一种对话质检方法、装置、计算机设备及存储介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种对话质检方法、装置、计算机设备及存储介质。


背景技术：

2.随着社会经济和电子技术的发展，人们对服务的要求越来越高，为了更好地服务于客户，具有服务功能的应用程序上通常设有客服按键，例如平安口袋银行、淘宝以及支付宝等等，在客户需要帮助的时候，通过点击客服按键可以实现和客服进行沟通，并通过客服为客户解决相应的问题。例如，平安口袋银行程序中设有客服按键，当客户需要咨询服务时，通过客服按键，客户可以和客服进行连接和沟通。
3.但是，由于客服质量参差不齐，会出现“服务态度差”和“消极回复”等问题。因此，需要对对话消息进行质检。
4.现有技术中，在客户和客服坐席对话结束之后，通常是通过多个模型的结合实现对客户和客服坐席之间的对话内容进行质检，这种方式需要耗费的时间较多，质检速度较慢。


技术实现要素：

5.本技术实施例提供一种对话质检方法、装置、计算机设备及存储介质，用以解决上述背景技术中提出的问题。
6.第一方面，本技术实施例提供一种对话质检方法，所述方法包括：获取客户和客服的对话内容，所述对话内容中包括多条对话消息；调用质检模型，所述质检模型中包括长度拼接模块、角色区分模块、情感分类模块、特征编码模块和评估模块；通过所述长度拼接模块识别每一条所述对话消息的文本长度特征，对所述对话消息的文本长度特征进行拼接得到文本长度向量；通过所述角色区分模块对所述对话消息进行对话角色的区分，确定发出每一条所述对话消息的对话角色，对所述对话消息的对话角色向量进行拼接得到角色向量，其中，所述对话角色包括客户和客服；通过所述情感分类模块对每一条所述对话消息进行情感分类得到所述对话消息的情感类型编码，对所述情感类型进行拼接得到情感向量；通过所述特征编码模块对满足预设条件的对话消息以及所述对话消息的上下文进行语义特征的提取，得到对话语义特征，并将所述对话语义特征进行拼接得到语义特征向量；将所述文本长度向量、所述角色向量、所述情感向量和所述语义特征向量输入所述评估模块，通过所述评估模块分析得到所述对话内容的客服质检结果。
7.在一些实施例中，所述预设条件为对话消息带有消极情绪，所述通过所述特征编
码模块对满足预设条件的对话消息以及所述对话消息的上下文进行语义特征的提取，得到对话语义特征，并将所述对话语义特征进行拼接得到语义特征向量，包括：通过所述特征编码模块对所述对话内容中的对话消息进行消息情绪识别，确定出带有消极情绪的目标对话消息；对所述目标对话消息及其上下文进行语义特征的提取，得到对话语义特征，并将所述对话语义特征进行拼接得到语义特征向量。
8.在一些实施例中，所述通过所述特征编码模块对满足预设条件的对话消息以及所述对话消息的上下文进行语义特征的提取，得到对话语义特征，并将所述对话语义特征进行拼接得到语义特征向量，包括：对于满足预设条件的每一对话消息，通过所述特征编码模块按照从所述对话消息的上文到对话消息的第一顺序对所述上文和所述对话消息进行编码，得到第一编码文本向量；通过所述特征编码模块按照从所述对话消息的下文到对话消息的第二顺序对所述下文和所述对话消息进行编码，得到第二编码文本向量；所述第一编码文本向量和所述第二编码文本向量中的尾部向量元素均对应所述对话消息。
9.在一些实施例中，所述通过所述长度拼接模块识别每一条所述对话消息的文本长度特征，对所述对话消息的文本长度特征进行拼接得到文本长度向量，包括：对所述对话内容中的所有的对话消息进行分组，得到至少一组消息组，每一组所述消息组中至少包括两条对话消息；计算每一组所述消息组中的每一条对话消息的文本长度，并基于对话消息发出的顺序对所述消息组中的对话消息进行排序；基于排序结果，将所述消息组中的对话消息的文本长度进行拼接得到文本长度向量。
10.在一些实施例中，所述通过所述情感分类模块对每一条所述对话消息进行情感分类得到所述对话消息的情感类型编码，对所述情感类型进行拼接得到情感向量，包括：对每一所述对话消息进行关键词提取，基于提取结果确定所述对话消息的情感类型。
