[发明专利]基于上下文推理的通话质检方法、装置、电子设备

说明书

本公开涉及通话质检技术，具体涉及基于上下文推理的通话质检方法、装置、电子设备及存储介质。所述方法包括：获取第一对话文本中的多个对话语句和与所述多个对话语句一一对应多个意图标注，所述多个对话语句中携带有对话人的身份信息，将所述多个对话语句输入目标分类模型，以所述多个意图标注为监督，对所述目标分类模型进行训练，根据所述训练后的目标分类模型，确定第二对话文本中每个对话语句的意图，根据所述第二对话文本中的每个对话语句的意图和预设质检规则，确定所述第二对话文本对应通话的通话质量。

技术领域

本公开涉及通话质检技术，具体涉及基于上下文推理的通话质检方法、装置、电子设备及存储介质。

背景技术

随着科技发展，各行各业的客服中心的电话语音汇总成了庞大的服务数据。这庞大的服务数据中，如何判断客服务人员的服务水平和质量，所提供的服务是否符合规范，是现在各个行业面临的最大问题。目前，许多公司都会成立了客服质检团队。可是质检团队人数之少，难以应付得了每月上万的服务数据。并且，传统的质检方式是让质检人员随机抽取服务数据进行复合检查，凭借人工经验筛选出存在问题的电话及其他数据。抽样比例很低，存在很大漏检风险，也不易发现数据包含的价值信息。

发明内容

本公开实施例提供一种基于上下文推理的通话质检方法、装置、电子设备及存储介质，可以解决传统通话质检时效率低，容易出现错误的问题。

第一方面，本申请实施例提供了一种基于上下文推理的通话质检方法，包括：获取第一对话文本中的多个对话语句和与所述多个对话语句一一对应多个意图标注，所述多个对话语句中携带有对话人的身份信息，将所述多个对话语句输入目标分类模型，以所述多个意图标注为监督，对所述目标分类模型进行训练，根据所述训练后的目标分类模型，确定第二对话文本中每个对话语句的意图，根据所述第二对话文本中的每个对话语句的意图和预设质检规则，确定所述第二对话文本对应通话的通话质量。

可选地，在所述将所述多个对话语句输入目标分类模型，以所述多个意图标注为监督，对所述目标分类模型进行训练之前，所述方法还包括：对所述多个对话语句进行规范化处理，并对所述意图标注进行文本数值化处理，通过预训练词向量模型对所述多个对话语句进行向量化。

可选地，所述将所述多个对话语句输入目标分类模型，以所述多个意图标注为监督，对所述目标分类模型进行训练，包括：将所述多个对话语句输入双向长短期记忆网络中，获得每个所述对话语句的上下文依赖情况和全局记忆信息，所述上下文依赖情况包括情景层面的上下文依赖情况和对话人层面的上下文依赖情况，其中，所述全局记忆信息包括情景层面的全局记忆信息和上下文层面的全局记忆信息，使用长短期记忆网络和注意力网络对所述每个对话语句的上下文依赖情况和全局记忆信息进行处理，获得所述每个对话语句的上下文线索向量，所述上下文线索向量包括所述情景层面的线索向量和所述对话人层面的线索向量，根据每个对话语句的上下文线索向量，以及每个对话语句的意图标注，训练所述softmax分类器。

可选地，所述使用所述长短期记忆网络和注意力网络对所述每个对话语句的上下文依赖情况和全局记忆信息进行处理，获得所述每个对话语句的上下文线索向量，包括：将所述对话语句的上下文依赖情况，输入所述长短期记忆网络，确定所述对话语句在所述长短期记忆网络中的输出向量；将所述长短期记忆网络中的输出向量和所述全局记忆信息，输入注意力网络，确定所述对话语句在所述注意力网络的输出向量；将所述对话语句在所述注意力网络的输出向量和所述对话语的上下文依赖情况进行拼接，获得所述对话语句的上下文线索向量。

可选地，在所述获得所述对话语句的上下文线索向量之后，所述方法还包括:使用长短期记忆网络和注意力网络对所述对话语句的上下文线索向量和所述全局记忆信息进行迭代，更新所述对话语句的上下文线索向量。

可选地，在所述根据所述训练后的目标分类模型，确定第二对话文本中每个对话语句的意图之前，所述方法还包括：获取目标通话的音频文件；将所述目标通话音频转写为第二对话文本，并确定所述第二对话文本中每个对话语句的对话人的身份信息。