满意度评估方法、装置、设备及存储介质与流程

1.本发明涉及智能分析技术领域，尤其涉及一种满意度评估方法、装置、设备及存储介质。


背景技术：

2.随着银行网点经营环境的不断升级和优化，用户的满意度体现银行服务的价值和质量。当前已有的银行网点服务满意度评估的方法利用银行内系统获取服务质量信息，而银行内系统的信息录入需要用户做出主观评价，不稳定性较大，而且由于用户受自身因素的影响无法做到即时评价，容易造成覆盖面小，无法全面覆盖的问题。
3.现有的银行网点服务满意度评估的方法包括非自动化满意度分析和自动化满意度分析。其中非自动化满意度分析通过用户口头反馈和问卷调查的形式实现，该方式需要花费巨大的人力、物力和财力，且过程中容易受疲劳等情绪的影响；自动化满意度分析通常使用视频等单一模态信息进行评估，容易造成有效信息缺失和信息表征不全面等问题，且部分使用多模态信息的方法仅仅使用加权投票的方式评估结果，满意度评估结果的准确率较低。


技术实现要素：

4.本发明的主要目的在于提供一种满意度评估方法、装置、设备及存储介质，旨在提高满意度评估结果的准确率。
5.为实现上述目的，本发明实施例提供一种满意度评估方法，所述方法应用于满意度评估装置，所述方法包括以下步骤：
6.获取用户信息并构建满意度评估样例数据；
7.通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述满意度评估样例数据中分别提取得到对应的视频特征、语音特征和文本特征；
8.基于所述视频特征、语音特征和文本特征构建基于多模态理解的满意度评估模型；
9.通过所述基于多模态理解的满意度评估模型，对业务平台进行满意度评估，得到所述业务平台的满意度评估结果。
10.可选地，所述获取用户信息并构建满意度评估样例数据的步骤之后还包括：
11.对所述满意度评估样例数据进行满意度人工标注，得到满意度人工标注数据；
12.将所述满意度人工标注数据对应的视频模态信息和语音模态信息按照时间戳对齐，得到对齐后的数据；
13.所述通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述满意度评估样例数据中分别提取得到对应的视频特征、语音特征和文本特征的步骤包括：
14.通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述对齐后的数据中分别提取得到对应的视频特征、语音特征和文本特征。
15.可选地，所述通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述对齐后的数据中分别提取得到对应的视频特征、语音特征和文本特征的步骤之前还包括：
16.对所述对齐后的数据进行预处理，得到满意度评估高质数据集；
17.所述通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述对齐后的数据中分别提取得到对应的视频特征、语音特征和文本特征的步骤包括：
18.通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述满意度评估高质数据集中分别提取得到对应的视频特征、语音特征和文本特征。
19.可选地，所述对所述对齐后的数据进行预处理，得到满意度评估高质数据集的步骤包括：
20.从所述对齐后的数据中提取包含用户的视频模态信息并统一数据大小，得到高质量的视频模态信息；
21.设置统一的采样率和声道格式，从所述对齐后的数据中提取得到高质量的语音模态信息；
22.通过自动语音识别asr技术将所述对齐后的数据中对应的语音模态信息转换为文本模态信息；
23.基于所述高质量的视频模态信息、高质量的语音模态信息和所述文本模态信息构建满意度评估高质数据集。
24.可选地，所述通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述满意度评估高质数据集中分别提取得到对应的视频特征、语音特征和文本特征的步骤之前还包括：
25.构建初步的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型；
26.使用所述满意度人工标注数据训练所述初步的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，选取模型性能最优的模型分别作为最终的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型。
27.可选地，基于所述视频特征、语音特征和文本特征构建基于多模态理解的满意度评估模型的步骤包括：
28.建立基于卷积结构的分支混合单元；
29.基于所述分支混合单元，选择分支结构连接所述视频满意度评估特征提取模型、所述语音满意度评估特征提取模型和所述文本满意度评估特征提取模型，得到初步的基于多模态理解的满意度评估模型。
30.可选地，所述通过所述基于多模态理解的满意度评估模型，对业务平台进行满意
度评估，得到所述业务平台的满意度评估结果的步骤之前还包括：
31.使用所述分支混合单元的结果训练所述初步的基于多模态理解的满意度评估模型，选取模型性能最优的模型作为训练后的基于多模态理解的满意度评估模型；
32.所述通过所述基于多模态理解的满意度评估模型，对业务平台进行满意度评估，得到所述业务平台的满意度评估结果的步骤包括：
