1.本发明涉及数据处理技术领域，尤其涉及基于机器学习的客服语音文本的大数据质检方法。
背景技术：
2.目前客服质检存在较大的局限性，落后的人工抽检手段难以对客户服务、经营体系和营销策略提出建设性的有效指导和参考。人工对录音数据进行随机抽检，使得样本基数较少，难以全面挖掘有价值的内容对服务过程进行有效诊断。客户诉求分布分析难度较大。随机抽检致使客户的真实意愿和重复诉求等不能客观准确的呈现。对突增话务的原由缺乏行之有效的分析手段。
3.现有使用bert技术语音转文本后话者分离数据有误差，导致基础数据不准。bert技术没有考虑词性、对上下文信息也仅仅用了embedding，仅仅用语义信息，会出现错判。bert对各个词的权重是一样的，不能突出关键词。
技术实现要素：
4.本发明的目的在于提供基于机器学习的客服语音文本的大数据质检方法。
5.本发明采用的技术方案是：基于机器学习的客服语音文本的大数据质检方法，方法包括以下步骤：步骤1、录音获取：按照抽音规则抽取满足质检覆盖率要求数量的录音；步骤2、全文转写：利用语音质检引擎将选中的录音全部识别转写为文字并做语者分离；步骤3、创建质检规则：通过语音质检引擎按照业务质检要求逐个将质检点形成相应的模型；步骤4、创建打分表模板：通过语音质检引擎根据业务管理要求以及质检点模型建立打分表模板；步骤5、自动打分：语音质检引擎将所有被选取的录音进行打分并自动导入质检应用；步骤6、人工复核：质检人员根据需要对系统自动评分予以复核和修正；步骤7、申诉、复议：坐席员对质检打分提出申诉，并进行完整的复议；步骤8、报表统计：对于质检的结果各个维度的数据统计与报表进行呈现。
6.进一步地，作为一种优选实施方式，步骤3和步骤4中语音质检引擎利用nlp、语义理解、意图分析、静音检测、语速检测、情绪检测对语义内容的深度挖掘形成专业模型。
7.进一步地，作为一种优选实施方式，语音质检引擎连接有多种自然语言分析模块、文件表示模块和机文本分类算法模块。
8.本发明采用以上技术方案，结合ai深度学习的能力，灵活地将自然语言处理、神经网络、机器学习、搜索引擎、知识图谱、用户画像、信息抽取与知识挖掘多项技术结合的产
品，大幅提升工作效率，挖掘分析语音中有价值的信息。主要面向语音数据存储、管理、分析服务，以实现语音数据价值挖掘为目的，综合利用了云计算、语音分析、大数据处理、ai深度学习等前沿技术，旨在帮助客户降低语音数据存管成本、全面掌控坐席与客户的通话内容，并通过通话内容的深度挖掘帮助客户进一步提升业务运营效率和市场响应速度。
附图说明
9.以下结合附图和具体实施方式对本发明做进一步详细说明；图1为本发明基于机器学习的客服语音文本的大数据质检方法的流程示意图；图2为本发明语音质检引擎的原理示意图。
具体实施方式
10.为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图对本申请实施例中的技术方案进行清楚、完整地描述。
11.从传统的服务行业角度出发，电信客服应该借助新兴技术和智能系统增加电信客服系统的质检能力，对客服工作进行升级补充，实现对客户精细化服务的全面支撑。高效的利用海量的客服数据、处理和应用非结构化的数据，结合业务自身特点建立数据分析模型、根据业务发展和客户需求的动态变化调整业务分析模型，快速、直观、多角度展示数据分析结果。
