直播间的目标内容识别方法、装置、计算机设备及存储介质与流程
本技术涉及人工智能,具体而言,涉及一种直播间的目标内容识别方法、装置、计算机设备及存储介质。
背景技术:
1、随着网络直播营销模式的快速发展,电商直播已成为重要的商品销售渠道。然而,直播营销中主播口头承诺的随意性、即时性特点,给后续的履约管理和客诉处理带来了极大的挑战。
2、目前,通常是利用自然语言处理(natural language processing,nlp)技术对直播语音内容的敏感词检测或虚假宣传进行识别,或者采用关键词匹配的方式判断直播内容是否包含违规词汇等,缺乏对承诺信息的精准识别。并且传统的nlp方法存在识别能力不足、大模型输出格式碎片化、模型幻觉频发以及错误识别召回率高的问题。
3、因此,亟需一种能够对直播间的承诺信息进行较准确的识别方法。
技术实现思路
1、有鉴于此,本技术提供一种直播间的目标内容识别方法、装置、计算机设备及存储介质,能够较精准识别直播过程中作出的承诺,并通过多维度验证较准确的评估承诺信息的准确性,降低了承诺的误检率。
2、第一方面,本技术实施例提供了一种直播间的目标内容识别方法,包括:
3、获取目标车商直播间的实时直播数据,所述实时直播数据包括直播音频数据和直播视频数据;
4、对所述直播音频数据、音频输出方的属性信息以及会话上下文信息进行识别融合处理,生成角色标签;
5、将所述直播音频数据转换为直播文本数据,并按照预设时间窗口对所述直播文本数据进行切片处理,并将切片后文本数据段与所述角色标签、时间戳及会话上下文信息进行关联,生成结构化语料;
6、基于预设提示词模板中多种承诺分别对应的提示词,对所述结构化语料进行模型识别,确定所述结构化语料中包括的承诺信息;
7、对所述承诺信息进行多维度验证,确定多维度验证得分;其中所述多维度验证包括:用于验证所述承诺信息与对应的会话依据文本之间的匹配程度的原文锚定验证,用于验证所述承诺信息输出时刻的上下文信息与所述承诺信息之间的一致性的上下文一致性验证,用于验证所述承诺信息的业务合理性的业务约束验证;
8、根据所述多维度验证得分,对所述承诺信息进行输出控制处理。
9、一种可选的实施方式中,所述对所述直播音频数据、音频输出方的属性信息以及会话上下文信息进行识别融合处理,生成角色标签,包括:
10、获取所述直播音频数据的声纹特征,并与预存的声纹特征库进行匹配,得到识别结果;
11、获取输出所述直播音频的账号的身份标识信息;
12、基于所述会话上下文信息的语义特征、身份标识信息、以及所述识别结果,确定所述角色标签。
13、一种可选的实施方式中,所述根据所述多维度验证得分,对所述承诺信息进行输出控制处理,包括:
14、对所述直播视频数据进行图像识别,提取展示文本信息;
15、将所述展示文本信息与所述承诺信息进行语义比对,确定视觉一致性判别结果;
16、基于所述视觉一致性判别结果,确定调节系数;其中,若所述展示文本信息与所述承诺信息匹配,则所述调节系数为大于1或等于1的正数,用于对所述验证得分进行增益;若所述展示文本信息与所述承诺信息冲突,则所述调节系数为小于1的正数,用于对所述验证得分进行衰减;
17、根据所述调节系数对所述验证得分进行修正,得到修正后的验证得分;
18、根据修正后的验证得分,对所述承诺信息进行输出控制处理。
19、一种可选的实施方式中,根据所述多维度验证得分,对所述承诺信息进行输出控制处理,包括:
20、在确定所述多维度验证得分大于设置的得分阈值之后,将所述承诺信息发送给所述目标车商直播间对应的车商用户;
21、接收所述车商用户针对所述承诺信息提交的目标操作,其中所述目标操作为确认操作、修改操作、补充操作中的一种;
22、将所述目标操作的操作内容以及所述承诺信息存储至数据库,其中所述数据库中存储数据用于执行以下处理中的至少一种:客诉处理、风险追溯处理、模型训练、规则优化。
23、一种可选的实施方式中,根据所述多维度验证得分,对所述承诺信息进行输出控制处理,包括:
24、在确定所述多维度验证得分大于设置的得分阈值之后,确定车商直播场景下的动态标准操作流程sop规则库;其中动态sop规则库用于存储过滤承诺的属性信息,所述过滤承诺的属性信息包括基础服务承诺、非关注承诺和禁止承诺分别对应的规则信息和样本语义信息;
25、基于动态sop规则库,对所述承诺信息进行规则匹配和语义检索,得到匹配结果;
26、在所述匹配结果指示所述承诺信息与所述动态sop规则库不匹配时,输出所述承诺信息。
27、一种可选的实施方式中,所述方法还包括:
28、在所述匹配结果指示所述承诺信息与所述动态sop规则库中的基础服务承诺或非关注承诺匹配时,确定过滤所述承诺信息;
29、在所述匹配结果指示所述承诺信息与所述动态sop规则库中的禁止承诺匹配时,确定过滤所述承诺信息,并向所述目标车商直播间发送告警信息。
30、一种可选的实施方式中,对所述承诺信息进行多维度验证,确定多维度验证得分,包括:
31、采用目标验证算法,确定所述承诺信息对应的会话依据文本与所述承诺信息之间的原文支持度评分,其中所述目标验证算法包括以下至少一种:最长公共子序列算法、编辑距离算法、关键词覆盖率算法;
32、获取以所述承诺信息的输出时刻为基准的预设时间窗口内的目标上下文语料数据,并确定所述目标上下文语料数据的第一语义向量、所述承诺信息的第二语义向量;基于所述第一语义向量和所述第二语义向量,确定上下文一致性评分;
33、基于预设业务规则知识库,对所述承诺信息进行合理性校验,并基于校验结果确定业务可信度评分;其中所述预设业务规则知识库包括:降价金额范围、赠品数量范围、保养次数范围、金融服务范围、售后承诺范围;
34、将所述原文支持度评分、所述上下文一致性评分以及所述业务可信度评分加权求和,得到所述多维度验证得分。
35、一种可选的实施方式中,所述承诺信息为结构化数据,所述承诺信息包括:承诺类型、承诺内容、会话依据文本、模型置信度。
36、一种可选的实施方式中,在确定所述承诺信息之后,所述方法还包括:
37、对所述承诺信息进行标准化处理,生成处理后的承诺信息,其中所述处理后的承诺信息用于进行多维度验证;
38、所述标准化处理包括:金额标准化处理、单位标准化处理、同义词归一化处理、异常结果过滤处理;所述金额标准化处理用于将不同表述形式的金额数据转换为统一的金额格式和单位;所述同义词归一化处理用于基于预设领域同义词库,将所述承诺信息中属于同一语义类别的不同词语映射为统一的标准术语;所述异常结果过滤处理用于将无法映射至预设标准格式的承诺信息标记为异常数据并舍弃。
39、一种可选的实施方式中,所述根据所述多维度验证得分,对所述承诺信息进行输出控制处理,包括:
40、在确定所述多维度验证得分大于设置的得分阈值之后,从数据库中获取所述目标车商直播间的历史承诺信息;
41、将所述承诺信息与所述历史承诺信息进行比对,得到关系比对结果;
42、在所述关系比对结果为承诺冲突时,将所述承诺信息和所述历史承诺信息发送给所述目标车商直播间对应的车商用户进行确认,并根据确认结果保留所述承诺信息或者所述历史承诺信息;
43、在所述关系比对结果为承诺覆盖时,将所述历史承诺信息删除,并将所述承诺信息存储至所述数据库;
44、在所述关系比对结果为承诺补充时,将所述承诺信息与所述历史承诺信息合并,并将合并后的承诺信息存储至所述数据库;
45、在所述关系比对结果为承诺无关时,将所述承诺信息更新至所述数据库。
46、第二方面,本技术实施例还提供一种直播间的目标内容识别装置,包括:
47、获取模块,用于获取目标车商直播间的实时直播数据,所述实时直播数据包括直播音频数据和直播视频数据;
48、第一生成模块,用于对所述直播音频数据、音频输出方的属性信息以及会话上下文信息进行识别融合处理,生成角色标签;
49、第二生成模块,用于将所述直播音频数据转换为直播文本数据,并按照预设时间窗口对所述直播文本数据进行切片处理,并将切片后文本数据段与所述角色标签、时间戳及会话上下文信息进行关联,生成结构化语料;
50、第一确定模块,用于基于预设提示词模板中多种承诺分别对应的提示词,对所述结构化语料进行模型识别,确定所述结构化语料中包括的承诺信息;
51、第二确定模块,用于对所述承诺信息进行多维度验证,确定多维度验证得分;其中所述多维度验证包括:用于验证所述承诺信息与对应的会话依据文本之间的匹配程度的原文锚定验证,用于验证所述承诺信息输出时刻的上下文信息与所述承诺信息之间的一致性的上下文一致性验证,用于验证所述承诺信息的业务合理性的业务约束验证;
52、控制模块,用于根据所述多维度验证得分,对所述承诺信息进行输出控制处理。
53、本技术提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述直播间的目标内容识别方法。
54、本技术提供了一种计算机设备,包括存储器、处理器及存储在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程序时实现上述直播间的目标内容识别方法。
55、本技术提供的直播间的目标内容识别方法、装置、计算机设备及存储介质,通过确定音频输出方的角色标签,并在对直播文本数据切片之后,将切片后文本数据段与角色标签、时间戳及会话上下文信息进行关联,生成结构化语料,使得该结构化语料所包括的信息较为全面和完整,进而基于预设提示词模板中多种承诺分别对应的提示词,对结构化语料进行模型识别,较准确的确定结构化语料中包括的承诺信息,实现从语义层面较精准识别主播在直播过程中作出的多种承诺。进一步的,本技术从原文锚定验证、上下文一致性验证、业务约束验证对承诺信息进行了综合验证,并根据确定的多维度验证得分,对承诺信息进行输出控制处理,利用多维度验证以全面评估承诺信息的真实有效性,降低无效承诺的误召回率,即降低承诺误检率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com