业务服务质检方法、装置、计算机设备和存储介质与流程

1.本技术涉及人工智能技术领域，特别是涉及一种业务服务质检方法、装置、计算机设备和存储介质。


背景技术：

2.为了向用户提供更加友好贴心的服务，各大服务机构(如金融机构)都会对服务人员的业务能力和对客态度等服务指标进行质检，现有技术中，通常是采用人工抽检的方式，由考核人员根据预先设置的规则，筛选出部分服务人员为被服务人员提供业务服务时的对话内容(如语音对话内容和文字对话内容)进行评估。
3.但由于服务人员每日对客服务量较为庞大，且服务方式繁多，仅通过考核人员人工对服务人员的业务能力进行质检，存在时间成本和人工成本较高的问题，同时，考核人员在对业务能力进行质检时会存在一定的主观性，导致最终质检结果缺乏合理性。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够合理且低成本的对服务人员业务能力进行合理质检的业务服务质检方法、装置、计算机设备和存储介质。
5.第一方面，本技术提供了一种业务服务质检方法。所述方法包括：
6.根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量；
7.通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果；
8.根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。
9.在其中一个实施例中，通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果，包括：
10.通过考核模型中的双向编码网络，解析对话向量的字向量、句向量和位置向量，并根据解析出的字向量、句向量和位置向量，确定对话向量的嵌入向量；
11.通过考核模型中的全连接网络，对嵌入向量进行降维解析，得到待质检的服务指标对应的扣分结果。
12.在其中一个实施例中，通过考核模型中的全连接网络，对嵌入向量进行降维解析，得到待质检的服务指标对应的扣分结果，包括：
13.通过全连接网络的第一全连接层，对嵌入向量进一次降维处理，得到第一降维结果；
14.通过全连接网络的第二全连接层，对第一降维结果进行二次降维处理，得到第二降维结果；
15.通过全连接网络的第三全连接层，对二降维结果进行三次降维处理，得到待质检的服务指标对应的扣分结果。
16.在其中一个实施例中，第一全连接层的神经元个数为嵌入向量对应维度的三分之
二；第二全连接层的神经元个数为第一全连接层的神经元个数的一半；第三全连接层的神经元个数为待质检的服务指标的个数。
17.在其中一个实施例中，所述方法还包括：
18.将第二降维结果和扣分结果作为一组校验数据，添加到校验集中；
19.若第三全连接层满足校准条件，则从校验集中获取至少一组校验数据，对第三全连接层进行校准。
20.在其中一个实施例中，根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量，包括：
21.按照对话角色的切换顺序，将服务人员为被服务人员提供业务服务时的对话内容，划分为至少两个对话语句；
22.对各对话语句进行向量化处理，得到各对话语句的子向量；
23.根据各对话语句的子向量、向量起始符和向量分隔符，生成服务人员与被服务人员之间的对话向量。
24.在其中一个实施例中，对各对话语句进行向量化处理，得到各对话语句的子向量，包括：
25.针对语音类型的对话语句，则将对话语句转换为对话文本；
26.对对话语句的对话文本进行向量化处理，得到对话语句的子向量。
27.在其中一个实施例中，所述方法还包括：
28.若对话内容属于语音类型，则根据对话内容，确定服务人员的服务情绪和/或服务连贯性；
29.通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果，包括：
30.通过考核模型，根据服务人员的服务情绪和/或服务连贯性，以及对话向量，确定待质检的服务指标对应的扣分结果。
31.第二方面，本技术还提供了一种业务服务质检装置。所述装置包括：
32.向量确定模块，用于根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量；
33.扣分确定模块，用于通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果；
34.结果确定模块，用于根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。
35.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
36.根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量；
37.通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果；
