CN116994574A - 客诉预警方法、装置、电子设备、存储介质及产品 - Google Patents

客诉预警方法、装置、电子设备、存储介质及产品 Download PDF

Info

Publication number
CN116994574A
CN116994574A CN202310814287.0A CN202310814287A CN116994574A CN 116994574 A CN116994574 A CN 116994574A CN 202310814287 A CN202310814287 A CN 202310814287A CN 116994574 A CN116994574 A CN 116994574A
Authority
CN
China
Prior art keywords
time
early warning
frequency
signal
complaint
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
CN202310814287.0A
Other languages
English (en)
Inventor
吴斌
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.)
Industrial and Commercial Bank of China Ltd ICBC
Original Assignee
Industrial and Commercial Bank of China Ltd ICBC
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 Industrial and Commercial Bank of China Ltd ICBC filed Critical Industrial and Commercial Bank of China Ltd ICBC
Priority to CN202310814287.0A priority Critical patent/CN116994574A/zh
Publication of CN116994574A publication Critical patent/CN116994574A/zh
Pending legal-status Critical Current

Links

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
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1822—Parsing for meaning understanding
    • 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
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • 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
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • 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
    • 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
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
    • G10L2021/02166—Microphone arrays; Beamforming

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Circuit For Audible Band Transducer (AREA)

Abstract

本公开提供一种客诉预警方法、装置、设备、介质及产品，涉及人工智能和语音处理技术领域，可应用于金融科技领域，方法包括：在预设的采集周期内，从至少一个方向采集目标区域的音频信号，得到对应于每个方向的时序音频信号，其中，每个音频信号包括语音信号和噪声信号。计算时序音频信号中语音信号的第一时频遮蔽和噪声信号的第二时频遮蔽，其中，第一时频遮蔽用于表征语音信号的主导时频点的概率，第二时频遮蔽用于表征噪声信号的主导时频点的概率。根据第一时频遮蔽和第二时频遮蔽对至少一个音频信号执行波速形成，得到目标语音信号。对目标语音信号进行语义解析，得到语义内容。根据语义内容对客诉进行预警。

