虚拟对象服务评价方法及相关装置与流程

本技术涉及虚拟人、人工智能的，尤其涉及虚拟对象服务评价方法、电子设备、计算机程序产品及计算机可读存储介质。

背景技术：

1、虚拟对象包括虚拟人、虚拟动物、虚拟卡通形象等。其中，虚拟人是由cg技术构建、以代码形式运行的拟人化形象，具有语言交流、表情表达、动作展示等多种互动方式。虚拟人技术已经在人工智能领域迅速发展，并且在很多技术领域都得到了应用，例如影视、传媒、游戏、金融、文旅、教育、医疗等领域。

2、现有的服务评价体系主观性强、评价标准不一，存在刷评论等问题，难以客观地反映服务质量，有的用户可能出于情绪波动基于偏激评价，导致评价结果不具参考性；且服务评价的反馈机制并不完善，用户评价难以应用于改进服务质量。

3、基于此，本技术提供虚拟对象服务评价方法及相关装置，以改进相关技术。

技术实现思路

1、本技术的目的在于提供虚拟对象服务评价方法、电子设备、计算机程序产品及计算机可读存储介质，有针对性地获取用户评价以优化虚拟对象的服务质量，降低服务成本，提高服务效率，节省人力和物力资源。

2、本技术的目的采用以下技术方案实现：

3、第一方面，本技术提供了虚拟对象服务评价方法，所述方法包括：

4、获取每个用户与虚拟对象的历史互动信息；

5、基于每个所述用户的历史互动信息，获取每个所述用户的评价信息；

6、基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案。

7、该技术方案的有益效果在于：通过获取每个用户与虚拟对象的历史互动信息，并基于每个用户的历史互动信息获取其评价信息，从而进一步得到虚拟对象的服务优化方案；一方面，通过收集每个用户的历史互动信息和评价信息，可以了解已经使用虚拟对象服务的用户对虚拟对象的服务的满意度，过滤没有使用虚拟对象服务的用户的评价信息，识别虚拟对象在服务中存在的问题，从而有针对性地对虚拟对象的服务进行调整和改进，提高服务质量；另一方面，通过获取每个用户的评价信息，可以更好地了解用户对虚拟对象服务的需求和期望，给出更符合用户实际需求的服务，可以为每个用户提供个性化定制的服务，满足不同用户的不同需求，提高用户对虚拟对象服务的满意度和忠诚度；通过针对性地优化虚拟对象的服务，能够降低服务成本，提高服务效率，从而节省人力和物力资源。

8、在一些可选的实施方式中，所述基于每个所述用户的历史互动信息，获取每个所述用户的评价信息，包括：

9、针对每个所述用户，执行以下处理：

10、使用语义提取模型提取所述用户的历史互动信息的语义信息；

11、基于所述语义信息获取所述用户对应的一个或多个预设的评价指标；

12、基于所获取的评价指标，生成评价提示信息并发送至所述用户的终端设备；

13、使用所述用户的终端设备接收所述用户的评价信息。

14、该技术方案的有益效果在于：通过使用语义提取模型提取用户历史互动信息的语义信息，并基于语义信息获取用户对应的一个或多个预设的评价指标，进而生成评价提示信息并发送至用户的终端设备以接收所述用户的评价信息；能够自动地对用户的历史互动信息进行处理，匹配与该用户的历史互动信息相关的用于评价虚拟对象服务的预设评价指标，预设的评价指标能够直接、有效地用于改进虚拟对象的服务，同时生成用户易懂的评价提示信息，有针对性地获取用户的评价信息，对每个用户提供个性化服务，也能够提高收集虚拟对象服务评价的效率和评价的真实性、有用性、可靠性。

15、在一些可选的实施方式中，所述基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案，包括：

16、针对每个所述用户，执行以下处理：

17、检测所述用户的评价信息是否包括负面评价信息；

18、当所述用户的评价信息不包括所述负面评价信息时，不做任何操作；

19、当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略；所述服务优化策略包括用于调整所述虚拟对象的问答库的第一建议信息，和/或，用于编辑所述虚拟对象的互动视频的第二建议信息；

