[發明專利]一種語音質檢的方法、裝置及網絡設備

有效

• 申請號: 202110702711.3
• 申請日: 2021-06-24
• 公開（公告）號: CN113393844B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 李座磊;張彬彬
• 申請（專利權）人: 大唐融合通信股份有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/16;G10L25/51
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;曹娜

1.一種語音質檢的方法，其特征在于，包括：

獲取待質檢語音信息，所述待質檢語音信息為用戶與客服之間的語音對話信息；

根據所述待質檢語音信息，獲得目標用戶信息和目標客服信息；

根據所述目標用戶信息，利用意圖識別模型，獲得用戶意圖信息；其中，所述意圖識別模型包括機器學習模型和/或深度網絡學習模型；

根據所述用戶意圖信息和所述目標客服信息，獲得所述待質檢語音信息的質檢結果；

所述根據所述目標用戶信息，利用意圖識別模型，獲得用戶意圖信息，包括：在目標用戶文本信息中的字數大于預設字數時，利用所述深度網絡學習模型進行用戶意圖識別，獲得用戶意圖信息，這包括：

獲取所述目標用戶文本信息對應的字向量和拼音向量；

將所述字向量和所述拼音向量輸入至所述深度網絡學習模型；

利用所述深度網絡學習模型的卷積層，分別對所述字向量和所述拼音向量進行卷積和池化操作，獲得字特征向量和拼音特征向量；

利用所述深度網絡學習模型的向量拼接層，將所述字特征向量和所述拼音特征向量拼接，并進行歸一化操作，獲得拼接特征向量；

將所述拼接特征向量輸入至所述深度網絡學習模型的注意力層，進行自注意力計算，得到注意力值；

將所述注意力值輸入至所述深度網絡學習模型的全連接層，進行類別預測，獲得用戶意圖信息。

2.根據權利要求1所述的方法，其特征在于，所述根據所述待質檢語音信息，獲得目標用戶信息和目標客服信息，包括：

對所述待質檢語音信息進行語音識別，獲得用戶文本信息和客服文本信息；

分別對所述用戶文本信息和所述客服文本信息進行預處理操作，獲得所述目標用戶信息和所述目標客服信息。

3.根據權利要求1所述的方法，其特征在于，所述根據所述目標用戶信息，利用意圖識別模型，獲得用戶意圖信息，包括：

確定所述目標用戶文本信息中的字數是否大于預設字數；

在所述字數大于所述預設字數的情況下，利用所述深度網絡學習模型進行用戶意圖識別，獲得用戶意圖信息；或者，

在所述字數小于或等于所述預設字數的情況下，利用所述機器學習模型進行用戶意圖識別，獲得用戶意圖信息。

4.根據權利要求3所述的方法，其特征在于，所述在所述字數小于或等于所述預設字數的情況下，利用所述機器學習模型進行用戶意圖識別，獲得用戶意圖信息，包括：

根據所述目標用戶文本信息，獲得所述目標用戶文本信息對應的特征向量；其中，所述特征向量包括：字向量、n-gram拼音向量和主題向量中的至少一項；

將所述特征向量輸入至所述機器學習模型，獲得用戶意圖信息。

5.根據權利要求1所述的方法，其特征在于，所述根據所述用戶意圖信息和所述目標客服信息，獲得所述待質檢語音信息的質檢結果，包括：

根據所述用戶意圖信息，獲得所述用戶意圖信息對應的預設話術信息；

利用Bert模型，對所述目標客服信息與所述預設話術信息進行相似度對比，獲得所述待質檢語音信息的質檢結果。

6.根據權利要求5所述的方法，其特征在于，所述對所述目標客服信息與所述預設話術信息進行相似度對比，獲得所述待質檢語音信息的質檢結果，包括：

在所述目標客服信息與所述預設話術信息之間的相似度大于或等于閾值的情況下，確定所述質檢結果為合格；或者，

在所述目標客服信息與所述預設話術信息之間的相似度小于閾值的情況下，確定所述質檢結果為不合格。

7.一種網絡設備，包括：收發機、存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至6中任一項所述的方法的步驟。