CN115273854A - 一种服务质量确定方法、装置、电子设备及存储介质 - Google Patents
一种服务质量确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115273854A CN115273854A CN202210891895.7A CN202210891895A CN115273854A CN 115273854 A CN115273854 A CN 115273854A CN 202210891895 A CN202210891895 A CN 202210891895A CN 115273854 A CN115273854 A CN 115273854A
- Authority
- CN
- China
- Prior art keywords
- text
- processed
- sub
- evaluation
- audio
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims abstract description 251
- 238000012545 processing Methods 0.000 claims abstract description 70
- 230000011218 segmentation Effects 0.000 claims abstract description 31
- 230000006854 communication Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 239000012634 fragment Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000001303 quality assessment method Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06Q30/01—Customer relationship services
- G06Q30/012—Providing warranty services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种服务质量确定方法、装置、电子设备及存储介质,其中,该方法包括:获取待处理音频,并将所述待处理音频转化为待处理文本;基于预先构建的文本处理模型中的至少两个子模型,分别对所述待处理文本进行评估,得到相应的子评估属性;其中,所述文本处理模型中包括文本分段评估子模型、业务指标评估子模型、意图识别评估子模型以及文本实例评估子模型中的至少两种;基于各子评估属性以及相应的待使用权重,确定与所述待处理文本相对应的目标评估属性,以基于所述目标评估属性确定待评估用户的服务质量。解决了对业务员的服务质量评估不够准确的问题,取得了准确对业务员的服务质量进行评估的效果。
Description
技术领域
本发明涉及语言处理技术领域,尤其涉及一种服务质量确定方法、装置、电子设备及存储介质。
背景技术
为了确定业务员在向用户进行产品介绍时,是否达到业务服务质量标准,需要对业务员进行服务质量评估。
目前,对业务员进行服务质量评估通常是通过人工,对业务员服务过程中的音频进行抽检,以检查业务员的服务质量。但是这样的方法存在较大的主观意愿,且没有具体的过程指标,同时,通过人工抽检还存在费事费力的问题。
为了更好的对业务员的服务质量进行评估,需要对服务质量的确定方法进行改进。
发明内容
本发明提供了一种服务质量确定方法、装置、电子设备及存储介质,以解决对业务员对用户的服务质量评估不够准确的问题。
第一方面,本发明实施例提供了一种服务质量确定方法,包括:
获取待处理音频,并将所述待处理音频转化为待处理文本;其中,所述待处理音频包括通讯音频以及现场音频中的至少一种;
基于预先构建的文本处理模型中的至少两个子模型,分别对所述待处理文本进行评估,得到相应的子评估属性;其中,所述文本处理模型中包括文本分段评估子模型、业务指标评估子模型、意图识别评估子模型以及文本实例评估子模型中的至少两种;
基于各子评估属性以及相应的待使用权重,确定与所述待处理文本相对应的目标评估属性,以基于所述目标评估属性确定待评估用户的服务质量。
第二方面,本发明实施例还提供了一种服务质量确定装置,包括:
待处理文本确定模块,用于获取待处理音频,并将所述待处理音频转化为待处理文本;其中,所述待处理音频包括通讯音频以及现场音频中的至少一种;
子评估属性确定模块,用于基于预先构建的文本处理模型中的至少两个子模型,分别对所述待处理文本进行评估,得到相应的子评估属性;其中,所述文本处理模型中包括文本分段评估子模型、业务指标评估子模型、意图识别评估子模型以及文本实例评估子模型中的至少两种;
目标评估属性确定模块,用于基于各子评估属性以及相应的待使用权重,确定与所述待处理文本相对应的目标评估属性,以基于所述目标评估属性确定待评估用户的服务质量。
第三方面,本发明实施例还提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的服务质量确定方法。
