【技術實現步驟摘要】
本專利技術涉及人工智能，具體是一種基于人工智能技術的用戶滿意度分析方法及系統。
技術介紹
1、為了改進產品與服務、提升用戶體驗，企業需要持續進行用戶滿意度研究，掌握用戶對各項指標的滿意度。一種傳統的用戶滿意度研究方法是：通過人工外呼，要求用戶對各項服務進行滿意度打分；之后對外呼語音數據進行分析，獲得滿意度研究結果。傳統的外呼語音數據分析，采用人工方式進行，人工聽取并記錄各項滿意度得分。這種方法效率低下、人力及培訓成本巨大、質檢成本高；且存在因人員素質與主觀性帶來的錯誤與偏差，導致分析結果不可靠。隨著asr（語音識別）、自然語言處理、大語言模型等ai技術的不斷進步，采用ai技術進行自動智能化分析具有很大的社會價值。
2、針對傳統方法的缺點與不足，本專利技術提出基于ai技術自動進行智能化滿意度分析。本專利技術的優點在于能夠極大地降低人力成本、提高效率、同時能保證處理結果的穩定性，可以應用于滿意度研究中的智能外呼、外呼質檢場景。
技術實現思路
1、本專利技術提供了一種基于人工智能技術的用戶滿意度分析方法及系統，以解決上述
技術介紹
中提出的問題。
2、為實現上述目的，第一方面，本專利技術提供如下技術方案：
3、一種基于人工智能技術的用戶滿意度分析方法，包括以下步驟：
4、s1：加載數據：加載的數據包括原始的外呼語音數據和對應的問卷數據；
5、s2：數據預處理：將外呼語音數據轉化為文本，將轉化后的文本基于問卷數據切分為多個問答上下文，
6、s3：滿意度分析：對切分后的問答上下文、語音片段進行智能分析，獲得滿意度分析結果；
7、s4：輸出滿意度分析結果。
8、優選地，步驟s1具體包括：
9、s11、基于所分析的外呼編號加載對應的外呼語音數據；
10、s12、基于所分析的外呼編號加載對應的問卷數據。
11、優選地，問卷數據包括多個子項目，每個子項目包括：相關問題、問題類型、該問題候選答案的取值范圍。
12、優選地，步驟s2具體包括：
13、s21、將外呼語音數據轉換成文本格式；
14、s22、將轉換后的文本進行切分，按照問卷數據中的各個子項目進行切分，每個子項目對應一個問答上下文；
15、s23、基于問卷數據對轉化后的文本剔除噪聲、訂正錯誤；
16、s24、根據多個問答上下文在外呼語音數據中的位置，對外呼語音數據進行切分，得到與多個問答上下文對應的多個語音片段。
17、優選地，步驟s22中所述的將轉換后的文本進行切分包括：
18、基于問卷數據中的問題，通過語義匹配結合順序匹配實現對轉換后的文本進行切分；
19、其中，通過語義匹配包括將問卷數據中的問題與轉換后的文本數據進行語義計算，識別出每個問題的位置；
20、結合順序匹配包括按照問卷數據中問題的先后順序，對匹配錯誤的結果進行糾正；
21、步驟s23中所述的基于問卷數據對轉化后的文本剔除噪聲、訂正錯誤包括：
22、使用問卷數據中的問題對轉化錯誤的問題進行糾正，使用問卷數據中候選答案的取值范圍對轉化錯誤的答案進行糾正。
23、優選地，步驟s3中所述的滿意度分析包括：
24、針對所有的子項目進行滿意度分析，分析對應的問答上下文、語音片段，識別用戶對該子項目是否滿意，滿意度分析結果包括“滿意”、“一般”、“不滿意”。
25、優選地，步驟s3具體包括：
26、s31、通過自然語言處理技術實現滿意度打分識別，獲得用戶評分數據；
27、s32、構建多模態融合模型，多模態融合模型采用多個編碼器分別獲得多模態輸出的表征信息，采用神經網絡模型進行融合后得到輸出結果，即為滿意度分析結果。
28、優選地，所述多個編碼器包括語音編碼器、文本編碼器、評分編碼器，將標注數據庫中的用戶回答的音頻、用戶回答的文字描述、用戶評分數據分別輸入到語音編碼器、文本編碼器、評分編碼器中，獲得多模態輸出的表征信息。
29、優選地，將多個編碼器輸出的表征信息拼接成一個向量，使用全連接網絡轉換成長度為3的向量，即為滿意度分析結果。