11.在一些实施例中，在所述调用质检模型之前，所述方法还包括：获取历史客户和客服的历史对话内容，所述历史对话内容中包括有多条历史对话消息；从所述历史对话消息中选取出带有消极情绪的历史对话消息作为模型训练数据，将所述模型训练数据输入质检模型中进行模型训练。
12.在一些实施例中，在所述通过所述评估模块综合分析得到所述对话内容的质检结果之后，所述方法还包括：若所述质检结果为不符合质检要求，则提取所述对话内容中的带有消极情绪的对话消息，将所述带有消极情绪的对话消息作为训练数据进行保存。
13.第二方面，本技术实施例提供了一种对话质检装置，所述装置包括：获取单元，用于获取客户和客服的对话内容，所述对话内容中包括多条对话消息；
模型处理单元，用于调用质检模型，所述质检模型中包括长度拼接模块、角色区分模块、情感分类模块、特征编码模块和评估模块；通过所述长度拼接模块识别每一条所述对话消息的文本长度特征，对所述对话消息的文本长度特征进行拼接得到文本长度向量；通过所述角色区分模块对所述对话消息进行对话角色的区分，确定发出每一条所述对话消息的对话角色，对所述对话消息的对话角色向量进行拼接得到角色向量，其中，所述对话角色包括客户和客服；通过所述情感分类模块对每一条所述对话消息进行情感分类得到所述对话消息的情感类型编码，对所述情感类型进行拼接得到情感向量；通过所述特征编码模块对满足预设条件的对话消息以及所述对话消息的上下文进行语义特征的提取，得到对话语义特征，并将所述对话语义特征进行拼接得到语义特征向量；将所述文本长度向量、所述角色向量、所述情感向量和所述语义特征向量输入所述评估模块，通过所述评估模块分析得到所述对话内容的客服质检结果。
14.第三方面，本技术实施例还提供一种计算机设备，包括存储器和处理器，所述存储器用于存储指令和数据，所述处理器用于执行上述所述的对话质检方法。
15.第四方面，本技术实施例还提供一种存储介质，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行上述所述的对话质检方法。
16.本技术实施例中的对话质检方法，将客户和客服的对话内容输入质检模型中，通过质检模型对对话内容的处理，得到对话内容中的客服的客服质检结果，通过客服质检结果评估客服的服务质量。本技术实施例中，只需要通过一个质检模型即可实现对客户和客服的对话内容的质检，质检速度快，质检所需要的时间短。
附图说明
17.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例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。
18.图1是本技术实施例提供的一种对话质检方法的一流程图。
19.图2是本技术实施例提供的一种对话质检方法的另一流程图。
20.图3是本技术实施例提供的一种对话质检装置的结构示意图。
21.图4是本技术实施例提供的一种计算机设备的结构示意图。
具体实施方式
22.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。
23.本技术实施例提供一种对话质检方法、装置、计算机设备及存储介质，通过一个模
型就能对客户和客服之间的对话内容进行质检，从而确定客服的服务质量，质检速度快，质检所需要的时间短，以下将对所述对话质检方法、装置、计算机设备及存储介质分别进行详细说明。
24.请参阅图1，图1为本技术实施例提供的一种对话质检方法的一流程图，该方法包括以下内容：101、获取客户和客服的对话内容，所述对话内容中包括多条对话消息。
25.在本技术的实施例中，客户和客服在对话时，通过在对话页面输入内容的形式进行对话，客户或者客服在对话页面中以输入文字的形式进行对话，或者，客户或客服在对话页面中以语音输入的形式进行对话。
26.在客户和客服对话结束之后，得到客户和客服的对话内容，对该对话内容进行质检，该对话内容中包括有多条对话消息，所说的多条对话消息可以全部为文字形式消息，也可以全部为语音形式消息，也可以为文字形式消息结合语音形式消息。
27.由于一个客户和一个客服可能在多个时间段内存在多次对话，因此，在客户和客服对话结束之后，得到的客户和客服之间的对话内容应当为满足时间条件的对话内容，所说的时间条件可以为同一天内的对话内容，或者，为预设时间段内的对话内容，避免多次多个时间段的对话内容对质检的结果产生影响，提高质检的准确性。