第四方面,本发明实施例还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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的服务质量确定方法。
本实施例的技术方案,获取待处理音频,并将所述待处理音频转化为待处理文本,实时获取待处理音频,或者从音频存储库中调取待处理音频,并基于文本转换器对待处理音频进行文本转换,得到待处理文本。基于预先构建的文本处理模型中的至少两个子模型,分别对所述待处理文本进行评估,得到相应的子评估属性,基于各子模型对待处理文本从不同的维度进行评估,得到相应的子评估属性,以基于各子评估属性确定目标评估属性。基于各子评估属性以及相应的待使用权重,确定与所述待处理文本相对应的目标评估属性,以基于所述目标评估属性确定待评估用户的服务质量,根据预先设置的各子模型的权重确定相应子评估属性的待使用权重,并基于各子评估属性和相应的待使用权重得到目标评估属性,以基于目标评估属性确定待评估用户的服务质量。解决了对业务员的服务质量评估不够准确的问题,取得了准确对业务员的服务质量进行评估的效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
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是根据本发明实施例一提供的一种服务质量确定方法的流程图;
图2是本发明实施例二提供的一种文本处理模型的构建的流程示意图;
图3是本发明实施例二提供的一种服务质量确定方法的示意图;
图4是本发明实施例二提供的一种产品配置的流程示意图;
图5是根据本发明实施例三提供的一种服务质量确定装置的结构示意图;
图6是实现本发明实施例的服务质量确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
在对本技术方案进行详细阐述之前,先对本技术方案的应用场景进行介绍,以便更加清楚地理解本技术方案。业务员在对客户进行产品介绍或讲解时,为了能够使客户能够详细的了解产品,业务公司通常会针对不同的产品设置必要的讲解点,以使业务员根据讲解点向客户进行详尽的介绍。同时,还可以根据业务员是否将与产品相对应的讲解点向客户进行介绍,对业务员进行服务质量评估。需要说明的是,本技术方案是基于音频文件对相应的业务员进行服务质量评估,应用场景包括产品培训、产品介绍以及产品发布等。
实施例一
图1为本发明实施例一提供了一种服务质量确定方法的流程图,本实施例可适用于对业务员对客户的服务质量进行评估的情况,该方法可以由服务质量确定装置来执行,该服务质量确定装置可以采用硬件和/或软件的形式实现,该服务质量确定装置可配置于可执行服务质量确定方法的计算设备中。
如图1所示,该方法包括:
S110、获取待处理音频,并将待处理音频转化为待处理文本。
以应用场景为车辆介绍为例,业务员在向客户进行车辆讲解时,通常会配备录音设备对业务员的车辆介绍过程进行录音,待处理音频可以理解为对业务员进行介绍时的音频文件。需要说明的是,待处理音频不仅可以是线下基于录音设备采集的音频文件,还可以是业务员基于线上通讯设备向客户进行产品介绍时采集的音频文件。也就是说,待处理音频包括通讯音频以及现场音频中的至少一种。待处理文本可以理解为对待处理音频进行文字转化,得到的文本文件。
具体的,在业务员基于线上或现场为客户进行产品介绍时,获取业务员工作工程中的待处理音频,为了确定业务员在向客户进行产品介绍时,能够将产品进行全方面的介绍,以对业务员的服务质量进行评估,需要将待处理音频转换为待处理文本。
可选的,获取待处理音频,并将待处理音频转化为待处理文本,包括:实时获取待处理音频;或从音频存储库中,调取与预设音频标识相对应的待处理音频;基于文本转换器,对待处理音频进行文本转换,得到与待处理音频相对应的待处理文本。
其中,待处理音频的获取方式可以包括实时获取的方式,也可以为从音频存储库中调取的方式。音频存储库可以为预先设置的用于存储业务员的音频文件的数据库。在需要对某个业务员进行服务质量评估时,可以通过与该业务员相对应的待处理音频进行评估,通常可以通过待处理音频携带的音频标识调取相应的待处理音频,预设音频标识可以理解为与待处理音频相对应的音频标识。文本转换器可以理解为将音频文件转换为文字文件的软件或插件等。
需要说明的是,在对待处理音频转换处理后,得到的待处理文本的文本数据格式为预设文本数据格式。
具体的,实时采集业务员客户进行产品讲解时的待处理音频,或者从预先设置的音频存储库中,基于待处理音频的音频标识从音频存储库中调取相应的待处理音频。如,可以采集业务员基于线上通讯设备进行产品讲解的音频文件,也可以采集业务员在线下进行产品现场介绍讲解的音频文件。在得到待处理音频后,基于文本转换器对待处理音频进行转换,得到待处理文本。
S120、基于预先构建的文本处理模型中的至少两个子模型,分别对待处理文本进行评估,得到相应的子评估属性。
其中,文本处理模型可以理解为对待处理文本进行评估的模型,在文本处理模型中包括文本分段评估子模型、业务指标评估子模型、意图识别评估子模型以及文本实例评估子模型中的至少两种。子评估属性可以理解为基于子模型对待处理文本进行评估后得到的评估属性。
