1.本技术实施例涉及数据处理技术领域，特别是涉及一种话术判别方法、装置、电子设备及存储介质。
背景技术：2.为了能够为用户提供更好的服务，很多公司如手机运营商、互联网公司等都可以为用户提供电话服务。然而，对服务人员的通话过程和内容缺乏有效的指导手段，对服务人员的辅导难度大，缺乏针对性，不利于服务人员的快速学习成长。通过语音交互技术可以对服务人员的服务过程进行助力，这时需要对服务人员在服务过程中的话术进行判别，以确定出服务人员服务过程中的优秀话术和非优秀话术。
3.现有技术中，对话术进行分析判别方式主要有两种：人工抽样和基于关键词的自动判别。人工抽样是对通话数据进行随机抽样，然后人工听录音或者asr(automatic speech recognition，自动语音识别技术)转写的文本内容，分析理解并判决；基于关键词的自动判别是先验的认为优秀的话术需要涵盖一些核心的词汇，根据关键词匹配进行话术的判断。
4.基于人工抽样的方式，由于随机采样的原因，导致分析数据面广度受限，难以从统计意义上全面的对话术进行分析，而且，人工分析效率低下，主观性较强；基于关键词的判别方式，由于每个语义点涵盖的关键词无法穷举，不同的人在话术表达时差距较大，因此该方式的效果也不够理想。可见，现有技术均存在着判别结果不准确的问题。
技术实现要素：5.本技术实施例提供一种话术判别方法、装置、电子设备及存储介质，有助于提高判别结果的准确性。
6.为了解决上述问题，第一方面，本技术实施例提供了一种话术判别方法，包括：
7.获取待判别通话语句文本；
8.通过语义识别模型对所述待判别通话语句文本进行语义识别，得到所述待判别通话语句文本对应的语义识别结果；
9.若所述语义识别结果为所述待判别通话语句文本包括预设语义点，则将所述待判别通话语句文本与所述预设语义点对应的通话文本模板进行匹配；
10.根据匹配结果，确定判别结果。
11.第二方面，本技术实施例提供了一种话术判别装置，包括：
12.待判别文本获取模块，用于获取待判别通话语句文本；
13.语义识别模块，用于通过语义识别模型对所述待判别通话语句文本进行语义识别，得到所述待判别通话语句文本对应的语义识别结果；
14.文本匹配模块，用于若所述语义识别结果为所述待判别通话语句文本包括预设语义点，则将所述待判别通话语句文本与所述预设语义点对应的通话文本模板进行匹配；
15.判别结果确定模块，用于根据匹配结果，确定判别结果。
16.第三方面，本技术实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本技术实施例所述的话术判别方法。
17.第四方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本技术实施例公开的话术判别方法的步骤。
18.本技术实施例提供的话术判别方法、装置、电子设备及存储介质，通过在获取到待判别通话语句文本后，通过语义识别模型对待判别通话语句文本进行语义识别，得到待判别通话语句文本对应的语义识别结果，若语义识别结果为待判别通话语句文本包括预设语义点，则将待判别通话语句文本与预设语义点对应的通话文本模板进行匹配，根据匹配结果确定判别结果，由于基于语义识别模型对句子粒度的预设语义点进行识别，然后在该预设语义点下再对话术进行判别，即先缩小语义范围，保证话术判别的更精准，提高了判别结果的准确性。
附图说明
19.为了更清楚地说明本技术实施例的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
20.图1是本技术实施例一的一种话术判别方法的流程图；
21.图2是本技术实施例中的语义识别模型的模型框架图；
22.图3是本技术实施例二的一种话术判别装置的结构示意图；
23.图4是本技术实施例三的一种电子设备的结构示意图。
具体实施方式
24.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作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。
25.实施例一
26.图1是本技术实施例一提供的一种话术判别方法的流程图，如图1所示，该方法包括：步骤110至步骤140。
27.步骤110，获取待判别通话语句文本。
