蘇立偉, 劉振華, 陳海燕

(廣東電網(wǎng)有限責任公司 客戶服務中心， 廣州 528000)

0 引言

隨著電力改革發(fā)展，電力企業(yè)與客戶的溝通交流越來越多，95598客戶服務熱線仍是電力企業(yè)與客戶之間進行溝通交流使用頻率最頻繁的服務渠道。盡管電力企業(yè)與客戶之間的互動渠道日益增多，但相較于其他溝通方式，語音交流具有交互便捷、蘊含豐富信息等優(yōu)點[1]，對于客服而言，能更直接明了地了解到客戶意圖。調(diào)查發(fā)現(xiàn)：一個具有10個坐席的呼叫中心一天的話務量是5 000通電話，話音量約為500個小時[2]。

電力企業(yè)的運營管理中，客服人員與客戶的對話質(zhì)量將直接影響客戶的用電體驗，客服人員的服務質(zhì)量在電力企業(yè)的發(fā)展進程中有著至關重要的作用[3]。絕大部分隱藏在語音文件中的價值信息未被有效挖掘。運營商針對目前大量錄音數(shù)據(jù)暫無系統(tǒng)化的分析、質(zhì)檢、運營解決方案。如何通過智能語音分析的技術(shù)應用,實現(xiàn)基于智能語音分析的客服智慧運營管理解決方案, 從而有效提升智能化運營手段、強化內(nèi)部管理、聚焦客戶服務心聲,提高客戶服務滿意度,有效降低客戶投訴率[4]?？头行膶νㄔ捯纛l進行質(zhì)檢，就是對95598服務熱線的客服人員的話務質(zhì)量進行監(jiān)測與評分，通過監(jiān)測客服人員的服務水平，以考核結(jié)果來定量評價客服人員的工作質(zhì)量，依據(jù)公平客觀的結(jié)果來評估客服中心的運行情況[5]，以確?？头藛T的總體服務水平，提高客戶的滿意度。

傳統(tǒng)的質(zhì)檢方法以人工抽樣質(zhì)檢錄音，客服人員每天處理數(shù)萬通電話，而質(zhì)檢人員對所有的通話錄音只能通過隨機抽樣的方式進行人工測聽，這種方法不僅工作量大、覆蓋面窄、抽檢率低，同時由于質(zhì)檢人員的判斷具備主觀性，難以有效客觀地對整體服務質(zhì)量進行合理評價。一通錄音平均時長為120秒, 通過語音質(zhì)檢可以直接定位到問題工單, 每通約節(jié)約66秒, 每天將節(jié)約23.8小時[6]。

問題語音檢出方法設計方案

針對傳統(tǒng)的質(zhì)檢方法所存在的缺陷，本設計提供一種問題語音檢出方法和裝置，屬于呼叫系統(tǒng)技術(shù)領域。其中，問題語音檢出方法包括：向呼叫中心獲取錄音音頻數(shù)據(jù)；將獲取的錄音音頻數(shù)據(jù)轉(zhuǎn)化為文本格式的數(shù)據(jù)；所述文本格式的數(shù)據(jù)中包括坐席文本數(shù)據(jù)和客戶文本數(shù)據(jù)；采用預設的質(zhì)檢匹配算法對坐席文本數(shù)據(jù)進行評分，得到錄音音頻數(shù)據(jù)的服務質(zhì)量分值；如果所述服務質(zhì)量分值小于設定閾值，發(fā)出問題提示，以提示用戶對所述錄音音頻數(shù)據(jù)進行人工質(zhì)檢[7]。通過對錄音數(shù)據(jù)的監(jiān)測、提煉, 定期整理出涉及公司業(yè)務流程、管理漏洞、產(chǎn)品缺陷、服務短板等方面的問題, 為提高公司整體服務能力、減少服務短板提供依據(jù)[8]。本發(fā)明實施例提供的問題語音檢出方法和裝置，對錄音音頻數(shù)據(jù)自動進行識別和評分，可以實現(xiàn)全面覆蓋，檢出問題通話錄音，提示用戶對問題通話錄音進行人工質(zhì)檢，大大減少了質(zhì)檢工作人員的工作量。

1) 向呼叫中心獲取錄音音頻數(shù)據(jù)

與95598呼叫平臺錄音數(shù)據(jù)庫實現(xiàn)無縫對接和交互，根據(jù)錄音編號信息，查詢該錄音在呼叫平臺的存儲路徑信息。根據(jù)錄音存儲路徑，獲取錄音文件及對應XML文件(包含用戶來電信息)[9]。并將所有錄音文件進行轉(zhuǎn)碼(8K 16bit編碼格式)，使用SFTP傳輸方式上傳至語音分析引擎作保存及語音識別。

