[发明专利]一种多维度智能质检方法、装置、终端设备及介质

权利要求书

1.一种多维度智能质检方法，其特征在于：具体包括以下步骤：

获取对话文本；所述对话数据包括顾客消息和客服消息；

将顾客消息和客服消息输入至预先构建的情绪识别模型，得到情绪识别结果；

将客服消息分别输入至预先构建的优秀话术识别模型和异常话术识别模型，分别得到优秀话术识别结果和异常话术识别结果；

将情绪识别结果、优秀话术识别结果、异常话术识别结果推送给客户端。

2.根据权利要求1所述的一种多维度智能质检方法，其特征在于：在将顾客消息和客服消息输入至预先构建的情绪识别模型之前，还包括：

获取训练样本集并标注；所述训练样本集包括从多个商家与顾客的聊天记录中获取目标特征数据；

将目标特征数据输入至深度学习模型，并对所述深度学习模型进行训练，得到与目标特征数据对应的识别模型；所述识别模型包括情绪识别模型、优秀话术识别模型和异常话术识别模型。

3.根据权利要求2所述的一种多维度智能质检方法，其特征在于：将目标特征数据输入至深度学习模型，并对所述深度学习模型进行训练，具体是指：

将目标特征数据输入至embedding层，通过embedding层将目标特征数据转化为局部特征向量；

卷积神经网络通过embedding层提取局部特征向量，并对所有局部特征向量进行组合拼接，得到组合特征向量；

全连接网络和BatchNormalization层对到组合特征向量进行更新和标准化；

双向长短时记忆网络层将提取到到组合特征向量进行整合提取得到具有上下文依赖的特征；

将上下文依赖的特征依次输入至全连接层和Softmax层得到识别结果。

4.根据权利要求2所述的一种多维度智能质检方法，其特征在于：所述目标特征数据包括顾客消息数据和客服消息数据，所述客服消息数据包括优秀话术消息数据和异常话术消息数据；所述优秀话术消息数据的字数长度在10-35个字数；所述异常话术消息数据的字数长度在10个字数以下；

将顾客消息数据和客服消息数据输入至深度学习模型，并对所述深度学习模型进行训练，得到所述的情绪识别模型；

将优秀话术消息数据输入至深度学习模型，并对所述深度学习模型进行训练，得到所述的优秀话术识别模型；

将异常话术消息数据输入至深度学习模型，并对所述深度学习模型进行训练，得到所述的异常话术识别模型。

5.一种多维度智能质检装置，其特征在于：包括：

训练数据获取模块：从多个商家与顾客的聊天记录中获取目标特征数据，作为训练数据；

处理模块：用于将训练数据筛分为优秀话术消息数据和异常话术消息数据；

模型训练模块：用于使用所述训练数据进行模型训练，以得到情绪识别模型、优秀话术识别模型、异常话术识别模型；

推送模块：用于将所述的情绪识别结果、优秀话术识别结果、异常话术识别结果推送给客户端。

6.一种终端设备，其特征在于：包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于：所述处理器执行所述计算机可读指令时实现如权利要求1至4中任一项所述的方法。

7.一种计算机可读取存储介质，其特征在于：所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1至4任一项所述的方法。