具体的,为了基于待处理文本对业务员进行相应的服务质量评估,可以从不同的维度对待处理文本进行打分评估,也就是说,通过预先构建的文本处理模型中的至少两个子模型,分别对待处理文本进行打分,并得到相应的子评估属性,以基于各子评估属性,得到与待处理文本相对应的目标评估属性。
可选的,子模型为文本分段评估子模型,基于预先构建的文本处理模型中的至少两个子模型,分别对待处理文本进行评估,得到相应的子评估属性,包括:基于文本分段评估子模型,对待处理文本进行分段处理,得到至少一个文本片段;获取各文本片段的文本标志,根据文本标志的标志数量所占预设文本标志数量的比值,确定与待处理文本相对应的分段子评估属性。
其中,文本分段评估子模型可以理解为对待处理文本进行文本片段划分,并对各文本片段进行评估的模型。文本标志可以理解为与各文本片段相对应的唯一标识性信息。分段子评估属性可以理解为基于文本分段评估子模型对待处理文本进行评估后得到的评估值。
具体的,通常,业务员在向客户进行产品介绍时,需要基于业务公司提供的产品介绍模板进行介绍,以避免介绍过程中对产品存在信息遗漏的问题。例如,产品介绍模板中,通常会包括开场白、产品应用背景、产品优势、产品价格、产品优惠活动以及产品特点等产品讲解点。在对业务员的服务质量进行评估时,可以通过确定业务员在介绍过程中,是否包含所有的预先设置的需要向客户进行介绍的产品讲解点进行服务质量评估。具体的,基于文本分段评估子模型,先对待处理文本进行文本片段划分,得到至少一个文本片段,然后根据各文本片段的文本标志,确定相应的产品讲解点。进一步的,根据文本标志的数量和预设文本标志数量的比值,确定与待处理文本相对应的分段子评估属性。
示例性地,基于文本分段评估子模型对待处理文本进行文本划分,得到至少一个文本片段,每个文本片段对应唯一的文本标志,不同的文本标志对应不同的产品讲解点,若产品A的产品讲解点包括50个,若业务员A向客户进行产品介绍时,涉及其中的40个产品讲解点,则文本标志的标志数量与预设文本标志数量的比值为80%。根据不同的比值可以得到不同的分段子评估属性。如文本标志的标志数量与预设文本标志数量的比值大于90%时,分段子评估属性可以为100分,当文本标志的标志数量与预设文本标志数量的比值大于80%时,分段子评估属性可以为90分等。具体的文本标志的标志数量与预设文本标志数量的比值,与分段子评估属性的对应关系可以根据实际情况设定,在此不做具体限定。
可选的,子模型为业务指标评估子模型,基于预先构建的文本处理模型中的至少两个子模型,分别对待处理文本进行评估,得到相应的子评估属性,包括:针对各文本片段,基于业务指标评估子模型,对当前文本片段进行业务指标检测,得到当前文本片段中的当前业务指标数量;基于各文本片段相对应的业务指标数量所占预设业务指标数量的比值,确定与待处理文本相对应的业务指标子评估属性。
其中,业务指标评估子模型可以理解为用于根据业务员完成业务指标进行服务质量评估的模型。业务指标可以理解为产品讲解点,如,产品B有10个产品讲解点,则产品B的业务指标为10个,也就是说,业务员向客户介绍产品B的业务指标为10个。在待处理文本中,业务指标可以为待处理文本中的业务指标,也可以是每个文本片段中包含相应的业务指标。当前文本片段可以理解为正在进行或即将进行业务指标检测的文本片段。预设业务指标数量可以理解为针对待处理文本预先设置的业务指标的数量。业务指标子评估属性可以理解为基于业务指标评估子模型对待处理文本进行评估后得到的评估值。
具体的,根据业务指标评估子模型对待处理文本中的各文本片段进行分析处理,确定各文本片段中的业务指标数量,进一步的,基于各业务指标数量与预设业务指标数量的比值,确定待处理文本的业务指标子评估属性。
示例性地,在确定业务指标子评估属性时,可以将各文本片段中的业务指标的数量进行相加,得到待使用业务指标数量,基于待使用业务指标数量与待处理文本的预设业务指标数量的比值,确定业务指标子评估属性。
示例性地,在确定业务指标子评估属性时,还可以是预先针对各文本片段设置相应的片段业务指标,基于各文本片段中的业务指标数量与相应的片段业务指标的比值,将该各比值进行均值处理,得到待处理文本中的业务指标数量与预设业务指标的比值,确定待处理文本的业务指标子评估属性。
可选的,子模型为意图识别评估子模型,基于预先构建的文本处理模型中的至少两个子模型,分别对待处理文本进行评估,得到相应的子评估属性,包括:基于意图识别评估子模型,对待处理文本的上下文进行语义识别,得到至少一个意图文本;确定至少一个意图文本的意图文本数量,根据意图文本数量所对应的文本数量区间,对待处理文本进行评估,得到与意图文本子评估属性。
其中,意图识别评估子模型可以理解为用于对待处理文本的上下文进行语义分析的模型。意图文本可以理解为基于意图识别评估子模型从待处理文本中提取的客户期望信息。意图文本子评估属性可以理解为基于意图识别评估子模型对待处理文本进行评估后得到的评估值。
