(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211086403.3 (22)申请日 2022.09.06 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 史文鑫　陈杭　 (74)专利代理 机构 深圳紫藤知识产权代理有限 公司 44570 专利代理师 陈楚芳 (51)Int.Cl. G06F 40/205(2020.01) G06F 16/35(2019.01) G06F 40/279(2020.01) G06F 40/35(2020.01) (54)发明名称 一种对话质检方法、 装置、 计算机设备及存 储介质 (57)摘要 本申请实施例公开了一种对话质检方法、 装 置、 计算机设备及存储介质， 其中， 该方法包括： 获取客户和客服的对话内容， 对话内容中包括多 条对话消息； 调用质检模型， 质检模型中包括长 度拼接模块、 角色区分模块、 情感分类模块、 特征 编码模块和评估模块； 通过长度拼接模块获取对 话消息的文本长度向量； 通过角色区分模块获取 对话消息的角色向量； 通过情感分类模块获取对 话消息的情感向量； 通过特征编码模块获取满足 预设条件的对话消息以及对话消息的上下文的 语义特征向量； 将上述模块得到的向量输入评估 模块分析得到对话内容的客服质检结果。 通过上 述方式， 通过一个模型对客户和客服之间的对话 内容进行质检， 质检速度快， 质检所需要的时间 短。 权利要求书2页 说明书12页 附图3页 CN 115169325 A 2022.10.11 CN 115169325 A 1.一种对话质检方法， 其特 征在于， 所述方法包括： 获取客户和客 服的对话内容， 所述对话内容中包括多条对话消息； 调用质检模型， 所述质检模型中包括长度拼接模块、 角色区分模块、 情感分类模块、 特 征编码模块和评估 模块； 通过所述长度拼接模块识别每一条所述对话消息的文本长度特征， 对所述对话消息的 文本长度特征进行拼接得到文本 长度向量； 通过所述角色区分模块对所述对话消息进行对话角色的区分， 确定发出每一条所述对 话消息的对话角色， 对所述对话消息的对话角色向量进 行拼接得到角色向量， 其中， 所述对 话角色包括 客户和客 服； 通过所述情感分类模块对每一条所述对话消息进行情感分类得到所述对话消息的情 感类型编码， 对所述情感类型进行拼接得到情感向量； 通过所述特征编码模块对满足预设条件的对话消息以及所述对话消息的上下文进行 语义特征的提取， 得到对话语义特 征， 并将所述对话语义特 征进行拼接得到语义特 征向量； 将所述文本长度向量、 所述角色向量、 所述情感向量和所述语义特征向量输入所述评 估模块， 通过 所述评估 模块分析 得到所述对话内容的客 服质检结果。 2.根据权利要求1所述的对话质检方法， 其特征在于， 所述预设条件为对话消息带有消 极情绪， 所述通过所述特征编 码模块对满足预设条件的对话消息以及所述对话消息的上下 文进行语义特征 的提取， 得到对话语义特征， 并将所述对话语义特征进行拼接得到语义特 征向量， 包括： 通过所述特征编码模块对所述对话内容中的对话消息进行消息情绪识别， 确定出带有 消极情绪的目标对话消息； 对所述目标对话消息及其上下文进行语义特征的提取， 得到对话语义特征， 并将所述 对话语义特 征进行拼接得到语义特 征向量。 3.根据权利要求1所述的对话质检方法， 其特征在于， 所述通过所述特征编码模块对满 足预设条件的对话消息以及所述对话消息的上下文进 行语义特征的提取， 得到对话语义特 征， 并将所述对话语义特 征进行拼接得到语义特 征向量， 包括： 对于满足预设条件的每一对话消息， 通过所述特征编码模块按照从所述对话消息的上 文到对话消息的第一 顺序对所述上文和所述对话消息进行编码， 得到第一编码文本向量； 通过所述特征编码模块按照从所述对话消息的下文到对话消息的第二顺序对所述下 文和所述对话消息进行编码， 得到第二编码文本向量； 所述第一编码文本向量和所述第二编码文本向量中的尾部向量元素均对应所述对话 消息。 4.根据权利要求1所述的对话质检方法， 其特征在于， 所述通过所述长度拼接模块识别 每一条所述对话消息的文本长度特征， 对所述对话消息的文本长度特征进 行拼接得到文本 长度向量， 包括： 对所述对话内容中的所有的对话消息进行分组， 得到至少一组消息组， 每一组所述消 息组中至少包括两条对话消息； 计算每一组所述消息组中的每一条对话消息的文本长度， 并基于对话消息发出的顺序 对所述消息组中的对话消息进行排序；权　利　要　求　书 1/2 页 2 CN 115169325 A 2基于排序结果， 将所述消息组中的对话消息的文本 长度进行拼接得到文本 长度向量。 5.根据权利要求1所述的对话质检方法， 其特征在于， 所述通过所述情感分类模块对每 一条所述对话消息进 行情感分类得到所述对话消息的情感类型编 码， 对所述情感类型进 行 拼接得到情感向量， 包括： 对每一所述对话消息进行关键词提取， 基于提取 结果确定所述对话消息的情感类型。 6.根据权利要求1所述的对话质检方法， 其特征在于， 在所述调用质检模型之前， 所述 方法还包括： 获取历史客户和客服的历史对话内容， 所述历史对话内容中包括有多条历史对话消 息； 从所述历史对话消息中选取出带有消极情绪的历史对话消息作为模型训练数据， 将所 述模型训练数据输入质检模型中进行模型训练。 7.根据权利要求1所述的对话质检方法， 其特征在于， 在所述通过所述评估模块综合分 析得到所述对话内容的质检结果之后， 所述方法还 包括： 若所述质检结果为不符合质检要求， 则提取所述对话内容中的带有消极情绪的对话消 息， 将所述带有消极情绪的对话消息作为训练数据进行保存。 8.一种对话质检装置， 其特 征在于， 所述装置包括： 获取单元， 用于获取客户和客 服的对话内容， 所述对话内容中包括多条对话消息； 模型处理单元， 用于调用质检模型， 所述质检模型中包括长度拼接模块、 角色区分模 块、 情感分类模块、 特 征编码模块和评估 模块； 通过所述长度拼接模块识别每一条所述对话消息的文本长度特征， 对所述对话消息的 文本长度特征进行拼接得到文本 长度向量； 通过所述角色区分模块对所述对话消息进行对话角色的区分， 确定发出每一条所述对 话消息的对话角色， 对所述对话消息的对话角色向量进 行拼接得到角色向量， 其中， 所述对 话角色包括 客户和客 服； 通过所述情感分类模块对每一条所述对话消息进行情感分类得到所述对话消息的情 感类型编码， 对所述情感类型进行拼接得到情感向量； 通过所述特征编码模块对满足预设条件的对话消息以及所述对话消息的上下文进行 语义特征的提取， 得到对话语义特 征， 并将所述对话语义特 征进行拼接得到语义特 征向量； 将所述文本长度向量、 所述角色向量、 所述情感向量和所述语义特征向量输入所述评 估模块， 通过 所述评估 模块分析 得到所述对话内容的客 服质检结果。 9.一种计算机设备， 其特征在于， 包括存储器和处理器， 所述存储器用于存储指令和数 据， 所述处 理器用于执 行权利要求1 ‑7任一项所述的对话质检方法。 10.一种存储介质， 其特征在于， 所述存储介质中存储有多条指令， 所述指令适于由处 理器加载以执 行权利要求1 ‑7任一项所述的对话质检方法。权　利　要　求　书 2/2 页 3 CN 115169325 A 3