Description

客诉预警方法、装置、电子设备、存储介质及产品
技术领域
本公开涉及人工智能和语音处理技术领域，可以应用于金融科技技术领域，特别涉及一种客诉预警方法、装置、电子设备、存储介质及产品。
背景技术
随着数字化金融服务的发展，银行网点智能机具越来越普遍，大堂工作人员越来越少，但限于产品本身以及客户知识水平的限制，许多客户即使在智能机具前办理业务仍需要大堂工作人员协助，现实中每个网点配备大堂工作人员优先，时常无法满足客户需求，导致服务评价下降以及客户投诉，甚至导致纠纷的发生。
为了避免该问题，智能语音识别被应用于银行网点中，精确的语音识别和语言理解对于令人满意的用户体验非常重要。然而，银行网点一般都是远场语音识别，由于噪声、延时、复杂性等的影响，现有的远场语音识别存在识别精度低的问题，对用户体验提升的程度有限。
发明内容
有鉴于此，本公开的主要目的是提供一种客诉预警方法、装置、设备、介质及产品，旨在至少部分解决现有远场语音识别存在识别精度低等技术问题。
为实现上述目的，本公开实施例的第一方面提供一种客诉预警方法，包括：在预设的采集周期内，从至少一个方向采集目标区域的音频信号，得到对应于每个方向的时序音频信号，其中，每个所述音频信号包括语音信号和噪声信号；计算所述时序音频信号中所述语音信号的第一时频遮蔽和所述噪声信号的第二时频遮蔽，其中，所述第一时频遮蔽用于表征所述语音信号的主导时频点的概率，所述第二时频遮蔽用于表征所述噪声信号的主导时频点的概率；根据所述第一时频遮蔽和所述第二时频遮蔽对所述至少一个音频信号执行波速形成，得到目标语音信号；对所述目标语音信号进行语义解析，得到语义内容；根据所述语义内容对客诉进行预警。
根据本公开的实施例，所述计算所述时序音频信号中所述语音信号的第一时频遮蔽和所述噪声信号的第二时频遮蔽包括：分别计算每一个方向的时序音频信号中所述语音信号的第三时频遮蔽和所述噪声信号的第四时频遮蔽；对至少一个所述第三时频遮蔽进行中值滤波及整合，得到所述第一时频遮蔽；对至少一个所述第四时频遮蔽进行中值滤波及整合，得到所述第二时频遮蔽。
根据本公开的实施例，所述分别计算每一个方向的时序音频信号中所述语音信号的第三时频遮蔽和所述噪声信号的第四时频遮蔽包括：将所述每一个方向的时序音频信号输入多通道的双向长短期记忆网络，来计算每个方向上的所述第三时频遮蔽和所述第四时频遮蔽；其中，每一个通道对应一个方向上的时序音频信号，各个通道共享相同的网络参数。
根据本公开的实施例，在将所述每一个方向的时序音频信号输入多通道的双向长短期记忆网络之前，所述方法还包括：对所述每一个方向的时序音频信号进行短时傅里叶变换。
根据本公开的实施例，所述根据所述第一时频遮蔽和所述第二时频遮蔽对所述至少一个音频信号执行波速形成，得到目标语音信号包括：根据所述第一时频遮蔽计算得到所述语音信号的第一协方差矩阵；其中，所述第一协方差矩阵用于表征所述语音信号中各个元素之间的线性相关程度；根据所述第二时频遮蔽计算得到所述噪声信号的第二协方差矩阵；其中，所述第二协方差矩阵用于表征所述噪声信号中各个元素之间的线性相关程度；根据所述第一协方差矩阵和所述第二协方差矩阵计算得到波束形成参数；根据所述波束形成参数对每个方向的时序音频信号进行语音增强，得到所述目标语音信号。
根据本公开的实施例，所述根据所述第一时频遮蔽计算得到所述语音信号的第一协方差矩阵包括：分别将所述采集周期内同一时间步长的第一时频遮蔽的值、所述音频信号以及与所述音频信号对应的共轭音频信号三者进行乘法运算，得到各个时间步长的第一运算结果；对各个时间步长的第一运算结果进行求和，得到所述第一协方差矩阵。
根据本公开的实施例，所述根据所述第二时频遮蔽计算得到所述噪声信号的第二协方差矩阵包括：分别将所述采集周期内同一时间步长的第二时频遮蔽的值、所述音频信号以及与所述音频信号对应的共轭音频信号三者进行乘法运算，得到各个时间步长的第二运算结果；对各个时间步长的第二运算结果进行求和，得到所述第二协方差矩阵。
根据本公开的实施例，所述根据所述第一协方差矩阵和所述第二协方差矩阵计算得到波束形成参数包括：基于广义特征值，构建波束形成滤波参数与所述第一协方差矩阵和所述第二协方差矩阵之间的关系方程；求解所述关系方程，确定所述波束形成滤波参数；基于上述音频信号的路数，所述第一协方差矩阵和所述第二协方差矩阵对所述波束形成滤波参数进行盲分析归一化处理，得到盲分析归一化滤波参数；将所述盲分析归一化滤波参数与相应频率的所述波束形成滤波参数进行乘法运算，得到所述波束形成参数。
根据本公开的实施例，所述对所述目标语音信号进行语义解析，得到语义内容包括：采用基于语义条件的长短期记忆网络自然语言生成算法，对所述目标语音信号进行语义解析，得到所述语义内容。
根据本公开的实施例，所述根据所述语义内容对客诉进行预警包括：对所述客诉进行三级预警，所述三级预警包括支持类预警、故障类预警以及投诉类预警。
根据本公开的实施例，所述对所述客诉进行三级预警包括：响应于所述语义内容为支持类需求，确定所述采集周期内所述支持类需求的出现频次是否超过第一预设阈值；响应于所述支持类需求的出现频次超过第一预设阈值，触发所述支持类预警；和/或响应于所述语义内容为故障类需求，确定所述采集周期内所述故障类需求的出现频次是否超过第一预设阈值；响应于所述故障类需求的出现频次超过第一预设阈值，触发所述故障类预警；和/或响应于所述语义内容为投诉类需求，确定所述采集周期内所述投诉类需求的出现频次是否超过第一预设阈值；响应于所述投诉类需求的出现频次超过第一预设阈值，触发所述投诉类预警。
根据本公开的实施例，所述投诉类预警的优先级高于所述故障类预警的优先级，所述故障类预警的优先级高于所述支持类预警的优先级；所述对所述客诉进行三级预警还包括：在所述采集周期内触发所述支持类预警、所述故障类预警以及所述投诉类预警中的至少两个，确定与最高优先级对应的预警为当前预警。
根据本公开的实施例，所述对所述客诉进行三级预警还包括：响应于当前预警的预警次数超过第二预设阈值，提升所述当前预警的优先级。
本公开实施例的第二方面提供一种客诉预警装置，包括：采集模块，用于在预设的采集周期内，从至少一个方向采集目标区域的音频信号，得到对应于每个方向的时序音频信号，其中，每个所述音频信号包括语音信号和噪声信号；计算模块，用于计算所述时序音频信号中所述语音信号的第一时频遮蔽和所述噪声信号的第二时频遮蔽，其中，所述第一时频遮蔽用于表征所述语音信号的主导时频点的概率，所述第二时频遮蔽用于表征所述噪声信号的主导时频点的概率；执行模块，用于根据所述第一时频遮蔽和所述第二时频遮蔽对所述至少一个音频信号执行波速形成，得到目标语音信号；解析模块，用于对所述目标语音信号进行语义解析，得到语义内容；预警模块，用于根据所述语义内容对客诉进行预警。
本公开实施例第三方面提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据上述客诉预警方法。
本公开实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有可执行指令，该指令被处理器执行时使处理器执行根据上述客诉预警方法。
本公开实施例第五方面提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据上述客诉预警方法。