12.如图1或图2所示，本发明公开了基于机器学习的客服语音文本的大数据质检方法，方法包括以下步骤：步骤1、录音获取：按照抽音规则抽取满足质检覆盖率要求数量的录音；步骤2、全文转写：利用语音质检引擎将选中的录音全部识别转写为文字并做语者分离；步骤3、创建质检规则：通过语音质检引擎按照业务质检要求逐个将质检点形成相应的模型；步骤4、创建打分表模板：通过语音质检引擎根据业务管理要求以及质检点模型建立打分表模板；步骤5、自动打分：语音质检引擎将所有被选取的录音进行打分并自动导入质检应用；步骤6、人工复核：质检人员根据需要对系统自动评分予以复核和修正；步骤7、申诉、复议：坐席员对质检打分提出申诉，并进行完整的复议；步骤8、报表统计：对于质检的结果各个维度的数据统计与报表进行呈现。
13.进一步地，作为一种优选实施方式，步骤3和步骤4中语音质检引擎利用nlp、语义理解、意图分析、静音检测、语速检测、情绪检测对语义内容的深度挖掘形成专业模型。
14.进一步地，作为一种优选实施方式，语音质检引擎连接有多种自然语言分析模块、文件表示模块和机文本分类算法模块。
15.本发明采用以上技术方案，结合ai深度学习的能力，灵活地将自然语言处理、神经网络、机器学习、搜索引擎、知识图谱、用户画像、信息抽取与知识挖掘多项技术结合的产品，大幅提升工作效率，挖掘分析语音中有价值的信息。主要面向语音数据存储、管理、分析
服务，以实现语音数据价值挖掘为目的，综合利用了云计算、语音分析、大数据处理、ai深度学习等前沿技术，旨在帮助客户降低语音数据存管成本、全面掌控坐席与客户的通话内容，并通过通话内容的深度挖掘帮助客户进一步提升业务运营效率和市场响应速度。
16.显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
技术特征：
1.基于机器学习的客服语音文本的大数据质检方法，其特征在于：其包括以下步骤：步骤1、录音获取：按照抽音规则抽取满足质检覆盖率要求数量的录音；步骤2、全文转写：利用语音质检引擎将选中的录音全部识别转写为文字并做语者分离；步骤3、创建质检规则：通过语音质检引擎按照业务质检要求逐个将质检点形成相应的模型；步骤4、创建打分表模板：通过语音质检引擎根据业务管理要求以及质检点模型建立打分表模板；步骤5、自动打分：语音质检引擎将所有被选取的录音进行打分并自动导入质检应用；步骤6、人工复核：质检人员根据需要对系统自动评分予以复核和修正；步骤7、申诉、复议：坐席员对质检打分提出申诉，并进行完整的复议；步骤8、报表统计：对于质检的结果各个维度的数据统计与报表进行呈现。2.根据权利要求1所述的基于机器学习的客服语音文本的大数据质检方法，其特征在于：步骤3和步骤4中语音质检引擎利用nlp、语义理解、意图分析、静音检测、语速检测、情绪检测对语义内容的深度挖掘形成专业模型。3.根据权利要求1所述的基于机器学习的客服语音文本的大数据质检方法，其特征在于：语音质检引擎连接有多种自然语言分析模块、文件表示模块和机文本分类算法模块。
技术总结
本发明公开基于机器学习的客服语音文本的大数据质检方法，合AI深度学习的能力，灵活地将自然语言处理、神经网络、机器学习、搜索引擎、知识图谱、用户画像、信息抽取与知识挖掘多项技术结合的产品，大幅提升工作效率，挖掘分析语音中有价值的信息。主要面向语音数据存储、管理、分析服务，以实现语音数据价值挖掘为目的，综合利用了云计算、语音分析、大数据处理、AI深度学习等前沿技术，旨在帮助客户降低语音数据存管成本、全面掌控坐席与客户的通话内容，并通过通话内容的深度挖掘帮助客户进一步提升业务运营效率和市场响应速度。步提升业务运营效率和市场响应速度。步提升业务运营效率和市场响应速度。
技术研发人员：李洪嘉 郑小翠 廖晓萍
受保护的技术使用者：中电福富信息科技有限公司
技术研发日：2021.10.11
技术公布日：2022/1/14