客户满意度评估方法及装置、计算机可读存储介质制造方法及图纸

一种客户满意度评估方法及装置、计算机可读存储介质，所述客户满意度评估方法，包括：获取待评估的多轮对话文本；将所述多轮对话文本中的语句按照时序进行划分，获取多个语句序列；采用自然语言特征提取器对所述多个语句序列分别进行特征提取，得到有效特征集；根据所述有效特征集，构建所述多个语句序列一一对应的时序特征序列；将所述多个语句序列一一对应的时序特征序列输入至预设的循环神经网络分类器中进行客户满意度评估，得到所述多轮对话文本对应的客户满意度评估结果。采用上述方案，能够提高客户满意度评估精度。

Customer Satisfaction Assessment Method and Device, Computer Readable Storage Media

【技术实现步骤摘要】
客户满意度评估方法及装置、计算机可读存储介质
本专利技术实施例涉及自然语言
，尤其涉及一种客户满意度评估方法及装置、计算机可读存储介质。
技术介绍
客服对话系统在企业的客户服务实践中得到广泛应用。客户在使用产品或针对产品进行咨询时，可以与客服进行通话以获取想要了解的信息。客户可以通过文字聊天界面与客服进行对话，也可以通过电话与客服进行对话。在现有技术中，为获知客户满意度，通常可以根据客户与客服之间的聊天记录来对客户的满意度进行评估。然而，现有的客户满意度评估的准确性较低。
技术实现思路
本专利技术实施例解决的技术问题是客户满意度评估精度低。为解决上述技术问题，本专利技术实施例提供一种客户满意度评估方法，包括：获取待评估的多轮对话文本；将所述多轮对话文本中的语句按照时序进行划分，获取多个语句序列；采用自然语言特征提取器对所述多个语句序列分别进行特征提取，得到有效特征集；根据所述有效特征集，构建所述多个语句序列一一对应的时序特征序列；将所述多个语句序列一一对应的时序特征序列输入至预设的循环神经网络分类器中进行客户满意度评估，得到所述多轮对话文本对应的客户满意度评估结果。可选的，所述采用自然语言特征提取器对所述多个语句序列分别进行特征提取，得到有效特征集，包括：对第i个语句序列中的每个语句从语义上划分，得到语义序列，所述语义序列中包括P个语义单位，P≥1；标记每个语义单位的来源；统计每个语义单位在所述多轮对话文本中的出现频率；根据每个语义单位的来源以及出现频率，计算每个语义单位的重要程度；基于每个语义单位的出现频率以及重要程度，筛选并确定所述多轮对话文本对应的有效特征集，所述有效特征集中包括至少一个语义单位，i≤M，M为语句序列的总数。可选的，采用以下任一种划分方式，对第i个语句序列中的每个语句从语义上划分，得到语义序列：对第i个语句序列中的每个语句从语义上以字粒度进行划分，得到字维语义序列；对第i个语句序列中的每个语句从语义上以词粒度进行划分，得到词维语义序列。可选的，采用如下任一种算法计算每个语义单位的重要程度：TF-IDF、信息增益、卡方统计量、互信息。可选的，采用如下方式训练得到所述循环神经网络分类器：获取训练样本集，所述训练样本集包括多个多轮对话训练样本文本；将各多轮对话训练文本样本中的语句按照时序进行划分，获取多个语句序列；采用自然语言特征提取器对所述各多轮对话训练样本文本对应的语句序列进行特征提取，得到所述训练样本集对应的有效特征集；根据所述训练样本集对应的有效特征集，构建各多轮对话训练样本文本一一对应的时序特征序列；将各多轮对话训练样本文本一一对应的时序特征序列输入至循环神经网络模型进行训练，直至循环神经网络模型的预设参数收敛，得到所述循环神经网络分类器。