本發(fā)明涉及計算機通信技術領域，尤其涉及一種基于情緒分析的智能質檢方法。

背景技術：

服務質量監(jiān)控工作，即對客服代表在接續(xù)客戶過程中存在的服務質量問題通過及時、有效的監(jiān)控，給予客觀平價，查找客服工作中存在的不足，及時形成有效信息，杜絕類似問題重現(xiàn)、對隱患問題有進行預見性的避免，有利于提升用戶滿意度。而現(xiàn)有的質檢工作中，客服中心雖然有專門的質檢團隊，負責整個熱線的座席員工服務質量檢查和各類專項質檢分析，但工作內容主要是對通話錄音進行抽樣復聽、統(tǒng)計問題、形成報告并進行后續(xù)監(jiān)督管控。當前客服質檢工作存在的主要問題包括質檢被動、效率不足、主觀性強。

技術實現(xiàn)要素：

本發(fā)明的目的在于：為解決現(xiàn)有人工質檢方法的效率低下的問題，本發(fā)明提供一種基于情緒分析的智能質檢方法，將情緒分析運用在坐席質檢中，能夠模擬人工質檢中對坐席情緒的判斷，在提高效率的同時保證的準確度。

本發(fā)明的方案如下：

一種基于情緒分析的智能質檢方法，包括如下步驟，

s1：獲取可用的的坐席語音。

s2：讀取坐席語音，對坐席的語音提取情感特征參數(shù)。

s3：將情感特征參數(shù)結合語義進行分析處理，判斷客服的情緒，得出質檢結果。

s4：將質檢結果記入質檢數(shù)據(jù)庫。

具體地，所述的s1中，具體包含如下步驟：

s11：批量選擇通話，采用篩選器對語音數(shù)據(jù)庫中的語音進行篩選，篩選器中設有多種篩選模型，篩選模型包括無聲電話模型，搶話模型，未及時響應客戶需求模型，還包括通話時長模型和坐席工號模型；首先通過無聲電話模型進行一級篩選，對一級篩選剩下通話進行搶話模型或未及時響應客戶需求模型進行二級篩選，篩選出有搶話、未及時響應客戶需求的情況后，直接判定為質檢不合格，將此結果記錄到質檢數(shù)據(jù)庫中，同時，將此類通話剔除；采用通話時長模型或坐席工號模型對剩下的通話進行三級篩選，從篩選剩下的通話中篩選到符合條件的客戶與客服通話過程中的原始語音后，對原始語音進行場景分割，得到用戶語音和坐席語音。

s12：提取坐席語音，并對坐席語音去除噪聲和干擾后，進行放大處理得到可用的坐席語音。

具體地，所述的s3中，具體包含如下步驟：

s31：設定情感特征參數(shù)閾值，其中，情感特征參數(shù)包括基頻、共振峰、短時能量、時長和語速。

s32：將通話信號進行分段處理，將每一段的通話信號中的基頻、共振峰、短時能量、時長和語速量化為具體數(shù)值，將這些測定的數(shù)值作為情感特征參數(shù)。

s331：將s22中測得的情感特征參數(shù)和提前設定的情感特征參數(shù)域值進行比較，如果情感特征參數(shù)未超過閾值，則判斷為情感特征參數(shù)正常，如果情感特征參數(shù)超過閾值，則判斷為情感特征參數(shù)異常，再計算超過的數(shù)值。

s332：坐席的單向通話信號轉化為文本，將文本與提前建立的敏感詞庫進行比對，判斷文本中是否出現(xiàn)了敏感詞；敏感詞匯庫的內容為坐席不能說出的詞匯或語句，核心詞匯庫的內容為坐席必須說出的禮貌用語。

s34：結合步驟s22和s231、s232的結果，判斷坐席的情緒；再次將文本內容與提前建立的標準詞匯庫進行對比，判斷文本中是否出現(xiàn)了標準詞，得出結果后再結合坐席情緒得出質檢結果。

進一步地，所述s24中，判斷坐席的情緒的具體過程為：若情感特征參數(shù)正常且文本中未出現(xiàn)敏感詞匯，則判斷為情緒正常；若情感特征參數(shù)不正常且沒有涉及敏感詞匯，則判斷為情緒異常a，且根據(jù)情感特征參數(shù)超出閾值的數(shù)值進行判定異常等級，超過閾值的數(shù)值越多，異常等級越高；若情感特征參數(shù)正常且涉及敏感詞匯，則判斷為情緒異常b；若情情感特征參數(shù)不正常且涉及敏感詞匯，則判斷為嚴重情緒異常，且根據(jù)情感特征參數(shù)超出閾值的數(shù)值進行判定異常等級，超過閾值的數(shù)值越多，異常等級越高。

進一步地，所述s24中，判斷是否出現(xiàn)標準詞再結合坐席情緒得出之間結果的具體過程為：

若情緒正常，且出現(xiàn)了標準詞，則判定為質檢合格；其余情況均為不合格。

進一步地，所述情感特征參數(shù)閾值根據(jù)客服的性別的不同而不同。

進一步地，敏感詞匯庫1的更新周期周期支持按天統(tǒng)計、按周統(tǒng)計、按月統(tǒng)計、按季度統(tǒng)計、按半年統(tǒng)計、按一年統(tǒng)計。