具体的,在业务员向客户进行产品讲解或介绍时,为了能够更好的为客户进行服务,需要了解客户的兴趣、偏好以及产品期望等,而了解客户的意图信息也是对业务员进行服务质量评估的指标之一。基于意图识别评估子模型中的语义分析算法,对待处理文本的上下文进行语义分析,以获得待处理文本中的至少一个意图文本。示例性地,在业务员向客户介绍产品A时,客户提及与产品A相关的期望功能,或与产品A同类的其他产品等,均可以视为待处理文本中的意图文本。从待处理文本中提取的意图文本的数量越多,则表明业务员了解的客户的意图信息越丰富,相应的,对业务员的服务质量的评估值也越高。根据意图文本数量所对应的文本数量区间,可以确定与待处理文本相对应的意图文本子评估属性。
可选的,子模型为文本实例评估子模型,基于预先构建的文本处理模型中的至少两个子模型,分别对待处理文本进行评估,得到相应的子评估属性,包括:基于文本实例评估子模型,确定待处理文本中的实例数量;基于实例数量所对应的实例数量区间,对待处理文本进行评估,得到文本实例子评估属性。
其中,业务员在向客户进行产品介绍过程中,为了方便客户的理解或者对产品更深层次的了解,时常需要向客户进行实例举例。文本实例评估子模型可以理解为基于对待处理文本中的实例进行评估的模型。实例可以理解为待处理文本中业务员向客户进行举例说明时的例子。文本实例子评估属性可以理解为基于文本实例评估子模型对待处理文本进行评估后得到的评估值。
具体的,通过文本实例评估子模型对待处理文本进行分析处理,提取待处理文本中的实例,并确定实例数量,根据实例数量所对应的实例数量区间,对待处理文本进行评估,得到文本实例子评估属性。实例数量越所,的文本实例子评估属性越高。
S130、基于各子评估属性以及相应的待使用权重,确定与待处理文本相对应的目标评估属性,以基于目标评估属性确定待评估用户的服务质量。
其中,待使用权重可以理解为各子评估属性所对应的权重值。目标评估属性可以理解为与待处理文本相对应的最终评估属性,也是基于各子评估属性确定的评估属性。待评估用户可以理解为向客户进行产品介绍的业务员。
可选的,基于各子评估属性以及相应的待使用权重,确定与待处理文本相对应的目标评估属性,包括:根据各子模型所对应的权重,确定相应的子评估属性所对应的待使用权重;将各子评估属性与相应的待使用权重进行乘积处理,得到相应的待使用乘积;将各待使用乘积进行叠加,得到与待处理文本相对应的目标评估属性。
其中,待使用权重是根据各子模型确定的权重,例如,文本分段评估子模型所对应的权重为a,则与文本分段评估子模型相对应的分段子评估属性的待使用权重即为a。待使用乘积可以理解为各子评估属性与相应的待使用权重相乘后得到的乘积结果。
具体的,预先对各子模型设置相应的权重,并基于此确定各子评估属性所对应的待使用权重。在本技术方案中,文本处理模型包括4个子模型,将各子模型所对应的子评估属性与相应的待使用相乘,得到相应的待使用乘积,然后将4个待使用乘积进行叠加处理,即可得到待处理文本相对应的目标评估属性,以基于目标评估属性确定待评估用户的服务质量,目标评估属性越高,则表示业务员的服务质量越好。
本实施例的技术方案,获取待处理音频,并将所述待处理音频转化为待处理文本,实时获取待处理音频,或者从音频存储库中调取待处理音频,并基于文本转换器对待处理音频进行文本转换,得到待处理文本。基于预先构建的文本处理模型中的至少两个子模型,分别对所述待处理文本进行评估,得到相应的子评估属性,基于各子模型对待处理文本从不同的维度进行评估,得到相应的子评估属性,以基于各子评估属性确定目标评估属性。基于各子评估属性以及相应的待使用权重,确定与所述待处理文本相对应的目标评估属性,以基于所述目标评估属性确定待评估用户的服务质量,根据预先设置的各子模型的权重确定相应子评估属性的待使用权重,并基于各子评估属性和相应的待使用权重得到目标评估属性,以基于目标评估属性确定待评估用户的服务质量。解决了对业务员的服务质量评估不够准确的问题,取得了准确对业务员的服务质量进行评估的效果。
实施例二
在一个具体的例子中,以确定车辆业务员的服务质量为例,全程会对业务员和客户的沟通过程进行录音,以根据与业务员相对应的录音文件(即,待处理音频)确定业务员的服务质量。在本技术方案中,在接收到车辆业务员向客户提供服务的录音数据(即,待处理音频)后,调用第三方的自动语音转文本(Automatic Speech Recognition,ASR)引擎(即,文本转换器),对待处理音频进行文本转换,得到待处理文本,以基于预先训练出的模型(即,预先构建的文本处理模型)对待处理文本进行评估处理。其中,待处理文本的数据格式为文本处理模型可以处理的数据格式(即,预设文本数据格式)。需要说明的是,对车辆业务员的服务质量进行评估时可以为实时的,也可以为非实时的,即,将与车辆业务员相对应的录音文件存储在音频存储库中,以在确定车辆业务员的服务质量时,基于预设音频标识从音频存储库中调取与预设音频标识相对应的录音文件作为待处理音频。
需要说明的是,本技术方案在基于文本处理模型对待处理文本进行处理之前,需要预先构建文本处理模型,参见图2,具体的,可以基于以下方式对文本处理模型进行构建。在构建文本处理模型的过程中,可以基于历史音频所对应的历史文本对文本处理模型进行训练,首先,通过资深业务专家对业务关心的指标库进行梳理,并对指标库进行原子级别的拆解(即,根据车辆特点制定车辆业务员需要向客户进行讲解的业务讲解点),形成一套大而全的原子指标库(即,用于存储车辆的业务讲解点的数据库),并基于指标库对历史文本进行数据标注处理。接下来,对标注好的历史文本进行清洗过滤,剔除停用字符以及无用的干扰字符,在完成数据清洗后,结合原子指标库(即,用于存储车辆的业务讲解点的数据库)对各个指标的业务关键信息进行梳理,拼接业务关键信息和原始数据(即,历史文本),完善丰富原子指标库中的原子指标信息(即,业务讲解点)。进一步的,将清洗拼接后的文本数据进行训练集和验证集的数据裁剪。如,在某个历史音频所对应的历史文本中,考虑历史文本中的正例样本数量和负例样本数量,将正例样本和负例样本按照一定比例进行采样,如正例样本数量和负例样本数量的比例可以设置为1:6。
