TW202201244A - 一種在線訪談的方法及系統 - Google Patents
一種在線訪談的方法及系統 Download PDFInfo
- Publication number
- TW202201244A TW202201244A TW110108521A TW110108521A TW202201244A TW 202201244 A TW202201244 A TW 202201244A TW 110108521 A TW110108521 A TW 110108521A TW 110108521 A TW110108521 A TW 110108521A TW 202201244 A TW202201244 A TW 202201244A
- Authority
- TW
- Taiwan
- Prior art keywords
- terminal
- information
- interview
- visited
- communication
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000004891 communication Methods 0.000 claims abstract description 99
- 238000012545 processing Methods 0.000 claims abstract description 49
- 230000008451 emotion Effects 0.000 claims description 29
- 230000011218 segmentation Effects 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 35
- 230000008569 process Effects 0.000 description 24
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000002996 emotional effect Effects 0.000 description 6
- 230000007935 neutral effect Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 235000018185 Betula X alpestris Nutrition 0.000 description 1
- 235000018212 Betula X uliginosa Nutrition 0.000 description 1
- 206010021703 Indifference Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
- G06Q10/1053—Employment or hiring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/14—Systems for two-way working
- H04N7/141—Systems for two-way working between two video terminals, e.g. videophone
-
- 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
- G06F16/353—Clustering; Classification into predefined classes
-
- 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
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
-
- 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
- G10L15/04—Segmentation; Word boundary detection
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- 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
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- 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
- G10L25/57—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 processing of video signals
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/1066—Session management
- H04L65/1069—Session establishment or de-establishment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/1066—Session management
- H04L65/1096—Supplementary features, e.g. call forwarding or call holding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/80—Responding to QoS
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/42221—Conversation recording systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/56—Arrangements for connecting several subscribers to a common circuit, i.e. affording conference facilities
- H04M3/563—User guidance or feature selection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/56—Arrangements for connecting several subscribers to a common circuit, i.e. affording conference facilities
- H04M3/567—Multimedia conference systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/14—Systems for two-way working
- H04N7/141—Systems for two-way working between two video terminals, e.g. videophone
- H04N7/147—Communication arrangements, e.g. identifying the communication as a video-communication, intermediate storage of the signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/14—Systems for two-way working
- H04N7/15—Conference systems
- H04N7/155—Conference systems involving storage of or access to video conference sessions
-
- 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)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Economics (AREA)
- Telephonic Communication Services (AREA)
- Information Transfer Between Computers (AREA)
- Automobile Manufacture Line, Endless Track Vehicle, Trailer (AREA)
