[發明專利]話術模板評估方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011600019.1
• 申請日: 2020-12-29
• 公開（公告）號: CN112685547A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 龐承杰
• 申請（專利權）人: 平安普惠企業管理有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/23;G06F16/2458;G06F40/186;G06K9/62;G06N3/08;G06N20/00
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 遲珊珊;楊毅玲

1.一種話術模板評估方法，其特征在于，所述方法包括：

接收客戶端發送的話術模板的待評估請求，其中，所述待評估請求中包括待評估話術模板；

提取所述待評估話術模板的多個歷史版本的交互數據；

根據所述待評估話術模板的多個歷史版本的交互數據構建多個評估模型；

提取所述待評估話術模板的當前版本的交互數據，并在當前版本的交互數據的基礎上挖掘并提取每個所述評估模型對應的多個特征參數；

將所述多個特征參數輸入至對應的評估模型中進行評估，得到評估結果；

根據多個所述評估結果對所述待評估話術模板的當前版本進行評估，獲得目標評估結果。

2.如權利要求1所述的話術模板評估方法，其特征在于，所述根據所述待評估話術模板的多個歷史版本的交互數據構建多個評估模型包括：

將所述待評估話術模板的多個歷史版本的交互數據分別輸入至多個機器學習模型中進行訓練；

獲取訓練完成的機器學習模型的模型參數；

根據每個機器學習模型的模型參數構建對應的機器學習模型的評估模型。

3.如權利要求2所述的話術模板評估方法，其特征在于，所述將所述待評估話術模板的多個歷史版本的交互數據分別輸入至多個機器學習模型中進行訓練包括：

針對每個機器學習模型，從所述多個歷史版本的交互數據中提取出所述機器學習模型的多個模型參數及每個模型參數對應的評分作為樣本數據集；

從所述樣本數據集中劃分出訓練集和測試集；

將所述訓練集輸入預設神經網絡中進行訓練，得到所述機器學習模型的評估模型；

將所述測試集輸入至所述機器學習模型的評估模型中進行測試，并計算測試通過率；

若所述測試通過率大于預設通過率閾值，確定所述機器學習模型的評估模型訓練結束；若所述測試通過率小于預設通過率閾值，增加訓練集的數量，重新進行所述機器學習模型的評估模型的訓練。

4.如權利要求1所述的話術模板評估方法，其特征在于，所述在當前版本的交互數據的基礎上挖掘并提取每個所述評估模型對應的多個特征參數包括：

去除所述當前版本的交互數據中的冗余數據；

根據預設的缺失比例處理規則對所述當前版本的交互數據進行歸一化；

對類別型數據進行編碼，并轉換為數值型數據；

從所述數值型數據中提取每個所述評估模型對應的多個特征參數。

5.如權利要求1所述的話術模板評估方法，其特征在于，所述根據多個所述評估結果對所述待評估話術模板的當前版本進行評估，獲得目標評估結果包括：

獲取待評估話術模板的當前版本的上一版本的多個評估結果；

比對所述當前版本的多個評估結果與所述上一版本的多個評估結果，返回多個比對結果；

根據所述多個比對結果確定目標評估結果。

6.如權利要求5所述的話術模板評估方法，其特征在于，在所述根據所述多個比對結果確定目標評估結果之后，所述方法還包括：

獲取每個評估結果的預設權重；

根據所述多個比對結果及每個評估結果的預設權重確定目標評估結果。

7.如權利要求6所述的話術模板評估方法，其特征在于，所述根據所述多個比對結果及每個評估結果的預設權重確定目標評估結果包括：

判斷每個比對結果是否滿足預設的更新閾值；

當任意一個比對結果滿足預設的第一更新閾值時，判斷所述比對結果的評估結果的預設權重是否滿足預設的第二更新閾值；

當所述比對結果的評估結果的預設權重滿足所述預設的第二更新閾值，確定所述目標評估結果為更新所述待評估話術模板的當前版本；或者

當所述比對結果的評估結果的預設權重不滿足所述預設的第二更新閾值，確定所述目標評估結果為不更新所述待評估話術模板的當前版本。