一种服务水平的确定方法及装置与流程

1.本技术涉及数据处理领域，特别是涉及一种服务水平的确定方法及装置。


背景技术：

2.目前，当用户需要办理业务时，其可以前往服务网点，由服务网点的业务办理人员为其办理相应的业务。
3.服务网点的业务办理人员的服务水平，在一定程度上影响用户办理业务的效率以及用户办理业务的体验。
4.因此，急需一种方案，能够确定服务网点的业务办理人员的服务水平。


技术实现要素：

5.本技术所要解决的技术问题是：如何确定业务办理人员的服务水平，提供一种服务水平的确定方法及装置。
6.第一方面，本技术实施例提供了一种服务水平的确定方法，所述方法包括：
7.获取客户办理业务时的音频数据，所述音频数据中包括所述客户办理业务时、所述客户与业务办理人员交谈的n句话；
8.按照所述客户与所述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第一机器学习模型，所述第一机器学习模型用于根据输入的语句确定对应的业务；
9.若将所述n句话的最后一句话输入所述第一机器学习模型之后，所述第一机器学习模型基于所述n句话确定了所述客户办理的业务，则将所述第一机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
10.可选的，所述方法还包括：
11.若将所述n句话的最后一句话输入所述第一机器学习模型之后，所述机器学习模型基于所述n句话未确定所述客户端办理的业务，则按照所述客户与所述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第二机器学习模型，所述第二机器学习模型用于根据输入的语句确定对应的业务，所述第二机器学习模型对应的水平等级、高于所述第一机器学习模型对应的水平等级；
12.若将所述n句话的最后一句话输入所述第二机器学习模型之后，所述第二机器学习模型基于所述n句话确定了所述客户办理的业务，则将所述第二机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
13.可选的，所述方法还包括：
14.若将所述n句话中的第i句话输入所述第一机器学习模型之后，所述第一机器学习模型基于所述n句话的前i句话确定了所述客户办理的业务，则按照所述客户与所述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第三机器学习模型，所述第三机器学习模型用于根据输入的语句确定对应的业务，所述第三机器学习模型对应的水平等级、低于所述第一机器学习模型对应的水平等级，i小于n；
15.若将所述n句话的最后一句话输入所述第三机器学习模型之后，所述第三机器学习模型基于所述n句话确定了所述客户办理的业务，则将所述第三机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
16.可选的，所述方法还包括：
17.预先训练对应于各个水平等级的机器学习模型，所述对应于各个水平等级的机器学习模型，包括所述第一机器学习模型。
18.可选的，在训练所述第一机器学习模型时，所述第一机器学习模型对应的水平等级，基于以下一项或者多项确定：
19.训练样本的数量、训练时长、所述第一机器学习模型对应的算法框架、以及训练所述第一机器学习模型的设备的资源运转效率。
20.第二方面，本技术实施例提供了一种服务水平的确定装置，所述装置包括：
21.获取单元，用于获取客户办理业务时的音频数据，所述音频数据中包括所述客户办理业务时、所述客户与业务办理人员交谈的n句话；
22.第一输入单元，用于按照所述客户与所述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第一机器学习模型，所述第一机器学习模型用于根据输入的语句确定对应的业务；
23.第一确定单元，用于若将所述n句话的最后一句话输入所述第一机器学习模型之后，所述第一机器学习模型基于所述n句话确定了所述客户办理的业务，则将所述第一机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
24.可选的，所述装置还包括：
25.第二输入单元，用于若将所述n句话的最后一句话输入所述第一机器学习模型之后，所述机器学习模型基于所述n句话未确定所述客户端办理的业务，则按照所述客户与所述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第二机器学习模型，所述第二机器学习模型用于根据输入的语句确定对应的业务，所述第二机器学习模型对应的水平等级、高于所述第一机器学习模型对应的水平等级；
26.第二确定单元，用于若将所述n句话的最后一句话输入所述第二机器学习模型之后，所述第二机器学习模型基于所述n句话确定了所述客户办理的业务，则将所述第二机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
27.可选的，所述装置还包括：
