評價模型的輸入?yún)?shù)為10。
[0108] 第四種方式:可以將與語義模型相匹配的滿意度特征所對應(yīng)的參數(shù)作為滿意度評 價模型的輸入?yún)?shù)。
[0109] 關(guān)于語義特征及其輸入?yún)?shù)的提取，可以根據(jù)語義模型從文本信息中提取語義特 征，并且將與語義模型相匹配的滿意度特征所對應(yīng)的參數(shù)作為滿意度評價模型的輸入?yún)?數(shù)。
[0110] 其中語義可以指一句話的意思，包括同義詞，近義詞，疑問句，感嘆句等。
[0111] 語義模型可以是通過訓(xùn)練樣本集的方式而預(yù)先得到的，該樣本集中可以包含能夠 反映用戶滿意度的已知的語句及其相應(yīng)的已知滿意度結(jié)果，根據(jù)已知的語句及滿意度結(jié) 果，能夠得到反映用戶滿意度的與相關(guān)語句對應(yīng)的滿意度參數(shù)。該已知的語句可以是具有 相同或類似語義的句子或短語。
[0112] 103、根據(jù)滿意度評價模型的輸入?yún)?shù)以及滿意度評價模型，確定用戶的滿意度。
[0113] 其中該滿意度評價模型是在獲取用戶發(fā)送的信息之前，預(yù)先訓(xùn)練樣本集以獲得 的。
[0114] 也就是在執(zhí)行滿意度自動測評的方法之前，在數(shù)據(jù)準(zhǔn)備階段，可以從樣本集的用 戶已發(fā)送的信息中提取用戶的滿意度特征以確定滿意度評價模型的輸入?yún)?shù);利用提取的 滿意度評價模型的輸入?yún)?shù)及用戶滿意度結(jié)果，采用機(jī)器學(xué)習(xí)的方法進(jìn)行訓(xùn)練以得到所述 滿意度評價模型。
[0115] 樣本集可以包括由用戶已發(fā)送的信息及與用戶已發(fā)送的信息對應(yīng)的用戶滿意度 結(jié)果構(gòu)成的樣本。
[0116] 在得到滿意度評價模型階段提取用戶的滿意度特征及滿意度評價模型的輸入?yún)?數(shù)的方式以及前述從用戶發(fā)送的信息中提取用戶的滿意度特征以確定滿意度評價模型的 輸入?yún)?shù)的方式，其區(qū)別僅在于前者基于的是樣本集中作為樣本的用戶已發(fā)送的信息，而 后者所基于的是用于分析用戶滿意度基于的真實數(shù)據(jù)而并非樣本數(shù)據(jù)，其余的提取方式相 同，因此在此不再贅述。
[0117] 其中，該滿意度評價模型可以是多維模型，本實施例的多維模型其輸出地結(jié)果用 于表示滿意度測評結(jié)果，而多維模型的每一維代表了影響滿意度測評結(jié)果的各元素。
[0118] 該多維模型可以包括語音、語調(diào)、音量、語速、關(guān)鍵詞、語義特征等元素，該多維模 型中的各元素與從用戶發(fā)送的信息中提取的滿意度特征相對應(yīng)。
[0119] 舉個例子，多維模型可以理解為一個參數(shù)xyz···，其中語音是X，語調(diào)是y，關(guān)鍵詞是 z···，可以將語音、語調(diào)、關(guān)鍵詞等各種維度的滿意度評價模型的輸入?yún)?shù)均輸入到該模型 中。
[0120] 通過滿意度評價模型，可以利用輸入?yún)?shù)經(jīng)過滿意度評價模型的預(yù)定算法計算出 各滿意度特征的分值，從而進(jìn)一步根據(jù)各滿意度特征的分值而確定用戶的滿意度。
[0121] 另外，語音、語調(diào)、音量、語速是從用戶輸入的語音信息中獲取的；關(guān)鍵詞或語義是 將用戶輸入的語音信息轉(zhuǎn)換成文字信息，從該轉(zhuǎn)換后的文字信息中獲得的，關(guān)鍵詞或語義 也可以直接從用戶輸入的文字信息中獲得。
[0122] 例如，如果是語音客服系統(tǒng)，可以以現(xiàn)有的滿意度打分機(jī)制為樣本，將獲取的已知 的用戶錄音作為用戶已發(fā)送的信息，將已知的用戶滿意度打分結(jié)果作為與用戶已發(fā)送的信 息對應(yīng)的用戶滿意度結(jié)果;或者，如果是即時通訊IM客服系統(tǒng)，可以將用戶已輸入的包括表 情圖像的文本聊天信息作為用戶已發(fā)送的信息，將已知的用戶滿意度打分結(jié)果作為與用戶 已發(fā)送的信息對應(yīng)的用戶滿意度結(jié)果從而構(gòu)成訓(xùn)練樣本。在獲得了由已知的錄音記錄或已 知的聊天記錄，以及已知的滿意度打分結(jié)果構(gòu)成的樣本集后，則可以根據(jù)已知的錄音或文 本和已知的結(jié)果得到滿意度評價模型中各維度特征的分值。
[0123] 由于有大量的錄音或記錄的聊天文本，因此可以采用模式識別的相關(guān)算法，進(jìn)行 大量的訓(xùn)練，最后生成滿意度評價模型。
[0124] 這樣的做法，不僅大大減少了客戶的額外工作，還可減少客戶評價中的主觀成分， 使每次溝通都產(chǎn)生客觀有效的評價。
[0125] 優(yōu)選地，機(jī)器學(xué)習(xí)的方法可以采用諸如神經(jīng)網(wǎng)絡(luò)模型、決策樹、支持向量機(jī)等，其 均在本發(fā)明的保護(hù)范圍內(nèi)。
