[发明专利]用户满意度确定方法、装置、设备和介质

说明书

本申请实施例公开了一种用户满意度确定方法、装置、设备和介质，涉及数据处理领域，尤其涉及智能交互技术。具体实现方案为：获取用户输入的当前交互文本信息；将所述当前交互文本信息输入预先训练的用户满意度模型，输出用户的当前满意度结果，以基于所述当前满意度结果响应用户，其中预先训练所述用户满意度模型的目标样本特征和目标样本标签，根据候选样本特征的历史满意度确定。本申请实施例提供了一种用户满意度确定方法、装置、设备和介质，以实现对用户满意度的预估，进而基于预估结果对用户进行响应，以提高用户获取目标需求信息的效率和用户交互体验。

技术领域

本申请实施例涉及数据处理领域，尤其涉及智能交互技术。本申请实施例提供一种用户满意度确定方法、装置、设备和介质。

背景技术

在这个数据大爆炸的时代，人们越来越重视获取目标需求信息的效率。

然而，现有检索系统和对话系统中均存在一定比例的不满足流量，而这些不满足流量往往会降低用户获取目标需求信息的效率，同时还影响用户与系统的交互体验。

发明内容

本申请实施例提供了一种用户满意度确定方法、装置、设备和介质，以实现对用户满意度的预估，进而基于预估结果对用户进行响应，以提高用户获取目标需求信息的效率和用户交互体验。

本申请实施例提供一种用户满意度确定方法，该方法包括：

获取用户输入的当前交互文本信息；

将所述当前交互文本信息输入预先训练的用户满意度模型，输出用户的当前满意度结果，以基于所述当前满意度结果响应用户，其中预先训练所述用户满意度模型的目标样本特征和目标样本标签，根据候选样本特征的历史满意度确定。

本申请实施例通过利用用户满意度模型学习不同类型数据的满意度判断规律，然后基于学习的满意度判断规律，对当前交互文本信息进行用户满意度预估，以基于预估结果对用户进行响应，从而提高用户获取目标需求信息的效率和交互体验。

此外，通过根据候选样本特征的历史满意度，确定预先训练所述用户满意度模型的目标样本特征和目标样本标签，可以提高模型训练样本的确定准确率，进而提高满意度判断规律的学习准确率。

进一步地，根据候选样本特征的历史满意度确定目标样本特征和目标样本标签，包括：

确定第一目标阈值和第二目标阈值；

比较所述候选样本特征的历史满意度和所述第一目标阈值，以及所述候选样本特征的历史满意度和所述第二目标阈值，其中所述第一目标阈值小于所述第二目标阈值；

根据比较结果确定所述目标样本特征和所述目标样本标签。

基于该技术特征，本申请实施例通过第一目标阈值和第二目标阈值，从候选样本特征中筛选目标样本特征，从而提高训练样本的准确率。

进一步地，所述确定第一目标阈值和第二目标阈值，包括：

获取设定数量的候选样本特征的标签标注结果，其中所述设定数量小于所述候选样本特征的总数量；

根据所述标签标注结果，以及依据第一候选阈值和第二候选阈值确定的样本标签，确定所述第一候选阈值和所述第二候选阈值的准确率；

基于确定的准确率，从所述第一候选阈值中确定所述第一目标阈值，从所述第二候选阈值中确定所述第二目标阈值。

基于该技术特征，本申请实施例通过比较标签标注结果，与依据第一候选阈值和第二候选阈值确定的目标样本标签，以确定所述第一候选阈值和所述第二候选阈值的准确率；基于确定的准确率，从所述第一候选阈值中确定所述第一目标阈值，从所述第二候选阈值中确定所述第二目标阈值，从而提高确定目标阈值的准确率。