客服语音质检是热线服务运营中一个非常重要的质量控制环节。传统的客服语音质检系统通过人工对照考核标准表听取录音,主要以抽检方式进行,质检效率低且覆盖面小,本文设计与实现了客服语音智能质检系统,利用机器学习中的卷积神经网络CNN(Convolutional Neural Network)模型,计算文本相似度,求出偏差率,进行质检评分,自动化程度高,覆盖面广,大大提高了质检的精确度。本文分析现有的客服语音质检的现状,对河北斯博思创新科技有限公司客服部语音文本数据进行深入研究,通过需求分析,设计总体框架,实现了基于机器学习的客服语音智能质检系统,主要的研究内容如下:(1)数据的获取。数据来源于河北斯博思创新科技有限公司历年客服语音数据。(2)数据的预处理。首先对获取的原始文本进行数据清洗,利用Hanlp分词工具进行中文分词、去停用词。(3)模型的选择。提出两种文本相似度模型,一种是基于文档向量的文本相似度模型,另一种是基于CNN的文本相似度模型,利用公司历年客服数据作为数据集,计算两种模型文本相似度,结合质检标准分别求取偏差率,基于CNN文本相似度模型的偏差率介于0.05-0.06,基于文档向量的文本相似度模型偏差率介于0.12-0.13。实验表明基于CNN文本相似度模型偏差率低、正确率高,所以选择了该模型用于质检。(4)模型的训练。采用Word2Vec算法训练词向量,建立词向量模型。经过Word2Vec算法的处理生成语义扩展矩阵作为CNN的输入,建立两个完全相同的CNN层次组合模型,全连接层产生高级语义,最终利用激活层的Sigmoid激活函数进行输出,以此判别属于某类概率,再用概率判断文本相似程度。本文的创新点,把卷积神经网络CNN模型计算文本相似度引入客服语音智能质检系统,基于B/S架构设计与实现了客服语音智能质检系统,该系统主要完成了自动化质检评分、语音信箱管理等功能,通过应用能较好地满足企业对语音质检服务的要求。