[0126] 步驟103可以依據(jù)由步驟102提取的滿意度特征和輸入?yún)?shù)，并且依據(jù)預(yù)先得到的 滿意度評價模型，從而將滿意度評價模型的輸入?yún)?shù)輸入滿意度評價模型;進(jìn)而通過滿意 度評價模型確定各滿意度特征的分值，以根據(jù)各滿意度特征的分值確定用戶的滿意度。。
[0127] 舉個例子，假設(shè)獲取到的用戶發(fā)送的信息為"我對處理結(jié)果很滿意"，則對于該特 定的用戶發(fā)送的信息，提取的滿意度特征與輸入?yún)?shù)的對應(yīng)關(guān)系如表2所示：
[0128] 表2
[0129]
[0130] 基于滿意度特征與滿意度評價模型中各元素的對應(yīng)關(guān)系，可以向滿意度評價模型 輸入【關(guān)鍵詞，語義，語調(diào)，音量，語速】的輸入?yún)?shù)【10，〇，200，10，7】。
[0131]滿意度評價模型可以采用歸一化的方式，將該輸入?yún)?shù)歸一化為【1，0,0.3,0.2， 0.6】，滿意度評價模型進(jìn)而根據(jù)該歸一化的輸入?yún)?shù)依據(jù)模型的預(yù)定算法確定各滿意度特 征的分值，并最終依據(jù)各滿意度特征的分值輸出一個結(jié)果，例如得到值為0.9或0.1的輸出 結(jié)果。
[0132] 其中，可以設(shè)定這個結(jié)果數(shù)值越接近1表示越滿意，越接近0表示越不滿意，越接近 0.5表示越中性。
[0133] 另外，上述所提及的歸一化、依據(jù)預(yù)定算法確定各滿意度特征的分值、以及求出的 最終的分值，實際上都是將輸入?yún)?shù)輸入滿意度評價模型后，滿意度評價模型的處理過程， 經(jīng)滿意度評價模型處理后，再由滿意度評價模型輸出作為用戶滿意度的輸出結(jié)果。
[0134] 優(yōu)選地，在獲取用戶發(fā)送的信息之后，可以向所述用戶返回確定的所述用戶的滿 意度，若用戶查看自動生成的滿意度并對其進(jìn)行了調(diào)整，則可以進(jìn)一步獲取到用戶對滿意 度的調(diào)整，并將所述用戶調(diào)整后的滿意度作為所述用戶的滿意度。
[0135] 在此之后，可以利用自動生成的滿意度評價結(jié)果進(jìn)一步對滿意度評價模型進(jìn)行訓(xùn) 練，以不斷得到更準(zhǔn)確的測評結(jié)果。
[0136] 實施例二、
[0137] 圖2為本發(fā)明實施例二提供的一種滿意度自動測評的裝置結(jié)構(gòu)示意圖，如圖2所 示，該裝置可以包括：
[0138] 獲取單元201，用于獲取用戶發(fā)送的信息。
[0139] 獲取單元201主要可以獲取用于分析滿意度所依據(jù)的由用戶發(fā)送的信息。
[0140] 用戶發(fā)送的信息可以是用戶發(fā)送的語音信息和/或文本信息等。例如在語音客服 系統(tǒng)中，用戶發(fā)送的信息可以是用戶在線與客服通話時所發(fā)送的詢問信息，也可以是在即 時通訊IM客服系統(tǒng)中，用戶通過語音功能，和/或通過打字輸入的聊天信息等。
[0141]該用戶發(fā)送的信息可以是用戶在生成語音或者文本信息時實時獲取的；或者也可 以將用戶生成的語音或者文本信息存儲起來，每間隔一段時間或者根據(jù)需要再從存儲裝置 獲取該存儲的信息作為用戶發(fā)送的信息。
[0142] 另外，在獲取用戶發(fā)送的信息時，如果用戶發(fā)送的信息數(shù)據(jù)量過大，也可以對用戶 發(fā)送的信息進(jìn)行抽取，例如截取用戶發(fā)送信息的開頭、結(jié)尾的內(nèi)容，或者截取最容易出現(xiàn)用 戶滿意度特征的時間段的內(nèi)容，比如在最后10分鐘等。
[0143] 該抽取的規(guī)則可以依據(jù)對樣本進(jìn)行訓(xùn)練時所發(fā)現(xiàn)的規(guī)律而進(jìn)行設(shè)置，或者依據(jù)人 的經(jīng)驗進(jìn)行設(shè)置。
[0144] 提取單元202,用于從用戶發(fā)送的信息中提取用戶的滿意度特征以確定滿意度評 價模型的輸入?yún)?shù)。
[0145] 具體地，對于用戶發(fā)送的語音信息，提取單元202可以從用戶發(fā)送的語音信息中提 取語音、語調(diào)、音量、語速中的至少一個作為滿意度特征;也可以將用戶發(fā)送的語音信息轉(zhuǎn) 換成文本信息;根據(jù)關(guān)鍵詞詞典從所述文本信息中提取關(guān)鍵詞作為滿意度特征;或者，根據(jù) 語義模型從所述文本信息中提取語義特征作為滿意度特征。
[0146] 對于用戶發(fā)送的文本信息，提取單元202可以根據(jù)關(guān)鍵詞詞典從文本信息中提取 關(guān)鍵詞作為滿意度特征;或者，根據(jù)語義模型從所述文本信息中提取語義特征作為滿意度 特征。
[0147] 其中，提取單元202可以通過執(zhí)行以下操作以