CN114722199A - 基于通话录音的风险识别方法、装置、计算机设备及介质 - Google Patents

基于通话录音的风险识别方法、装置、计算机设备及介质 Download PDF

Info

Publication number
CN114722199A
CN114722199A CN202210356213.2A CN202210356213A CN114722199A CN 114722199 A CN114722199 A CN 114722199A CN 202210356213 A CN202210356213 A CN 202210356213A CN 114722199 A CN114722199 A CN 114722199A
Authority
CN
China
Prior art keywords
sensitive
risk
text
standard
words
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
CN202210356213.2A
Other languages
English (en)
Inventor
李正扬
王健宗
黄章成
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202210356213.2A priority Critical patent/CN114722199A/zh
Publication of CN114722199A publication Critical patent/CN114722199A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明适用于风险识别领域，尤其涉及一种基于通话录音的风险识别方法、装置、计算机设备及介质。该方法通过确定历史文本中各风险文本和各非风险文本中的敏感词，获得历史文本中的敏感词以及标准敏感词集，以及目标文本中的若干个敏感词，并在标准敏感词集中确定出与目标文本中的各敏感词唯一匹配的标准敏感词，得到目标文本的标准敏感词组和各风险文本的标准敏感词组，最后根据目标文本的标准敏感词组和各风险文本的标准敏感词组之间的相似度，确定目标音频的风险程度。通过从目标文本中准确提取到标准敏感词组，与已经判定为风险文本的标准敏感词组进行比对，能够准确识别出目标客户的风险程度，从而提高对客户进行风险识别的准确率。