- Preliminary Treatment Of Fibers (AREA)
Abstract
本發明涉及一種在線訪談的方法及系統,所述方法包括:通過網路建立訪問終端與受訪終端之間的通訊連接;獲取所述訪問終端與受訪終端之間的交流信息;所述交流信息包括音頻信息、視頻信息、文本信息中的一種或多種;所述訪問終端包括第一主持終端、第二主持終端和文本處理終端的一種或多種;其中,所述第一主持終端用於主持訪談的進行,且所述第一主持終端上顯示訪談大綱和/或受訪終端信息;所述第二主持終端用於訪談的主持和/或參與訪談問題的諮詢;所述文本處理終端將所述音頻信息和/或所述視頻中信息的音頻信息轉化爲對應的文本信息。
Description
本發明涉及通信領域,特別涉及一種在線訪談的方法及系統。
近年來因爲經濟全球化,遠程辦公、跨地區協作在企業中得到了迅速的發展。同時,攝影機、照相機等産品在電子辦公終端的廣泛普及使得視頻會議、在線訪談等新的會議模式得到了長足的發展。然而,雖然有了線上視頻會議、在線訪談等會議模式,但會議的實際流程中,還是需要人工輔助操作的介入,降低了視頻會議使用過程中的用戶體驗。
因此,有必要提出一種在線訪談系統,以提升在線訪談的用戶體驗。
本發明實施例之一提供一種在線訪談方法,所述方法包括:通過網路建立訪問終端與受訪終端之間的通訊連接;獲取所述訪問終端與受訪終端之間的交流信息;所述交流信息包括音頻信息、視頻信息、文本信息中的一種或多種;所述訪問終端包括第一主持終端、第二主持終端和文本處理終端的一種或多種;其中,所述第一主持終端用於主持訪談的進行,且所述第一主持終端上顯示有訪談大綱和/或受訪終端信息;所述第二主持終端用於訪談的主持和/或參與訪談問題的諮詢;所述文本處理終端將所述音頻信息和/或所述視頻中信息的音頻信息轉化爲對應的文本信息。
本發明實施例之一提供一種在線訪談系統,所述系統包括通訊連接建立模組及信息獲取模組:通訊連接建立模組,用於建立訪問終端與受訪終端之間的通訊;信息獲取模組,用於獲取所述訪問終端與受訪終端之間的交流信息;所述交流信息包括音頻信息、視頻信息、文本信息中的一種或多種;所述訪問終端包括第一主持終端、第二主持終端和文本處理終端的一種或多種;其中,所述第一主持終端用於主持訪談的進行,且所述第一主持終端上顯示有訪談大綱和/或受訪終端信息;所述第二主持終端用於訪談的主持和/或參與訪談問題的諮詢;所述文本處理終端將所述音頻信息和/或所述視頻中信息的音頻信息轉化爲對應的文本信息。
本發明實施例之一提供一種在線訪談裝置,所述裝置包括至少一個處理器以及至少一個記憶體;所述至少一個記憶體用於存儲電腦指令;所述至少一個處理器用於執行所述電腦指令中的至少部分指令以實現在線訪談的方法。
本發明實施例之一提供一種電腦可讀存儲介質,所述存儲介質存儲電腦指令,當電腦讀取存儲介質中的電腦指令後,電腦執行所述在線訪談的方法。
爲了更清楚地說明本發明實施例的技術方案,下面將對實施例描述中所需要使用的附圖作簡單的介紹。顯而易見地,下面描述中的附圖僅僅是本發明的一些示例或實施例,對於本領域的普通技術人員來講,在不付出創造性勞動的前提下,還可以根據這些附圖將本發明應用於其它類似情景。除非從語言環境中顯而易見或另做說明,圖中相同標號代表相同結構或操作。
應當理解,本文使用的“系統”、“裝置”、“單元”和/或“模組”是用於區分不同級別的不同組件、元件、部件、部分或裝配的一種方法。然而,如果其他詞語可實現相同的目的,則可通過其他表達來替換所述詞語。
如本發明中所示,除非上下文明確提示例外情形,“一”、“一個”、“一種”和/或“該”等詞並非特指單數,也可包括複數。一般說來,術語“包括”與“包含”僅提示包括已明確標識的步驟和元素,而這些步驟和元素不構成一個排它性的羅列,方法或者設備也可能包含其它的步驟或元素。
本發明中使用了流程圖用來說明根據本發明的實施例的系統所執行的操作。應當理解的是,前面或後面操作不一定按照順序來精確地執行。相反,可以按照倒序或同時處理各個步驟。同時,也可以將其他操作添加到這些過程中,或從這些過程移除某一步或數步操作。
爲適應經濟全球化的發展,遠程辦公、跨地區協作在企業中得到了迅速的發展,線上會議、遠程視頻會議等形式在現代化企業中十分普及。然而,雖然有了線上視頻會議、在線訪談等會議模式,但會議的實際流程難以與會議/訪談的流程結合起來,在進行在線會議/訪談的過程中,往往需要大量的人工輔助操作。
在一些實施例中,在線訪談/視頻會議等過程需要一個或幾個專門的記錄員全程記錄發言人的發言內容,以便在會議結束後形成會議紀要對會議過程進行記錄。但是,當發言人人數很多或者發言時間很長時,人爲記下的觀點和內容往往會有所偏差或缺漏。
在一些實施例中,當發言人數很多時,訪問者需要將每個發言人與其相對應的主要觀點進行對應。這一過程也需要人工輔助,以免將發言者的觀點錯誤對應到多個發言人員身上。
在一些實施例中,在線訪談的過程中,提問者需要將草擬好的問題記錄在紙上或其他載體中,其提問過程是基於預先準備的問題列表進行提問的。當提問者需要對某一個或某一類問題進行更深層次地提問時,提問者需要在短暫的時間內思考該類問題的核心觀點並基於核心觀點進行進一步的提問。
針對以上問題,在一些實施例中,可以採用處理設備對會議過程中産生的視頻/音頻進行處理,通過語音轉文字等方式獲得會議過程中發言內容的文字信息,進而形成會議紀要,避免基於人工記錄或者人工輔助。
在一些實施例中,可以基於轉化爲文字的發言內容,基於機器學習等方法獲取各發言內容中的觀點信息。通過觀點信息的提取,可以快速獲取各發言人的主要觀點,避免遺忘或錯誤對應各發言人的主要觀點。
在一些實施例中,提問者進行訪問的問題列表可以是實時更新的,避免提問者在訪問的過程中還需要對發言內容進行深層次地理解和提問。在一些實施例中,所述問題列表可以是由其他人員基於發言人的主要觀點進行更新。在另一些實施例中,所述問題列表也可以由發言者的觀點給出預設好的問題列表。
圖1是根據本發明一些實施例所示的在線訪談系統的應用場景示意圖。
如圖1所示,應用場景中可以包括訪問終端110、網路120、受訪終端130、存儲設備140以及處理器150。
在線訪談系統100,由訪問方通過網路對受訪方進行在線訪談,促進用戶所持觀點的便捷傳達及用戶之間意見的實時溝通。
所述訪問終端110可以是訪問一方人員所使用的一個或多個終端,所述受訪終端130可以是受訪一方人員所使用的一個或多個終端。
所述訪問終端110可以包括多種類別,具體說明可參見圖2的說明。
在一些實施例中,所述訪問終端110與受訪終端130的都可以由電子設備組成。所述電子設備可以包括但不限於移動設備、平板電腦、膝上型電腦、桌式電腦等中的一種或多種。在一些實施例中,電子設備可以是具有Android、iOS、Windows等操作系統的移動設備和電腦設備。本說明對訪問終端110與受訪終端130的所包含的電子設備數目及種類不做限制。
在一些實施例中,所述訪問終端110與受訪終端130可以包括電話,或者其他可以進行信息交流的設備。
在一些實施例中,需主持訪問的用戶方可通過訪問終端110進行訪談,而接受訪問的用戶方可通過受訪終端130接受訪談。訪問終端110及受訪終端130可接收用戶輸入的交流信息,包括音頻信息、視頻信息、文本信息等信息中的一種或多種。所述輸入方式包括音頻及視頻輸入、手動輸入文字、上傳文檔資料及其他方式。所述交流信息可反饋於訪問終端110及受訪終端130的中的一方或者雙方,從而實現數據交互。
訪問終端110之間、受訪終端130之間、訪問終端110與受訪終端130之間,均可以通過網路120進行連接及通訊。在系統中各部分之間的網路可以是有線網路或無線網路中的任意一種或多種。例如,網路120可以包括互聯網、局域網路(LAN)、廣域網路(WAN)、無線局域網路(WLAN)、公共交換電話網路(PSTN)、線纜連接以及其他方式等或其任意組合。每兩個部分之間的網路連接可以是採用上述一種方式,也可以是採取多種方式。
在一些實施例中,應用場景中還可以包括處理器150。處理器150可以處理從其他設備或系統組成部分中獲得的數據和/或信息。數據指對信息的數字化表示,可以包括各種類型,比如二進制數據、文本數據、圖像數據、視頻數據等。處理器可以基於這些數據、信息和/或處理結果執行程序指令,以執行一個或多個本發明中描述的功能。指令指可控制設備或器件執行特定功能的程序。
在一些實施例中,處理器150可以包含一個或多個子處理設備(例如,單核處理設備或多核多芯處理設備)。僅作爲示例,處理器150可以包括中央處理器(CPU)、專用集成電路(ASIC)、專用指令處理器(ASIP)、圖形處理器(GPU)、物理處理器(PPU)、數字信號處理器(DSP)、現場可編程閘陣列(FPGA)、可編輯邏輯電路(PLD)、控制器、微控制器單元、精簡指令集電腦(RISC)、微處理器等或以上任意組合。
