一种基于智能客服的语音识别与反馈系统的制作方法

本发明属于语音识别领域，涉及智能客服的语音识别与反馈技术，具体是一种基于智能客服的语音识别与反馈系统。

背景技术：

1、智能客服是基于大规模知识处理、自然语言理解、多轮对话等人工智能技术，实现高度拟人化的自助问答、业务办理和引导服务的系统；语音识别是一种将人类语言转换为文本或指令的技术，是人工智能领域的一个重要分支；语音识别技术使得智能客服能够理解并回应用户的语音输入，从而实现了与用户的自然交互；这种交互方式提升了用户体验，缩短了响应时间，提高了服务效率；智能客服能够利用语音识别技术将文本转化为人类可听的语音输出，向用户传达信息和服务；通过引入反馈系统，智能客服可以收集并分析用户的反馈数据，从而了解用户需求并优化自身性能，同时，反馈系统还可以帮助智能客服识别并纠正错误，进一步提升服务的准确性；智能客服能够处理大量的客户请求，减少了对人工客服的依赖，从而降低了人力成本，此外，通过语音识别与反馈系统的结合，智能客服可以不断优化自身的服务质量和效率，进一步降低了运营成本。

2、现有技术中(公开号为cn112259093a的发明专利申请)公开了一种基于语音识别的智能客服交互系统，该系统包括语音输入模块，所述语音输入模块用于接收对方语音并输入到交互系统中；语音识别模块，所述语音输入模块与语音识别模块连接，所述语音识别模块对语音输入模块输出的语音识别，并将其翻译为电信号；通过语音输入模块、语音识别模块的配合作用，能够对语音接听和识别作用，通过智能ai处理器对识别的语音进行表达内容分析，从而得到客户想要获取的信息；通过语音录入模块、输入设定模块的配合作用，能够对语音及时修正，且人工输入的语音真实感较强，减少人工的使用，能够连续性交互，客户体验效果较好，然而，现有技术中的智能客服只分析客户想要获取的信息，未考虑对智能客服的服务进行反馈，导致可能存在智能客服没有满足用户的需求，用户的满意度低。

3、本发明提供了一种基于智能客服的语音识别与反馈系统，以解决以上技术问题。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于智能客服的语音识别与反馈系统，用于解决现有技术中的智能客服只分析客户想要获取的信息，未考虑对智能客服的服务进行反馈，导致可能存在智能客服没有满足用户的需求，用户的满意度低的技术问题。

2、为实现上述目的，本发明的第一方面提供了一种基于智能客服的语音识别与反馈系统，包括：分析识别模块，以及与之相连的语音采集模块、服务反馈模块；

3、语音采集模块：接收用户语言输入设备发出的语音信息，对语音信息进行预处理得到识别语音；

4、分析识别模块：将识别语音转化成识别文本；提取识别文本中的关键词，根据关键词将识别文本进行分类得到识别文本的类型；根据识别文本的类型匹配对应的知识图谱；通过语义相似度计算的方式在知识图谱中定位相关信息；根据相关信息和知识图谱生成若干解决方案，将若干解决方案发送至用户的移动设备；用户从若干解决方案中选取一个解决方案作为最终解决方案；

5、服务反馈模块：根据最终解决方案解决用户的问题；收集用户的反馈信息，根据用户的反馈信息定期对智能客服进行评分；基于智能客服的评分对智能客服进行改进；其中，反馈信息包括满意度评分、服务评分以及反馈文本。

6、优选的，所述分析识别模块分别与语音采集模块、服务反馈模块通信和/或电气连接；所述语音采集模块与语言输入设备通信和/或电气连接；所述语言输入设备包括移动设备或者麦克风；移动设备包括手机或电脑。

7、优选的，所述对语音信息进行预处理得到识别语音，包括：

8、s11：通过端点检测将语音信息进行划分，识别出语音信息中的静默部分并去除；

9、s12：识别出语音信息中的高频部分，对高频部分进行预加重；

10、s13：根据设定的帧数对语音信息进行分帧处理，将处理后的语音信息标记为识别语音。

11、需要说明的是，端点检测是找到语音开始和结束的过程；语音信息中的高频部分可能会发生衰减，因此需要通过预加重来提升高频部分；设定的帧数根据经验进行设定，每帧通常取为10-30毫秒；并且相邻帧之间会有一定的重叠，以保留语音信号的时序信息。

12、本发明去除语音信息中的静默部分，只保留包含语音信息的部分，有利于减小后续处理的计算量；对高频部分进行预加重能够在后续的分析中更好地捕捉语音的特征；对语音信息进行分帧，有利于提升语音信号的质量，便于后续对语音信息的分析。

13、优选的，所述将识别语音转化成识别文本，包括：

14、提取识别语音，调用语音识别模型；

15、将识别语音输入语音识别模型中，得到识别文本；其中，语音识别模型基于人工智能模型构建。

16、本发明利用语音识别模型对识别语音进行转化，将识别语音转化成识别文本，利用人工智能自动对识别语音进行转化，有利于提高文本转化的效率，提高转化的正确率。

17、优选的，所述语音识别模型基于人工智能模型构建，包括：

18、获取标准训练数据，其中标准训练数据包括与识别语音内容属性相一致的标准输入数据，以及与识别文本内容属性相一致的标准输出数据；

19、利用标准训练数据对人工智能模型进行训练，将训练好的人工智能模型标记为语音识别模型；其中，人工智能模型包括循环神经网络模型或者长短记忆神经网络模型。

20、需要说明的是，在使用标准训练数据对人工智能模型训练完成后，需要利用验证数据对训练好的人工智能模型进行训练，当人工智能模型的正确率大于设定的正确率阈值时，将人工智能模型标记为语音识别模型；否则，对人工智能模型进行修正直至正确率大于正确率阈值为止。