38.根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。
39.第四方面，本技术还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
40.根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务
人员之间的对话向量；
41.通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果；
42.根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。
43.第五方面，本技术还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，该计算机程序被处理器执行时实现以下步骤：
44.根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量；
45.通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果；
46.根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。
47.上述业务服务质检方法、装置、计算机设备和存储介质，根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量；通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果；根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。对服务人员与被服务人员之间的所有对话内容均进行处理，能够更加全面地提取出服务人员与被服务人员交流过程中的重要信息，使得最终获取得到的质检结果合理性更高，且基于考核模型替代人工对服务人员的业务能力进行质检，节省了大量人力和时间成本，并且，考核模型能够更加客观的对服务人员业务能力进行质检，提高了质检结果的合理性。
附图说明
48.图1为本实施例提供的一种业务服务质检方法的应用环境图；
49.图2为本实施例提供的第一种业务服务质检方法的流程示意图；
50.图3为本实施例提供的一种确定扣分结果的流程示意图；
51.图4为本实施例提供的一种确定对话向量的流程示意图；
52.图5为本实施例提供的第二种业务服务质检方法的流程示意图；
53.图6为本实施例提供的第三种业务服务质检方法的流程示意图；
54.图7为本实施例提供的第一种业务服务质检装置的结构框图；
55.图8为本实施例提供的第二种业务服务质检装置的结构框图；
56.图9为本实施例提供的第三种业务服务质检装置的结构框图；
57.图10为本实施例提供的第四种业务服务质检装置的结构框图；
58.图11为本实施例提供的一种计算机设备的内部结构图。
具体实施方式
59.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
60.本技术实施例提供的业务服务质检方法，可以应用于如图1所示的应用环境中。在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质
和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储对话内容、对话向量、扣分结果和质检结果等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种业务服务质检方法。
61.本实施例提供一种上述业务服务质检方法、装置、计算机设备和存储介质，根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量，并通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果，最后根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。
62.在一个实施例中，如图2所示，提供了一种业务服务质检方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
63.s201根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量。
64.其中，服务人员可以是机构中为来访者提供服务的人员。可选地，该服务人员可以是座席，即呼叫中心的电话客服人员。
65.其中，被服务人员可以是接收服务的人员。可选地，该被服务人员可以是客户。
66.其中，对话内容可以是服务人员为被服务人员提供业务服务时，记录下的对话。可选地，该对话内容的类型可以是语音，也可以是文字。