在一些實施例中,應用場景中還可以包括存儲設備140。存儲設備140可以用於存儲數據和/或指令。存儲設備140可以包括一個或多個存儲組件,每個存儲組件可以是一個獨立的設備,也可以是其他設備的一部分。在一些實施例中,存儲設備140可包括隨機存取記憶體(RAM)、唯讀記憶體(ROM)、大容量記憶體、可移動記憶體、揮發性讀寫記憶體等或其任意組合。示例性的,大容量儲存器可以包括磁盤、光盤、固態磁盤等。在一些實施例中,所述存儲設備140可在雲端平臺上實現。
在一些實施例中,在線訪談系統100的一個或者多個組件可以通過網路120傳送數據至在線訪談系統100的其他組件。例如,處理器150可以通過網路120獲取受訪終端130和存儲設備140中的信息和/或數據,或者可以通過網路120將信息和/或數據發送到訪問終端110、受訪終端130和存儲設備140。
在一些實施例中,在線訪談系統100支持一個或多個終端之間的選擇性溝通。所述溝通內容可以選擇完全公開、完全保密、部分公開、針對特定對象公開等。例如,受訪終端130可支持與某一個或幾個特定的訪問終端的溝通,其溝通內容可以指定受訪終端130的部分或全部所屬用戶可見。
在一些實施例中,在線訪談系統100可以通過特定應用程序或者依托其他應用程序及平臺進行數據交互。在線訪談系統100的通訊數據可雲端存儲於網路120,實現快捷傳輸及導出。例如,訪談過程中或者訪談結束後,用戶可選擇將識別的文本信息可進行保存、分享、發送及導出等。
在一些實施例中,在以服務器爲執行主體的系統中,所述在線訪談系統100可以包括通訊連接建立模組和信息獲取模組。上述模組均在應用場景所介紹的計算系統中執行,各模組包括各自的指令,指令可存儲在存儲介質上,指令可在處理器中執行。不同的模組可以位於相同的設備上,也可以位於不同的設備上。它們之間可以通過程序接口、網路等進行數據的傳輸。
訪問終端模組,用於獲取訪問者的交流信息;
受訪終端模組,用於獲取受訪者的交流信息;
通訊連接建立模組,用於通過網路建立訪問終端模組與受訪終端模組之間的通訊連接;
信息獲取模組,用於獲取所述訪問終端與受訪終端之間的交流信息;其中,所述交流信息包括音頻信息、視頻信息、文本信息中的一種或多種。
在一些實施例中,所述訪問終端包括第一主持終端、第二主持終端和文本處理終端的一種或多種。其中,所述第一主持終端用於主持訪談的進行,且所述第一主持終端上顯示有訪談大綱和/或受訪終端信息;所述第二主持終端用於主持訪談的進行和/或參與訪談問題的諮詢;所述文本處理終端基於機器學習模型將所述音頻信息和/或所述視頻中信息的音頻信息轉化爲對應的文本信息。
在一些實施例中,若所述訪問終端包括所述文本處理終端,所述方法還包括觀點信息確定模組,用於基於所述受訪終端的交流信息以及所述文本處理終端,確定對應的文本信息;對所述文本信息進行文本處理;所述文本處理包括將所述文本信息拆分爲一個或多個分詞信息;基於觀點提取規則和所述一個或多個分詞信息確定與所述受訪終端的交流信息對應的觀點信息。
在一些實施例中,所述觀點信息確定模組還可以用於:基於所述觀點信息,確定多個交流主體的觀點統計結果。
在一些實施例中,所述方法還包括情緒分類模組,用於基於所述受訪終端的交流信息,通過情緒判斷模型確定與所述受訪終端的交流信息對應的情緒分類。
在一些實施例中,所述方法還可以包括意見領袖確定模組,用於根據所述受訪終端的交流信息中的發言頻率、發言時長和被打斷次數中的一種或多種,確定所述受訪終端的交流信息中的意見領袖信息。
在一些實施例中,若所述訪問終端還包括所述第一主持終端,所述方法還可以包括觀點信息輸出模組,用於在所述第一主持終端上輸出所述觀點信息。
在一些實施例中,若所述訪問終端包括所述第一主持終端和第二主持終端,所述方法還包括大綱更新模組,用於使所述第一主持終端基於第一主持終端上顯示的訪談大綱進行提問;所述第二主持終端基於受訪端的交流信息對所述訪談大綱進行更新。
應當理解,本發明一個或多個實施中的所述系統及其模組可以利用各種方式來實現。例如,在一些實施例中,系統及其模組可以通過硬體、軟體或者軟體和硬體的結合來實現。其中,硬體部分可以利用專用邏輯來實現;軟體部分則可以存儲在記憶體中,由適當的指令執行系統,例如微處理器或者專用設計硬體來執行。本領域技術人員可以理解上述的方法和系統可以使用電腦可執行指令和/或包含在處理器控制代碼中來實現,例如在諸如磁盤、CD或DVD-ROM的載體介質、諸如唯讀記憶體(固件、韌體)的可編程的記憶體或者諸如光學或電子信號載體的數據載體上提供了這樣的代碼。本發明的系統及其模組不僅可以有諸如超大規模集成電路或閘陣列、諸如邏輯芯片、晶體管等的半導體、或者諸如現場可編程閘陣列、可編程邏輯設備等的可編程硬體設備的硬體電路實現,也可以用例如由各種類型的處理器所執行的軟體實現,還可以由上述硬體電路和軟體的結合(例如,固件、韌體)來實現。
需要注意的是,以上對於處理器及其模組的描述,僅爲描述方便,並不能把本發明限制在所舉實施例範圍之內。可以理解,對於本領域的技術人員來說,在瞭解該系統的原理後,可能在不背離這一原理的情况下,對各個模組進行任意組合,或者構成子系統與其他模組連接。
圖2是根據本發明一些實施例所示的在線訪談方法200的示例性流程圖。
步驟210,建立訪問終端與受訪終端之間的通訊連接。具體的,該步驟可以由通訊連接建立模組執行。
在一些實施例中,受訪終端可以是受訪一方人員所使用的終端。
訪問終端可以是訪問一方人員所使用的終端。
對受訪終端和訪問終端的更多說明可參見本發明圖1的內容。
在一些實施例中,可以通過網路在訪問終端與受訪終端可以建立通訊連接,以便於進行訪談或召開會議。在一些實施例中,可以根據通訊狀態,確認訪問終端與受訪終端是否建立通訊連接。通信狀態良好,則表示訪問終端與受訪終端建立連接;如果通信狀態中斷,則表示訪問終端與受訪終端之間沒有建立連接。在一些實施例中,通訊狀態可以基於丟包率和等待時間確定。所述丟包率指測試中所丟失數據包數量占所發送數據包的比率,所述等待門限是反饋的最長時間。在一些實施例中,可以基於丟包率和等待時間設定預設值,判定訪問終端與受訪終端之間的通訊狀態。例如,當某一訪問終端的丟包率和等待時間都小於預設值,則可判定該訪問終端與受訪終端已建立通訊連接。又例如,當某一訪問終端的丟包率/等待時間大於預設值,則判定該訪問終端與受訪終端未建立通訊連接。
在一些實施例中,當所述通訊連接建立後,訪問終端與受訪終端之間可基於通訊連接相互發送交流信息,所述交流信息包括音頻信息、視頻信息、文本信息中的一種或多種。進一步地,訪問終端與受訪終端之間可以基於發送的交流信息進行訪談或召開會議。在一些實施例中,訪問終端與受訪終端建立通訊連接可以是通過用於傳輸數據的網路或電話網路,以及其他可以傳輸信息的網路建立。通訊連接可通過網路建立,對網路的說明可參見本發明圖1的內容。
在一些實施例中,訪問終端與受訪終端可以直接通過點對點的對等通訊方式連接。所述點對點的對等通訊方式,指的是訪問終端與受訪終端直接相連,不通過其他設備或系統進行轉接。例如,訪問終端與受訪終端都爲電腦,兩台電腦直接通過網線進行互聯。
在一些實施例中,訪問終端與受訪終端可以通過服務器進行中轉實現通訊連接,以避免訪問終端與受訪終端點對點通訊時的網路原因導致的通訊不流暢。例如,可以通過微信、QQ、skype等第三方通訊軟體或平臺建立通訊連接。在一些實施例中,訪問終端與受訪終端中的一者可以承擔交流信息的轉發工作。
在一些實施例中,訪問終端與受訪終端之間的交流信息可以是指訪談過程中産生的信息。在一些實施例中,訪問終端與受訪終端之間的交流信息可以包括音頻、視頻、文字、圖片、文件中的一種或多種。步驟220,獲取所述訪問終端與受訪終端之間的交流信息。具體的,該步驟可以由信息獲取模組執行。
在一些實施例中,所述處理器150可以獲取訪問終端與受訪終端之間的交流信息。在該場景的實施例中,所述處理器150可以基於獲取到的交流信息進行情緒判斷,觀點提取等多種處理。對情緒判斷,觀點提取的說明可參見本發明圖3的內容,在此不再贅述。在一些實施例中,訪問終端可以包括第一主持終端、第二主持終端和文本處理終端中的至少一種,並執行步驟230中的相關內容。
在一些實施例中,訪問終端可以包含第一主持終端。當訪問終端上包含第一主持終端時,訪問終端可以執行步驟231。第一主持終端可以用於主持訪談的進行。例如,第一主持終端可以作爲會議主持人使用的終端設備,向受訪終端進行提問。在一些實施例中,第一主持終端上可以顯示訪談大綱,所述第一主持終端上基於訪談大綱進行提問。
在一些實施例中,訪問終端可以包含第二主持終端。當訪問終端上包含第二主持終端時,訪問終端可以執行步驟232,使得第二主持終端可以參與訪談的共同主持和/或參與訪談問題的諮詢。例如,第二主持終端可以由其他訪問人員使用,向受訪終端進行訪問。又例如,當第二主持終端可以基於當前提問深度挖掘相關問題。