33.通过所述训练后的基于多模态理解的满意度评估模型，对业务平台进行满意度评估，得到所述业务平台的满意度评估结果。
34.此外，为实现上述目的，本发明实施例还提出一种满意度评估装置，所述满意度评估装置包括：
35.获取模块，用于获取用户信息并构建满意度评估样例数据；
36.视频满意度评估特征提取模型，用于从所述满意度评估样例数据中提取视频特征；
37.语音满意度评估特征提取模型，用于从所述满意度评估样例数据中提取语音特征；
38.文本满意度评估特征提取模型，用于从所述满意度评估样例数据中提取文本特征；
39.基于多模态理解的满意度评估模型，用于对业务平台进行满意度评估，得到所述业务平台的满意度评估结果。
40.此外，为实现上述目的，本发明实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的满意度评估程序，所述满意度评估程序被所述处理器执行时实现如上所述的满意度评估方法的步骤。
41.此外，为实现上述目的，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有满意度评估程序，所述满意度评估程序被处理器执行时实现如上所述的满意度评估方法的步骤。
42.本发明实施例提出的一种满意度评估方法、装置、设备及存储介质，所述方法应用于满意度评估装置，其方法包括：获取用户信息并构建满意度评估样例数据；通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述满意度评估样例数据中分别提取得到对应的视频特征、语音特征和文本特征；基于所述视频特征、语音特征和文本特征构建基于多模态理解的满意度评估模型；通过所述基于多模态理解的满意度评估模型，对业务平台进行满意度评估，得到所述业务平台的满意度评估结果。由此，通过上述方案，综合考虑各类模态信息，选用基于卷积流结构的混合单元自动衡量权重并融合结果，减少数据采集过程中有效信息的缺失，提高满意度评估结果的准确率。
附图说明
43.图1为本发明满意度评估方法实施例方案涉及的硬件运行环境的设备结构示意图；
44.图2为本发明满意度评估方法第一实施例的流程示意图；
45.图3为本发明满意度评估方法第二实施例的流程示意图；
46.图4为本发明满意度评估方法第三实施例的流程示意图；
47.图5为本发明满意度评估方法第四实施例的流程示意图；
48.图6为本发明满意度评估方法第五实施例的流程示意图；
49.图7为本发明满意度评估方法实施例方案涉及的整体流程图；
50.图8为本发明满意度评估方法实施例方案涉及的满意度评估装置第一实施例的功能模块示意图。
51.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
52.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。
53.本发明实施例的主要解决方案是：获取用户信息并构建满意度评估样例数据；通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述满意度评估样例数据中分别提取得到对应的视频特征、语音特征和文本特征；基于所述视频特征、语音特征和文本特征构建基于多模态理解的满意度评估模型；通过所述基于多模态理解的满意度评估模型，对业务平台进行满意度评估，得到所述业务平台的满意度评估结果。由此，通过上述方案，综合考虑各类模态信息，选用基于卷积流结构的混合单元自动衡量权重并融合结果，减少数据采集过程中有效信息的缺失，提高满意度评估结果的准确率。
54.本发明实施例考虑到，现有相关方案中，银行网点服务满意度评估的方法包括非自动化满意度分析和自动化满意度分析。其中非自动化满意度分析通过用户口头反馈和问卷调查的形式实现，该方式需要花费巨大的人力、物力和财力，且过程中容易受疲劳等情绪的影响；自动化满意度分析通常使用视频等单一模态信息进行评估，容易造成有效信息缺失和信息表征不全面等问题，且部分使用多模态信息的方法仅仅使用加权投票的方式评估结果，满意度评估结果的准确率较低。
55.因此，本发明实施例提出解决方案，可以实现通过使用各项模态信息，分别建立不同的满意度评估特征提取模块，减少数据采集过程中有效信息缺失的问题，同时选用了基于卷积结构的分支混合单元自动衡量权重并融合结果，弥补了单一模态信息表征过程中出现的信息缺失和表征不全面的问题，并能够更高效地利用各类特征提升满意度分析结果。
56.具体地，参照图1，图1为本发明满意度评估方法实施例方案涉及的硬件运行环境的设备结构示意图。
57.本发明实施例设备可以是满意度评估装置。
58.如图1所示，该设备可以包括：处理器1001，例如cpu，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
59.本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包
括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
60.为了更好的理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
