CN117765931A - 应用于语音机器人的智能质检方法、系统、设备及介质 - Google Patents
应用于语音机器人的智能质检方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117765931A CN117765931A CN202311817728.9A CN202311817728A CN117765931A CN 117765931 A CN117765931 A CN 117765931A CN 202311817728 A CN202311817728 A CN 202311817728A CN 117765931 A CN117765931 A CN 117765931A
- Authority
- CN
- China
- Prior art keywords
- robot
- node
- quality inspection
- behavior
- voice
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000006399 behavior Effects 0.000 claims abstract description 114
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 3
- 238000003908 quality control method Methods 0.000 claims 2
- 230000003993 interaction Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000008451 emotion Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- General Factory Administration (AREA)
Abstract
本发明涉及一种应用于语音机器人的智能质检方法、系统、设备及介质,所述方法包括:对目标装置的质检要求做预处理,包括获取质检录音、业务类型、节点类型并预设语音机器人各节点的机器人预期行为;识别质检录音中机器人实际行为和客户行为,并将机器人实际行为与机器人预期行为进行比对确定对应的节点类型,并按照节点类型将客户行为和机器人实际行为分类存储;根据分类存储的识别结果,采用业务领域分析模型对客户行为进行分析,得出语音机器人不同节点类型下客户行为分析结果;按节点类型归类存储领域分析模块的分析结果。与现有技术相比,本发明可实现全范围、各业务节点的高效率语音质检。
Description
技术领域
本发明涉及智能语音质检技术领域,尤其是涉及一种应用于语音机器人的智能质检方法、系统、设备及介质。
背景技术
如今智能语音机器人发展十分迅速,广泛应用于银行、保险、电商客服领域。银行金融业,业务应用场景多,外呼量巨大,且安全性、合规性要求高,所以要保证各种场景流程设计下语音机器人与客户交互行为的流畅性、准确性、合规性,就必须进行大规模的质检,并及时探测客户行为信息,快速优化语音机器人流程。
而目前市场上缺少应用于针对业务机器人与客户交互行为进行质检的智能工具,并且业务语音机器人外呼量更加巨大,导致相关质检多靠于人工抽检,成本更高,且分析客户交互行为存在局限性。
经过检索,中国发明专利CN111953854B,公开了一种基于场景模型的智能客服辅助方法,该方法仅限与对坐席和客户双方在特定场景下的通话进行质检,其面向的是坐席和客户,并不涉及语音机器人的语音交互质检内容。目前,机器人业务领域下客户行为质检分析方法研究尚存在空白。
因此需要一种智能化的语音质检模型装置提升语音质检范围,提高分析客户交互行为价值能力,为运营分析提供辅助决策数据。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供了一种应用于语音机器人的智能质检方法、系统、设备及介质,可实现全范围、各业务节点的高效率语音质检。
本发明的目的可以通过以下技术方案来实现:
根据本发明的第一方面,提供了一种应用于语音机器人的智能质检方法,所述方法包括:
预处理:对目标装置的质检要求做预处理,包括获取质检录音、业务类型、节点类型并预设语音机器人各节点的机器人预期行为;
识别存储:识别质检录音中机器人实际行为和客户行为,并将机器人实际行为与机器人预期行为进行比对确定对应的节点类型,并按照节点类型将客户行为和机器人实际行为分类存储;
领域分析:根据分类存储的识别结果,采用业务领域分析模型对客户行为进行分析,得出语音机器人不同节点类型下客户行为分析结果;
结果统计:按节点类型归类存储领域分析模块的分析结果。
优选地,所述对目标装置的质检要求做预处理,包括获取质检录音、业务类型、节点类型以及机器人预期行为,具体包括:
获取第三方平台下各业务语音机器人的录音文件作为质检录音,并打上业务类型标签;
将业务类型标签按照各业务语音机器人的节点类型进行归类划分;其中,节点类型依据业务类型进行划分;
根据已知机器人流程对各个节点设定机器人预期行为并储存。
优选地,通过HTTP请求获取第三方平台下各业务语音机器人的录音文件。
优选地,所述语音机器人的节点类型包括开场白节点、核实身份节点、催收节点、营销节点、挽留节点、确认身份节点和确认办理节点。
优选地,采用第三方ASR识别工具与MRCP协议识别质检录音中机器人的实际行为和客户行为。
优选地,将业务类型标签、节点类型、机器人预期行为、机器人实际行为作为分析要素,根据业务领域分析模型,通过第三方NLP语义理解工具进行客户行为分析。
根据本发明的第二方面,提供了一种应用于语音机器人的智能质检系统,所述系统包括:
预处理模块,用于对目标装置的质检要求做预处理,包括获取质检录音、业务类型、节点类型并预设语音机器人各节点的机器人预期行为;