28.可选的，设定定时器任务，在客户和客服对话结束之后得到对话内容，并且，在达到定时器任务设定的时间时，自动获取对话内容，对获取的对话内容进行质检。
29.102、调用质检模型，所述质检模型中包括长度拼接模块、角色区分模块、情感分类模块、特征编码模块和评估模块。
30.在本技术的实施例中，在获取客户和客服的对话内容之后，将对话内容输入质检模型，通过该质检模型实现对获取的对话内容进行自动的质检，并得到质检结果，通过质检结果确定对话内容中是否含有客服带有消极情绪的对话消息，以对相应的客服的服务质量进行评分。
31.将对话内容输入质检模型之后，可以通过该质检模型对输入的对话内容进行预先确定，确定该对话内容中是否存在语音形式的对话消息，当存在有语音形式的对话消息时，先将相应的对话消息转换为文字的行驶，再对该对话内容进行后续处理。
32.在本技术的实施例中，质检模型包括有长度拼接模块、角色区分模块、情感分类模块、特征编码模块以及评估模块，将对话内容输入质检模型之后，质检模型中的长度拼接模块、角色区分模块、情感分类模块和特征编码模块分别对该对话内容进行处理，并得到相应的处理结果，处理结果为向量的形式，最后通过评估结果对所有的处理结果进行综合分析，得到该对话内容的客服质检结果。
33.在本技术的实施例中，通过一个质检模型即可实现对客户和客服的对话内容的质检，相对于现有技术中的多个模型的结合处理进行质检的方式，本技术实施例中的通过一个质检模型进行质检的方式可以实现快速质检，以节省质检所需的时间。
34.可选的，可设定定时器任务，在客户和客服对话结束之后得到对话内容，对对话内容进行预存储，在达到定时器任务设定的时间时，自动调取出对话内容，并将调取的对话内容输入到质检模型中进行质检，以得到对话内容对应的客服质检结果，通过该客服质检结果，确定该对话内容中的客服在对话的过程中是否发出带有消极情绪的对话消息，以对该
对话内容中的客服的服务质量进行评分。
35.可选的，在长度拼接模块、角色区分模块、情感分类模块和特征编码模块进行处理之前，质检模型的系统预先对对话内容中的所有的对话消息进行分组，得到至少一个消息组，每一个消息组中至少包括两条对话消息，质检模型中的长度拼接模块、角色区分模块、情感分类模块和特征编码模块均基于分组结果进行相应的处理。
36.进一步的，质检模型中设置有显示窗口，在将对话内容输入质检模型之后，质检模型预先根据显示窗口设定的对话消息的显示数量，对该对话内容中的对话消息进行分组，得到多个消息组，分组的方式按照对话发出的顺序进行，并且，消息组中的对话消息为客户和/或客服发出的，每一个消息组中的对话消息的数量与显示窗口设定的显示数量相同。
37.例如，当对话内容中包含有30条对话消息，显示窗口设定的对话消息的显示数量为5，那么，将该对话内容中的对话消息按照发出顺序分为6组消息组。
38.又例如，当对话内容中包含有28条对话消息，显示窗口设定的对话消息的显示数量为5，那么，将该对话内容中的对话消息按照发出顺序分为6组，最后一组消息组中包含3条对话消息以及2个空白位，空白位上可以通过补充标点符号的方式进行填补。
39.上述的显示窗口中显示的消息组所包含的对话消息的内容及所显示的对话消息的数量等信息，均作为长度拼接模块、角色区分模块、情感分类模块和特征编码模块的处理对象。
40.对显示窗口进行设置时，除了设置对话消息的显示数量，还可以设置消息组的切换时间，切换时间可以理解为每一个消息组在质检模型的显示窗口上的停留显示的时间。例如，设置消息组的显示时间为1min，则当一个消息组在质检模型的显示窗口上停留显示的时间达到1min之后，显示窗口显示另一个消息组的对话消息。
41.在一些实施例中，在调用质检模型之前，获取历史客户和客服的历史对话内容，历史对话内容中包括有多条历史对话消息，从历史对话消息中选取出带有消极情绪的历史对话消息作为模型训练数据，将模型训练数据输入质检模型中进行模型训练。
42.针对质检模型获取模型训练数据时，在质检模型最初需要训练的时候，或者，在质检模型的功能还不满足质检要求的时候，通过人工选取的方式获得模型训练数据。
43.人工从相应的系统中获取历史对话内容，对历史对话内容中的历史对话消息进行人工筛选，以筛选结果作为模型训练数据对质检模型进行模型训练，在模型训练完成之后，计算质检模型的模型损失，根据计算结果判定该质检模型是否满足质检要求，若满足质检要求，则可使用该质检模型进行质检，若不满足质检要求，则通过修改质检模型的模型参数的方式对质检模型进行调整，直至质检模型满足质检要求为止。
44.103、通过所述长度拼接模块识别每一条所述对话消息的文本长度特征，对所述对话消息的文本长度特征进行拼接得到文本长度向量。
45.在一些实施例中，对对话内容中的所有的对话消息进行分组，得到至少一组消息组，每一组消息组中至少包括两条对话消息，计算每一个消息组中的每一条对话消息的文本长度，并基于对话消息的发出时间的顺序对消息组中的对话消息进行排序，基于排序结果，将消息组中的对话消息的文本长度进行拼接得到文本长度向量。
46.例如，将对话消息分组得到5个消息组，每一个消息组中包含5条对话消息，当显示窗口上显示对话内容中的某个消息组，则显示窗口显示该消息组的5条对话消息，长度拼接
模块识别这5条对话消息中每一条对话消息的文本长度特征，对这5条对话消息中的每一条对话消息的文本长度特征进行拼接，得到文本长度向量。
47.在对文本长度特征进行拼接为文本长度向量时，根据对话消息在消息组中的位置进行拼接，则当该消息组中包含5条对话消息时，对应的文本长度向量中包括5个向量元素，每一个向量元素与消息组中的一条对话消息对应，并且，某个向量元素在文本长度向量中的位置与对应的对话消息在消息组中的位置相同。
48.104、通过所述角色区分模块对所述对话消息进行对话角色的区分，确定发出每一条所述对话消息的对话角色，对所述对话消息的对话角色向量进行拼接得到角色向量，其中，所述对话角色包括客户和客服。
49.可选的，将对话内容中的对话消息进行分组得到多个消息组之后，每一个消息组中包括有多条对话消息，并且，每一条对话消息附带关联信息，关联信息为消息发出时间以及消息发出方的人物的相关信息。其中，消息发出方的人物的相关信息可以包括消息发出方的账号、性别、年龄等等。
50.通过角色区分模块对所述对话消息进行对话角色的区分可以理解为，角色区分模块根据质检模型的显示窗口上显示的消息组中的对话消息，获取其中每一条对话消息附带的关联信息，通过对关联信息的识别，可以得知对话消息对应的发出方为客户还是客服。
51.在确认对话消息的角色之后，根据确认结果，利用字符替代并转换为向量的形式。例如，利用字符“0”代表客户，利用字符“1”代表客服，当某个消息组包含5条对话消息，并且，按照对话消息的发出时间识别出对应的对话消息的角色分别为：客户、客户、客服、客服和客户，那么，该消息组对应的角色向量中的元素分别表示为0、0、1、1和0。
52.105、通过所述情感分类模块对每一条所述对话消息进行情感分类得到所述对话消息的情感类型编码，对所述情感类型进行拼接得到情感向量。
53.情感类型可以预先设置为高涨情绪、中性情绪以及消极情绪，分别利用字符代为表示。例如，利用字符“0”表示消极情绪，利用字符“1”表示中性情绪。
54.那么，当质检模型的显示窗口上显示的消息组包含5条对话消息，通过情感分类模块对这5条对话消息进行情感分类，得到的情感分类的结果依次为消极情绪、中性情绪、中性情绪、中性情绪和消极情绪时，则拼接得到的情感向量中的向量元素分别表示为0、1、1、1和0。
55.可选的，在识别出每一条对话消息的情感类型之后，可以通过情绪标签的方式对每一条对话消息进行情绪标识，使得通过对话消息的情绪标签即可知道该对话消息的情感类型。
56.在一些实施例中，对每一对话消息进行关键词提取，基于提取结果确定对话消息的情感类型。
57.所说的关键词可以为情绪词，除了对关键词进行提取之外，也可以结合提取表情包对情感类型进行分析，或者结合关键词、对话消息语义以及表情包对情感类型进行分析。
58.106、通过所述特征编码模块对满足预设条件的对话消息以及所述对话消息的上下文进行语义特征的提取，得到对话语义特征，并将所述对话语义特征进行拼接得到语义特征向量。
59.在本技术的实施例中，特征编码模块对对话内容中的每一条对话消息都进行语义
特征的提取，并且，在确定出满足预设条件的对话消息时，对该对话消息及其上下文进行语义特征的提取，所说的预设条件为对话消息为带有消极情绪的对话消息，并根据提取结果拼接得到语义特征向量。