完成数据清洗后,进行文本处理模型的构建,在本技术方案中,文本处理模型包括至少两个子模型,以文本处理模型中包括4大模块(即,4个子模型)为例,在文本处理模型中具体包括:业务规则模型(即,业务指标评估子模型)、意图识别模型(即,意图识别评估子模型)、实体识别模型(即,文本实例评估子模型)和分段模型(即,文本分段评估子模型),参见图3。其中,业务规则模型用于针对原子指标构建业务规则模块,使得在缺失数据时,可以快速上线,对待处理文本进行处理,以保证文本处理模型达到至少60分的文本分析水准。意图识别模型用于除了明确且简单有效的采用业务规则模型以外,其他的都采用深度学习模型来进行训练,结合企业累计的上万条精标的文本数据,对文本处理模型进行训练。实体识别模型用于除了要识别到各原子指标中是否包含客户的意图信息外,还要明确这个意图信息的具体出处,也就是说,可以根据车辆业务员与客户的沟通过程中是否存在与客户问题相对应的实例(即,实例信息),精准的定位能够让车辆业务员快速向客户进行反馈。分段模型用于所有的意图和实体是基于录音文本预测而得,但原子指标除了要准确的识别出来以外,各个原子规则还需要有对应的逻辑顺序,比如a指标只能在【需求探索】阶段识别才算正确,例如,在【开场白】或者【离店送别】阶段体现,则为错误,通过构建分段模型,加上原子规则和分段质检的对应配置关系,可以很好的检测出销售接待过程中为了拿分而没有严格按照标准执行的案例出现。
在完成文本处理模型的构建后,基于文本处理模型对待处理文本进行分析处理,以基于待处理文本对相应的车辆业务员进行服务质量评估。具体的,基于预先设置的接口对接处理模块,调取待处理音频,并基于第三方ASR转译软件(即,文本转换器)转成待处理文本,然后通过线上推理模块对待处理文本进行指标分析。具体的,文本处理模型中的各子模型分别对待处理文本进行相应的评估分析,得到与各子模型相对应的子评估属性,根据预先设置的各子模型所对应的权重,确定相应子评估属性的待使用权重,以基于各子评估属性以及相应的待评估权重进行相乘,得到相应的待使用乘积,将各待使用乘积进行叠加处理后,得到与待处理文本相对应的目标评估属性。
在得到目标评估属性后,根据目标评估属性的大小可以对车辆业务员的服务质量进行评估,目标评估属性越大,则表明车辆业务员的服务质量越好。
此外,还可以将目标评估属性以及各子评估属性发送至目标客户端上,以使车辆业务员基于目标客户端查询个人评估属性的组成,从而有针对性的进行自我提升。同时,管理者也可以通过车辆业务员的目标评估属性和各子评估属性确定车辆业务员的服务质量,参见图4。其中,图4中的原则质检规则可以理解为待处理文本中的车辆业务指标的检测规则,如,业务指标关键词检测规则,通过文本处理模型中的后端配置对待处理文本进行处理,得到目标评估属性,并将目标评估属性和相应的子评估属性发送至前端web页面,以基于前端web页面进行展示。可以理解的是,车辆业务员或管理者也可以对待处理文本中的错误信息进行修正,以基于文本处理模型对更新后的待处理文本进行分析处理,得到相应的目标评估属性。
本实施例的技术方案,获取待处理音频,并将所述待处理音频转化为待处理文本,实时获取待处理音频,或者从音频存储库中调取待处理音频,并基于文本转换器对待处理音频进行文本转换,得到待处理文本。基于预先构建的文本处理模型中的至少两个子模型,分别对所述待处理文本进行评估,得到相应的子评估属性,基于各子模型对待处理文本从不同的维度进行评估,得到相应的子评估属性,以基于各子评估属性确定目标评估属性。基于各子评估属性以及相应的待使用权重,确定与所述待处理文本相对应的目标评估属性,以基于所述目标评估属性确定待评估用户的服务质量,根据预先设置的各子模型的权重确定相应子评估属性的待使用权重,并基于各子评估属性和相应的待使用权重得到目标评估属性,以基于目标评估属性确定待评估用户的服务质量。解决了对业务员的服务质量评估不够准确的问题,取得了准确对业务员的服务质量进行评估的效果。
实施例三
图5为本发明实施例三提供的一种服务质量确定装置的结构示意图。如图5所示,该装置包括:待处理文本确定模块210、子评估属性确定模块220和目标评估属性确定模块230。
其中,待处理文本确定模块210,用于获取待处理音频,并将待处理音频转化为待处理文本;其中,待处理音频包括通讯音频以及现场音频中的至少一种;
子评估属性确定模块220,用于基于预先构建的文本处理模型中的至少两个子模型,分别对待处理文本进行评估,得到相应的子评估属性;其中,文本处理模型中包括文本分段评估子模型、业务指标评估子模型、意图识别评估子模型以及文本实例评估子模型中的至少两种;
目标评估属性确定模块230,用于基于各子评估属性以及相应的待使用权重,确定与待处理文本相对应的目标评估属性,以基于目标评估属性确定待评估用户的服务质量。