根据本公开实施例提供的客诉预警方法、装置、设备、介质及产品，至少具备以下有益效果：
由于对于每个麦克风的信号都估计干净语音的时频遮蔽及噪声的时频遮蔽两个时频遮蔽，再基于两者综合计算语音的协方差矩阵和噪声的协方差矩阵，提升了语音的协方差矩阵和噪声的协方差矩阵的计算精度。在此基础上，结合波束形成方法，基于语音的协方差矩阵和噪声的协方差矩阵计算波束形成参数，对原始的语音信号中期望方向的语音信号进行增强，并且对干扰方向的语音信号进行有效抑制，从而能够更准确地获取目标区域中的目标语音信号，准确地识别出目标区域中的目标区域，进而能够更精准地预警，极大程度提升了用户的体验。
通过对各个方向的时频遮蔽进行中值滤波及整合，得到最终的干净语音和噪声时频遮蔽，由于考虑了各个方向的音频信号的时频遮蔽，使得时频遮蔽能够更好地对各个方向的原始音频信号进行增强，从而准确地获取目标语音信号，提升了远场语音的识别精度。
基于多通道的双向长短期记忆网络计算每个方向上的时频遮蔽，由于各个通道共享相同的网络参数，使得各个方向的时频遮蔽具备相似性，一方面，便于后续对各个方向的时频遮蔽进行整合，另一方面整合得到的时频遮蔽适用于对各个方向的原始音频信号进行增强。
通过设计具体的协方差矩阵的和波束形成参数的计算方式，能够计算出更适合对音频信号进行增强的波束形成参数，从而能够更准确地增强期望方向的语音信号并抑制干扰信号，进而提升了远场语音的识别精度。
对客诉进行三级预警，由于基于分级预警的策略，能够有针对性的对用户不同的需求提供精准的响应措施，更加贴合实际应用场景。
附图说明
为了更清楚地说明本公开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公开的一些实施例，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示出的结构获得其他的附图。
图1示意性示出了根据本公开实施例的客诉预警方法及装置的系统架构100；
图2示意性示出了根据本公开实施例的客诉预警方法的流程图；
图3示意性示出了根据本公开实施例的操作S202中计算第一时频遮蔽和第二时频遮蔽的流程图；
图4示意性示出了根据本公开实施例的基于时频遮蔽的波束形成原理图；
图5示意性示出了根据本公开实施例的操作S203中根据第一时频遮蔽和第二时频遮蔽对至少一个音频信号执行波速形成的流程图；
图6示意性示出了根据本公开实施例的操作S501中计算第一协方差矩阵的流程图；
图7示意性示出了根据本公开实施例的操作S502中计算第二协方差矩阵的流程图；
图8示意性示出了根据本公开实施例的操作S503中计算波束形成参数的流程图；
图9示意性示出了根据本公开实施例的对客诉进行三级预警的原理图；
图10示意性示出了根据本公开一实施例的对客诉进行三级预警的流程图；
图11示意性示出了根据本公开另一实施例的对客诉进行三级预警的流程图；
图12示意性示出了根据本公开又一实施例的对客诉进行三级预警的流程图；
图13示意性示出了根据本公开实施例的客诉预警装置的框图
图14示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据一致性修复装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外，本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。
在本公开的技术方案中，所涉及的信息的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。
在本公开的技术方案中，若需要获取用户个人信息，在获取或采集用户个人信息之前，均获取了用户的授权或同意。
针对相关技术中存在的技术问题，本公开实施例提供了一种客诉预警方法，包括：在预设的采集周期内，从至少一个方向采集目标区域的音频信号，得到对应于每个方向的时序音频信号，其中，每个音频信号包括语音信号和噪声信号。计算时序音频信号中语音信号的第一时频遮蔽和噪声信号的第二时频遮蔽，其中，第一时频遮蔽用于表征语音信号的主导时频点的概率，第二时频遮蔽用于表征噪声信号的主导时频点的概率。根据第一时频遮蔽和第二时频遮蔽对至少一个音频信号执行波速形成，得到目标语音信号。对目标语音信号进行语义解析，得到语义内容。根据语义内容对客诉进行预警。
图1示意性示出了根据本公开实施例的客诉预警方法及装置的系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，根据该实施例的系统架构100可以包括声音采集设备101，网络102和服务器103。网络102用于声音采集设备101与服务器103之间提供通信链路。
声音采集设备101可以是麦克风阵列，通过麦克风阵列轮询目标区域并采集客户音频。可以在重点业务功能区附近部署多路麦克风设备，按照一定的频率，采集重点业务功能区(目标区域)的音频信息。
网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。其中有线方式例如可以是采用线缆及以下多种接口中的任一种连接：光纤通道、红外线接口、D型数据接口、串行接口、USB接口、USB Type-C接口或Dock接口，无线方式例如可以是采用无线通信方式连接的，其中的无线通信例如可采用蓝牙、Wi-Fi、Infrared、ZigBee等多个无线技术标准中的任一个。
服务器103可以是提供各种服务的服务器，例如对现场语音进行一定频率的采集、增强、后端分析，分析后的语义内容作为输入，然后依据知识库进行实时分析，输出潜在客诉级别的后台管理服务器(仅为示例)。服务器103例如可以包括前端处理模块、后端分析模块、决策模块和客诉预警模块。其中，前端处理模块通过网络102接收声音采集设备101采集的音频信号，采用远场声音增强技术，对采集到的音频信号进行降噪和增强处理，将增强后的音频信息传输至系统后端语义分析模块。后端处理模块对前端处理模块增强后的音频信息进行语义分析，得到语义内容。决策模块将语义内容与知识库进行匹配，并按预设模型确定客诉级别，输出预警级别和内容。客诉预警模块将决策模块的输出内容通过网络102发送至系统内展现并通知管理员。
需要说明的是，本公开实施例所提供的客诉预警方法可以由服务器103执行。相应地，本公开实施例所提供的客诉预警装置可以设置于服务器103中。或者，本公开实施例所提供的客诉预警方法也可以由不同于服务器103且能够与声音采集设备101和/或服务器103通信的服务器或服务器集群执行。相应地，本公开实施例所提供的客诉预警装置也可以设置于不同于服务器103且能够与声音采集设备101和/或转服务器103通信的服务器或服务器集群中。或者，本公开实施例所提供的客诉预警法也可以部分由服务器103执行，部分由声音采集设备101执行。相应的，本公开实施例所提供的客诉预警装置也可以部分设置于服务器103中，部分设置于声音采集设备101中。
应该理解，图1中的声音采集设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的声音采集设备、网络和服务器。