20、基于所述服务优化策略，获取所述虚拟对象的服务优化方案。

21、该技术方案的有益效果在于：检测用户的评价信息，当检测到存在负面评价信息，获取虚拟对象的服务优化策略，并基于该策生成具体的虚拟对象服务的服务优化方案，以提高其服务质量；一方面，通过检测用户的负面评价信息并及时获取优化策略，根据不同用户的负面评价作出相应的调整，提供更加符合用户期望的服务，提高用户体验和满意度，增强用户对虚拟对象的信任和认可；能够实现持续改进服务质量的目的，使虚拟对象具有更高的商业价值；另一方面当检测用户的评价信息不包括负面评价信息时，不做任何操作，能够过滤虚假好评，也能够减少不必要的处理内容，提高生成虚拟对象服务优化策略和服务优化方案的效率。

22、在一些可选的实施方式中，所述当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略，包括：

23、当所述评价信息包括所述负面评价信息时，记录所述虚拟对象获得所述负面评价信息的差评次数；

24、当所述差评次数大于预设次数时，获取所述虚拟对象的服务优化策略；

25、当所述差评次数不大于预设次数时，不做任何操作。

26、该技术方案的有益效果在于：一方面，通过记录虚拟对象获得负面评价信息的次数，并根据获得差评次数是否超过预设的次数判断是否获取相应的服务优化策略，可以避免因为一次或者少量次数的负面评价或恶意负面评价而导致频繁变更虚拟对象信息，降低虚拟对象的运营成本；另一方面，通过设定不同负面评价信息的差评次数比较的预设次数，可以区分不同负面评价获取相应的服务优化策略的重要程度。

27、在一些可选的实施方式中，所述基于所述服务优化策略，获取所述虚拟对象的服务优化方案，包括：

28、将所述服务优化策略输入服务优化模型，以得到所述虚拟对象的服务优化方案；

29、所述服务优化模型的训练过程包括：

30、获取第一训练集，所述第一训练集包括多个第一训练数据，每个所述第一训练数据包括一个样本服务优化策略，以及所述样本服务优化策略对应的服务优化方案的标注数据；

31、针对每个所述第一训练数据，执行以下处理：

32、将所述第一训练数据中的一个样本服务优化策略输入预设的第一深度学习模型，以得到所述样本服务优化策略对应的服务优化方案的预测数据；

33、基于所述样本服务优化策略对应的服务优化方案的预测数据和标注数据，对所述第一深度学习模型的模型参数进行更新；

34、检测是否满足预设的第一训练结束条件；如果是，则将训练出的所述第一深度学习模型作为所述服务优化模型；如果否，则继续利用下一组所述第一训练数据训练所述第一深度学习模型。

35、该技术方案的有益效果在于：使用服务优化模型对应的训练集对深度学习模型进行训练，能够只通过学习少量样本就可以进行快速建模，深度学习模型在不断的训练过程中训练误差会逐渐降低，保存最优的权重，并读取权重；记录下训练集和验证集的精度，便于调参(调整模型参数)；对深度学习模型的模型参数进行更新，可以使模型更好地拟合数据，具有有效的泛化能力。

36、在一些可选的实施方式中，所述方法还包括：

37、基于所述语义信息，检测所述历史互动信息的语义准确性，所述语义准确性用于指示所述虚拟对象的互动信息对所述用户的提问信息的命中率；

38、所述基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案，包括：

39、基于每个所述用户的评价信息和语义准确性，获取所述虚拟对象的服务优化方案。

40、该技术方案的有益效果在于：基于语义信息检测历史互动信息的语义准确性，可以更好地判断虚拟对象的回答是否符合用户提问的意图和需求，通过结合用户的评价信息和语义准确性，可以更加精准地了解用户的需求和反馈，从而提高虚拟对象互动的命中率和虚拟对象服务质量，提高用户满意度和忠诚度，从而增加虚拟对象服务的竞争力。

41、在一些可选的实施方式中，所述基于所述语义信息，检测所述历史互动信息的语义准确性，包括：

42、基于所述语义信息，将所述历史互动信息分割为多个段落互动信息，所述段落互动信息的包括所述用户提问信息和所述虚拟对象的互动信息；

43、将多个所述段落互动信息输入语义准确性模型，以得到多个所述段落互动信息的语义准确性；

44、基于多个所述段落互动信息的语义准确性，获得所述历史互动信息的语义准确性。

45、该技术方案的有益效果在于：基于语义信息将用户的历史互动信息分割为多个段落互动信息并输入语义准确性模型，基于多个段落互动信息的语义准确性，可以更加准确地判断历史互动信息的语义准确性，避免用户在历史互动信息存在多个不同种类、含义的提问信息造成的检测历史互动信息的语义准确性偏差；通过分割历史互动信息为多个段落，可以节约服务器算力，提高检测效率和响应速度。

