模型训练方法、责任判定方法、装置、设备、介质及产品

摘要

本公开实施例公开了一种模型训练方法、责任判定方法、装置、设备、介质及产品，所述方法包括：获取在订单操作发生前用户方与服务方之间通话的语音通话数据以及与订单操作对应的责任判定结果；对语音通话数据进行语音识别，以获取语音识别文本；确定语音识别文本中的至少一个目标语句；获取责任判定模型，并将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型。通过该方案所获得的目标责任判定模型可以获取责任判定结果，根据该责任判定结果可以确定用户方与服务方中的一方是否通过语音诱导另一方主动触发订单操作，有助于提高所确定的应承担责任的一方的准确率，改善了用户体验。

说明书

技术领域

本公开涉及数据处理技术领域，具体涉及一种模型训练方法、责任判定方法、装置、设备、介质及产品。

背景技术

随着移动互联网技术的发展，人们在日常生活中可以通过网络预定相应的服务，例如外卖服务、跑腿服务、出行服务等。在使用上述服务的过程中，若相应的订单已形成，则如果需要对已形成订单进行相应的订单操作，例如取消订单，修改订单服务地址、修改订单服务时间等，会提高该订单在执行过程中的成本，因此服务运用方需要确定该由用户方承担相应订单操作的责任，还是该由服务提供方承担承担相应订单操作的责任。

相关技术中，可以在订单操作被触发时，确定是该订单操作由用户方触发的还是由服务提供方触发的，并确定由触发该订单操作的一方承担该订单操作的责任。

上述方案虽然可以在用户方与服务提供方之间确定承担相应订单操作责任的一方，但考虑到在某些场景中，用户方与服务提供方之间可能发生通话，在通话中用户方与服务提供方中的一方可能诱导另一方主动触发相应的订单操作，从而避免由自身承担相应的责任，从而导致无法准确确定应承担相应责任的一方，损害了用户体验。

发明内容

为了解决相关技术中的问题，本公开实施例提供模型训练方法、责任判定方法、装置、设备、介质及产品。

第一方面，本公开实施例中提供了一种模型训练方法，所述方法包括：

获取在针对用户方与服务方之间订单的订单操作发生前用户方与服务方之间通话的语音通话数据以及与订单操作对应的责任判定结果；

对语音通话数据进行语音识别，以获取语音识别文本；

确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值；

获取责任判定模型，并将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型。

结合第一方面，本公开在第一方面的第一种实现方式中，获取语音通话数据，包括：

接收授权指示信息，并响应于授权指示信息获取语音通话数据。

结合第一方面，本公开在第一方面的第二种实现方式中，获取与订单操作对应的责任判定结果之前，方法还包括：

获取与订单操作对应的定责结果；

获取与订单操作对应的责任判定结果，包括：

响应于定责结果所指示的责任方为服务方，且服务方在定责结果的生成时刻后的定责时间长度内未发送争议仲裁请求信息，生成用于指示订单操作的责任方为服务方的责任判定结果。

结合第一方面，本公开在第一方面的第三种实现方式中，将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型之前，方法还包括：

接收边缘服务器发送的更新权值参数，并根据更新权值参数对责任判定模型进行更新；

将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型，包括：

将至少一个目标语句作为输入，将责任判定结果作为输出，对更新后的责任判定模型行训练；

当训练后的责任判定模型未收敛时，根据训练后的责任判定模型获取梯度更新矢量，并向边缘服务器发送梯度更新矢量；

当训练后的责任判定模型收敛时，将训练后的责任判定模型确定为目标责任判定模型。

第二方面，本公开实施例中提供了一种责任判定方法，方法包括：

获取在针对用户方与服务方之间对应订单的订单操作发生前用户方与服务方之间通话的语音通话数据；

对语音通话数据进行语音识别，以获取语音识别文本；

确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值；

获取目标训练责任判定模型，并将至少一个目标语句作为输入，以获取目标训练责任判定模型输出的与订单操作对应的责任判定结果。

结合第二方面，本公开在第二方面的第一种实现方式中，目标训练责任判定模型为通过第一方面、第一方面的第一种实现方式到第三种实现方式中任一项的模型训练方法获取。

结合第二方面，本公开在第二方面的第二种实现方式中，责任判定方法应用于线上责任判定系统，目标训练责任判定模型为基于文本卷积神经网络模型(textcnn)训练得到的；

或，责任判定方法应用于离线责任判定系统，目标训练责任判定模型包括基于textcnn训练得到的第一目标训练责任判定模型以及基于转换器的双向编码表征模型(bert)训练得到的第二目标训练责任判定模型；

方法还包括：

根据第一目标训练责任判定模型输出的第一责任判定结果以及第二目标训练责任判定模型输出的第二责任判定结果获取结合责任判定结果。

第三方面，本公开实施例中提供了一种责任判断方法，其中，方法包括：

接收责任判定结果指示信息，并展示责任判定结果指示信息，责任判定结果指示信息用于指示与订单操作对应的责任判定结果，责任判定结果是通过第二方面、第二方面的第一种实现方式到第二种实现方式中任一项的方法获取。

结合第三方面，本公开在第三方面的第一种实现方式中，接收责任判定结果指示信息，并展示责任判定结果指示信息之前，所述方法还包括：

响应于输入的订单操作动作，发送订单操作指示信息，订单操作指示信息用于指示对用户方与服务方之间订单进行订单操作。

结合第三方面，本公开在第三方面的第二种实现方式中，接收责任判定结果指示信息，并展示责任判定结果指示信息之前，所述方法还包括：

发送在针对用户方与服务方之间订单的订单操作发生前，用户方与服务方之间通话的语音通话数据。

结合第三方面的第二种实现方式，本公开在第三方面的第三种实现方式中，接收责任判定结果指示信息，并展示责任判定结果指示信息之前，所述方法还包括：

响应于输入的授权指示动作，发送授权指示信息，授权指示信息用于指示获取语音通话数据。

第四方面，本公开实施例中提供了一种模型训练装置，所述装置包括：

训练数据获取模块，被配置为获取在针对用户方与服务方之间订单的订单操作发生前用户方与服务方之间通话的语音通话数据以及与订单操作对应的责任判定结果；

第一语音识别模块，被配置为对语音通话数据进行语音识别，以获取语音识别文本；

第一语句确定模块，被配置为确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值；

模型训练模块，被配置为获取责任判定模型，并将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型。

第五方面，本公开实施例中提供了一种责任判定装置，装置包括：

判断数据获取模块，被配置为获取在针对用户方与服务方之间对应订单的订单操作发生前用户方与服务方之间通话的语音通话数据；

第二语音识别模块，被配置为对语音通话数据进行语音识别，以获取语音识别文本；

第二语句确定模块，被配置为确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值；

判定结果获取模块，被配置为获取目标训练责任判定模型，并将至少一个目标语句作为输入，以获取目标训练责任判定模型输出的与订单操作对应的责任判定结果。

第六方面，本公开实施例中提供了一种责任判定装置，所述装置包括：

判定结果展示模块，被配置为接收责任判定结果指示信息，并展示责任判定结果指示信息，责任判定结果指示信息用于指示与订单操作对应的责任判定结果，责任判定结果是通过第二方面、第二方面的第一种实现方式到第二种实现方式中任一项的方法获取。

第七方面，本公开实施例中提供了一种电子设备，包括存储器和至少一个处理器；存储器用于存储一条或多条计算机指令，一条或多条计算机指令被至少一个处理器执行以实现第一方面、第一方面的第一种实现方式到第三种实现方式、第二方面、第二方面的第一种实现方式到第二种实现方式、第三方面、第三方面的第一种实现方式到第三种实现方式中任一项的方法步骤。