本公开实施例提供的客诉预警方法，可以应用于金融科技领域。例如，对于银行网点而言，为了提高业务办理的效率及客户的体验，客户可以通过智能机具进行业务的办理，例如，银行卡密码修改，小额取款或存款，网上银行的开通，身份信息的更新等等。而受限于产品本身以及客户知识水平的限制，一些客户不能独立地采用智能机具完成业务的办理，需要大堂经理的协助。而一般情况下，一个网点配置一个大堂经理，时常无法满足客户需求，容易引起客户的投诉。基于此，采用本公开的实施例提供的客诉预警方法，基于远场语音识别技术，识别智能机具区等重点业务办理区域的客户语音，根据客户语音内容，分级预警，及时介入，实现对客诉的及时识别，极大改善客户体验，降低客诉率。
应当理解是，本公开实施例提供的客诉预警方法不仅限于应用于金融科技领域，也可用于除金融领域之外的任意领域。上述描述只是示例性的，对于例涉及与银行业及有相同需求的服务企业使用，例如电子商务、公共服务、教育等其他技术领域，都可以应用本公开实施例的客诉预警方法。
以下将基于图1描述客诉预警的场景，通过图2～图12对本公开实施例的客诉预警方法进行详细描述。
图2示意性示出了根据本公开实施例的客诉预警方法的流程图。
如图2所示，该客诉预警方法例如可以包括操作S201～操作S205。
在操作S201，在预设的采集周期内，从至少一个方向采集目标区域的音频信号，得到对应于每个方向的时序音频信号。
在本公开的实施例中，由于目标区域的环境复杂，采集的音频信号包括干净的语音信号和噪声信号。预设的采集周期例如可以是1min、2min、5min，具体根据实际情况设定，本公开不做限制。由于目标区域安装的是麦克风阵列，麦克风的朝向可以是不固定的，因此，其可以从各个方向采集客户发出的音频信号，保证能够全方位的采集目标区域的音频信号。
在操作S202，计算时序音频信号序列中语音信号的第一时频遮蔽和噪声信号的第二时频遮蔽。
在本公开的实施例中，第一时频遮蔽用于表征语音信号的主导时频点的概率，第二时频遮蔽用于表征噪声信号的主导时频点的概率。
时频遮蔽可以理解为同时使用时频和频率掩蔽。例如，对f个连续的频率通道[f0，f0+f)应用掩膜，f是从[0，F]均匀分布中选择得到，F为频率掩膜参数，f0从[0，l-f)中选择得到，l代表梅尔频率通道的数量。对t个连续的时问步长[t0，t0+t)应用掩膜，t从[0，T]的均匀分布中选择的数字，T为时间掩膜参数。
在操作S203，根据第一时频遮蔽和第二时频遮蔽对至少一个音频信号执行波速形成，得到目标语音信号。
在本公开的实施例中，波束形成可以理解为对各麦克风采集的音频信号进行线性操作，对麦克风阵列语音信号中期望方向的语音信号进行增强，并且对干扰方向的语音信号进行有效抑制，最终输出一路增强的语音信号。
在操作S204，对目标语音信号进行语义解析，得到语义内容。
在本公开的实施例中，语义内容可以是关键字、关键词或关键短语。例如，在银行网点的应用场景，语义内容可能包括“xxx怎么做”、“下一步点哪里”、“从哪里入口”、“xxx怎么不行了”、“报错了”、“吞卡了”以及一些抱怨的敏感词。
在操作S205，根据语义内容对客诉进行预警。
例如，当语义内容包括“xxx怎么做”、“下一步点哪里”、“从哪里入口”，则可以发送预警。银行可以根据预警增派大堂经理处理预警，避免客户投诉。
根据本公开的实施例，由于对于每个麦克风的信号都估计干净语音的时频遮蔽及噪声的时频遮蔽两个时频遮蔽，再基于两者综合计算语音的协方差矩阵和噪声的协方差矩阵，提升了语音的协方差矩阵和噪声的协方差矩阵的计算精度。在此基础上，结合波束形成方法，基于语音的协方差矩阵和噪声的协方差矩阵计算波束形成参数，对原始的语音信号中期望方向的语音信号进行增强，并且对干扰方向的语音信号进行有效抑制，从而能够更准确地获取目标区域中的目标语音信号，准确地识别出目标区域中的目标区域，进而能够更精准地预警，极大程度提升了用户的体验。
图3示意性示出了根据本公开实施例的操作S202中计算第一时频遮蔽和第二时频遮蔽的流程图。
如图3所示，操作S202计算第一时频遮蔽和第二时频遮蔽例如可以包括操作S301～操作S303。
在操作S301，分别计算每一个方向的时序音频信号序列中语音信号的第三时频遮蔽和噪声信号的第四时频遮蔽。
在操作S302，对至少一个第三时频遮蔽进行中值滤波及整合，得到第一时频遮蔽。
在操作S303，对至少一个第四时频遮蔽进行中值滤波及整合，得到第二时频遮蔽。
在本公开的实施例中，对于每个麦克风的信号都估计两个时频遮蔽：干净语音的时频遮蔽及噪声的时频遮蔽。这两个时频遮蔽值分别表示干净语音或者噪声主导时频点的概率。多个通道的时频遮蔽经过中值滤波操作被整合成一个通道的干净语音和噪声时频遮蔽。
根据本公开的实施例，通过对各个方向的时频遮蔽进行中值滤波及整合，得到最终的干净语音和噪声时频遮蔽，由于考虑了各个方向的音频信号的时频遮蔽，使得时频遮蔽能够更地好对各个方向的原始音频信号进行增强，从而准确地获取目标语音信号，提升了远场语音的识别精度。
图4示意性示出了根据本公开实施例的基于时频遮蔽的波束形成原理图。
如图4所示，可以基于多通道的双向长短期记忆网络(Bi-directional LongShort-Term Memory，BLSTM)来计算音频信号的时频遮蔽。具体地，将每一个方向的时序音频信号序列输入多通道的双向长短期记忆网络，来计算每个方向上的第三时频遮蔽和第四时频遮蔽。其中，每一个通道对应一个方向上的时序音频信号序列，各个通道共享相同的网络参数。
例如，信号路数M取6表示采集了6个方向的音频信号，对于每一个音频信号计算得到一个第三时频遮蔽和一个第四时频遮蔽，共计6个第三时频遮蔽和6个第四时频遮蔽，再对6个第三时频遮蔽进行中值滤波及整合，得到第一时频遮蔽，再对6个第四时频遮蔽进行中值滤波及整合，得到第二时频遮蔽。应当理解，信号路数M的取值只是示例性地，具体取决于麦克风阵列的布置方式，本公开不做限制。
根据本公开的实施例，基于多通道的双向长短期记忆网络计算每个方向上的时频遮蔽，由于各个通道共享相同的网络参数，使得各个方向的时频遮蔽具备相似性，一方面，便于后续对各个方向的时频遮蔽进行整合，另一方面整合得到的时频遮蔽适用于对各个方向的原始音频信号进行增强。
在上述实施例的基础上，在将每一个方向的时序音频信号序列输入多通道的双向长短期记忆网络之前，还可以对时序音频信号进行短时傅里叶变换(Short-Time FourierTransform，STFT)。再将短时傅里叶变换后的信号输入多通道的双向长短期记忆网络来计算每个方向上的第三时频遮蔽和第四时频遮蔽。
根据本公开的实施例，由于短时傅里叶变换能够更好地表达频率随时间变化的特点，对后续时频遮蔽的计算精度有所提升，从而保证语音识别的准确性。
图5示意性示出了根据本公开实施例的操作S203中根据第一时频遮蔽和第二时频遮蔽对至少一个音频信号执行波速形成的流程图。
如图5所示，操作S203中根据第一时频遮蔽和第二时频遮蔽对至少一个音频信号执行波速形成例如可以包括操作S501～操作S504。
在操作S501，根据第一时频遮蔽计算得到语音信号的第一协方差矩阵。
在操作S502，根据第二时频遮蔽计算得到噪声信号的第二协方差矩阵。
在操作S503，根据第一协方差矩阵和第二协方差矩阵计算得到波束形成参数。
在操作S504，根据波束形成参数对每个方向的时序音频信号序列进行语音增强，得到目标语音信号。
