一种坐席通话语音感情分析方法及装置与流程

本申请涉及数据处理，尤其涉及一种坐席通话语音感情分析方法及装置。

背景技术：

1、人工客服中心可以包括多个客服坐席。每个客服坐席可以对应一个客服人员。在用户与人工客服中心进行通话时，可以将用户的通话转接到某个客服坐席，以便该客服坐席对应的客服人员与用户进行语音通话。上述过程可以被称为坐席通话。

2、为了提高服务质量，在一些场景中，可以对坐席通话进行录音，并基于录音进行分析。具体地，可以对坐席通话进行情感分析，以分析客服人员和/或用户在通话过程中的情感信息。目前，可以通过情感关键词匹配的方式对坐席通话进行情感分析。

3、但是，传统的分析方法不够准确，并且依赖大量的标注数据。而对于客服通话而言，获取标注数据的成本较高。

技术实现思路

1、有鉴于此，本申请提供了一种坐席通话语音感情分析方法及装置，旨在准确地对坐席通话进行情感分析。

2、第一方面，本申请提供，一种坐席通话语音感情分析方法，所述方法用于分析坐席通话语音的情感信息，所述方法包括：

3、获取目标通话语音数据，所述目标通话语音数据是目标坐席在与客户进行通话的过程中采集得到的；

4、对所述目标通话语音数据进行特征提取，得到所述目标通话语音数据的语音特征；

5、通过lstm对所述语音特征进行识别；

6、将所述lstm最后一个时间步的隐藏状态信息作为目标分类器的输入，通过所述目标分类器得到情感识别结果。

7、在一些可能的实现方式中，所述情感识别结果包括至少一个情感类型，和每个情感类型对应的情感强度，所述过所述目标分类器得到情感识别结果包括：

8、获得所述目标分类器的多个分类值和每个分类值的分类概率；

9、确定所述多个分类值中每个分类值对应的情感类型；

10、根据所述分类值对应的情感类别和所述分类值对应的分类概率，确定每个情感类型对应的情感强度。

11、在一些可能的实现方式中，所述对所述目标通话语音数据进行特征提取，得到所述目标通话语音数据的语音特征包括：

12、将所述目标通话语音数据转换为文字，得到原始文本数据；

13、对所述原始文本数据进行分词和筛选，得到目标文本数据；

14、将所述目标文本数据转换为向量，得到词语向量；

15、通过cnn对所述词语向量进行特征提取，得到所述目标通话语音数据的语音特征，所述语音特征包括多个对话词特征。

16、在一些可能的实现方式中，所述cnn的卷积层包括多个大小不同的卷积核，不同大小的卷积核用于对不同数量的相邻词语进行识别。

17、在一些可能的实现方式中，所述目标通话语音数据的语音特征包括至少一个特征词语；

18、所述通过lstm对所述语音特征进行识别包括：

19、将所述多个对话词特征输入lstm；

20、在lstm进行特征识别的第i个时间步中，根据所述lstm中每个单元的隐藏状态信息，计算每个对话词特征的注意力权重，所述i为正整数，且不大于所述lstm对所述语音特征进行识别的时间步的总数量；

21、根据所述注意力权重计算每个对话词特征的上下文向量；

22、将所述上下文向量与所述lstm中每个单元的隐藏状态信息融合。

23、第二方面，本申请提供一种坐席通话语音感情分析装置，所述装置用于分析坐席通话语音的情感信息，所述装置包括：

24、获取单元，用于获取目标通话语音数据，所述目标通话语音数据是目标坐席在与客户进行通话的过程中采集得到的；

25、特征提取单元，用于对所述目标通话语音数据进行特征提取，得到所述目标通话语音数据的语音特征；

26、识别单元，用于通过lstm对所述语音特征进行识别；

27、分类单元，用于将所述lstm最后一个时间步的隐藏状态信息作为目标分类器的输入，通过所述目标分类器得到情感识别结果。

28、在一些可能的实现方式中，所述情感识别结果包括至少一个情感类型，和每个情感类型对应的情感强度，

29、所述分类单元，具体用于获得所述目标分类器的多个分类值和每个分类值的分类概率；确定所述多个分类值中每个分类值对应的情感类型；根据所述分类值对应的情感类别和所述分类值对应的分类概率，确定每个情感类型对应的情感强度。