67.可选地，确定本次需要进行质检的服务人员，获取该服务人员为被服务人员提供业务服务时的对话内容，并确定获取到的对话内容的类型，若该对话内容为语音，则将该语音类型的对话内容输入至预设语音转文字软件(如讯飞听见)中，该语音转文字软件会对语音类型的对话内容进行文字转换处理，得到该语音类型对话内容对应的文字类型对话内容，并对文字类型对话内容中每一个字进行向量转换，得到向量转换后的对话内容，作为服务人员与被服务人员之间的对话向量。
68.s202通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果。
69.其中，考核模型可以是对对话内容进行质检的模型。
70.其中，服务指标可以是对对话内容进行质检的指标。可选地，该服务指标可以是提供方案的正确性、流程执行的准确性、该办理的业务是否办理、操作规范性、工单登记规范性、答案方案是否错误、用语是否精炼等。
71.可选地，将获取到的对话向量输入至考核模型中，该考核模型会对对话向量进行解析，获取得到该对话向量对应的每一服务指标的扣分值，作为质检的服务指标对应的扣分结果。
72.s203根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。
73.可选地，确定本次业务服务质检的满分，计算满分与获取到的服务指标对应的扣分结果之间的差值，并将该差值作为服务人员的业务服务质检结果。
74.上述业务服务质检方法，根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量；通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果；根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。能够更加全面地提取出服务人员与被服务人员交流过程中的重要信息，使得最
终获取得到的质检结果合理性更高，且基于考核模型替代人工对服务人员的业务能力进行质检，节省了大量人力和时间成本，并且，考核模型能够更加客观的对服务人员业务能力进行质检，提高了质检结果的合理性。
75.图3为一个实施例中确定扣分结果的流程示意图。现有的双向编码网络无法得到准确且全面的语义特征，从而会导致仅基于双向编码网络构成的考核模型准确性较低，因此，如何通过考核模型获取更精准的扣分结果至关重要，本实施例引入全连接网络结构对考核模型进行优化，并给出了一种确定扣分结果的可选方式，包括如下步骤：
76.s301通过考核模型中的双向编码网络，解析对话向量的字向量、句向量和位置向量，并根据解析出的字向量、句向量和位置向量，确定对话向量的嵌入向量。
77.其中，双向编码网络可以是用于对对话向量进行解析计算处理的网络，可选地，该双向编码网络可以是基于伯特模型(bidirectional encoder representation from transformers，bert)构建的编码网络。
78.可选地，通过考核模型中的双向编码网络，针对对话向量中的每一个字，均解析出字向量、句向量和位置向量，并基于解析后每一个字的字向量、句向量和位置向量进行求和处理，得到每一个字的求和结果，并将该求和结果作为对话向量的嵌入向量。
79.s302通过考核模型中的全连接网络，对嵌入向量进行降维解析，得到待质检的服务指标对应的扣分结果。
80.可选地，通过考核模型中的全连接网络，对嵌入向量进行降维解析时，可以将嵌入向量输入至考核模型的全连接网络中，该全连接网络会对嵌入向量进行降维解析，得到降维后的嵌入向量，并将降维后的嵌入向量作为待质检的服务指标对应的扣分结果。
81.可选的，为了提高通过全连接网络得到扣分结果的准确性，所以本实施例可以对全连接网络进行细化，可以设置包含三个全连接层，即第一全连接层、第二全连接层和第三全连接层的全连接网络，其中，第一全连接层的输出连接第二全连接层的输入，第二全连接层输出连接第三全连接层的输入。此时本实施例可以通过全连接网络的第一全连接层，对嵌入向量进一次降维处理，得到第一降维结果，通过全连接网络的第二全连接层，对第一降维结果进行二次降维处理，得到第二降维结果，通过全连接网络的第三全连接层，对二降维结果进行三次降维处理，得到待质检的服务指标对应的扣分结果。
82.具体的，将嵌入向量输入至全连接网络的第一全连接层中，第一全连接层对嵌入向量进一次降维处理，得到降维处理后的嵌入向量，将降维处理后的嵌入向量作为第一降维结果，将第一降维结果输入至全连接网络的第二全连接层中，第二全连接层对嵌入向量进二次降维处理，得到降维处理后的第一降维结果，将降维处理后的第一降维结果作为第二降维结果，将第二降维结果输入至全连接网络的第三全连接层中，第三全连接层对嵌入向量进三次降维处理，得到降维处理后的第二降维结果，将降维处理后的第二降维结果作为第三降维结果。
83.需要说明的是，第一全连接层的神经元个数为嵌入向量对应维度的三分之二，第二全连接层的神经元个数为第一全连接层的神经元个数的一半，第三全连接层的神经元个数为待质检的服务指标的个数。
84.上述确定扣分结果方法，通过考核模型中的双向编码网络，解析对话向量的字向量、句向量和位置向量，并根据解析出的字向量、句向量和位置向量，确定对话向量的嵌入
