本發(fā)明涉及計(jì)算機(jī)通信技術(shù)領(lǐng)域，尤其涉及一種基于情緒分析的智能質(zhì)檢方法。

背景技術(shù)：

服務(wù)質(zhì)量監(jiān)控工作，即對(duì)客服代表在接續(xù)客戶過(guò)程中存在的服務(wù)質(zhì)量問(wèn)題通過(guò)及時(shí)、有效的監(jiān)控，給予客觀平價(jià)，查找客服工作中存在的不足，及時(shí)形成有效信息，杜絕類似問(wèn)題重現(xiàn)、對(duì)隱患問(wèn)題有進(jìn)行預(yù)見(jiàn)性的避免，有利于提升用戶滿意度。而現(xiàn)有的質(zhì)檢工作中，客服中心雖然有專門(mén)的質(zhì)檢團(tuán)隊(duì)，負(fù)責(zé)整個(gè)熱線的座席員工服務(wù)質(zhì)量檢查和各類專項(xiàng)質(zhì)檢分析，但工作內(nèi)容主要是對(duì)通話錄音進(jìn)行抽樣復(fù)聽(tīng)、統(tǒng)計(jì)問(wèn)題、形成報(bào)告并進(jìn)行后續(xù)監(jiān)督管控。當(dāng)前客服質(zhì)檢工作存在的主要問(wèn)題包括質(zhì)檢被動(dòng)、效率不足、主觀性強(qiáng)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于：為解決現(xiàn)有人工質(zhì)檢方法的效率低下的問(wèn)題，本發(fā)明提供一種基于情緒分析的智能質(zhì)檢方法，將情緒分析運(yùn)用在坐席質(zhì)檢中，能夠模擬人工質(zhì)檢中對(duì)坐席情緒的判斷，在提高效率的同時(shí)保證的準(zhǔn)確度。

本發(fā)明的方案如下：

一種基于情緒分析的智能質(zhì)檢方法，包括如下步驟，

s1：獲取可用的的坐席語(yǔ)音。

s2：讀取坐席語(yǔ)音，對(duì)坐席的語(yǔ)音提取情感特征參數(shù)。

s3：將情感特征參數(shù)結(jié)合語(yǔ)義進(jìn)行分析處理，判斷客服的情緒，得出質(zhì)檢結(jié)果。

s4：將質(zhì)檢結(jié)果記入質(zhì)檢數(shù)據(jù)庫(kù)。

具體地，所述的s1中，具體包含如下步驟：

s11：批量選擇通話，采用篩選器對(duì)語(yǔ)音數(shù)據(jù)庫(kù)中的語(yǔ)音進(jìn)行篩選，篩選器中設(shè)有多種篩選模型，篩選模型包括無(wú)聲電話模型，搶話模型，未及時(shí)響應(yīng)客戶需求模型，還包括通話時(shí)長(zhǎng)模型和坐席工號(hào)模型；首先通過(guò)無(wú)聲電話模型進(jìn)行一級(jí)篩選，對(duì)一級(jí)篩選剩下通話進(jìn)行搶話模型或未及時(shí)響應(yīng)客戶需求模型進(jìn)行二級(jí)篩選，篩選出有搶話、未及時(shí)響應(yīng)客戶需求的情況后，直接判定為質(zhì)檢不合格，將此結(jié)果記錄到質(zhì)檢數(shù)據(jù)庫(kù)中，同時(shí)，將此類通話剔除；采用通話時(shí)長(zhǎng)模型或坐席工號(hào)模型對(duì)剩下的通話進(jìn)行三級(jí)篩選，從篩選剩下的通話中篩選到符合條件的客戶與客服通話過(guò)程中的原始語(yǔ)音后，對(duì)原始語(yǔ)音進(jìn)行場(chǎng)景分割，得到用戶語(yǔ)音和坐席語(yǔ)音。

s12：提取坐席語(yǔ)音，并對(duì)坐席語(yǔ)音去除噪聲和干擾后，進(jìn)行放大處理得到可用的坐席語(yǔ)音。

具體地，所述的s3中，具體包含如下步驟：

s31：設(shè)定情感特征參數(shù)閾值，其中，情感特征參數(shù)包括基頻、共振峰、短時(shí)能量、時(shí)長(zhǎng)和語(yǔ)速。

s32：將通話信號(hào)進(jìn)行分段處理，將每一段的通話信號(hào)中的基頻、共振峰、短時(shí)能量、時(shí)長(zhǎng)和語(yǔ)速量化為具體數(shù)值，將這些測(cè)定的數(shù)值作為情感特征參數(shù)。

s331：將s22中測(cè)得的情感特征參數(shù)和提前設(shè)定的情感特征參數(shù)域值進(jìn)行比較，如果情感特征參數(shù)未超過(guò)閾值，則判斷為情感特征參數(shù)正常，如果情感特征參數(shù)超過(guò)閾值，則判斷為情感特征參數(shù)異常，再計(jì)算超過(guò)的數(shù)值。