本实施例的技术方案,获取待处理音频,并将所述待处理音频转化为待处理文本,实时获取待处理音频,或者从音频存储库中调取待处理音频,并基于文本转换器对待处理音频进行文本转换,得到待处理文本。基于预先构建的文本处理模型中的至少两个子模型,分别对所述待处理文本进行评估,得到相应的子评估属性,基于各子模型对待处理文本从不同的维度进行评估,得到相应的子评估属性,以基于各子评估属性确定目标评估属性。基于各子评估属性以及相应的待使用权重,确定与所述待处理文本相对应的目标评估属性,以基于所述目标评估属性确定待评估用户的服务质量,根据预先设置的各子模型的权重确定相应子评估属性的待使用权重,并基于各子评估属性和相应的待使用权重得到目标评估属性,以基于目标评估属性确定待评估用户的服务质量。解决了对业务员的服务质量评估不够准确的问题,取得了准确对业务员的服务质量进行评估的效果。
可选的,待处理文本确定模块包括:第一音频获取单元,用于实时获取待处理音频;或
第二音频获取单元,用于从音频存储库中,调取与预设音频标识相对应的待处理音频;
待处理文本确定单元,用于基于文本转换器,对待处理音频进行文本转换,得到与待处理音频相对应的待处理文本;其中,待处理文本的文本数据格式为预设文本数据格式。
可选的,子评估属性确定模块包括:文本片段确定单元,用于子模型为文本分段评估子模型,基于文本分段评估子模型,对待处理文本进行分段处理,得到至少一个文本片段;
第一子评估属性确定单元,用于获取各文本片段的文本标志,根据文本标志的标志数量所占预设文本标志数量的比值,确定与待处理文本相对应的分段子评估属性。
可选的,子评估属性确定模块包括:当前业务指标数量确定单元,用于子模型为业务指标评估子模型,针对各文本片段,基于业务指标评估子模型,对当前文本片段进行业务指标检测,得到当前文本片段中的当前业务指标数量;
第二子评估属性确定单元,用于基于各文本片段相对应的业务指标数量所占预设业务指标数量的比值,确定与待处理文本相对应的业务指标子评估属性。
可选的,子评估属性确定模块包括:意图文本确定单元,用于子模型为意图识别评估子模型,基于意图识别评估子模型,对待处理文本的上下文进行语义识别,得到至少一个意图文本;
第三子评估属性确定单元,用于确定至少一个意图文本的意图文本数量,根据意图文本数量所对应的文本数量区间,对待处理文本进行评估,得到与意图文本子评估属性。
可选的,子评估属性确定模块包括:实例数量确定单元,用于基于文本实例评估子模型,确定待处理文本中的实例数量;
第四子评估属性确定单元,用于基于实例数量所对应的实例数量区间,对待处理文本进行评估,得到文本实例子评估属性。
可选的,目标评估属性确定模块包括:待使用权重确定单元,用于根据各子模型所对应的权重,确定相应的子评估属性所对应的待使用权重;
待使用乘积确定单元,用于将各子评估属性与相应的待使用权重进行乘积处理,得到相应的待使用乘积;
目标评估属性确定单元,用于将各待使用乘积进行叠加,得到与待处理文本相对应的目标评估属性。
本发明实施例所提供的服务质量确定装置可执行本发明任意实施例所提供的服务质量确定方法,具备执行方法相应的功能模块和有益效果。
实施例四
图6示出了本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如服务质量确定方法。
在一些实施例中,服务质量确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的服务质量确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行服务质量确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的服务质量确定方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种服务质量确定方法,其特征在于,包括:
获取待处理音频,并将所述待处理音频转化为待处理文本;其中,所述待处理音频包括通讯音频以及现场音频中的至少一种;
基于预先构建的文本处理模型中的至少两个子模型,分别对所述待处理文本进行评估,得到相应的子评估属性;其中,所述文本处理模型中包括文本分段评估子模型、业务指标评估子模型、意图识别评估子模型以及文本实例评估子模型中的至少两种;
基于各子评估属性以及相应的待使用权重,确定与所述待处理文本相对应的目标评估属性,以基于所述目标评估属性确定待评估用户的服务质量。
2.根据权利要求1所述的方法,其特征在于,所述获取待处理音频,并将所述待处理音频转化为待处理文本,包括:
实时获取待处理音频;或
从音频存储库中,调取与预设音频标识相对应的待处理音频;
基于文本转换器,对所述待处理音频进行文本转换,得到与所述待处理音频相对应的待处理文本;其中,所述待处理文本的文本数据格式为预设文本数据格式。
3.根据权利要求1所述的方法,其特征在于,所述子模型为所述文本分段评估子模型,所述基于预先构建的文本处理模型中的至少两个子模型,分别对所述待处理文本进行评估,得到相应的子评估属性,包括:
基于所述文本分段评估子模型,对所述待处理文本进行分段处理,得到至少一个文本片段;