识别存储模块,用于识别质检录音中机器人实际行为和客户行为,并将机器人实际行为与预处理模块中的机器人预期行为进行比对确定对应的节点类型,并按照节点类型将客户行为和机器人实际行为分类存储;
领域分析模块,用于根据识别存储模块分类存储的识别结果,采用业务领域分析模型对客户行为进行分析,得出语音机器人不同节点类型下客户行为分析结果;
结果统计模块,用于按节点类型归类存储领域分析模块的分析结果。
优选地,所述预处理包括:
质检录音获取子模块,用于获取第三方平台下各业务语音机器人的录音文件,并打上业务类型标签;
节点归类子模块,用于将业务类型标签按照各业务语音机器人的节点类型进行归类划分,其中,节点类型依据业务类型进行划分;
机器人预期行为设定子模块,用于根据已知机器人流程对各个节点设定机器人预期行为并储存。
根据本发明的第三方面,提供了一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现任一项所述的方法。
根据本发明的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现任一项所述的方法。
与现有技术相比,本发明具有以下有益效果:
1)本发明按照节点类型分类存储客户行为、机器人实际行为以及分析结果,使得客户行为分析更加有针对性,且既提供分节点分析结果也提供全流程分析结果,扩大了质检范围,机器人可以获取全量录音,不再是抽检,提高了质检的覆盖率,填补了针对机器人业务领域下客户行为质检分析的空白。
2)本发明提高将获取录音、听录音等工作交由机器人来做,节省大量人力成本,可对当天数据进行实时分析,为语音机器人的运营提供了实时、快速、真实有效的辅助决策数据。
3)本发明在进行语音质检分析前,仅需设置各业务节点数据,调节当前业务下各节点参数,就可以生成对应的智能质检方案,无需再重新制定,统一化设置更加便捷。
4)采用第三方ASR识别工具与MRCP协议对录音文件进行识别,更加便捷且识别准确性更高。
5)将业务类型标签、节点类型、机器人预期行为、机器人实际行为作为分析要素,根据业务领域分析模型,通过第三方NLP语义理解工具进行客户行为分析,更加全面、准确。
附图说明
图1为本发明的应用于语音机器人的智能质检方法流程图;
图2为本发明的应用于语音机器人的智能质检系统框架详图;
图3为本发明的应用于语音机器人的智能质检系统框架示意图;
图4为本发明的领域分析模块结构示意图;
图5为实施例中本发明的智能质检系统与目标质检装置对应关系示意图。
具体实施方式
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,所描述的实施例是本发明的一部分实施例,而不是全部实施例。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的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例
如图1和图2所示,本实施例提供了一种应用于语音机器人的智能质检方法,该方法包括:
步骤S1、预处理:对目标装置的质检要求做预处理,包括获取质检录音、业务类型、节点类型并预设语音机器人各节点的机器人预期行为,语音机器人与客户行为完成交互后,即获取上述相关数据;具体包括以下子步骤:
步骤S11、获取第三方平台下各业务语音机器人的录音文件作为质检录音,并打上业务类型标签;作为另一优选的实施例,通过HTTP请求获取第三方平台下各业务语音机器人的录音文件。
步骤S12、将业务类型标签按照各业务语音机器人的节点类型进行归类划分;其中,节点类型依据业务类型进行划分;
步骤S13、根据已知机器人流程对各个节点设定机器人预期行为并储存。
步骤S2、识别存储:识别质检录音中机器人实际行为和客户行为,并将机器人实际行为与机器人预期行为进行比对确定对应的节点类型,并按照节点类型将客户行为和机器人实际行为分类存储。
作为另一优选的实施例,采用第三方ASR识别工具与MRCP协议识别质检录音中机器人的实际行为和客户行为。具体地,由于语音机器人的节点流程均是既定的,采用第三方ASR识别工具识别出的结果作为机器人实际行为,将机器人实际行为与预期行为进行比较即可得出对应的节点类型,与机器人实际行为进行的交互作为客户行为,重复上述步骤,便可按照节点对语音机器人与客户交互行为进行分类。
本实施例中,语音机器人的节点类型包括开场白节点、核实身份节点、催收节点、营销节点、挽留节点、确认身份节点和确认办理节点。
步骤S3、领域分析:根据分类存储的识别结果,采用业务领域分析模型对客户行为进行分析,得出语音机器人不同节点类型下客户行为分析结果;
作为另一优选的实施例,将业务类型标签、节点类型、机器人预期行为、机器人实际行为作为分析要素,根据业务领域分析模型,通过第三方NLP语义理解工具进行客户行为多维度分析,内容包括不限于客户情绪价值、偏好、情感倾向等,将分析结果按照节点类型存储至统计模块。
步骤S4、结果同济:按节点类型归类存储领域分析模块的分析结果。
接下来,如图3和图4所示,本实施例还提供了一种应用于语音机器人的智能质检系统,包括:
预处理模块,用于对目标装置的质检要求做预处理,包括获取质检录音、业务类型、节点类型以及机器人预期行为。其中,预处理模块包括以下子模块:
质检录音获取子模块,用于获取第三方平台下各业务语音机器人的录音文件,并打上业务类型标签;
节点归类子模块,用于将业务类型标签按照各业务语音机器人的节点类型进行归类划分;
机器人预期行为设定子模块,用于根据已知机器人流程对各个节点设定机器人预期行为并储存。
识别存储模块,用于识别质检录音中机器人实际行为和客户行为,并将机器人实际行为与预处理模块中的机器人预期行为进行比对确定对应的节点类型,并按照节点类型将客户行为和机器人实际行为分类存储。