s332：坐席的單向通話信號(hào)轉(zhuǎn)化為文本，將文本與提前建立的敏感詞庫(kù)進(jìn)行比對(duì)，判斷文本中是否出現(xiàn)了敏感詞；敏感詞匯庫(kù)的內(nèi)容為坐席不能說(shuō)出的詞匯或語(yǔ)句，核心詞匯庫(kù)的內(nèi)容為坐席必須說(shuō)出的禮貌用語(yǔ)。

s34：結(jié)合步驟s22和s231、s232的結(jié)果，判斷坐席的情緒；再次將文本內(nèi)容與提前建立的標(biāo)準(zhǔn)詞匯庫(kù)進(jìn)行對(duì)比，判斷文本中是否出現(xiàn)了標(biāo)準(zhǔn)詞，得出結(jié)果后再結(jié)合坐席情緒得出質(zhì)檢結(jié)果。

進(jìn)一步地，所述s24中，判斷坐席的情緒的具體過(guò)程為：若情感特征參數(shù)正常且文本中未出現(xiàn)敏感詞匯，則判斷為情緒正常；若情感特征參數(shù)不正常且沒(méi)有涉及敏感詞匯，則判斷為情緒異常a，且根據(jù)情感特征參數(shù)超出閾值的數(shù)值進(jìn)行判定異常等級(jí)，超過(guò)閾值的數(shù)值越多，異常等級(jí)越高；若情感特征參數(shù)正常且涉及敏感詞匯，則判斷為情緒異常b；若情情感特征參數(shù)不正常且涉及敏感詞匯，則判斷為嚴(yán)重情緒異常，且根據(jù)情感特征參數(shù)超出閾值的數(shù)值進(jìn)行判定異常等級(jí)，超過(guò)閾值的數(shù)值越多，異常等級(jí)越高。

進(jìn)一步地，所述s24中，判斷是否出現(xiàn)標(biāo)準(zhǔn)詞再結(jié)合坐席情緒得出之間結(jié)果的具體過(guò)程為：

若情緒正常，且出現(xiàn)了標(biāo)準(zhǔn)詞，則判定為質(zhì)檢合格；其余情況均為不合格。

進(jìn)一步地，所述情感特征參數(shù)閾值根據(jù)客服的性別的不同而不同。

進(jìn)一步地，敏感詞匯庫(kù)1的更新周期周期支持按天統(tǒng)計(jì)、按周統(tǒng)計(jì)、按月統(tǒng)計(jì)、按季度統(tǒng)計(jì)、按半年統(tǒng)計(jì)、按一年統(tǒng)計(jì)。

采用上述方案后，本發(fā)明的有益效果在于：

采用本發(fā)明的方法，無(wú)需采用傳統(tǒng)的人工質(zhì)檢方式，將情緒分析引入質(zhì)檢過(guò)程，更加智能化的同時(shí)提高了效率；建立了敏感詞匯庫(kù)和標(biāo)準(zhǔn)詞庫(kù)，提供雙面檢測(cè)，進(jìn)一步增加了過(guò)程中的準(zhǔn)確性；通過(guò)篩選器對(duì)原始的批量通話進(jìn)行篩選，并且，通過(guò)搶話模型和未及時(shí)響應(yīng)客戶需求模型直接篩選出來(lái)，判定質(zhì)檢不合格，減少了后續(xù)質(zhì)檢步驟，提高了質(zhì)檢效率，同時(shí)，檢測(cè)全面。

具體實(shí)施方式

本說(shuō)明書(shū)中公開(kāi)的所有特征，除了互相排斥的特征和/或步驟以外，均可以以任何方式組合。

下面對(duì)本發(fā)明作詳細(xì)說(shuō)明。

一種基于情緒分析的智能質(zhì)檢方法，包括如下步驟，

s11：批量選擇通話，采用篩選器對(duì)語(yǔ)音數(shù)據(jù)庫(kù)中的語(yǔ)音進(jìn)行篩選，篩選器中設(shè)有多種篩選模型，篩選模型包括無(wú)聲電話模型，搶話模型，未及時(shí)響應(yīng)客戶需求模型，還包括通話時(shí)長(zhǎng)模型和坐席工號(hào)模型；首先通過(guò)無(wú)聲電話模型進(jìn)行一級(jí)篩選，對(duì)一級(jí)篩選剩下通話進(jìn)行搶話模型或未及時(shí)響應(yīng)客戶需求模型進(jìn)行二級(jí)篩選，篩選出有搶話、未及時(shí)響應(yīng)客戶需求的情況后，直接判定為質(zhì)檢不合格，將此結(jié)果記錄到質(zhì)檢數(shù)據(jù)庫(kù)中，同時(shí)，將此類通話剔除；采用通話時(shí)長(zhǎng)模型或坐席工號(hào)模型對(duì)剩下的通話進(jìn)行三級(jí)篩選，從篩選剩下的通話中篩選到符合條件的客戶與客服通話過(guò)程中的原始語(yǔ)音后，對(duì)原始語(yǔ)音進(jìn)行場(chǎng)景分割，得到用戶語(yǔ)音和坐席語(yǔ)音。