在一些實施例中,所述訪問終端可以包含第一主持終端和第二主持終端。第一主持終端上可以顯示受訪終端信息,以確定受訪者或參會人員的身份信息;第二主持終端可以用於輔助第一主持終端使得會議得以進行。例如,第二主持終端可以基於人工輸入的問題協助第一主持終端更新訪談大綱。又例如,當第一主持終端無法繼續訪談時,第二主持終端還可以基於第一主持終端提出的問題進行補充提問,保證訪談的繼續進行。
在該場景的實施例中,第一主持終端可以基於第一主持終端上顯示的訪談大綱進行提問。訪談大綱可以是指根據既定會議討論或訪問內容的提綱,例如,訪談大綱可以包括年齡、性別、職業、籍貫地、家庭住址、愛好以及産品滿意度等訪談問題內容,又例如,訪談大綱可以包括會議主題、會議進行項等與會議討論相關的內容。在一些實施例中,訪談大綱可以是預先設置的,例如設置在第一主持終端中並進行顯示或語音播報。在一些實施例中,所述訪談大綱也可以是由第二主持終端基於受訪終端的交流信息進行自動更新的。例如,當根據受訪端的交流信息確定交流主體爲女性時,訪談大綱可以更新相應的訪談內容爲女性化內容(例如與化妝品相關的訪談內容)。在一些替代性實施例中,所述訪談大綱還可以是第二主持終端基於人工輸入的更新內容,由人工判斷對訪談內容進行更新。
在一些實施例中,當第一主持終端出現通訊連接終端等異常狀態時,第二主持終端可基於當前訪談進程繼續提問,保證訪談的繼續進行。
在一些實施例中,訪問終端還可以包含文本處理終端。當訪問終端上包含文本處理終端時,訪問終端可以執行步驟233,將訪談過程中的音頻信息和/或視頻中信息的音頻信息轉化爲對應的文本信息。具體地,將音頻信息轉換爲對應的文本信息可以是可以語音識別技術實現的,例如,以預先訓練好的語音識別模型或聲學模型識別音頻信息中的內容。在一些實施例中,文本處理終端可將獲得的文本信息以文本方式記錄訪談/會議過程,形成會議紀要,並將形成的會議紀要發送給存儲設備140進行存儲。
在一些實施例中,所述訪問終端還可以包括文本處理終端、第一主持終端和/或第二主持終端。在該場景的實施例中,文本處理終端可以將訪談過程中轉化的文本信息發送給處理器150,處理器150可以基於文本信息提取相應的觀點信息。
在一些替代性實施例中,所述基於獲得的文本信息提取相應觀點的步驟還可以由所述文本處理終端完成。有關基於文本信息提取相應觀點的詳細描述可見圖3的相應描述,在此不再贅述。
在以上所述的一個或多個涉及文本處理終端的實施例中,可將提取到的觀點信息發送給第一主持終端和/或第二主持終端。
在一些實施例中,意見領袖確定模組可以根據所述受訪終端的交流信息中的發言頻率、發言時長和被打斷次數中的一種或多種,確定所述受訪終端的交流信息中的意見領袖。
所述意見領袖是指對所述受訪終端的交流信息具有引導作用的受訪者。意見領袖確定模組可以根據以下特徵的一種或多種確定意見領袖:所述受訪終端的交流信息中的發言頻率、發言時長和被打斷次數中的一種或多種。所使用的確定規則可以是預先設定的,也可以通過獲取用戶輸入或其他方式設定。
在一些實施例中,可以通過設置相應的判定閾值確定所述意見領袖。所述判定閾值包括但不限於發言頻率的閾值、發言時長的閾值、發言被打斷次數的閾值等。
在一些實施例中,可以預設一個發言頻率的閾值(例如每分鐘發言3次),當某一受訪者的發言頻率達到或超過該閾值時,可以確定該受訪者爲意見領袖。在一些實施例中,也可以預設一個發言時長的閾值(例如單次連續發言時長爲5分鐘或在10分鐘內累計發言時長爲5分鐘),當某一受訪者的發言時長達到或超過該閾值時,可以確定該受訪者爲意見領袖。在一些實施例中,還可以預設一個發言被打斷次數的閾值(例如在10分鐘內發言被打斷5次),當某一受訪者的發言被打斷次數達到或者超過該閾值時,即可確定該受訪者不是意見領袖。
在一些實施例中,還可以綜合利用以上發言頻率、發言時長、被打斷次數中的一種或多種方式確定某一受訪者是否爲意見領袖。在一些實施例中,可以利用發言時長和被打斷次數兩種方式共同確定某一受訪者是否爲意見領袖。具體地,在一些實施例中,可以預設發言時長的閾值爲“在10分鐘內累計發言時長爲5分鐘”,同時可以預設發言被打斷次數的閾值爲“在10分鐘內發言被打斷5次”。在該場景的實施例中,所述受訪者必須要同時滿足“在10分鐘內累計發言時長達到或超過5分鐘”和“在10分鐘內發言被打斷次數小於5次”兩個條件,才可以被確定爲意見領袖。例如,某一受訪者在10分鐘內累計發言時長達到6分鐘,但是在這10分鐘內發言被打斷了6次,則可以確定該受訪者不是意見領袖。通過如上所述的閾值設定方式,就可以排除累計發言時長較長但是被打斷次數也較多的受訪者,避免將他們確定爲意見領袖。
所述意見領袖可以由處理器確定後發送給第一主持終端和/或第二主持終端。在一些替代性實施例中,意見領袖也可由第一主持終端和/或第二主持終端根據受訪者的發言信息等內容,進行人爲地標記。
在一些實施例中,所述意見領袖可以由意見領袖判斷模型進行判斷。所述意見領袖判斷模型用於對多個受訪者的發言頻率、發言時長、被打斷次數中的一種或多種進行分析,預測得到所述多個受訪者中的意見領袖。
在一些實施例中,將多個受訪者的發言頻率、發言時長、被打斷次數等信息輸入意見領袖判斷模型中,所述意見領袖判斷模型可以對所述多個受訪者中發言頻率、發言時長、被打斷次數等信息進行處理和計算,輸出各個受訪者成爲意見領袖的概率。例如,意見領袖判斷模型可以對多個受訪者中發言頻率、發言時長、被打斷次數進行加權求和計算,獲得各個受訪者成爲意見領袖的概率。
在一些實施例中,可以將所述多個受訪者中成爲意見領袖的概率值最高的受訪者稱爲意見領袖。
在一些實施例中,還可以對成爲意見領袖的概率值進行閾值判斷。例如,當某一受訪者成爲意見領袖的概率值高於閾值時,該受訪者可稱爲意見領袖。
在一些實施例中,所述意見領袖判斷模型可基於多組帶有標簽的訓練樣本訓練得到。在一些實施例中,一組訓練樣本可以包括:多個受訪者的發言頻率、發言時長、被打斷次數以及樣本標簽。在一些實施例中,樣本標簽可以是“受訪者是意見領袖”或“受訪者不是意見領袖”,可以分別用1或0表示。
在一些實施例中,意見領袖判斷模型可以基於上述樣本,通過常用的方法進行訓練,更新模型參數。例如,可以基於梯度下降法進行訓練。
在一些實施例中,當訓練的意見領袖判斷模型滿足預設條件時,訓練結束。其中,預設條件可以是損失函數結果收斂或小於預設閾值等。
值得注意的是,上述關於訪問終端的劃分僅是爲了清楚說明各個終端設備在訪談中的作用。在一些實施例中,所述訪問終端可以是單獨的一個設備或裝置,也可以是多個設備或裝置。例如第一主持終端、第二主持終端和文本處理終端共同在一個設備或裝置(例如電腦)上實現。
在一些實施例中,觀點信息確定模組可基於受訪終端的交流信息提取觀點信息。在一些替代性實施例中,所述訪問終端還可以包括文本處理終端。在該場景的實施例中,所述文本處理終端可以基於受訪終端的交流信息提取觀點信息。圖3是根據本發明一些實施例所示的基於受訪終端的交流信息提取觀點信息300的示例性流程圖。
步驟310,基於所述受訪終端的交流信息以及所述文本處理終端,確定對應的文本信息。
在一些實施例中,文本信息可以包括交流信息中的文本信息和/或文本處理終端處理所得的文本信息。例如,文本信息可以是受訪者與受訪者的交流信息中的文本信息。又例如,文本信息還可以是文本處理終端處理訪談視頻/音頻而轉化的文本信息。
步驟320,對所述文本信息進行文本處理,將所述文本信息拆分爲單獨的詞語。
在一些實施例中,可以對文本信息進行文本處理,將文本信息拆分爲單獨的詞語。在一些實施例中,所述將文本信息拆分的過程也可被稱爲對文本信息進行分詞處理。
在一些實施例中,所述分詞處理可以基於預設算法進行。在一些實施例中,所述預設算法也可以包括特定的分詞模型。分詞處理方法包括但不限於:基於字符串匹配的分詞方法、基於理解的分詞方法、基於統計的分詞方法等。在一些實施例中,可以通過分詞模型對文本信息進行分詞處理。其中,分詞模型包括但不限於:N元文法模型(N-gram)、隱馬爾可夫模型(Hidden Markov Model,HMM)、最大熵模型(ME)、條件隨機場模型(Conditional Random Fields,CRF)、JIEBA分詞模型等。
在一些實施例中,在步驟320將文本信息拆分爲單獨的詞語後,還可以基於拆分所得的詞語獲得受訪者的觀點信息。在一些實施例中,可以基於觀點提取規則獲取受訪者的觀點信息,具體可參見步驟330。在一些實施例中,還可以基於聚類算法獲取受訪者的觀點信息,具體可參見步驟335。
步驟330,基於觀點提取規則和所述一個或多個分詞信息確定與所述受訪終端的交流信息對應的觀點信息。
