基于深度学习算法的客服服务质量检测方法及相关设备技术

本申请提供一种基于深度学习算法的客服服务质量检测方法及相关设备，该方法从客服与用户的对话信息中获取初始文本；对所述初始文本进行预处理，得到待检测文本；基于所述待检测文本、预先构建的质检模型集合和预设质检规则表对客服服务质量进行检测，得到检测结果。本申请提供的方法能够实现多维度准确定量监控客服、及时发现客户诉求、对潜在的风险进行舆情监控等，有效降低人力成本、降低客户投诉、提升坐席服务质量。提升坐席服务质量。提升坐席服务质量。

Customer service quality detection method and related equipment based on deep learning algorithm

【技术实现步骤摘要】
基于深度学习算法的客服服务质量检测方法及相关设备


[0001]本申请涉及人工智能
，尤其涉及一种基于深度学习算法的客服服务质量检测方法及相关设备。

技术介绍

[0002]在各类提供服务的企业机构的运营过程中，客服电话是面向用户提供服务的重要渠道之一。为了保障用户获得良好的服务，对于客服人员服务的服务质量进行监督是企业机构的重要工作之一。常规的监督方式为基于服务质量评价进行监督管理。
[0003]目前，通常是在用户与客服人员的通话结束后，提示用户对客服人员本次服务的服务质量进行评分，以用户的评分作为服务质量的评价标准。
[0004]而在实际的服务过程中用户对于服务质量评价的主观性较为强烈，客服人员的服务质量评价仅依赖于用户选择评分的主观性评价，使得服务质量评价的准确性较低，不利于服务质量的监督管理。

