虚拟对象服务评价方法及相关装置与流程

1.本技术涉及虚拟人、人工智能的技术领域，尤其涉及虚拟对象服务评价方法、电子设备、计算机程序产品及计算机可读存储介质。


背景技术：

2.虚拟对象包括虚拟人、虚拟动物、虚拟卡通形象等。其中，虚拟人是由cg技术构建、以代码形式运行的拟人化形象，具有语言交流、表情表达、动作展示等多种互动方式。虚拟人技术已经在人工智能领域迅速发展，并且在很多技术领域都得到了应用，例如影视、传媒、游戏、金融、文旅、教育、医疗等领域。
3.现有的服务评价体系主观性强、评价标准不一，存在刷评论等问题，难以客观地反映服务质量，有的用户可能出于情绪波动基于偏激评价，导致评价结果不具参考性；且服务评价的反馈机制并不完善，用户评价难以应用于改进服务质量。
4.基于此，本技术提供虚拟对象服务评价方法及相关装置，以改进相关技术。


技术实现要素：

5.本技术的目的在于提供虚拟对象服务评价方法、电子设备、计算机程序产品及计算机可读存储介质，有针对性地获取用户评价以优化虚拟对象的服务质量，降低服务成本，提高服务效率，节省人力和物力资源。
6.本技术的目的采用以下技术方案实现：
7.第一方面，本技术提供了虚拟对象服务评价方法，所述方法包括：
8.获取每个用户与虚拟对象的历史互动信息；
9.基于每个所述用户的历史互动信息，获取每个所述用户的评价信息；
10.基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案。
11.该技术方案的有益效果在于：通过获取每个用户与虚拟对象的历史互动信息，并基于每个用户的历史互动信息获取其评价信息，从而进一步得到虚拟对象的服务优化方案；一方面，通过收集每个用户的历史互动信息和评价信息，可以了解已经使用虚拟对象服务的用户对虚拟对象的服务的满意度，过滤没有使用虚拟对象服务的用户的评价信息，识别虚拟对象在服务中存在的问题，从而有针对性地对虚拟对象的服务进行调整和改进，提高服务质量；另一方面，通过获取每个用户的评价信息，可以更好地了解用户对虚拟对象服务的需求和期望，给出更符合用户实际需求的服务，可以为每个用户提供个性化定制的服务，满足不同用户的不同需求，提高用户对虚拟对象服务的满意度和忠诚度；通过针对性地优化虚拟对象的服务，能够降低服务成本，提高服务效率，从而节省人力和物力资源。
12.在一些可选的实施方式中，所述基于每个所述用户的历史互动信息，获取每个所述用户的评价信息，包括：
13.针对每个所述用户，执行以下处理：
14.使用语义提取模型提取所述用户的历史互动信息的语义信息；
15.基于所述语义信息获取所述用户对应的一个或多个预设的评价指标；
16.基于所获取的评价指标，生成评价提示信息并发送至所述用户的终端设备；
17.使用所述用户的终端设备接收所述用户的评价信息。
18.该技术方案的有益效果在于：通过使用语义提取模型提取用户历史互动信息的语义信息，并基于语义信息获取用户对应的一个或多个预设的评价指标，进而生成评价提示信息并发送至用户的终端设备以接收所述用户的评价信息；能够自动地对用户的历史互动信息进行处理，匹配与该用户的历史互动信息相关的用于评价虚拟对象服务的预设评价指标，预设的评价指标能够直接、有效地用于改进虚拟对象的服务，同时生成用户易懂的评价提示信息，有针对性地获取用户的评价信息，对每个用户提供个性化服务，也能够提高收集虚拟对象服务评价的效率和评价的真实性、有用性、可靠性。
19.在一些可选的实施方式中，所述基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案，包括：
20.针对每个所述用户，执行以下处理：
21.检测所述用户的评价信息是否包括负面评价信息；
22.当所述用户的评价信息不包括所述负面评价信息时，不做任何操作；
23.当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略；所述服务优化策略包括用于调整所述虚拟对象的问答库的第一建议信息，和/或，用于编辑所述虚拟对象的互动视频的第二建议信息；
24.基于所述服务优化策略，获取所述虚拟对象的服务优化方案。
25.该技术方案的有益效果在于：检测用户的评价信息，当检测到存在负面评价信息，获取虚拟对象的服务优化策略，并基于该策生成具体的虚拟对象服务的服务优化方案，以提高其服务质量；一方面，通过检测用户的负面评价信息并及时获取优化策略，根据不同用户的负面评价作出相应的调整，提供更加符合用户期望的服务，提高用户体验和满意度，增强用户对虚拟对象的信任和认可；能够实现持续改进服务质量的目的，使虚拟对象具有更高的商业价值；另一方面当检测用户的评价信息不包括负面评价信息时，不做任何操作，能够过滤虚假好评，也能够减少不必要的处理内容，提高生成虚拟对象服务优化策略和服务优化方案的效率。
26.在一些可选的实施方式中，所述当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略，包括：
27.当所述评价信息包括所述负面评价信息时，记录所述虚拟对象获得所述负面评价信息的差评次数；
28.当所述差评次数大于预设次数时，获取所述虚拟对象的服务优化策略；
29.当所述差评次数不大于预设次数时，不做任何操作。
30.该技术方案的有益效果在于：一方面，通过记录虚拟对象获得负面评价信息的次数，并根据获得差评次数是否超过预设的次数判断是否获取相应的服务优化策略，可以避免因为一次或者少量次数的负面评价或恶意负面评价而导致频繁变更虚拟对象信息，降低虚拟对象的运营成本；另一方面，通过设定不同负面评价信息的差评次数比较的预设次数，可以区分不同负面评价获取相应的服务优化策略的重要程度。
31.在一些可选的实施方式中，所述基于所述服务优化策略，获取所述虚拟对象的服
务优化方案，包括：
32.将所述服务优化策略输入服务优化模型，以得到所述虚拟对象的服务优化方案；
33.所述服务优化模型的训练过程包括：
34.获取第一训练集，所述第一训练集包括多个第一训练数据，每个所述第一训练数据包括一个样本服务优化策略，以及所述样本服务优化策略对应的服务优化方案的标注数据；
35.针对每个所述第一训练数据，执行以下处理：
36.将所述第一训练数据中的一个样本服务优化策略输入预设的第一深度学习模型，以得到所述样本服务优化策略对应的服务优化方案的预测数据；
37.基于所述样本服务优化策略对应的服务优化方案的预测数据和标注数据，对所述第一深度学习模型的模型参数进行更新；
38.检测是否满足预设的第一训练结束条件；如果是，则将训练出的所述第一深度学习模型作为所述服务优化模型；如果否，则继续利用下一组所述第一训练数据训练所述第一深度学习模型。
39.该技术方案的有益效果在于：使用服务优化模型对应的训练集对深度学习模型进行训练，能够只通过学习少量样本就可以进行快速建模，深度学习模型在不断的训练过程中训练误差会逐渐降低，保存最优的权重，并读取权重；记录下训练集和验证集的精度，便于调参(调整模型参数)；对深度学习模型的模型参数进行更新，可以使模型更好地拟合数据，具有有效的泛化能力。
40.在一些可选的实施方式中，所述方法还包括：
41.基于所述语义信息，检测所述历史互动信息的语义准确性，所述语义准确性用于指示所述虚拟对象的互动信息对所述用户的提问信息的命中率；
42.所述基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案，包括：
43.基于每个所述用户的评价信息和语义准确性，获取所述虚拟对象的服务优化方案。