在一些實施例中,可以通過步驟320獲得的所述一個或多個分詞信息確定與所述受訪終端的交流信息對應的受訪者的觀點信息。具體地,可以基於觀點提取規則對所述分詞信息進行處理,獲得對應的受訪者的觀點信息。在一些實施例中,所述觀點提取規則可以通過關鍵詞和句法結構來設定。
所述關鍵詞指的是可以反映受訪者觀點的一個或多個詞語。在一些實施例中,所述關鍵詞可以基於歷史問題庫中不同的分類獲取。例如,所述歷史問題庫中的不同分類(如消費、運動、軍事、文化等分類)均具有不同的關鍵詞。在一些實施例中,所述不同分類的關鍵詞可以是由人爲設定的。例如,可以對歷史問題庫中的問題進行人工標注,基於正則匹配等方式獲取歷史問題中的關鍵詞。在一些實施例中,所述歷史問題庫中的不同分類還可以基於句子中詞向量、句向量進行聚類算法處理後,通過提取聚類中心多條句子的關鍵詞得到,有關聚類算法、詞向量的處理可見步驟335的相應描述,在此不再贅述。
在獲取關鍵詞後,可以結合句法結構提取受訪者觀點信息。所述句法結構是指句子中的語法結構。所述句法結構包括但不限於SBV結構(主謂結構)、ATT結構(定中結構)、ADV結構(狀中結構)等。在一些實施例中,可以基於關鍵詞和句法結構提取受訪者的觀點信息。具體地,確定關鍵詞後,通過設置句法結構可以得到與關鍵詞相關的詞語,據此得到受訪者的觀點信息。
以所述“消費”這一分類爲例,“消費”這一分類可以包括但不限於“價格”、“包裝”、“質量”等關鍵詞。在具體的訪談場景中,訪談者提出的問題爲“你爲什麽選擇購買此産品?”,可得出訪談者所提問題的分類爲“消費”。此時,受訪者的回答是:“我覺得此産品的包裝很精美,價格很實惠”,則可以基於SBV結構(主謂結構)將關鍵詞“包裝”和“價格”設爲主語,在答案的句子中提取以上主語對應的謂語是“精美”和“實惠”,最終將基於上述方法獲取的詞語“包裝精美”、“價格實惠”認定爲受訪者的觀點信息。
步驟335,基於聚類算法和所述一個或多個分詞信息確定與所述受訪終端的交流信息對應的觀點信息。
在一些實施例中,還可以採用聚類算法,獲取受訪終端的交流信息對應的觀點信息。所述聚類算法包括但不限於K-Means算法、DBSCAN算法、BIRCH算法、MeanShift算法等。具體地,獲取交流信息中的文本信息中各個句子的句向量;基於句向量進行聚類。從句子聚類的聚類中心中抽出“代表性”句子,對這個句子生成觀點,並用此觀點代表這個聚類的觀點。
在一些實施例中,可以基於步驟320進行的分詞處理得到對應詞語的詞向量。在一些替代性實施例中,可以基於Word Embedding模型、BiLSTM模型、Word2vec模型等獲取各個詞語的詞向量。
在一些實施例中,可以基於句子中詞語的詞向量,獲得相應句子的句向量。例如,所述句向量可以基於句子中各個詞語的詞向量的拼接得到。又例如,所述句向量可以基於句子中的各個詞語的詞向量的加權求和得到。在一些實施例中,所述句向量可以基於BERT模型得到。
在一些實施例中,可以通過判斷句向量與聚類中心的距離判斷該句向量是否屬這一聚類中心。在一些實施例中,距離可以包括但不限於余弦距離、歐式距離、曼哈頓距離、馬氏距離或閔可夫斯基距離等。具體地,可以設置閾值對句向量與聚類中心的向量距離進行判定。例如,當所述句向量與聚類中心的向量距離低於設定閾值時,則可判斷此特徵屬這一聚類;反之,則不屬這一聚類。
在一些實施例中,還可以通過向量相似度係數判斷句向量是否屬某一聚類中心。具體地,可以設置閾值對向量相似度係數進行判定。例如,當所述句向量與聚類中心的向量相似度係數高於設定閾值時,則可判斷此特徵屬這一聚類;反之,則不屬這一聚類。
步驟340,基於所述受訪者的觀點信息,獲取多個受訪者的觀點統計結果。
在一些實施例中,可以基於獲取到的觀點信息獲取多個交流主體的觀點統計結果。在一些實施例中,所述交流主體可以包括使用受訪終端的受訪者。在一些實施例中,所述觀點統計結果可以反映多個受訪者對某一問題的總體結果。例如,對於某一問題,各有多少個受訪者的態度是贊同的,多少人是反對的。在一些實施例中,所述觀點統計結果可以針對某一受訪者的針對多個問題的觀點信息,判斷該受訪者對某一類問題的總體觀點。例如,某一受訪者對“消費類”的多個問題都是反對的,則可判斷該受訪者對對“消費類”的總體觀點是反對的。
需要說明的是,本領域技術人員可以對本發明所述的方法進行合理的變化。例如,所述觀點統計結果可以有多種表現形式。例如,觀點統計結果可以以折線圖、餅狀圖、條形圖、甘特圖等方式進行表示。例如,可以實時顯示對某一話題幾人贊同,幾人反對。類似這樣的變化,仍然在本發明的保護範圍之內。
在一些實施例中,若所述訪問終端還包括所述第一主持終端,在獲取受訪者的觀點信息後,可以在第一主持終端上顯示所述受訪者的觀點信息。具體地,可以基於觀點信息輸出模組在第一主持終端上輸出受訪者的觀點信息。
在一些替代性的實施例中,第一主持終端上還可以顯示觀點統計結果。在一些實施例中,所述第一主持終端可以基於受訪者的觀點信息和/或觀點統計結果進行更加針對性的提問。
在一些實施例中,還可以基於步驟320文本處理得到的單獨的詞語,執行步驟350。步驟350,基於所述文本信息,判斷受訪者的情緒分類。
在一些實施例中,可將受訪者所說的某一句話/某一段話中所有構成的詞語輸入情感判斷模型中,基於情感判斷模型輸出受訪者的情緒分類。在一些實施例中,所述情感分類可以是積極情緒、消極情緒或中性情緒等。
在一些實施例中,所述情感判斷模型中可存儲有詞語庫,所述詞語庫中可以預先將所有存儲的詞語進行分類。例如,可以將所有存儲的詞語分爲積極情感詞語、消極情感詞語、中性詞語等。所述情感判斷模型可以基於受訪終端的交流信息在詞語庫中的分類,判斷受訪者的情緒分類。具體地,可以統計受訪者所說的積極情感詞語、消極情感詞語、中性詞語等詞語出現的次數,輸出受訪者的情緒分類。例如,受訪者A所說的一段話中出現積極情感詞語12次、消極情感詞語0次,則可說明受訪者A的情感分類是積極情緒。
在一些實施例中,所述詞語庫中還可以包括其中存儲的所有詞語的詞向量。在一些實施例中,可以基於聚類算法對所述詞語庫中的詞向量進行聚類。在一些實施例中,可以根據所需輸出的受訪者的情緒分類對所述詞語庫中的詞向量進行相對應地聚類。例如,當所述受訪者的情緒分類爲積極情緒、消極情緒或中性情緒時,可以將所述詞語庫中的詞向量聚類中心相對應地設置爲積極詞向量、消極詞向量和中性詞向量。在一些實施例中,可以通過統計積極詞向量、消極詞向量和中性詞向量在受訪者話語中出現的頻率,獲取受訪者的情緒分類。
在一些實施例中,當受訪終端的交流信息中出現一個新的詞語時,可以基於該詞語對應詞向量判斷其所屬聚類,進而判斷受訪終端中受訪者的情感分類。
需要說明的是,所述受訪者的情緒分類可以是多樣的。例如,所述受訪者的情緒分類可以是憤怒、喜悅、淡漠、厭惡等。又例如,所述受訪者的情緒分類可以分爲一定級別,例如,厭惡這一情緒分類可以分爲一級厭惡、二級厭惡、三級厭惡等。類似這樣的變化,仍處於本發明的保護範圍之內。
本發明實施例可能帶來的有益效果包括但不限於:(1)在訪談進行過程中,基於交流信息(視頻、音頻、文本等),實時確定並直觀呈現受訪者的觀點從而使訪談更有效;(2)訪談結束後,實時導出訪談筆錄,節約了人工成本並且提高了訪談筆錄的完備性和準確性;(3)在訪談過程中顯示受訪者的觀點統計結果和意見領袖,使得訪問更具針對性,使得訪問過程更加高效。需要說明的是,不同實施例可能産生的有益效果不同,在不同的實施例裏,可能産生的有益效果可以是以上任意一種或幾種的組合,也可以是其他任何可能獲得的有益效果。
上文已對基本概念做了描述,顯然,對於本領域技術人員來說,上述詳細披露僅僅作爲示例,而並不構成對本發明的限定。雖然此處並沒有明確說明,本領域技術人員可能會對本發明進行各種修改、改進和修正。該類修改、改進和修正在本發明中被建議,所以該類修改、改進、修正仍屬本發明示範實施例的精神和範圍。
同時,本發明使用了特定詞語來描述本發明的實施例。如“一個實施例”、“一實施例”、和/或“一些實施例”意指與本發明至少一個實施例相關的某一特徵、結構或特點。因此,應强調並注意的是,本發明中在不同位置兩次或多次提及的“一實施例”或“一個實施例”或“一個替代性實施例”並不一定是指同一實施例。此外,本發明的一個或多個實施例中的某些特徵、結構或特點可以進行適當的組合。
此外,本領域技術人員可以理解,本發明的各方面可以通過若干具有可專利性的種類或情况進行說明和描述,包括任何新的和有用的工序、機器、産品或物質的組合,或對他們的任何新的和有用的改進。相應地,本發明的各個方面可以完全由硬體執行、可以完全由軟體(包括固件、韌體、常駐軟體、微碼等)執行、也可以由硬體和軟體組合執行。以上硬體或軟體均可被稱爲“數據塊”、“模組”、“引擎”、“單元”、“組件”或“系統”。此外,本發明的各方面可能表現爲位於一個或多個電腦可讀介質中的電腦産品,該産品包括電腦可讀程序編碼。