2) 轉(zhuǎn)譯錄音音頻數(shù)據(jù)

通過語音轉(zhuǎn)譯引擎將獲取的錄音音頻數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化的文本格式數(shù)據(jù)；所述文本格式的數(shù)據(jù)中包括坐席文本數(shù)據(jù)和客戶文本數(shù)據(jù)[10]。將非結(jié)構(gòu)化的錄音音頻數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化的文本信息數(shù)據(jù)是實現(xiàn)該問題語音檢出方法的一項核心功能，轉(zhuǎn)譯成結(jié)構(gòu)化文本信息數(shù)據(jù)后，有利于錄音定位、問題檢出、便捷檢索等[11]。

3) 錄音預質(zhì)檢

采用預設的質(zhì)檢匹配算法對所述坐席文本數(shù)據(jù)進行預質(zhì)檢評分，并檢出錄音存在的差錯問題，得到所述錄音音頻數(shù)據(jù)的服務質(zhì)量分值；如果所述服務質(zhì)量分值小于設定閾值，發(fā)出問題提示，以提示用戶對所述錄音音頻數(shù)據(jù)進行人工質(zhì)檢。

通過上述三步，將對從呼叫中心所獲取的全量錄音音頻數(shù)據(jù)進行全自動質(zhì)檢，保證錄音覆蓋面廣、質(zhì)檢客觀，并有效檢出錄音中存在的差錯問題，同時在轉(zhuǎn)譯文本數(shù)據(jù)中標記差錯位置，有利于后期進行人工質(zhì)檢時進行定位與質(zhì)檢，保證其準確性與工作效率。

2 問題語音檢出方法

本設計提供了一種問題語音檢出方法。當成功從呼叫中心獲取所需錄音音頻數(shù)據(jù)，則需要后續(xù)一系列適當?shù)牟僮鲗栴}錄音成功檢出。

2.1 錄音數(shù)據(jù)轉(zhuǎn)譯文本數(shù)據(jù)

2.1.1 語音轉(zhuǎn)文本方式一

根據(jù)所述錄音音頻數(shù)據(jù)中包含的不同語音的音色、音調(diào)及用語，將所述錄音音頻數(shù)據(jù)區(qū)分為坐席音頻數(shù)據(jù)和客戶音頻數(shù)據(jù)；

將所述坐席音頻數(shù)據(jù)轉(zhuǎn)化為坐席文本數(shù)據(jù)；

將所述客戶音頻數(shù)據(jù)轉(zhuǎn)化為客戶文本數(shù)據(jù)[12]。

2.1.2 語音轉(zhuǎn)文本方式二

將獲取的錄音音頻數(shù)據(jù)整體轉(zhuǎn)化為文本格式的數(shù)據(jù)；

對所述文本格式的數(shù)據(jù)進行語義識別和上下文匹配，將所述文本格式的數(shù)據(jù)區(qū)分為坐席文本數(shù)據(jù)和客戶文本數(shù)據(jù)。

2.2 錄音預質(zhì)檢

2.2.1 錄音預質(zhì)檢方式一

采用余弦相似性算法和/或漢明距離算法對所述坐席文本數(shù)據(jù)進行評分，得到所述錄音音頻數(shù)據(jù)的服務質(zhì)量分值。

2.2.2 錄音預質(zhì)檢方式二

采用余弦相似性算法判斷所述坐席文本數(shù)據(jù)中所包含的預設的標準用語的數(shù)量；

根據(jù)所述標準用語的數(shù)量，確定所述錄音音頻數(shù)據(jù)的服務態(tài)度分值；

采用漢明距離算法判斷所述坐席文本數(shù)據(jù)中所包含的客戶信息是否正確，確定所述錄音音頻數(shù)據(jù)的服務有效性分值；

根據(jù)所述服務態(tài)度分值和所述服務有效性分值，得到所述錄音音頻數(shù)據(jù)的服務質(zhì)量分值[13]。

2.2.3 錄音預質(zhì)檢方式三

對所述服務態(tài)度分值和所述服務有效性分值進行加權(quán)處理，得到所述錄音音頻數(shù)據(jù)的服務質(zhì)量分值。

2.2.4 錄音預質(zhì)檢方式四

采用關鍵詞匹配算法，判斷所述坐席文本數(shù)據(jù)中是否包含預設的服務禁語；

如果是，從所得的服務質(zhì)量分值中扣除設定的第一分值。

2.2.5 錄音預質(zhì)檢方式五

當采用關鍵詞匹配算法，判斷所述坐席文本數(shù)據(jù)中不包含預設的服務禁語時，采用同義詞匹配算法，判斷所述坐席文本數(shù)據(jù)中是否包含預設的服務禁語；