向量，通过考核模型中的全连接网络，对嵌入向量进行降维解析，得到待质检的服务指标对应的扣分结果，使得获取到的扣分结果更加准确。
85.需要说明的是，通过考核模型中的全连接网络，对嵌入向量进行降维解析，得到待质检的服务指标对应的扣分结果之后，还包括：将第二降维结果和扣分结果作为一组校验数据，添加到校验集中；若第三全连接层满足校准条件，则从校验集中获取至少一组校验数据，对第三全连接层进行校准。其中，校验数据可以是用于对第三全连接层进行校准的数据。其中，校验集可以是用于存储校验数据的数据集。其中，校准条件可以是达到预设的校验周期，也可以是第三全连接层的输出结果存在明显错误。具体的，将第二降维结果和扣分结果作为一组校验数据，即针对各第二降维结果，将该第二降维结果对应的扣分结果作为标签，标记在各第二降维结果上，并将各带有扣分结果标签的第二降维结果作为校验数据，并添加到校验集中，当第三全连接层满足校准条件时，则从校验集中随机获取至少一组校验数据，将校验数据输入至第三全连接层中对第三全连接层进行校准，即第三全连接层对校验数据进行降维处理预测得到的扣分结果，并将该预测得到的扣分结果与该校验数据本身标签的扣分结果进行损失函数计算，并基于计算得到的损失函数对第三全连接层进行校准。由于随着考核模型使用，第三全连接层的准确率会逐渐降低，进而对最终扣分结果的准确性产生影响，因此，利用校准数据对第三全连接层进行校准，可以保证第三全连接层的准确性，进一步保证最终得到的扣分结果的准确性。
86.图4为一个实施例中确定对话向量的流程示意图。为了提高确定对话向量的准确性，本实施例可以在上述实施例的基础上，通过引入对话角色来划分对话内容，从而得到较为准确的对话向量，具体的可以包括如下步骤：
87.s401按照对话角色的切换顺序，将服务人员为被服务人员提供业务服务时的对话内容，划分为至少两个对话语句。
88.其中，切换顺序指的是服务人员与被服务人员之间的对话顺序。
89.可选地，若对话内容为文字类型，则根据记录该对话内容时预设的对话角色划分，确定对话角色的切换顺序，并按照对话角色划分对话内容，即将服务人员为被服务人员提供业务服务时的对话内容划分为多个对话语句。若对话内容为语音类型，则对该对话内容中的音色进行识别，将对话内容按照两个未命名对话角色划分为多个对话语句，再基于对话语句进行语义识别，确定该对话语句中是否存在服务话术，若存在，则认为该对话语句的对话角色属于服务人员，反之，则属于被服务人员。
90.示例性的，若对话内容为文字类型，且具体对话内容为：“服务人员：您好！服务人员：请问您想咨询什么业务？被服务人员：我想咨询xx业务。”，则划分后的对话语句为，“服务人员：您好！请问您想咨询什么业务？”“被服务人员：我想咨询xx业务。”若对话内容为语音类型，且具体语音内容为：“您好！请问您想咨询什么业务？我想咨询xx业务。”，则基于音色将对话内容进行语句划分，即划分成“未命名对话角色1：您好！请问您想咨询什么业务？”和“未命名对话角色2：我想咨询xx业务。”，同时，由于该未命名对话角色1的对话语句中存在“请问您想咨询什么业务”这一服务话术，则认定未命名对话角色1为服务人员，由于该未命名对话角色2中不存在服务话术，则认为未命名对话角色2为被服务人员，则最终确定的对话语句为，“服务人员：您好！请问您想咨询什么业务？”“被服务人员：我想咨询xx业务。”91.s402对各对话语句进行向量化处理，得到各对话语句的子向量。
92.其中，子向量可以是每一对话语句对应的句子向量。
93.可选地，针对文字类型的对话语句，对获取到的每一对话语句，进行向量化处理，即将该对话语句中的每一个字均转换成字向量，并基于该对话语句中的所有字向量，构成该对话语句的子向量；针对语音类型的对话语句，则将对话语句转换为对话文本；对对话语句的对话文本进行向量化处理，得到对话语句的子向量。具体的，针对语音类型的对话语句，将该语音类型的对话语句输入至预设语音转文字软件(如讯飞听见)中，该语音转文字软件会对语音类型的对话语句进行文字转换处理，得到该语音类型对话语句对应的文字类型对话语句，并基于该文字类型的对话语句，再对获取到的每一对话语句，进行向量化处理，即将该对话语句中的每一个字均转换成字向量，并基于该对话语句中的所有字向量，构成该对话语句的子向量。
94.s403根据各对话语句的子向量、向量起始符和向量分隔符，生成服务人员与被服务人员之间的对话向量。
95.其中，向量起始符可以是表征本次质检的对话内容的起始位置的符号。
96.其中，向量分隔符可以是用于间隔服务人员与被服务人员之间对话的符号。
97.可选地，对获取到的各对话语句的子向量进行顺序拼接，同时用向量分隔符对服务人员与被服务人员之间对话进行间隔，得到对话序列，并在该对话序列前插入向量起始符，作为服务人员与被服务人员之间的对话向量。
98.示例性的，该对话向量x为x＝[[cls]，c1，[sep]，s1，[sep]，c2，[sep]，s2，
…
，[sep]，ci，[sep]，si]。
[0099]