60.也就是设置预设条件，该预设条件为对话消息带有消极情绪，则通过特征编码模块对对话内容中的对话消息进行语义特征提取，确定出带有消极情绪的目标对话消息，并且，目标对话消息为客服方发出的，则对目标对话消息及其上下文进行语义特征的提取，得到该带有情绪的对话消息的语义特征及其上下文的语义特征，将得到的语义特征进行拼接得到语义特征向量。
61.例如，特征编码模块对某一条对话消息进行语义特征的提取，基于提取结果解析出该对话消息为带有消极情绪的对话消息，并且，该对话消息为客服方发出的，则确定该对话消息的上文的至少一条对话消息以及下文的至少一条对话消息，将该对话消息及其上下文的对话消息整合为一段话，基于该段话，分析提取该段话的语义特征，并对语义特征进行拼接得到语义特征向量。
62.例如，特征编码模块提取出某一条对话消息a的语义特征a1，基于该语义特征a1解析出该对话消息a为带有消极情绪的对话消息，并且，该对话消息a为客服方发出的，获取该对话消息a的上文对话消息b和c，以及获取该对话消息a的下文对话消息d和e，按照对话发出时间从早到晚的顺序依次为b、c、a、d和e，并且，对上文对话消息b和c分别进行语义特征提取得到的语义特征分别为b1和c1，对下文对话消息d和e分别进行语义特征提取得到的语义特征分别为d1和e1，则最终拼接得到的语义特征向量中的向量元素依次为b1、c1、a1、d1、e1。
63.在其它实施例中，特征编码模块根据情感分类模块对对话内容中的每一条对话消息的情感识别结果，从中选取出带有消极情绪的对话消息，并且，为客服方发出的带有消极情绪的对话消息，特征编码模块对选取出的这些对话消息进行处理，对这些对话消息及其上下文进行语义特征的提取，并将对话语义特征进行拼接得到语义特征向量。
64.例如，在情感分类模块对输入的对话内容的每一条对话消息进行情感类型的识别之后，每一条对话消息均通过与其情感类型相对应的字符进行表示，则选取出字符代表消极情绪的对话消息，这些对话消息被特征编码模块进行语义特征提取以及语义特征向量拼接的处理。
65.例如，情感分类模块对输入的对话内容的每一条对话消息进行情感类型的识别，当识别出带有消极情绪的对话消息，并且为客服方发出的对话消息，则将这些对话消息的相关信息发送给特征编码模块，特征编码模块通过对相关信息的识别确定出对话内容中带有消极情绪且为客服方发出的对话消息，通过特征编码模块对这些对话消息进行处理。
66.可选的，对语义特征进行提取可以通过swem算法实现，swem算法包括最大池化和平均池化，可根据需要进行选择和设定。
67.107、将所述文本长度向量、所述角色向量、所述情感向量和所述语义特征向量输入所述评估模块，通过所述评估模块分析得到所述对话内容的客服质检结果。
68.评估模块可以为具有mlp模型功能的模块，可以自行根据设置对输入的数据进行相应的处理，并得到相应的处理结果。
69.在本技术的实施例中，在除评估模块之外的其它模块对对话内容进行相应的处理
之后，得到多个向量，多个向量会被输入评估模块中，评估模块可以根据这些向量以及本身的设置得到对话内容的客服质检结果，通过客服质检结果可以确定客服在对话内容中是否发出带有消极情绪的对话消息，从而对客服的服务质量进行相应的评分。
70.在一些实施例中，在通过评估模块综合分析得到对话内容的质检结果之后，若质检结果为不符合质检要求，则提取对话内容中的带有消极情绪的对话消息，将带有消极情绪的对话消息作为训练数据进行保存。
71.在另一些实施例中，在通过评估模块综合分析得到对话内容的质检结果之后，若质检结果为不符合质检要求，则将该对话内容及对应的客服信息发送给人工端，同时，在该对话内容中客服发出的带有消极情绪的对话消息进行标记，再将标记后的对话内容发送给相应的客服端，以及，提取该对话内容中的带有消极情绪的对话消息，将这些对话消息作为训练数据进行保存。
