基于录音内容的质检评分方法、装置、设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种基于录音内容的质检评分方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.坐席在接客户电话的时候，会根据自己的判断来决定是否已经解决了客户的问题，是否还需要上报工单来进一步解决客户问题。由于坐席做该判断的时候会有一些人工的误差，导致很多客户的问题没有得到真正的解决。因此需要对客户录音内容进行质检，并根据质检得到的评分进而做出对应的操作。因此亟待提出一种质检评分方法，以评判坐席对客户的服务质量。


技术实现要素：

3.本发明提供一种基于录音内容的质检评分方法、装置及计算机可读存储介质，其主要目的在于评判坐席对客户的服务质量。
4.为实现上述目的，本发明提供的一种基于录音内容的质检评分方法，包括：
5.获取原始录音数据，对所述原始录音数据进行文本转换，得到原始文本数据；
6.将所述原始文本数据与预设的关键词黑名单进行比对，根据比对得到的结果生成关键词评分；
7.根据所述原始文本数据构建超平面函数，并利用所述超平面函数对所述原始文本数据进行分类，得到分类结果；
8.对所述分类结果进行评分，得到分类评分；
9.将所述关键词评分和所述分类评分作为预设的质检评分公式的输入，得到所述原始录音数据的质检评分。
10.可选地，所述对所述原始录音数据进行文本转换，得到原始文本数据，包括：
11.识别所述原始录音数据中的静音段，并对所述静音段执行切除处理，得到初始录音数据；
12.对所述初始录音数据进行特征提取，得到特征向量集；
13.根据预设的声学模型、语言模型和字典对所述特征向量集进行语音识别，得到原始文本数据。
14.可选地，所述根据预设的声学模型、语言模型和字典对所述特征向量集进行语音识别，得到原始文本数据，包括：
15.利用预设的声学模型对所述特征向量集进行音素处理，得到音素信息；
16.基于预设的字典得到所述音素信息对应的单个字或者单个词；
17.利用预设的语言模型识别所述单个字或者单个词之间的关联概率值，并根据所述概率值将所述单个字或者单个词组合为所述原始文本数据。
18.可选地，所述利用所述语言模型识别所述单个字或者单个词之间的关联概率值，
包括：
19.对所述单个字或者单个词进行向量化处理，得到所述单个字对应的字向量及所述单个词对应的词向量；
20.根据所述语言模型中的前向长短记忆网络层以及后向长短记忆网络层对所述字向量或所述词向量进行转换处理，得到向量矩阵；
21.将所述向量矩阵输入至预设的激活函数，得到单个字或者单个词之间的关联概率值。
22.可选地，所述将所述原始文本数据与预设的关键词黑名单进行比对，根据比对得到的结果生成关键词评分，包括：
23.对所述原始文本数据进行分词处理，得到分词集；
24.将所述分词集中的分词与所述关键词黑名单中的关键词进行比对，并汇总与所述关键词黑名单重合的分词个数，得到重合数；
25.根据所述重合数所属的不同的预设数值区间，生成对应的关键词评分。
26.可选地，所述根据所述原始文本数据构建超平面函数，包括：
27.统计所述原始文本数据对应的数据总数，并将所述数据总数作为特征维度；
28.获取预设的分类标签集，并对所述分类标签集进行分析得到标签总数；
29.以所述特征维度和所述标签总数构建多维坐标系；
30.将所述原始文本数据映射至所述多维坐标系中，得到文本坐标集；
31.计算所述文本坐标集中任意两个文本坐标之间的距离值；
32.对所述距离值进行排序，选择最小距离值对应的两个文本坐标分别作为第一文本坐标和第二文本坐标；
33.以所述第一文本坐标为左边界，以所述第二文本坐标为右边界，构建得到一个超平面；
34.选取所述超平面的中心建立一个超平面函数。
35.可选地，所述利用所述超平面函数对所述原始文本数据进行分类，得到分类结果，包括：
36.分别计算所述超平面函数与所述第一文本坐标和所述第二文本坐标之间的距离值，并根据所述距离值构建最小距离函数；
37.获取预设的约束条件，并利用拉格朗日函数求解基于所述约束条件下的最小距离函数，得到超平面；
38.利用所述超平面对所述原始文本数据进行分类，得到分类结果。
39.为了解决上述问题，本发明还提供一种基于录音内容的质检评分装置，所述装置包括：
40.文本转换模块，用于获取原始录音数据，对所述原始录音数据进行文本转换，得到原始文本数据；