获取各文本片段的文本标志,根据文本标志的标志数量所占预设文本标志数量的比值,确定与所述待处理文本相对应的分段子评估属性。
4.根据权利要求3所述的方法,其特征在于,所述子模型为所述业务指标评估子模型,所述基于预先构建的文本处理模型中的至少两个子模型,分别对所述待处理文本进行评估,得到相应的子评估属性,包括:
针对各文本片段,基于所述业务指标评估子模型,对当前文本片段进行业务指标检测,得到所述当前文本片段中的当前业务指标数量;
基于各文本片段相对应的业务指标数量所占预设业务指标数量的比值,确定与所述待处理文本相对应的业务指标子评估属性。
5.根据权利要求1所述的方法,其特征在于,所述子模型为所述意图识别评估子模型,所述基于预先构建的文本处理模型中的至少两个子模型,分别对所述待处理文本进行评估,得到相应的子评估属性,包括:
基于所述意图识别评估子模型,对所述待处理文本的上下文进行语义识别,得到至少一个意图文本;
确定所述至少一个意图文本的意图文本数量,根据所述意图文本数量所对应的文本数量区间,对所述待处理文本进行评估,得到与意图文本子评估属性。
6.根据权利要求1所述的方法,其特征在于,所述子模型为所述文本实例评估子模型,所述基于预先构建的文本处理模型中的至少两个子模型,分别对所述待处理文本进行评估,得到相应的子评估属性,包括:
基于所述文本实例评估子模型,确定所述待处理文本中的实例数量;
基于所述实例数量所对应的实例数量区间,对所述待处理文本进行评估,得到文本实例子评估属性。
7.根据权利要求1所述的方法,其特征在于,所述基于各子评估属性以及相应的待使用权重,确定与所述待处理文本相对应的目标评估属性,包括:
根据各子模型所对应的权重,确定相应的子评估属性所对应的待使用权重;
将各子评估属性与相应的待使用权重进行乘积处理,得到相应的待使用乘积;
将各待使用乘积进行叠加,得到与所述待处理文本相对应的目标评估属性。
8.一种服务质量确定装置,其特征在于,包括:
待处理文本确定模块,用于获取待处理音频,并将所述待处理音频转化为待处理文本;其中,所述待处理音频包括通讯音频以及现场音频中的至少一种;
子评估属性确定模块,用于基于预先构建的文本处理模型中的至少两个子模型,分别对所述待处理文本进行评估,得到相应的子评估属性;其中,所述文本处理模型中包括文本分段评估子模型、业务指标评估子模型、意图识别评估子模型以及文本实例评估子模型中的至少两种;
目标评估属性确定模块,用于基于各子评估属性以及相应的待使用权重,确定与所述待处理文本相对应的目标评估属性,以基于所述目标评估属性确定待评估用户的服务质量。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的服务质量确定方法。
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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的服务质量确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210891895.7A CN115273854B (zh) | 2022-07-27 | 2022-07-27 | 一种服务质量确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210891895.7A CN115273854B (zh) | 2022-07-27 | 2022-07-27 | 一种服务质量确定方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115273854A true CN115273854A (zh) | 2022-11-01 |
CN115273854B CN115273854B (zh) | 2023-05-09 |
Family
ID=83770490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210891895.7A Active CN115273854B (zh) | 2022-07-27 | 2022-07-27 | 一种服务质量确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115273854B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112468659A (zh) * | 2020-11-20 | 2021-03-09 | 平安普惠企业管理有限公司 | 应用于电话客服的质量评价方法、装置、设备及存储介质 |
WO2021164147A1 (zh) * | 2020-02-19 | 2021-08-26 | 平安科技(深圳)有限公司 | 基于人工智能的服务评价方法、装置、设备及存储介质 |
CN114218427A (zh) * | 2021-12-13 | 2022-03-22 | 平安银行股份有限公司 | 语音质检分析方法、装置、设备及介质 |
CN114420125A (zh) * | 2020-10-12 | 2022-04-29 | 腾讯科技(深圳)有限公司 | 音频处理方法、装置、电子设备及介质 |
