语音业务的评价处理方法及装置的制造方法
【技术领域】
[0001] 本发明涉及通信技术，尤其涉及一种语音业务的评价处理方法及装置。
【背景技术】
[0002] 当前运营商提供的语音业务中，基础语音服务依旧占据着绝大部分的比例。为了 能够有针对性的改进和优化语音业务，提高业务水平，需要对语音业务数据进行分析评价。
[0003] 现有技术中，对于语音业务的评价主要采用的方法包括：如果相同的通信双方，连 续发生两次通信的间隔时间特别短，则认为第一次通信为质量较差的通信。即仅根据连续 两次通信的时间间隔来判断通信质量。
[0004] 采用现有技术，使得对于语音业务的评价存在局限性，且误判和漏判的概率较大。
【发明内容】
[0005] 本发明实施例提供一种语音业务的评价处理方法及装置，用于解决现有技术中语 音业务评价存在局限性的问题。
[0006] 本发明实施例第一方面提供一种语音业务的评价处理方法，包括：
[0007] 获取待评价语音业务相关记录数据；
[0008] 采用根据语音业务相关记录数据获取的语音业务评价模型，对所述待评价语音业 务相关记录数据进行评价，获取所述待评价语音业务相关记录数据的评价值；
[0009] 根据所述评价值对所述待评价语音业务相关记录数据对应的语音业务进行评价 处理。
[0010] 结合第一方面，在第一方面的第一种可能的实施方式中，所述采用根据语音业务 相关记录数据获取的语音业务评价模型，对所述待评价语音业务相关记录数据进行评价之 前，还包括：
[0011] 获取语音业务相关记录数据；
[0012] 根据所述语音业务相关记录数据，获取所述语音业务评价模型。
[0013] 结合第一方面的第一种可能的实施方式，在第一方面的第二种可能的实施方式 中，所述语音业务相关记录数据包括：语音业务相关属性数据，对应地，所述根据所述语音 业务相关记录数据，获取所述语音业务评价模型具体包括：
[0014] 根据所述语音业务相关属性数据，获取所述语音业务评价模型。
[0015] 结合第一方面的第二种可能的实施方式，在第一方面的第三种可能的实施方式 中，所述根据所述语音业务相关属性数据，获取所述语音业务评价模型，包括：
[0016] 采用聚类算法，对所述语音业务相关属性数据进行聚类，获取预设数目个属性数 据分类；
[0017] 根据各分类中的属性数据，计算各分类对应的分类度量指标值；
[0018] 根据所述各分类对应的所述分类度量指标值，对所述各分类进行排序，获取优劣 排序结果；
[0019] 采用机器学习法，对所述优劣排序结果进行训练，获取所述语音业务评价模型。
[0020] 结合第一方面的第三种可能的实施方式，在第一方面的第四种可能的实施方式 中，所述各分类对应的分类度量指标值包括：所述各分类对应的平均值和标准差。
[0021] 结合第一方面的第四种可能的实施方式，在第一方面的第五种可能的实施方式 中，所述根据所述各分类对应的所述分类度量指标值，对所述各分类进行排序，获取优劣排 序结果，包括：
[0022] 根据所述各分类对应的平均值和各分类中属性数据的属性特征，对所述各分类进 行排序，获取第一排序结果；
[0023] 若所述第一排序结果中包括平均值相同的分类，则将各所述平均值相同的分类按 照对应的标准差进行排序，获取第二排序结果；
[0024] 根据所述第一排序结果和所述第二排序结果，获取所述优劣排序结果。
[0025] 结合第一方面的第二种至第五种可能的实施方式中任一项，在第一方面的第六种 可能的实施方式中，所述根据所述语音业务相关属性数据，获取所述语音业务评价模型之 前，还包括：
[0026] 若所述语音业务相关属性数据中包括两个属性值分布具有相关性的语音业务相 关属性数据，则在所述两个语音业务相关属性数据中删除任一个语音业务相关属性数据。
[0027] 结合第一方面的第二种至第五种可能的实施方式中任一项，在第一方面的第七种 可能的实施方式中，所述根据所述语音业务相关属性数据，获取所述语音业务评价模型之 前，还包括：
[0028] 判断各所述语音业务相关属性数据是否具有长尾效应；
[0029] 若所述语音业务相关属性数据中包括具有长尾效应的语音业务相关属性数据，则 消除所述具有长尾效应的语音业务相关属性数据中的长尾数据。
[0030] 结合第一方面的第七种可能的实施方式，在第一方面的第八种可能的实施方式 中，所述判断各所述语音业务相关属性数据是否具有长尾效应，包括：
[0031] 根据各所述语音业务相关属性数据对应的属性值分布，判断各所述语音业务相关 属性数据是否具有长尾效应；
[0032] 所述消除所述具有长尾效应的语音业务相关属性数据中的长尾数据，包括：