Description

基于通话录音的风险识别方法、装置、计算机设备及介质
技术领域
本发明适用于风险识别领域，尤其涉及一种基于通话录音的风险识别方法、装置、计算机设备及介质。
背景技术
在商业活动中，业务员和客户的对话内容往往包含丰富的信息，随着手机等各种采录设备的飞速发展，风控人员往往通过听取现场或通话录音，凭借个人的业务经验和专家总结的风险特征来甄别风险事件，但由于主观因素会造成偏见偏差，该种风险识别方式的效率和准确率都较低。
现有风险识别方法一般是将通话录音转换成文本，根据领域内字典对文本句子进行分词，进而提取关键词并进行聚类，根据每个关键词对应的风险程度获得最终的风险结果。但由于客户和业务员通话过程中的对话形式较为口语化，不同客户对于同一关键词可能有多种表达形式，上述通过提取关键词并进行聚类的方法，获得的风险结果的准确率较低。
因此，在获取业务员与客户的通话录音后，如何提高风险识别的准确性成为亟待解决的问题。
发明内容
本发明实施例提供了一种基于通话录音的风险识别方法、装置、计算机设备及介质，以解决风险识别结果准确性较低的问题。
第一方面，本发明实施例提供一种基于通话录音的风险识别方法，所述识别方法包括：
获取业务员与各个客户之间通话录音的N个历史音频，获取业务员与当前客户之间通话录音的目标音频，将N个所述历史音频转换为N个历史文本，将所述目标音频转换为目标文本，所述历史文本分为风险文本和非风险文本；
确定历史文本中的敏感词，包括标准敏感词集中的敏感词，和各非风险文本中的敏感词；所述标准敏感词集包括各风险文本中的各敏感词；
根据所述历史文本中的敏感词确定目标文本中的若干个敏感词；
在所述标准敏感词集中，确定出与目标文本中的各敏感词唯一匹配的标准敏感词，根据目标文本的标准敏感词的组合，确定目标文本的标准敏感词组；
根据所述各风险文本中的各敏感词的组合，确定各风险文本的标准敏感词组；
根据所述目标文本的标准敏感词组和所述各风险文本的标准敏感词组之间的相似度，确定所述目标音频的风险程度。
可选的，根据目标文本的标准敏感词的组合，确定目标文本的标准敏感词组，包括：
根据目标文本中的各敏感词在目标文本中首次出现的先后顺序，对与目标文本中的各敏感词唯一匹配的标准敏感词进行排序组合，确定目标文本的标准敏感词组。
第二方面，本发明实施例提供一种基于通话录音的风险识别装置，所述识别装置包括：
文本获取模块：用于获取业务员与各个客户之间通话录音的N个历史音频，获取业务员与当前客户之间通话录音的目标音频，将N个所述历史音频转换为N个历史文本，将所述目标音频转换为目标文本，所述历史文本分为风险文本和非风险文本；
第一敏感词确定模块：用于确定历史文本中的敏感词，包括标准敏感词集中的敏感词，和各非风险文本中的敏感词；所述标准敏感词集包括各风险文本中的各敏感词；
第二敏感词确定模块：用于根据所述历史文本中的敏感词确定目标文本中的若干个敏感词；
第一标准敏感词组确定模块：用于在所述标准敏感词集中，确定出与目标文本中的各敏感词唯一匹配的标准敏感词，根据目标文本的标准敏感词的组合，确定目标文本的标准敏感词组；
第二标准敏感词组确定模块：用于根据所述各风险文本中的所有敏感词的组合，确定各风险文本的标准敏感词组；
风险程度确定模块：用于根据所述目标文本的标准敏感词组和所述各风险文本的标准敏感词组之间的相似度，确定所述目标音频的风险程度。
第三方面，本发明实施例提供一种计算机设备，所述计算机设备包括处理器、存储器以及存储在所述存储器中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计算机程序时实现如第一方面所述的识别方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读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第一方面所述的识别方法。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例通过确定历史文本中各风险文本和各非风险文本中的敏感词，获得历史文本中的敏感词以及标准敏感词集，以及目标文本中的若干个敏感词，并在标准敏感词集中确定出与目标文本中的各敏感词唯一匹配的标准敏感词，得到目标文本的标准敏感词组和各风险文本的标准敏感词组，最后根据目标文本的标准敏感词组和各风险文本的标准敏感词组之间的相似度，确定目标音频的风险程度。通过从目标文本中准确提取到标准敏感词组，与已经判定为风险文本的标准敏感词组进行比对，能够准确识别出目标客户的风险程度，从而提高对客户进行风险识别的准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种基于通话录音的风险识别方法的一应用环境示意图；
图2是本发明实施例一提供的一种基于通话录音的风险识别方法的流程示意图；
图3是本发明实施例二提供的一种基于通话录音的风险识别装置的结构示意图；
图4是本发明实施例三提供的一种计算机设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本发明说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本发明说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本发明说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
应理解，以下实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
为了说明本发明的技术方案，下面通过具体实施例来进行说明。
本发明实施例一提供的一种基于通话录音的风险识别方法，可应用在如图1的应用环境中，其中，客户端与服务端进行通信。其中，客户端包括但不限于掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、云端终端设备、个人数字助理(personal digital assistant，PDA)等计算机设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
参见图2，是本发明实施例一提供的一种基于通话录音的风险识别方法的流程示意图，上述识别方法可以应用于图1中的客户端，该识别方法可以包括以下步骤：
步骤S101，获取业务员与各个客户之间通话录音的N个历史音频，获取业务员与当前客户之间通话录音的目标音频，将N个历史音频转换为N个历史文本，将目标音频转换为目标文本，历史文本分为风险文本和非风险文本。
其中，历史音频是业务员和各个客户在历史通话过程中通过手机等采录设备进行录音获得的通话音频，目标音频是业务员和当前客户在通话过程中通过手机等采录设备进行录音获得的通话音频。其中，历史音频包括已确定存在风险的客户对应的风险音频，以及已确定不存在风险的客户对应的非风险音频。
通过自动语音识别技术将历史音频和目标音频转换为对应的历史文本和目标文本，用于后续的风险识别分析。对应的，历史文本中包括风险文本和非风险文本。
在一种实施方式中，在业务员和客户的通话过程中，通过手机进行通话录音，并综合各客户相关资料评估客户风险情况，将各客户标记为风险客户或非风险客户，进而将各客户的通话音频和风险情况存储在数据库中，从而在数据库中完成N个历史音频以及对应风险情况的存储。其中，N为正整数。
因此，在进行当前客户的风险识别时，通过手机获取当前客户和业务员之间的目标音频，进而读取数据库中的N个历史音频，通过自动语音识别技术将历史音频和目标音频转换为历史文本和目标文本，用于后续的风险识别分析。
步骤S102，确定历史文本中的敏感词，包括标准敏感词集中的敏感词，和各非风险文本中的敏感词；所述标准敏感词集包括各风险文本中的各敏感词。
其中，由于通话过程中的对话形式较为口语化，不同客户对于同一关键词可能有多种表达形式，因此，本申请将历史文本的风险文本中的敏感词作为敏感词的标准形式，确定标准敏感词集，将历史文本的非风险文本中的敏感词作为敏感词的非标准形式，确定历史文本中的敏感词。
具体的，首先根据词分割算法分别将各个风险文本和各个非风险文本分割成若干个词或字，并根据预设的模糊正则表达式确定各个风险文本和各个非风险文本对应的各个词或字中的敏感词，从而根据各个风险文本中的各敏感词得到风险文本的标准敏感词集，再将各个风险文本中的各敏感词和各个非风险文本中的各敏感词相结合，共同作为历史文本的敏感词。其中，各个风险文本中的各敏感词在标准敏感词集中只出现一次。
举例说明，本实施例基于字符串匹配的词分割方法，按照逆向匹配的方式将各个风险文本和各个非风险文本与一个“充分大的”机器词典中的词条进行匹配，分别将各个风险文本和各个非风险文本分割成若干个词或字。并根据实施过程中的实际情况预设模糊正则表达式，确定各个风险文本和各个非风险文本对应的各个词或字中的敏感词。然后，根据各个风险文本中的各敏感词，可得到包含所有风险文本中的所有敏感词的标准敏感词集，且在该标准敏感词集中，各敏感词只出现一次。然后与各个非风险文本中的各敏感词相结合，共同作为历史文本的敏感词，从而获得历史文本中的各敏感词。
可选的，还可以基于字符串匹配的词分割方法，按照正向匹配的方式或者双向最大匹配的方式，将各个风险文本和各个非风险文本分割成若干个词或字。
步骤S103，根据历史文本中的敏感词确定目标文本中的若干个敏感词。
其中，由于目标文本为通话录音，因此首先根据文本关键词提取算法提取目标文本中的关键词，去除无关词句的干扰，用于提高后续风险识别的计算效率和识别的准确率。进而根据词向量技术确定目标文本中的每个关键词和历史文本中的每个敏感词的词向量，通过计算目标文本中的每个关键词的词向量与历史文本中的每个敏感词的词向量之间的第一相似度，与预设的第一相似度阈值相比，将第一相似度大于第一相似度阈值的对应关键词作为目标文本的敏感词，从而确定目标文本中的若干个敏感词。其中，第一相似度阈值可根据实际情况进行设定。
举例说明，本实施例采用基于统计特征的关键词提取算法，利用历史文本中词语的统计信息抽取历史文本的候选词集合，然后采用特征值量化的方式从候选集合中得到关键词，用来去除无关词句的干扰，提高后续风险识别的计算效率和识别的准确率。进而通过word2vec技术(一种现有的词向量技术)，将目标文本中的各个关键词和历史文本中的各个敏感词表示为一个X维的词向量。