-
2022
- 2022-07-27 CN CN202210891895.7A patent/CN115273854B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021164147A1 (zh) * | 2020-02-19 | 2021-08-26 | 平安科技(深圳)有限公司 | 基于人工智能的服务评价方法、装置、设备及存储介质 |
CN114420125A (zh) * | 2020-10-12 | 2022-04-29 | 腾讯科技(深圳)有限公司 | 音频处理方法、装置、电子设备及介质 |
CN112468659A (zh) * | 2020-11-20 | 2021-03-09 | 平安普惠企业管理有限公司 | 应用于电话客服的质量评价方法、装置、设备及存储介质 |
CN114218427A (zh) * | 2021-12-13 | 2022-03-22 | 平安银行股份有限公司 | 语音质检分析方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115273854B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3937128A2 (en) | Image defect detection method and apparatus, electronic device, storage medium and product | |
CN111260102A (zh) | 一种用户满意度预测方法、装置、电子设备及存储介质 | |
CN110942326A (zh) | 一种用户满意度预测方法及装置、服务器 | |
CN108734296A (zh) | 优化监督学习的训练数据的方法、装置、电子设备和介质 | |
CN111427974A (zh) | 数据质量评估管理方法和装置 | |
CN114360581A (zh) | 识别设备故障的方法、装置及电子设备 | |
CN112148841B (zh) | 一种对象分类以及分类模型构建方法和装置 | |
CN116340831B (zh) | 一种信息分类方法、装置、电子设备及存储介质 | |
CN112860672A (zh) | 标签权重的确定方法和装置 | |
CN115273854B (zh) | 一种服务质量确定方法、装置、电子设备及存储介质 | |
CN114141236B (zh) | 语言模型更新方法、装置、电子设备及存储介质 | |
CN110580899A (zh) | 语音识别方法及装置、存储介质、计算设备 | |
CN115618264A (zh) | 数据资产的主题分类方法、装置、设备和介质 | |
CN115048352A (zh) | 一种日志字段提取方法、装置、设备和存储介质 | |
CN114443493A (zh) | 一种测试案例生成方法、装置、电子设备和存储介质 | |
CN113869023A (zh) | 质控数据的处理方法、装置和存储介质 | |
CN114116688A (zh) | 数据处理与数据质检方法、装置及可读存储介质 | |
CN112131379A (zh) | 用于识别问题类别的方法、装置、电子设备及存储介质 | |
CN115562192B (zh) | 一种装配工艺图形化管理方法、系统、终端及存储介质 | |
WO2024065776A1 (en) | Method for data processing, apparatus for data processing, electronic device, and storage medium | |
CN113934845A (zh) | 报表分析方法、装置、设备及介质 | |
CN115660363A (zh) | 对话处理方法、装置、电子设备和存储介质 | |
CN117033235A (zh) | 一种软件程序关联性测试方法、装置、设备及存储介质 | |
CN116069604A (zh) | 一种用户行为预测方法、装置、设备及存储介质 | |
CN113962382A (zh) | 训练样本的构建方法、装置、电子设备和可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method, device, electronic device, and storage medium for determining service quality Effective date of registration: 20231212 Granted publication date: 20230509 Pledgee: Industrial Bank Co.,Ltd. Shanghai Dahua sub branch Pledgor: Shanghai shuce Software Co.,Ltd. Registration number: Y2023310000837 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |