[发明专利]语音流程质检的方法及装置

权利要求书

1.一种语音流程质检的方法，其特征在于，包括：

获取原始语音文件，所述原始语音文件包括：用户和坐席的语音对话；

根据所述原始语音文件，识别得到所述用户的意图列表，所述意图列表中包括一个或多个所述用户的意图，每个意图对应一个流程节点标识；

获取与所述原始语音文件对应的所述用户办理实际业务的标准路径，所述标准路径包括一个或多个流程节点，每个节点对应一个流程节点标识；

根据所述意图列表和所述标准路径，分析得到所述原始语音文件的质检结果；

所述根据所述原始语音文件，识别得到所述用户的意图列表，包括：

将所述原始语音文件转换为文本文件；

根据所述文本文件中的角色标签，得到所述用户的对话内容和/或所述坐席的对话内容；

根据所述用户的对话内容和/或所述坐席的对话内容，识别得到所述用户的意图列表。

2.根据权利要求1所述的方法，其特征在于，所述根据所述用户的对话内容和/或所述坐席的对话内容，识别得到所述用户的意图列表，包括：

根据所述用户的对话内容，获取所述用户的每句对话和所述对话的上下文；

根据所述用户的每句对话和所述对话的上下文，识别得到所述用户的意图列表；

或者，

根据所述坐席的对话内容，获取所述坐席的每句对话和所述对话的上下文；

根据所述坐席的每句对话和所述对话的上下文，识别得到所述用户的意图列表；

或者，

根据所述用户的对话内容，获取所述用户的每句对话和所述对话的上下文；

根据所述坐席的对话内容，获取所述坐席的每句对话和所述对话的上下文；

根据所述用户的每句对话和所述对话的上下文，以及所述坐席的每句对话和所述对话的上下文，识别得到所述用户的意图列表。

3.根据权利要求2所述的方法，其特征在于，所述根据所述原始语音文件，识别得到所述用户的意图列表，包括：

将每句对话和所述对话的上下文输入模型的双向循环神经网络，通过所述双向循环神经网络进行编码分别得到当前句子和上下文的高维度特征向量；

将所述当前句子和上下文的高维度特征输入所述模型中的注意力层，输出当前句子和上下文的联合表示；

对所述联合表示进行分类，得到每句话的意图标签，输出所述原始语音文件中所述用户的意图列表。

4.根据权利要求3所述的方法，其特征在于，所述对所述联合表示进行分类，得到每句话的意图标签，包括：

将当前句子和上下文的联合表示输入全连接神经网络，输出所述当前句子在预设标签下的概率，得到每句话的意图标签。

5.根据权利要求1所述的方法，其特征在于，所述根据所述意图列表和标准路径，分析得到所述原始语音文件的质检结果，包括：

根据所述意图列表，得到所述用户的待质检路径；

通过字符串匹配的方式，将所述用户的待质检路径与所述标准路径进行匹配，计算所述用户的待质检路径的合规性；

根据所述用户的待质检路径的合规性，得到原始语音文件的质检结果。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

根据所述原始语音文件的质检结果，定位出所述待质检路径中缺少的流程节点；

根据所述缺少的流程节点，确定所述原始语音文件中坐席的违规原因。