其中，x为对话内容对应的对话向量，[cls]为向量起始符，[sep]代表向量分隔符，c1代表被服务人员的第一次发言，c2代表被服务人员的第二次发言，ci代表被服务人员的第i次发言，s1代表服务人员的第一次发言，s2代表服务人员的第二次发言，si代表服务人员的第i次发言。
[0100]
上述确定对话向量方法，按照对话角色的切换顺序，将服务人员为被服务人员提供业务服务时的对话内容，划分为至少两个对话语句，能够更准确的对对话内容进行对话角色的划分，从而得到带有对话角色的对话语句，再对各对话语句进行向量化处理，得到各对话语句的子向量，提高获取到的子向量的准确性和合理性，再根据各对话语句的子向量、向量起始符和向量分隔符，生成服务人员与被服务人员之间的对话向量，进一步提高了对话向量的准确性和合理性。
[0101]
图5为一个实施例中业务服务质检的流程示意图。为了提高对业务服务质检的准确性，本实施例可以在上述实施例的基础上，增加服务指标的维度，即当对话内容为语音时，引入情绪感知与业务连贯性感知来辅助对业务服务质检，具体的可以包括如下步骤：
[0102]
s501若对话内容属于语音类型，则根据对话内容，确定服务人员的服务情绪和/或服务连贯性。
[0103]
其中，服务情绪可以是服务人员为被服务人员提供业务服务时的情绪，可选地，该服务情绪可以反应出该服务人员提供业务服务时的热情程度。
[0104]
其中，服务连贯性可以是服务人员为被服务人员提供业务服务时，服务人员对业务服务的连贯程度，如，讲解业务服务时的语言连贯性等。
[0105]
可选地，确定服务人员的服务情绪的方式可以是，针对服务人员属于语音类型的
对话内容，通过预先训练的情绪感知模型，对该对话内容的服务情绪进行感知处理，获取得到该对话内容的服务情绪；确定服务人员的服务连贯性的方式可以是，针对服务人员属于语音类型的对话内容，通过预先训练的连贯感知模型，对该对话内容的语句连贯性进行感知，获取得到该对话内容的服务连贯性，也可以是，对服务人员属于语音类型的对话内容进行语音分析，确定每句话中的字间隔时长，以及预设时段内的文字重复次数，若字间隔时长或预设时段内的文字重复次数超过预设阈值，则认为该服务人员的服务连贯性较差。
[0106]
需要说明的是，确定是否对服务人员的服务情绪和/或服务连贯性进行质检的方式可以是，根据服务人员的历史业务服务质检结果，若该历史业务服务质检结果中针对服务情绪一项得分较低，则需对该服务人员的服务情绪进行质检；若该历史业务服务质检结果中针对服务连贯性一项得分较低，则需对该服务人员的服务连贯性进行质检；若该历史业务服务质检结果中服务情绪和服务连贯性的得分均较低，则需同时对该服务人员的服务情绪和服务连贯性进行质检。
[0107]
s502通过考核模型，根据服务人员的服务情绪和/或服务连贯性，以及对话向量，确定待质检的服务指标对应的扣分结果。
[0108]
可选地，将获取到的服务人员的服务情绪和/或服务连贯性，以及对话向量，输入至考核模型中，该考核模型会对服务情绪和/或服务连贯性，以及对话向量均进行解析，获取得到该对话向量对应的每一服务指标的扣分值，作为质检的服务指标对应的扣分结果。
[0109]
s503根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。
[0110]
可选地，确定本次业务服务质检的满分，计算满分与获取到的服务指标对应的扣分结果之间的差值，并将该差值作为服务人员的业务服务质检结果。
[0111]
上述业务服务质检方法，若对话内容属于语音类型，则根据对话内容，确定服务人员的服务情绪和/或服务连贯性，通过考核模型，根据服务人员的服务情绪和/或服务连贯性，以及对话向量，确定待质检的服务指标对应的扣分结果。本实施例在通过对话内容对服务人员的服务业务进行质检的同时，引入了对服务人员的服务态度和业务熟练度的质检，能够更好的对服务人员的服务态度和业务熟练度进行质检，从而进一步提高对业务服务质检的合理性和全面性。
[0112]
在一个实施例中，本实施例给出了一种业务服务质检的可选方式，以该方法应用于服务器为例进行说明。如图6所示，该方法包括如下步骤：
[0113]
s601按照对话角色的切换顺序，将服务人员为被服务人员提供业务服务时的对话内容，划分为至少两个对话语句。
[0114]
s602对各对话语句进行向量化处理，得到各对话语句的子向量。
[0115]
可选地，针对语音类型的对话语句，可以将对话语句转换为对话文本，对对话语句的对话文本进行向量化处理，得到对话语句的子向量。
[0116]
s603根据各对话语句的子向量、向量起始符和向量分隔符，生成服务人员与被服务人员之间的对话向量。
[0117]
s604通过考核模型中的双向编码网络，解析对话向量的字向量、句向量和位置向量，并根据解析出的字向量、句向量和位置向量，确定对话向量的嵌入向量。
[0118]
s605通过全连接网络的第一全连接层，对嵌入向量进一次降维处理，得到第一降维结果。
[0119]
s606通过全连接网络的第二全连接层，对第一降维结果进行二次降维处理，得到第二降维结果。
[0120]
s607通过全连接网络的第三全连接层，对二降维结果进行三次降维处理，得到待质检的服务指标对应的扣分结果。
