[發明專利]一種客服智能質檢方法、裝置及存儲介質

在審

• 申請號: 202111287831.8
• 申請日: 2021-11-02
• 公開（公告）號: CN114051076A
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 王國偉;朱紅坤;賀光華;李奇隆
• 申請（專利權）人: 重慶川南環保科技有限公司
• 主分類號: H04M3/22
• 分類號: H04M3/22;H04M3/51;G10L25/63;G10L25/30;G10L15/26;G10L25/24
• 代理公司: 重慶西南華渝專利代理有限公司 50270
• 代理人: 陳香蘭

本發明公開了一種客服智能質檢方法、裝置及存儲介質。方法包括：獲取客服語音數據；將客服語音數據輸入語音關鍵詞檢測模型獲得語音關鍵詞檢測結果，包括：S1,獲取客服語音數據的第一聲學特征;S2，對第一聲學特征進行第一二維卷積、最大池化、第一激活函數處理；S3，將處理結果輸入多頭注意力機制進行關鍵詞捕獲，對關鍵詞進行處理獲得語音關鍵詞檢測結果；將客服語音數據輸入語音情緒檢測模型獲得語音情緒檢測結果，包括：A，構建三通道特征圖；B，對特征圖進行第二二維卷積、批規范化處理；C，獲得語音情緒檢測結果。同時進行語音關鍵詞檢測和語音情緒檢測，實現了多任務并行檢測，通過綜合兩者檢測結果提高質檢精度。

技術領域

本發明涉及人工智能技術領域，特別是涉及一種客服智能質檢方法、裝置及存儲介質。

背景技術

客服通話質檢任務可以被視為語音情緒識別中的一種，從模型的角度來說是通過分類任務模型對客戶表達的內容進行快速分類，同時對客服的服務質量進行等級評定。客服質檢可有效快速地檢測出用戶表達的內容中，是否表達了不滿、滿意和無情緒三種感受，也可以檢測出客服的服務態度，措詞等是否規范。

由于龐大的語音數據，傳統語音服務質檢工作存在人工抽檢效率低、準確性較低、全面性較差、語音轉寫開銷大等問題。現階段出現了許多機器學習、深度學習的方法用于客服語音智能質檢。現有技術中客服語音智能質檢的準確度交底，并且大多都是單一的基于語音轉文本的質檢方法，質檢精度低，即使對語音數據進行監測，任務之間都是互不相干的進行之間，這樣的質檢方式往往獲取的特征單一，模型的精度受限。

發明內容

本發明旨在至少解決現有技術中存在的技術問題，特別創新地提出了一種客服智能質檢方法、裝置及存儲介質。

為了實現本發明的上述目的，根據本發明的第一方面，本發明提供了一種客服智能質檢方法，包括：獲取客服語音數據；將所述客服語音數據輸入語音關鍵詞檢測模型獲得語音關鍵詞檢測結果，和/或，將所述客服語音數據輸入語音情緒檢測模型獲得語音情緒檢測結果；所述將所述客服語音數據輸入語音關鍵詞檢測模型獲得語音關鍵詞檢測結果，具體包括：步驟S1,獲取所述客服語音數據的第一聲學特征;步驟S2，對所述第一聲學特征進行第一二維卷積處理、最大池化處理、第一激活函數處理；步驟S3，通過第一線性層將步驟S2的處理結果輸入多頭注意力機制進行關鍵詞捕獲，通過第二線性層對捕獲的關鍵詞進行處理獲得語音關鍵詞檢測結果；所述將所述客服語音數據輸入語音情緒檢測模型獲得語音情緒檢測結果，具體包括：步驟A，獲取所述客服語音數據的第二聲學特征、所述第二聲學特征的一階差分、所述第二聲學特征的二階差分，構建三個通道分別為第二聲學特征、第二聲學特征的一階差分、第二聲學特征的二階差分的特征圖；步驟B，對所述特征圖進行第二二維卷積處理、批規范化處理；步驟C，通過第三線性層對步驟B的處理結果進行處理獲得語音情緒檢測結果。

上述技術方案：直接對客服的語音數據進行監測，能夠很好的捕獲的客服的情急情緒，不需要轉換為文本，避免了引入轉換誤差，提高了客服質量檢測精度。語音關鍵詞檢測模型在進行語音關鍵詞檢測過程中，通過多頭注意力機制能夠捕獲全局的語音信息表達讓模型更加注意關鍵詞的特征，進而提高語音關鍵詞的檢測精度。語音情緒檢測模型在進行語音情緒檢測過程中，對第二聲學特征進行維度擴展，擴展出第二聲學特征的一階差分、第二聲學特征的二階差分，將一維的第二聲學特征轉換為三通道的特征圖，這樣利用特征圖來進行后續處理，能夠獲得更好的聲學特征，使得情緒檢測結果更準確。上述方案還公開了同時進行語音關鍵詞檢測和語音情緒檢測，兩者同時檢測，實現了多任務并行檢測，通過綜合兩者檢測結果能夠提高質檢精度。