28.其中，所述待判别通话语句文本是句子粒度的文本，每个待判别通话语句文本为句子粒度的文本，是服务人员和用户通话过程中的一句话的文本内容。
29.可以预先对服务人员和用户通话过程中的音频进行语音识别处理，得到通话过程中的通话内容文本，并按照句子将通话内容文本分割为多个待判别通话语句文本。
30.在本发明的一个实施例中，所述获取待判别通话语句文本，包括：获取通话内容文本；按照通话角色，对所述通过内容文本进行分割，获取待判别通话角色的分割文本；对所
述分割文本进行断句，将所述分割文本中的每个句子分别确定为所述待判别通话语句文本。
31.可以预先对服务人员和用户通话过程中的音频进行语音识别处理，得到通话过程中的通话内容文本，按照通话角色对通话内容文本进行分割，将通话内容文本分割为服务人员的分割文本和用户的分割文本，获取服务人员的分割文本，将服务人员的分割文本确定为待判别通话角色的分割文本，当然为了其他目的，也可以将用户的分割文本确定为待判别通话角色的分割文本。对待判别通话角色的分割文本进行断句，将分割文本中的每个句子分别确定为待判别通话语句文本。通过将整体的通话内容文本分割出待判别用户角色的分割文本，并将分割文本中的每个句子分别确定为待判别通话语句文本，便于针对每个待判别通话语句文本进行话术判别，提高判别结果的准确性。
32.在本发明的一个实施例中，将所述分割文本中的每个句子分别确定为所述待判别通话语句文本，包括：对所述分割文本中的每个句子分别进行预处理，并将预处理后的每个句子分别确定为所述待判别通话语句文本。
33.对分割文本中的每个句子分别进行预处理，即对每个句子进行繁简转换、全半角转换、数字归一化、停用词去除、中文分词等处理，并将预处理后的每个句子分别确定为待判别通话语句文本。其中，数字归一化是指将不同表示形式的数字表示为相同的形式，例如将阿拉伯数字、汉字表示的数字均转换为阿拉伯数字等。
34.通过对分割文本中的每个句子分别进行预处理，并将预处理后的每个句子分别确定为待判别通话语句文本，使得待判别通话语句文本中的内容格式相同，可以提高判别结果的准确性。
35.步骤120，通过语义识别模型对所述待判别通话语句文本进行语义识别，得到所述待判别通话语句文本对应的语义识别结果。
36.其中，语义识别是判断待判别通话语句文本中是否包含预设语义点。所述语义识别模型可以对预设语义点进行识别，是深度学习模型。所述预设语义点是预先设置的核心语义点，例如可以包括通话目的、信息鉴别方式等语义点，如表1所示。
37.表1预设语义点举例
[0038][0039]
将待判别通话语句文本输入语义识别模型，通过语义识别模型对待判别通话语句文本进行语义识别，得到待判别通话语句文本对应的语义识别结果。其中，所述语义识别结果是待判别通话语句文本所包括的预设语义点。其中，所述语义识别模型可以是bert模型。
[0040]
在本发明的一个实施例中，通过语义识别模型对所述待判别通话语句文本进行语义识别，得到所述待判别通话语句文本对应的语义识别结果，包括：将所述待判别通话语句文本和语义模板输入语义识别模型，得到所述待判别通话语句文本对应的语义识别结果，所述语义模板包括多个预设语义点，所述语义识别结果包括所述多个预设语义点和与所述多个预设语义点分别对应的标签预测结果。
[0041]
图2是本技术实施例中的语义识别模型的模型框架图，如图2所示，所述语义识别模型是基于bert编码框架的prompt的模型。所述语义模板即预先设置的prompt模板，包括多个预设语义点和与每个预设语义点对应的标签预测掩膜，例如语义模板可以表示为：[m]关意图1[m]关意图2
…
[m]关意图n，[m]是标签预测掩膜，意图1、意图2
……
意图n是多个预设语义点。语义识别结果与语义模板的表示形式相同，具体是将[m]替换为标签预测结果，例如语义识别结果可以为：有关意图1无关意图2有关意图3。
[0042]
将待判别通话语句文本和语义模板输入语义识别模型，通过语义识别模型对待判别通话语句文本进行预设语义点的识别，得到待判别通话语句文本对应的语义识别结果。语义识别模型采用bert编码框架的prompt方案，使得语义识别任务来拟合预训练的bert模型，相对于使预训练的bert模型拟合语义识别任务而言，可以更大程度的保留bert模型的
优点，提高语义点识别准确度。
[0043]
