【技术实现步骤摘要】
一种基于对话数据的情感原因确定方法及装置
本专利技术实施例涉及金融科技(Finteh)领域，尤其涉及一种基于对话数据的情感原因确定方法及装置。
技术介绍
随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技转变，但由于金融行业的安全性、实时性要求，也对技术提出的更高的要求。情感计算是实现人性化的人机交互过程中必不可少的部分，情感识别与理解技术也是人机交互的基础性技术之一。尤其在对话系统中，作为一个直接与人对话的系统，若能完成对用户情绪的实时感知，对提升整个对话系统的质量，具有重大的意义。目前识别用户情绪主要依赖情感词典，但是金融业的业务场景繁多，且对话系统中往往极少出现比如“开心”“愤怒”等明显表达情绪的词语，因此很难从具体的对话场景中通过情感词识别出用户情绪，导致与用户对话时用户产生负面情绪无法得到及时安抚，用户体验差。综上，目前亟需一种基于对话数据的情感原因确定方法，用以解决与用户对话时难识别出用户负面情绪的问题。
技术实现思路
本专利技术实施例提供了一种基...
【技术保护点】
1.一种基于对话数据的情感原因确定方法，其特征在于，包括：/n获取对话数据；/n将所述对话数据进行数据处理，得到所述对话数据中带有情感的句子；/n将所述对话数据中带有情感的句子输入到情感类别识别模型进行识别，确定出所述对话数据中负向情感的句子；所述情感类别识别模型是使用带有情感的句子的训练样本对卷积神经网络进行训练确定的；/n将所述对话数据中负向情感的句子进行聚类分析，得到多个类别，并对每个类别中的负向情感的句子进行主题抽取，得到所述负向情感的句子的情感主题；/n根据所述负向情感的句子的情感主题和情感原因库中的情感原因的语义相似度，确定出所述负向情感的句子的情感原因；/n根...
【技术特征摘要】 【专利技术属性】
1.一种基于对话数据的情感原因确定方法，其特征在于，包括：
获取对话数据；
将所述对话数据进行数据处理，得到所述对话数据中带有情感的句子；
将所述对话数据中带有情感的句子输入到情感类别识别模型进行识别，确定出所述对话数据中负向情感的句子；所述情感类别识别模型是使用带有情感的句子的训练样本对卷积神经网络进行训练确定的；
将所述对话数据中负向情感的句子进行聚类分析，得到多个类别，并对每个类别中的负向情感的句子进行主题抽取，得到所述负向情感的句子的情感主题；
根据所述负向情感的句子的情感主题和情感原因库中的情感原因的语义相似度，确定出所述负向情感的句子的情感原因；
根据所述负向情感的句子的情感原因，确定出与所述负向情感的句子的情感原因对应的预设回复方式，并将所述预设回复方式发送给用户。
2.如权利要求1所述的方法，其特征在于，所述将所述对话数据中负向情感的句子进行聚类分析，得到多个类别，并对每个类别中的负向情感的句子进行主题抽取，得到所述负向情感的句子的情感主题，包括：
将所述对话数据中负向情感的句子进行聚类分析，得到多个类别；
对每个类别中的负向情感的句子进行主题抽取，并将抽取的主题的词频进行统计，将词频最高的主题确定为所述负向情感的句子的情感主题。
3.如权利要求1所述的方法，其特征在于，所述根据所述负向情感的句子的情感主题和情感原因库中的情感原因的语义相似度，确定出所述负向情感的句子的情感原因，包括：
根据语义相似度模型对所述负向情感的句子的情感主题和所述情感原因库中的情感原因进行处理，确定出所述负向情感的句子的情感主题和所述情感原因库中的情感原因的语义相似度值；
若所述语义相似度值高于预设相似度阈值，则确定所述负向情感的句子的情感主题为对应的情感原因库中的情感原因。
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
若所述语义相似度值不高于预设相似度阈值，则将所述负向情感的句子的情感主题确定为新的情感原因；
将所述新的情感原因存储在所述情感原因库中，并根据所述新的情感原因确定新的回复方式。
5.如权利要求1所述的方法，其特征在于，所述将所述对话数据进行数据处理，得到所述对话数据中带有情感的句子，包括：
对所述对话数据进行分句处理；
技术研发人员：蔡林，杨海军，徐倩，杨强，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44
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。