61.基于上述终端设备架构但不限于上述架构，提出本发明满意度评估方法实施例。
62.具体地，参照图2，图2为本发明满意度评估方法第一实施例的流程示意图。
63.如图2所示，本发明第一实施例提出一种满意度评估方法，本实施例方案涉及通过综合考虑各类模态信息，选用基于卷积流结构的混合单元自动衡量权重并融合结果，减少数据采集过程中有效信息的缺失，提高满意度评估结果的准确率。
64.具体地，本实施例满意度评估方法包括：
65.步骤s101，获取用户信息并构建满意度评估样例数据。
66.在本实施例中，为评估银行网点服务满意度，可以通过已有后台数据建立满意度评估模型，根据所述满意度评估模型对所述银行网点进行评估，因此需要先获取已有的后台数据对应的用户信息。
67.具体地，作为一种实施方式，从银行网点后台数据库中提取不包含用户敏感信息的视频、语音模态信息，结合提前标注的满意度人工标注数据构建满意度评估样例数据。
68.步骤s102，通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述满意度评估样例数据中分别提取得到对应的视频特征、语音特征和文本特征。
69.在本实施例中，需要从所述满意度评估样例数据中提取得到用户信息对应的视频模态信息、语音模态信息和文本模态信息，因此需要分别选取所述视频模态信息、语音模态信息和文本模态信息构建对应的特征提取模块。
70.具体地，作为一种实施方式，将所述满意度评估样例数据通过所述预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，分别得到对应的视频特征、语音特征和文本特征。
71.步骤s103，基于所述视频特征、语音特征和文本特征构建基于多模态理解的满意度评估模型。
72.具体地，作为一种实施方式，保留各满意度评估特征提取模型，独立构造基于3*3卷积结构的分支混合单元，所述分支混合单元结构公式如下：
73.ft
ro
＝δ(ftv,fta,fts)；
74.其中，ft
ro
表示混合单元的输出特征，ftv,fta,fts分别表示视频特征，语音特征和文本特征，δ表示卷积运算。
75.进一步地，基于所述分支混合单元，选择分支结构连接所述视频满意度评估特征提取模型、所述语音满意度评估特征提取模型和所述文本满意度评估特征提取模型，得到初步的基于多模态理解的满意度评估模型。
76.步骤s104，通过所述基于多模态理解的满意度评估模型，对业务平台进行满意度评估，得到所述业务平台的满意度评估结果。
77.具体地，作为一种实施方式，迁移基于多模态理解的满意度评估模型至真实的银
行网点环境下，此时基于多模态理解的满意度评估模型的预测结果可作为银行网点服务满意度的评估结果。获取最新的用户信息，通过所述基于多模态理解的满意度评估模型，对所述业务平台进行满意度评估，得到所述业务平台的满意度评估结果。
78.本实施例通过上述方案，综合考虑各类模态信息，分析建立特征提取模块，减少了数据采集过程中有效信息缺失的问题；选用了基于卷积流结构的混合单元自动衡量权重并融合结果，弥补了单一模态信息表征过程中出现的信息缺失和表征不全面的问题，从而使得服务满意度评估结果更为准确。
79.参照图3，图3为本发明满意度评估方法第二实施例的流程示意图。
80.在本实施例中，基于上述图2所示的实施例，本实施例在上述步骤s101获取用户信息并构建满意度评估样例数据的步骤之后还包括：
81.步骤s1011，对所述满意度评估样例数据进行满意度人工标注，得到满意度人工标注数据。
82.在本实施例中，面对大量的数据情况下，需要对数据进行标注处理，所述满意度评估样例数据中每个数据都不一样，也能尽快找到对应的数据，以方便后续的满意度评估。
83.具体地，对所述满意度评估样例数据进行满意度人工标注，得到标注后的视频模态信息和标注后的语音模态信息，这样就能方便识别所述满意度评估样例数据中的视频模态信息和语音模态信息，以便后续能够快速找到所需要的数据。
84.步骤s1012，将所述满意度人工标注数据对应的视频模态信息和语音模态信息按照时间戳对齐，得到对齐后的数据。
85.在本实施例中，需要对所述满意度人工标注数据对应的视频模态信息和语音模态信息进行预处理，以获取更高质量的样例数据。
86.具体地，作为一种实施方式，将所述满意度人工标注数据对应的视频模态信息和语音模态信息按照时间戳对齐，得到对齐后的数据，例如，第1秒的视频模态信息对应第1秒的语音模态信息，将对应的信息一一对齐，有利于后续满意度评估模型的构建。
87.步骤s1013，所述通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述满意度评估样例数据中分别提取得到对应的视频特征、语音特征和文本特征的步骤包括：
88.通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述对齐后的数据中分别提取得到对应的视频特征、语音特征和文本特征。
89.在本实施例中，需要从所述对齐后的数据中提取得到用户信息对应的视频模态信息、语音模态信息和文本模态信息，因此需要分别选取所述视频模态信息、语音模态信息和文本模态信息构建对应的特征提取模块。
90.具体地，作为一种实施方式，将所述对齐后的数据通过所述预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，分别得到对应的视频特征、语音特征和文本特征。
91.本实施例通过上述方案，对所述满意度评估样例数据进行满意度人工标注并按照时间戳对齐，从而方便后续的满意度评估过程，使得服务满意度评估结果更为准确。
92.参照图4，图4为本发明满意度评估方法第三实施例的流程示意图。
93.在本实施例中，基于上述图3所示的实施例，本实施例在上述步骤s1013所述通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述对齐后的数据中分别提取得到对应的视频特征、语音特征和文本特征的步骤之前还包括：
94.步骤s1021，对所述对齐后的数据进行预处理，得到满意度评估高质数据集。
95.具体地，作为一种实施方式，使用中心划区方法，从所述对齐后的数据中提取包含用户的视频模态信息并统一数据大小，得到高质量的视频模态信息，所述中心划区方法公式如下：
96.vd＝vdf
rn
(center,slm)；
97.其中，vd,vdf分别表示处理前和处理后的视频名，center,slm分别表示视频中心点位置和边距，n,r分别表示通道数和当前视频表示。
98.进一步地，设置统一的采样率和声道格式，从所述对齐后的数据中提取得到高质量的语音模态信息。
99.其次，通过asr(automatic speech recognition，自动语音识别)技术将所述对齐后的数据中对应的语音模态信息转换为文本模态信息，得到对应的文本模态信息。
100.最后，根据所述高质量的视频模态信息、高质量的语音模态信息和所述文本模态信息构建满意度评估高质数据集。
101.步骤s1022，所述通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述对齐后的数据中分别提取得到对应的视频特征、语音特征和文本特征的步骤包括：
102.通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述满意度评估高质数据集中分别提取得到对应的视频特征、语音特征和文本特征。
103.在本实施例中，需要从所述满意度评估高质数据集中提取得到用户信息对应的视频模态信息、语音模态信息和文本模态信息，因此需要分别选取所述视频模态信息、语音模态信息和文本模态信息构建对应的特征提取模块。
104.具体地，作为一种实施方式，将所述满意度评估高质数据集通过所述预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，分别得到对应的视频特征、语音特征和文本特征。
105.本实施例通过上述方案，从所述对齐后的数据中提取得到满意度评估高质数据集，利用所述满意度评估高质数据集构建模型从而使得服务满意度评估结果更为准确。
106.参照图5，图5为本发明满意度评估方法第四实施例的流程示意图。
107.在本实施例中，基于上述图4所示的实施例，本实施例在上述步骤s1022所述通过预先创建的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述满意度评估高质数据集中分别提取得到对应的视频特征、语音特征和文本特征的步骤之前还包括：
108.步骤s1031，构建初步的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型。
109.具体地，作为一种实施方式，分别选取满意度评估高质数据集中的视频、语音和文
本模态信息构建对应的初步的特征提取模型，统一各特征提取模型的输出为ft，ft均为同大小一维向量。
110.其中，选用vgg结构构建视频满意度评估特征提取模型，选用bi-lstm结构构建语音满意度评估特征提取模型，选用bert结构构建文本满意度评估特征提取模型。
111.步骤s1032，使用所述满意度人工标注数据训练所述初步的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型，选取模型性能最优的模型分别作为最终的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型。
112.具体地，作为一种实施方式，将所述满意度人工标注数据输入到所述初步的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型直至收敛，通过模型训练过程后，选取模型性能最优的模型分别作为最终的视频满意度评估特征提取模型、语音满意度评估特征提取模型和文本满意度评估特征提取模型。
113.本实施例通过上述方案，综合考虑各类模态信息，分析建立特征提取模块，减少了数据采集过程中有效信息缺失的问题，从而使得服务满意度评估结果更为准确。
114.参照图6，图6为本发明满意度评估方法第五实施例的流程示意图。
115.在本实施例中，基于上述图2所示的实施例，本实施例在上述步骤s104通过所述基于多模态理解的满意度评估模型，对业务平台进行满意度评估，得到所述业务平台的满意度评估结果的步骤之前还包括：
116.步骤s1041，使用所述分支混合单元的结果训练所述初步的基于多模态理解的满意度评估模型，选取模型性能最优的模型作为训练后的基于多模态理解的满意度评估模型。