可选的，所述采用自然语言特征提取器对所述各多轮对话训练样本文本对应的语句序列进行特征提取，得到所述训练样本集对应的有效特征集，包括：对所述各多轮对话训练样本文本对应的语句序列中的每个语句从语义上划分，得到所述各多轮对话训练样本文本对应的语义序列，所述各多轮对话训练样本文本对应的语义序列包括Q个语义单位，Q≥1；标记所述各多轮对话训练样本文本对应的每个语义单位的来源；统计所述各多轮对话训练样本文本对应的每个语义单位在所述多轮对话训练样本文本中的出现频率；根据所述各多轮对话训练样本文本对应的每个语义单位的来源以及出现频率，计算所述各多轮对话训练样本文本对应的每个语义单位的重要程度；基于所述各多轮对话训练样本文本对应的每个语义单位的出现频率以及重要程度，筛选并确定所述各多轮对话训练样本文本对应的有效特征集，所述各多轮对话训练样本文本对应的有效特征集中包括至少一个语义单位。本专利技术实施还提供一种客户满意度评估装置，包括：获取单元，适于获取待评估的多轮对话文本；划分单元，适于将所述多轮对话文本中的语句按照时序进行划分，获取多个语句序列；特征提取单元，适于采用自然语言特征提取器对所述多个语句序列分别进行特征提取，得到有效特征集；时序特征序列构建单元，适于根据所述有效特征集，构建所述多个语句序列一一对应的时序特征序列；评估单元，适于将所述多个语句序列一一对应的时序特征序列输入至预设的循环神经网络分类器中进行客户满意度评估，得到所述多轮对话文本对应的客户满意度评估结果。可选的，所述特征提取单元，适于对第i个语句序列中的每个语句从语义上划分，得到语义序列，所述语义序列中包括P个语义单位，P≥1；标记每个语义单位的来源；统计每个语义单位在所述多轮对话文本中的出现频率；根据每个语义单位的来源以及出现频率，计算每个语义单位的重要程度；基于每个语义单位的出现频率以及重要程度，筛选并确定所述多轮对话文本对应的有效特征集，所述有效特征集中包括至少一个语义单位，i≤M，M为语句序列的总数。可选的，所述特征提取单元，适于采用以下任一种划分方式，对第i个语句序列中的每个语句从语义上划分，得到语义序列：对第i个语句序列中的每个语句从语义上以字粒度进行划分，得到字维语义序列；对第i个语句序列中的每个语句从语义上以词粒度进行划分，得到词维语义序列。可选的，所述特征提取单元，适于采用如下任一种算法计算每个语义单位的重要程度：TF-IDF、信息增益、卡方统计量、互信息。可选的，所述客户满意度评估装置还包括：模型构建单元，适于采用如下方式训练得到所述循环神经网络分类器：获取训练样本集，所述训练样本集包括多个多轮对话训练样本文本；将各多轮对话训练文本样本中的语句按照时序进行划分，获取多个语句序列；采用自然语言特征提取器对所述各多轮对话训练样本文本对应的语句序列进行特征提取，得到所述训练样本集对应的有效特征集；根据所述训练样本集对应的有效特征集，构建各多轮对话训练样本文本一一对应的时序特征序列；将各多轮对话训练样本文本一一对应的时序特征序列输入至循环神经网络模型进行训练，直至循环神经网络模型的预设参数收敛，得到所述循环神经网络分类器。可选的，所述模型构建单元，适于对所述各多轮对话训练样本文本对应的语句序列中的每个语句从语义上划分，得到所述各多轮对话训练样本文本对应的语义序列，所述各多轮对话训练样本文本对应的语义序列包括Q个语义单位，Q≥1；标记所述各多轮对话训练样本文本对应的每个语义单位的来源；统计所述各多轮对话训练样本文本对应的每个语义单位在所述多轮对话训练样本文本中的出现频率；根据所述各多轮对话训练样本文本对应的每个语义单位的来源以及出现频率，计算所述各多轮对话训练样本文本对应的每个语义单位的重要程度；基于所述各多轮对话训练样本文本对应的每个语义单位的出现频率以及重要程度，筛选并确定所述各多轮对话训练样本文本对应的有效特征集，所述各多轮对话训练样本文本对应的有效特征集中包括至少一个语义单位。本专利技术实施例还提供一种客户满意度评估装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一种所述的客户满意度评估方法的步骤。本专利技术实施例还提供种计算机可读存储介质，计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一种所述的客户满意度评估方法的步骤。与现有技术相比，本专利技术实施例的本文档来自技高网...

