【技术实现步骤摘要】
基于情感的客服质量监督算法
本专利技术涉及情感变化分析
，具体领域为一种基于情感的客服质量监督算法。
技术介绍
随着科技的发展，人们生活的很多方面都从线下转为线上，比如购物、学习等，当人们进行线上活动时人们难免出现疑问，随之而来的是商家为客户提供的线上客服服务。客服的服务质量在一定程度上会影响到客户对该商家的评价，所以对客服的服务质量进行评价可以对客服进行监督，从而提升用户体验，增加用户的粘性。现有的客服质检任务一般采用基于规则或者人工抽检的方法，而每个商家一天接待的客户访问量是相当庞大的，这些方法无论在人力消耗还是质检覆盖率方面都存在缺陷，所以本文提出利用深度学习方法自动化的进行客服质检任务。无论用户还是客服，问与答中都会蕴含一定的情绪，而情绪可以反映出客户对客服回答的满意程度，也可以反映出客服的服务态度，所以本文提出从情绪的角度出发，利用循环神经网络对用户与客服在多轮对话中的情绪变化进行分析，判断出用户对客服的回答是否满意。随着深度学习的发展，循环神经网络被运用在很多序列型数据处理的场景中，各实验证明，循环神经网络在时序数据的处理上有着其独特的优势，特别...
【技术保护点】
1.一种基于情感的客服质量监督算法，其特征在于：其步骤为：(1)以微博语料为基础，采用神经网络加注意力机制训练多情绪情感模型；(2)获取客户与客服多轮对话并进行预处理，得到客户与客服独立的问、答序列；(3)利用情感模型得到问、答序列中每句话的情感特征向量；(4)利用循环神经网络学习客户与客服多轮对话的情感特征向量序列；(5)采用softmax，生成客服服务满意度标签，并给出满意度值；(6)采用投票策略，最终生成客服服务满意度标签与满意度值。
【技术特征摘要】
1.一种基于情感的客服质量监督算法，其特征在于：其步骤为：(1)以微博语料为基础，采用神经网络加注意力机制训练多情绪情感模型；(2)获取客户与客服多轮对话并进行预处理，得到客户与客服独立的问、答序列；(3)利用情感模型得到问、答序列中每句话的情感特征向量；(4)利用循环神经网络学习客户与客服多轮对话的情感特征向量序列；(5)采用softmax，生成客服服务满意度标签，并给出满意度值；(6)采用投票策略，最终生成客服服务满意度标签与满意度值。2.根据权利要求1所述的基于情感的客服质量监督算法，其特征在于：根据步骤(1)以微博语料为基础，采用神经网络加注意力机制训练多情绪情感模型：包括如下步骤：(1.1)下载NLPCC2017、NLPCC2018emotiondetection数据集转储文件；(1.2)加载外部字向量，并定义字向量矩阵M，共有m行n列，m-2为外部字典中字的数量，矩阵的行向量为wi＝(p1,p2,...,pn)，一个字wi共由n维特征表示；(1.3)将训练集中短文本按字粒度切分，由先前定义的字向量矩阵中对应字符的字向量序列表示短文本；(1.4)设定最长句子长度为max_len，对步骤1.3)中得到短文本表示根据max_len进行Padding和裁剪(Padding和裁剪操作均从句头开始)，得到所有句子均为max_len长度的训练集；(1.5)将训练数据等分成10份，进行10折交叉验证；(1.6)利用双向循环神经网络学习短文本上下文信息，将前向与后向神经网络学习到的各时刻隐层输出拼接，得到双向循环神经网络的输出[s1,s2,...,sT]；(1.7)利用注意力机制计算出各时刻循环神经网络隐层输出的权重,，将短文本序列各时刻隐层输出加权求和得到短文本情感特征向量；(1.8)利用softmax对短文本情感向量进行分类，得到短文本多情绪情感分布概率向量[m1,m2,...,mv]，v为情绪类别数；(1.9)将10折模型的结果求和取平均，得到短文本最终的情感分布概率向量，取概率最大的情绪类别为短文本情感标签。3.根据权利要求1所述的基于情感的客服质量监督算法，其特征在于：根据步骤(2)，获取客户与客服多轮对话信息并进行预处理，包括如下步骤：(2.1)分离出多轮对话中客户说话内容与客服说话内容；(2.2)将各方说话内容按时间序列排序。4.根据权利要求3所述的基于情感的客服质量监督算法，其特征在于：根据步骤(3...
【专利技术属性】
技术研发人员：王清琛，杜振东，
申请(专利权)人：南京云问网络技术有限公司，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。