领域分析模块,用于根据识别存储模块分类存储的识别结果,采用业务领域分析模型对客户行为进行分析,得出语音机器人不同节点类型下客户行为分析结果;具体地,如图4所示,通过将各业务机器人节点按照业务对象特征进行节点归类。业务机器人具有开场白节点、核实身份节点、催收节点、营销节点、挽留节点、确认身份节点、确认办理节点等,此模型将上述节点进行细分,并结合相关报表数据(如节点成功率、节点挂机率等)针对每一个节点进行语音分析,得出该节点下客户所表现出的情感倾向、偏好、情绪价值等客户行为数据,如此就能统计出在每一个节点下不同客户的普遍反应,根据特征值分析当前节点的业务机器人话术是否有优化空间,并且通过分析T-1日数据,这样得出的分析数据更加及时。
在具体目标质检装置应用时,各个业务机器人都会具有带有自己业务特征的话术与节点,难以针对每一个业务单独制定分析模型,可通过本发明方法的统一化处理,在进行语音质检分析前,设置各业务节点数据,调节当前业务下各节点参数,就可以生成对应的业务系统,不需要再重新制定。
结果统计模块,用于按节点类型归类存储领域分析模块的分析结果。具体地,可提供包括但不限于交互明细、交互结果统、客户情感分析、客户偏好、客户行为关键字、客户节点行为、客户全流程行为分析等,交由人工进行运营,作为流程优化更新的辅助决策数据。
图5给出了本发明的智能质检系统与目标质检装置对应关系示意图。
本发明电子设备包括中央处理单元(CPU),其可以根据存储在只读存储器(ROM)中的计算机程序指令或者从存储单元加载到随机访问存储器(RAM)中的计算机程序指令,来执行各种适当的动作和处理。在RAM中,还可以存储设备操作所需的各种程序和数据。CPU、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
设备中的多个部件连接至I/O接口,包括:输入单元,例如键盘、鼠标等;输出单元,例如各种类型的显示器、扬声器等;存储单元,例如磁盘、光盘等;以及通信单元,例如网卡、调制解调器、无线通信收发机等。通信单元允许设备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。
处理单元执行上文所描述的各个方法和处理,例如方法S1~S4。例如,在一些实施例中,方法S1~S4可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元。在一些实施例中,计算机程序的部分或者全部可以经由ROM和/或通信单元而被载入和/或安装到设备上。当计算机程序加载到RAM并由CPU执行时,可以执行上文描述的方法S1~S4的一个或多个步骤。备选地,在其他实施例中,CPU可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法S1~S4。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括: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)等等。
用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码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,机器可读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程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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。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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种应用于语音机器人的智能质检方法,其特征在于,所述方法包括:
预处理:对目标装置的质检要求做预处理,包括获取质检录音、业务类型、节点类型并预设语音机器人各节点的机器人预期行为;
识别存储:识别质检录音中机器人实际行为和客户行为,并将机器人实际行为与机器人预期行为进行比对确定对应的节点类型,并按照节点类型将客户行为和机器人实际行为分类存储;
领域分析:根据分类存储的识别结果,采用业务领域分析模型对客户行为进行分析,得出语音机器人不同节点类型下客户行为分析结果;
结果统计:按节点类型归类存储领域分析模块的分析结果。
2.根据权利要求1所述的应用于语音机器人的智能质检方法,其特征在于,所述对目标装置的质检要求做预处理,包括获取质检录音、业务类型、节点类型以及机器人预期行为,具体包括:
获取第三方平台下各业务语音机器人的录音文件作为质检录音,并打上业务类型标签;
将业务类型标签按照各业务语音机器人的节点类型进行归类划分;其中,节点类型依据业务类型进行划分;
根据已知机器人流程对各个节点设定机器人预期行为并储存。
3.根据权利要求2所述的应用于语音机器人的智能质检方法,其特征在于,通过HTTP请求获取第三方平台下各业务语音机器人的录音文件。
4.根据权利要求2所述的应用于语音机器人的智能质检方法,其特征在于,所述语音机器人的节点类型包括开场白节点、核实身份节点、催收节点、营销节点、挽留节点、确认身份节点和确认办理节点。
5.根据权利要求2所述的应用于语音机器人的智能质检方法,其特征在于,采用第三方ASR识别工具与MRCP协议识别质检录音中机器人的实际行为和客户行为。
6.根据权利要求2所述的应用于语音机器人的智能质检方法,其特征在于,将业务类型标签、节点类型、机器人预期行为、机器人实际行为作为分析要素,根据业务领域分析模型,通过第三方NLP语义理解工具进行客户行为分析。
