本发明涉及计算机通信技术领域，尤其涉及一种基于情绪分析的智能质检方法。
背景技术：
服务质量监控工作，即对客服代表在接续客户过程中存在的服务质量问题通过及时、有效的监控，给予客观平价，查找客服工作中存在的不足，及时形成有效信息，杜绝类似问题重现、对隐患问题有进行预见性的避免，有利于提升用户满意度。而现有的质检工作中，客服中心虽然有专门的质检团队，负责整个热线的座席员工服务质量检查和各类专项质检分析，但工作内容主要是对通话录音进行抽样复听、统计问题、形成报告并进行后续监督管控。当前客服质检工作存在的主要问题包括质检被动、效率不足、主观性强。
技术实现要素：
本发明的目的在于：为解决现有人工质检方法的效率低下的问题，本发明提供一种基于情绪分析的智能质检方法，将情绪分析运用在坐席质检中，能够模拟人工质检中对坐席情绪的判断，在提高效率的同时保证的准确度。
本发明的方案如下：
一种基于情绪分析的智能质检方法，包括如下步骤，
s1：获取可用的的坐席语音。
s2：读取坐席语音，对坐席的语音提取情感特征参数。
s3：将情感特征参数结合语义进行分析处理，判断客服的情绪，得出质检结果。
s4：将质检结果记入质检数据库。
具体地，所述的s1中，具体包含如下步骤：
s11：批量选择通话，采用筛选器对语音数据库中的语音进行筛选，筛选器中设有多种筛选模型，筛选模型包括无声电话模型，抢话模型，未及时响应客户需求模型，还包括通话时长模型和坐席工号模型；首先通过无声电话模型进行一级筛选，对一级筛选剩下通话进行抢话模型或未及时响应客户需求模型进行二级筛选，筛选出有抢话、未及时响应客户需求的情况后，直接判定为质检不合格，将此结果记录到质检数据库中，同时，将此类通话剔除；采用通话时长模型或坐席工号模型对剩下的通话进行三级筛选，从筛选剩下的通话中筛选到符合条件的客户与客服通话过程中的原始语音后，对原始语音进行场景分割，得到用户语音和坐席语音。
s12：提取坐席语音，并对坐席语音去除噪声和干扰后，进行放大处理得到可用的坐席语音。
具体地，所述的s3中，具体包含如下步骤：
s31：设定情感特征参数阈值，其中，情感特征参数包括基频、共振峰、短时能量、时长和语速。
s32：将通话信号进行分段处理，将每一段的通话信号中的基频、共振峰、短时能量、时长和语速量化为具体数值，将这些测定的数值作为情感特征参数。
s331：将s22中测得的情感特征参数和提前设定的情感特征参数域值进行比较，如果情感特征参数未超过阈值，则判断为情感特征参数正常，如果情感特征参数超过阈值，则判断为情感特征参数异常，再计算超过的数值。
s332：坐席的单向通话信号转化为文本，将文本与提前建立的敏感词库进行比对，判断文本中是否出现了敏感词；敏感词汇库的内容为坐席不能说出的词汇或语句，核心词汇库的内容为坐席必须说出的礼貌用语。
s34：结合步骤s22和s231、s232的结果，判断坐席的情绪；再次将文本内容与提前建立的标准词汇库进行对比，判断文本中是否出现了标准词，得出结果后再结合坐席情绪得出质检结果。
进一步地，所述s24中，判断坐席的情绪的具体过程为：若情感特征参数正常且文本中未出现敏感词汇，则判断为情绪正常；若情感特征参数不正常且没有涉及敏感词汇，则判断为情绪异常a，且根据情感特征参数超出阈值的数值进行判定异常等级，超过阈值的数值越多，异常等级越高；若情感特征参数正常且涉及敏感词汇，则判断为情绪异常b；若情情感特征参数不正常且涉及敏感词汇，则判断为严重情绪异常，且根据情感特征参数超出阈值的数值进行判定异常等级，超过阈值的数值越多，异常等级越高。
进一步地，所述s24中，判断是否出现标准词再结合坐席情绪得出之间结果的具体过程为：
若情绪正常，且出现了标准词，则判定为质检合格；其余情况均为不合格。
进一步地，所述情感特征参数阈值根据客服的性别的不同而不同。
进一步地，敏感词汇库1的更新周期周期支持按天统计、按周统计、按月统计、按季度统计、按半年统计、按一年统计。