117.具体地，作为一种实施方式，构建所述初步的基于多模态理解的满意度评估模型后，按照维数拼接各特征提取模块的输出ft，拼接后的输出为三维向量，以分支混合单元的结果按照层级输入至基于多模态理解的满意度评估模型中直至模型收敛，通过模型训练过程后，选取模型性能最优的模型作为最终的基于多模态理解的满意度评估模型。
118.步骤s1042，所述通过所述基于多模态理解的满意度评估模型，对业务平台进行满意度评估，得到所述业务平台的满意度评估结果的步骤包括：
119.通过所述训练后的基于多模态理解的满意度评估模型，对业务平台进行满意度评估，得到所述业务平台的满意度评估结果。
120.具体地，作为一种实施方式，将所述训练后的基于多模态理解的满意度评估模型迁移至真实的银行网点环境下，此时基于多模态理解的满意度评估模型的预测结果可作为银行网点服务满意度的评估结果。
121.本实施例通过上述方案，综合考虑各类模态信息，分析建立特征提取模块，减少了数据采集过程中有效信息缺失的问题；选用了基于卷积流结构的混合单元自动衡量权重并融合结果，弥补了单一模态信息表征过程中出现的信息缺失和表征不全面的问题，从而使得服务满意度评估结果更为准确。
122.在本实施例中，基于上述图2、图3、图4、图5、图6所示的实施例，以下具体地描述本发明满意度评估方法。请参照图7，图7为本发明满意度评估方法实施例方案涉及的整体流程图。所述满意度评估的流程可以如下：
123.从银行网点后台数据库中提取用户数据，结合提前标注的满意度人工标注数据构建满意度评估样例数据。从所述满意度评估样例数据中提取高质量的视频模态信息、语音模态信息和文本模态信息，基于所述高质量的视频模态信息、语音模态信息和文本模态信息构建满意度评估高质数据集。
124.分别选取满意度评估高质数据集中的视频、语音和文本模态信息构建对应的特征提取模型，通过所述视频满意度评估特征提取模型、所述语音满意度评估特征提取模型和所述文本满意度评估特征提取模型分别提取对应的视频特征、语音特征和文本特征。
125.构建基于卷积结构的分支混合单元，选择分支结构连接各满意度评估特征提取模型构建基于多模态理解的满意度评估模型。迁移基于多模态理解的满意度评估模型至真实的银行网点环境下，此时基于多模态理解的满意度评估模型的预测结果可作为银行网点服务满意度的评估结果。
126.此外，本发明实施例还提出一种满意度评估装置，参照图8，图8为本发明满意度评估方法实施例方案涉及的满意度评估装置第一实施例的功能模块示意图。如图8所示，所述满意度评估装置包括：
127.获取模块10，用于获取用户信息并构建满意度评估样例数据；
128.视频满意度评估特征提取模型20，用于从所述满意度评估样例数据中提取视频特征；
129.语音满意度评估特征提取模型30，用于从所述满意度评估样例数据中提取语音特征；
130.文本满意度评估特征提取模型40，用于从所述满意度评估样例数据中提取文本特征；
131.基于多模态理解的满意度评估模型50，用于对业务平台进行满意度评估，得到所述业务平台的满意度评估结果。
132.本实施例实现满意度评估的原理及实施过程，请参照上述各实施例，在此不再赘述。
133.此外，本发明实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的满意度评估程序，所述满意度评估程序被所述处理器执行时实现如上述实施例所述的满意度评估方法的步骤。
134.由于本满意度评估程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
135.此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有满意度评估程序，所述满意度评估程序被处理器执行时实现如上述实施例所述的满意度评估方法的步骤。
136.由于本满意度评估程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
137.相比现有技术，本发明实施例提出的满意度评估方法、装置、设备及存储介质，获取用户信息并构建满意度评估样例数据；通过预先创建的视频满意度评估特征提取模型、
语音满意度评估特征提取模型和文本满意度评估特征提取模型，从所述满意度评估样例数据中分别提取得到对应的视频特征、语音特征和文本特征；基于所述视频特征、语音特征和文本特征构建基于多模态理解的满意度评估模型；通过所述基于多模态理解的满意度评估模型，对业务平台进行满意度评估，得到所述业务平台的满意度评估结果。本方案综合考虑各类模态信息，分析建立特征提取模块，减少了数据采集过程中有效信息缺失的问题；选用了基于卷积流结构的混合单元自动衡量权重并融合结果，弥补了单一模态信息表征过程中出现的信息缺失和表征不全面的问题，从而使得服务满意度评估结果更为准确。
138.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
139.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
140.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，被控终端，或者网络设备等)执行本发明每个实施例的方法。
141.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。