46、第二方面，本技术提供了一种电子设备，所述电子设备包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述至少一个处理器被配置成执行所述计算机程序时实现以下步骤：

47、获取每个用户与虚拟对象的历史互动信息；

48、基于每个所述用户的历史互动信息，获取每个所述用户的评价信息；

49、基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案。

50、在一些可选的实施方式中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式基于每个所述用户的历史互动信息，获取每个所述用户的评价信息：

51、针对每个所述用户，执行以下处理：

52、使用语义提取模型提取所述用户的历史互动信息的语义信息；

53、基于所述语义信息获取所述用户对应的一个或多个预设的评价指标；

54、基于所获取的评价指标，生成评价提示信息并发送至所述用户的终端设备；

55、使用所述用户的终端设备接收所述用户的评价信息。

56、在一些可选的实施方式中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案：

57、针对每个所述用户，执行以下处理：

58、检测所述用户的评价信息是否包括负面评价信息；

59、当所述用户的评价信息不包括所述负面评价信息时，不做任何操作；

60、当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略；所述服务优化策略包括用于调整所述虚拟对象的问答库的第一建议信息，和/或，用于编辑所述虚拟对象的互动视频的第二建议信息；

61、基于所述服务优化策略，获取所述虚拟对象的服务优化方案。

62、在一些可选的实施方式中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略：

63、当所述评价信息包括所述负面评价信息时，记录所述虚拟对象获得所述负面评价信息的差评次数；

64、当所述差评次数大于预设次数时，获取所述虚拟对象的服务优化策略；

65、当所述差评次数不大于预设次数时，不做任何操作。

66、在一些可选的实施方式中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式基于所述服务优化策略，获取所述虚拟对象的服务优化方案：

67、将所述服务优化策略输入服务优化模型，以得到所述虚拟对象的服务优化方案；

68、所述服务优化模型的训练过程包括：

69、获取第一训练集，所述第一训练集包括多个第一训练数据，每个所述第一训练数据包括一个样本服务优化策略，以及所述样本服务优化策略对应的服务优化方案的标注数据；

70、针对每个所述第一训练数据，执行以下处理：

71、将所述第一训练数据中的一个样本服务优化策略输入预设的第一深度学习模型，以得到所述样本服务优化策略对应的服务优化方案的预测数据；

72、基于所述样本服务优化策略对应的服务优化方案的预测数据和标注数据，对所述第一深度学习模型的模型参数进行更新；

73、检测是否满足预设的第一训练结束条件；如果是，则将训练出的所述第一深度学习模型作为所述服务优化模型；如果否，则继续利用下一组所述第一训练数据训练所述第一深度学习模型。

74、在一些可选的实施方式中，所述至少一个处理器还被配置成执行所述计算机程序时实现以下步骤：

75、基于所述语义信息，检测所述历史互动信息的语义准确性，所述语义准确性用于指示所述虚拟对象的互动信息对所述用户的提问信息的命中率；

76、所述基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案，包括：

77、基于每个所述用户的评价信息和语义准确性，获取所述虚拟对象的服务优化方案。

78、在一些可选的实施方式中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式基于所述语义信息，检测所述历史互动信息的语义准确性：

79、基于所述语义信息，将所述历史互动信息分割为多个段落互动信息，所述段落互动信息的包括所述用户提问信息和所述虚拟对象的互动信息；

80、将多个所述段落互动信息输入语义准确性模型，以得到多个所述段落互动信息的语义准确性；

81、基于多个所述段落互动信息的语义准确性，获得所述历史互动信息的语义准确性。

82、第三方面，本技术提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被至少一个处理器执行时实现上述任一项所述方法的步骤或者实现上述任一项所述电子设备的功能。

83、第四方面，本技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被至少一个处理器执行时实现权利上述任一项所述方法的步骤或者实现上述任一项所述电子设备的功能。