如果是，從所得的服務質(zhì)量分值中扣除設定的第一分值。

2.3 檢出問題提示

以提示框的形式，顯示包含所述錄音音頻數(shù)據(jù)編號的問題提示信息。

3 問題語音檢出裝置

本設計提供了一種問題語音檢出裝置。該裝置包含問題語音檢出的流程中各模塊功能，能有效將問題語音檢出。

3.1 獲取模塊

用于向呼叫中心獲取錄音音頻數(shù)據(jù)。該方法可以在計算機中通過執(zhí)行應用程序?qū)崿F(xiàn)，該應用程序自動向呼叫中心獲取錄音音頻數(shù)據(jù)。呼叫中心可以是與各個坐席通話終端連接的中心服務器或存儲器。

獲取的錄音音頻數(shù)據(jù)中包括通話時間、通話終端號及通話錄音，還可以包括坐席服務人員的工號。

3.2 格式化模塊

用于將獲取的錄音音頻數(shù)據(jù)轉(zhuǎn)化為文本格式的數(shù)據(jù)；所述文本格式的數(shù)據(jù)中包括坐席文本數(shù)據(jù)和客戶文本數(shù)據(jù)。

具體可以根據(jù)錄音音頻數(shù)據(jù)中包含的不同語音的音色、音調(diào)及用語，將錄音音頻數(shù)據(jù)區(qū)分為坐席音頻數(shù)據(jù)和客戶音頻數(shù)據(jù)，然后將坐席音頻數(shù)據(jù)對應轉(zhuǎn)化為坐席文本數(shù)據(jù)，將客戶音頻數(shù)據(jù)轉(zhuǎn)化為客戶文本數(shù)據(jù)?；蛘?，可以將獲取的錄音音頻數(shù)據(jù)先整體轉(zhuǎn)化為文本格式的數(shù)據(jù)，然后對文本格式的數(shù)據(jù)進行語義識別和上下文匹配，將文本格式的數(shù)據(jù)區(qū)分為坐席文本數(shù)據(jù)和客戶文本數(shù)據(jù)。

3.3 評分模塊

用于采用預設的質(zhì)檢匹配算法對所述坐席文本數(shù)據(jù)進行評分，得到所述錄音音頻數(shù)據(jù)的服務質(zhì)量分值。

可以采用余弦相似性算法或者漢明距離算法對坐席文本數(shù)據(jù)進行評分，得到錄音音頻數(shù)據(jù)的服務質(zhì)量分值。也可以采用余弦相似性算法判斷坐席文本數(shù)據(jù)中所包含的預設的標準用語的數(shù)量；根據(jù)標準用語的數(shù)量，確定錄音音頻數(shù)據(jù)的服務態(tài)度分值；采用漢明距離算法判斷坐席文本數(shù)據(jù)中所包含的客戶信息是否正確，確定錄音音頻數(shù)據(jù)的服務有效性分值；根據(jù)服務態(tài)度分值和服務有效性分值，得到錄音音頻數(shù)據(jù)的服務質(zhì)量分值。

3.3.1 余弦相似性算法

采用余弦相似性算法判斷坐席文本數(shù)據(jù)中所包含的預設的標準用語的數(shù)量，即采用余弦相似性算法將坐席文本數(shù)據(jù)中的詞句與預設的標準用語進行比對。

將坐席文本數(shù)據(jù)中的詞句作為第一向量，將預設的標準用語作為第二向量，通過計算兩個向量的夾角余弦值來評估二者的相似度。具體來說，余弦函數(shù)是三角函數(shù)的一種，在Rt△ABC(直角三角形)中，∠C=90°，∠A的余弦是它的鄰邊比三角形的斜邊，即cosA=b/c，也可寫為cosA=AC/AB。余弦函數(shù)：f(x)=cosx(x∈R)。