采用上述方案后，本发明的有益效果在于：
采用本发明的方法，无需采用传统的人工质检方式，将情绪分析引入质检过程，更加智能化的同时提高了效率；建立了敏感词汇库和标准词库，提供双面检测，进一步增加了过程中的准确性；通过筛选器对原始的批量通话进行筛选，并且，通过抢话模型和未及时响应客户需求模型直接筛选出来，判定质检不合格，减少了后续质检步骤，提高了质检效率，同时，检测全面。
具体实施方式
本说明书中公开的所有特征，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
下面对本发明作详细说明。
一种基于情绪分析的智能质检方法，包括如下步骤，
s11：批量选择通话，采用筛选器对语音数据库中的语音进行筛选，筛选器中设有多种筛选模型，筛选模型包括无声电话模型，抢话模型，未及时响应客户需求模型，还包括通话时长模型和坐席工号模型；首先通过无声电话模型进行一级筛选，对一级筛选剩下通话进行抢话模型或未及时响应客户需求模型进行二级筛选，筛选出有抢话、未及时响应客户需求的情况后，直接判定为质检不合格，将此结果记录到质检数据库中，同时，将此类通话剔除；采用通话时长模型或坐席工号模型对剩下的通话进行三级筛选，从筛选剩下的通话中筛选到符合条件的客户与客服通话过程中的原始语音后，对原始语音进行场景分割，得到用户语音和坐席语音。
具体地，对于无声电话模型，目的是为了将单通无声电话处理不符合规范的语音筛选出，筛选器首先将此类电话删除，不作为质检范围内检测的通话，该类语音需要满足的条件为：(1)通过时长大于10s；(2)只有坐席的声音但客户完全无声，或有背景杂音但无客户声音。
对于抢话模型，在未进行场景分割前，将坐席与客户通话过程中出现的、抢话、插话或打断客户说话的语音全部检出，并且，在同一通话过程中，抢话行为出现次数越多，质检不合格的等级就越高。
s12：提取坐席语音，并对坐席语音去除噪声和干扰后，进行放大处理得到可用的坐席语音。
s31：设定情感特征参数阈值，其中，情感特征参数包括基频、共振峰、短时能量、时长和语速；
s32：将通话信号进行分段处理，将每一段的通话信号中的基频、共振峰、短时能量、时长和语速量化为具体数值，将这些测定的数值作为情感特征参数；
s331：将s22中测得的情感特征参数和提前设定的情感特征参数域值进行比较，如果情感特征参数未超过阈值，则判断为情感特征参数正常，如果情感特征参数超过阈值，则判断为情感特征参数异常，再计算超过的数值；
s332：坐席的单向通话信号转化为文本，将文本与提前建立的敏感词库进行比对，判断文本中是否出现了敏感词；敏感词汇库的内容为坐席不能说出的词汇或语句，核心词汇库的内容为坐席必须说出的礼貌用语；
s34：结合步骤s22和s231、s232的结果，判断坐席的情绪；再次将文本内容与提前建立的标准词汇库进行对比，判断文本中是否出现了标准词，得出结果后再结合坐席情绪得出质检结果。判断坐席的情绪的具体过程为：若情感特征参数正常且文本中未出现敏感词汇，则判断为情绪正常；若情感特征参数不正常且没有涉及敏感词汇，则判断为情绪异常a，且根据情感特征参数超出阈值的数值进行判定异常等级，超过阈值的数值越多，异常等级越高；若情感特征参数正常且涉及敏感词汇，则判断为情绪异常b；若情情感特征参数不正常且涉及敏感词汇，则判断为严重情绪异常，且根据情感特征参数超出阈值的数值进行判定异常等级，超过阈值的数值越多，异常等级越高。若情绪正常，且出现了标准词，则判定为质检合格；其余情况均为不合格。
所述情感特征参数阈值根据客服的性别的不同而不同。
所述敏感词汇库15-30天更新一次。
本发明不局限于上述具体实施例，应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。总之，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。