[發明專利]坐席話術的質檢方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202110611220.8
• 申請日: 2021-06-01
• 公開（公告）號: CN113239154B
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 李志韜;王健宗;程寧
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/30
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 黃章輝

本發明公開了一種坐席話術的質檢方法，應用于數據處理領域，通過獲取實時坐席數據，并對實時坐席數據進行語義識別，根據得到的語義信息，將實時坐席數據轉化為坐席日常數據和關鍵詞數據；通過文本檢索引擎，對每個坐席日常數據進行分類，獲得坐席分類結果，并將所有坐席分類結果作為第一環節數據；通過關鍵詞引擎，對每個關鍵詞數據進行分類，獲得關鍵詞分類結果，并將所有關鍵詞分類結果作為第二環節數據；基于預設時間段，獲取第一環節數據和第二環節數據；對第一環節數據和第二環節數據中相同的坐席話術環節進行累加計算，并將累加結果最多的坐席話術環節作為分類結果；根據分類結果，確定當前坐席外呼是否合規。

技術領域

本發明涉及數據處理領域，尤其涉及一種坐席話術的質檢方法、裝置、計算機設備及存儲介質。

背景技術

保險公司的坐席外呼需要受到很多監管，其中比較重要的一個是是否提及所有需要告知客戶的點。為此，需要采取一定的方法識別出坐席外呼過程中是否告知客戶所有需要告知的點。

現有方式是采用正則表達式的方法判斷坐席話術中是否含有必須的關鍵詞，但是這個方法往往缺乏一定的泛化能力，表現為精度低，而且在需要監管的必須關鍵詞較多時，也即，需要采用到多種正則表達式時，多種正則表達式之間容易互相沖突，導致檢測結果不準確。此外是使用機器學習/深度學習的方法直接進行分類，這個方法的缺點就是很難人工進行干預以定向提高系統表現以及往往會遇到訓練語料不足的問題。

因此，現有技術在判斷坐席話術環節中存在泛化能力低、難以定向提高系統表現的問題。

發明內容

本發明實施例提供一種坐席話術的質檢方法、裝置、計算機設備和存儲介質，以提高判斷坐席話術環節的泛化能力，定向提高系統表現力。

為了解決上述技術問題，本申請實施例提供一種坐席話術的質檢方法，包括：

獲取實時坐席數據，并對所述實時坐席數據進行語義識別，根據得到的語義信息，將所述實時坐席數據轉化為坐席日常數據和關鍵詞數據；

通過質檢模型的文本檢索引擎，對每個所述坐席日常數據進行分類，獲得坐席分類結果，并將所有所述坐席分類結果作為第一環節數據，其中，所述坐席分類結果包括坐席話術環節以及每個所述坐席話術環節的數量；

通過所述質檢模型的關鍵詞引擎，對每個所述關鍵詞數據進行分類，獲得關鍵詞分類結果，并將所有所述關鍵詞分類結果作為第二環節數據，其中，所述關鍵詞分類結果包括坐席話術環節以及每個所述坐席話術環節的數量；

基于預設時間段，獲取所述第一環節數據和所述第二環節數據；

對所述第一環節數據和所述第二環節數據中相同的坐席話術環節進行累加計算，并將累加結果最多的坐席話術環節作為分類結果；

根據所述分類結果，確定當前坐席外呼是否合規。

為了解決上述技術問題，本申請實施例還提供一種坐席話術的質檢裝置，包括：

實時數據獲取模塊，用于獲取實時坐席數據，并對所述實時坐席數據進行語義識別，根據得到的語義信息，將所述實時坐席數據轉化為坐席日常數據和關鍵詞數據；

文本分類模塊，用于通過質檢模型的文本檢索引擎，對每個所述坐席日常數據進行分類，獲得坐席分類結果，并將所有所述坐席分類結果作為第一環節數據，其中，所述坐席分類結果包括坐席話術環節以及每個所述坐席話術環節的數量；

關鍵詞分類模塊，用于通過所述質檢模型的關鍵詞引擎，對每個所述關鍵詞數據進行分類，獲得關鍵詞分類結果，并將所有所述關鍵詞分類結果作為第二環節數據，其中，所述關鍵詞分類結果包括坐席話術環節以及每個所述坐席話術環節的數量；

數據獲取模塊，用于基于預設時間段，獲取所述第一環節數據和所述第二環節數據；