在本公开的实施例中，第一协方差矩阵用于表征语音信号中各个元素之间的线性相关程度，第二协方差矩阵用于表征噪声信号中各个元素之间的线性相关程度。
图6示意性示出了根据本公开实施例的操作S501中计算第一协方差矩阵的流程图。
如图4及图6所示，操作S501中计算第一协方差矩阵例如可以包括操作S601～操作S602。
在操作S601，分别将采集周期内同一时间步长的第一时频遮蔽的值、音频信号以及与音频信号对应的共轭音频信号三者进行乘法运算，得到各个时间步长的第一运算结果。
在操作S602，对各个时间步长的第一运算结果进行求和，得到第一协方差矩阵。
例如，利用第一时频遮蔽计算第一协方差矩阵的公式为：
其中，Rxxf表示第一协方差矩阵，t表示时间步长，表示t时间步长第一时频遮蔽的值，T为时间掩膜参数，取决于采样周期。yf，t表示t时间步长的音频信号，H表示共轭，表示共轭音频信号。
图7示意性示出了根据本公开实施例的操作S502中计算第二协方差矩阵的流程图。
如图4及7所示，操作S502中计算第二协方差矩阵例如可以包括操作S701～操作S702。
在操作S701，分别将采集周期内同一时间步长的第二时频遮蔽的值、音频信号以及与音频信号对应的共轭音频信号三者进行乘法运算，得到各个时间步长的第二运算结果。
在操作S702，对各个时间步长的第二运算结果进行求和，得到第二协方差矩阵。
例如，利用第二时频遮蔽计算第二协方差矩阵的公式为：
其中，Rnnf表示第二协方差矩阵，t表示时间步长，表示t时间步长第二时频遮蔽的值，T为时间掩膜参数，取决于采样周期。yf，t表示t时间步长的音频信号，H表示共轭，表示共轭音频信号。
在上述实施例的基础上，采用自适应滤波方法，即广义特征值(GeneralizedEigenvalue，GEV)+盲分析归一化((Blind Analysis Normalization，BAN)对语音信号进行增强处理。
图8示意性示出了根据本公开实施例的操作S503中计算波束形成参数的流程图。
如图8所示，操作S503中计算波束形成参数例如可以包括操作S801～操作S804。
在操作S801，基于广义特征值，构建波束形成滤波参数与第一协方差矩阵和第二协方差矩阵之间的关系方程。
在操作S802，求解关系方程，确定波束形成滤波参数。
在操作S803，基于上述音频信号的路数，第一协方差矩阵和第二协方差矩阵对波束形成滤波参数进行盲分析归一化处理，得到盲分析归一化滤波参数。
在操作S804，将盲分析归一化滤波参数与相应频率的波束形成滤波参数进行乘法运算，得到波束形成参数。
例如，GEV波束形成：构建的波束形成滤波参数与第一协方差矩阵和第二协方差矩阵之间的关系方程可以为：
其中，wf为波束形成滤波参数，H表示共轭。将第一协方差矩阵和第二协方差矩阵代入该方程进行求解，得到波束形成滤波参数wf。
BAN方法：对GEV波束形成的滤波参数进行归一化处理，BAN的滤波参数：
其中，M为信号路数。
最后，将BAN的滤波参数对应乘上相应频率的GEV波束形成滤波参数，最后构成整体的波束形成参数。
根据本公开的实施例，通过设计具体的协方差矩阵的和波束形成参数的计算方式，能够计算出更适合对音频信号进行增强的波束形成参数，从而能够更准确地增强期望方向的语音信号并抑制干扰信号，进而提升了远场语音的识别精度。
在上述实施例的基础上，操作S204中的对目标语音信号进行语义解析，得到语义内容包括：采用基于语义条件的长短期记忆网络自然语言生成算法，对目标语音信号进行语义解析，得到语义内容。
在上述实施例的基础上，操作S205中的根据语义内容对客诉进行预警包括：对客诉进行三级预警。其中，三级预警包括支持类预警、故障类预警以及投诉类预警。
图9示意性示出了根据本公开实施例的对客诉进行三级预警的原理图。
图10示意性示出了根据本公开一实施例的对客诉进行三级预警的流程图。
如图9及图10所示，对客诉进行三级预警例如可以包括操作S1001～操作S1002。
在操作S1001，响应于语义内容为支持类需求，确定采集周期内支持类需求的出现频次是否超过第一预设阈值。
在操作S1002，响应于支持类需求的出现频次超过第一预设阈值，触发支持类预警。
例如，采集周期内匹配的语义内容为支持类需求：“xxx怎么做”、“下一步点哪里”、“从哪里入口”等。第一预设阈值可以设置为2。在识别出“下一步点哪里”连续出现了3次的情况下，表明支持类需求出现的频次超过了第一预设阈值，此时可以触发支持类预警。应当理解，第一预设阈值的设置只是示例性的，还可以设置为1次、3次等，具体根据实际应用场景设置，本公开不做限制。
图11示意性示出了根据本公开另一实施例的对客诉进行三级预警的流程图。
如图9及图11所示，对客诉进行三级预警例如可以包括操作S1101～操作S1102。
在操作S1101，响应于语义内容为故障类需求，确定采集周期内故障类需求的出现频次是否超过第一预设阈值。
在操作S1102，响应于故障类需求的出现频次超过第一预设阈值，触发故障类预警。
例如，采集周期内匹配的语义内容为故障类需求：“xxx怎么不行了”、“报错了”、“吞卡了”等。第一预设阈值可以设置为2。在识别出“吞卡了”连续出现了3次的情况下，表明故障类需求出现的频次超过了第一预设阈值，此时可以触发故障类预警。应当理解，第一预设阈值的设置只是示例性的，还可以设置为1次、3次等，具体根据实际应用场景设置，本公开不做限制。
图12示意性示出了根据本公开又一实施例的对客诉进行三级预警的流程图。
如图9及图12所示，对客诉进行三级预警例如可以包括操作S1201～操作S1202。
在操作S1201，响应于语义内容为客诉类需求，确定采集周期内故障类需求的出现频次是否超过第一预设阈值。
在操作S1202，响应于客诉类需求的出现频次超过第一预设阈值，触发故障类预警。
例如，采集周期内匹配的语义内容为客诉类需求：出现了抱怨、谩骂等敏感词等。第一预设阈值可以设置为2。在识别出抱怨连续出现了3次的情况下，表明客诉类需求出现的频次超过了第一预设阈值，此时可以触发客诉类预警。应当理解，第一预设阈值的设置只是示例性的，还可以设置为1次、3次等，具体根据实际应用场景设置，本公开不做限制。
根据本公开的实施例，该预警方法采用对客诉进行三级预警的策略，由于基于分级预警的策略，能够有针对性的对用户不同的需求提供精准的响应措施，更加贴合实际应用场景。
继续参阅图9，在本公开的实施例中，在一个采集周期内，可能出现触发支持类预警、故障类预警以及投诉类预警中的至少两个，例如，同时触发支持类预警和故障类预警或同发触发支持类预警、故障类预警以及投诉类预警。在采集周期内同时匹配多个预警级别的情况下，可以采取就高原则确定预警级别。
具体地，就高原则例如可以为：按从低到高分别为支持类、故障类、投诉类，也即投诉类预警的优先级高于故障类预警的优先级，故障类预警的优先级高于支持类预警的优先级。
基于此，对客诉进行三级预警还可以包括：在采集周期内触发支持类预警、故障类预警以及投诉类预警中的至少两个，确定与最高优先级对应的预警为当前预警。
例如，在一个采用周期内同时触发支持类预警和故障类预警，由于故障类预警的优先级要高于支持类预警的优先级，因此，该采用周期内优先触发故障类预警。又例如，在一个采用周期内同时触发支持类预警、故障类预警和客诉类预警，由于客诉类预警的优先级要高于支持类预警的优先级和故障类预警的优先级，因此，该采用周期内优先触发客诉类预警。