28.第三输入单元，用于若将所述n句话中的第i句话输入所述第一机器学习模型之后，所述第一机器学习模型基于所述n句话的前i句话确定了所述客户办理的业务，则按照所述客户与所述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第三机器学习模型，所述第三机器学习模型用于根据输入的语句确定对应的业务，所述第三机器学习模型对应的水平等级、低于所述第一机器学习模型对应的水平等级，i小于n；
29.第三确定单元，用于若将所述n句话的最后一句话输入所述第三机器学习模型之后，所述第三机器学习模型基于所述n句话确定了所述客户办理的业务，则将所述第三机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
30.可选的，所述装置还包括：
31.训练单元，用于预先训练对应于各个水平等级的机器学习模型，所述对应于各个
水平等级的机器学习模型，包括所述第一机器学习模型。
32.可选的，在训练所述第一机器学习模型时，所述第一机器学习模型对应的水平等级，基于以下一项或者多项确定：
33.训练样本的数量、训练时长、所述第一机器学习模型对应的算法框架、以及训练所述第一机器学习模型的设备的资源运转效率。
34.与现有技术相比，本技术实施例具有以下优点：
35.本技术实施例提供了一种服务水平的确定方法，在一个示例中，所述方法可以由服务器执行。作为一个示例，服务器可以获取客户办理业务时的音频数据，所述音频数据中包括所述客户办理业务时与业务办理人员交谈的n句话；而后，按照所述客户与所述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第一机器学习模型，所述第一机器学习模型用于根据输入的语句确定对应的业务。若将所述n句话的最后一句话输入所述第一机器学习模型之后，所述第一机器学习模型基于所述n句话确定了所述客户办理的业务，则说明所述第一机器学习确定客户所需办理的业务的速度，与所述业务办理人员确定客户所需办理的业务的速度基本相同，即：都是在客户说完n句话之后，才确定客户所需办理的业务。因此，可以将所述第一机器学习模型对应的水平等级，确定为所述业务人员的服务水平。由此可见，利用本方案，能够确定业务办理人员的服务水平。
附图说明
36.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
37.图1为本技术实施例提供的一种服务水平的确定方法的流程示意图；
38.图2为本技术实施例提供的又一种服务水平的确定方法的流程示意图；
39.图3为本技术实施例提供的又一种服务水平的确定方法的流程示意图；
40.图4为本技术实施例提供的一种服务水平的确定装置的结构示意图。
具体实施方式
41.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
42.下面结合附图，详细说明本技术的各种非限制性实施方式。
43.示例性方法
44.参见图1，该图为本技术实施例提供的一种服务水平的确定方法的流程示意图。图1所示的方法，例如可以由服务器执行。在一个示例中，图1所示的方法，例如可以包括s101-s103。
45.s101：获取客户办理业务时的音频数据，所述音频数据中包括所述客户办理业务时、所述客户与业务办理人员交谈的n句话。
46.一般情况下，业务办理人员为客户办理业务时，会对业务办理过程进行录音。在本技术实施例中，可以首先获取所述录音数据，而后，对所述录音数据进行处理，去除所述录音数据中业务办理人员所说的语句，并进一步将业务办理人员确定客户所需办理的业务之后、所述客户所说的语句也去除，从而得到所述音频数据。在一个示例中，所述音频数据还可以是经过降噪处理之后的数据。
47.不难理解的是，在业务办理人员为客户办理业务时，在客户与所述业务办理人员交谈了前述n句话之后，所述业务办理人员才确定出所述客户所需办理的业务。
48.s102：按照所述客户与所述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第一机器学习模型，所述第一机器学习模型用于根据输入的语句确定对应的业务。
49.在本技术实施例中，可以根据机器学习模型的水平等级，确定所述业务办理人员的服务水平。在一个示例中，可以预先训练对应于各个水平等级的机器学习模型，该各个机器学习模型，均用于根据输入的语音，确定该语音对应的业务。换言之，将客户所说的语句输入所述机器学习模型之后，所述机器学习模型可以根据客户所说的话，确定客户所需办理的业务。此处提及的各个机器学习模型，包括但不限于下文提及的第一机器学习模型、第二机器学习模型和第三机器学习模型。
50.关于所述各个机器学习模型的训练方式，本技术实施例不做具体限定。
51.在本技术实施例中，考虑到在训练机器学习模型时，训练得到的机器学习模型的精度，与训练样本、训练时长、模型的算法框架以及训练模型的设备的资源运转效率均相关。因此，在训练得到对应各个水平等级的机器学习模型时，可以通过对前述训练样本、训练时长、模型的算法框架以及训练模型的设备的资源运转效率中的其中一项或者多项进行控制，从而得到对应各个水平等级的机器学习模型。换言之，在训练所述第一机器学习模型时，所述第一机器学习模型对应的水平等级，可以基于训练样本的数量、训练时长、所述第一机器学习模型对应的算法框架、以及训练所述第一机器学习模型的设备的资源运转效率中的其中一项或者多项确定。
52.举例说明：