41.关键词比对模块，用于将所述原始文本数据与预设的关键词黑名单进行比对，根据比对得到的结果生成关键词评分；
42.文本分类模块，用于根据所述原始文本数据构建超平面函数，并利用所述超平面函数对所述原始文本数据进行分类，得到分类结果，对所述分类结果进行评分，得到分类评
分；
43.质检评分模块，用于将所述关键词评分和所述分类评分作为预设的质检评分公式的输入，得到所述原始录音数据的质检评分。
44.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
45.至少一个处理器；以及，
46.与所述至少一个处理器通信连接的存储器；其中，
47.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于录音内容的质检评分方法。
48.为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于录音内容的质检评分方法。
49.本发明实施例将录音数据转换为文本数据，以文本的形式表达，便于分析；进一步，将文本数据与预设的关键词黑名单进行比对，从关键词黑名单的角度对文本数据进行初次评分；通过构建超平面函数，对所述文本数据进行分类，根据所述分类结果对文本数据进行初次评分，并根据两次评分得到最终的质检评分。本发明实施例考虑了不止一个维度的评分，能够更准确的评判坐席对客户的服务质量。因此本发明提出的基于录音内容的质检评分方法、装置、电子设备及计算机可读存储介质，可以实现评判坐席对客户的服务质量。
附图说明
50.图1为本发明一实施例提供的基于录音内容的质检评分方法的流程示意图；
51.图2为本发明一实施例提供的基于录音内容的质检评分装置的功能模块图；
52.图3为本发明一实施例提供的实现所述基于录音内容的质检评分方法的电子设备的结构示意图。
53.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
54.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
55.本技术实施例提供一种基于录音内容的质检评分方法。所述基于录音内容的质检评分方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述基于录音内容的质检评分方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdelivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
56.参照图1所示，为本发明一实施例提供的基于录音内容的质检评分方法的流程示意图。在本实施例中，所述基于录音内容的质检评分方法包括：
57.s1、获取原始录音数据，对所述原始录音数据进行文本转换，得到原始文本数据。
58.本发明实施例中，所述原始录音数据为智能客服场景下没有上报工单的关于坐席和客户的电话沟通内容。
59.具体地，所述对所述原始录音数据进行文本转换，得到原始文本数据，包括：
60.识别所述原始录音数据中的静音段，并对所述静音段执行切除处理，得到初始录音数据；
61.对所述初始录音数据进行特征提取，得到特征向量集；
62.根据预设的声学模型、语言模型和字典对所述特征向量集进行语音识别，得到原始文本数据。
63.详细地，所述原始录音数据中的静音段是指音频中长时间处于没有声音的数据，对所述静音段执行切除处理可以节省所述原始录音数据所占用的带宽资源。
64.进一步地，对所述初始录音数据进行特征提取即对所述初始录音数据进行预加重处理、分帧处理、加窗处理以及快速傅里叶变换等一系列处理，得到所述初始录音数据对应的频谱，并对所述频谱进行离散余弦变化，得到特征向量集。
65.具体地，所述根据预设的声学模型、语言模型和字典对所述特征向量集进行语音识别，得到原始文本数据，包括：
66.利用预设的声学模型对所述特征向量集进行音素处理，得到音素信息；
67.基于预设的字典得到所述音素信息对应的单个字或者单个词；
68.利用预设的语言模型识别所述单个字或者单个词之间的关联概率值，并根据所述概率值将所述单个字或者单个词组合为所述原始文本数据。
69.优选地，所述声学模型可以为bert模型，所述语言模型可以为双向长短期记忆网络模型。