44.该技术方案的有益效果在于：基于语义信息检测历史互动信息的语义准确性，可以更好地判断虚拟对象的回答是否符合用户提问的意图和需求，通过结合用户的评价信息和语义准确性，可以更加精准地了解用户的需求和反馈，从而提高虚拟对象互动的命中率和虚拟对象服务质量，提高用户满意度和忠诚度，从而增加虚拟对象服务的竞争力。
45.在一些可选的实施方式中，所述基于所述语义信息，检测所述历史互动信息的语义准确性，包括：
46.基于所述语义信息，将所述历史互动信息分割为多个段落互动信息，所述段落互动信息的包括所述用户提问信息和所述虚拟对象的互动信息；
47.将多个所述段落互动信息输入语义准确性模型，以得到多个所述段落互动信息的语义准确性；
48.基于多个所述段落互动信息的语义准确性，获得所述历史互动信息的语义准确性。
49.该技术方案的有益效果在于：基于语义信息将用户的历史互动信息分割为多个段落互动信息并输入语义准确性模型，基于多个段落互动信息的语义准确性，可以更加准确
地判断历史互动信息的语义准确性，避免用户在历史互动信息存在多个不同种类、含义的提问信息造成的检测历史互动信息的语义准确性偏差；通过分割历史互动信息为多个段落，可以节约服务器算力，提高检测效率和响应速度。
50.第二方面，本技术提供了一种电子设备，所述电子设备包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述至少一个处理器被配置成执行所述计算机程序时实现以下步骤：
51.获取每个用户与虚拟对象的历史互动信息；
52.基于每个所述用户的历史互动信息，获取每个所述用户的评价信息；
53.基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案。
54.在一些可选的实施方式中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式基于每个所述用户的历史互动信息，获取每个所述用户的评价信息：
55.针对每个所述用户，执行以下处理：
56.使用语义提取模型提取所述用户的历史互动信息的语义信息；
57.基于所述语义信息获取所述用户对应的一个或多个预设的评价指标；
58.基于所获取的评价指标，生成评价提示信息并发送至所述用户的终端设备；
59.使用所述用户的终端设备接收所述用户的评价信息。
60.在一些可选的实施方式中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案：
61.针对每个所述用户，执行以下处理：
62.检测所述用户的评价信息是否包括负面评价信息；
63.当所述用户的评价信息不包括所述负面评价信息时，不做任何操作；
64.当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略；所述服务优化策略包括用于调整所述虚拟对象的问答库的第一建议信息，和/或，用于编辑所述虚拟对象的互动视频的第二建议信息；
65.基于所述服务优化策略，获取所述虚拟对象的服务优化方案。
66.在一些可选的实施方式中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略：
67.当所述评价信息包括所述负面评价信息时，记录所述虚拟对象获得所述负面评价信息的差评次数；
68.当所述差评次数大于预设次数时，获取所述虚拟对象的服务优化策略；
69.当所述差评次数不大于预设次数时，不做任何操作。
70.在一些可选的实施方式中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式基于所述服务优化策略，获取所述虚拟对象的服务优化方案：
71.将所述服务优化策略输入服务优化模型，以得到所述虚拟对象的服务优化方案；
72.所述服务优化模型的训练过程包括：
73.获取第一训练集，所述第一训练集包括多个第一训练数据，每个所述第一训练数据包括一个样本服务优化策略，以及所述样本服务优化策略对应的服务优化方案的标注数据；
74.针对每个所述第一训练数据，执行以下处理：
75.将所述第一训练数据中的一个样本服务优化策略输入预设的第一深度学习模型，以得到所述样本服务优化策略对应的服务优化方案的预测数据；
76.基于所述样本服务优化策略对应的服务优化方案的预测数据和标注数据，对所述第一深度学习模型的模型参数进行更新；
77.检测是否满足预设的第一训练结束条件；如果是，则将训练出的所述第一深度学习模型作为所述服务优化模型；如果否，则继续利用下一组所述第一训练数据训练所述第一深度学习模型。
78.在一些可选的实施方式中，所述至少一个处理器还被配置成执行所述计算机程序时实现以下步骤：
79.基于所述语义信息，检测所述历史互动信息的语义准确性，所述语义准确性用于指示所述虚拟对象的互动信息对所述用户的提问信息的命中率；
80.所述基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案，包括：
81.基于每个所述用户的评价信息和语义准确性，获取所述虚拟对象的服务优化方案。
82.在一些可选的实施方式中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式基于所述语义信息，检测所述历史互动信息的语义准确性：
83.基于所述语义信息，将所述历史互动信息分割为多个段落互动信息，所述段落互动信息的包括所述用户提问信息和所述虚拟对象的互动信息；
84.将多个所述段落互动信息输入语义准确性模型，以得到多个所述段落互动信息的语义准确性；
85.基于多个所述段落互动信息的语义准确性，获得所述历史互动信息的语义准确性。
86.第三方面，本技术提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被至少一个处理器执行时实现上述任一项所述方法的步骤或者实现上述任一项所述电子设备的功能。
87.第四方面，本技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被至少一个处理器执行时实现权利上述任一项所述方法的步骤或者实现上述任一项所述电子设备的功能。
附图说明
88.下面结合附图和实施例对本技术进一步说明。
89.图1是本技术实施例提供的一种虚拟对象服务评价方法的流程示意图；
90.图2是本技术实施例提供的一种虚拟对象服务评价方法的部分流程示意图；
91.图3是本技术实施例提供的另一种虚拟对象服务评价方法的部分流程示意图；
92.图4是本技术实施例提供的一种电子设备的结构示意图；
93.图5是本技术实施例提供的一种用于实现虚拟对象服务评价方法的程序产品的结构示意图。
具体实施方式
94.下面，结合附图以及具体实施方式，对本技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
95.在本技术实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b的情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，a和b，a和c，b和c，a和b和c，其中a、b和c可以是单个，也可以是多个。值得注意的是，“至少一项(个)”还可以解释成“一项(个)或多项(个)”。
96.还需说明的是，本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施方式或设计方案不应被解释为比其他实施方式或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
97.本技术实施例中出现的第一、第二等描述，仅作示意与区分描述对象之用，没有次序之分，也不表示本技术实施例中对数量的特别限定，不能构成对本技术实施例的任何限制。
98.下面对本技术实施例技术领域和相关术语进行简单说明。
99.虚拟对象包括虚拟人、虚拟动物、虚拟卡通形象等。其中，虚拟人是由cg技术构建、以代码形式运行的拟人化形象，具有语言交流、表情表达、动作展示等多种互动方式。虚拟人技术已经在人工智能领域迅速发展，并且在很多技术领域都得到了应用，例如影视、传媒、游戏、金融、文旅、教育、医疗等领域，不仅可以定制化虚拟主持人、虚拟主播、虚拟偶像、虚拟客服、虚拟律师、虚拟金融顾问、虚拟教师、虚拟医生、虚拟讲解员、虚拟助手等，还可以通过文本或音频一键生成视频。在虚拟人中，服务型虚拟人的主要功能为替代真人服务和提供日常陪伴，是现实中服务型角色的虚拟化，其产业价值主要是降低已有服务型产业的成本，为存量市场降本增效。
100.人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。
101.机器学习(machine learning,ml)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。计算机程序可以在给定某种类别的任务t和性能度量p下学习经验e，如果其在任务t中的性能恰好可以用p度量，则随着经验e而提高。
机器学习专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。
102.深度学习是一种特殊的机器学习，通过学习将世界使用嵌套的概念层次来表示并实现巨大的功能和灵活性，其中每个概念都定义为与简单概念相关联，而更为抽象的表示则以较不抽象的方式来计算。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
103.虚拟对象互动应用用于提供虚拟对象互动功能。虚拟对象可以模拟人类的交流和行为，并与用户进行互动。这种软件(指虚拟人互动应用)通常是由人工智能和自然语言处理技术驱动的，并且能够通过文本、语音、图像、表单等方式与用户进行交互。
104.(方法实施例)
105.参见图1，图1是本技术实施例提供的一种虚拟对象服务评价方法的流程示意图。
106.本技术实施例提供了虚拟对象服务评价方法，所述方法包括：
107.步骤s101：获取每个用户与虚拟对象的历史互动信息；
108.步骤s102：基于每个所述用户的历史互动信息，获取每个所述用户的评价信息；
109.步骤s103：基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案。
110.由此，通过获取每个用户与虚拟对象的历史互动信息，并基于每个用户的历史互动信息获取其评价信息，从而进一步得到虚拟对象的服务优化方案；一方面，通过收集每个用户的历史互动信息和评价信息，可以了解已经使用虚拟对象服务的用户对虚拟对象的服务的满意度，过滤没有使用虚拟对象服务的用户的评价信息，识别虚拟对象在服务中存在的问题，从而有针对性地对虚拟对象的服务进行调整和改进，提高服务质量；另一方面，通过获取每个用户的评价信息，可以更好地了解用户对虚拟对象服务的需求和期望，给出更符合用户实际需求的服务，可以为每个用户提供个性化定制的服务，满足不同用户的不同需求，提高用户对虚拟对象服务的满意度和忠诚度；通过针对性地优化虚拟对象的服务，能够降低服务成本，提高服务效率，从而节省人力和物力资源。
111.所述虚拟对象服务评价方法可以在电子设备上运行，电子设备和终端设备可以各自独立，电子设备也可以和终端设备结合为一体。当电子设备和第一终端设备各自独立时，电子设备可以是计算机、服务器(包括云服务器)等具有计算能力的设备。本技术实施例对终端设备不作限定，例如可以是手机、平板电脑、笔记本电脑、台式计算机、智能穿戴设备等具有显示屏和扬声器的智能终端设备，或者，终端设备可以是具有显示屏和扬声器的工作站或者控制台。显示屏可以是触控显示屏或者非触控显示屏。
112.本技术实施例中，虚拟对象包括虚拟人、虚拟动物和虚拟卡通形象中的一种或多种。作为一个示例，虚拟对象为虚拟人“jing”(中文名：镜)。虚拟对象评价方法可以对虚拟教师、虚拟律师、虚拟金融顾问、虚拟电商客服、虚拟偶像、虚拟培训讲师、虚拟服务人员、虚拟医生等虚拟对象的服务进行评价。
113.所述用户指与虚拟对象互动的一方，而不是虚拟对象的配置人员。所述用户的历史互动信息可以是文字信息、语音信息、图像信息和/或视频信息等，历史互动信息包括用户向虚拟对象发送的互动信息和虚拟对象回复用户的互动信息。
114.在一个具体的实施例中，应用场景是用户与虚拟电商客服，用户的历史互动信息
可以是：在虚拟对象互动界面，用户a输入文本信息“我想买一双白色的运动鞋”，基于用户a的输入信息播放虚拟电商客服对应的互动视频，例如互动视频中虚拟电商提问“请问您购买运动鞋的主要用途是什么？是健身运动还是日常通勤？如果方便的话，可以告诉我您的尺码、款式喜好和预算吗？”，用户a输入需求信息例如“健身运动，42，简单款式”，基于用户a的输入信息播放虚拟电商客服对应的一个或多个推荐运动鞋的推荐互动视频，包括运动鞋产品展示视频或与用户需求相关的特别优惠活动视频等。
115.当用户a与虚拟电商客服的互动结束后，获取用户a与虚拟电商客服的历史互动信息，基于用户的历史互动信息向用户发送评价窗口，例如评价窗口的内容包括让用户对“虚拟电商客服的响应速度”、“虚拟电商客服的互动视频对用户提问内容的命中率”以及“用户对推荐互动视频的满意度”的进行评价；用户的评价信息例如是
“‘
虚拟电商客服的响应速度’五星，响应速度快；
‘
虚拟电商客服的互动视频对用户提问内容的命中率’五星，能对我的使用需求进行详细的了解；
‘
用户对推荐互动视频的满意度’两星，推荐内容较少，而且推荐的鞋子都不是我的风格，没能在推荐内容中选到心仪的运动鞋。”；基于用户a的评价信息，检测到用户a对该推荐互动视频的内容不满意，并给出了较低的评价分数，则获取虚拟对象的服务优化方案，服务优化方案例如是：针对“用户a对虚拟电商客服的推荐互动视频的满意度为两星，评价虚拟电商客服的推荐内容较少，而且推荐的鞋子都不是用户a的风格，用户a没能在推荐内容中选到心仪的运动鞋”的问题，可以利用机器学习和数据挖掘技术对用户与本次需求内容相关历史购物信息进行分析和建模，分析用户的浏览历史、购买记录、兴趣爱好等数据，依据用户的历史偏好向其推荐本次需求的推荐内容。
116.在一些可选的实施例中，所述基于每个所述用户的历史互动信息，获取每个所述用户的评价信息，包括：
117.针对每个所述用户，执行以下处理：
118.使用语义提取模型提取所述用户的历史互动信息的语义信息；
119.基于所述语义信息获取所述用户对应的一个或多个预设的评价指标；
120.基于所获取的评价指标，生成评价提示信息并发送至所述用户的终端设备；
121.使用所述用户的终端设备接收所述用户的评价信息。
122.由此，通过使用语义提取模型提取用户历史互动信息的语义信息，并基于语义信息获取用户对应的一个或多个预设的评价指标，进而生成评价提示信息并发送至用户的终端设备以接收所述用户的评价信息；能够自动地对用户的历史互动信息进行处理，匹配与该用户的历史互动信息相关的用于评价虚拟对象服务的预设评价指标，预设的评价指标能够直接、有效地用于改进虚拟对象的服务，同时生成用户易懂的评价提示信息，有针对性地获取用户的评价信息，对每个用户提供个性化服务，也能够提高收集虚拟对象服务评价的效率和评价的真实性、有用性、可靠性。
123.在一些实施例中，当所述用户的历史互动信息是文本信息时，所述用户的历史互动信息对应的语义提取模型是基于深度学习的预训练语言模型；当所述用户的历史互动信息是语音信息时，所述用户的历史互动信息对应的语义提取模型包括基于深度学习的语音转文本模型和基于深度学习的预训练语言模型；当所述用户的历史互动信息是图像信息时，所述用户的历史互动信息对应的语义提取模型是基于深度学习的语义分割模型。由此，使用基于深度学习的模型来提取用户的历史互动信息的语义特征。针对不同类型的用户的
历史互动信息，采用不同的深度学习模型进行语义提取，包括预训练语言模型、语音转文本模型和语义分割模型等。对于文本信息，采用预训练语言模型，如bert、gpt等来提取输入文本的语义特征。这些模型通过对大量文本进行预训练，可以学习到语言的结构和语义信息，从而可以有效地提取输入文本的语义信息。对于语音信息，采用基于深度学习的语音转文本模型，如ctc、transformer等将语音信息转化为文本信息，并采用预训练语言模型提取文本信息的语义特征。这样就可以从语音信息中提取出与用户的历史互动信息相关的语义信息。对于图像信息，采用基于深度学习的语义分割模型，如unet、deeplab等对图像进行分割，并提取出每个像素点对应的语义信息。这样就可以从图像中精确提取出与用户的历史互动信息相关的语义信息。使用基于深度学习的语义提取模型可以更准确地提取用户的历史互动信息的语义特征，从而提高了语义理解的准确性和效率；使用预训练语言模型可以提高自然语言处理的能力，包括文本分类、情感分析、机器翻译等方面；采用不同的深度学习模型，可以实现对多模态信息的处理，包括文本信息、语音信息、图像信息等，从而实现了更全面的信息处理。
124.所述预设的评价指标可以是针对不同虚拟对象预设的评价指标；所述用户对应的一个或多个预设的评价指标是用户针对本次虚拟对象互动需要进行评价的一个或多个预设的评价指标；所述评价提示信息是对所述预设的评价指标的解释说明。
125.所述预设的评价指标，例如，针对虚拟教师服务评价指标可以包括教学成果、交互质量、服务效率等；针对虚拟律师服务评价指标可以包括法律咨询质量、服务态度、安全性保障等；针对虚拟金融顾问服务评价指标可以包括投资回报率、风险控制、响应速度等；针对虚拟电商客服服务评价指标可以包括服务态度、解决问题能力、响应速度等；针对虚拟偶像服务评价指标可以包括粉丝互动量、形象塑造、表演能力等；针对虚拟培训讲师服务评价指标可以包括培训效果、课程质量、学习体验等；虚拟服务人员服务评价指标可以包括服务效率、服务态度、隐私保护等；虚拟医生服务评价指标可以包括诊疗效果、医疗水平、服务态度等。
126.所述评价提示信息，例如解释说明虚拟教师服务评价指标：教学成果用于评价学生学习成绩或知识掌握程度，交互质量用于评价虚拟教师能否与学生进行良好的沟通和互动，服务效率用于评价虚拟教师提供的服务速度和响应速度等；解释说明虚拟律师服务评价指标：法律咨询质量用于评价虚拟律师回答咨询问题的准确度和专业性，服务态度用于评价虚拟律师对客户的服务态度和服务水平，安全性保障用于评价虚拟律师在法律咨询过程中能否保证用户的隐私安全等。
127.所述用户的评价信息可以是评分信息(例如1-10分制的评分、1-100分制的评分)、评价等级信息(a或b或c或d的等级)、文字评价信息、语音评价信息、图像评价信息等；
128.在一个具体的实施例中，用户b向虚拟电商客服咨询商品退换货政策，并在互动信息中表达了对虚拟电商客服回答内容的准确性的关注，在互动结束后，利用语义提取模型提取用户b的历史互动信息中提取“退换货政策”、“回答内容的准确性”的语义信息，通过预训练的深度学习模型，获取该用户本次评价虚拟电商客服对应的预设的评价指标，例如是评价虚拟电商客服的“解决问题能力”，并生成相应的评价提示信息“请您评价虚拟电商客服是否能够解决您提出的问题，以及评价虚拟电商客服回答的准确率”发送至用户b的终端设备，用户利用终端设备作出评价信息。
129.参见图2，图2是本技术实施例提供的一种虚拟对象服务评价方法的部分流程示意图。
130.在一些可选的实施例中，所述基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案，包括：
131.针对每个所述用户，执行以下处理：
132.检测所述用户的评价信息是否包括负面评价信息；
133.当所述用户的评价信息不包括所述负面评价信息时，不做任何操作；
134.当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略；所述服务优化策略包括用于调整所述虚拟对象的问答库的第一建议信息，和/或，用于编辑所述虚拟对象的互动视频的第二建议信息；
135.基于所述服务优化策略，获取所述虚拟对象的服务优化方案。
136.由此，检测用户的评价信息，当检测到存在负面评价信息，获取虚拟对象的服务优化策略，并基于该策生成具体的虚拟对象服务的服务优化方案，以提高其服务质量；一方面，通过检测用户的负面评价信息并及时获取优化策略，根据不同用户的负面评价作出相应的调整，提供更加符合用户期望的服务，提高用户体验和满意度，增强用户对虚拟对象的信任和认可；能够实现持续改进服务质量的目的，使虚拟对象具有更高的商业价值；另一方面当检测用户的评价信息不包括负面评价信息时，不做任何操作，能够过滤虚假好评，也能够减少不必要的处理内容，提高生成虚拟对象服务优化策略和服务优化方案的效率。
137.所述负面评价信息例如是用户的评价信息中包含差、不满意、失望、糟糕、不好、不爽、坑人、欺骗、误导、骗局、垃圾、无良、不负责任或浪费时间等关键词的评价信息，也可以是包含前述关键词的语义信息的评价信息。
138.所述虚拟对象的服务优化策略是改建虚拟对象服务的优化方向或大纲，例如调整虚拟对象的问答库或编辑虚拟对象的互动视频，服务优化策略不包括具体改进内容；所述虚拟对象的服务优化方案包括改进虚拟对象服务的具体内容。
139.在一个具体的实施例中，检测用户c的评价中包含反映虚拟人回答速度过慢，导致耽误了用户的时间的负面评价，则根据用户c的负面评价信息获取虚拟对象的服务优化策略，例如调整虚拟人的问答库的匹配检索词，从而提高检索速度和回答速度；根据该服务优化策略，进一步生成具体的服务优化方案，例如针对虚拟人的问答库匹配检索词的调整，可以采取以下具体步骤：收集用户询问语料与问答库条目，形成一个数据集；对于同一意图的多个询问，确认共性关键词、特定关键词和冗余关键词(共性关键词是在询问中出现频率较高的关键词，与该意图的所有其他询问都有关；特定关键词是在单一询问中出现的关键词，只与该询问有关；冗余关键词则是可省去的冗余信息，它们不会影响关键字的含义)；为每个条目设计关键字向量，将条目的标题、正文和标签等元数据作为关键字输入，利用算法处理得到表示该条目主题的向量表示；利用共性关键词和特定关键词来检索问答库，返回与用户输入最相似的条目；根据条目的匹配程度，排序返回结果，并确定默认答案、置信度阈值等参数设置，提高检索速度和回答速度。
140.在一些可选的实施例中，所述当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略，包括：
141.当所述评价信息包括所述负面评价信息时，记录所述虚拟对象获得所述负面评价
信息的差评次数；
142.当所述差评次数大于预设次数时，获取所述虚拟对象的服务优化策略；
143.当所述差评次数不大于预设次数时，不做任何操作。
144.由此，一方面，通过记录虚拟对象获得负面评价信息的次数，并根据获得差评次数是否超过预设的次数判断是否获取相应的服务优化策略，可以避免因为一次或者少量次数的负面评价或恶意负面评价而导致频繁变更虚拟对象信息，降低虚拟对象的运营成本；另一方面，通过设定不同负面评价信息的差评次数比较的预设次数，可以区分不同负面评价获取相应的服务优化策略的重要程度。
145.在一个具体的实施例中，虚拟律师“引用法条错误”的负面评价的预设次数为2次；用户d在与虚拟律师交互后，提交评价中包含虚拟律师引用法条序号错误的问题，记录虚拟律师获得“引用法条错误”的差评次数加一，此时虚拟律师获得“引用法条错误”的差评次数小于预设次数2次，不触发任何操作；用户e和f在与虚拟律师交互后，提交评价中都包含虚拟律师引用法条序号错误的问题，记录虚拟律师获得“引用法条错误”的差评次数加二，此时虚拟律师获得“引用法条错误”的差评次数为3次(大于预设次数2次)，触发获取虚拟律师的服务优化策略，例如修订虚拟律师的互动视频。
146.在一些可选的实施例中，所述基于所述服务优化策略，获取所述虚拟对象的服务优化方案，包括：
147.将所述服务优化策略输入服务优化模型，以得到所述虚拟对象的服务优化方案；
148.所述服务优化模型的训练过程包括：
149.获取第一训练集，所述第一训练集包括多个第一训练数据，每个所述第一训练数据包括一个样本服务优化策略，以及所述样本服务优化策略对应的服务优化方案的标注数据；
150.针对每个所述第一训练数据，执行以下处理：
151.将所述第一训练数据中的一个样本服务优化策略输入预设的第一深度学习模型，以得到所述样本服务优化策略对应的服务优化方案的预测数据；
152.基于所述样本服务优化策略对应的服务优化方案的预测数据和标注数据，对所述第一深度学习模型的模型参数进行更新；
153.检测是否满足预设的第一训练结束条件；如果是，则将训练出的所述第一深度学习模型作为所述服务优化模型；如果否，则继续利用下一组所述第一训练数据训练所述第一深度学习模型。
154.由此，使用服务优化模型对应的训练集对深度学习模型进行训练，能够只通过学习少量样本就可以进行快速建模，深度学习模型在不断的训练过程中训练误差会逐渐降低，保存最优的权重，并读取权重；记录下训练集和验证集的精度，便于调参(调整模型参数)；对深度学习模型的模型参数进行更新，可以使模型更好地拟合数据，具有有效的泛化能力。
155.本技术实施例对服务优化模型的训练过程不作限定，其例如可以采用监督学习的训练方式，或者可以采用半监督学习的训练方式，或者可以采用无监督学习的训练方式。当采用监督学习或者半监督学习的训练方式时，本技术实施例对标注数据的获取方式不作限定，例如可以采用人工标注的方式，也可以采用自动标注或者半自动标注的方式。当样本数
据是在真实互动过程中采集得到时，可以通过关键词提取的方式从历史数据中获取真实数据作为标注数据。
156.本技术实施例对服务优化模型的训练过程中的第一训练结束条件不作限定，其例如可以是训练次数达到预设次数(预设次数例如是1次、3次、10次、100次、1000次、10000次等)，或者可以是训练集中的训练数据都完成一次或多次训练，或者可以是本次训练得到的总损失值不大于预设损失值。
157.参见图3，图3是本技术实施例提供的另一种虚拟对象服务评价方法的部分流程示意图。
158.在一些可选的实施例中，所述方法还包括：
159.基于所述语义信息，检测所述历史互动信息的语义准确性，所述语义准确性用于指示所述虚拟对象的互动信息对所述用户的提问信息的命中率；
160.所述基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案，包括：
161.基于每个所述用户的评价信息和语义准确性，获取所述虚拟对象的服务优化方案。
162.由此，基于语义信息检测历史互动信息的语义准确性，可以更好地判断虚拟对象的回答是否符合用户提问的意图和需求，通过结合用户的评价信息和语义准确性，可以更加精准地了解用户的需求和反馈，从而提高虚拟对象互动的命中率和虚拟对象服务质量，提高用户满意度和忠诚度，从而增加虚拟对象服务的竞争力。
163.在一些可选的实施例中，所述基于所述语义信息，检测所述历史互动信息的语义准确性，包括：
164.基于所述语义信息，将所述历史互动信息分割为多个段落互动信息，所述段落互动信息的包括所述用户提问信息和所述虚拟对象的互动信息；
165.将多个所述段落互动信息输入语义准确性模型，以得到多个所述段落互动信息的语义准确性；
166.基于多个所述段落互动信息的语义准确性，获得所述历史互动信息的语义准确性。
167.由此，基于语义信息将用户的历史互动信息分割为多个段落互动信息并输入语义准确性模型，基于多个段落互动信息的语义准确性，可以更加准确地判断历史互动信息的语义准确性，避免用户在历史互动信息存在多个不同种类、含义的提问信息造成的检测历史互动信息的语义准确性偏差；通过分割历史互动信息为多个段落，可以节约服务器算力，提高检测效率和响应速度。
168.在一个具体实施例中，用户g与虚拟政务服务人员的历史互动信息包括：用户g向虚拟政务服务人员询问“注册企业的条件是什么？”，虚拟服务人员与之互动播放“企业注册条件”的相关互动视频介绍“企业注册需要满足的条件是具有独立的法人资格、具备合法有效的营业执照、注册资本达到法定最低限额、拥有完整的组织结构和内部管理制度、依照相关法律法规的要求履行财务、税务、审计等制度和规定。”；用户g又询问“如何进行企业注册？”，虚拟服务人员与之互动播放“企业注册流程”的互动视频，介绍“企业注册的办事流程为准备相关材料、登录政府网站进行企业名称预先核准、提交企业注册申请表和相关材料、支付注册资本、领取营业执照。”；用户g又询问“a市企业注册的条件又什么特别规定吗？”，
虚拟服务人员与之互动播放“企业注册条件”的相关互动视频，介绍“企业注册需要满足的条件是具有独立的法人资格、具备合法有效的营业执照、注册资本达到法定最低限额、拥有完整的组织结构和内部管理制度、依照相关法律法规的要求履行财务、税务、审计等制度和规定。”。
169.基于语义提取模型，提取用户g与虚拟政务服务人员的历史互动信息的语义信息“咨询及答复企业注册条件”、“咨询和答复企业注册流程”、“咨询及答复a市企业注册特别规定”，基于语义信息将历史互动信息分割为三个段落互动信息，例如段落互动信息1：用户g向虚拟政务服务人员询问“注册企业的条件是什么？”，虚拟服务人员与之互动播放“企业注册条件”的相关互动视频介绍“企业注册需要满足的条件是具有独立的法人资格、具备合法有效的营业执照、注册资本达到法定最低限额、拥有完整的组织结构和内部管理制度、依照相关法律法规的要求履行财务、税务、审计等制度和规定。”；段落互动信息2：用户g询问“如何进行企业注册？”，虚拟服务人员与之互动播放“企业注册流程”的互动视频，介绍“企业注册的办事流程为准备相关材料、登录政府网站进行企业名称预先核准、提交企业注册申请表和相关材料、支付注册资本、领取营业执照。”；段落互动信息3：用户g询问“a市企业注册的条件又什么特别规定吗？”，虚拟服务人员与之互动播放“企业注册条件”的相关互动视频，介绍“企业注册需要满足的条件是具有独立的法人资格、具备合法有效的营业执照、注册资本达到法定最低限额、拥有完整的组织结构和内部管理制度、依照相关法律法规的要求履行财务、税务、审计等制度和规定。”。
170.将获得到三个段落互动信息输入语义准确性模型，获得到的语义准确性，例如语义准确性模型以十分制打分，获得三个段落互动信息的语义准确性结果为“段落互动信息1：10分”、“段落互动信息2：10分”、“段落互动信息3：3分”，基于三个所述段落互动信息的语义准确性，获得所述历史互动信息的语义准确性，例如可以使用取平均数的评分的方法计算得到用户b与虚拟政务服务人员的历史互动信息的语义准确性为7.7分。
171.此外，获取用户b对虚拟政务服务人员的评价信息为“对宏观问题回答准确、对个例性问题回答不准确”，检测用户b的评价信息存在不满意的负面评价，并结合用户b与虚拟政务服务人员的历史互动信息的语义准确性7.7分，获取该虚拟政务服务人员的服务优化策略为，增加该虚拟政务服务人员的问答库的内容；将该服务优化策略输入服务优化模型获取虚拟政务服务人员的服务优化方案，服务优化方案例如是：针对用户b对虚拟政务服务人员的评价和历史互动信息的语义准确性低的问题，可以增加虚拟政务服务人员问答库中关于虚拟政务服务人员所处地域(如省、市、区)的区域性规定、政策、福利等内容。
172.本实施例中对所述语义准确性的表示方式不做限定，例如可以采用中文、字母、数字、符号中的一种或多种来表示，例如可以表示为“语义准确性100％、语义准确性50％、语义准确性30％”或“a、b、c”或“准确、不准确”“√、
×”
等。
173.所述语义准确性模型的训练过程包括：
174.获取第二训练集，所述第二训练集包括多个第二训练数据，每个所述第二训练数据包括一个样本段落互动信息，以及所述样本段落互动信息对应的语义准确性的标注数据；
175.针对每个所述第二训练数据，执行以下处理：
176.将所述第二训练数据中的一个样本段落互动信息输入预设的第二深度学习模型，
以得到所述样本段落互动信息对应的语义准确性的预测数据；
177.基于所述样本段落互动信息对应的语义准确性的预测数据和标注数据，对所述第二深度学习模型的模型参数进行更新；
178.检测是否满足预设的第二训练结束条件；如果是，则将训练出的所述第二深度学习模型作为所述语义准确性模型；如果否，则继续利用下一组所述第二训练数据训练所述第二深度学习模型。
179.本技术实施例对语义准确性模型的训练过程不作限定，其例如可以采用监督学习的训练方式，或者可以采用半监督学习的训练方式，或者可以采用无监督学习的训练方式。当采用监督学习或者半监督学习的训练方式时，本技术实施例对标注数据的获取方式不作限定，例如可以采用人工标注的方式，也可以采用自动标注或者半自动标注的方式。当样本数据是在真实互动过程中采集得到时，可以通过关键词提取的方式从历史数据中获取真实数据作为标注数据。
180.本技术实施例对语义准确性模型的训练过程中的第二训练结束条件不作限定，其例如可以是训练次数达到预设次数(预设次数例如是1次、3次、10次、100次、1000次、10000次等)，或者可以是训练集中的训练数据都完成一次或多次训练，或者可以是本次训练得到的总损失值不大于预设损失值。
181.在一个具体的实施例中，本技术实施例还提供了一种虚拟对象服务评价方法，所述方法包括：获取每个用户与虚拟对象的历史互动信息；针对每个所述用户，执行以下处理：使用语义提取模型提取所述用户的历史互动信息的语义信息；基于所述语义信息获取所述用户对应的一个或多个预设的评价指标；基于所获取的评价指标，生成评价提示信息并发送至所述用户的终端设备；使用所述用户的终端设备接收所述用户的评价信息；针对每个所述用户，执行以下处理：检测所述用户的评价信息是否包括负面评价信息；当所述用户的评价信息不包括所述负面评价信息时，不做任何操作；当所述评价信息包括所述负面评价信息时，记录所述虚拟对象获得所述负面评价信息的差评次数；当所述差评次数大于预设次数时，获取所述虚拟对象的服务优化策略；当所述差评次数不大于预设次数时，不做任何操作；所述服务优化策略包括用于调整所述虚拟对象的问答库的第一建议信息，和/或，用于编辑所述虚拟对象的互动视频的第二建议信息；将所述服务优化策略输入服务优化模型，以得到所述虚拟对象的服务优化方案；所述服务优化模型的训练过程包括：获取第一训练集，所述第一训练集包括多个第一训练数据，每个所述第一训练数据包括一个样本服务优化策略，以及所述样本服务优化策略对应的服务优化方案的标注数据；针对每个所述第一训练数据，执行以下处理：将所述第一训练数据中的一个样本服务优化策略输入预设的第一深度学习模型，以得到所述样本服务优化策略对应的服务优化方案的预测数据；基于所述样本服务优化策略对应的服务优化方案的预测数据和标注数据，对所述第一深度学习模型的模型参数进行更新；检测是否满足预设的第一训练结束条件；如果是，则将训练出的所述第一深度学习模型作为所述服务优化模型；如果否，则继续利用下一组所述第一训练数据训练所述第一深度学习模型；基于所述语义信息，将所述历史互动信息分割为多个段落互动信息，所述段落互动信息的包括所述用户提问信息和所述虚拟对象的互动信息；将多个所述段落互动信息输入语义准确性模型，以得到多个所述段落互动信息的语义准确性；基于多个所述段落互动信息的语义准确性，获得所述历史互动信息的语义准确性。
所述语义准确性用于指示所述虚拟对象的互动信息对所述用户的提问信息的命中率；基于每个所述用户的评价信息和语义准确性，获取所述虚拟对象的服务优化方案。
182.本技术实施例还可以通过情感识别技术来识别用户情感状态，从而更好地理解用户需求和提供更好的服务。具体而言，可以采集用户的情感信号，如文本、语音、面部表情、肢体动作、生理信号等；对情感信号进行预处理，如分词、去噪、特征提取等；利用机器学习或深度学习等方法对情感信号进行分类或回归，得到用户的情感状态，如开心、悲伤、愤怒、恐惧等；根据用户的情感状态，调整虚拟对象的反馈策略，如语言风格、语音语调、面部表情、肢体动作等，以提高用户的满意度和信任度。
183.另外，由于对虚拟对象服务的监控和优化基于用户评价信息，因此需要保证系统的稳定性和可靠性，避免因系统故障或数据丢失等原因导致监控和优化失效。因此在设计和实现中可以加入冗余机制、备份机制等，以提高该方法在运行过程中的稳定性。具体而言，可以在系统(即搭载有该方法的电子设备)设计阶段引入冗余机制，包括硬件冗余和软件冗余，硬件冗余可以通过使用备用服务器、网络设备等来实现，而软件冗余可以通过使用备用软件或实现主备机制来实现；在部署阶段，设置备份系统，以确保系统数据的备份和恢复，备份系统可以是实时备份或定期备份，备份数据应存储在不同的物理位置上以防止数据丢失；使用监控和报警机制来监测系统的运行状况和异常情况，以及及时发出警报并采取相应的措施；定期进行漏洞扫描和修复，以确保系统的安全性，漏洞扫描可以通过自动化工具实现，而修复可以通过软件更新或补丁程序来实现；定期进行灾备演练，以验证备份系统的可靠性和恢复能力，在演练中，应该测试备份数据的恢复和系统功能的正常运行情况。
184.此外，本技术实施例在获取用户评价信息时，可以考虑使用激励机制来鼓励用户提供反馈，例如提供优惠券或积分奖励等；在服务优化模型的训练过程中，可以考虑使用迁移学习技术来加快模型训练速度，利用已有的知识来帮助模型更快地学习新知识，提高模型准确性；还可以建立一个虚拟对象服务质量监控系统，定期对虚拟对象服务进行评估，并及时调整优化策略，从而更好地监控虚拟对象服务的质量，并及时进行调整。具体而言，可以设立一个客户反馈机制，收集客户对虚拟对象服务的意见和建议；定期对虚拟对象服务进行性能测试，以确保服务的稳定性和可靠性；根据客户反馈和性能测试结果，及时调整优化策略，以提高虚拟对象服务的质量；建立一个完善的数据分析系统，对虚拟对象服务的使用情况进行跟踪和分析，以便更好地了解客户需求并进行相应调整。其中，性能测试例如可以包括以下步骤：确定测试目标：确定需要测试的性能指标，例如响应时间、吞吐量、资源利用率等；设计测试方案：根据测试目标设计测试方案，包括测试场景、测试数据、测试工具等；准备测试环境：搭建测试环境，包括硬件、软件、网络等；执行测试：按照测试方案执行测试，收集测试数据；分析测试结果：分析测试数据，确定系统的性能瓶颈和优化方向；优化系统：根据分析结果对系统进行优化，提高系统性能；回归测试：在系统优化后进行回归测试，验证优化效果。
185.(电子设备)
186.本技术实施例还提供了一种电子设备，其具体实施例与上述方法实施例中记载的实施例、所达到的技术效果一致，部分内容不再赘述。
187.所述电子设备包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述至少一个处理器被配置成执行所述计算机程序时实现以下步骤：
188.获取每个用户与虚拟对象的历史互动信息；
189.基于每个所述用户的历史互动信息，获取每个所述用户的评价信息；
190.基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案。
191.在一些可选的实施例中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式基于每个所述用户的历史互动信息，获取每个所述用户的评价信息：
192.针对每个所述用户，执行以下处理：
193.使用语义提取模型提取所述用户的历史互动信息的语义信息；
194.基于所述语义信息获取所述用户对应的一个或多个预设的评价指标；
195.基于所获取的评价指标，生成评价提示信息并发送至所述用户的终端设备；
196.使用所述用户的终端设备接收所述用户的评价信息。
197.在一些可选的实施例中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案：
198.针对每个所述用户，执行以下处理：
199.检测所述用户的评价信息是否包括负面评价信息；
200.当所述用户的评价信息不包括所述负面评价信息时，不做任何操作；
201.当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略；所述服务优化策略包括用于调整所述虚拟对象的问答库的第一建议信息，和/或，用于编辑所述虚拟对象的互动视频的第二建议信息；
202.基于所述服务优化策略，获取所述虚拟对象的服务优化方案。
203.在一些可选的实施例中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略：
204.当所述评价信息包括所述负面评价信息时，记录所述虚拟对象获得所述负面评价信息的差评次数；
205.当所述差评次数大于预设次数时，获取所述虚拟对象的服务优化策略；
206.当所述差评次数不大于预设次数时，不做任何操作。
207.在一些可选的实施例中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式基于所述服务优化策略，获取所述虚拟对象的服务优化方案：
208.将所述服务优化策略输入服务优化模型，以得到所述虚拟对象的服务优化方案；
209.所述服务优化模型的训练过程包括：
210.获取第一训练集，所述第一训练集包括多个第一训练数据，每个所述第一训练数据包括一个样本服务优化策略，以及所述样本服务优化策略对应的服务优化方案的标注数据；
211.针对每个所述第一训练数据，执行以下处理：
212.将所述第一训练数据中的一个样本服务优化策略输入预设的第一深度学习模型，以得到所述样本服务优化策略对应的服务优化方案的预测数据；
213.基于所述样本服务优化策略对应的服务优化方案的预测数据和标注数据，对所述第一深度学习模型的模型参数进行更新；
214.检测是否满足预设的第一训练结束条件；如果是，则将训练出的所述第一深度学
习模型作为所述服务优化模型；如果否，则继续利用下一组所述第一训练数据训练所述第一深度学习模型。
215.在一些可选的实施例中，所述至少一个处理器还被配置成执行所述计算机程序时实现以下步骤：
216.基于所述语义信息，检测所述历史互动信息的语义准确性，所述语义准确性用于指示所述虚拟对象的互动信息对所述用户的提问信息的命中率；
217.所述基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案，包括：
218.基于每个所述用户的评价信息和语义准确性，获取所述虚拟对象的服务优化方案。
219.在一些可选的实施例中，所述至少一个处理器被配置成执行所述计算机程序时采用以下方式基于所述语义信息，检测所述历史互动信息的语义准确性：
220.基于所述语义信息，将所述历史互动信息分割为多个段落互动信息，所述段落互动信息的包括所述用户提问信息和所述虚拟对象的互动信息；
221.将多个所述段落互动信息输入语义准确性模型，以得到多个所述段落互动信息的语义准确性；
222.基于多个所述段落互动信息的语义准确性，获得所述历史互动信息的语义准确性。
223.参见图4，图4示出了本技术实施例提供的一种电子设备的结构框图。
224.电子设备10例如可以包括至少一个存储器11、至少一个处理器12以及连接不同平台系统的总线13。
225.存储器11可以包括易失性存储器形式的可读介质，例如随机存取存储器(ram)111和/或高速缓存存储器112，还可以进一步包括只读存储器(rom)113。
226.其中，存储器11还存储有计算机程序，计算机程序可以被处理器12执行，使得处理器12实现上述任一项方法的步骤。
227.存储器11还可以包括具有至少一个程序模块115的实用工具114，这样的程序模块115包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例的每一个或某种组合中可能包括网络环境的实现。
228.相应的，处理器12可以执行上述计算机程序，以及可以执行实用工具114。
229.处理器12可以采用一个或多个应用专用集成电路(asic，application specific integrated circuit)、dsp、可编程逻辑器件(pld，programmablelogic device)、复杂可编程逻辑器件(cpld，complex programmable logic device)、现场可编程门阵列(fpga，field-programmable gate array)或其他电子元件。
230.总线13可以为表示几类总线结构的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构的任意总线结构的局域总线。
231.电子设备10也可以与一个或多个外部设备例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该电子设备10交互的设备通信，和/或与使得该电子设备10能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入输出接口14进行。并且，电子设备10还可以通过网络适配器15与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配
器15可以通过总线13与电子设备10的其它模块通信。应当明白，尽管图中未示出，但在实际应用中可以结合电子设备10使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储平台等。
232.(计算机可读存储介质)
233.本技术实施例还提供了一种计算机可读存储介质，其具体实施例与上述方法实施例中记载的实施例、所达到的技术效果一致，部分内容不再赘述。
234.所述计算机可读存储介质存储有计算机程序，所述计算机程序被至少一个处理器执行时实现上述任一项方法的步骤或者实现上述任一项电子设备的功能。
235.计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。在本技术实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。计算机可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
236.计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读存储介质还可以是任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如java、c++等，还包括常规的过程式程序设计语言诸如c语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
237.(计算机程序产品)
238.本技术实施例还提供了一种计算机程序产品，其具体实施例与上述方法实施例中记载的实施例、所达到的技术效果一致，部分内容不再赘述。
239.本技术提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被至少一个处理器执行时实现上述任一项方法的步骤或者实现上述任一项电子设备的功能。
240.参见图5，图5是本技术实施例提供的一种计算机程序产品的结构示意图。
241.所述计算机程序产品用于实现上述任一项方法的步骤或者实现上述任一项电子设备的功能。计算机程序产品可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的计算机程序产品不限于此，计
算机程序产品可以采用一个或多个计算机可读介质的任意组合。
242.本技术从使用目的上，效能上，进步及新颖性等观点进行阐述，已符合专利法所强调的功能增进及使用要件，本技术以上的说明书及说明书附图，仅为本技术的较佳实施例而已，并非以此局限本技术，因此，凡一切与本技术构造，装置，特征等近似、雷同的，即凡依本技术专利申请范围所作的等同替换或修饰等，皆应属本技术的专利申请保护的范围之内。

技术特征：
1.一种虚拟对象服务评价方法，其特征在于，所述方法包括：获取每个用户与虚拟对象的历史互动信息；基于每个所述用户的历史互动信息，获取每个所述用户的评价信息；基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案。2.根据权利要求1所述的虚拟对象服务评价方法，其特征在于，所述基于每个所述用户的历史互动信息，获取每个所述用户的评价信息，包括：针对每个所述用户，执行以下处理：使用语义提取模型提取所述用户的历史互动信息的语义信息；基于所述语义信息获取所述用户对应的一个或多个预设的评价指标；基于所获取的评价指标，生成评价提示信息并发送至所述用户的终端设备；使用所述用户的终端设备接收所述用户的评价信息。3.根据权利要求1所述的虚拟对象服务评价方法，其特征在于，所述基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案，包括：针对每个所述用户，执行以下处理：检测所述用户的评价信息是否包括负面评价信息；当所述用户的评价信息不包括所述负面评价信息时，不做任何操作；当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略；所述服务优化策略包括用于调整所述虚拟对象的问答库的第一建议信息，和/或，用于编辑所述虚拟对象的互动视频的第二建议信息；基于所述服务优化策略，获取所述虚拟对象的服务优化方案。4.根据权利要求3所述的虚拟对象服务评价方法，其特征在于，所述当所述用户的评价信息包括所述负面评价信息时，获取所述虚拟对象的服务优化策略，包括：当所述评价信息包括所述负面评价信息时，记录所述虚拟对象获得所述负面评价信息的差评次数；当所述差评次数大于预设次数时，获取所述虚拟对象的服务优化策略；当所述差评次数不大于预设次数时，不做任何操作。5.根据权利要求3所述的虚拟对象服务评价方法，其特征在于，所述基于所述服务优化策略，获取所述虚拟对象的服务优化方案，包括：将所述服务优化策略输入服务优化模型，以得到所述虚拟对象的服务优化方案；所述服务优化模型的训练过程包括：获取第一训练集，所述第一训练集包括多个第一训练数据，每个所述第一训练数据包括一个样本服务优化策略，以及所述样本服务优化策略对应的服务优化方案的标注数据；针对每个所述第一训练数据，执行以下处理：将所述第一训练数据中的一个样本服务优化策略输入预设的第一深度学习模型，以得到所述样本服务优化策略对应的服务优化方案的预测数据；基于所述样本服务优化策略对应的服务优化方案的预测数据和标注数据，对所述第一深度学习模型的模型参数进行更新；检测是否满足预设的第一训练结束条件；如果是，则将训练出的所述第一深度学习模型作为所述服务优化模型；如果否，则继续利用下一组所述第一训练数据训练所述第一深
度学习模型。6.根据权利要求2所述的虚拟对象服务评价方法，其特征在于，所述方法还包括：基于所述语义信息，检测所述历史互动信息的语义准确性，所述语义准确性用于指示所述虚拟对象的互动信息对所述用户的提问信息的命中率；所述基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案，包括：基于每个所述用户的评价信息和语义准确性，获取所述虚拟对象的服务优化方案。7.根据权利要求6所述的虚拟对象服务评价方法，其特征在于，所述基于所述语义信息，检测所述历史互动信息的语义准确性，包括：基于所述语义信息，将所述历史互动信息分割为多个段落互动信息，所述段落互动信息的包括所述用户提问信息和所述虚拟对象的互动信息；将多个所述段落互动信息输入语义准确性模型，以得到多个所述段落互动信息的语义准确性；基于多个所述段落互动信息的语义准确性，获得所述历史互动信息的语义准确性。8.一种电子设备，其特征在于，所述电子设备包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述至少一个处理器被配置成执行所述计算机程序时实现以下步骤：获取每个用户与虚拟对象的历史互动信息；基于每个所述用户的历史互动信息，获取每个所述用户的评价信息；基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案。9.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被至少一个处理器执行时实现权利要求1-7任一项所述方法的步骤或者实现权利要求8所述电子设备的功能。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被至少一个处理器执行时实现权利要求1-7任一项所述方法的步骤或者实现权利要求8所述电子设备的功能。

技术总结
本申请提供了虚拟对象服务评价方法及相关装置，所述方法包括：获取每个用户与虚拟对象的历史互动信息；基于每个所述用户的历史互动信息，获取每个所述用户的评价信息；基于每个所述用户的评价信息，获取所述虚拟对象的服务优化方案。本申请可以有针对性地获取用户评价以优化虚拟对象的服务质量，降低服务成本，提高服务效率，节省人力和物力资源。节省人力和物力资源。节省人力和物力资源。


技术研发人员：黄晨升 张晨露 柴金祥
受保护的技术使用者：上海墨舞科技有限公司
技术研发日：2023.05.23
技术公布日：2023/9/14