[发明专利]一种多维度智能质检方法、装置、终端设备及介质

说明书

本发明属于智能质检技术领域，具体公开了一种多维度智能质检方法、装置、终端设备及介质，该方法包括获取对话文本；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。本发明实现了全量实时客服信息质检，从多个维度来分析和发现客服服务中的问题，有效的提高识别精度。

技术领域

本发明涉及智能质检技术领域，具体的说，是一种多维度智能质检方法、装置、终端设备及介质。

背景技术

在客服领域中，每天客服都会与顾客沟通交流，产生大量的数据信息，客服沟通质量的优劣对企业店铺产品具有非常重要的影响，而大量的客服和沟通又使得很难一个个客服，一通通对话进行质检，常规来说是抽样检查，这样就难以发现隐藏的问题，更不可能实时对问题进行纠正更新，这样也难以形成客服的一些错误理解或操作，也难以发现顾客的常规问题。而在技术迅猛发展的今天，亟需要通过技术的手段来对客服与顾客聊天记录进行分析检查，更快更好的发现存在的问题以进行针对性的优化。

1.现有质检系统对客服或者顾客的问句质检粒度往往比较粗，导致真实使用起来发现的问题不够明确。

2.现有质检系统多关采用关键词质检，一方面关键词总结耗时耗力且需经常更新，另一方面关键词总结无法发现数据背后的规律，导致几乎没有泛化能力，且非常容易误识别。

发明内容

本发明的目的在于提供一种多维度智能质检方法、装置、终端设备及介质，实现了全量实时客服信息质检，从多个维度来分析和发现客服服务中的问题。

本发明通过下述技术方案实现：

一种多维度智能质检方法，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。

进一步地，为了更好的实现本发明，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。

进一步地，为了更好的实现本发明，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。