通过语义模板和语义识别模型将语义点的识别任务转化为了标签预测任务，提高了语义点识别的准确度，经过实践，相对于bert模型，采用基于bert编码框架的prompt，语义点的识别准确度从0.855提升到0.934，获得接近8个点的准确度收益，取得了显著的效果提升。
[0044]
在本发明的一个实施例中，在将所述待判别通话语句文本和语义模板输入语义识别模型之前，还包括：获取通话语句文本样本和对应的语义点标签；将所述通话语句文本样本和语义模板输入语义识别模型，得到所述通话语句文本样本对应的语义识别结果；根据所述通话语句文本样本对应的语义识别结果和所述语义点标签，对所述语义识别模型的模型参数进行调整，得到训练完成的语义识别模型。
[0045]
获取通话语句文本样本和对应的语义点标签，将通话语句文本样本和语义模板输入语义识别模型，通过语义识别模型对通话语句文本进行预设语义点的识别，得到通话语句文本样本对应的语义识别结果，根据通话语句文本样本对应的语义识别结果和语义点标签对语义识别模型的模型参数进行调整，并基于通话语句文本样本和对应的语义点标签迭代对模型参数进行调整，直至模型参数收敛，得到训练完成的语义识别模型。
[0046]
步骤130，若所述语义识别结果为所述待判别通话语句文本包括预设语义点，则将所述待判别通话语句文本与所述预设语义点对应的通话文本模板进行匹配。
[0047]
如果语义识别结果为待判别通话语句文本包括预设语义点，则对待判别通话语句文本进行话术判别，即将待判别通话语句文本与待判别通话语句文本包括的预设语义点所对应的通话文本模板进行匹配，得到匹配结果。如果语义识别结果为待判别通话语句文本不包括预设语义点，则不需要再将待判别通话语句文本与预设语义点对应的通话文本模型进行匹配，并确定待判别通话语句文本为不符合要求的话术。其中，所述通话文本模板是预先设置的预设语义点下的较为优秀的话术模板。
[0048]
步骤140，根据匹配结果，确定判别结果。
[0049]
如果匹配结果为待判别通话语句文本与通话文本模板相匹配，则确定判别结果为待判别通话语句文本为符合要求的话术；如果匹配结果为待判别通话语句文本与通话文本模板不匹配，则确定判别结果为待判别通话语句文本为不符合要求的话术。其中，符合要求的话术例如可以是预设的优秀话术。基于判别结果，在待判别通话语句文本为不符合要求的话术时，可以为服务人员指出不足之处，助力服务人员成长，提高服务人员的工作效率。
[0050]
在本发明的一个实施例中，根据匹配结果，确定判别结果，包括：若所述匹配结果为所述待判别通话语句文本与所述通话文本模板的相似度大于或等于预设相似度阈值，则确定判别结果为所述待判别通话语句文本为符合要求的话术；若所述匹配结果为所述待判别通话语句文本与所述通话文本模板的相似度小于预设相似度阈值，则确定判别结果为所述待判别通话语句文本为不符合要求的话术。
[0051]
匹配结果为待判别通话语句文本与通话文本模板的相似度与预设相似度阈值的比较结果，如果待判别通话语句文本与通话文本模板的相似度大于或等于预设相似度阈值，则待判别通话语句文本与通话文本模板较为相似，这时确定判别结果为待判别通话语句文本为符合要求的话术；如果待判别通话语句文本与通话文本模板的相似度小于预设相似度阈值，则待判别通话语句文本与通话文本模板的相似度较小，这时确定判别结果为待
判别通话语句文本为不符合要求的话术。
[0052]
本技术实施例使用基于深度学习的语义识别模型对服务人员的通话内容进行语义理解，先识别出每个待判别通话语句文本的预设语义点，然后，再针对每个预设语义点下对话术的不同要求，对待判别通话语句文本进行语义匹配，对待判别通话语句文本的话术是否优秀进行判别。对于每个预设语义点可以根据判别结果助力服务人员成长，提高服务人员的工作效率。
[0053]
本技术实施例提供的话术判别方法，通过在获取到待判别通话语句文本后，通过语义识别模型对待判别通话语句文本进行语义识别，得到待判别通话语句文本对应的语义识别结果，若语义识别结果为待判别通话语句文本包括预设语义点，则将待判别通话语句文本与预设语义点对应的通话文本模板进行匹配，根据匹配结果确定判别结果，由于基于语义识别模型对句子粒度的预设语义点进行识别，然后在该预设语义点下再对话术进行判别，即先缩小语义范围，保证话术判别的更精准，提高了判别结果的准确性。
[0054]
实施例二
