[發明專利]基于客戶語音情感的客服服務質量評價方法及系統

有效

• 申請號: 201710254745.4
• 申請日: 2017-04-18
• 公開（公告）號: CN107154257B
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 艾旭升
• 申請（專利權）人: 蘇州工業職業技術學院
• 主分類號: G10L15/01
• 分類號: G10L15/01;G10L15/04;G10L17/02;G10L25/63;G06Q10/06
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 張倩楠;胡晶

1.一種基于客戶語音情感的客服服務質量評價方法，其特征在于，包括以下步驟：

獲取錄音文件并提取得到其中的客戶錄音；

對所述客戶錄音進行處理得到代表客戶初期情緒和最終情緒的語音片段，具體的處理方法為：

對于客戶語音片段序列，語音片段序列用向量表示，S＝(s1,e1),(s2,e2),…，(sn,en)，其中sx代表第x個語音片段的開始時間，ex代表第x個語音片段的結束時間，n代表序列總的片段數，所述語音片段序列中每個語音片段的時長為(ex-sx)；

則初期情緒的語音片段的選取方法為：選取語音片段序列中的前k個語音片段作為代表客戶初期情緒的語音片段，該k個語音片段需滿足：k個語音片段的時長總和小于等于T；定義客戶初期情緒的語音片段為Sstart，則對應的，Sstart＝(s1,e1),(s2,e2),…,(sk,ek)，且需滿足(e1-s1)+(e2-s2)+…+(ek-sk)＝T，然后合并該k個語音片段成為一個更大的語音片段sstart,estart作為初期情緒的語音片段為Sstart；

同理，最終情緒的語音片段的選取方法為：選取語音片段序列中的后l個語音片段作為代表客戶最終情緒的語音片段，該l個語音片段滿足：l個語音片段的時長總和小于等于T；定義最終情緒的語音片段為Send,其中，l＝n-m+1，則有Send＝(sm,em),(sm+1,em+1),…,(sn,en)，且(em-sm)+(em+1-sm+1)+…+(en-sn)＝T，然后合并該l個語音片段成為一個更大的語音片段send,eend作為最終情緒的語音片段為Send；

其中，上述的k、l、m均為正整數，而T為預設的語音時長閾值；

根據初期情緒和最終情緒的語音片段的情感差異的評價對應的客服的服務質量；

具體地，分別提取所述初期情緒和最終情緒的語音片段的聲學特征，并采用情感識別算法分析所述聲學特征，得到客戶的初期情感特征和最終情感特征；并為所述初期情感特征和最終情感特征分別賦予情感權值，得到初期情感值rS和最終情感值tS，采用(tS-rS)作為情感差異來評價對應的客服的服務質量。

2.根據權利要求1所述的于客戶語音情感的客服服務質量評價方法，其特征在于，具體包括：

將所述客戶錄音分隔得到不含雜音的語音片段序列；

然后從所述語音片段序列中選出代表客戶初期情緒和最終情緒的語音片段。

3.根據權利要求1或2所述的基于客戶語音情感的客服服務質量評價方法，其特征在于，獲取錄音文件后，還包括分割出客服錄音及客戶錄音后，截取客服錄音的一個片段，識別客服身份。

4.根據權利要求3所述的基于客戶語音情感的客服服務質量評價方法，其特征在于，截取客服錄音的一個片段后，提取其中的MFCC特征，利用高斯模型識別客服身份；

其中，利用高斯模型識別客服身份，具體包括：訓練階段和預測階段；

在訓練階段，對于帶有標簽的錄音片段，采用工具讀取MFCC特征，得到一個p*l矩陣，在行方向計算平均值后，每個錄音片段得到一個p維度數組，和標簽一起作為訓練樣本；然后，混合高斯模型GMM對所有訓練樣本的概率密度分布進行期望最大化估計，而估計采用的模型是k個高斯模型的加權和，每個高斯模型就代表了一個類；

在預測階段，取得語言片段的MFCC平均值后，分別在k個高斯模型上投影，就會分別得到在各個類上的概率，然后選取概率最大的類作為判決結果，不同的判決結果對應不同的客服，根據判決結果即可識別客服身份。

5.根據權利要求2所述的基于客戶語音情感的客服服務質量評價方法，其特征在于，將客戶錄音分隔得到語音片段序列的過程包括：

S21：根據客戶錄音的頻率及強度的不同，標注有聲語音片段和靜音語音片段；

S22：從所述客戶錄音中分隔出有聲語音片段；

S23：識別出所述有聲語音片段中的雜音片段并刪除；

S24：將剩余的有聲語音片段對應的數據組合作為所述語音片段序列。