根据本公开的实施例，由于为不同的预警合理配置优先级，采用优先级表明预警的严重程度，因此，在采集周期内同时触发多个预警时，能够基于优先级确定当前最需要处理的预警，从而尽可能地降低客诉风险。
进一步地，继续参阅图9，对客诉进行三级预警还可以包括：响应于当前预警的预警次数超过第二预设阈值，提升当前预警的优先级。
例如，第二预设阈值可以设置为2，应当理解，第二预设阈值的设置只是示例性的，并不用于限制本公开，还可以设置为1次、3次等。
当低级别预警提醒超过第二阈值时，用户未确认的情况下则自动提升一级。例如，当前预警为支持类预警，在支持类预警的频次超过两次且管理员未确认，则可以将支持类预警的优先级提升为故障类预警。又例如，当前预警为故障类预警，在故障类预警的频次超过两次且管理员未确认，则可以将故障类的优先级提升为客诉类预警。
根据本公开的实施例，由于通过设置优先级自动升级的方式，因此可以避免当前优先级低的预警迟迟得不到处理，使问题升级，造成更严重的投诉，降低用户体验的同时给企业或单位造成负面影响。
此外，在采样周期类触发预警后，可以根据预警的优先级，指派相应工作人员进行现场介入，及时解决客户存在的问题，避免即时预警而没有后续的，例如在银行网点这一应用场景，支持类需求则可以增派大堂经理处理，故障类需求则可以派技术经理处理，客诉类需求则可以由网点主管负责处理。
综上所述，本公开实施例的客诉预警方法，能够更实时准确地获取目标区域中的目标语音信号，及时准确地识别出目标区域中的目标区域，进而能够更精准地预警，极大程度提升了用户的体验，降低客诉率。音频信号采集使用的麦克风等硬件均采用市场上成熟的硬件技术，安装便利，便于产品更快推广。
基于图2～图12所示的客诉预警方法，本公开实施例还提供一种客诉预警装置，以下将基于图1描述的场景，通过图13对本公开实施例的客诉预警装置进行描述。
图13示意性示出了根据本公开实施例的客诉预警装置的框图。
如图13所示，客诉预警装置1300可以包括采集模块1310、计算模块1320、执行模块1330、解析模块1340以及预警模块1350。
采集模块1310，用于在预设的采集周期内，从至少一个方向采集目标区域的音频信号，得到对应于每个方向的时序音频信号序列，其中，每个音频信号包括语音信号和噪声信号。采集模块1310可以用于执行前文描述的操作S201，在此不再赘述。
计算模块1320，用于计算时序音频信号序列中语音信号的第一时频遮蔽和噪声信号的第二时频遮蔽，其中，第一时频遮蔽用于表征语音信号的主导时频点的概率，第二时频遮蔽用于表征噪声信号的主导时频点的概率。计算模块1320可以用于执行前文描述的操作S202，在此不再赘述。
执行模块1330，用于根据第一时频遮蔽和第二时频遮蔽对至少一个音频信号执行波速形成，得到目标语音信号。执行模块1330可以用于执行前文描述的操作S203，在此不再赘述。
解析模块1340，用于对目标语音信号进行语义解析，得到语义内容。解析模块1340可以用于执行前文描述的操作S204，在此不再赘述。
预警模块1350，用于根据语义内容对客诉进行预警。预警模块1350可以用于执行前文描述的操作S205，在此不再赘述。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，采集模块1310、计算模块1320、执行模块1330、解析模块1340以及预警模块1350中的任意多个可以合并在一个模块/单元/子单元中实现，或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者，这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元/子单元中实现。根据本公开的实施例，采集模块1310、计算模块1320、执行模块1330、解析模块1340以及预警模块1350中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，采集模块1310、计算模块1320、执行模块1330、解析模块1340以及预警模块1350中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
需要说明的是，本公开的实施例中客诉预警装置部分与本公开的实施例中客诉预警方法部分是相对应的，其具体实施细节及带来的技术效果也是相同的，在此不再赘述。
图14示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。图14示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图14所示，根据本公开实施例的电子设备1400包括处理器1401，其可以根据存储在只读存储器(ROM)1402中的程序或者从存储部分1408加载到随机访问存储器(RAM)1403中的程序而执行各种适当的动作和处理。处理器1401例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器1401还可以包括用于缓存用途的板载存储器。处理器1401可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM1403中，存储有电子设备1400操作所需的各种程序和数据。处理器1401、ROM1402以及RAM1403通过总线1404彼此相连。处理器1401通过执行ROM 1402和/或RAM1403中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 1402和RAM 1403以外的一个或多个存储器中。处理器1401也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，电子设备1400还可以包括输入/输出(I/O)接口1405，输入/输出(I/O)接口1405也连接至总线1404。电子设备1400还可以包括连接至I/O接口1405的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1407；包括硬盘等的存储部分1408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1409。通信部分1409经由诸如因特网的网络执行通信处理。驱动器1410也根据需要连接至I/O接口1405。可拆卸介质1411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1410上，以便于从其上读出的计算机程序根据需要被安装入存储部分1408。
根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1409从网络上被下载和安装，和/或从可拆卸介质1411被安装。在该计算机程序被处理器1401执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM1402和/或RAM 1403和/或ROM 1402和RAM 1403以外的一个或多个存储器。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