具体的，将目标文本中的关键词数量记为n1，历史文本中的敏感词数量记为n2，目标文本中第i(i＝1，2，...，n1)个关键词的词向量记为Ui＝(ui1，ui2，…，uiX)，历史文本中第j(j＝1，2，...，n4)个敏感词的词向量记为Vj＝(vj1，vj2，...，vjX)。计算目标文本中第i个关键词的词向量Ui与历史文本中第j个敏感词的词向量Vj之间的第一相似度
Figure BDA0003583037980000081
Figure BDA0003583037980000082
其中，uik为目标文本中第i个关键词的词向量Ui中的第k个数据，vjk为历史文本中第j个敏感词的词向量Vj中的第k个数据，X为词向量Ui和Vj的维数。
分别计算目标文本中第i个关键词的词向量与历史文本中n2个敏感词的词向量之间的第一相似度，获得第一相似度
Figure BDA0003583037980000083
并将第一相似度的最大值记为
Figure BDA0003583037980000084
与预设的第一相似度阈值d1相比，若
Figure BDA0003583037980000085
则将目标文本中第i个关键词作为目标文本的敏感词。其中，第一相似度阈值d1可根据实际情况进行设定，本实施例中根据经验设置d1＝0.8。
然后，分别确定目标文本中n1个关键词是否为目标文本的敏感词，从而获得目标文本中的若干个敏感词。
步骤S104，在标准敏感词集中，确定出与目标文本中的各敏感词唯一匹配的标准敏感词，根据目标文本的标准敏感词的组合，确定目标文本的标准敏感词组。
其中，首先根据词向量技术确定风险文本的标准敏感词集中各个敏感词和目标文本中各个敏感词的词向量，通过计算目标文本中各敏感词的词向量和标准敏感词集中各敏感词的词向量之间的第二相似度，将标准敏感词集中第二相似度大于或等于第二相似度阈值的敏感词，作为目标文本中对应敏感词的候选标准敏感词，构成目标文本中各敏感词的候选标准敏感词集。
然后，在候选标准敏感词集中，计算各个候选标准敏感词与其他候选标准敏感词之间的第三相似度，获得各个候选标准敏感词对应的第三相似度均值。从而将各候选标准敏感词对应的第二相似度、第三相似度均值、预设第二相似度权值和预设第三相似度权值代入预设公式中，确定每个候选标准敏感词与目标文本中对应敏感词之间的匹配程度，则可将最大匹配程度对应的候选标准敏感词作为与目标文本中对应敏感词唯一匹配的标准敏感词，确定出与目标文本的各敏感词唯一匹配的标准敏感词。其中，第二相似度阈值、预设第二相似度权值和预设第三相似度权值可根据实际情况进行设定。
最后，将目标文本中各敏感词按照在目标文本中首次出现的先后顺序，对各敏感词唯一匹配的标准敏感词进行一一排序，并按照各标准敏感词在排序结果中的对应顺序确定目标文本的标准敏感词组。
举例说明，首先根据word2vec技术将标准敏感词集中各个敏感词和目标文本中各个敏感词表示为一个X维的词向量。
具体的，将目标文本中的敏感词数量记为n3，将标准敏感词集中的敏感词数量记为n4，将目标文本中第a(a＝1，2，...，n3)个敏感词的词向量记为Pa＝(pa1，pa2，...，paX)，将标准敏感词集中第b(b＝1，2，...，n4)个敏感词的词向量记为Qb＝(vb1，vb2，...，vbX)。对于目标文本中的第a个敏感词，计算其词向量Pa与标准敏感词集中第b个敏感词的词向量Qb之间的第二相似度
Figure BDA0003583037980000091
Figure BDA0003583037980000092
其中，pak为目标文本中第a个敏感词的词向量Pa中的第k个数据，qbk为标准敏感词集中第b个敏感词的词向量Qb中的第k个数据，X为词向量Pa和Qb的维数。
分别计算目标文本中第a个敏感词的词向量与标准敏感词集中各个敏感词的词向量之间的第二相似度，获得第二相似度
Figure BDA0003583037980000093
并分别将n4个第二相似度与预设的第二相似度阈值d2相比，若
Figure BDA0003583037980000094
则将标准敏感词集中的第b个敏感词作为目标文本中第a个敏感词的候选标准敏感词，据此获得目标文本中第a个敏感词对应的候选标准敏感词集Ja。其中，第一相似度阈值d2可根据实际情况进行设定，本实施例中根据经验设置d2＝0.5。
然后，将目标文本中第a个敏感词对应的候选标准敏感词集Ja中的敏感词数量记为n5a，与公式(1)和公式(2)的计算方式一致，同样根据候选标准敏感词集Ja中各候选标准敏感词的词向量，计算第e(e＝1，2，...，n5a)个候选标准敏感词和其他n5a-1个候选标准敏感词之间的第三相似度
Figure BDA0003583037980000101
获得第e个候选标准敏感词对应的第三相似度均值
Figure BDA0003583037980000102
从而获得第e个候选标准敏感词与目标文本中第a个敏感词之间的匹配程度Wae：
Figure BDA0003583037980000103
其中，
Figure BDA0003583037980000104
为第e个候选标准敏感词与目标文本中第a个敏感词之间的第二相似度，
Figure BDA0003583037980000105
为第e个候选标准敏感词对应的第三相似度均值，α1为第二相似度权值，α2为第三相似度权值。α1和α2的具体数值可根据实际情况进行设定，本实施例设定α1＝0.6，α2＝0.4。
则分别计算目标文本中第a个敏感词与对应的n5a个候选标准敏感词的匹配程度，从而将最大匹配程度对应的候选标准敏感词作为与目标文本中第a个敏感词唯一匹配的标准敏感词。
对于目标文本中的n3个敏感词，按照其在目标文本中首次出现的先后顺序，对目标文本中各敏感词唯一匹配的标准敏感词进行一一排序，从而按照各标准敏感词在排序结果中的对应顺序确定目标文本的标准敏感词组，并将目标文本的标准敏感词组记为M0。
步骤S105，根据各风险文本中的各敏感词的组合，确定各风险文本的标准敏感词组。
根据各风险文本中的各敏感词在对应风险文本中首次出现的先后顺序，对各风险文本中的各敏感词进行排序组合，确定各风险文本的标准敏感词组。
举例说明，对于第m个风险文本，确定其中每个敏感词在第m个风险文本中的首次出现顺序，按照先后顺序对第m个风险文本中的各敏感词进行排序组合，确定第m个风险文本的一个标准敏感词组Mm。
将风险文本的数量记为n，则可确定n个标准敏感词组M1，M2，...，Mn。
步骤S106，根据目标文本的标准敏感词组和各风险文本的标准敏感词组之间的相似度，确定目标音频的风险程度。
其中，计算目标文本的标准敏感词组与各风险文本的标准敏感词组之间的第四相似度，得到第四相似度的最大值，若第四相似度的最大值大于或等于预设第四相似度阈值，计算两者之间的差值，差值越大，目标音频的风险程度就越大，据此确定目标音频的风险程度。
举例说明，通过word2vec技术分别将目标文本的标准敏感词组和各风险文本的标准敏感词组表示为一个X维的词组向量，与公式(1)和公式(2)的计算方式一致，分别计算目标文本的标准敏感词组M0的词组向量与第1，...，n个风险文本的标准敏感词组M1，...，Mn的词组向量之间的第四相似度
Figure BDA0003583037980000111
将第四相似度的最大值记为
Figure BDA0003583037980000112
与预设的第四相似度阈值d4相比，若
Figure BDA0003583037980000113
则计算
Figure BDA0003583037980000114
与d4之间的差值，且差值越大，目标音频的风险程度就越大。因此，目标音频的风险程度F为：
Figure BDA0003583037980000115
其中，
Figure BDA0003583037980000116
为目标文本的标准敏感词组和各风险文本的标准敏感词组之间第四相似度的最大值，d4为预设第四相似度阈值，其中，第四相似度阈值d4可根据实际情况进行设定，本实施例中根据经验设置d4＝0.8。
本发明实施例通过确定历史文本中各风险文本和各非风险文本中的敏感词，获得历史文本中的敏感词以及标准敏感词集，以及目标文本中的若干个敏感词，并在标准敏感词集中确定出与目标文本中的各敏感词唯一匹配的标准敏感词，得到目标文本的标准敏感词组和各风险文本的标准敏感词组，最后根据目标文本的标准敏感词组和各风险文本的标准敏感词组之间的相似度，确定目标音频的风险程度。通过从目标文本中准确提取到标准敏感词组，与已经判定为风险文本的标准敏感词组进行比对，能够准确识别出目标客户的风险程度，从而提高对客户进行风险识别的准确率。
对应于上文实施例的风险识别方法，图3给出了本发明实施例二提供的基于通话录音的风险识别装置的结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。
参见图3，该风险识别装置包括：
文本获取模块21：用于获取业务员与各个客户之间通话录音的N个历史音频，获取业务员与当前客户之间通话录音的目标音频，将N个历史音频转换为N个历史文本，将目标音频转换为目标文本，历史文本分为风险文本和非风险文本；
第一敏感词确定模块22：用于确定历史文本中的敏感词，包括标准敏感词集中的敏感词，和各非风险文本中的敏感词；标准敏感词集包括各风险文本中的各敏感词；
第二敏感词确定模块23：用于根据历史文本中的敏感词确定目标文本中的若干个敏感词；
第一标准敏感词组确定模块24：用于在标准敏感词集中，确定出与目标文本中的各敏感词唯一匹配的标准敏感词，根据目标文本的标准敏感词的组合，确定目标文本的标准敏感词组；
第二标准敏感词组确定模块25：用于根据各风险文本中的所有敏感词的组合，确定各风险文本的标准敏感词组；
风险程度确定模块26：用于根据目标文本的标准敏感词组和各风险文本的标准敏感词组之间的相似度，确定目标音频的风险程度。
可选的，该风险识别装置还包括：
目标文本标准敏感词组确定模块：用于根据目标文本中的各敏感词在目标文本中的先后顺序，对与目标文本中的各敏感词唯一匹配的标准敏感词进行排序组合，确定目标文本的标准敏感词组。
可选的，文本获取模块21包括：
音频获取单元：用于获取业务员与各个客户之间通话录音的N个历史音频，获取业务员与当前客户之间通话录音的目标音频；
文本转换单元：用于将N个所述历史音频转换为N个历史文本，将所述目标音频转换为目标文本。
可选的，第一敏感词确定模块22包括：
风险文本分割单元：用于将各风险文本分割成若干个词或字；
标准敏感词集确定单元：用于根据预设的模糊正则表达式，确定各风险文本对应的各个词或字中的敏感词，得到风险文本的标准敏感词集；
非风险文本分割单元：用于将各非风险文本分割成若干个词或字；
历史文本敏感词确定单元：用于根据预设的模糊正则表达式，确定各非风险文本对应的各个词或字中的敏感词，与各风险文本中的各个敏感词一起作为历史文本中的敏感词。
