[发明专利]一种基于语义识别的智能评分方法、装置及存储介质

说明书

本发明公开了一种基于语义识别的智能评分方法、装置及存储介质，包括，S1对语音信息进行识别，将语音信息转化为文本形式，得到语音文本；S2训练词向量，以数据矩阵的形式表示语音文本；S3利用卷积神经网络提取语音文本的语义特征；S4根据S2中截断补齐后的语音文本和语义特征，得到对服务水平进行评分。本发明以智能技术辅助人工服务，从语言的角度对机械设备报修系统的服务进行评分，可以有效提升报修系统的整体服务水平和客户体验。

技术领域

本发明涉及语义识别领域，具体涉及一种基于语义识别的智能评分方法、装置及存储介质。

背景技术

各类大小型机械设备在实际应用中出现故障时，需要向设备报修系统报障进行维修，报修系统通常派技术人员与客户对接，并在与客户的沟通中提出维修意见。目前，报修系统的服务水平只有根据维修后设备的实际情况来评价，这种方法效率较低，且忽视了技术人员与客户交流时是否具有专业性和良好的沟通技巧，这些因素可以影响客户体验以及对该报修系统的评价。同样，在通信、银行等服务业中，存在客服与客户的电话沟通过程，通常客服的每次服务由客户来进行评分，但存在评分不够客观和很多客户不评分的问题。本发明的目的在于从语言的角度对这些服务的进行智能评分。

在机械领域，语义识别技术使用在如汽车语音导航和智能机器人在服务行业，语义识别技术则主要用于智能问答、业务办理等项目上，这些应用的目的主要在于去人工化。实际上，这些基于语义识别技术的应用项目并没有十分成熟，人工服务具有不可替代的优势。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种基于语义识别的智能分析方法、装置及存储介质。本发明以智能技术辅助人工服务，从语言的角度对机械设备报修系统的服务进行评分，可以有效提升报修系统的整体服务水平和客户体验。

本发明采用如下技术方案：

一种基于语义识别的智能评分方法，包括如下步骤：

S1对语音信息进行识别，将语音信息转化为文本形式，得到语音文本；

S2训练词向量，以数据矩阵的形式表示语音文本；

S3利用卷积神经网络提取语音文本的语义特征；

S4根据S2中截断补齐后的语音文本和语义特征，得到对服务水平进行评分。

所述S1中，语音信息是指维修技术人员与客户对接的语音记录。

优选的，将语音信息转化为文本形式是基于BBC语料库，采用随机模型法对语音信息进行转化。

优选的，S2中，训练词向量使用word2vec算法训练语音文本的词向量，对高频词汇进行随机降采样处理。

优选的，设置滑动窗口为5。

所述S3中，卷积神经网络使用卷积核的横向维度等于词汇量的维度，纵向维度为2、3和4，多个卷积核提取到的一维特征向量经过池化层后进行拼接，形成一维向量作为语义文本的语义特征。

优选的，S4根据语音文本和特征，得到对服务水平进行评分，具体是采用两层双向LSTM网络，每个双向LSTM神经元输出一个单维向量，在双向LSTM网络与输出层之间加入了Attention机制，输出结果经过Attention机制给每个单维向量分配权重，最后一层为Softmax层，输出报修系统的评分。

所述Softmax层使用交叉熵计算损失函数。

一种实现基于语音识别的智能评分方法的评分装置，包括：

采集模块，采集客户与服务人员交流的语音及文本，并将语音信息转化为文本形式，得到语音文本；

词嵌入模块，训练词汇量，以数据矩阵的形式表示语音文本；