Claims (17)

1.一种客诉预警方法，包括：
在预设的采集周期内，从至少一个方向采集目标区域的音频信号，得到对应于每个方向的时序音频信号，其中，每个音频信号包括语音信号和噪声信号；
计算所述时序音频信号中所述语音信号的第一时频遮蔽和所述噪声信号的第二时频遮蔽，其中，所述第一时频遮蔽用于表征所述语音信号的主导时频点的概率，所述第二时频遮蔽用于表征所述噪声信号的主导时频点的概率；
根据所述第一时频遮蔽和所述第二时频遮蔽对所述至少一个音频信号执行波速形成，得到目标语音信号；
对所述目标语音信号进行语义解析，得到语义内容；
根据所述语义内容对客诉进行预警。
2.根据权利要求1所述的客诉预警方法，其中，所述计算所述时序音频信号中所述语音信号的第一时频遮蔽和所述噪声信号的第二时频遮蔽包括：
分别计算每一个方向的时序音频信号中所述语音信号的第三时频遮蔽和所述噪声信号的第四时频遮蔽；
对至少一个所述第三时频遮蔽进行中值滤波及整合，得到所述第一时频遮蔽；
对至少一个所述第四时频遮蔽进行中值滤波及整合，得到所述第二时频遮蔽。
3.根据权利要求2所述的客诉预警方法，其中，所述分别计算每一个方向的时序音频信号中所述语音信号的第三时频遮蔽和所述噪声信号的第四时频遮蔽包括：
将所述每一个方向的时序音频信号输入多通道的双向长短期记忆网络，来计算每个方向上的所述第三时频遮蔽和所述第四时频遮蔽；其中，每一个通道对应一个方向上的时序音频信号，各个通道共享相同的网络参数。
4.根据权利要求3所述的客诉预警方法，其中，在将所述每一个方向的时序音频信号输入多通道的双向长短期记忆网络之前，所述方法还包括：
对所述每一个方向的时序音频信号进行短时傅里叶变换。
5.根据权利要求1所述的客诉预警方法，其中，所述根据所述第一时频遮蔽和所述第二时频遮蔽对所述至少一个音频信号执行波速形成，得到目标语音信号包括：
根据所述第一时频遮蔽计算得到所述语音信号的第一协方差矩阵；其中，所述第一协方差矩阵用于表征所述语音信号中各个元素之间的线性相关程度；
根据所述第二时频遮蔽计算得到所述噪声信号的第二协方差矩阵；其中，所述第二协方差矩阵用于表征所述噪声信号中各个元素之间的线性相关程度；
根据所述第一协方差矩阵和所述第二协方差矩阵计算得到波束形成参数；
根据所述波束形成参数对每个方向的时序音频信号进行语音增强，得到所述目标语音信号。
6.根据权利要求5所述的客诉预警方法，其中，所述根据所述第一时频遮蔽计算得到所述语音信号的第一协方差矩阵包括：
分别将所述采集周期内同一时间步长的第一时频遮蔽的值、所述音频信号以及与所述音频信号对应的共轭音频信号三者进行乘法运算，得到各个时间步长的第一运算结果；
对各个时间步长的第一运算结果进行求和，得到所述第一协方差矩阵。
7.根据权利要求5所述的客诉预警方法，其中，所述根据所述第二时频遮蔽计算得到所述噪声信号的第二协方差矩阵包括：
分别将所述采集周期内同一时间步长的第二时频遮蔽的值、所述音频信号以及与所述音频信号对应的共轭音频信号三者进行乘法运算，得到各个时间步长的第二运算结果；
对各个时间步长的第二运算结果进行求和，得到所述第二协方差矩阵。
8.根据权利要求5所述的客诉预警方法，其中，所述根据所述第一协方差矩阵和所述第二协方差矩阵计算得到波束形成参数包括：
基于广义特征值，构建波束形成滤波参数与所述第一协方差矩阵和所述第二协方差矩阵之间的关系方程；
求解所述关系方程，确定所述波束形成滤波参数；
基于上述音频信号的路数，所述第一协方差矩阵和所述第二协方差矩阵对所述波束形成滤波参数进行盲分析归一化处理，得到盲分析归一化滤波参数；
将所述盲分析归一化滤波参数与相应频率的所述波束形成滤波参数进行乘法运算，得到所述波束形成参数。
9.根据权利要求1所述的客诉预警方法，其中，所述对所述目标语音信号进行语义解析，得到语义内容包括：
采用基于语义条件的长短期记忆网络自然语言生成算法，对所述目标语音信号进行语义解析，得到所述语义内容。
10.根据权利要求1所述的客诉预警方法，其中，所述根据所述语义内容对客诉进行预警包括：
对所述客诉进行三级预警，所述三级预警包括支持类预警、故障类预警以及投诉类预警。
11.根据权利要求10所述的客诉预警方法，其中，所述对所述客诉进行三级预警包括：
响应于所述语义内容为支持类需求，确定所述采集周期内所述支持类需求的出现频次是否超过第一预设阈值；
响应于所述支持类需求的出现频次超过第一预设阈值，触发所述支持类预警；和/或
响应于所述语义内容为故障类需求，确定所述采集周期内所述故障类需求的出现频次是否超过第一预设阈值；
响应于所述故障类需求的出现频次超过第一预设阈值，触发所述故障类预警；和/或
响应于所述语义内容为投诉类需求，确定所述采集周期内所述投诉类需求的出现频次是否超过第一预设阈值；
响应于所述投诉类需求的出现频次超过第一预设阈值，触发所述投诉类预警。
12.根据权利要求11所述的客诉预警方法，其中，所述投诉类预警的优先级高于所述故障类预警的优先级，所述故障类预警的优先级高于所述支持类预警的优先级；所述对所述客诉进行三级预警还包括：
在所述采集周期内触发所述支持类预警、所述故障类预警以及所述投诉类预警中的至少两个，确定与最高优先级对应的预警为当前预警。
13.根据权利要求12所述的客诉预警方法，其中，所述对所述客诉进行三级预警还包括：
响应于当前预警的预警次数超过第二预设阈值，提升所述当前预警的优先级。
14.一种客诉预警装置，包括：
采集模块，用于在预设的采集周期内，从至少一个方向采集目标区域的音频信号，得到对应于每个方向的时序音频信号，其中，每个音频信号包括语音信号和噪声信号；
计算模块，用于计算所述时序音频信号中所述语音信号的第一时频遮蔽和所述噪声信号的第二时频遮蔽，其中，所述第一时频遮蔽用于表征所述语音信号的主导时频点的概率，所述第二时频遮蔽用于表征所述噪声信号的主导时频点的概率；
执行模块，用于根据所述第一时频遮蔽和所述第二时频遮蔽对所述至少一个音频信号执行波速形成，得到目标语音信号；
解析模块，用于对所述目标语音信号进行语义解析，得到语义内容；
预警模块，用于根据所述语义内容对客诉进行预警。
15.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～13中任一项所述的方法。
16.一种计算机可读存储介质，所述计算机可读存储介质上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～13中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～13中任一项所述的方法。
CN202310814287.0A 2023-07-04 2023-07-04 客诉预警方法、装置、电子设备、存储介质及产品 Pending CN116994574A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310814287.0A CN116994574A (zh) 2023-07-04 2023-07-04 客诉预警方法、装置、电子设备、存储介质及产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310814287.0A CN116994574A (zh) 2023-07-04 2023-07-04 客诉预警方法、装置、电子设备、存储介质及产品