70.其中，音素是语音中最小的单位，本发明实施例中，所述音素信息包含英语中的音标，以及汉语中的声母和韵母等。所述字典里包括音素信息和所述音素对应的单个字或者词。本发明实施例通过根据所述音素信息在所述预设的字典中执行遍历操作，得到所述音素信息相对应的单个字或者词。
71.进一步地，所述利用所述语言模型识别所述单个字或者单个词之间的关联概率值，包括：
72.对所述单个字或者单个词进行向量化处理，得到所述单个字对应的字向量及所述单个词对应的词向量；
73.根据所述语言模型中的前向长短记忆网络层以及后向长短记忆网络层对所述字向量或所述词向量进行转换处理，得到向量矩阵；
74.将所述向量矩阵输入至预设的激活函数，得到单个字或者单个词之间的关联概率值。
75.优选地，所述激活函数可以为softmax函数。
76.进一步地，本发明实施例根据所述概率值将所述单个字或者单个词识别成完整的文字集，根据所述音素信息相对应的单个字或者单个词的概率值与预设的概率阈值进行判断，将所述大于所述概率阈值的对应单个字或者单个词进行保留，将所述小于或者等于所述概率阈值的对应单个字或者单个词进行删除，将所述保留下来的单个字或者单个词识别
为文字集。
77.例如，所述语言模型识别所述单个字或者词相互关联的概率值为：我：0.0786，是：0.0546，我是：0.0967，客服：0.06785，客服人员：0.0898，所述概率阈值为0.08，故将“我是”，“客服人员”保留，其余进行删除，识别到的文本为“我是客服人员”。
78.在本发明另一实施例中，可以采用asr语音识别技术对所述原始录音数据进行文本转换，得到原始文本数据。其中，所述asr语音识别技术，也被称为自动语音识别automatic speech recognition(asr)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。
79.s2、将所述原始文本数据与预设的关键词黑名单进行比对，根据比对得到的结果生成关键词评分。
80.本发明实施例中，所述预设的关键词黑名单中包含一些在客服场景下不允许提出或者严格禁止的词汇，当所述原始文本数据中若存在与所述关键词黑名单中重合的关键词，会影响到后续的关键词评分。
81.具体地，所述将所述原始文本数据与预设的关键词黑名单进行比对，根据比对得到的结果生成关键词评分，包括：
82.对所述原始文本数据进行分词处理，得到分词集；
83.将所述分词集中的分词与所述关键词黑名单中的关键词进行比对，并汇总与所述关键词黑名单重合的分词个数，得到重合数；
84.根据所述重合数所属的不同的预设数值区间，生成对应的关键词评分。
85.详细地，所述分词处理可以采用基准分词器进行分词，其中，所述基准分词器可以为哈工大的分词器、字嵌入+bi
‑
lstm+crf分词器、zpar分词器或结巴分词工具。
86.例如，预设的第一数值区间为0
‑
10，预设的第二数值区间为11
‑
20，预设的第三数值区间未21
‑
30，若所述重合数属于所述第一数值区间，则对应的关键词评分为30分，以此类推。
87.s3、根据所述原始文本数据构建超平面函数，并利用所述超平面函数对所述原始文本数据进行分类，得到分类结果。
88.本发明实施例中，所述根据所述原始文本数据构建超平面函数，包括：
89.统计所述原始文本数据对应的数据总数，并将所述数据总数作为特征维度；
90.获取预设的分类标签集，并对所述分类标签集进行分析得到标签总数；
91.以所述特征维度和所述标签总数构建多维坐标系；
92.将所述原始文本数据映射至所述多维坐标系中，得到文本坐标集；
93.计算所述文本坐标集中任意两个文本坐标之间的距离值；
94.对所述距离值进行排序，选择最小距离值对应的两个文本坐标分别作为第一文本坐标和第二文本坐标；
95.以所述第一文本坐标为左边界，以所述第二文本坐标为右边界，构建得到一个超平面；
96.选取所述超平面的中心建立一个超平面函数。
97.其中，所述预设的分类标签集即为客户的情绪标签。
98.例如，所述原始文本数据的数据总数作为特征维度，假如存在两个特征子集，则特征维度为2，以所述标签集为y轴，所述特征子集为x轴构建一个二维坐标系，并将所述多个特征子集映射至所述二维坐标系上，得到所述二维坐标系上的特征坐标集。以所述第一文本坐标为左边界，以所述第二文本坐标为右边界，所述左边界的函数可以为w*x+b＝1，右边界的函数可以为w*x+b＝
‑
1，因此所述超平面函数为w*x+b＝0。