53.采用不同数量的训练样本训练5个机器学习模型，则采用最多的训练样本训练得到的机器学习模型的水平等级在这5个机器学习模型中最高、采用次多的训练样本训练得到的机器学习模型的水平等级在这5个机器学习模型中排第二，以此类推，采用最少的训练样本训练得到的机器学习模型的水平等级在这5个机器学习模型中最低。
54.获取所述音频数据之后，可以按照所述客户与所述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第一机器学习模型，由第一机器学习模型来模拟“业务办理人员”，根据客户所说的语句，来推测客户所需办理的业务。
55.s103：若将所述n句话的最后一句话输入所述第一机器学习模型之后，所述第一机器学习模型基于所述n句话确定了所述客户办理的业务，则将所述第一机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
56.在一个示例中，若将所述n句话的前(n-1)句话均输入所述第一机器学习模型之后，所述第一机器学习模型未确定用户所需办理的业务，而将所述n句话中的最后一句话输入所述第一机器学习模型之后，所述第一机器学习模型基于所述n句话确定了所述客户办
理的业务，则说明所述第一机器学习确定客户所需办理的业务的速度，与所述业务办理人员确定客户所需办理的业务的速度基本相同，即：都是在客户说完n句话之后，才确定客户所需办理的业务。因此，可以将所述第一机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
57.在一个示例中，若将所述n句话的最后一句话输入所述第一机器学习模型之后，所述第一机器学习模型基于所述n句话未确定所述客户端办理的业务，则可以继续执行图2所示的服务水平的确定方法。图2为本技术实施例提供的又一种服务水平的确定方法的流程示意图。图2所示的服务水平的确定方法，可以包括如下s201-s202。
58.s201：按照所述客户与所述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第二机器学习模型，所述第二机器学习模型用于根据输入的语句确定对应的业务，所述第二机器学习模型对应的水平等级、高于所述第一机器学习模型对应的水平等级。
59.需要说明的是，业务办理人员根据客户所述的n句话，则确定了客户所需办理的业务，而第一机器学习模型根据客户所说的n句话，却没有推断出客户所需办理的业务，则说明所述业务办理人员的服务水平、高于所述第一机器学习模型对应的水平等级。
60.对于这种情况，在本技术实施例中，继续使用水平等级高于所述第一机器学习模型对应的水平等级的第二机器学习模型，来根据客户所说的语句来确定所述客户所需办理的业务。
61.s202：若将所述n句话的最后一句话输入所述第二机器学习模型之后，所述第二机器学习模型基于所述n句话确定了所述客户办理的业务，则将所述第二机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
62.在一个示例中，若将所述n句话的前(n-1)句话均输入所述第二机器学习模型之后，所述第二机器学习模型未确定用户所需办理的业务，而将所述n句话中的最后一句话输入所述第二机器学习模型之后，所述第二机器学习模型基于所述n句话确定了所述客户办理的业务，则说明所述第二机器学习确定客户所需办理的业务的速度，与所述业务办理人员确定客户所需办理的业务的速度基本相同，即：都是在客户说完n句话之后，才确定客户所需办理的业务。因此，可以将所述第二机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
63.在一个示例中，若将所述n句话中的第i句话(i小于n)输入所述第一机器学习模型之后，所述第一机器学习模型基于基于所述n句话的前i句话确定了所述客户办理的业务，则可以继续执行图3所示的服务水平的确定方法。图3为本技术实施例提供的又一种服务水平的确定方法的流程示意图。图3所示的服务水平的确定方法，可以包括如下s301-s302。
64.s301：按照所述客户与所述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第三机器学习模型，所述第三机器学习模型用于根据输入的语句确定对应的业务，所述第三机器学习模型对应的水平等级、低于所述第一机器学习模型对应的水平等级。
65.需要说明的是，业务办理人员根据客户所述的n句话，则确定了客户所需办理的业务，而第一机器学习模型根据客户所说的i句话，就确定了客户所需办理的业务，则说明所述第一机器学习模型的水平等级，高于业务办理人员的服务水平。
66.对于这种情况，在本技术实施例中，继续使用水平等级低于所述第一机器学习模型对应的水平等级的第三机器学习模型，来根据客户所说的语句来确定所述客户所需办理
的业务。
67.s302：若将所述n句话的最后一句话输入所述第三机器学习模型之后，所述第三机器学习模型基于所述n句话确定了所述客户办理的业务，则将所述第三机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