72.本技术实施例的对话质检方法，包括获取客户和客服的对话内容，对话内容中包括多条对话消息；调用质检模型，质检模型中包括长度拼接模块、角色区分模块、情感分类模块、特征编码模块和评估模块；通过长度拼接模块识别每一条对话消息的文本长度特征，对对话消息的文本长度特征进行拼接得到文本长度向量；通过角色区分模块对对话消息进行对话角色的区分，确定发出每一条对话消息的对话角色，对对话消息的对话角色向量进行拼接得到角色向量，其中，对话角色包括客户和客服；通过情感分类模块对每一条对话消息进行情感分类得到对话消息的情感类型编码，对情感类型进行拼接得到情感向量；通过特征编码模块对满足预设条件的对话消息以及对话消息的上下文进行语义特征的提取，得到对话语义特征，并将对话语义特征进行拼接得到语义特征向量；将文本长度向量、角色向量、情感向量和语义特征向量输入评估模块，通过评估模块分析得到对话内容的客服质检结果。通过上述方式，实现通过将客户和客服的对话内容输入一个质检模型即可进行质检，从而得到客服质检结果，操作简单方便，质检的速度快，节省质检所需的时间。
73.请参阅图2，图2为本技术实施例提供的一种对话质检方法的另一流程图，该流程图的内容为上述步骤106的内容，包括以下内容：1061、对于满足预设条件的每一对话消息，通过所述特征编码模块按照从所述对话消息的上文到对话消息的第一顺序对所述上文和所述对话消息进行编码，得到第一编码文本向量。
74.1062、通过所述特征编码模块按照从所述对话消息的下文到对话消息的第二顺序对所述下文和所述对话消息进行编码，得到第二编码文本向量。
75.设置预设条件为带有消极情绪的对话消息，并且，带有消极情绪的对话消息为客服方发出的，设置第一顺序为对话消息发出时间是从早到晚的顺序，设置第二顺序为对话消息发出时间是从晚到早的顺序。
76.上述的对话消息发出时间可包含日期信息以及时分秒等信息，并且，在识别出带有消极情绪的对话消息之后，获取的该对话消息的上下文的发出时间应当在预设时间段内。例如，在识别出某一条对话消息带有消极情绪，那么，获取该对话消息的上下文，该对话消息的上下文的发出时间中的发出日期与该对话消息的发出日期相同，或者，该对话消息的上下文的发出时间中的发出日期与该对话消息的发出日期之间的日期差应当在预设日期差内。
77.1063、所述第一编码文本向量和所述第二编码文本向量中的尾部向量元素均对应所述对话消息。
78.例如，带有消极情绪的对话消息为a，并且，该对话消息a为客服方发出的，该对话消息a上文的对话消息包括b、c和d，该对话消息a的下文的对话消息包括e和f，对话消息发出时间从早到晚的顺序对应的对话消息依次为b、c、d、a、e和f，则第一顺序排列得到b、c、d、a，第二顺序排序得到f、e、a。
79.可选的，将带有消极情绪的对话消息及其上下文每句文本进行基于gru或lstm的编码，针对编码结果，利用正向和反向gru或者lstm分别对该带有消极情绪的对话消息的上文和下文的编码结果进行再次的序列化编码，使得得到的两个序列化编码结果均是以该带有消极情绪的对话消息为尾句，以能够更好地体现对话的语义信息。
80.进一步的，在得到第一编码文本向量和第二编码文本向量之后，提取第一编码文本向量和第二编码文本向量中每一个向量元素对应的对话消息的语义特征，并且，整合和拼接为该带有消极情绪的对话消息及其上下文的语义特征向量。
81.请参阅图3，图3为本技术实施例提供的一种对话质检装置的结构示意图，该对话质检装置200包括以下单元：获取单元201，用于用于获取客户和客服的对话内容，对话内容中包括多条对话消息。
82.模型处理单元202，用于调用质检模型，质检模型中包括长度拼接模块、角色区分模块、情感分类模块、特征编码模块和评估模块。
83.通过长度拼接模块识别每一条对话消息的文本长度特征，对对话消息的文本长度特征进行拼接得到文本长度向量。
84.通过角色区分模块对对话消息进行对话角色的区分，确定发出每一条对话消息的对话角色，对对话消息的对话角色向量进行拼接得到角色向量，其中，对话角色包括客户和客服。
85.通过情感分类模块对每一条对话消息进行情感分类得到对话消息的情感类型编码，对情感类型进行拼接得到情感向量。
86.通过特征编码模块对满足预设条件的对话消息以及对话消息的上下文进行语义特征的提取，得到对话语义特征，并将对话语义特征进行拼接得到语义特征向量。
87.将文本长度向量、角色向量、情感向量和语义特征向量输入评估模块，通过评估模块分析得到对话内容的客服质检结果。
88.可选的，上述模型处理单元202包括以下子单元：模型调用子单元2021，用于调用质检模型，质检模型中包括长度拼接模块、角色区分模块、情感分类模块、特征编码模块和评估模块。