電腦存儲介質可能包含一個內含有電腦程序編碼的傳播數據信號,例如在基帶上或作爲載波的一部分。該傳播信號可能有多種表現形式,包括電磁形式、光形式等,或合適的組合形式。電腦存儲介質可以是除電腦可讀存儲介質之外的任何電腦可讀介質,該介質可以通過連接至一個指令執行系統、裝置或設備以實現通訊、傳播或傳輸供使用的程序。位於電腦存儲介質上的程序編碼可以通過任何合適的介質進行傳播,包括無線電、電纜、光纖電纜、RF、或類似介質,或任何上述介質的組合。
本發明各部分操作所需的電腦程序編碼可以用任意一種或多種程序語言編寫,包括面向對象編程語言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常規程序化編程語言如C語言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,動態編程語言如Python、Ruby和Groovy,或其他編程語言等。該程序編碼可以完全在用戶電腦上運行、或作爲獨立的軟體包在用戶電腦上運行、或部分在用戶電腦上運行部分在遠程電腦運行、或完全在遠程電腦或服務器上運行。在後種情况下,遠程電腦可以通過任何網路形式與用戶電腦連接,比如局域網(LAN)或廣域網(WAN),或連接至外部電腦(例如通過因特網),或在雲端計算環境中,或作爲服務使用如軟體即服務(SaaS)。
此外,除非請求項中明確說明,本發明所述處理元素和序列的順序、數字字母的使用、或其他名稱的使用,並非用於限定本發明流程和方法的順序。儘管上述披露中通過各種示例討論了一些目前認爲有用的發明實施例,但應當理解的是,該類細節僅起到說明的目的,附加的請求項並不僅限於披露的實施例,相反,請求項旨在覆蓋所有符合本發明實施例實質和範圍的修正和等價組合。例如,雖然以上所描述的系統組件可以通過硬體設備實現,但是也可以只通過軟體的解决方案得以實現,如在現有的服務器或移動設備上安裝所描述的系統。
同理,應當注意的是,爲了簡化本發明披露的表述,從而幫助對一個或多個發明實施例的理解,前文對本發明實施例的描述中,有時會將多種特徵歸並至一個實施例、附圖或對其的描述中。但是,這種披露方法並不意味著本發明對象所需要的特徵比請求項中提及的特徵多。實際上,實施例的特徵要少於上述披露的單個實施例的全部特徵。
一些實施例中使用了描述成分、屬性數量的數字,應當理解的是,此類用於實施例描述的數字,在一些示例中使用了修飾詞“大約”、“近似”或“大體上”來修飾。除非另外說明,“大約”、“近似”或“大體上”表明所述數字允許有±20%的變化。相應地,在一些實施例中,說明書和請求項中使用的數值參數均爲近似值,該近似值根據個別實施例所需特點可以發生改變。在一些實施例中,數值參數應考慮規定的有效數位並採用一般位數保留的方法。儘管本發明一些實施例中用於確認其範圍廣度的數值域和參數爲近似值,在具體實施例中,此類數值的設定在可行範圍內盡可能精確。
針對本發明引用的每個專利、專利申請、專利申請公開物和其他材料,如文章、書籍、說明書、出版物、文檔等,特此將其全部內容並入本發明作爲參考。與本發明內容不一致或産生衝突的申請歷史文件除外,對本發明請求項最廣範圍有限制的文件(當前或之後附加於本發明中的)也除外。需要說明的是,如果本發明附屬材料中的描述、定義、和/或術語的使用與本發明所述內容有不一致或衝突的地方,以本發明的描述、定義和/或術語的使用爲准。
最後,應當理解的是,本發明中所述實施例僅用以說明本發明實施例的原則。其他的變形也可能屬本發明的範圍。因此,作爲示例而非限制,本發明實施例的替代配置可視爲與本發明的教導一致。相應地,本發明的實施例不僅限於本發明明確介紹和描述的實施例。
100:在線訪談系統
110:訪問終端
120:網路
130:受訪終端
140:存儲設備
200:在線訪談方法
210:步驟
220:步驟
230:步驟
231:執行步驟
232:執行步驟
233:執行步驟
300:觀點信息
310:步驟
320:步驟
330:步驟
335:步驟
340:步驟
350:步驟
本發明將以示例性實施例的方式進一步說明,這些示例性實施例將通過附圖進行詳細描述。這些實施例並非限制性的,在這些實施例中,相同的編號表示相同的結構,其中:
圖1是根據本發明一些實施例所示的在線訪談系統的應用場景示意圖;
圖2是根據本發明一些實施例所示的在線訪談方法的示例性流程圖;
圖3是根據本發明一些實施例所示的提取觀點信息方法的示例性流程圖。
300:觀點信息
310:步驟
320:步驟
330:步驟
335:步驟
340:步驟
350:步驟
Claims (10)
- 一種在線訪談的方法,其中,所述方法包括: 通過網路建立訪問終端與受訪終端之間的通訊連接; 獲取所述訪問終端與受訪終端之間的交流信息;所述交流信息包括音頻信息、視頻信息、文本信息中的一種或多種; 所述訪問終端包括第一主持終端、第二主持終端和文本處理終端的一種或多種; 其中,所述第一主持終端用於主持訪談的進行,且所述第一主持終端上顯示有訪談大綱和/或受訪終端信息; 所述第二主持終端用於主持訪談的進行和/或參與訪談問題的諮詢;以及 所述文本處理終端基於機器學習模型將所述音頻信息和/或所述視頻中信息的音頻信息轉化爲對應的文本信息。
- 根據請求項1所述的在線訪談的方法,若所述訪問終端包括所述文本處理終端,所述方法還包括: 基於所述受訪終端的交流信息以及所述文本處理終端,確定對應的文本信息; 對所述文本信息進行文本處理;所述文本處理包括將所述文本信息拆分爲一個或多個分詞信息;以及 基於觀點提取規則和所述一個或多個分詞信息確定與所述受訪終端的交流信息對應的觀點信息。
- 根據請求項2所述的在線訪談的方法,其中,所述受訪終端的交流信息包括多個交流主體;所述方法還包括: 基於所述觀點信息,確定多個交流主體的觀點統計結果。
- 根據請求項1所述的在線訪談的方法,其中,所述方法還包括: 基於所述受訪終端的交流信息,通過情緒判斷模型確定與所述受訪終端的交流信息對應的情緒分類。
- 根據請求項1所述的在線訪談的方法,其中,所述方法還包括:根據所述受訪終端的交流信息中的發言頻率、發言時長和被打斷次數中的一種或多種,確定所述受訪終端的交流信息中的意見領袖信息。
- 根據請求項2所述的在線訪談的方法,其中,若所述訪問終端還包括所述第一主持終端,所述方法還包括:在所述第一主持終端上輸出所述觀點信息。
- 根據請求項1所述的在線訪談的方法,其中,若所述訪問終端包括所述第一主持終端和第二主持終端,所述方法還包括: 所述第一主持終端基於第一主持終端上顯示的訪談大綱進行提問;以及 所述第二主持終端基於受訪端的交流信息對所述訪談大綱進行更新。
- 根據請求項1所述的在線訪談的方法,其中,所述還包括: 在判斷所述訪問終端與受訪終端之間未建立和\或斷開通訊連接後,控制所述第一主持終端、第二主持終端和文本處理終端中的任意一個或多個進行顯示; 所述判斷所述訪問終端與受訪終端之間未建立和\或斷開通訊連接包括: 獲取所述訪問終端與受訪終端之間數據傳輸的丟包率; 當所述丟包率小於預設值時,控制所述訪問終端與受訪終端之間進行數據傳輸;以及 當所述丟包率大於預設值時,判斷所述訪問終端與受訪終端之間未建立和\或斷開通訊連接。
- 一種在線訪談的系統,所述系統包括通訊連接建立模組及信息獲取模組: 通訊連接建立模組,用於通過網路建立訪問終端與受訪終端之間的通訊連接; 信息獲取模組,用於獲取所述訪問終端與受訪終端之間的交流信息;所述交流信息包括音頻信息、視頻信息、文本信息中的一種或多種; 所述訪問終端包括第一主持終端、第二主持終端和文本處理終端的一種或多種;以及 其中,所述第一主持終端用於主持訪談的進行,且所述第一主持終端上顯示有訪談大綱和/或受訪終端信息;所述第二主持終端用於主持訪談的進行和/或參與訪談問題的諮詢;所述文本處理終端基於機器學習模型將所述音頻信息和/或所述視頻中信息的音頻信息轉化爲對應的文本信息。
- 一種電腦可讀存儲介質,其中,所述存儲介質存儲電腦指令,當所述電腦指令被處理器執行時實現如請求項1~8任一項所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010603217.7A CN111818290B (zh) | 2020-06-29 | 2020-06-29 | 一种在线访谈的方法及系统 |
CN202010603217.7 | 2020-06-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202201244A true TW202201244A (zh) | 2022-01-01 |
TWI782442B TWI782442B (zh) | 2022-11-01 |
Family