[0055]
图3是本技术实施例提供的一种话术判别装置的结构示意图，如图3所示，所述话术判别装置300包括：
[0056]
待判别文本获取模块310，用于获取待判别通话语句文本；
[0057]
语义识别模块320，用于通过语义识别模型对所述待判别通话语句文本进行语义识别，得到所述待判别通话语句文本对应的语义识别结果；
[0058]
文本匹配模块330，用于若所述语义识别结果为所述待判别通话语句文本包括预设语义点，则将所述待判别通话语句文本与所述预设语义点对应的通话文本模板进行匹配；
[0059]
判别结果确定模块340，用于根据匹配结果，确定判别结果。
[0060]
可选的，所述语义识别模块具体用于：
[0061]
将所述待判别通话语句文本和语义模板输入语义识别模型，得到所述待判别通话语句文本对应的语义识别结果，所述语义模板包括多个预设语义点，所述语义识别结果包括所述多个预设语义点和与所述多个预设语义点分别对应的标签预测结果。
[0062]
可选的，所述装置还包括：
[0063]
样本获取模块，用于获取通话语句文本样本和对应的语义点标签；
[0064]
样本语义识别模块，用于将所述通话语句文本样本和语义模板输入语义识别模型，得到所述通话语句文本样本对应的语义识别结果；
[0065]
模型参数调整模块，用于根据所述通话语句文本样本对应的语义识别结果和所述语义点标签，对所述语义识别模型的模型参数进行调整，得到训练完成的语义识别模型。
[0066]
可选的，所述判别结果确定模块具体用于：
[0067]
若所述匹配结果为所述待判别通话语句文本与所述通话文本模板的相似度大于或等于预设相似度阈值，则确定判别结果为所述待判别通话语句文本为符合要求的话术；
[0068]
若所述匹配结果为所述待判别通话语句文本与所述通话文本模板的相似度小于预设相似度阈值，则确定判别结果为所述待判别通话语句文本为不符合要求的话术。
[0069]
可选的，所述待判别文本获取模块包括：
[0070]
通话文本获取单元，用于获取通话内容文本；
[0071]
文本分割单元，用于按照通话角色，对所述通过内容文本进行分割，获取待判别通话角色的分割文本；
[0072]
文本断句单元，用于对所述分割文本进行断句，将所述分割文本中的每个句子分别确定为所述待判别通话语句文本。
[0073]
可选的，所述文本断句单元包括：
[0074]
预处理子单元，用于对所述分割文本中的每个句子分别进行预处理，并将预处理后的每个句子分别确定为所述待判别通话语句文本。
[0075]
本技术实施例提供的话术判别装置，用于实现本技术实施例一中所述的话术判别方法的各步骤，装置的各模块的具体实施方式参见相应步骤，此处不再赘述。
[0076]
本技术实施例提供的话术判别装置，通过在获取到待判别通话语句文本后，通过语义识别模型对待判别通话语句文本进行语义识别，得到待判别通话语句文本对应的语义识别结果，若语义识别结果为待判别通话语句文本包括预设语义点，则将待判别通话语句文本与预设语义点对应的通话文本模板进行匹配，根据匹配结果确定判别结果，由于基于语义识别模型对句子粒度的预设语义点进行识别，然后在该预设语义点下再对话术进行判别，即先缩小语义范围，保证话术判别的更精准，提高了判别结果的准确性。
[0077]
实施例四
[0078]
本技术实施例还提供了一种电子设备，如图4所示，该电子设备400可以包括一个或多个处理器410以及与处理器410连接的一个或多个存储器420。电子设备400还可以包括输入接口430和输出接口440，用于与另一装置或系统进行通信。被处理器410执行的程序代码可存储在存储器420中。
[0079]
电子设备400中的处理器410调用存储在存储器420的程序代码，以执行上述实施例中的话术判别方法。
[0080]
本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本技术实施例一所述的话术判别方法的步骤。
[0081]
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0082]
以上对本技术实施例提供的一种话术判别方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。
