[發明專利]一種基于自然語言處理技術進行呼叫中心智能質檢系統

在審

• 申請號: 201711153895.2
• 申請日: 2017-11-20
• 公開（公告）號: CN109819120A
• 公開（公告）日: 2019-05-28
• 發明（設計）人: 秦垠峰;閆冰;孫思明
• 申請（專利權）人: 北京智合大方科技有限公司
• 主分類號: H04M3/22
• 分類號: H04M3/22;G06N3/08;G06F17/27
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于自然語言處理技術進行呼叫中心智能質檢系統，包含機器學習輸入模塊、信息存儲模塊、執行結果反饋模塊；通過引入無監督深度學習技術來省去人工參與，同時在語義層面的特征被證明實際質檢項目上相對簡單特征有30?500%的準確率提升；引入上線后在線學習環節，質檢人員使用同時產出信息標記，系統準確率隨之不斷提升，利用計算機的自動學習得到可供計算機使用的質檢規則，具有廣闊的市場前景和應用價值。

技術領域

本發明涉及智能質檢系統領域，為一種基于自然語言處理技術進行呼叫中心智能質檢系統。

背景技術

呼叫中心需要通過計算機軟件分析呼叫中心場景下客戶服務代表和客戶的對話錄音，發現違反客戶服務標準的案例，用于輔助考核客戶服務代表的表現。但目前已有自動質檢方法主要通過人工編制的基于文字匹配、正則表達式等，需要耗費大量具有領域專業知識和語言知識的設計者進行規則編寫，對于近義詞、近義句等情況很容易因為設計規則時沒考慮到而遺漏。

發明內容

有鑒于此，本發明提供了一種基于自然語言處理技術進行呼叫中心智能質檢系統，其特征在于，包括機器學習輸入模塊、信息存儲模塊、執行結果反饋模塊；

（1）機器學習輸入模塊包括：無用信息聲音語音案例保存單元，預先保存從無用詞的集合學習到的聲音語音案例；特征量計算單元，對每個聲音分析的單位的包含非語言聲音的未知輸入語音進行聲音分析，計算識別所需的特征參數；無用信息聲音得分計算單元，對每個幀對照特征參數和無用信息聲音語音案例，計算無用信息聲音得分；無用信息聲音得分校正單元，對輸入了非語言聲音的幀進行校正以提高無用信息聲音得分計算單元算出的無用信息聲音得分；以及識別結果輸出單元，將語言得分、單詞聲音得分、以及無用信息聲音得分校正機構校正過的無用信息聲音得分的累計得分最高的單詞串作為未知輸入語音的識別結果來輸出；

（2）信息存儲模塊基于無監督的深度學習技術，提取詞、句層面特征，將文本數據向量化；將語音信息的讀寫請求地址映射到連續的實際地址空間，在緩存中緩存并構造與存儲集群條塊對齊的寫數據，對物理地址順序化的寫請求進行聚合或拆分，在內存緩存區內組織成為與存儲集群的條塊對齊的寫請求，以使寫請求在存儲集群上覆蓋完整的條塊；在緩存中緩存并構造與存儲集群條塊對齊的寫數據，包括采用非易失性RAM鏡像內存緩存區內的寫請求，并且包括：運行一個對齊寫請求的驅動程序，所述程序包括接收線程和發送線程和寫請求隊列；接收線程用于監控和接收應用程序發送給存儲集群的寫請求，首先進行地址轉換，轉換為物理空間內連續的寫請求，并將其加入到寫請求隊列中；發送線程用于當寫請求隊列不為空時從寫請求隊列中取出并處理寫請求；首先，通過讀取存儲集群配置文件獲得存儲集群的參數，所述參數包括條塊單位、磁盤數，再由條塊單位乘以磁盤數，獲得條塊大小，可條塊單位和磁盤數；將寫請求表示為(buf，cnt，off)，其中buf為用戶空間緩存區指針，指向寫數據的起始地址；cnt為寫數據塊的大小；off是偏移量，是用戶數據寫入設備文件的起始位置；

（3）執行結果反饋模塊進行自動語音案例搭配與調試，產出效果最優的預估語音案例；同時預估評判，在線對實際業務中產生的呼叫中心對話進行質量檢查過程中的語音案例預估；實際使用中結合國家和行業規范，質檢工作人員會最終對自動質檢結果進行再次檢驗，再次檢驗的伴生產物就是產生了更多的信息標記；在線學習方式不斷引入新增信息標記來持續調優語音案例;

本發明的有益成果為：本發明提供了一種基于自然語言處理技術進行呼叫中心智能質檢系統，通過引入無監督深度學習技術來省去人工參與，同時在語義層面的特征被證明實際質檢項目上相對簡單特征有30-500%的準確率提升；上線后在線學習環節，質檢人員使用同時產出信息標記，達到隨著使用而不斷提升系統準確率，利用計算機的自動學習得到可供計算機使用的質檢規則；具有廣闊的市場前景和應用價值。

具體實施方式