ID=72855831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110108521A TWI782442B (zh) | 2020-06-29 | 2021-03-10 | 一種在線訪談的方法及系統 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230222449A1 (zh) |
EP (1) | EP3962073A4 (zh) |
CN (1) | CN111818290B (zh) |
TW (1) | TWI782442B (zh) |
WO (1) | WO2022001161A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111818290B (zh) * | 2020-06-29 | 2021-07-09 | 广州快决测信息科技有限公司 | 一种在线访谈的方法及系统 |
Family Cites Families (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7773517B2 (en) * | 2004-11-19 | 2010-08-10 | Research In Motion Limited | Method and system for identifying degradation of a media service |
US8068594B2 (en) * | 2007-03-28 | 2011-11-29 | Federal Network Systems Llc | Communication center methods and apparatus |
US20090037201A1 (en) * | 2007-08-02 | 2009-02-05 | Patrick Michael Cravens | Care Provider Online Interview System and Method |
CN101291239A (zh) * | 2008-05-20 | 2008-10-22 | 华为技术有限公司 | 提升会议效果的方法和装置 |
US8337208B1 (en) * | 2009-11-19 | 2012-12-25 | The United States Of America As Represented By The Administrator Of The National Aeronautics & Space Administration | Content analysis to detect high stress in oral interviews and text documents |
JP2013109414A (ja) * | 2011-11-17 | 2013-06-06 | Seiko Instruments Inc | リモート商品販売システム、リモート医薬品販売システムおよび有資格者用端末装置 |
CN104412577A (zh) * | 2012-02-23 | 2015-03-11 | 大专院校网站公司 | 异步视频面试系统 |
US9294475B2 (en) * | 2013-05-13 | 2016-03-22 | Hoyos Labs Ip, Ltd. | System and method for generating a biometric identifier |
US8856000B1 (en) * | 2013-12-09 | 2014-10-07 | Hirevue, Inc. | Model-driven candidate sorting based on audio cues |
US10607188B2 (en) * | 2014-03-24 | 2020-03-31 | Educational Testing Service | Systems and methods for assessing structured interview responses |
US9576190B2 (en) * | 2015-03-18 | 2017-02-21 | Snap Inc. | Emotion recognition in video conferencing |
CN105577960A (zh) * | 2015-12-18 | 2016-05-11 | 合肥寰景信息技术有限公司 | 网络电话访问系统 |
US10796217B2 (en) * | 2016-11-30 | 2020-10-06 | Microsoft Technology Licensing, Llc | Systems and methods for performing automated interviews |
US10318927B2 (en) * | 2017-07-17 | 2019-06-11 | ExpertHiring, LLC | Method and system for managing, matching, and sourcing employment candidates in a recruitment campaign |
CN108124061A (zh) * | 2017-12-22 | 2018-06-05 | 维沃移动通信有限公司 | 音频数据的存储方法及装置 |
US11756448B2 (en) * | 2018-02-27 | 2023-09-12 | Children's Hospital Medical Center | System and method for automated risk assessment for school violence |
US10832001B2 (en) * | 2018-04-26 | 2020-11-10 | Google Llc | Machine learning to identify opinions in documents |
US10896688B2 (en) * | 2018-05-10 | 2021-01-19 | International Business Machines Corporation | Real-time conversation analysis system |
US11615144B2 (en) * | 2018-05-31 | 2023-03-28 | Microsoft Technology Licensing, Llc | Machine learning query session enhancement |
CN109302576B (zh) * | 2018-09-05 | 2020-08-25 | 视联动力信息技术股份有限公司 | 会议处理方法和装置 |
WO2020145571A2 (ko) * | 2019-01-07 | 2020-07-16 | 주식회사 제네시스랩 | 면접영상 자동평가모델을 관리하는 방법, 시스템 및 컴퓨터-판독가능 매체 |
TW202027010A (zh) * | 2019-01-08 | 2020-07-16 | 張哲朗 | 泛用型意向調查平台與系統 |
CN109918650B (zh) * | 2019-02-03 | 2020-10-23 | 北京大学 | 自动生成采访稿的采访智能机器人装置及智能采访方法 |
US10963841B2 (en) * | 2019-03-27 | 2021-03-30 | On Time Staffing Inc. | Employment candidate empathy scoring system |
US11102353B2 (en) * | 2019-05-07 | 2021-08-24 | Avaya Inc. | Video call routing and management based on artificial intelligence determined facial emotion |
US11050807B1 (en) * | 2019-05-16 | 2021-06-29 | Dialpad, Inc. | Fully integrated voice over internet protocol (VoIP), audiovisual over internet protocol (AVoIP), and artificial intelligence (AI) platform |
CN110457424A (zh) * | 2019-06-28 | 2019-11-15 | 谭浩 | 生成访谈报告的方法、计算机可读存储介质和终端设备 |