[0121]
其中，第一全连接层的神经元个数为嵌入向量对应维度的三分之二；第二全连接层的神经元个数为第一全连接层的神经元个数的一半；第三全连接层的神经元个数为待质检的服务指标的个数。
[0122]
s608根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。
[0123]
可选地，在得到第二降维结果之后，还可以将第二降维结果和扣分结果作为一组校验数据，添加到校验集中，若第三全连接层满足校准条件，则从校验集中获取至少一组校验数据，对第三全连接层进行校准。
[0124]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0125]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的业务服务质检方法的业务服务质检装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个业务服务质检装置实施例中的具体限定可以参见上文中对于业务服务质检方法的限定，在此不再赘述。
[0126]
在一个实施例中，如图7所示，提供了一种业务服务质检装置1，包括：向量确定模块10、扣分确定模块11和结果确定模块12，其中：
[0127]
向量确定模块10，用于根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量；
[0128]
扣分确定模块11，用于通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果；
[0129]
结果确定模块12，用于根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。
[0130]
在一个实施例中，如图8所示，图7中的扣分确定模块11，还包括：
[0131]
嵌入向量确定单元110，用于通过考核模型中的双向编码网络，解析对话向量的字向量、句向量和位置向量，并根据解析出的字向量、句向量和位置向量，确定对话向量的嵌入向量；
[0132]
扣分结果确定单元111，用于通过考核模型中的全连接网络，对嵌入向量进行降维解析，得到待质检的服务指标对应的扣分结果。
[0133]
在一个实施例中，图7中的扣分确定模块11，还包括：
[0134]
一次降维子单元，用于通过全连接网络的第一全连接层，对嵌入向量进一次降维处理，得到第一降维结果；
[0135]
二次降维子单元，用于通过全连接网络的第二全连接层，对第一降维结果进行二次降维处理，得到第二降维结果；
[0136]
三次降维子单元，用于通过全连接网络的第三全连接层，对二降维结果进行三次降维处理，得到待质检的服务指标对应的扣分结果。
[0137]
在一个实施例中，全连接网络的第一全连接层的神经元个数为嵌入向量对应维度的三分之二；第二全连接层的神经元个数为第一全连接层的神经元个数的一半；第三全连接层的神经元个数为待质检的服务指标的个数。
[0138]
在一个实施例中，图7中的扣分确定模块11，还包括：
[0139]
数据添加子单元，用于将第二降维结果和扣分结果作为一组校验数据，添加到校验集中；
[0140]
校准子单元，用于若第三全连接层满足校准条件，则从校验集中获取至少一组校验数据，对第三全连接层进行校准。
[0141]
在一个实施例中，如图9所示，图7中的向量确定模块10，包括：
[0142]
语句划分单元100，用于按照对话角色的切换顺序，将服务人员为被服务人员提供业务服务时的对话内容，划分为至少两个对话语句；
[0143]
向量获取单元101，用于对各对话语句进行向量化处理，得到各对话语句的子向量；
[0144]
向量生成单元102，用于根据各对话语句的子向量、向量起始符和向量分隔符，生成服务人员与被服务人员之间的对话向量。
[0145]
在一个实施例中，图8中的向量获取单元101，包括：
[0146]
文本转换子单元，用于针对语音类型的对话语句，则将对话语句转换为对话文本；
[0147]
向量获取子单元，用于对对话语句的对话文本进行向量化处理，得到对话语句的子向量。
[0148]
在一个实施例中，如图10所示，图7中的业务服务质检装置1，还包括：
[0149]
语音处理模块13，用于若对话内容属于语音类型，则根据对话内容，确定服务人员的服务情绪和/或服务连贯性；
[0150]
扣分确定模块11，还用于通过考核模型，根据服务人员的服务情绪和/或服务连贯性，以及对话向量，确定待质检的服务指标对应的扣分结果。
[0151]
上述业务服务质检装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0152]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种业务服务质检方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示
屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0153]
本领域技术人员可以理解，图11中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0154]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0155]
根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量；
[0156]
通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果；
[0157]
根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。
[0158]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0159]
通过考核模型中的双向编码网络，解析对话向量的字向量、句向量和位置向量，并根据解析出的字向量、句向量和位置向量，确定对话向量的嵌入向量；
[0160]
通过考核模型中的全连接网络，对嵌入向量进行降维解析，得到待质检的服务指标对应的扣分结果。
[0161]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0162]
通过全连接网络的第一全连接层，对嵌入向量进一次降维处理，得到第一降维结果；
[0163]
通过全连接网络的第二全连接层，对第一降维结果进行二次降维处理，得到第二降维结果；
[0164]
通过全连接网络的第三全连接层，对二降维结果进行三次降维处理，得到待质检的服务指标对应的扣分结果。
[0165]
在一个实施例中，第一全连接层的神经元个数为嵌入向量对应维度的三分之二；第二全连接层的神经元个数为第一全连接层的神经元个数的一半；第三全连接层的神经元个数为待质检的服务指标的个数。
[0166]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0167]
将第二降维结果和扣分结果作为一组校验数据，添加到校验集中；
[0168]
若第三全连接层满足校准条件，则从校验集中获取至少一组校验数据，对第三全连接层进行校准。
[0169]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0170]
按照对话角色的切换顺序，将服务人员为被服务人员提供业务服务时的对话内容，划分为至少两个对话语句；
[0171]
对各对话语句进行向量化处理，得到各对话语句的子向量；
[0172]
根据各对话语句的子向量、向量起始符和向量分隔符，生成服务人员与被服务人员之间的对话向量。
[0173]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0174]
针对语音类型的对话语句，则将对话语句转换为对话文本；
[0175]
对对话语句的对话文本进行向量化处理，得到对话语句的子向量。
[0176]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0177]
若对话内容属于语音类型，则根据对话内容，确定服务人员的服务情绪和/或服务连贯性；
[0178]
通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果，包括：
[0179]
通过考核模型，根据服务人员的服务情绪和/或服务连贯性，以及对话向量，确定待质检的服务指标对应的扣分结果。
[0180]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0181]
步根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量；
[0182]
通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果；
[0183]
根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。
[0184]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0185]
根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量；
[0186]
通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果；
[0187]
根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。
[0188]
