属性和所述被访者所使用的业务属性。
7.一种数据处理装置，其特征在于，包括：
获取模块，用于获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及所述被访者给出的初始满意度评分；
情绪识别模块，用于对所述第一语音片段进行情绪识别，得到所述被访者的情绪指数，所述情绪指数用于反映所述被访者的情绪状态；
修正模块，用于基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分。
8.一种数据处理设备，包括处理器和收发器，所述收发器在处理器的控制下接收和发送数据，其特征在于，所述处理器用于执行以下操作：
获取对目标问题的满意度调查过程中所录取的被访者的第一语音片段以及所述被访者给出的初始满意度评分；
对所述第一语音片段进行情绪识别，得到所述被访者的情绪指数，所述情绪指数用于反映所述被访者的情绪状态；
基于所述情绪指数，对所述初始满意度评分进行修正，得到最终满意度评分。
9.根据权利要求8所述的数据处理设备，其特征在于，所述处理器还用于执行如下过程：
获取所述被访者的语音通话录音，所述语音通话录音中包括提问者在一次满意度调查过程中需要所述被访者给出评分的N个问题，N≥1，且N为正整数；
基于所述N个问题，对所述语音通话录音进行语音分割，得到对目标问题的满意度调查过程中所录取的被访者的第一语音片段，所述目标问题为所述N个问题中的至少一者。
10.根据权利要求8所述的数据处理设备，其特征在于，所述处理器还用于执行如下过程：
将所述第一语音片段通过语音情绪识别模型，计算得到所述被访者的情绪指数。
11.根据权利要求8所述的数据处理设备，其特征在于，所述处理器还用于执行如下过程：
获取所述被访者的属性参数；
将所述情绪指数和所述被访者的属性参数作为特征向量，通过预先建立的修正模型，计算得到待修正分数；
将所述初始满意度评分与所述待修正分数进行求和运算，得到最终满意度评分。
12.根据权利要求8所述的数据处理设备，其特征在于，所述处理器还用于执行如下过程：
通过采集语音数据，构建语音数据样本库，所述语音数据样本库存储有不同被访者的语音数据，每条语音数据包括第二语音片段以及对应所述第二语音片段的问题的评分；
对每条语音数据进行特征提取，计算得到对应被访者的情绪指数；
将第一语音数据对应的被访者的属性参数，通过机器学习得到评分模型，所述第一语音数据为情绪指数落在第一预设范围内所对应的语音数据；
将第二语音数据对应的被访者的属性参数和情绪指数，通过机器学习得到修正模型，所述第二语音数据为情绪指数落在第一预设范围之外所对应的语音数据，其中，所述第二语音数据对应的评分经所述修正模型，与所述评分模型匹配。
13.根据权利要求11或12所述的数据处理设备，其特征在于，所述被访者的属性参数包括所述被访者的自身属性和所述被访者所使用的业务属性。
14.一种数据处理设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述的数据处理方法。
15.一种计算机可读存储介质，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至6任一项所述的数据处理方法中的步骤。
CN202011295304.7A 2020-11-18 2020-11-18 一种数据处理方法、装置及设备 Pending CN114519596A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011295304.7A CN114519596A (zh) 2020-11-18 2020-11-18 一种数据处理方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011295304.7A CN114519596A (zh) 2020-11-18 2020-11-18 一种数据处理方法、装置及设备

Publications (1)

Publication Number Publication Date
CN114519596A true CN114519596A (zh) 2022-05-20

Family

ID=81595555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011295304.7A Pending CN114519596A (zh) 2020-11-18 2020-11-18 一种数据处理方法、装置及设备

Country Status (1)

Country Link
CN (1) CN114519596A (zh)

Similar Documents

Publication Publication Date Title
US10623573B2 (en) Personalized support routing based on paralinguistic information
US20190253558A1 (en) System and method to automatically monitor service level agreement compliance in call centers
US10896428B1 (en) Dynamic speech to text analysis and contact processing using agent and customer sentiments
CN107071193B (zh) 互动应答系统接入用户的方法和装置
CN107705807A (zh) 基于情绪识别的语音质检方法、装置、设备及存储介质
CN111160514B (zh) 一种对话的方法和系统
CN110990685B (zh) 基于声纹的语音搜索方法、设备、存储介质及装置
CN113360622B (zh) 用户对话信息的处理方法、装置及计算机设备
CN112836691A (zh) 智能面试方法及装置
US10659605B1 (en) Automatically unsubscribing from automated calls based on call audio patterns
US10573311B1 (en) Generating self-support metrics based on paralinguistic information
CN109816483A (zh) 信息推荐方法及装置、可读存储介质
CN112925888A (zh) 一种问答响应及小样本文本匹配模型的训练方法和装置
CN116631412A (zh) 一种通过声纹匹配判断语音机器人的方法
CN113297365B (zh) 一种用户意向判定方法、装置、设备及存储介质
CN113901837A (zh) 一种意图理解方法、装置、设备及存储介质
CN113297412B (zh) 音乐推荐方法、装置、电子设备和存储介质
CN112052686A (zh) 一种用户交互式教育的语音学习资源推送方法
CN112434953A (zh) 一种基于计算机数据处理的客服人员考核方法和装置
CN108777804B (zh) 媒体播放方法及装置
CN114519596A (zh) 一种数据处理方法、装置及设备
CN114969295A (zh) 基于人工智能的对话交互数据处理方法、装置及设备
CN113111157A (zh) 问答处理方法、装置、计算机设备和存储介质
CN111241261A (zh) 一种识别用户行为的方法及装置
CN112671984B (zh) 服务模式切换方法、装置、机器人客服及存储介质

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