89.长度拼接子单元2022，用于通过长度拼接模块识别每一条对话消息的文本长度特征，对对话消息的文本长度特征进行拼接得到文本长度向量。
90.角色区分子单元2023，用于通过角色区分模块对对话消息进行对话角色的区分，确定发出每一条对话消息的对话角色，对对话消息的对话角色向量进行拼接得到角色向量，其中，对话角色包括客户和客服。
91.情感分类子单元2024，用于通过情感分类模块对每一条对话消息进行情感分类得
到对话消息的情感类型编码，对情感类型进行拼接得到情感向量。
92.特征编码子单元2025，用于通过特征编码模块对满足预设条件的对话消息以及对话消息的上下文进行语义特征的提取，得到对话语义特征，并将对话语义特征进行拼接得到语义特征向量。
93.评估子单元2026，用于将文本长度向量、角色向量、情感向量和语义特征向量输入评估模块，通过评估模块分析得到对话内容的客服质检结果。
94.可选的，本技术实施例的对话质检装置200还包括其它单元以及子单元，在此不再赘述。
95.本技术实施例的对话质检装置200，包括获取单元201，用于获取客户和客服的对话内容，对话内容中包括多条对话消息；模型处理单元202，用于调用质检模型，质检模型中包括长度拼接模块、角色区分模块、情感分类模块、特征编码模块和评估模块；通过长度拼接模块识别每一条对话消息的文本长度特征，对对话消息的文本长度特征进行拼接得到文本长度向量；通过角色区分模块对对话消息进行对话角色的区分，确定发出每一条对话消息的对话角色，对对话消息的对话角色向量进行拼接得到角色向量，其中，对话角色包括客户和客服；通过情感分类模块对每一条对话消息进行情感分类得到对话消息的情感类型编码，对情感类型进行拼接得到情感向量；通过特征编码模块对满足预设条件的对话消息以及对话消息的上下文进行语义特征的提取，得到对话语义特征，并将对话语义特征进行拼接得到语义特征向量；将文本长度向量、角色向量、情感向量和语义特征向量输入评估模块，通过评估模块分析得到对话内容的客服质检结果。通过上述装置，实现通过将客户和客服的对话内容输入一个质检模型即可进行质检，从而得到客服质检结果，操作简单方便，质检的速度快，节省质检所需的时间。
96.请参阅图4，图4为本技术实施例提供的一种计算机设备的结构示意图，该计算机设备300包括有一个或者一个以上处理核心的处理器301、有一个或一个以上计算机可读存储介质的存储器302及存储在存储器302上并可在处理器301上运行的计算机程序。其中，处理器301与存储器302电性连接。本领域技术人员可以理解，图中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
97.处理器301是计算机设备300的控制中心，利用各种接口和线路连接整个计算机设备300的各个部分，通过运行或加载存储在存储器302内的软件程序和/或模块，以及调用存储在存储器302内的数据，执行计算机设备300的各种功能和处理数据，从而对计算机设备300进行整体监控。
98.在本技术实施例中，计算机设备300中的处理器301会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器302中，并由处理器301来运行存储在存储器302中的应用程序，从而实现各种功能：获取客户和客服的对话内容，对话内容中包括多条对话消息；调用质检模型，质检模型中包括长度拼接模块、角色区分模块、情感分类模块、特征编码模块和评估模块；通过长度拼接模块识别每一条对话消息的文本长度特征，对对话消息的文本长度特征进行拼接得到文本长度向量；
通过角色区分模块对对话消息进行对话角色的区分，确定发出每一条对话消息的对话角色，对对话消息的对话角色向量进行拼接得到角色向量，其中，对话角色包括客户和客服；通过情感分类模块对每一条对话消息进行情感分类得到对话消息的情感类型编码，对情感类型进行拼接得到情感向量；通过特征编码模块对满足预设条件的对话消息以及对话消息的上下文进行语义特征的提取，得到对话语义特征，并将对话语义特征进行拼接得到语义特征向量；将文本长度向量、角色向量、情感向量和语义特征向量输入评估模块，通过评估模块分析得到对话内容的客服质检结果。
