[发明专利]一种语音信息的满意度的获取方法和装置

说明书

本发明的实施例提供一种语音信息的满意度的获取方法和装置，方法包括：获取整个语音会话的多个语音片段的情感特征信息；将所述语音片段分为两类，得到两个类型的语音片段的情绪标签；根据所述情感特征信息以及所述情绪标签，得到所述多个语音片段的情绪置信度；根据所述多个语音片段的情绪置信度，获取所述整个语音会话的满意度值。本发明的方案从而得到更加精确的满意度。

技术领域

本发明涉及语音处理技术领域，特别是指一种语音信息的满意度的获取方法和装置。

背景技术

目前获得客户满意程度的主要衡量方法有三种：对话结束后让客户对客服人员服务的满意程度进行打分；利用客服录音的对话特征或音频特征，建立满意度分类模型；利用语音识别引擎，将对话录音转写为文本，再使用自然语言理解的相关算法进行满意度分析。

在录音通话结束后，让客户对客服人员的服务的满意程度进行打分：不同分值对应不同程度的满意或者不满意，这样的方法可以直接得到客户满意度的定量结果。

利用对话特征或者音频特征，建立满意度分析模型的方法，首先获取多个客服对话的满意度训练数据，然后提取若干对话特征或音频特征作为训练样本，以对应的满意度结果作为目标值进行分类模型训练，得到分类模型。

语音识别引擎，可以将客服录音数据转写为对话形式的文本，文本中存在一系列与满意度相关的词组，通过已有的自然语言理解算法，可以将对话文本进行分类，以实现对客服录音的满意度分析。

综合语音识别的文本和语音情感分析曲线，进行满意度分析。

如前所述，现有的获得客户满意程度的方案主要有以下问题：

通过用户打分虽然可以直接获得客户的满意程度，但是这种方式是依靠的是客户，具有有效满意度打分的对话比例较低。

单纯利用客服录音的对话特征或者音频特征，建立的满意度分类模型，往往很难得到较高的分类精度，因为客服录音本身包含至少两个说话人，对话轮数及时长不固定，很难找到较好的与满意度相关度较高的特征。

利用语音识别引擎转写成文本后，再进行文本分析方法，在很大程度上依赖语音识别引擎的性能。较好的语音识别引擎，往往需要较高的额外开销。

综合语音识别结果和语音情感分析的方法需要借助语音识别引擎，另外，多类别情感分析得到的离散情感类型精度有限，形成的情感变化曲线会损失较多的有用信息。

发明内容

本发明提供了一种语音信息的满意度的获取方法和装置，从而得到更加精确的满意度。

为解决上述技术问题，本发明的实施例提供如下方案：

一种语音信息的满意度的获取方法，包括：

获取整个语音会话的多个语音片段的情感特征信息；

将所述语音片段分为两类，得到两个类型的语音片段的情绪标签；

根据所述情感特征信息以及所述情绪标签，得到所述多个语音片段的情绪置信度；

根据所述多个语音片段的情绪置信度，获取所述整个语音会话的满意度值。

其中，获取整个语音会话的多个语音片段的情感特征信息的步骤包括：

获取整个语音会话的多个语音片段的第一数量的帧级别特征；

根据所述帧级别特征，得到所述整个语音会话的多个语音片段的情感特征信息。

其中，所述帧级别特征包括：过零率，基频，能量均方根，谐波噪声比，一预设维数的梅尔倒谱参数MFCC；

根据所述帧级别特征，得到所述整个语音会话的多个语音片段的情感特征信息的步骤包括：