Publications (1)

Publication Number Publication Date
CN116994574A true CN116994574A (zh) 2023-11-03

Family

ID=88531134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310814287.0A Pending CN116994574A (zh) 2023-07-04 2023-07-04 客诉预警方法、装置、电子设备、存储介质及产品

Country Status (1)

Country Link
CN (1) CN116994574A (zh)

Similar Documents

Publication Publication Date Title
CN109241418B (zh) 基于随机森林的异常用户识别方法及装置、设备、介质
US20150142446A1 (en) Credit Risk Decision Management System And Method Using Voice Analytics
WO2020177380A1 (zh) 基于短文本的声纹检测方法、装置、设备及存储介质
DE112018005421T5 (de) Automatisches blockieren von in einem audio-datenstrom enthaltenen sensiblen daten
US10635822B2 (en) Data integration system for triggering analysis of connection oscillations
US20200243067A1 (en) Environment classifier for detection of laser-based audio injection attacks
WO2021000498A1 (zh) 复合语音识别方法、装置、设备及计算机可读存储介质
CN108335694A (zh) 远场环境噪声处理方法、装置、设备和存储介质
CN109902446B (zh) 用于生成信息预测模型的方法和装置
US10896664B1 (en) Providing adversarial protection of speech in audio signals
CN110264222B (zh) 基于数据采集的尽职调查方法、装置及终端设备
GB2521050A (en) Credit risk decision management system and method using voice analytics
US20220300364A1 (en) Methods and systems for real-time resolution of errors that are detected by multivariate machine learning models between users using univariate responses
US20180342240A1 (en) System and method for assessing audio files for transcription services
CN113298121A (zh) 基于多数据源建模的消息发送方法、装置和电子设备
CN116994574A (zh) 客诉预警方法、装置、电子设备、存储介质及产品
CN110363394B (zh) 一种基于云平台的风控服务方法、装置和电子设备
US20200050985A1 (en) Systems and methods for utilizing compliance drivers to conserve system resources and reduce compliance violations
US20160055844A1 (en) Systems and methods for detection of target and non-target users using multi-session information
CN110163630B (zh) 产品监管方法、装置、计算机设备及存储介质
Wickramasinghe et al. DNN controlled adaptive front-end for replay attack detection systems
US20170053291A1 (en) Optimal time scale and data volume for real-time fraud analytics
US11811520B2 (en) Making security recommendations
US20240119303A1 (en) Monitoring machine learning models using surrogate model output
CN112908299B (zh) 客户需求信息识别方法、装置、电子设备及存储介质

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