【技术保护点】
1.一种客户满意度评估方法，其特征在于，包括：获取待评估的多轮对话文本；将所述多轮对话文本中的语句按照时序进行划分，获取多个语句序列；采用自然语言特征提取器对所述多个语句序列分别进行特征提取，得到有效特征集；根据所述有效特征集，构建所述多个语句序列一一对应的时序特征序列；将所述多个语句序列一一对应的时序特征序列输入至预设的循环神经网络分类器中进行客户满意度评估，得到所述多轮对话文本对应的客户满意度评估结果。

【技术特征摘要】
1.一种客户满意度评估方法，其特征在于，包括：获取待评估的多轮对话文本；将所述多轮对话文本中的语句按照时序进行划分，获取多个语句序列；采用自然语言特征提取器对所述多个语句序列分别进行特征提取，得到有效特征集；根据所述有效特征集，构建所述多个语句序列一一对应的时序特征序列；将所述多个语句序列一一对应的时序特征序列输入至预设的循环神经网络分类器中进行客户满意度评估，得到所述多轮对话文本对应的客户满意度评估结果。2.根据权利要求1所述的客户满意度评估方法，其特征在于，所述采用自然语言特征提取器对所述多个语句序列分别进行特征提取，得到有效特征集，包括：对第i个语句序列中的每个语句从语义上划分，得到语义序列，所述语义序列中包括P个语义单位，P≥1；标记每个语义单位的来源；统计每个语义单位在所述多轮对话文本中的出现频率；根据每个语义单位的来源以及出现频率，计算每个语义单位的重要程度；基于每个语义单位的出现频率以及重要程度，筛选并确定所述多轮对话文本对应的有效特征集，所述有效特征集中包括至少一个语义单位，i≤M，M为语句序列的总数。3.根据权利要求2所述的客户满意度评估方法，其特征在于，采用以下任一种划分方式，对第i个语句序列中的每个语句从语义上划分，得到语义序列：对第i个语句序列中的每个语句从语义上以字粒度进行划分，得到字维语义序列；对第i个语句序列中的每个语句从语义上以词粒度进行划分，得到词维语义序列。4.根据权利要求2所述的客户满意度评估方法，其特征在于，采用如下任一种算法计算每个语义单位的重要程度：TF-IDF、信息增益、卡方统计量、互信息。5.根据权利要求1或2所述的客户满意度评估方法，其特征在于，采用如下方式训练得到所述循环神经网络分类器：获取训练样本集，所述训练样本集包括多个多轮对话训练样本文本；将各多轮对话训练文本样本中的语句按照时序进行划分，获取多个语句序列；采用自然语言特征提取器对所述各多轮对话训练样本文本对应的语句序列进行特征提取，得到所述训练样本集对应的有效特征集；根据所述训练样本集对应的有效特征集，构建各多轮对话训练样本文本一一对应的时序特征序列；将各多轮对话训练样本文本一一对应的时序特征序列输入至循环神经网络模型进行训练，直至循环神经网络模型的预设参数收敛，得到所述循环神经网络分类器。6.根据权利要求5所述的客户满意度评估方法，其特征在于，所述采用自然语言特征提取器对所述各多轮对话训练样本文本对应的语句序列进行特征提取，得到所述训练样本集对应的有效特征集，包括：对所述各多轮对话训练样本文本对应的语句序列中的每个语句从语义上划分，得到所述各多轮对话训练样本文本对应的语义序列，所述各多轮对话训练样本文本对应的语义序列包括Q个语义单位，Q≥1；标记所述各多轮对话训练样本文本对应的每个语义单位的来源；统计所述各多轮对话训练样本文本对应的每个语义单位在所述多轮对话训练样本文本中的出现频率；根据所述各多轮对话训练样本文本对应的每个语义单位的来源以及出现频率，计算所述各多轮对话训练样本文本对应的每个语义单位的重要程度；基于所述各多轮对话训练样本文本对应的每个语义单位的出现频率以及重要程度，筛选并确定所述各多轮对话训练样本文本对应的有效特征集，所述各多轮对话训练样本文本对应的有效特征集中包括至少一个语义单位。7.一种客户满意度评估装置，其特征在于，包括：获取单元，适于获取待评估的多轮对话文本；划分单元，适于将所述多轮对话文本中的语句按照时序进行划分，获取多个语句序列；特征提取单元，适于采用自然语言特征...

【专利技术属性】
技术研发人员：李奇倚，温舒，顾少丰，
申请(专利权)人：上海拍拍贷金融信息服务有限公司，
类型：发明
国别省市：上海,31