30、在一些可能的实现方式中，所述特征提取单元，具体用于将所述目标通话语音数据转换为文字，得到原始文本数据；对所述原始文本数据进行分词和筛选，得到目标文本数据；将所述目标文本数据转换为向量，得到词语向量；通过cnn对所述词语向量进行特征提取，得到所述目标通话语音数据的语音特征，所述语音特征包括多个对话词特征。

31、在一些可能的实现方式中，所述cnn的卷积层包括多个大小不同的卷积核，不同大小的卷积核用于对不同数量的相邻词语进行识别。

32、在一些可能的实现方式中，所述目标通话语音数据的语音特征包括至少一个特征词语；

33、所述识别单元，具体用于将所述多个对话词特征输入lstm；在lstm进行特征识别的第i个时间步中，根据所述lstm中每个单元的隐藏状态信息，计算每个对话词特征的注意力权重，所述i为正整数，且不大于所述lstm对所述语音特征进行识别的时间步的总数量；根据所述注意力权重计算每个对话词特征的上下文向量；将所述上下文向量与所述lstm中每个单元的隐藏状态信息融合。

34、第三方面，本申请提供了一种设备，所述设备包括存储器和处理器，所述存储器用于存储指令或代码，所述处理器用于执行所述指令或代码，以使所述设备执行前述第一方面任一项所述的坐席通话语音感情分析方法。

35、第四方面，本申请提供了一种计算机存储介质，所述计算机存储介质中存储有代码，当所述代码被运行时，运行所述代码的设备实现前述第一方面任一项所述的坐席通话语音感情分析方法。

36、第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行前述第一方面任一项所述的坐席通话语音感情分析方法。

37、本申请提供了一种坐席通话语音感情分析方法及装置，该方法可以实现准确地对坐席通话数据进行情感分析。具体地，可以先在目标坐席与客户进行通话的过程中采集的目标语音数据，然后对目标语音数据进行特征提取，得到目标通话语音数据的语音特征。接着，可以通过长短期记忆网络对语音特征进行识别，并将长短期记忆网络的最后一个时间步的隐藏状态信息作为目标分类器的输入，从而通过分类器得到情感识别结果。通过使用长短期记忆网络进行识别，能够捕捉语音通话中的长期依赖关系，有助于更加准确地理解和分类语音通话中的情感信息。这样，结合分类器，可以较为准确地对坐席通话语音数据中的情感信息进行提取，得到准确的情感识别结果。

技术特征：

1.一种坐席通话语音感情分析方法，其特征在于，所述方法用于分析坐席通话语音的情感信息，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述情感识别结果包括至少一个情感类型，和每个情感类型对应的情感强度，所述过所述目标分类器得到情感识别结果包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述目标通话语音数据进行特征提取，得到所述目标通话语音数据的语音特征包括：

4.根据权利要求3所述的方法，其特征在于，所述cnn的卷积层包括多个大小不同的卷积核，不同大小的卷积核用于对不同数量的相邻词语进行识别。

5.根据权利要求3或4所述的方法，其特征在于，所述目标通话语音数据的语音特征包括至少一个特征词语；

6.一种坐席通话语音感情分析装置，其特征在于，所述装置用于分析坐席通话语音的情感信息，所述装置包括：

7.根据权利要求6所述的装置，其特征在于，所述情感识别结果包括至少一个情感类型，和每个情感类型对应的情感强度，

8.根据权利要求6所述的装置，其特征在于，

9.根据权利要求8所述的装置，其特征在于，所述cnn的卷积层包括多个大小不同的卷积核，不同大小的卷积核用于对不同数量的相邻词语进行识别。

10.根据权利要求8或9所述的装置，其特征在于，所述目标通话语音数据的语音特征包括至少一个特征词语；

技术总结本申请提供了一种坐席通话语音感情分析方法及装置，该方法可以实现准确地对坐席通话数据进行情感分析。具体地，可以先在目标坐席与客户进行通话的过程中采集的目标语音数据，然后对目标语音数据进行特征提取，得到目标通话语音数据的语音特征。接着，可以通过长短期记忆网络对语音特征进行识别，并将长短期记忆网络的最后一个时间步的隐藏状态信息作为目标分类器的输入，从而通过分类器得到情感识别结果。通过使用长短期记忆网络进行识别，能够捕捉语音通话中的长期依赖关系，有助于更加准确地理解和分类语音通话中的情感信息。这样，结合分类器，可以较为准确地对坐席通话语音数据中的情感信息进行提取，得到准确的情感识别结果。技术研发人员：侯雅文受保护的技术使用者：中国农业银行股份有限公司技术研发日：技术公布日：2024/6/2