21、优选的，所述提取识别文本中的关键词，包括：

22、s21：调取识别文本，去除识别文本中的无关字符；

23、s22：利用中文分词工具将识别文本划分成若干词语；其中，中文分词工具包括jieba或者ikanalyzer；

24、s23：获取中文停用词目录，根据中文停用词目录去除识别文本中的停用词；

25、s24：计算若干词语在文本中出现的次数，将词语按照次数的由多到少进行排序得到词频表；将词频表的前n个词语作为关键词。

26、需要说明的是，n为正整数，前n个词语由人为设定，例如：将词频表中排序在前3个的词语作为关键词；根据识别文本的不同，关键词的数量也不同。

27、本发明分析识别文本中若干词语出现的次数，生成词频表；根据词频表确定识别文本的关键词，有利于为后续对识别文本进行分类以及分析问题提供了数据基础。

28、优选的，所述根据关键词将识别文本进行分类得到识别文本的类型，包括：

29、调取关键词，判断关键词中是否包含与文本的类型一致的词语；是，则直接将识别文本划分至对应类型；否，则分析关键词与识别文本的类型的相关度；

30、获取关键词与文本的类型单独出现的概率以及同时出现的概率；通过公式xd＝α×log2[p(x,y)/p(x)p(y)]计算得到关键词与每个类型的相关度；选择相关度最高的类型作为关键词对应识别文本的类型；

31、其中，α为大于0的比例系数；p(x,y)表示关键词与文本的类型同时出现的概率；p(x)表示关键词单独出现的概率；p(y)表示文本的类型单独出现的概率；识别文本的类型包括咨询文本、投诉文本以及售后文本。

32、需要说明的是，当有多个关键词时，则将多个关键词与文本的类型的相关度相加，得到总相关度，选择总相关度最高的识别文本的类型作为关键词对应识别文本的类型。

33、本发明根据关键词与文本的类型的相关度，将对应识别文本进行分类，能够针对不同类型的识别文本进行不同的分析，有利于后续对识别文本中的待解决问题进行分析。

34、优选的，所述通过语义相似度计算的方式在知识图谱中定位相关信息，包括：

35、调取识别文本的类型以及对应的知识图谱；提取知识图谱中的特征信息；利用word2vec模型将识别文本转化成识别向量，将知识图谱中的特征信息转化成特征向量；

36、分别计算识别向量与特征向量的余弦相似度；选取余弦相似度最高的特征向量对应的特征信息作为识别文本的相关信息。

37、需要说明的是，知识图谱根据历史数据以及外部数据库进行构建，word2vec模型是一个用于生成词向量的神经网络模型，可以通过训练将每个单词转化为一个固定维度的向量。

38、本发明将识别文本和知识图谱中的特征信息转化成向量，通过计算向量间的余弦相似度来确定识别文本的相关信息；有利于对用户的需求进行分析，使分析的结果更加准确。

39、优选的，所述根据用户的反馈信息定期对智能客服进行评分，包括：

40、按照设定的周期调取反馈信息中的满意度评分，计算满意度评分的平均值得到智能客服的满意评分wpf；

41、按照设定的周期调取反馈信息中的服务评分，计算服务评分的平均值得到智能客服的服务评分fpf；

42、通过公式pf＝β×wpf+γ×fpf计算得到智能客服的评分；其中，β和γ是不为0的权重系数。

43、本发明定期计算智能客服的评分，能够对每个周期内的服务统计，为后续对智能客服的升级改进奠定了数据基础。

44、优选的，所述基于智能客服的评分对智能客服进行改进，包括：

45、调取智能客服的评分；

46、判断智能客服的评分是否大于评分阈值，是，则定期对智能客服进行评分；否，则根据反馈信息中反馈文本对智能客服进行改进。

47、本发明根据智能客服的评分对智能客服进行改进，当智能客服的评分不大于评分阈值时，则根据反馈信息对智能客服进行改进，能够针对用户的需求进行改进，有利于提高用户的体验度和满意度。

48、与现有技术相比，本发明的有益效果是：

49、1.本发明接收用户语言输入设备发出的语音信息，对语音信息进行预处理得到识别语音，有利于提升语音信号的质量，便于后续对语音信息的分析；调用语音识别模型；将识别语音输入语音识别模型中，得到识别文本；利用人工智能自动对识别语音进行转化，有利于提高文本转化的效率，提高转化的正确率；分析识别文本中若干词语出现的次数，生成词频表；根据词频表确定识别文本的关键词，有利于为后续对识别文本进行分类以及分析问题提供了数据基础；根据关键词与文本的类型的相关度，将对应识别文本进行分类，能够针对不同类型的识别文本进行不同的分析，有利于后续对识别文本中的待解决问题进行分析。

50、2.本发明根据识别文本的类型匹配对应的知识图谱，将识别文本和知识图谱中的特征信息转化成向量，通过计算向量间的余弦相似度来确定识别文本的相关信息；有利于对用户的需求进行分析，使分析的结果更加准确；根据相关信息和知识图谱生成若干解决方案，将若干解决方案发送至用户的移动设备；用户从若干解决方案中选取一个解决方案作为最终解决方案；根据最终解决方案解决用户的问题；收集用户的反馈信息，根据反馈信息中的满意度评分和服务评分计算智能客服的评分，当智能客服的评分不大于评分阈值时，则根据反馈信息对智能客服进行改进，能够针对用户的需求进行改进，有利于提高用户的体验度和满意度。