可选的，第二敏感词确定模块23包括：
第一词向量确定单元：用于提取目标文本中的关键词，确定目标文本中各个关键词的词向量和历史文本中的各个敏感词的词向量；
目标文本敏感词确定单元：用于计算目标文本中各个关键词的词向量与历史文本中的各个敏感词的词向量之间的第一相似度，当第一相似度大于或等于第一相似度阈值时，将目标文本中的对应关键词作为目标文本中的敏感词，确定目标文本中的若干个敏感词。
可选的，第一标准敏感词组确定模块24包括：
第二词向量确定单元：用于确定标准敏感词集中各敏感词的词向量，确定目标文本中的各敏感词的词向量；
候选标准敏感词集合确定单元：用于计算目标文本中的各敏感词的词向量和标准敏感词集中各敏感词的词向量之间的第二相似度，确定目标文本中的各敏感词的候选标准敏感词，得到目标文本中的各敏感词的候选标准敏感词集合；
目标文本标准敏感词匹配单元：用于计算候选标准敏感词集合中各候选标准敏感词与其他候选标准敏感词之间的第三相似度，结合第二相似度，在标准敏感词集中，确定出与目标文本中的各敏感词唯一匹配的标准敏感词。
可选的，第二标准敏感词组确定模块25包括：
风险文本标准敏感词组确定单元：用于根据各风险文本中的各敏感词在对应风险文本中首次出现的先后顺序，对各风险文本中的各敏感词进行排序组合，确定各风险文本的标准敏感词组。
可选的，风险程度确定模块26包括：
相似度计算单元：用于计算目标文本的标准敏感词组和各风险文本的标准敏感词组之间的第四相似度，得到第四相似度的最大值；
风险程度计算单元：用于确定目标音频的风险程度，目标音频的风险程度与第四相似度的最大值和预设第四相似度阈值之间的差值成正相关关系。
需要说明的是，上述模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
图4为本发明实施例三提供的一种计算机设备的结构示意图。如图4所示，该实施例的计算机设备包括：至少一个处理器(图4中仅示出一个)、存储器以及存储在存储器中并可在至少一个处理器上运行的计算机程序，处理器执行计算机程序时实现上述任意各个风险识别方法实施例中的步骤。
该计算机设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图4仅仅是计算机设备的举例，并不构成对计算机设备的限定，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括网络接口、显示屏和输入装置等。
所称处理器可以是CPU，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器包括可读存储介质、内存储器等，其中，内存储器可以是计算机设备的内存，内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。可读存储介质可以是计算机设备的硬盘，在另一些实施例中也可以是计算机设备的外部存储设备，例如，计算机设备上配备的插接式硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，该其他程序如计算机程序的程序代码等。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述装置中单元、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，在此不再赘述。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，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，本发明实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
本发明实现上述实施例方法中的全部或部分流程，也可以通过一种计算机程序产品来完成，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现可实现上述方法实施例中的步骤。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
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算法步骤，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发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，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，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于通话录音的风险识别方法，其特征在于，所述识别方法包括：
获取业务员与各个客户之间通话录音的N个历史音频，获取业务员与当前客户之间通话录音的目标音频，将N个所述历史音频转换为N个历史文本，将所述目标音频转换为目标文本，所述历史文本分为风险文本和非风险文本；
确定历史文本中的敏感词，包括标准敏感词集中的敏感词，和各非风险文本中的敏感词；所述标准敏感词集包括各风险文本中的各敏感词；