7.一种基于权利要求1所述的应用于语音机器人的智能质检方法的系统,其特征在于,所述系统包括:
预处理模块,用于对目标装置的质检要求做预处理,包括获取质检录音、业务类型、节点类型并预设语音机器人各节点的机器人预期行为;
识别存储模块,用于识别质检录音中机器人实际行为和客户行为,并将机器人实际行为与预处理模块中的机器人预期行为进行比对确定对应的节点类型,并按照节点类型将客户行为和机器人实际行为分类存储;
领域分析模块,用于根据识别存储模块分类存储的识别结果,采用业务领域分析模型对客户行为进行分析,得出语音机器人不同节点类型下客户行为分析结果;
结果统计模块,用于按节点类型归类存储领域分析模块的分析结果。
8.根据权利要求7所述的系统,其特征在于,所述预处理模块包括:
质检录音获取子模块,用于获取第三方平台下各业务语音机器人的录音文件,并打上业务类型标签;
节点归类子模块,用于将业务类型标签按照各业务语音机器人的节点类型进行归类划分,其中,节点类型依据业务类型进行划分;
机器人预期行为设定子模块,用于根据已知机器人流程对各个节点设定机器人预期行为并储存。
9.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~6任一项所述的方法。
10.一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,所述程序被处理器执行时实现如权利要求1~6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311817728.9A CN117765931A (zh) | 2023-12-26 | 2023-12-26 | 应用于语音机器人的智能质检方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311817728.9A CN117765931A (zh) | 2023-12-26 | 2023-12-26 | 应用于语音机器人的智能质检方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117765931A true CN117765931A (zh) | 2024-03-26 |
Family
ID=90319857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311817728.9A Pending CN117765931A (zh) | 2023-12-26 | 2023-12-26 | 应用于语音机器人的智能质检方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117765931A (zh) |
-
2023
- 2023-12-26 CN CN202311817728.9A patent/CN117765931A/zh active Pending
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 | |
CN111210842B (zh) | 语音质检方法、装置、终端及计算机可读存储介质 | |
CN112492111B (zh) | 一种智能语音外呼方法、装置、计算机设备和存储介质 | |
CN109543925B (zh) | 基于机器学习的风险预测方法、装置、计算机设备和存储介质 | |
CN107122369B (zh) | 一种业务数据处理方法、装置和系统 | |
CN105187674B (zh) | 服务录音的合规检查方法及装置 | |
CN111522947A (zh) | 一种处理投诉工单的方法和系统 | |
CN110598008B (zh) | 录制数据的数据质检方法及装置、存储介质 | |
CN111597818B (zh) | 呼叫质检方法、装置、计算机设备和计算机可读存储介质 | |
US9118759B2 (en) | Customer service analysis | |
CN111008273A (zh) | 智能服务系统驱动方法、装置、设备及可读存储介质 | |
CN105095069A (zh) | 一种人工智能应答系统测试方法及系统 | |
CN109766474A (zh) | 审讯信息审核方法、装置、计算机设备和存储介质 | |
CN112235470B (zh) | 基于语音识别的来电客户跟进方法、装置及设备 | |
CN113223532A (zh) | 客服通话的质检方法、装置、计算机设备及存储介质 | |
CN114911800A (zh) | 电力系统的故障预测方法、装置以及电子设备 | |
CN113110995A (zh) | 系统迁移的测试方法及装置 | |
CN110310127B (zh) | 录音获取方法、装置、计算机设备及存储介质 | |
CN109410921B (zh) | 一种通过声音进行质量评估的方法及装置 | |
CN109064464B (zh) | 用于检测电池极片毛刺的方法和装置 | |
JP4734153B2 (ja) | 応対情報評価プログラム | |
CN113362044A (zh) | 一种基于汽车零售的提高审批效率流程的方法 | |
CN110298543B (zh) | 业务跟踪方法、装置、计算机设备及存储介质 | |
CN112712393A (zh) | 调整房源价格的方法及装置 | |
CN116383742A (zh) | 基于特征分类的规则链设置处理方法、系统及介质 |
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 |