30、第二方面，本專利技術提供了一種基于人工智能技術的用戶滿意度分析系統，適用于如前文所述的基于人工智能技術的用戶滿意度分析方法，包括：
31、數據加載模塊：用于加載原始的外呼語音數據和對應的問卷數據；
32、數據預處理模塊：用于將外呼語音數據轉化為文本，將轉化后的文本基于問卷數據切分為多個問答上下文，將外呼語音數據切分為對應的多個語音片段；
33、智能分析模塊：包括打分識別子模塊和滿意度識別子模塊，其中打分識別子模塊通過自然語言處理技術實現滿意度打分識別，獲得用戶評分數據；滿意度識別子模塊通過多模態融合模型采用多個編碼器分別獲得多模態輸出的表征信息，采用神經網絡模型進行融合后得到輸出結果；
34、輸出模塊，用于將滿意度分析結果進行輸出。
35、與現有技術相比，本專利技術的有益效果是：
36、本專利技術基于人工智能技術對外呼問卷調查的數據自動進行滿意度分析，本專利技術的技術方案具有無需大量人工分析、處理效率高、分析成本低的優點，基于語音識別、自然語言處理、大語言模型、多模態融合模型技術相結合，細分技術場景結合業務特點進行優化，識別準確率更高。
本文檔來自技高網...【技術保護點】
1.一種基于人工智能技術的用戶滿意度分析方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于人工智能技術的用戶滿意度分析方法，其特征在于，步驟S1具體包括：
3.根據權利要求2所述的基于人工智能技術的用戶滿意度分析方法，其特征在于，問卷數據包括多個子項目，每個子項目包括：相關問題、問題類型、該問題候選答案的取值范圍。
4.根據權利要求1所述的基于人工智能技術的用戶滿意度分析方法，其特征在于，步驟S2具體包括：
5.根據權利要求4所述的基于人工智能技術的用戶滿意度分析方法，其特征在于，步驟S22中所述的將轉換后的文本進行切分包括：
6.根據權利要求3所述的基于人工智能技術的用戶滿意度分析方法，其特征在于，步驟S3中所述的滿意度分析包括：
7.根據權利要求6所述的基于人工智能技術的用戶滿意度分析方法，其特征在于，步驟S3具體包括：
8.根據權利要求7所述的基于人工智能技術的用戶滿意度分析方法，其特征在于，所述多個編碼器包括語音編碼器、文本編碼器、評分編碼器，將標注數據庫中的用戶回答的音頻、用
9.根據權利要求7所述的基于人工智能技術的用戶滿意度分析方法，其特征在于，將多個編碼器輸出的表征信息拼接成一個向量，使用全連接網絡轉換成長度為3的向量，即為滿意度分析結果。
10.一種基于人工智能技術的用戶滿意度分析系統，其特征在于，適用于如權利要求1-9中任意一項所述的基于人工智能技術的用戶滿意度分析方法，包括：
...【技術特征摘要】
1.一種基于人工智能技術的用戶滿意度分析方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于人工智能技術的用戶滿意度分析方法，其特征在于，步驟s1具體包括：
3.根據權利要求2所述的基于人工智能技術的用戶滿意度分析方法，其特征在于，問卷數據包括多個子項目，每個子項目包括：相關問題、問題類型、該問題候選答案的取值范圍。
4.根據權利要求1所述的基于人工智能技術的用戶滿意度分析方法，其特征在于，步驟s2具體包括：
5.根據權利要求4所述的基于人工智能技術的用戶滿意度分析方法，其特征在于，步驟s22中所述的將轉換后的文本進行切分包括：
6.根據權利要求3所述的基于人工智能技術的用戶滿意度分析方法，其特征在于，步驟s3中所述的滿意度分析包括：
...【專利技術屬性】
技術研發人員：周鵬飛，張新壯，丁大偉，吳浩然，
申請(專利權)人：北京慧辰資道資訊股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。