本发明专利技术提供了一种客服服务监控方法和装置，特别涉及人工智能技术领域，所述方法包括：根据客服和用户的历史对话文本和预设的情感词典，构建训练样本；用所述训练样本训练预设的父神经网络模型，提取训练好的所述父神经网络模型的训练参数，用所述训练参数和所述训练样本训练预设的子神经网络模型；根据客服和用户的当前对话文本以及训练好的所述子神经网络模型，得到用户对客服的当前满意度；判断所述当前满意度是否为第一满意度，若是，向工作人员进行第一告警。本发明专利技术能够自动准确地确定用户对客服服务的当前满意度，并在用户满意度较低时及时向工作人员进行告警，以使工作人员对客服加强管理从而提升客服服务质量，进而提高用户体验。高用户体验。高用户体验。
【技术实现步骤摘要】
客服服务监控方法和装置
[0001]本专利技术涉及客服服务监控领域，特别涉及人工智能
，尤其涉及一种客服服务监控方法和装置。
技术介绍
[0002]现有技术中，往往依赖于请求用户对客服服务进行满意度评价，并根据用户的满意度评价情况确定客服的服务质量，以实现对客服服务进行监控。由于用户往往忙于工作或生活，时间并不充裕，从而不愿对客服服务进行满意度评价，或在进行满意度评价时随意填写评价内容，导致对客服服务进行监控时，所依据的满意度数据并不充足且不准确，进而导致对客服服务进行监控的准确性较低。而且，由于根据用户的满意度评价情况判断客服的服务质量是通过人工实现的，所以客服服务监控的效率较低，自动化程度较差。
技术实现思路
[0003]本专利技术的一个目的在于提供一种客服服务监控方法，以解决对客服服务进行监控的准确性较低，且客服服务监控的效率较低，自动化程度较差的问题。本专利技术的另一个目的在于提供一种客服服务监控装置。本专利技术的再一个目的在于提供一种计算机设备。本专利技术的还一个目的在于提供一种可读介质。本专利技术的还一个目的在于提供一种计算机程序产品。
[0004]为了达到以上目的，本专利技术的一方面公开了一种客服服务监控方法，所述方法包括：
[0005]根据客服和用户的历史对话文本和预设的情感词典，构建训练样本；
[0006]用所述训练样本训练预设的父神经网络模型，提取训练好的所述父神经网络模型的训练参数，用所述训练参数和所述训练样本训练预设的子神经网络模型；
[0007]根据客服和用户的当前对话文本以及训练好的所述子神经网络模型，得到用户对客服的当前满意度；判断所述当前满意度是否为第一满意度，若是，向工作人员进行第一告警。
[0008]可选的，进一步包括：
[0009]在所述根据客服和用户的历史对话文本和预设的情感词典，构建训练样本之前，将客服和用户的历史对话语音进行转译得到初始历史对话文本；
[0010]将所述初始历史对话文本进行数据清洗处理，得到所述历史对话文本。
[0011]可选的，所述根据客服和用户的历史对话文本和预设的情感词典，构建训练样本，包括：
[0012]根据所述历史对话文本，得到历史用户发言文本；
[0013]根据所述历史用户发言文本，得到历史用户发言词汇向量；
[0014]根据所述历史用户发言词汇向量和预设的情感词典，得到与所述历史用户发言词汇向量对应的历史满意度；
[0015]根据所述历史用户发言词汇向量和所述历史满意度，构建所述训练样本。
[0016]可选的，所述根据所述历史用户发言词汇向量和预设的情感词典，得到与所述历史用户发言词汇向量对应的历史满意度，包括：
[0017]根据所述历史用户发言词汇向量和预设的情感词典，得到所述历史用户发言词汇向量的满意分数；
[0018]根据所述满意分数，确定所述历史满意度。
[0019]可选的，所述根据所述历史用户发言词汇向量和预设的情感词典，得到所述历史用户发言词汇向量的满意分数，包括：
[0020]根据所述历史用户发言词汇向量和预设的情感词典，得到所述历史用户发言词汇向量中的正面词汇、每个所述正面词汇对应的正面权值、负面词汇和每个所述负面词汇对应的负面权值；
[0021]将所述历史用户发言词汇向量中的所有所述正面词汇对应的正面权值和所有所述负面词汇对应的负面权值进行累加，得到所述历史用户发言词汇向量的满意分数。
[0022]可选的，所述根据所述历史用户发言词汇向量和预设的情感词典，得到所述历史用户发言词汇向量中的正面词汇、每个所述正面词汇对应的正面权值、负面词汇和每个所述负面词汇对应的负面权值，包括：
[0023]根据所述历史用户发言词汇向量和预设的情感词典，得到所述历史用户发言词汇向量中的正面词汇、每个所述正面词汇对应的初始正权值、负面词汇和每个所述负面词汇对应的初始负权值；
[0024]判断每个所述正面词汇在所述历史用户发言词汇向量中是否有对应的第一程度词，若是，根据所述第一程度词得到第一程度系数，根据所述第一程度系数和所述初始正权值，得到所述正面词汇对应的正面权值；若否，将所述初始正权值作为所述正面词汇对应的正面权值；
[0025]判断每个所述负面词汇在所述历史用户发言词汇向量中是否有对应的第二程度词，若是，根据所述第二程度词得到第二程度系数，根据所述第二程度系数和所述初始负权值，得到所述负面词汇对应的负面权值；若否，将所述初始负权值作为所述负面词汇对应的负面权值。
[0026]可选的，所述用所述训练参数和所述训练样本训练预设的子神经网络模型，包括：