技术实现思路

[0005]有鉴于此，本申请的目的在于提出一种基于深度学习算法的客服服务质量检测方法及相关设备。
[0006]基于上述目的，本申请提供了一种基于深度学习算法的客服服务质量检测方法，包括：
[0007]从客服与用户的对话信息中获取初始文本；
[0008]对所述初始文本进行预处理，得到待检测文本；
[0009]基于所述待检测文本、预先构建的质检模型集合和预设质检规则表对客服服务质量进行检测，得到检测结果。
[0010]可选的，从客服与用户的对话信息中获取初始文本，包括：
[0011]响应于所述对话信息为文字信息，将该文字信息作为所述初始文本；
[0012]响应于所述对话信息为语音信息，将所述语音信息转换为文字信息并作为所述初始文本。
[0013]可选的，所述对所述初始文本进行预处理，包括：
[0014]对所述初始文本进行脱敏处理，以去除所述初始文本中的敏感信息。
[0015]可选的，基于所述待检测文本、预先构建的质检模型集合和预设质检规则表对客服服务质量进行检测，得到检测结果，包括：
[0016]根据所述预设质检规则表，从所述质检模型集合中确定至少一个候选质检模型；
[0017]将所述待检测文本输入至全部所述候选质检模型中，输出所述检测结果。
[0018]可选的，所述质检模型集合包括以下至少一个：
[0019]关键词模型，被配置为对所述待检测文本中的关键词进行检测；
[0020]情绪识别模型，被配置为根据预设情绪类别对所述待检测文本进行分类；
[0021]客户投诉模型，被配置为根据预设投诉类别对所述待检测文本进行分类；
[0022]客户诉求模型，被配置为通过聚类算法检测所述待检测文本的聚类类别；
[0023]相似文本模型，被配置为根据所述质检规则表对所述待检测文本进行相似度计算；
[0024]其中，所述情绪识别模型、所述客户投诉模型、所述客户诉求模型和所述相似文本模型是经过预训练的。
[0025]可选的，对所述情绪识别模型和所述客户投诉模型进行所述预训练，包括：
[0026]获取初始数据集并对其进行脱敏处理，以得到初始训练数据集；
[0027]通过Bert模型对所述初始训练数据集进行编码，得到所述初始训练数据集中每一个数据对应的语义向量表示；
[0028]基于所述语义向量表示通过余弦相似度算法计算所述初始训练数据集中任意两个数据的余弦相似度；
[0029]基于所述余弦相似度通过Annoy算法构建相似句索引服务，得到相似句集合；
[0030]在初始训练数据集中选取部分数据进行人工标注，得到标注数据集；
[0031]基于所述标注数据集在所述相似句集合中进行查询，得到训练数据集；
[0032]基于所述训练数据集分别对所述情绪识别模型和所述客户投诉模型进行所述预训练。
[0033]可选的，对所述客户诉求模型进行所述预训练，包括：
[0034]通过k
‑
means聚类算法对全部所述语义向量表示进行计算，得到具有预设数量的聚类类别的所述客户诉求模型。
[0035]可选的，对所述相似文本模型进行所述预训练，包括：
[0036]通过预设的相似度数据集对ROFORMER预训练模型进行所述预训练，得到所述相似文本模型。
[0037]基于同一专利技术构思，本申请还提供了一种基于深度学习算法的客服服务质量检测装置，包括：
[0038]获取模块，被配置为从客服与用户的对话信息中获取初始文本；
[0039]预处理模块，被配置为对所述初始文本进行预处理，得到待检测文本；
[0040]检测模块，被配置为基于所述待检测文本、预先构建的质检模型集合和预设质检规则表对客服服务质量进行检测，得到检测结果。
[0041]基于同一专利技术构思，本申请还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上所述的方法。
[0042]基于同一专利技术构思，本申请还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上所述的方法。
[0043]从上面所述可以看出，本申请提供的一种基于深度学习算法的客服服务质量检测方法及相关设备，该方法从客服与用户的对话信息中获取初始文本；对所述初始文本进行预处理，得到待检测文本；基于所述待检测文本、预先构建的质检模型集合和预设质检规则表对客服服务质量进行检测，得到检测结果。本申请提供的方法能够实现多维度准确定量
监控客服、及时发现客户诉求、对潜在的风险进行舆情监控等，有效降低人力成本、降低客户投诉、提升坐席服务质量。
附图说明
[0044]为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0045]图1为本申请实施例的基于深度学习算法的客服服务质量检测方法的流程示意图；
[0046]图2为本申请实施例的一种模型预训练方法的流程示意图；
[0047]图3为本申请实施例的基于深度学习算法的客服服务质量检测装置的结构示意图；
[0048]图4为本申请实施例电子设备硬件结构示意图。
具体实施方式
[0049]为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
[0050]需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习算法的客服服务质量检测方法，其特征在于，包括：从客服与用户的对话信息中获取初始文本；对所述初始文本进行预处理，得到待检测文本；基于所述待检测文本、预先构建的质检模型集合和预设质检规则表对客服服务质量进行检测，得到检测结果。2.根据权利要求1所述的方法，其特征在于，从客服与用户的对话信息中获取初始文本，包括：响应于所述对话信息为文字信息，将该文字信息作为所述初始文本；响应于所述对话信息为语音信息，将所述语音信息转换为文字信息并作为所述初始文本。3.根据权利要求1所述的方法，其特征在于，所述对所述初始文本进行预处理，包括：对所述初始文本进行脱敏处理，以去除所述初始文本中的敏感信息。4.根据权利要求1所述的方法，其特征在于，所述基于所述待检测文本、预先构建的质检模型集合和预设质检规则表对客服服务质量进行检测，得到检测结果，包括：根据所述预设质检规则表，从所述质检模型集合中确定至少一个候选质检模型；将所述待检测文本输入至全部所述候选质检模型中，输出所述检测结果。5.根据权利要求1所述的方法，其特征在于，所述质检模型集合包括以下至少一个：关键词模型，被配置为对所述待检测文本中的关键词进行检测；情绪识别模型，被配置为根据预设情绪类别对所述待检测文本进行分类；客户投诉模型，被配置为根据预设投诉类别对所述待检测文本进行分类；客户诉求模型，被配置为通过聚类算法检测所述待检测文本的聚类类别；相似文本模型，被配置为根据所述质检规则表对所述待检测文本进行相似度计算；其中，所述情绪识别模型、所述客户投诉模型、所述客户诉求模型和所述相似文本模型是经过预训练的。6.根据权利要求5所述的方法，其特征在于，对所述情绪识...

【专利技术属性】
技术研发人员：李喜莲，李昕，王刚，李川川，张波，
申请(专利权)人：中国人寿保险股份有限公司，
类型：发明
国别省市：