第八方面，本公开实施例中提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现第一方面、第一方面的第一种实现方式到第三种实现方式、第二方面、第二方面的第一种实现方式到第二种实现方式、第三方面、第三方面的第一种实现方式到第三种实现方式中任一项的方法步骤。

第九方面，本公开实施例中提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现第一方面、第一方面的第一种实现方式到第三种实现方式、第二方面、第二方面的第一种实现方式到第二种实现方式、第三方面、第三方面的第一种实现方式到第三种实现方式中任一项的方法步骤。

本公开实施例提供的技术方案可以包括以下有益效果：

在上述实施方式中，通过获取在针对用户方与服务方之间订单的订单操作发生前用户方与服务方之间通话的语音通话数据以及与订单操作对应的责任判定结果；对语音通话数据进行语音识别，以获取语音识别文本，确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值，即长度较短的目标语句中可能包括用户方与服务方针对订单操作所对应目标场景进行沟通的内容，且该目标语句可能包括用户方与服务方中的一方通过语音沟通诱导另一方主动触发该订单操作的内容；获取责任判定模型，并将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型。上述方案所获得的目标责任判定模型，可以基于由语音通话数据提取到的语句获取相应的责任判定结果，以便于根据该责任判定结果确定用户方与服务方的通话中是否存在一方诱导另一方主动触发订单操作的内容，有助于提高所确定的应承担责任的一方的准确率，改善了用户体验。

在上述实施方式中，通过接收授权指示信息，并响应于授权指示信息获取语音通话数据，可以避免在用户未允许时获取该用户与他人通话的语音通话数据，从而保护了用户的隐私，改善了用户体验。

在上述实施方式中，通过获取与订单操作对应的定责结果，响应于定责结果所指示的责任方为服务方，且服务方在定责结果的生成时刻后的定责时间长度内未发送争议仲裁请求信息，生成用于指示订单操作的责任方为服务方的责任判定结果，可以在服务方未对定责结果表达异议的情况下，自动生成指示订单操作的责任方为服务方的责任判定结果，提高了责任判定结果的准确率。

在上述技术方案中，考虑到不同地区人员的用语习惯存在一定的差异，即使在一句话中所表达的意思相同，该句话中的用词也可能存在一定差异，例如，同是表达否定意味的词语，在我国西南一带，“搞不赢”，“要不得”的使用频率较高，而在我国东北一带，“不行”、“不能”的使用频率较高。因此通过接收边缘服务器发送的更新权值参数，并根据更新权值参数对责任判定模型进行更新，并将至少一个目标语句作为输入，将责任判定结果作为输出，对更新后的责任判定模型行训练，当训练后的责任判定模型未收敛时，根据训练后的责任判定模型获取梯度更新矢量，并向边缘服务器发送梯度更新矢量；当训练后的责任判定模型收敛时，将训练后的责任判定模型确定为目标责任判定模型，一方面可以确保最终获取的目标责任判定模型可以为即学习到共有规律，又学习到私有规律的模型，其输出的责任判定结果的准确率较高；另一方面由于对各个责任判定模型训练系统上的责任判定模型继续进行训练的过程由责任判定模型训练系统以及边缘服务器共同来执行，与仅由责任判定模型训练系统单独对责任判定模型进行训练相比较，所需的处理资源较少，训练速度较快。

在上述实施方式中，通过获取在针对用户方与服务方之间对应订单的订单操作发生前用户方与服务方之间通话的语音通话数据，对语音通话数据进行语音识别，以获取语音识别文本，确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值，即长度较短的目标语句中可能包括用户方与服务方针对订单操作所对应目标场景进行沟通的内容，且该目标语句可能包括用户方与服务方中的一方通过语音沟通诱导另一方主动触发该订单操作的内容；获取目标训练责任判定模型，并将至少一个目标语句作为输入，以获取目标训练责任判定模型输出的与订单操作对应的责任判定结果，其中根据该责任判定结果可以确定用户方与服务方的通话中是否存在一方诱导另一方主动触发订单操作的内容，有助于提高所确定的应承担责任的一方的准确率，改善了用户体验。

在上述实施方式中，考虑到线上责任判定系统需要输出责任判定结果的反应时间较短，因此目标训练责任判定模型的处理速度应较快，而textcnn模型具有计算速度较快，对计算资源消耗较低的特点，通过在责任判定方法应用于线上责任判定系统时，限定目标训练责任判定模型为基于textcnn训练得到的，可以确保线上责任判定系统输出责任判定结果的反应时间较短，改善了用户体验。另外，考虑到线下责任判定系统对输出责任判定结果的反应时间要求较为宽松，但对责任判定结果的准确率要求较高，因此目标训练责任判定模型所输出的责任判定结果的准确率应较高，而bert模型虽然对计算资源消耗较多，计算速度较慢，但在识别准确率上表现较为优秀，通过在责任判定方法应用于离线责任判定系统时，限定目标训练责任判定模型包括基于textcnn训练得到的第一目标训练责任判定模型以及基于bert训练得到的第二目标训练责任判定模型，并根据第一目标训练责任判定模型输出的第一责任判定结果以及第二目标训练责任判定模型输出的第二责任判定结果获取结合责任判定结果，可以提高所获取的结合责任判定结果的准确率，改善用户体验。

在上述实施方式中，通过接收责任判定结果指示信息，并展示责任判定结果指示信息，其中责任判定结果指示信息用于指示与订单操作对应的责任判定结果，责任判定结果是通过如下步骤获取的：通过在针对用户方与服务方之间对应订单的订单操作发生前用户方与服务方之间通话的语音通话数据，对语音通话数据进行语音识别，以获取语音识别文本，确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值，即长度较短的目标语句中可能包括用户方与服务方针对订单操作所对应目标场景进行沟通的内容，且该目标语句可能包括用户方与服务方中的一方通过语音沟通诱导另一方主动触发该订单操作的内容；获取目标训练责任判定模型，并将至少一个目标语句作为输入，以获取目标训练责任判定模型输出的与订单操作对应的责任判定结果。其中，由于根据该责任判定结果可以确定用户方与服务方的通话中是否存在一方诱导另一方主动触发订单操作的内容，因此可以确保用户能够及时获知准确率较高的应承担责任的一方，改善了用户体验。

在上述实施方式中，通过响应于输入的订单操作动作，发送订单操作指示信息，可以使责任判定服务端能够及时获知通过责任判定客户端所做的订单操作，提高了责任判定服务端执行相应的责任判定方法时的处理效率。

在上述实施方式中，通过发送在针对用户方与服务方之间订单的订单操作发生前，用户方与服务方之间通话的语音通话数据，可以使责任判定服务端能够及时获取相应的语音通话数据，提高了责任判定服务端执行相应的责任判定方法时的处理效率。

在上述实施方式中，响应于输入的授权指示动作，发送授权指示信息，授权指示信息用于指示获取语音通话数据，可以避免在用户未允许时获取该用户与他人通话的语音通话数据，从而保护了用户的隐私，改善了用户体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

结合附图，通过以下非限制性实施方式的详细描述，本公开的其它特征、目的和优点将变得更加明显。在附图中：

图1示出根据本公开一实施方式的模型训练方法的流程图。

图2示出根据本公开一实施方式的责任判定系统的示意性结构图。

图3示出根据本公开一实施方式的责任判定方法的流程图。

图4示出根据本公开一实施方式的责任判定方法的流程图。

图5示出根据本公开一实施方式的责任判定方法的流程图。

图6示出根据本公开一实施方式的模型训练装置的结构框图。

图7示出根据本公开一实施方式的责任判定装置的结构框图。

图8示出根据本公开一实施方式的责任判定装置的结构框图。

图9示出根据本公开一实施方式的电子设备的结构框图。

图10是适于用来实现根据本公开实施方式的方法的计算机系统的结构示意图。

具体实施方式

下文中，将参考附图详细描述本公开的示例性实施方式，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施方式无关的部分。

在本公开中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的标签、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他标签、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。

另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的标签可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

为了对用户方与服务方中确定应对订单操作承担相应责任的一方，本公开发明人考虑了如下方案。

以用户使用外卖配送服务为例进行说明，当用户通过用户端预定相应的餐品，并形成与该餐品对应的订单时，外卖配送员即该外卖配送服务的服务方，可以通过配送员端申请执行对该订单中的餐品进行配送，当外卖配送服务运营方通过该申请后，可以向配送员端发送配送指示信息，以指示配送员开始执行对该订单中餐品的配送；同时，外卖配送服务运营方也可以向用户端发送服务状态更新信息，以提示用户该订单中的餐品已由相应的配送员开始进行配送。其中，配送员端在收到配送指示信息后，可以响应于该配送指示信息，停止展示相应的订单操作(例如取消配送等)触发按键，使配送员无法触发相应的订单操作；而用户端在收到服务状态更新信息后，可以响应于该服务状态更新信息，展示相应的订单操作(例如取消配送等)触发按键，用户在触发取消配送按键后，可以向外卖配送服务运营方发送取消配送请求，外卖配送服务运营方可以响应于该取消配送请求，向配送员端发送取消配送指示信息，以指示配送停止执行对该订单的配送服务。其中，由于取消配送这一订单操作是由用户方触发的，因此可以确定应承担相应责任的一方为用户方。

此方案的缺点：由于用户方与服务提供方之间可能发生通话，在通话中用户方与服务提供方中的一方可能诱导另一方主动触发相应的订单操作，避免由自身承担相应的责任，从而导致无法准确的确定应承担相应责任的一方，损害了用户体验。

考虑以上方案的缺点，本公开发明人提出了新的方案：通过获取在针对用户方与服务方之间订单的订单操作发生前用户方与服务方之间通话的语音通话数据以及与订单操作对应的责任判定结果；对语音通话数据进行语音识别，以获取语音识别文本，确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值，即长度较短的目标语句中可能包括用户方与服务方针对订单操作所对应目标场景进行沟通的内容，且该目标语句可能包括用户方与服务方中的一方通过语音沟通诱导另一方主动触发该订单操作的内容；获取责任判定模型，并将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型。上述方案所获得的目标责任判定模型，可以基于由语音通话数据提取到的语句获取相应的责任判定结果，以便于根据该责任判定结果确定用户方与服务方的通话中是否存在一方诱导另一方主动触发订单操作的内容，有助于提高所确定的应承担责任的一方的准确率，改善了用户体验。

为了解决上述问题，本公开提出模型训练方法、责任判定方法、装置、设备、介质及产品。

图1示出根据本公开一实施方式的模型训练方法的流程图。如图1所示，模型训练方法包括步骤S101-S104。

在步骤S101中，获取在针对用户方与服务方之间订单的订单操作发生前用户方与服务方之间通话的语音通话数据以及与订单操作对应的责任判定结果。

在步骤S102中，对语音通话数据进行语音识别，以获取语音识别文本。

在步骤S103中，确定语音识别文本中的至少一个目标语句。

其中，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值。

在步骤S104中，获取责任判定模型，并将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型。

在本公开一实施方式中，用户方可以理解为请求相应服务的用户；服务方可以理解为该相应服务的具体执行者。示例性的，以该相应服务为线上服务为例进行说明，用户方可以通过接入网络的用户端上运行的相应的应用程序向线上服务运营方发送服务请求指示信息，线上服务运营方可以响应于该服务请求指示信息向相应的服务方所使用的接入网络的服务端发送服务执行指示信息，以指示该服务方为用户提供相应的线上服务。其中，线上服务可以包括送餐服务、送药服务、跑腿服务、出行服务等。

在本公开一实施方式中，订单操作可以理解为对订单的至少一项订单信息进行修改，其中订单信息可以包括订单地址、订单时间、订单执行者、订单存续状态、订单货物数量、订单货物种类中至少一项。示例性的，以订单为送餐服务的送餐订单为例进行说明，该订单操作可以为对送餐订单的送餐地址、餐品到达时间、餐品配送员、餐品数量、餐品种类以及该送餐订单是否被取消中至少一项进行修改。

在本公开一实施方式中，用户方与服务方之间通话，可以为由用户方与服务方中任一项发起。需要说明的是，为了保护用户隐私，用户方与服务方之间通话可以由服务运营方接通，从而确保用户方与服务方中的任一方均无法获知用户方与服务方中另一方的真实通讯地址，该通讯地址可以为电话号码、社交软件号码等。

在本公开一实施方式中，责任判定结果可以用于指示在对应的语音通话数据中，用户方与服务方中的一方以语音沟通的方式诱导另一方主动触发相应的订单操作的几率。示例性的，责任判定结果可以为取值区间为1分至0分的评分，该评分越高，则服务方以语音沟通的方式诱导用户方触发相应的订单操作的几率越高。

在本公开一实施方式中，对语音通话数据进行语音识别，可以为基于预先获取的语音识别算法或语音识别模型对语音通话数据进行语音识别，也可以为向其他装置或系统发送该语音通话数据，并接收其他装置或系统返回的语音识别结果。示例性的，可以通过调用相应的语音识别(Automatic Speech Recognition，ASR)服务，以实现对语音通话数据进行语音识别。

在本公开一实施方式中，场景词，可以理解为与用户方与服务方之间订单所在场景关联性较高的词语。示例性的，用户方与服务方之间订单为送餐服务时，场景词可以包括：订单、单子、任务、外卖、饭、菜、吃的、送、拿、放等；用户方与服务方之间订单为出行服务时，场景词可以包括：车、驾驶、开到、到达、走到、往、去、位置、方位、停、堵等。目标场景词，可以理解为语音识别文本中的场景词。

其中，场景词可以预先设定的，也可以为对至少一段语音通话数据对应的语音识别文本进行分词，将分词结果中的语气助词、动词以及与场景无关的其他词进行去除处理，对去除处理后的分词结果进行聚类，根据聚类结果进行词频统计，根据词频统计结果将词频大于或等于词频阈值的词语确定为场景词。

在本公开一实施方式中，目标语句与目标场景词的距离，可以理解为目标语句中最接近目标场景词的词，与目标场景词之间所间隔的词的词数或字符数。其中场景词距离，可以为预先设定的，也可以为从其他装置或系统处获取。

在本公开一实施方式中，操作诱导词，可以理解为与诱导执行相应操作的内容关联度较高的词。示例性的，用户方与服务方之间订单为送餐服务时，该操作诱导词可以包括：取消、迟、晚、没法、送不了、到不了、车坏了、不熟悉、找不到、乱排单、耽误、耽搁等；用户方与服务方之间订单为出行服务时，该操作诱导词可以包括：取消、迟、晚、没法、到不了、车坏了、不熟悉、找不到、乱排单、堵、撞、蹭、事故等。目标操作诱导词，可以理解为语音识别文本中的操作诱导词。

其中，操作诱导词可以预先设定的，也可以为根据责任判定结果确定存在诱导内容的至少一段语音通话数据，并对至少一语音通话数据对应的语音识别文本进行分词，将分词结果中的语气助词、名词以及与诱导内容无关的其他词进行去除处理，对去除处理后的分词结果进行聚类，根据聚类结果进行词频统计，根据词频统计结果将词频大于或等于词频阈值的词语确定为操作诱导词。

在本公开一实施方式中，目标操作诱导词的词频，可以理解为目标语句中操作诱导词的数量，或也可以被理解为目标语句中操作诱导词的词数与目标语句中全部词的词数的比值。诱导词频阈值，可以为预先设定的，也可以为从其他装置或系统处获取。

在本公开一实施方式中，责任判定模型可理解为预先获取的，也可以为从其他装置或系统处获取的。责任判定模型，可以为神经网络(neural network，NN)模型、卷积神经网络(convolutional neural networks，CNN)模型或长短期记忆网络(long shorttermmemory，LSTM)模型等。示例性的，责任判定模型可以包括文本卷积神经网络模型(textConvolutional Neural Networks，textcnn)以及基于转换器的双向编码表征模型(Bidirectional Encoder Representations from Transformers，bert)。

在上述实施方式中，通过获取在针对用户方与服务方之间订单的订单操作发生前用户方与服务方之间通话的语音通话数据以及与订单操作对应的责任判定结果；对语音通话数据进行语音识别，以获取语音识别文本，确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值，即长度较短的目标语句中可能包括用户方与服务方针对订单操作所对应目标场景进行沟通的内容，且该目标语句可能包括用户方与服务方中的一方通过语音沟通诱导另一方主动触发该订单操作的内容；获取责任判定模型，并将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型。上述方案所获得的目标责任判定模型，可以基于由语音通话数据提取到的语句获取相应的责任判定结果，以便于根据该责任判定结果确定用户方与服务方的通话中是否存在一方诱导另一方主动触发订单操作的内容，有助于提高所确定的应承担责任的一方的准确率，改善了用户体验。

在本公开一实施方式中，在步骤S101中，获取语音通话数据，可以通过如下步骤实现：

接收授权指示信息，并响应于授权指示信息获取语音通话数据。

在本公开一实施方式中，授权指示信息，可以理解为，用于指示对应的用户方允许自身与至少一个服务方之间通话的通话数据可以被用于训练相应的目标责任判定模型，用户方可以通过相应的用户端发送该授权指示信息。也可以理解为，用于指示对应的服务方允许自身与至少一个用户方之间通话的通话数据可以被用于训练相应的目标责任判定模型，服务方可以通过相应的服务端发送该授权指示信息。

示例性的，在用户方与服务方的通话开始前，或在用户方与服务方的通话结束后，可以通过用户方所使用的用户端展示授权请求信息，以提示用户方通过用户端输入授权指示信息。

在上述实施方式中，通过接收授权指示信息，并响应于授权指示信息获取语音通话数据，可以避免在用户未允许时获取该用户与他人通话的语音通话数据，从而保护了用户的隐私，改善了用户体验。

在本公开一实施方式中，在步骤S101中，获取与订单操作对应的责任判定结果之前，方法还包括如下步骤：

获取与订单操作对应的定责结果；

在步骤S101中，获取与订单操作对应的责任判定结果，可以通过如下步骤实现：

响应于定责结果所指示的责任方为服务方，且服务方在定责结果的生成时刻后的定责时间长度内未发送争议仲裁请求信息，生成用于指示订单操作的责任方为服务方的责任判定结果。

在本公开一实施方式中，定责结果，可以理解为初步对应承担订单操作所对应责任一方进行确定的结果，该定责结果在经过相应的争议仲裁后可以被推翻。

在本公开一实施方式中，争议仲裁请求信息，可以理解为用于指示请求对相应的定责结果进行仲裁，以获取经过仲裁后的责任判定结果，其中该仲裁可以由相应的仲裁人员执行，也理解为基于相应的仲裁算法或仲裁模型执行。

在本公开一实施方式中，可以在需要对相应订单操作进行定责时，自动将责任方定为服务方，即自动生成用于指示责任方为服务方的定责结果。

在本公开一实施方式中，定责结果的生成时刻，可以理解为生成相应的定责结果的时刻，也可以理解向服务方对应的服务端发送该定责结果的时刻，或者也可以理解为服务方对应的服务端收到该定责结果的时刻。

在上述实施方式中，通过获取与订单操作对应的定责结果，响应于定责结果所指示的责任方为服务方，且服务方在定责结果的生成时刻后的定责时间长度内未发送争议仲裁请求信息，生成用于指示订单操作的责任方为服务方的责任判定结果，可以在服务方未对定责结果表达异议的情况下，自动生成指示订单操作的责任方为服务方的责任判定结果，提高了责任判定结果的准确率。

在本公开一实施方式中，在步骤S104中，将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型之前，方法还包括如下步骤：

接收边缘服务器发送的更新权值参数，并根据更新权值参数对责任判定模型进行更新；

在步骤S104中，将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型，可以通过如下步骤实现：

将至少一个目标语句作为输入，将责任判定结果作为输出，对更新后的责任判定模型行训练；

当训练后的责任判定模型未收敛时，根据训练后的责任判定模型获取梯度更新矢量，并向边缘服务器发送梯度更新矢量；

当训练后的责任判定模型收敛时，将训练后的责任判定模型确定为目标责任判定模型。

在本公开一种实现方式中，边缘服务器用于对梯度更新矢量进行聚合，并根据聚合后的梯度更新矢量对边缘服务器上的责任判定模型的权值参数进行更新，以获取更新权值参数。边缘服务器可以是云端服务器，也可以是由责任判定服务提供商提供的服务器。需要说明的是，一个边缘服务器可以对应一个或多个地区，例如，责任判定服务提供商可以将所管辖的地区分成多块，相应地区中的实施模型训练方法的责任判定模型训练系统可以与该地区对应的边缘服务器进行交互。边缘服务器上的责任判定模型可以为神经网络模型、卷积神经网络模型或长短期记忆网络模型等。示例性的边缘服务器上的责任判定模型可以包括textcnn以及bert。

在本公开一种实现方式中，由责任判定模型训练系统接收的边缘服务器发送的更新权值参数，是边缘服务器根据多个不同的责任判定模型训练系统发送的梯度更新矢量进行聚合，并根据聚合后的梯度更新矢量对边缘服务器上的责任判定模型的权值参数进行更新得到的，因此更新后的责任判定模型能够反映上一轮训练中边缘服务器上的责任判定模型所学习到的，多个不同的责任判定模型训练系统所获取的目标语句与责任判定结果之间的共有规律。之后将至少一个目标语句作为输入，将责任判定结果作为输出，对更新后的责任判定模型行训练，可以使责任判定模型训练系统上更新后的责任判定模型在学习到共有规律的基础上，还能够个性化的针对该责任判定模型训练系统自身所获取的目标语句与责任判定结果进行学习，使训练后的责任判定模型能够学习到该责任判定模型训练系统自身获取的目标语句与责任判定结果之间的私有规律；当训练后的责任判定模型未收敛时，说明该训练后的责任判定模型仍需要继续训练，通过根据训练后的责任判定模型获取梯度更新矢量，并发送梯度更新矢量，可以使边缘服务器能够继续基于多个责任判定模型训练系统上传的梯度更新矢量获取相应的更新权值参数，从而继续对各个责任判定模型训练系统上的责任判定模型继续进行训练；当训练后的责任判定模型收敛时，可以认为该收敛的责任判定模型能够基于该责任判定模型训练系统所获取的目标语句，输出较为准确的责任判定结果，因此可以将收敛的责任判定模型储存为目标责任判定模型，即输出的责任判定结果较为准确的模型。

在上述技术方案中，考虑到不同地区人员的用语习惯存在一定的差异，即使在一句话中所表达的意思相同，该句话中的用词也可能存在一定差异，例如，同是表达否定意味的词语，在我国西南一带，“搞不赢”，“要不得”的使用频率较高，而在我国东北一带，“不行”、“不能”的使用频率较高。因此通过接收边缘服务器发送的更新权值参数，并根据更新权值参数对责任判定模型进行更新，并将至少一个目标语句作为输入，将责任判定结果作为输出，对更新后的责任判定模型行训练，当训练后的责任判定模型未收敛时，根据训练后的责任判定模型获取梯度更新矢量，并向边缘服务器发送梯度更新矢量；当训练后的责任判定模型收敛时，将训练后的责任判定模型确定为目标责任判定模型，一方面可以确保最终获取的目标责任判定模型可以为即学习到共有规律，又学习到私有规律的模型，其输出的责任判定结果的准确率较高；另一方面由于对各个责任判定模型训练系统上的责任判定模型继续进行训练的过程由责任判定模型训练系统以及边缘服务器共同来执行，与仅由责任判定模型训练系统单独对责任判定模型进行训练相比较，所需的处理资源较少，训练速度较快。

图2示出根据本公开一实施方式的责任判定系统的示意性结构图。其中，责任判定系统可以是应用于诸如快递服务、外卖服务等其他具有扫码支付在线订单场景的互联网服务平台，还可以应用于诸如出租车、代驾服务、驾驶员租赁之类的运输服务、或其任意组合的在线运输服务平台。本公开的实施例不对责任判定系统的应用场景作出具体限定。

如图2所示，责任判定系统包括责任判定服务端10、责任判定客户端20以及网络30。

在一些实施例中，责任判定服务端10可以是单个服务器，也可以是服务器组。服务器组可以是集中式的，也可以是分布式的(例如，责任判定服务端10可以是分布式系统)。在一些实施例中，责任判定服务端10相对于终端，可以是本地的、也可以是远程的。例如，责任判定服务端10可以经由网络访问存储在责任判定客户端20中的至少一个信息和/或数据。作为另一示例，责任判定服务端10可以直接连接到责任判定客户端20，以访问存储的信息和/或数据。在一些实施例中，责任判定服务端10可以在云平台上实现；仅作为示例，云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等，或者它们的任意组合。

网络30可以用于信息和/或数据的交换。在一些实施例中，责任判定系统中的一个或多个组件(例如，责任判定服务端10、责任判定客户端20)可以向其他组件发送信息和/或数据。在一些实施例中，网络30可以是任何类型的有线或者无线网络，或者是他们的结合。仅作为示例，网络30可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、无线局域网(Wireless Local Area Networks，WLAN)、城域网(Metropolitan AreaNetwork，MAN)、广域网(Wide Area Network，WAN)、公共电话交换网(Public SwitchedTelephone Network，PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near FieldCommunication,NFC)网络等，或其任意组合。在一些实施例中，网络30可以包括一个或多个网络接入点。例如，网络30可以包括有线或无线网络接入点，例如基站和/或网络交换节点，责任判定系统的一个或多个组件可以通过该接入点连接到网络30以交换数据和/或信息。

在一些实施例中，责任判定客户端20可以包括移动设备、平板计算机、膝上型计算机、或机动车辆中的内置设备等，或其任意组合。在一些实施例中，移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能照明设备、智能电器设备的控制设备、智能电视、智能摄像机、或对讲机等，或其任意组合。在一些实施例中，可穿戴设备可包括智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等、或其任何组合。在一些实施例中，智能移动设备可以包括智能手机、个人数字助理(PersonalDigital Assistant，PDA)、游戏设备、导航设备、或销售点(point of sale，POS)设备等，或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等，或其任意组合。例如，虚拟现实设备和/或增强现实设备可以包括各种虚拟现实产品等。在一些实施例中，机动车辆中的内置设备可以包括车载计算机、车载电视等。在一些实施例中，责任判定客户端20可以是具有定位技术的设备。

图3示出根据本公开一实施方式的责任判定方法的流程图，该责任判定方法可以应用于图2中所示的责任判定服务端。如图3所示，责任判定方法包括步骤S201-S204。

在步骤S201中，获取在针对用户方与服务方之间对应订单的订单操作发生前用户方与服务方之间通话的语音通话数据。

在步骤S202中，对语音通话数据进行语音识别，以获取语音识别文本。

在步骤S203中，确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值。

在步骤S204中，获取目标训练责任判定模型，并将至少一个目标语句作为输入，以获取目标训练责任判定模型输出的与订单操作对应的责任判定结果。

在本公开一实施方式中，用户方可以理解为请求相应服务的用户；服务方可以理解为该相应服务的具体执行者。示例性的，以该相应服务为线上服务为例进行说明，用户方可以通过接入网络的用户端上运行的相应的应用程序向线上服务运营方发送服务请求指示信息，线上服务运营方可以响应于该服务请求指示信息向相应的服务方所使用的接入网络的服务端发送服务执行指示信息，以指示该服务方为用户提供相应的线上服务。其中，线上服务可以包括送餐服务、送药服务、跑腿服务、出行服务等。

在本公开一实施方式中，订单操作可以理解为对订单的至少一项订单信息进行修改，其中订单信息可以包括订单地址、订单时间、订单执行者、订单存续状态、订单货物数量、订单货物种类中至少一项。示例性的，以订单为送餐服务的送餐订单为例进行说明，该订单操作可以为对送餐订单的送餐地址、餐品到达时间、餐品配送员、餐品数量、餐品种类以及该送餐订单是否被取消中至少一项进行修改。

在本公开一实施方式中，用户方与服务方之间通话，可以为由用户方与服务方中任一项发起。需要说明的是，为了保护用户隐私，用户方与服务方之间通话可以由服务运营方接通，从而确保用户方与服务方中的任一方均无法获知用户方与服务方中另一方的真实通讯地址，该通讯地址可以为电话号码、社交软件号码等。

在本公开一实施方式中，责任判定结果可以用于指示在对应的语音通话数据中，用户方与服务方中的一方以语音沟通的方式诱导另一方主动触发相应的订单操作的几率。示例性的，责任判定结果可以为取值区间为1分至0分的评分，该评分越高，则服务方以语音沟通的方式诱导用户方触发相应的订单操作的几率越高。

在本公开一实施方式中，对语音通话数据进行语音识别，可以为基于预先获取的语音识别算法或语音识别模型对语音通话数据进行语音识别，也可以为向其他装置或系统发送该语音通话数据，并接收其他装置或系统返回的语音识别结果。示例性的，可以通过调用相应的语音识别(Automatic Speech Recognition，ASR)服务，以实现对语音通话数据进行语音识别。

在本公开一实施方式中，场景词，可以理解为与用户方与服务方之间订单所在场景关联性较高的词语。示例性的，用户方与服务方之间订单为送餐服务时，场景词可以包括：订单、单子、任务、外卖、饭、菜、吃的、送、拿、放等；用户方与服务方之间订单为出行服务时，场景词可以包括：车、驾驶、开到、到达、走到、往、去、位置、方位、停、堵等。目标场景词，可以理解为语音识别文本中的场景词。

其中，场景词可以预先设定的，也可以为对至少一段语音通话数据对应的语音识别文本进行分词，将分词结果中的语气助词、动词以及与场景无关的其他词进行去除处理，对去除处理后的分词结果进行聚类，根据聚类结果进行词频统计，根据词频统计结果将词频大于或等于词频阈值的词语确定为场景词。

在本公开一实施方式中，目标语句与目标场景词的距离，可以理解为目标语句中最接近目标场景词的词，与目标场景词之间所间隔的词的词数或字符数。其中场景词距离，可以为预先设定的，也可以为从其他装置或系统处获取。

在本公开一实施方式中，操作诱导词，可以理解为与诱导执行相应操作的内容关联度较高的词。示例性的，用户方与服务方之间订单为送餐服务时，该操作诱导词可以包括：取消、迟、晚、没法、送不了、到不了、车坏了、不熟悉、找不到、乱排单、耽误、耽搁等；用户方与服务方之间订单为出行服务时，该操作诱导词可以包括：取消、迟、晚、没法、到不了、车坏了、不熟悉、找不到、乱排单、堵、撞、蹭、事故等。目标操作诱导词，可以理解为语音识别文本中的操作诱导词。

其中，操作诱导词可以预先设定的，也可以为根据责任判定结果确定存在诱导内容的至少一段语音通话数据，并对至少一语音通话数据对应的语音识别文本进行分词，将分词结果中的语气助词、名词以及与诱导内容无关的其他词进行去除处理，对去除处理后的分词结果进行聚类，根据聚类结果进行词频统计，根据词频统计结果将词频大于或等于词频阈值的词语确定为操作诱导词。

在本公开一实施方式中，目标操作诱导词的词频，可以理解为目标语句中操作诱导词的数量，或也可以被理解为目标语句中操作诱导词的词数与目标语句中全部词的词数的比值。诱导词频阈值，可以为预先设定的，也可以为从其他装置或系统处获取。

在本公开一实施方式中，目标责任判定模型可理解为预先获取的，也可以为从其他装置或系统处获取的。目标责任判定模型，可以为神经网络(neural network，NN)模型、卷积神经网络(convolutional neuralnetworks，CNN)模型或长短期记忆网络(longshortterm memory，LSTM)模型等。示例性的，目标责任判定模型可以包括文本卷积神经网络模型(text Convolutional Neural Networks，textcnn)以及基于转换器的双向编码表征模型(Bidirectional Encoder Representations from Transformers，bert)。

在上述实施方式中，通过获取在针对用户方与服务方之间对应订单的订单操作发生前用户方与服务方之间通话的语音通话数据，对语音通话数据进行语音识别，以获取语音识别文本，确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值，即长度较短的目标语句中可能包括用户方与服务方针对订单操作所对应目标场景进行沟通的内容，且该目标语句可能包括用户方与服务方中的一方通过语音沟通诱导另一方主动触发该订单操作的内容；获取目标训练责任判定模型，并将至少一个目标语句作为输入，以获取目标训练责任判定模型输出的与订单操作对应的责任判定结果，其中根据该责任判定结果可以确定用户方与服务方的通话中是否存在一方诱导另一方主动触发订单操作的内容，有助于提高所确定的应承担责任的一方的准确率，改善了用户体验。

在本公开一种实现方式中，目标训练责任判定模型为上述任一种模型训练方法获取。

在本公开一种实现方式中，责任判定方法应用于线上责任判定系统，目标训练责任判定模型为基于文本卷积神经网络模型(textcnn)训练得到的；

或，责任判定方法应用于离线责任判定系统，目标训练责任判定模型包括基于textcnn训练得到的第一目标训练责任判定模型以及基于转换器的双向编码表征模型(bert)训练得到的第二目标训练责任判定模型；

方法还包括如下步骤：

根据第一目标训练责任判定模型输出的第一责任判定结果以及第二目标训练责任判定模型输出的第二责任判定结果获取结合责任判定结果。

在本公开一种实现方式中，根据第一责任判定结果以及第二责任判定结果获取结合责任判定结果，可以为基于预先获取的结合责任判定算法，根据第一责任判定结果以及第二责任判定结果进行计算，以获取结合责任判定结果；也可以将第一责任判定结果以及第二责任判定结果输入预先获取的结合责任判定模型，以获取结合责任判定模型输出的结合责任判定结果。

示例性的，图4示出根据本公开一实施方式的责任判定方法的流程图。如图4所示，订单处理方法包括如下步骤：

通过识别链路，获取匿名小号通话记录。

其中匿名小号包括用户方对应的匿名小号以及服务方对应的匿名小号，匿名小号通话记录可以被理解为包括在针对用户方与服务方之间订单的订单操作发生前，用户方与所述服务方之间通话的语音通话数据。

基于语音识别ASR服务，对匿名小号通话记录中的语音通话数据进行语音识别，以获取语音识别文本。

对语音识别文本中进行关键语句提取，以确定语音识别文本中的至少一个目标语句。

将目标语句输入基于textcnn训练得到的模型即第一目标训练责任判定模型，以获取第一目标训练责任判定模型输出的第一责任判定结果。

将目标语句输入基于bert训练得到的模型即第二目标训练责任判定模型，以获取第二目标训练责任判定模型输出的第二责任判定结果。

判责系统可以根据第一目标训练责任判定模型输出的第一责任判定结果以及第二目标训练责任判定模型输出的第二责任判定结果获取结合责任判定结果，并基于该结合责任判定结果确定用户方与服务方的通话中是否存在一方诱导另一方主动触发订单操作的内容。

在上述实施方式中，考虑到线上责任判定系统需要输出责任判定结果的反应时间较短，因此目标训练责任判定模型的处理速度应较快，而textcnn模型具有计算速度较快，对计算资源消耗较低的特点，通过在责任判定方法应用于线上责任判定系统时，限定目标训练责任判定模型为基于textcnn训练得到的，可以确保线上责任判定系统输出责任判定结果的反应时间较短，改善了用户体验。另外，考虑到线下责任判定系统对输出责任判定结果的反应时间要求较为宽松，但对责任判定结果的准确率要求较高，因此目标训练责任判定模型所输出的责任判定结果的准确率应较高，而bert模型虽然对计算资源消耗较多，计算速度较慢，但在识别准确率上表现较为优秀，通过在责任判定方法应用于离线责任判定系统时，限定目标训练责任判定模型包括基于textcnn训练得到的第一目标训练责任判定模型以及基于bert训练得到的第二目标训练责任判定模型，并根据第一目标训练责任判定模型输出的第一责任判定结果以及第二目标训练责任判定模型输出的第二责任判定结果获取结合责任判定结果，可以提高所获取的结合责任判定结果的准确率，改善用户体验。

图5示出根据本公开一实施方式的责任判定方法的流程图，该责任判定方法可以应用于图2中所示的责任判定客户端。如图5所示，责任判定方法包括步骤S301：

在步骤S301中，接收责任判定结果指示信息，并展示责任判定结果指示信息。

其中，责任判定结果指示信息用于指示与订单操作对应的责任判定结果，责任判定结果是通过图4对应的实施例获取。

在本公开一实施方式中，责任判定结果可以用于指示在对应的语音通话数据中，用户方与服务方中的一方以语音沟通的方式诱导另一方主动触发相应的订单操作的几率。示例性的，责任判定结果可以为取值区间为1分至0分的评分，该评分越高，则服务方以语音沟通的方式诱导用户方触发相应的订单操作的几率越高。

在本公开一实施方式中，用户方可以理解为请求相应服务的用户；服务方可以理解为该相应服务的具体执行者。示例性的，以该相应服务为线上服务为例进行说明，用户方可以通过接入网络的用户端上运行的相应的应用程序向线上服务运营方发送服务请求指示信息，线上服务运营方可以响应于该服务请求指示信息向相应的服务方所使用的接入网络的服务端发送服务执行指示信息，以指示该服务方为用户提供相应的线上服务。其中，线上服务可以包括送餐服务、送药服务、跑腿服务、出行服务等。

在上述实施方式中，通过接收责任判定结果指示信息，并展示责任判定结果指示信息，其中责任判定结果指示信息用于指示与订单操作对应的责任判定结果，责任判定结果是通过如下步骤获取的：通过在针对用户方与服务方之间对应订单的订单操作发生前用户方与服务方之间通话的语音通话数据，对语音通话数据进行语音识别，以获取语音识别文本，确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值，即长度较短的目标语句中可能包括用户方与服务方针对订单操作所对应目标场景进行沟通的内容，且该目标语句可能包括用户方与服务方中的一方通过语音沟通诱导另一方主动触发该订单操作的内容；获取目标训练责任判定模型，并将至少一个目标语句作为输入，以获取目标训练责任判定模型输出的与订单操作对应的责任判定结果。其中，由于根据该责任判定结果可以确定用户方与服务方的通话中是否存在一方诱导另一方主动触发订单操作的内容，因此可以确保用户能够及时获知准确率较高的应承担责任的一方，改善了用户体验。

在本公开一种实现方式中，在步骤S301中，接收责任判定结果指示信息，并展示责任判定结果指示信息之前，所述方法还包括如下步骤：

响应于输入的订单操作动作，发送订单操作指示信息，订单操作指示信息用于指示对用户方与服务方之间订单进行订单操作。

在本公开一实施方式中，订单操作可以理解为对订单的至少一项订单信息进行修改，其中订单信息可以包括订单地址、订单时间、订单执行者、订单存续状态、订单货物数量、订单货物种类中至少一项。示例性的，以订单为送餐服务的送餐订单为例进行说明，该订单操作可以为对送餐订单的送餐地址、餐品到达时间、餐品配送员、餐品数量、餐品种类以及该送餐订单是否被取消中至少一项进行修改。

在上述实施方式中，通过响应于输入的订单操作动作，发送订单操作指示信息，可以使责任判定服务端能够及时获知通过责任判定客户端所做的订单操作，提高了责任判定服务端执行相应的责任判定方法时的处理效率。

在本公开一种实现方式中，在步骤S301中，接收责任判定结果指示信息，并展示责任判定结果指示信息之前，所述方法还包括如下步骤：

发送在针对用户方与服务方之间订单的订单操作发生前，用户方与服务方之间通话的语音通话数据。

在本公开一实施方式中，用户方与服务方之间通话，可以为由用户方与服务方中任一项发起。需要说明的是，为了保护用户隐私，用户方与服务方之间通话可以由服务运营方接通，从而确保用户方与服务方中的任一方均无法获知用户方与服务方中另一方的真实通讯地址，该通讯地址可以为电话号码、社交软件号码等。

在上述实施方式中，通过发送在针对用户方与服务方之间订单的订单操作发生前，用户方与服务方之间通话的语音通话数据，可以使责任判定服务端能够及时获取相应的语音通话数据，提高了责任判定服务端执行相应的责任判定方法时的处理效率。

在本公开一种实现方式中，在步骤S301中，接收责任判定结果指示信息，并展示责任判定结果指示信息之前，所述方法还包括如下步骤：

响应于输入的授权指示动作，发送授权指示信息，授权指示信息用于指示获取语音通话数据。

在本公开一实施方式中，授权指示信息，可以理解为，用于指示对应的用户方允许自身与至少一个服务方之间通话的通话数据可以被用于训练相应的目标责任判定模型，用户方可以通过相应的用户端发送该授权指示信息。也可以理解为，用于指示对应的服务方允许自身与至少一个用户方之间通话的通话数据可以被用于训练相应的目标责任判定模型，服务方可以通过相应的服务端发送该授权指示信息。

示例性的，在用户方与服务方的通话开始前，或在用户方与服务方的通话结束后，可以通过用户方所使用的用户端展示授权请求信息，以提示用户方通过用户端输入授权指示信息。

在上述实施方式中，响应于输入的授权指示动作，发送授权指示信息，授权指示信息用于指示获取语音通话数据，可以避免在用户未允许时获取该用户与他人通话的语音通话数据，从而保护了用户的隐私，改善了用户体验。

以下参照图6描述根据本公开一实施方式的模型训练装置。图6示出根据本公开一实施方式的模型训练装置的结构框图。

如图6所示，模型训练装置100包括：

训练数据获取模块101，被配置为获取在针对用户方与服务方之间订单的订单操作发生前用户方与服务方之间通话的语音通话数据以及与订单操作对应的责任判定结果；

第一语音识别模块102，被配置为对语音通话数据进行语音识别，以获取语音识别文本；

第一语句确定模块103，被配置为确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值；

模型训练模块104，被配置为获取责任判定模型，并将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型。

根据本公开实施例提供的技术方案，通过获取在针对用户方与服务方之间订单的订单操作发生前用户方与服务方之间通话的语音通话数据以及与订单操作对应的责任判定结果；对语音通话数据进行语音识别，以获取语音识别文本，确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值，即长度较短的目标语句中可能包括用户方与服务方针对订单操作所对应目标场景进行沟通的内容，且该目标语句可能包括用户方与服务方中的一方通过语音沟通诱导另一方主动触发该订单操作的内容；获取责任判定模型，并将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型。上述方案所获得的目标责任判定模型，可以基于由语音通话数据提取到的语句获取相应的责任判定结果，以便于根据该责任判定结果确定用户方与服务方的通话中是否存在一方诱导另一方主动触发订单操作的内容，有助于提高所确定的应承担责任的一方的准确率，改善了用户体验。

本领域技术人员可以理解，参照图6描述的技术方案的可以与参照上述图1对应的实施例结合，从而具备图1对应的实施例所实现的技术效果。具体内容可以参照图1对应的实施例的描述，其具体内容在此不再赘述。

以下参照图7描述根据本公开一实施方式的责任判定装置。图7示出根据本公开一实施方式的责任判定装置的结构框图。

如图7所示，责任判定装置200包括：

判断数据获取模块201，被配置为获取在针对用户方与服务方之间对应订单的订单操作发生前用户方与服务方之间通话的语音通话数据；

第二语音识别模块202，被配置为对语音通话数据进行语音识别，以获取语音识别文本；

第二语句确定模块203，被配置为确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值；

判定结果获取模块204，被配置为获取目标训练责任判定模型，并将至少一个目标语句作为输入，以获取目标训练责任判定模型输出的与订单操作对应的责任判定结果。

根据本公开实施例提供的技术方案，通过获取在针对用户方与服务方之间对应订单的订单操作发生前用户方与服务方之间通话的语音通话数据，对语音通话数据进行语音识别，以获取语音识别文本，确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值，即长度较短的目标语句中可能包括用户方与服务方针对订单操作所对应目标场景进行沟通的内容，且该目标语句可能包括用户方与服务方中的一方通过语音沟通诱导另一方主动触发该订单操作的内容；获取目标训练责任判定模型，并将至少一个目标语句作为输入，以获取目标训练责任判定模型输出的与订单操作对应的责任判定结果，其中根据该责任判定结果可以确定用户方与服务方的通话中是否存在一方诱导另一方主动触发订单操作的内容，有助于提高所确定的应承担责任的一方的准确率，改善了用户体验。

本领域技术人员可以理解，参照图7描述的技术方案的可以与参照上述图3对应的实施例结合，从而具备图3对应的实施例所实现的技术效果。具体内容可以参照图3对应的实施例的描述，其具体内容在此不再赘述。

以下参照图8描述根据本公开一实施方式的责任判定装置。图8示出根据本公开一实施方式的责任判定装置的结构框图。

如图8所示，责任判定装置300包括：

判定结果展示模块301，被配置为接收责任判定结果指示信息，并展示责任判定结果指示信息，责任判定结果指示信息用于指示与订单操作对应的责任判定结果，责任判定结果是通过第二方面、第二方面的第一种实现方式到第二种实现方式中任一项的方法获取。

在上述实施方式中，通过接收责任判定结果指示信息，并展示责任判定结果指示信息，其中责任判定结果指示信息用于指示与订单操作对应的责任判定结果，责任判定结果是通过如下步骤获取的：通过在针对用户方与服务方之间对应订单的订单操作发生前用户方与服务方之间通话的语音通话数据，对语音通话数据进行语音识别，以获取语音识别文本，确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值，即长度较短的目标语句中可能包括用户方与服务方针对订单操作所对应目标场景进行沟通的内容，且该目标语句可能包括用户方与服务方中的一方通过语音沟通诱导另一方主动触发该订单操作的内容；获取目标训练责任判定模型，并将至少一个目标语句作为输入，以获取目标训练责任判定模型输出的与订单操作对应的责任判定结果。其中，由于根据该责任判定结果可以确定用户方与服务方的通话中是否存在一方诱导另一方主动触发订单操作的内容，因此可以确保用户能够及时获知准确率较高的应承担责任的一方，改善了用户体验。

本领域技术人员可以理解，参照图8描述的技术方案的可以与参照上述图5对应的实施例结合，从而具备图5对应的实施例所实现的技术效果。具体内容可以参照图5对应的实施例的描述，其具体内容在此不再赘述。

图9示出根据本公开一实施方式的电子设备的结构框图。

本公开实施方式还提供了一种电子设备，如图9所示，电子设备400包括至少一个处理器401。以及与至少一个处理器401通信连接的存储器402。其中，存储器402存储有可被至少一个处理器401执行的指令，指令可以被至少一个处理器401执行以实现以下步骤：

第一方面，本公开实施例中提供了一种模型训练方法，所述方法包括：

获取在针对用户方与服务方之间订单的订单操作发生前用户方与服务方之间通话的语音通话数据以及与订单操作对应的责任判定结果；

对语音通话数据进行语音识别，以获取语音识别文本；

确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值；

获取责任判定模型，并将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型。

结合第一方面，本公开在第一方面的第一种实现方式中，获取语音通话数据，包括：

接收授权指示信息，并响应于授权指示信息获取语音通话数据。

结合第一方面，本公开在第一方面的第二种实现方式中，获取与订单操作对应的责任判定结果之前，方法还包括：

获取与订单操作对应的定责结果；

获取与订单操作对应的责任判定结果，包括：

响应于定责结果所指示的责任方为服务方，且服务方在定责结果的生成时刻后的定责时间长度内未发送争议仲裁请求信息，生成用于指示订单操作的责任方为服务方的责任判定结果。

结合第一方面，本公开在第一方面的第三种实现方式中，将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型之前，方法还包括：

接收边缘服务器发送的更新权值参数，并根据更新权值参数对责任判定模型进行更新；

将至少一个目标语句作为输入，将责任判定结果作为输出，对责任判定模型进行训练，以获取目标责任判定模型，包括：

将至少一个目标语句作为输入，将责任判定结果作为输出，对更新后的责任判定模型行训练；

当训练后的责任判定模型未收敛时，根据训练后的责任判定模型获取梯度更新矢量，并向边缘服务器发送梯度更新矢量；

当训练后的责任判定模型收敛时，将训练后的责任判定模型确定为目标责任判定模型。

第二方面，本公开实施例中提供了一种责任判定方法，方法包括：

获取在针对用户方与服务方之间对应订单的订单操作发生前用户方与服务方之间通话的语音通话数据；

对语音通话数据进行语音识别，以获取语音识别文本；

确定语音识别文本中的至少一个目标语句，目标语句与目标场景词的距离小于或等于场景词距离，且目标语句中目标操作诱导词的词频大于或等于诱导词频阈值；

获取目标训练责任判定模型，并将至少一个目标语句作为输入，以获取目标训练责任判定模型输出的与订单操作对应的责任判定结果。

结合第二方面，本公开在第二方面的第一种实现方式中，目标训练责任判定模型为通过第一方面、第一方面的第一种实现方式到第三种实现方式中任一项的模型训练方法获取。

结合第二方面，本公开在第二方面的第二种实现方式中，责任判定方法应用于线上责任判定系统，目标训练责任判定模型为基于文本卷积神经网络模型(textcnn)训练得到的；

或，责任判定方法应用于离线责任判定系统，目标训练责任判定模型包括基于textcnn训练得到的第一目标训练责任判定模型以及基于转换器的双向编码表征模型(bert)训练得到的第二目标训练责任判定模型；

方法还包括：

根据第一目标训练责任判定模型输出的第一责任判定结果以及第二目标训练责任判定模型输出的第二责任判定结果获取结合责任判定结果。

第三方面，本公开实施例中提供了一种责任判断方法，其中，方法包括：

接收责任判定结果指示信息，并展示责任判定结果指示信息，责任判定结果指示信息用于指示与订单操作对应的责任判定结果，责任判定结果是通过第二方面、第二方面的第一种实现方式到第二种实现方式中任一项的方法获取。

结合第三方面，本公开在第三方面的第一种实现方式中，接收责任判定结果指示信息，并展示责任判定结果指示信息之前，所述方法还包括：

响应于输入的订单操作动作，发送订单操作指示信息，订单操作指示信息用于指示对用户方与服务方之间订单进行订单操作。

结合第三方面，本公开在第三方面的第二种实现方式中，接收责任判定结果指示信息，并展示责任判定结果指示信息之前，所述方法还包括：

发送在针对用户方与服务方之间订单的订单操作发生前，用户方与服务方之间通话的语音通话数据。

结合第三方面的第二种实现方式，本公开在第三方面的第三种实现方式中，接收责任判定结果指示信息，并展示责任判定结果指示信息之前，所述方法还包括：

响应于输入的授权指示动作，发送授权指示信息，授权指示信息用于指示获取语音通话数据。

如图10所示，计算机系统500包括处理单元501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行上述附图所示的实施方式中的各种处理。在RAM503中，还存储有系统500操作所需的各种程序和数据。CPU501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506。包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507。包括硬盘等的存储部分508。以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。其中，所述处理单元501可实现为CPU、GPU、TPU、FPGA、NPU等处理单元。

特别地，根据本公开的实施方式，上文参考附图描述的方法可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括有形地包含在及其可读介质上的计算机程序，所述计算机程序包含用于执行附图中的方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。例如，本公开的实施方式包括一种可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现用于执行附图中的方法的程序代码。

附图中的流程图和框图，图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。

作为另一方面，本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施方式中所述节点中所包含的计算机可读存储介质。也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。