CN110297907B (zh) * | 2019-06-28 | 2022-03-08 | 谭浩 | 生成访谈报告的方法、计算机可读存储介质和终端设备 |
TWI696362B (zh) * | 2019-09-03 | 2020-06-11 | 國立成功大學 | 基於無線網路的語音通訊安全防護方法 |
CN110689357B (zh) * | 2019-09-23 | 2022-08-26 | 四川新网银行股份有限公司 | 基于机器学习的用于在线客服的工单生成方法 |
CN110853646B (zh) * | 2019-11-20 | 2023-11-03 | 深圳前海微众银行股份有限公司 | 会议发言角色的区分方法、装置、设备及可读存储介质 |
CN111192571A (zh) * | 2019-12-30 | 2020-05-22 | 云知声智能科技股份有限公司 | 语音广播方法及装置 |
US11483170B1 (en) * | 2019-12-30 | 2022-10-25 | Google Llc | Video conference content auto-retrieval and focus based on learned relevance |
US11521620B2 (en) * | 2020-02-21 | 2022-12-06 | BetterUp, Inc. | Synthesizing higher order conversation features for a multiparty conversation |
US11810357B2 (en) * | 2020-02-21 | 2023-11-07 | BetterUp, Inc. | Segmenting and generating conversation features for a multiparty conversation |
US11367051B2 (en) * | 2020-04-03 | 2022-06-21 | Genesys Telecommunications Laboratories, Inc. | System and method for conducting an automated interview session |
US11455340B2 (en) * | 2020-06-25 | 2022-09-27 | Optum Services (Ireland) Limited | Predictive prompt generation by an automated prompt system |
CN111818290B (zh) * | 2020-06-29 | 2021-07-09 | 广州快决测信息科技有限公司 | 一种在线访谈的方法及系统 |
-
2020
- 2020-06-29 CN CN202010603217.7A patent/CN111818290B/zh active Active
-
2021
- 2021-03-10 US US17/605,181 patent/US20230222449A1/en active Pending
- 2021-03-10 TW TW110108521A patent/TWI782442B/zh active
- 2021-03-10 EP EP21794295.2A patent/EP3962073A4/en active Pending
- 2021-03-10 WO PCT/CN2021/079860 patent/WO2022001161A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2022001161A1 (zh) | 2022-01-06 |
EP3962073A1 (en) | 2022-03-02 |
US20230222449A1 (en) | 2023-07-13 |
TWI782442B (zh) | 2022-11-01 |
CN111818290A (zh) | 2020-10-23 |
CN111818290B (zh) | 2021-07-09 |
EP3962073A4 (en) | 2023-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10586539B2 (en) | In-call virtual assistant | |
US10051122B2 (en) | Modeling voice calls to improve an outcome of a call between a representative and a customer | |
US11632463B2 (en) | Automated systems and methods for natural language processing with speaker intention inference | |
US10387573B2 (en) | Analyzing conversations to automatically identify customer pain points | |
US10110743B2 (en) | Automatic pattern recognition in conversations | |
US10324979B2 (en) | Automatic generation of playlists from conversations | |
US10750018B2 (en) | Modeling voice calls to improve an outcome of a call between a representative and a customer | |
US20160133274A1 (en) | Predictive video analytics system and methods | |
US10181326B2 (en) | Analyzing conversations to automatically identify action items | |
US10133999B2 (en) | Analyzing conversations to automatically identify deals at risk | |
US11336770B2 (en) | Systems and methods for analyzing coaching comments | |
US10367940B2 (en) | Analyzing conversations to automatically identify product feature requests | |
CN110633912A (zh) | 监测服务人员服务质量的方法及系统 | |
US10360911B2 (en) | Analyzing conversations to automatically identify product features that resonate with customers | |
WO2022001161A1 (zh) | 一种在线访谈的方法及系统 | |
CN113111658B (zh) | 校验信息的方法、装置、设备和存储介质 | |
CN110740212B (zh) | 基于智能语音技术的通话接听方法、装置及电子设备 | |
CN111556096A (zh) | 信息推送方法、装置、介质及电子设备 | |
CN112911074A (zh) | 一种语音通信处理方法、装置、设备和机器可读介质 | |
CN113782022B (zh) | 基于意图识别模型的通信方法、装置、设备及存储介质 | |
KR102523793B1 (ko) | 디지털 취약계층을 위한 맞춤형 챗봇 상담 방법 및 시스템 | |
US20230283496A1 (en) | Engagement analysis for remote communication sessions | |
US20230230589A1 (en) | Extracting engaging questions from a communication session | |
CN114969288A (zh) | 客服知识库构建方法、系统、设备、介质及客服应答方法 | |
TW202329669A (zh) | 基於即時通訊服務的自動應答系統和自動應答方法 |