99.具体地，所述利用所述超平面函数对所述原始文本数据进行分类，得到分类结果，包括：
100.分别计算所述超平面函数与所述第一文本坐标和所述第二文本坐标之间的距离值，并根据所述距离值构建最小距离函数；
101.获取预设的约束条件，并利用拉格朗日函数求解基于所述约束条件下的最小距离函数，得到超平面；
102.利用所述超平面对所述原始文本数据进行分类，得到分类结果。
103.进一步地，所述分别计算所述超平面函数与所述第一文本坐标和所述第二文本坐标之间的距离值，包括：
[0104][0105]
其中，γ
i
为距离值，x
i
为第i个文本坐标，y
i
为所述分类标签集中的第i个分类标签，w和b为预设的固定参数。
[0106]
详细地，在本发明实施例中，所述预设的约束条件为每个坐标到超平面的距离都大于等于最小距离函数。
[0107]
s4、对所述分类结果进行评分，得到分类评分。
[0108]
本发明实施例中，所述对所述分类结果进行评分，得到分类评分，包括：
[0109]
获取预设的分类规则表，所述分类规则表包含分类类别及对应的评分；
[0110]
根据所述分类规则表对所述分类结果进行评分，得到分类评分，
[0111]
详细地，对所述分类结果进行评分，可以增加后续质检评分的维度，使得质检评分更加精准。
[0112]
s5、将所述关键词评分和所述分类评分作为预设的质检评分公式的输入，得到所述原始录音数据的质检评分。
[0113]
本发明实施例中，所述将所述关键词评分和所述分类评分作为预设的质检评分公式的输入，包括：
[0114]
所述预设的质检评分公式为：
[0115]
score＝α*q1+β*q2
[0116]
其中，score为所述质检评分，q1为所述关键词评分，q2为所述分类评分，α和β为预设的权重。
[0117]
详细地，根据所述质检评分可以排序出最有可能有问题的的数据再交给业务人员根据录音内容和转换成的文本挨个核对检查。同时本方案中涉及到关键词黑名单以及对客户情绪类别的分析，因此更加精准。
[0118]
本发明实施例将录音数据转换为文本数据，以文本的形式表达，便于分析；进一步，将文本数据与预设的关键词黑名单进行比对，从关键词黑名单的角度对文本数据进行
初次评分；通过构建超平面函数，对所述文本数据进行分类，根据所述分类结果对文本数据进行初次评分，并根据两次评分得到最终的质检评分。本发明实施例考虑了不止一个维度的评分，能够更准确的评判坐席对客户的服务质量。因此本发明提出的基于录音内容的质检评分方法可以实现评判坐席对客户的服务质量。
[0119]
如图2所示，是本发明一实施例提供的基于录音内容的质检评分装置的功能模块图。
[0120]
本发明所述基于录音内容的质检评分装置100可以安装于电子设备中。根据实现的功能，所述基于录音内容的质检评分装置100可以包括文本转换模块101、关键词比对模块102、文本分类模块103及质检评分模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0121]
在本实施例中，关于各模块/单元的功能如下：
[0122]
所述文本转换模块101，用于获取原始录音数据，对所述原始录音数据进行文本转换，得到原始文本数据；
[0123]
所述关键词比对模块102，用于将所述原始文本数据与预设的关键词黑名单进行比对，根据比对得到的结果生成关键词评分；
[0124]
所述文本分类模块103，用于根据所述原始文本数据构建超平面函数，并利用所述超平面函数对所述原始文本数据进行分类，得到分类结果，对所述分类结果进行评分，得到分类评分；
[0125]
所述质检评分模块104，用于将所述关键词评分和所述分类评分作为预设的质检评分公式的输入，得到所述原始录音数据的质检评分。
[0126]
详细地，所述基于录音内容的质检评分装置100各模块的具体实施方式如下：
[0127]
步骤一、获取原始录音数据，对所述原始录音数据进行文本转换，得到原始文本数据。
[0128]
本发明实施例中，所述原始录音数据为智能客服场景下没有上报工单的关于坐席和客户的电话沟通内容。
[0129]
具体地，所述对所述原始录音数据进行文本转换，得到原始文本数据，包括：
[0130]
识别所述原始录音数据中的静音段，并对所述静音段执行切除处理，得到初始录音数据；
[0131]
对所述初始录音数据进行特征提取，得到特征向量集；
[0132]
根据预设的声学模型、语言模型和字典对所述特征向量集进行语音识别，得到原始文本数据。