根据所述历史文本中的敏感词确定目标文本中的若干个敏感词；
在所述标准敏感词集中，确定出与目标文本中的各敏感词唯一匹配的标准敏感词，根据目标文本的标准敏感词的组合，确定目标文本的标准敏感词组；
根据所述各风险文本中的各敏感词的组合，确定各风险文本的标准敏感词组；
根据所述目标文本的标准敏感词组和所述各风险文本的标准敏感词组之间的相似度，确定所述目标音频的风险程度。
2.根据权利要求1所述的风险识别方法，其特征在于，确定所述标准敏感词集的过程包括：
将各风险文本分割成若干个词或字；
根据预设的模糊正则表达式，确定各风险文本对应的各个词或字中的敏感词，得到风险文本的标准敏感词集。
3.根据权利要求1所述的风险识别方法，其特征在于，确定所述历史文本中的敏感词的过程包括：
将各非风险文本分割成若干个词或字；
根据预设的模糊正则表达式，确定各非风险文本对应的各个词或字中的敏感词，与所述各风险文本中的各个敏感词一起作为历史文本中的敏感词。
4.根据权利要求1所述的风险识别方法，其特征在于，所述根据所述历史文本中的敏感词确定目标文本中的若干个敏感词，包括：
提取目标文本中的关键词，确定目标文本中各个关键词的词向量和所述历史文本中的各个敏感词的词向量；
计算所述目标文本中各个关键词的词向量与所述历史文本中的各个敏感词的词向量之间的第一相似度，当第一相似度大于或等于第一相似度阈值时，将目标文本中的对应关键词作为目标文本中的敏感词，确定目标文本中的若干个敏感词。
5.根据权利要求1所述的风险识别方法，其特征在于，所述在所述标准敏感词集中，确定出与目标文本中的各敏感词唯一匹配的标准敏感词，包括：
确定所述标准敏感词集中各敏感词的词向量，确定所述目标文本中的各敏感词的词向量；
计算所述目标文本中的各敏感词的词向量和所述标准敏感词集中各敏感词的词向量之间的第二相似度，确定目标文本中的各敏感词的候选标准敏感词，得到目标文本中的各敏感词的候选标准敏感词集合；
计算所述候选标准敏感词集合中各候选标准敏感词与其他候选标准敏感词之间的第三相似度，结合所述第二相似度，在所述标准敏感词集中，确定出与目标文本中的各敏感词唯一匹配的标准敏感词。
6.根据权利要求1所述的风险识别方法，其特征在于，所述根据所述各风险文本中的各敏感词的组合，确定各风险文本的标准敏感词组，包括：
根据所述各风险文本中的各敏感词在对应风险文本中首次出现的先后顺序，对各风险文本中的各敏感词进行排序组合，确定各风险文本的标准敏感词组。
7.根据权利要求1所述的风险识别方法，其特征在于，所述根据所述目标文本的标准敏感词组和所述各风险文本的标准敏感词组之间的相似度，确定所述目标音频的风险程度，包括：
计算所述目标文本的标准敏感词组和所述各风险文本的标准敏感词组之间的第四相似度，得到所述第四相似度的最大值；
确定目标音频的风险程度，所述目标音频的风险程度与所述第四相似度的最大值和预设第四相似度阈值之间的差值成正相关关系。
8.一种基于通话录音的风险识别装置，其特征在于，所述风险识别装置包括：
文本获取模块：用于获取业务员与各个客户之间通话录音的N个历史音频，获取业务员与当前客户之间通话录音的目标音频，将N个所述历史音频转换为N个历史文本，将所述目标音频转换为目标文本，所述历史文本分为风险文本和非风险文本；
第一敏感词确定模块：用于确定历史文本中的敏感词，包括标准敏感词集中的敏感词，和各非风险文本中的敏感词；所述标准敏感词集包括各风险文本中的各敏感词；
第二敏感词确定模块：用于根据所述历史文本中的敏感词确定目标文本中的若干个敏感词；
第一标准敏感词组确定模块：用于在所述标准敏感词集中，确定出与目标文本中的各敏感词唯一匹配的标准敏感词，根据目标文本的标准敏感词的组合，确定目标文本的标准敏感词组；
第二标准敏感词组确定模块：用于根据所述各风险文本中的所有敏感词的组合，确定各风险文本的标准敏感词组；
风险程度确定模块：用于根据所述目标文本的标准敏感词组和所述各风险文本的标准敏感词组之间的相似度，确定所述目标音频的风险程度。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器以及存储在所述存储器中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计算机程序时实现如权利要求1至7任一项所述的风险识别方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的风险识别方法。
CN202210356213.2A 2022-04-06 2022-04-06 基于通话录音的风险识别方法、装置、计算机设备及介质 Pending CN114722199A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210356213.2A CN114722199A (zh) 2022-04-06 2022-04-06 基于通话录音的风险识别方法、装置、计算机设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210356213.2A CN114722199A (zh) 2022-04-06 2022-04-06 基于通话录音的风险识别方法、装置、计算机设备及介质