68.在一个示例中，若将所述n句话的前(n-1)句话均输入所述第三机器学习模型之后，所述第三机器学习模型未确定用户所需办理的业务，而将所述n句话中的最后一句话输入所述第三机器学习模型之后，所述第三机器学习模型基于所述n句话确定了所述客户办理的业务，则说明所述第三机器学习确定客户所需办理的业务的速度，与所述业务办理人员确定客户所需办理的业务的速度基本相同，即：都是在客户说完n句话之后，才确定客户所需办理的业务。因此，可以将所述第三机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
69.关于本技术实施例提供的服务水平的确定方法，现举例说明。
70.假设n＝5，即：客户说了5句话之后，业务办理人员确定了客户所需办理的业务。
71.将这5个语句依次输入等级i的机器学习模型1，若还未到达5句，机器学习模型1确定出来访人员所要办理的业务，则将这5个语句依次输入等级i-1的机器学习模型2，直至找到能够基于这5个语句确定客户所需办理的业务的机器学习模型n，将该机器学习模型n的水平等级，确定为所述业务办理人员的服务水平。
72.将这5个语句依次输入等级i的机器学习模型1之后，若机器学习模型1根据这5句话并未确定客户所需办理的业务，则将这5个语句依次输入等级i+1的机器学习模型3，直至找到能够基于这5个语句确定客户所需办理的业务的机器学习模型m，将该机器学习模型m的水平等级，确定为所述业务办理人员的服务水平。
73.需要说明的是，在以上实施例中，“n句话”、“n个语句”所表达的含义相同，二者可以交替使用。类似的，“5个语句”所表达的含义即为“5句话”。
74.示例性设备
75.基于以上实施例提供的方法，本技术实施例还提供了一种装置，以下结合附图介绍该装置。
76.参见图4，该图为本技术实施例提供的一种服务水平的确定装置的结构示意图。所述装置400例如可以具体包括：获取单元401、第一输入单元402和第一确定单元403。
77.获取单元401，用于获取客户办理业务时的音频数据，所述音频数据中包括所述客户办理业务时、所述客户与业务办理人员交谈的n句话；
78.第一输入单元402，用于按照所述客户与所述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第一机器学习模型，所述第一机器学习模型用于根据输入的语句确定对应的业务；
79.第一确定单元403，用于若将所述n句话的最后一句话输入所述第一机器学习模型之后，所述第一机器学习模型基于所述n句话确定了所述客户办理的业务，则将所述第一机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
80.可选的，所述装置还包括：
81.第二输入单元，用于若将所述n句话的最后一句话输入所述第一机器学习模型之后，所述机器学习模型基于所述n句话未确定所述客户端办理的业务，则按照所述客户与所
述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第二机器学习模型，所述第二机器学习模型用于根据输入的语句确定对应的业务，所述第二机器学习模型对应的水平等级、高于所述第一机器学习模型对应的水平等级；
82.第二确定单元，用于若将所述n句话的最后一句话输入所述第二机器学习模型之后，所述第二机器学习模型基于所述n句话确定了所述客户办理的业务，则将所述第二机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
83.可选的，所述装置还包括：
84.第三输入单元，用于若将所述n句话中的第i句话输入所述第一机器学习模型之后，所述第一机器学习模型基于所述n句话的前i句话确定了所述客户办理的业务，则按照所述客户与所述业务人员交谈所述n句话的顺序，依次将所述n句话的每句话输入第三机器学习模型，所述第三机器学习模型用于根据输入的语句确定对应的业务，所述第三机器学习模型对应的水平等级、低于所述第一机器学习模型对应的水平等级，i小于n；
85.第三确定单元，用于若将所述n句话的最后一句话输入所述第三机器学习模型之后，所述第三机器学习模型基于所述n句话确定了所述客户办理的业务，则将所述第三机器学习模型对应的水平等级，确定为所述业务人员的服务水平。
86.可选的，所述装置还包括：
87.训练单元，用于预先训练对应于各个水平等级的机器学习模型，所述对应于各个水平等级的机器学习模型，包括所述第一机器学习模型。
88.可选的，在训练所述第一机器学习模型时，所述第一机器学习模型对应的水平等级，基于以下一项或者多项确定：
89.训练样本的数量、训练时长、所述第一机器学习模型对应的算法框架、以及训练所述第一机器学习模型的设备的资源运转效率。
90.由于所述装置400是与以上方法实施例提供的方法对应的装置，所述装置400的各个单元的具体实现，均与以上方法实施例为同一构思，因此，关于所述装置400的各个单元的具体实现，可以参考以上方法实施例的描述部分，此处不再赘述。
91.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求指出。
92.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。
93.以上所述仅为本技术的较佳实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。