采用上述方案后，本發(fā)明的有益效果在于：

采用本發(fā)明的方法，無需采用傳統(tǒng)的人工質檢方式，將情緒分析引入質檢過程，更加智能化的同時提高了效率；建立了敏感詞匯庫和標準詞庫，提供雙面檢測，進一步增加了過程中的準確性；通過篩選器對原始的批量通話進行篩選，并且，通過搶話模型和未及時響應客戶需求模型直接篩選出來，判定質檢不合格，減少了后續(xù)質檢步驟，提高了質檢效率，同時，檢測全面。

具體實施方式

本說明書中公開的所有特征，除了互相排斥的特征和/或步驟以外，均可以以任何方式組合。

下面對本發(fā)明作詳細說明。

一種基于情緒分析的智能質檢方法，包括如下步驟，

s11：批量選擇通話，采用篩選器對語音數(shù)據(jù)庫中的語音進行篩選，篩選器中設有多種篩選模型，篩選模型包括無聲電話模型，搶話模型，未及時響應客戶需求模型，還包括通話時長模型和坐席工號模型；首先通過無聲電話模型進行一級篩選，對一級篩選剩下通話進行搶話模型或未及時響應客戶需求模型進行二級篩選，篩選出有搶話、未及時響應客戶需求的情況后，直接判定為質檢不合格，將此結果記錄到質檢數(shù)據(jù)庫中，同時，將此類通話剔除；采用通話時長模型或坐席工號模型對剩下的通話進行三級篩選，從篩選剩下的通話中篩選到符合條件的客戶與客服通話過程中的原始語音后，對原始語音進行場景分割，得到用戶語音和坐席語音。

具體地，對于無聲電話模型，目的是為了將單通無聲電話處理不符合規(guī)范的語音篩選出，篩選器首先將此類電話刪除，不作為質檢范圍內檢測的通話，該類語音需要滿足的條件為：(1)通過時長大于10s；(2)只有坐席的聲音但客戶完全無聲，或有背景雜音但無客戶聲音。

對于搶話模型，在未進行場景分割前，將坐席與客戶通話過程中出現(xiàn)的、搶話、插話或打斷客戶說話的語音全部檢出，并且，在同一通話過程中，搶話行為出現(xiàn)次數(shù)越多，質檢不合格的等級就越高。

s12：提取坐席語音，并對坐席語音去除噪聲和干擾后，進行放大處理得到可用的坐席語音。

s31：設定情感特征參數(shù)閾值，其中，情感特征參數(shù)包括基頻、共振峰、短時能量、時長和語速；

s32：將通話信號進行分段處理，將每一段的通話信號中的基頻、共振峰、短時能量、時長和語速量化為具體數(shù)值，將這些測定的數(shù)值作為情感特征參數(shù)；

s331：將s22中測得的情感特征參數(shù)和提前設定的情感特征參數(shù)域值進行比較，如果情感特征參數(shù)未超過閾值，則判斷為情感特征參數(shù)正常，如果情感特征參數(shù)超過閾值，則判斷為情感特征參數(shù)異常，再計算超過的數(shù)值；

s332：坐席的單向通話信號轉化為文本，將文本與提前建立的敏感詞庫進行比對，判斷文本中是否出現(xiàn)了敏感詞；敏感詞匯庫的內容為坐席不能說出的詞匯或語句，核心詞匯庫的內容為坐席必須說出的禮貌用語；

s34：結合步驟s22和s231、s232的結果，判斷坐席的情緒；再次將文本內容與提前建立的標準詞匯庫進行對比，判斷文本中是否出現(xiàn)了標準詞，得出結果后再結合坐席情緒得出質檢結果。判斷坐席的情緒的具體過程為：若情感特征參數(shù)正常且文本中未出現(xiàn)敏感詞匯，則判斷為情緒正常；若情感特征參數(shù)不正常且沒有涉及敏感詞匯，則判斷為情緒異常a，且根據(jù)情感特征參數(shù)超出閾值的數(shù)值進行判定異常等級，超過閾值的數(shù)值越多，異常等級越高；若情感特征參數(shù)正常且涉及敏感詞匯，則判斷為情緒異常b；若情情感特征參數(shù)不正常且涉及敏感詞匯，則判斷為嚴重情緒異常，且根據(jù)情感特征參數(shù)超出閾值的數(shù)值進行判定異常等級，超過閾值的數(shù)值越多，異常等級越高。若情緒正常，且出現(xiàn)了標準詞，則判定為質檢合格；其余情況均為不合格。

所述情感特征參數(shù)閾值根據(jù)客服的性別的不同而不同。

所述敏感詞匯庫15-30天更新一次。

本發(fā)明不局限于上述具體實施例，應當理解，本領域的普通技術人員無需創(chuàng)造性勞動就可以根據(jù)本發(fā)明的構思做出諸多修改和變化。總之，凡本技術領域中技術人員依本發(fā)明的構思在現(xiàn)有技術的基礎上通過邏輯分析、推理或者有限的實驗可以得到的技術方案，皆應在由權利要求書所確定的保護范圍內。