[0033] 根据各所述语音业务相关属性数据对应的属性值分布，确定长尾数据阈值；
[0034] 根据所述长尾数据阈值，消除所述具有长尾效应的语音业务相关属性数据的长尾 数据。
[0035] 结合第一方面的第二中可能的实施方式至第八种可能的实施方式中任一项，在第 一方面的第九种可能的实施方式中，所述语音业务相关属性数据包括下述任一项或其任意 组合：响铃时间、接听时间、分配时间、鉴权请求时间、加密请求时间、业务请求接收时间、挂 断时间、结束通信时间、释放时间、呼叫时间。
[0036] 本发明实施例第二方面提供一种语音业务的评价处理装置，包括：
[0037] 获取模块，用于获取待评价语音业务相关记录数据；
[0038] 第一评价模块，用于采用根据语音业务相关记录数据获取的语音业务评价模型， 对所述待评价语音业务相关记录数据进行评价，获取所述待评价语音业务相关记录数据的 评价值；
[0039] 第二评价模块，用于根据所述评价值对所述待评价语音业务相关记录数据对应的 语音业务进行评价处理。
[0040] 结合第二方面，在第二方面的第一种可能的实施方式中，所述装置还包括：
[0041] 模型建立模块，用于获取语音业务相关记录数据，其中，所述语音业务相关记录数 据包括语音业务相关属性数据；根据所述语音业务相关属性数据，获取所述语音业务评价 模型。
[0042] 结合第二方面的第一种可能的实施方式，在第二方面的第二种可能的实施方式 中，所述语音业务相关记录数据包括：语音业务相关属性数据，对应地，
[0043] 所述模型建立模块，具体用于根据所述语音业务相关属性数据，获取所述语音业 务评价模型。
[0044] 结合第二方面的第二种可能的实施方式，在第二方面的第三种可能的实施方式 中，所述模型建立模块包括：
[0045] 聚类单元，用于采用聚类算法，对所述语音业务相关属性数据进行聚类，获取预设 数目个属性数据分类；
[0046] 计算单元，用于根据各分类中的属性数据，计算各分类对应的分类度量指标值；
[0047] 排序单元，用于根据所述各分类对应的所述分类度量指标值，对所述各分类进行 排序，获取优劣排序结果；
[0048] 学习单元，用于采用机器学习法，对所述优劣排序结果进行训练，获取所述语音业 务评价模型。
[0049] 结合第二方面的第三种可能的实施方式，在第二方面的第四种可能的实施方式 中，所述各分类对应的分类度量指标值包括：所述各分类对应的平均值和标准差。
[0050] 结合第二方面的第四种可能的实施方式，在第二方面的第五种可能的实施方式 中，所述排序单元，具体用于根据所述各分类对应的平均值和各分类中属性数据的属性特 征，对所述各分类进行排序，获取第一排序结果；若所述第一排序结果中包括平均值相同的 分类，则将各所述平均值相同的分类按照对应的标准差进行排序，获取第二排序结果；根据 所述第一排序结果和所述第二排序结果，获取所述优劣排序结果。
[0051] 结合第二方面的第二种至第五种可能的实施方式中任一项，在第二方面的第五种 可能的实施方式中，所述装置还包括：
[0052] 第一优化模块，用于若所述语音业务相关属性数据中包括两个属性值分布具有相 关性的语音业务相关属性数据，则在所述两个语音业务相关属性数据中删除任一个语音业 务相关属性数据。
[0053] 结合第二方面的第二种至第五种可能的实施方式中任一项，在第二方面的第六种 可能的实施方式中，所述装置还包括：
[0054] 第二优化模块，用于判断各所述语音业务相关属性数据是否具有长尾效应；若所 述语音业务相关属性数据中包括具有长尾效应的语音业务相关属性数据，则消除所述具有 长尾效应的语音业务相关属性数据中的长尾数据。
[0055] 结合第二方面的第六种可能的实施方式，在第二方面的第七种可能的实施方式 中，所述第二优化模块，具体用于根据各所述语音业务相关属性数据对应的属性值分布，判 断各所述语音业务相关属性数据是否具有长尾效应；
[0056] 根据各所述语音业务相关属性数据对应的属性值分布，确定长尾数据阈值；根据 所述长尾数据阈值，消除所述具有长尾效应的语音业务相关属性数据的长尾数据。
[0057] 结合第二方面的第二中可能的实施方式至第八种可能的实施方式中任一项，在第 二方面的第九种可能的实施方式中，所述语音业务相关属性数据包括下述任一项或其任意 组合：响铃时间、接听时间、分配时间、鉴权请求时间、加密请求时间、业务请求接收时间、挂 断时间、结束通信时间、释放时间、呼叫时间。
[0058] 本发明实施例中，获取待评价语音业务相关记录数据，采用根据语音相关记录数 据获取的语音业务评价模型，对待评价语音业务相关记录数据进行评价，获