具體地，對(duì)于無(wú)聲電話模型，目的是為了將單通無(wú)聲電話處理不符合規(guī)范的語(yǔ)音篩選出，篩選器首先將此類電話刪除，不作為質(zhì)檢范圍內(nèi)檢測(cè)的通話，該類語(yǔ)音需要滿足的條件為：(1)通過(guò)時(shí)長(zhǎng)大于10s；(2)只有坐席的聲音但客戶完全無(wú)聲，或有背景雜音但無(wú)客戶聲音。

對(duì)于搶話模型，在未進(jìn)行場(chǎng)景分割前，將坐席與客戶通話過(guò)程中出現(xiàn)的、搶話、插話或打斷客戶說(shuō)話的語(yǔ)音全部檢出，并且，在同一通話過(guò)程中，搶話行為出現(xiàn)次數(shù)越多，質(zhì)檢不合格的等級(jí)就越高。

s12：提取坐席語(yǔ)音，并對(duì)坐席語(yǔ)音去除噪聲和干擾后，進(jìn)行放大處理得到可用的坐席語(yǔ)音。

s31：設(shè)定情感特征參數(shù)閾值，其中，情感特征參數(shù)包括基頻、共振峰、短時(shí)能量、時(shí)長(zhǎng)和語(yǔ)速；

s32：將通話信號(hào)進(jìn)行分段處理，將每一段的通話信號(hào)中的基頻、共振峰、短時(shí)能量、時(shí)長(zhǎng)和語(yǔ)速量化為具體數(shù)值，將這些測(cè)定的數(shù)值作為情感特征參數(shù)；

s331：將s22中測(cè)得的情感特征參數(shù)和提前設(shè)定的情感特征參數(shù)域值進(jìn)行比較，如果情感特征參數(shù)未超過(guò)閾值，則判斷為情感特征參數(shù)正常，如果情感特征參數(shù)超過(guò)閾值，則判斷為情感特征參數(shù)異常，再計(jì)算超過(guò)的數(shù)值；

s332：坐席的單向通話信號(hào)轉(zhuǎn)化為文本，將文本與提前建立的敏感詞庫(kù)進(jìn)行比對(duì)，判斷文本中是否出現(xiàn)了敏感詞；敏感詞匯庫(kù)的內(nèi)容為坐席不能說(shuō)出的詞匯或語(yǔ)句，核心詞匯庫(kù)的內(nèi)容為坐席必須說(shuō)出的禮貌用語(yǔ)；

s34：結(jié)合步驟s22和s231、s232的結(jié)果，判斷坐席的情緒；再次將文本內(nèi)容與提前建立的標(biāo)準(zhǔn)詞匯庫(kù)進(jìn)行對(duì)比，判斷文本中是否出現(xiàn)了標(biāo)準(zhǔn)詞，得出結(jié)果后再結(jié)合坐席情緒得出質(zhì)檢結(jié)果。判斷坐席的情緒的具體過(guò)程為：若情感特征參數(shù)正常且文本中未出現(xiàn)敏感詞匯，則判斷為情緒正常；若情感特征參數(shù)不正常且沒(méi)有涉及敏感詞匯，則判斷為情緒異常a，且根據(jù)情感特征參數(shù)超出閾值的數(shù)值進(jìn)行判定異常等級(jí)，超過(guò)閾值的數(shù)值越多，異常等級(jí)越高；若情感特征參數(shù)正常且涉及敏感詞匯，則判斷為情緒異常b；若情情感特征參數(shù)不正常且涉及敏感詞匯，則判斷為嚴(yán)重情緒異常，且根據(jù)情感特征參數(shù)超出閾值的數(shù)值進(jìn)行判定異常等級(jí)，超過(guò)閾值的數(shù)值越多，異常等級(jí)越高。若情緒正常，且出現(xiàn)了標(biāo)準(zhǔn)詞，則判定為質(zhì)檢合格；其余情況均為不合格。

所述情感特征參數(shù)閾值根據(jù)客服的性別的不同而不同。

所述敏感詞匯庫(kù)15-30天更新一次。

本發(fā)明不局限于上述具體實(shí)施例，應(yīng)當(dāng)理解，本領(lǐng)域的普通技術(shù)人員無(wú)需創(chuàng)造性勞動(dòng)就可以根據(jù)本發(fā)明的構(gòu)思做出諸多修改和變化?？傊?，凡本技術(shù)領(lǐng)域中技術(shù)人員依本發(fā)明的構(gòu)思在現(xiàn)有技術(shù)的基礎(chǔ)上通過(guò)邏輯分析、推理或者有限的實(shí)驗(yàn)可以得到的技術(shù)方案，皆應(yīng)在由權(quán)利要求書(shū)所確定的保護(hù)范圍內(nèi)。