Publications (1)

Publication Number Publication Date
CN114722199A true CN114722199A (zh) 2022-07-08

Family

ID=82242281

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210356213.2A Pending CN114722199A (zh) 2022-04-06 2022-04-06 基于通话录音的风险识别方法、装置、计算机设备及介质

Country Status (1)

Country Link
CN (1) CN114722199A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116561668A (zh) * 2023-07-11 2023-08-08 深圳传趣网络技术有限公司 聊天会话的风险等级划分方法、装置、设备及存储介质
CN117574410A (zh) * 2024-01-16 2024-02-20 卓世智星(天津)科技有限公司 风险数据检测方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107402945A (zh) * 2017-03-15 2017-11-28 阿里巴巴集团控股有限公司 词库生成方法及装置、短文本检测方法及装置
CN110941959A (zh) * 2018-09-21 2020-03-31 阿里巴巴集团控股有限公司 文本违规检测、文本还原方法、数据处理方法及设备
CN113051911A (zh) * 2021-03-23 2021-06-29 北京百度网讯科技有限公司 提取敏感词的方法、装置、设备、介质及程序产品
CN114007131A (zh) * 2021-10-29 2022-02-01 平安科技（深圳）有限公司 视频监控方法、装置及相关设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107402945A (zh) * 2017-03-15 2017-11-28 阿里巴巴集团控股有限公司 词库生成方法及装置、短文本检测方法及装置
CN110941959A (zh) * 2018-09-21 2020-03-31 阿里巴巴集团控股有限公司 文本违规检测、文本还原方法、数据处理方法及设备
CN113051911A (zh) * 2021-03-23 2021-06-29 北京百度网讯科技有限公司 提取敏感词的方法、装置、设备、介质及程序产品
CN114007131A (zh) * 2021-10-29 2022-02-01 平安科技（深圳）有限公司 视频监控方法、装置及相关设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116561668A (zh) * 2023-07-11 2023-08-08 深圳传趣网络技术有限公司 聊天会话的风险等级划分方法、装置、设备及存储介质
CN117574410A (zh) * 2024-01-16 2024-02-20 卓世智星(天津)科技有限公司 风险数据检测方法及装置
CN117574410B (zh) * 2024-01-16 2024-04-05 卓世智星(天津)科技有限公司 风险数据检测方法及装置

Similar Documents

Publication Publication Date Title
CN110147726B (zh) 业务质检方法和装置、存储介质及电子装置
CN110444198B (zh) 检索方法、装置、计算机设备和存储介质
CN111522704A (zh) 告警信息处理方法、装置、计算机装置及存储介质
CN109872162B (zh) 一种处理用户投诉信息的风控分类识别方法及系统
US20120136812A1 (en) Method and system for machine-learning based optimization and customization of document similarities calculation
CN107229627B (zh) 一种文本处理方法、装置及计算设备
CN108027814B (zh) 停用词识别方法与装置
CN114722199A (zh) 基于通话录音的风险识别方法、装置、计算机设备及介质
CN108682421B (zh) 一种语音识别方法、终端设备及计算机可读存储介质
WO2021218027A1 (zh) 智能面试中专业术语的提取方法、装置、设备及介质
CN112433874A (zh) 一种故障定位方法、系统、电子设备及存储介质
CN113486664A (zh) 文本数据可视化分析方法、装置、设备及存储介质
CN112347223A (zh) 文档检索方法、设备及计算机可读存储介质
CN112214576B (zh) 舆情分析方法、装置、终端设备及计算机可读存储介质
CN114491034B (zh) 一种文本分类方法及智能设备
CN117520503A (zh) 基于llm模型的金融客服对话生成方法、装置、设备及介质
CN117235137B (zh) 一种基于向量数据库的职业信息查询方法及装置
CN114242047A (zh) 一种语音处理方法、装置、电子设备及存储介质
CN111858966B (zh) 知识图谱的更新方法、装置、终端设备及可读存储介质
CN112908339B (zh) 一种会议环节定位方法、装置、定位设备及可读存储介质
CN115374793A (zh) 基于服务场景识别的语音数据处理方法及相关装置
CN115080745A (zh) 基于人工智能的多场景文本分类方法、装置、设备及介质
CN114117047A (zh) 一种基于c4.5算法对非法语音进行分类的方法及系统
CN110705275A (zh) 主题词提取方法、装置、存储介质及电子设备
CN113836346B (zh) 为音频文件生成摘要的方法、装置、计算设备及存储介质

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