[0133]
详细地，所述原始录音数据中的静音段是指音频中长时间处于没有声音的数据，对所述静音段执行切除处理可以节省所述原始录音数据所占用的带宽资源。
[0134]
进一步地，对所述初始录音数据进行特征提取即对所述初始录音数据进行预加重处理、分帧处理、加窗处理以及快速傅里叶变换等一系列处理，得到所述初始录音数据对应的频谱，并对所述频谱进行离散余弦变化，得到特征向量集。
[0135]
具体地，所述根据预设的声学模型、语言模型和字典对所述特征向量集进行语音识别，得到原始文本数据，包括：
[0136]
利用预设的声学模型对所述特征向量集进行音素处理，得到音素信息；
[0137]
基于预设的字典得到所述音素信息对应的单个字或者单个词；
[0138]
利用预设的语言模型识别所述单个字或者单个词之间的关联概率值，并根据所述概率值将所述单个字或者单个词组合为所述原始文本数据。
[0139]
优选地，所述声学模型可以为bert模型，所述语言模型可以为双向长短期记忆网络模型。
[0140]
其中，音素是语音中最小的单位，本发明实施例中，所述音素信息包含英语中的音标，以及汉语中的声母和韵母等。所述字典里包括音素信息和所述音素对应的单个字或者词。本发明实施例通过根据所述音素信息在所述预设的字典中执行遍历操作，得到所述音素信息相对应的单个字或者词。
[0141]
进一步地，所述利用所述语言模型识别所述单个字或者单个词之间的关联概率值，包括：
[0142]
对所述单个字或者单个词进行向量化处理，得到所述单个字对应的字向量及所述单个词对应的词向量；
[0143]
根据所述语言模型中的前向长短记忆网络层以及后向长短记忆网络层对所述字向量或所述词向量进行转换处理，得到向量矩阵；
[0144]
将所述向量矩阵输入至预设的激活函数，得到单个字或者单个词之间的关联概率值。
[0145]
优选地，所述激活函数可以为softmax函数。
[0146]
进一步地，本发明实施例根据所述概率值将所述单个字或者单个词识别成完整的文字集，根据所述音素信息相对应的单个字或者单个词的概率值与预设的概率阈值进行判断，将所述大于所述概率阈值的对应单个字或者单个词进行保留，将所述小于或者等于所述概率阈值的对应单个字或者单个词进行删除，将所述保留下来的单个字或者单个词识别为文字集。
[0147]
例如，所述语言模型识别所述单个字或者词相互关联的概率值为：我：0.0786，是：0.0546，我是：0.0967，客服：0.06785，客服人员：0.0898，所述概率阈值为0.08，故将“我是”，“客服人员”保留，其余进行删除，识别到的文本为“我是客服人员”。
[0148]
在本发明另一实施例中，可以采用asr语音识别技术对所述原始录音数据进行文本转换，得到原始文本数据。其中，所述asr语音识别技术，也被称为自动语音识别automatic speech recognition(asr)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。
[0149]
步骤二、将所述原始文本数据与预设的关键词黑名单进行比对，根据比对得到的结果生成关键词评分。
[0150]
本发明实施例中，所述预设的关键词黑名单中包含一些在客服场景下不允许提出或者严格禁止的词汇，当所述原始文本数据中若存在与所述关键词黑名单中重合的关键词，会影响到后续的关键词评分。
[0151]
具体地，所述将所述原始文本数据与预设的关键词黑名单进行比对，根据比对得到的结果生成关键词评分，包括：
[0152]
对所述原始文本数据进行分词处理，得到分词集；
[0153]
将所述分词集中的分词与所述关键词黑名单中的关键词进行比对，并汇总与所述关键词黑名单重合的分词个数，得到重合数；
[0154]
根据所述重合数所属的不同的预设数值区间，生成对应的关键词评分。
[0155]
详细地，所述分词处理可以采用基准分词器进行分词，其中，所述基准分词器可以为哈工大的分词器、字嵌入+bi
‑
lstm+crf分词器、zpar分词器或结巴分词工具。
[0156]
例如，预设的第一数值区间为0
‑
10，预设的第二数值区间为11
‑
20，预设的第三数值区间未21
‑
30，若所述重合数属于所述第一数值区间，则对应的关键词评分为30分，以此类推。
[0157]
步骤三、根据所述原始文本数据构建超平面函数，并利用所述超平面函数对所述原始文本数据进行分类，得到分类结果。
