[发明专利]基于深度学习的信息检测方法、装置及计算机存储介质

说明书

本申请实施例提供一种基于深度学习的信息检测方法、装置及计算机存储介质，方法包括：接受目标内容信息，根据命名实体识别模型得到所述目标内容信息中的实体信息；对所述实体信息中进行完整性检测并根据预设知识库对所述实体信息进行实时性检测；根据情感模型对所述目标内容信息进行情感检测；根据所述完整性检测的结果、实时性检测的结果和所述情感检测的结果执行对应的告警操作；本申请能够有效、准确和可靠地对客户人员回复的内容进行实时监控，提高回复内容的准确性和可靠性，进而提升用户体验。

技术领域

本申请涉及深度学习领域，具体涉及一种基于深度学习的信息检测方法、装置及计算机存储介质。

背景技术

随着互联网应用的普及和发展，越来越多的公司选择用互联网在线客服沟通的模式取代传统的电话客服模式。其主要原因是：一、互联网的普及使人们更希望使用网络聊天的方式进行沟通；二，对于互联网服务方，互联网在线客服的沟通效率是普通电话客服的三到六倍。客服人员可以同时为更多的用户提供服务。

无论互联网在线客服还是传统的电话客服，客服人员的回复标准化程度都是对产品和服务提升的重要因素。目前比较流行的客服回复标准化程度监测技术是：

1、人工质检，质检人员分析客服人员和客户的沟通信息，从而判断客服人员的回复是否标准。并且将发现问题共享给客服人员。

2、数据字典和问答列表，有经验的客服人员或客服主管会将一些常见的问题和标准的回复方式总结成数据字典或者问答列表。客服人员在回答的过程中可以通过在字典中查找相关的问题获得标准答案。

3、模版，客服人员可以制作常用回复模版，当客户问到相应的问题是可以用模版内容进行回复。

发明人发现，目前的客服回复标准化程度监测技术存在一下问题：

1、人工质检限于人工成本社时间的限制，只能做到抽查。无法对所有客服的回复进行分析。覆盖率相对很低。此外人工质检发生在客服回复客户之后，不标准的回复已经发送给客户，其负面影响已经产生。

2、数据字典和问答列表不能做到所有的问题都覆盖到。此外客服人员需要通过查询才能找到答案。影响时间并且覆盖率相对较低。并且数据字典的答案可能随着时间而发生变化，客服人员可能因为经验而不进行查询，从而错过了更新的正确答案。

3、模版同样存在着覆盖率低的问题。

因此，亟需一种基于深度学习的信息检测方法、装置及计算机存储介质，以对客户人员回复的内容进行实时监控，提高回复内容的准确性和可靠性，进而提升用户体验。

发明内容

针对现有技术中的问题，本申请提供一种基于深度学习的信息检测方法、装置及计算机存储介质，能够有效、准确和可靠地对客户人员回复的内容进行实时监控，提高回复内容的准确性和可靠性，进而提升用户体验。

为了解决上述问题中的至少一个，本申请提供以下技术方案：

第一方面，本申请提供一种基于深度学习的信息检测方法，包括：

接受目标内容信息，根据命名实体识别模型得到所述目标内容信息中的实体信息；

对所述实体信息中进行完整性检测并根据预设知识库对所述实体信息进行实时性检测；

根据情感模型对所述目标内容信息进行情感检测；

根据所述完整性检测的结果、实时性检测的结果和所述情感检测的结果执行对应的告警操作。

进一步地，所述对所述实体信息中进行完整性检测，包括：

对所述实体信息中的关键词实体进行完整性检测，得到完整性检测结果。

进一步地，所述根据预设知识库对所述实体信息进行实时性检测，包括：