[0027]根据所述训练样本，得到所述历史用户发言词汇向量；
[0028]根据所述训练参数，得到训练好的所述父神经网络模型输出的标准满意度；
[0029]用所述历史用户发言词汇向量和所述标准满意度训练所述子神经网络模型。
[0030]可选的，进一步包括：
[0031]在判断所述当前满意度不为第一满意度时，判断所述当前满意度是否为第二满意度，若是，向工作人员进行第二告警。
[0032]可选的，进一步包括：
[0033]在所述根据客服和用户的当前对话文本以及训练好的所述子神经网络模型，得到用户对客服的当前满意度之前，将客服和用户的当前对话语音进行转译得到初始当前对话文本；
[0034]将所述初始当前对话文本进行数据清洗处理，得到所述当前对话文本。
[0035]可选的，进一步包括：
[0036]在所述根据所述训练参数，得到训练好的所述父神经网络模型输出的标准满意度之后，根据所述训练参数，得到训练好的所述父神经网络模型的温度参数；
[0037]对应的，在所述用所述历史用户发言词汇向量和所述标准满意度训练所述子神经网络模型之前，进一步包括：
[0038]将所述温度参数配置到所述子神经网络模型中。
[0039]为了达到以上目的，本专利技术的另一方面公开了一种客服服务监控装置，所述装置包括：
[0040]训练样本构建模块，用于根据客服和用户的历史对话文本和预设的情感词典，构建训练样本；
[0041]训练模块，用于用所述训练样本训练预设的父神经网络模型，提取训练好的所述父神经网络模型的训练参数，用所述训练参数和所述训练样本训练预设的子神经网络模型；
[0042]告警模块，用于根据客服和用户的当前对话文本以及训练好的所述子神经网络模型，得到用户对客服的当前满意度；判断所述当前满意度是否为第一满意度，若是，向工作人员进行第一告警。
[0043]本专利技术还公开了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法。
[0044]本专利技术还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。
[0045]本专利技术还公开了一种计算机程序产本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种客服服务监控方法，其特征在于，包括：根据客服和用户的历史对话文本和预设的情感词典，构建训练样本；用所述训练样本训练预设的父神经网络模型，提取训练好的所述父神经网络模型的训练参数，用所述训练参数和所述训练样本训练预设的子神经网络模型；根据客服和用户的当前对话文本以及训练好的所述子神经网络模型，得到用户对客服的当前满意度；判断所述当前满意度是否为第一满意度，若是，向工作人员进行第一告警。2.根据权利要求1所述的方法，其特征在于，进一步包括：在所述根据客服和用户的历史对话文本和预设的情感词典，构建训练样本之前，将客服和用户的历史对话语音进行转译得到初始历史对话文本；将所述初始历史对话文本进行数据清洗处理，得到所述历史对话文本。3.根据权利要求1所述的方法，其特征在于，所述根据客服和用户的历史对话文本和预设的情感词典，构建训练样本，包括：根据所述历史对话文本，得到历史用户发言文本；根据所述历史用户发言文本，得到历史用户发言词汇向量；根据所述历史用户发言词汇向量和预设的情感词典，得到与所述历史用户发言词汇向量对应的历史满意度；根据所述历史用户发言词汇向量和所述历史满意度，构建所述训练样本。4.根据权利要求3所述的方法，其特征在于，所述根据所述历史用户发言词汇向量和预设的情感词典，得到与所述历史用户发言词汇向量对应的历史满意度，包括：根据所述历史用户发言词汇向量和预设的情感词典，得到所述历史用户发言词汇向量的满意分数；根据所述满意分数，确定所述历史满意度。5.根据权利要求4所述的方法，其特征在于，所述根据所述历史用户发言词汇向量和预设的情感词典，得到所述历史用户发言词汇向量的满意分数，包括：根据所述历史用户发言词汇向量和预设的情感词典，得到所述历史用户发言词汇向量中的正面词汇、每个所述正面词汇对应的正面权值、负面词汇和每个所述负面词汇对应的负面权值；将所述历史用户发言词汇向量中的所有所述正面词汇对应的正面权值和所有所述负面词汇对应的负面权值进行累加，得到所述历史用户发言词汇向量的满意分数。6.根据权利要求5所述的方法，其特征在于，所述根据所述历史用户发言词汇向量和预设的情感词典，得到所述历史用户发言词汇向量中的正面词汇、每个所述正面词汇对应的正面权值、负面词汇和每个所述负面词汇对应的负面权值，包括：根据所述历史用户发言词汇向量和预设的情感词典，得到所述历史用户发言词汇向量中的正面词汇、每个所述正面词汇对应的初始正权值、负面词汇和每个所述负面词汇对应的初始负权值；判断每个所述正面词汇在所述历史用户发言词汇向量中是否有对应的第一程度词，若是，根据所述第一程度词得到第一程度系数，根据所述第一程度系数和所述初始正权值，得到所述正面词汇对应的正面权值；若否...
【专利技术属性】
技术研发人员：刘宇琦，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。