[0158]
本发明实施例中，所述根据所述原始文本数据构建超平面函数，包括：
[0159]
统计所述原始文本数据对应的数据总数，并将所述数据总数作为特征维度；
[0160]
获取预设的分类标签集，并对所述分类标签集进行分析得到标签总数；
[0161]
以所述特征维度和所述标签总数构建多维坐标系；
[0162]
将所述原始文本数据映射至所述多维坐标系中，得到文本坐标集；
[0163]
计算所述文本坐标集中任意两个文本坐标之间的距离值；
[0164]
对所述距离值进行排序，选择最小距离值对应的两个文本坐标分别作为第一文本坐标和第二文本坐标；
[0165]
以所述第一文本坐标为左边界，以所述第二文本坐标为右边界，构建得到一个超平面；
[0166]
选取所述超平面的中心建立一个超平面函数。
[0167]
其中，所述预设的分类标签集即为客户的情绪标签。
[0168]
例如，所述原始文本数据的数据总数作为特征维度，假如存在两个特征子集，则特征维度为2，以所述标签集为y轴，所述特征子集为x轴构建一个二维坐标系，并将所述多个特征子集映射至所述二维坐标系上，得到所述二维坐标系上的特征坐标集。以所述第一文本坐标为左边界，以所述第二文本坐标为右边界，所述左边界的函数可以为w*x+b＝1，右边界的函数可以为w*x+b＝
‑
1，因此所述超平面函数为w*x+b＝0。
[0169]
具体地，所述利用所述超平面函数对所述原始文本数据进行分类，得到分类结果，包括：
[0170]
分别计算所述超平面函数与所述第一文本坐标和所述第二文本坐标之间的距离值，并根据所述距离值构建最小距离函数；
[0171]
获取预设的约束条件，并利用拉格朗日函数求解基于所述约束条件下的最小距离函数，得到超平面；
[0172]
利用所述超平面对所述原始文本数据进行分类，得到分类结果。
[0173]
进一步地，所述分别计算所述超平面函数与所述第一文本坐标和所述第二文本坐标之间的距离值，包括：
[0174]
[0175]
其中，γ
i
为距离值，x
i
为第i个文本坐标，y
i
为所述分类标签集中的第i个分类标签，w和b为预设的固定参数。
[0176]
详细地，在本发明实施例中，所述预设的约束条件为每个坐标到超平面的距离都大于等于最小距离函数。
[0177]
步骤四、对所述分类结果进行评分，得到分类评分。
[0178]
本发明实施例中，所述对所述分类结果进行评分，得到分类评分，包括：
[0179]
获取预设的分类规则表，所述分类规则表包含分类类别及对应的评分；
[0180]
根据所述分类规则表对所述分类结果进行评分，得到分类评分，
[0181]
详细地，对所述分类结果进行评分，可以增加后续质检评分的维度，使得质检评分更加精准。
[0182]
步骤五、将所述关键词评分和所述分类评分作为预设的质检评分公式的输入，得到所述原始录音数据的质检评分。
[0183]
本发明实施例中，所述将所述关键词评分和所述分类评分作为预设的质检评分公式的输入，包括：
[0184]
所述预设的质检评分公式为：
[0185]
score＝α*q1+β*q2
[0186]
其中，score为所述质检评分，q1为所述关键词评分，q2为所述分类评分，α和β为预设的权重。
[0187]
详细地，根据所述质检评分可以排序出最有可能有问题的的数据再交给业务人员根据录音内容和转换成的文本挨个核对检查。同时本方案中涉及到关键词黑名单以及对客户情绪类别的分析，因此更加精准。
[0188]
本发明实施例将录音数据转换为文本数据，以文本的形式表达，便于分析；进一步，将文本数据与预设的关键词黑名单进行比对，从关键词黑名单的角度对文本数据进行初次评分；通过构建超平面函数，对所述文本数据进行分类，根据所述分类结果对文本数据进行初次评分，并根据两次评分得到最终的质检评分。本发明实施例考虑了不止一个维度的评分，能够更准确的评判坐席对客户的服务质量。因此本发明提出的基于录音内容的质检评分装置可以实现评判坐席对客户的服务质量。
[0189]
如图3所示，是本发明一实施例提供的实现基于录音内容的质检评分方法的电子设备的结构示意图。
[0190]
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于录音内容的质检评分程序。
[0191]
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于录音内容的质检评分程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