99.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
100.可选的，计算机设备300还包括数据传输模块303和显示模块304，该数据传输模块303和显示模块304均与处理器301电性连接。数据传输模块303用于实现数据的传输，例如，实现对话消息的文字数据或者语音数据的传输，显示模块304用于显示对话页面。本领域技术人员可以理解，图4中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
101.尽管图4中未示出，计算机设备300还可以包括鼠标、键盘及其它电子结构，在此不再赘述。
102.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
103.由上可知，本实施例提供的计算机设备，可获取客户和客服的对话内容，对话内容中包括多条对话消息；调用质检模型，质检模型中包括长度拼接模块、角色区分模块、情感分类模块、特征编码模块和评估模块；通过长度拼接模块识别每一条对话消息的文本长度特征，对对话消息的文本长度特征进行拼接得到文本长度向量；通过角色区分模块对对话消息进行对话角色的区分，确定发出每一条对话消息的对话角色，对对话消息的对话角色向量进行拼接得到角色向量，其中，对话角色包括客户和客服；通过情感分类模块对每一条对话消息进行情感分类得到对话消息的情感类型编码，对情感类型进行拼接得到情感向量；通过特征编码模块对满足预设条件的对话消息以及对话消息的上下文进行语义特征的提取，得到对话语义特征，并将对话语义特征进行拼接得到语义特征向量；将文本长度向量、角色向量、情感向量和语义特征向量输入评估模块，通过评估模块分析得到对话内容的客服质检结果。
104.本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
105.为此，本技术实施例提供一种计算机可读存储介质，其中存储有多条计算机程序，该计算机程序能够被处理器进行加载，以执行本技术实施例所提供的任一种情绪识别方法中的步骤。例如，该计算机程序可以执行如下步骤：获取客户和客服的对话内容，对话内容中包括多条对话消息；调用质检模型，质检模型中包括长度拼接模块、角色区分模块、情感分类模块、特征编码模块和评估模块；
通过长度拼接模块识别每一条对话消息的文本长度特征，对对话消息的文本长度特征进行拼接得到文本长度向量；通过角色区分模块对对话消息进行对话角色的区分，确定发出每一条对话消息的对话角色，对对话消息的对话角色向量进行拼接得到角色向量，其中，对话角色包括客户和客服；通过情感分类模块对每一条对话消息进行情感分类得到对话消息的情感类型编码，对情感类型进行拼接得到情感向量；通过特征编码模块对满足预设条件的对话消息以及对话消息的上下文进行语义特征的提取，得到对话语义特征，并将对话语义特征进行拼接得到语义特征向量；将文本长度向量、角色向量、情感向量和语义特征向量输入评估模块，通过评估模块分析得到对话内容的客服质检结果。
106.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
107.其中，该存储介质可以包括：只读存储器（rom，re客户端账户d only memory）、随机存取记忆体（r客户端账户m，r客户端账户ndom客户端账户ccess memory）、磁盘或光盘等。
108.由于该存储介质中所存储的计算机程序，可以执行本技术实施例所提供的任一种对话质检方法中的步骤，因此，可以实现本技术实施例所提供的任一种对话质检方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
109.以上对本技术实施例所提供的一种对话质检方法、装置、计算机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以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，对于本领域的技术人员而言，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。