對于二維空間，根據(jù)向量點積公式，可以得知 ，假設向量a、b的坐標分別為(x1,y1)、(x2,y2)，則。

設向量A=(A1,A2,…,An)，B=(B1,B2,…,Bn)，則，其中，Ai、Bi指詞頻。

如果坐席文本數(shù)據(jù)中的語句與某個預設的標準用語的余弦相似度達到0.75，則認為坐席文本數(shù)據(jù)中包含該預設的標準用語。統(tǒng)計坐席文本數(shù)據(jù)中所包含的預設的標準用語的數(shù)量，數(shù)量每增加一個，服務態(tài)度分值就增加一個設定值。數(shù)量越多，錄音音頻數(shù)據(jù)的服務態(tài)度分值越高。

3.3.2 漢明距離算法

漢明距離算法判斷坐席文本數(shù)據(jù)中所包含的客戶信息是否正確。SimHash(漢明距離)算法將一個文檔轉(zhuǎn)換成64位的字節(jié)，然后通過判斷兩個字節(jié)的漢明距離確定相似度。通過simhash算法可以分別計算出坐席文本數(shù)據(jù)中所包含的客戶信息的simhash值和預存的客戶信息的simhash值，通過計算出的兩個simhash值來計算兩者之間的漢明距離，根據(jù)漢明距離來比較兩者之間的相似度。漢明距離是指兩個相同長度的字符串相同位置上不同的字符的個數(shù)。

漢明距離算法主要包括分詞、hash(哈希算法)、加權(quán)、合并和降維五個步驟。首先針對坐席文本數(shù)據(jù)中的一段語句，進行分詞，得到有效的特征向量，然后為每一個特征向量設置1-5等5個級別的權(quán)重(如果是給定一個文本，那么特征向量可以是文本中的詞，其權(quán)重可以是這個詞出現(xiàn)的次數(shù))。

3.4 提示模塊

用于如果所述服務質(zhì)量分值小于設定閾值，發(fā)出問題提示，以提示用戶對所述錄音音頻數(shù)據(jù)進行人工質(zhì)檢。

判斷服務質(zhì)量分值是否小于設定閾值；如果是，發(fā)出問題提示，以提示用戶對錄音音頻數(shù)據(jù)進行人工質(zhì)檢，以提示框的形式，顯示包含錄音音頻數(shù)據(jù)編號的問題提示信息。

4 結(jié)語

本次設計研究應用于95598電力客服智能質(zhì)檢系統(tǒng)的問題語音檢出方法，構(gòu)建基于語言智能處理技術(shù)的新一代智能客服,形成跨語言、全流程、深層次的客服智能化理解、處理與服務能力[14]優(yōu)化傳統(tǒng)以人工抽樣質(zhì)檢錄音的質(zhì)檢方法，避免質(zhì)檢覆蓋面窄、抽檢率低、問題檢出率低的情況，通過全量自動質(zhì)檢錄音，能夠有效自動檢出全量錄音中存在問題，發(fā)出問題提示，以提示用戶對所述錄音音頻數(shù)據(jù)進行人工質(zhì)檢。通過這種方法，能夠避免質(zhì)檢人員隨機抽檢的主觀性與隨機性，有效對整體的客服服務質(zhì)量進行客觀合理的評價。

利用設計的問題語音檢出裝置將問題語音檢出方法實施，通過將95598錄音文件轉(zhuǎn)譯為結(jié)構(gòu)化的文本，改變傳統(tǒng)的人工抽檢，采用預設的質(zhì)檢匹配算法對全量文本數(shù)據(jù)進行預質(zhì)檢并檢出存在問題的錄音并提示用戶，便于后續(xù)的人工質(zhì)檢工作。經(jīng)由智能質(zhì)檢系統(tǒng), 同時結(jié)合業(yè)務模型, 對全量錄音將被篩選分析, 此時研究將傳統(tǒng)的隨機抽樣方式轉(zhuǎn)變成程序進行, 然后篩選出可能有問題的通話記錄再交由人工進行質(zhì)檢大大提高了質(zhì)檢的覆蓋面積, 根據(jù)系統(tǒng)詞語庫設定敏感用詞以及抽樣方法的篩選, 使得每個客服的質(zhì)檢范圍都是一致的, 使質(zhì)檢更加具備公平性與針對性, 為市場需求以及傾聽用戶需求提供有效的數(shù)據(jù)[15]。

目前問題語音檢出方法主要應用于95598電力客服智能質(zhì)檢系統(tǒng)中，在應用效果日趨成熟后，可將其推廣至電力行業(yè)的其他客服渠道中如統(tǒng)一服務平臺的各遠程渠道、營業(yè)廳的客服渠道等，力求能對所有渠道的客戶服務內(nèi)容進行收集與分析，獲取具備業(yè)務價值的數(shù)據(jù)，并持續(xù)提升南方電網(wǎng)的客戶服務水平。