[0083]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
技术特征：1.一种话术判别方法，其特征在于，包括：获取待判别通话语句文本；通过语义识别模型对所述待判别通话语句文本进行语义识别，得到所述待判别通话语句文本对应的语义识别结果；若所述语义识别结果为所述待判别通话语句文本包括预设语义点，则将所述待判别通话语句文本与所述预设语义点对应的通话文本模板进行匹配；根据匹配结果，确定判别结果。2.根据权利要求1所述的方法，其特征在于，通过语义识别模型对所述待判别通话语句文本进行语义识别，得到所述待判别通话语句文本对应的语义识别结果，包括：将所述待判别通话语句文本和语义模板输入语义识别模型，得到所述待判别通话语句文本对应的语义识别结果，所述语义模板包括多个预设语义点，所述语义识别结果包括所述多个预设语义点和与所述多个预设语义点分别对应的标签预测结果。3.根据权利要求2所述的方法，其特征在于，在将所述待判别通话语句文本和语义模板输入语义识别模型之前，还包括：获取通话语句文本样本和对应的语义点标签；将所述通话语句文本样本和语义模板输入语义识别模型，得到所述通话语句文本样本对应的语义识别结果；根据所述通话语句文本样本对应的语义识别结果和所述语义点标签，对所述语义识别模型的模型参数进行调整，得到训练完成的语义识别模型。4.根据权利要求1-3任一项所述的方法，其特征在于，根据匹配结果，确定判别结果，包括：若所述匹配结果为所述待判别通话语句文本与所述通话文本模板的相似度大于或等于预设相似度阈值，则确定判别结果为所述待判别通话语句文本为符合要求的话术；若所述匹配结果为所述待判别通话语句文本与所述通话文本模板的相似度小于预设相似度阈值，则确定判别结果为所述待判别通话语句文本为不符合要求的话术。5.根据权利要求1-3任一项所述的方法，其特征在于，所述获取待判别通话语句文本，包括：获取通话内容文本；按照通话角色，对所述通过内容文本进行分割，获取待判别通话角色的分割文本；对所述分割文本进行断句，将所述分割文本中的每个句子分别确定为所述待判别通话语句文本。6.根据权利要求5所述的方法，其特征在于，将所述分割文本中的每个句子分别确定为所述待判别通话语句文本，包括：对所述分割文本中的每个句子分别进行预处理，并将预处理后的每个句子分别确定为所述待判别通话语句文本。7.一种话术判别装置，其特征在于，包括：待判别文本获取模块，用于获取待判别通话语句文本；语义识别模块，用于通过语义识别模型对所述待判别通话语句文本进行语义识别，得到所述待判别通话语句文本对应的语义识别结果；
文本匹配模块，用于若所述语义识别结果为所述待判别通话语句文本包括预设语义点，则将所述待判别通话语句文本与所述预设语义点对应的通话文本模板进行匹配；判别结果确定模块，用于根据匹配结果，确定判别结果。8.根据权利要求7所述的装置，其特征在于，所述语义识别模块具体用于：将所述待判别通话语句文本和语义模板输入语义识别模型，得到所述待判别通话语句文本对应的语义识别结果，所述语义模板包括多个预设语义点，所述语义识别结果包括所述多个预设语义点和与所述多个预设语义点分别对应的标签预测结果。9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任意一项所述的话术判别方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至6任意一项所述的话术判别方法的步骤。
技术总结本申请实施例公开了一种话术判别方法、装置、电子设备及存储介质，该方法包括：获取待判别通话语句文本；通过语义识别模型对所述待判别通话语句文本进行语义识别，得到所述待判别通话语句文本对应的语义识别结果；若所述语义识别结果为所述待判别通话语句文本包括预设语义点，则将所述待判别通话语句文本与所述预设语义点对应的通话文本模板进行匹配；根据匹配结果，确定判别结果。本申请实施例由于基于语义识别模型对句子粒度的预设语义点进行识别，然后在该预设语义点下再对话术进行判别，即先缩小语义范围，保证话术判别的更精准，提高了判别结果的准确性。高了判别结果的准确性。高了判别结果的准确性。
技术研发人员：王鹏 张伟波 刘湘峰 袁春阳
受保护的技术使用者：北京三快在线科技有限公司
技术研发日：2022.03.29
技术公布日：2022/7/5