[0192]
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于录音内容的质检评分程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0193]
所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0194]
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi
‑
fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light
‑
emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0195]
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0196]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi
‑
fi模块等，在此不再赘述。
[0197]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0198]
所述电子设备1中的所述存储器11存储的基于录音内容的质检评分程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0199]
获取原始录音数据，对所述原始录音数据进行文本转换，得到原始文本数据；
[0200]
将所述原始文本数据与预设的关键词黑名单进行比对，根据比对得到的结果生成关键词评分；
[0201]
根据所述原始文本数据构建超平面函数，并利用所述超平面函数对所述原始文本数据进行分类，得到分类结果；
[0202]
对所述分类结果进行评分，得到分类评分；
[0203]
将所述关键词评分和所述分类评分作为预设的质检评分公式的输入，得到所述原始录音数据的质检评分。
[0204]
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
[0205]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)。
[0206]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0207]
获取原始录音数据，对所述原始录音数据进行文本转换，得到原始文本数据；
[0208]
将所述原始文本数据与预设的关键词黑名单进行比对，根据比对得到的结果生成关键词评分；
[0209]
根据所述原始文本数据构建超平面函数，并利用所述超平面函数对所述原始文本数据进行分类，得到分类结果；
[0210]
对所述分类结果进行评分，得到分类评分；
[0211]
将所述关键词评分和所述分类评分作为预设的质检评分公式的输入，得到所述原始录音数据的质检评分。
[0212]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0213]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0214]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0215]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0216]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0217]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品
服务层以及应用服务层等。
[0218]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0219]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0220]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。