需要说明的是，本技术所涉及的数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0189]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0190]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0191]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并
不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种业务服务质检方法，其特征在于，所述方法包括：根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量；通过考核模型，根据所述对话向量，确定待质检的服务指标对应的扣分结果；根据所述服务指标对应的扣分结果，确定所述服务人员的业务服务质检结果。2.根据权利要求1所述的方法，其特征在于，所述通过考核模型，根据所述对话向量，确定待质检的服务指标对应的扣分结果，包括：通过考核模型中的双向编码网络，解析所述对话向量的字向量、句向量和位置向量，并根据解析出的所述字向量、句向量和位置向量，确定所述对话向量的嵌入向量；通过所述考核模型中的全连接网络，对嵌入向量进行降维解析，得到待质检的服务指标对应的扣分结果。3.根据权利要求2所述的方法，其特征在于，所述通过所述考核模型中的全连接网络，对嵌入向量进行降维解析，得到待质检的服务指标对应的扣分结果，包括：通过所述全连接网络的第一全连接层，对所述嵌入向量进一次降维处理，得到第一降维结果；通过所述全连接网络的第二全连接层，对所述第一降维结果进行二次降维处理，得到第二降维结果；通过所述全连接网络的第三全连接层，对所述二降维结果进行三次降维处理，得到待质检的服务指标对应的扣分结果。4.根据权利要求3所述的方法，其特征在于，所述第一全连接层的神经元个数为所述嵌入向量对应维度的三分之二；所述第二全连接层的神经元个数为所述第一全连接层的神经元个数的一半；所述第三全连接层的神经元个数为所述待质检的服务指标的个数。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：将所述第二降维结果和所述扣分结果作为一组校验数据，添加到校验集中；若所述第三全连接层满足校准条件，则从所述校验集中获取至少一组校验数据，对所述第三全连接层进行校准。6.根据权利要求1所述的方法，其特征在于，所述根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量，包括：按照对话角色的切换顺序，将服务人员为被服务人员提供业务服务时的对话内容，划分为至少两个对话语句；对各对话语句进行向量化处理，得到各对话语句的子向量；根据各对话语句的子向量、向量起始符和向量分隔符，生成服务人员与被服务人员之间的对话向量。7.根据权利要求6所述的方法，其特征在于，所述对各对话语句进行向量化处理，得到各对话语句的子向量，包括：针对语音类型的对话语句，则将所述对话语句转换为对话文本；对所述对话语句的对话文本进行向量化处理，得到所述对话语句的子向量。8.根据权利要求1所述的方法，其特征在于，所述方法还包括：若所述对话内容属于语音类型，则根据所述对话内容，确定服务人员的服务情绪和/或
服务连贯性；通过考核模型，根据所述对话向量，确定待质检的服务指标对应的扣分结果，包括：通过考核模型，根据服务人员的服务情绪和/或服务连贯性，以及所述对话向量，确定待质检的服务指标对应的扣分结果。9.一种业务服务质检装置，其特征在于，所述装置包括：向量确定模块，用于根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量；扣分确定模块，用于通过考核模型，根据所述对话向量，确定待质检的服务指标对应的扣分结果；结果确定模块，用于根据所述服务指标对应的扣分结果，确定所述服务人员的业务服务质检结果。10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。12.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

技术总结
本申请涉及一种业务服务质检方法、装置、计算机设备和存储介质，应用于人工智能技术领域。所述方法包括：根据服务人员为被服务人员提供业务服务时的对话内容，确定服务人员与被服务人员之间的对话向量；通过考核模型，根据对话向量，确定待质检的服务指标对应的扣分结果；根据服务指标对应的扣分结果，确定服务人员的业务服务质检结果。采用本方法能够更加全面地提取出服务人员与被服务人员交流过程中的重要信息，使得最终获取得到的质检结果合理性更高，且基于考核模型替代人工对服务人员的业务能力进行质检，节省了大量人力和时间成本，并且，考核模型能够更加客观的对服务人员业务能力进行质检，提高了质检结果的合理性。提高了质检结果的合理性。提高了质检结果的合理性。


技术研发人员：吕鹏帆 陈永录 王静 赵燕子
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2023.04.13
技术公布日：2023/7/12