基于人工智能的情感倾向识别方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，揭露了一种基于人工智能的情感倾向识别方法，包括：获取用户的行为数据集，对行为数据集进行数据清洗，得到初始行为数据集；利用预设的行为特征分析算法对初始行为数据集进行行为特征分析，得到特征行为数据集，根据特征行为数据集构建用户行为画像；获取用户行为画像中所有的情感特征行为数据，对情感特征行为数据进行离散化处理，得到目标情感特征行为数据；筛选出在目标情感特征行为数据中占比最大的情感数据，并计算情感数据的情感倾向值，根据情感倾向值，识别出用户的情感倾向。本发明专利技术还涉及区块链技术，所述行为数据集可存储于区块链节点中。本发明专利技术可以自动和提前识别出情感倾向。

【技术实现步骤摘要】
基于人工智能的情感倾向识别方法、装置、设备及介质
本专利技术涉及人工智能
，尤其涉及一种基于人工智能的情感倾向识别的方法、装置、电子设备及计算机可读存储介质。
技术介绍
情感倾向识别指的是基于用户的行为数据，判断出用户情绪的过程。目前情感倾向识别在服务行业领域中显得愈发重要，通过提前识别出用户的情感倾向可以做出相应的用户服务策略调整，从而可以提升用户的满意度。例如在用户投诉业务场景中，提前识别出用户的情感倾向，可以及时做出预警，调整服务策略，以提高用户的体验度和工作效率。但是现有的情感倾向识别通常是在实际业务场景内用户发生具体动作后才能进行识别，这种识别方式比较滞后且依赖于人工的主观判断，并没有办法做到自动化的情感倾向识别。例如，只有在用户来电催促或语气较重时，才能识别用户有不满情绪，用户投诉情感倾向较高。
技术实现思路
本专利技术提供一种基于人工智能的情感倾向识别的方法、装置、电子设备及计算机可读存储介质，其主要目的在于自动和提前识别出用户情感倾向。为实现上述目的，本专利技术提供的一种基于人工智能的情感倾向识别方法，包括：获取用户的行为数据集，对所述行为数据集进行数据清洗，得到初始行为数据集；利用预设的行为特征分析算法对所述初始行为数据集进行行为特征分析，得到特征行为数据集，根据所述特征行为数据集构建用户行为画像；获取所述用户行为画像中所有的情感特征行为数据，对所述情感特征行为数据进行离散化处理，得到目标情感特征行为数据；筛选出在所述目标情感特征行为数据中占比最大的情感数据，并计算所述占比最大的情感数据的情感倾向值，根据所述情感倾向值，识别出所述用户的情感倾向。可选地，所述行为数据集存储于区块链中，所述对所述行为数据集进行数据清洗，得到初始行为数据集，包括：执行所述行为数据集的一致性检查处理，得到标准数据集；将所述标准数据集进行去异常处理，得到初始数据集；对所述初始数据集进行缺失值检测，并将检测出的缺失值进行填充，得到所述初始行为数据集。可选地，所述将检测出的缺失值进行填充，包括：利用下述填充方法对检测出的缺失值进行填充：其中，L(θ)表示填充的数据缺失值，xi表示第i个填充的数据缺失值，θ表示填充的数据缺失值对应的概率参数，n表示初始数据集的数量，p(xi|θ)表示填充的数据缺失值概率。可选地，所述利用预设行为特征分析算法对所述初始行为数据集进行行为特征分析，得到特征行为数据集，包括：对所述初始行为数据集中相同类型的初始行为数据进行聚类，得到聚类中心点；利用所述预设行为特征分析算法获取所述聚类中心点中所有初始行为数据的残差；根据所述残差，确定所述聚类中心点中所有初始行为数据的最优特征划分点；根据所述最优特征划分点，提取出所述聚类中心点中所有初始行为数据的特征行为数据；根据提取出的特征行为数据生成所述特征行为数据集。可选地，所述计算所述占比最大的情感倾向数据的情感倾向值，包括：利用下述方法计算所述情感倾向数据的情感倾向值：其中，V表示情感倾向值，η表示学习率，lω表示情感倾向数据的联路路径，j表示情感倾向数据的向量值，表示情感倾向数据的偏置，ζ表示对数似然函数，ω表示情感倾向数据的权重，Xω表示情感倾向数据的权重参数。为了解决上述问题，本专利技术还提供一种基于人工智能的情感倾向识别装置，所述装置包括：清洗模块，用于获取用户的行为数据集，对所述行为数据集进行数据清洗，得到初始行为数据集；分析模块，用于利用预设的行为特征分析算法对所述初始行为数据集进行行为特征分析，得到特征行为数据集，根据所述特征行为数据集构建用户行为画像；离散化模块，用于获取所述用户行为画像中所有的情感特征行为数据，对所述情感特征行为数据进行离散化处理，得到目标情感特征行为数据；筛选及计算模块，用于筛选出在所述目标情感特征行为数据中占比最大的情感数据，并计算所述占比最大的情感数据的情感倾向值，根据所述情感倾向值，识别出所述用户的情感倾向。可选地，所述行为数据集存储于区块链中，所述清洗模块包括：检查及去异常子模块：用于执行所述行为数据集的一致性检查处理，得到标准数据集，将所述标准数据集进行去异常处理，得到初始数据集；检测及填充子模块：用于对所述初始数据集进行缺失值检测，并将检测出的缺失值进行填充，得到所述初始行为数据集。可选地，所述分析模块包括：聚类子模块：用于对所述初始行为数据集中相同类型的初始行为数据进行聚类，得到聚类中心点；提取子模块：用于利用所述预设行为特征分析算法获取所述聚类中心点中所有初始行为数据的残差，根据所述残差，确定所述聚类中心点中所有初始行为数据的最优特征划分点，根据所述最优特征划分点，提取出所述聚类中心点中所有初始行为数据的特征行为数据，根据提取出的特征行为数据生成所述特征行为数据集。为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：存储器，存储至少一个指令；及处理器，执行所述存储器中存储的指令以实现上述中所述的基于人工智能的情感倾向识别方法。为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述中所述的基于人工智能的情感倾向识别方法。本专利技术实施例首先对用户的行为数据集进行数据清洗，得到初始行为数据集，可以删除用户行为数据集中许多无用数据；其次，本专利技术实施例对所述初始行为数据集进行行为特征分析后构建用户行为画像，可以直观的反应出用户的特征行为数据分布情况；进一步地，本专利技术实施例对所述用户行为画像中所有的情感特征行为数据进行离散化处理和筛选处理，得到情感倾向数据，并计算所述情感倾向数据的情感倾向值，根据所述情感倾向值，识别出所述用户的情感倾向，根据所述情感倾向值可以表征出用户的情感状态和情绪程度，从而可以自动化和提前的识别出用户的情感倾向。因此，本专利技术提出的一种基于人工智能的情感倾向识别方法、装置、电子设备以及计算机可读存储介质可以提前识别出用户情感倾向以及实现用户情感倾向识别的自动化。附图说明图1为本专利技术一实施例提供的基于人工智能的情感倾向识别方法的流程示意图；图2为本专利技术一实施例提供的基于人工智能的情感倾向识别装置的模块示意图；图3为本专利技术一实施例提供的实现基于人工智能的情感倾向识别方法的电子设备的内部结构示意图；本专利技术目的的实现、功能特点及优点将整合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本申请实施例提供的基于人工智能的情感倾向识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于人工智能的情感倾向识别方法可以本文档来自技高网...

【技术保护点】
1.一种基于人工智能的情感倾向识别方法，其特征在于，所述方法包括：/n获取用户的行为数据集，对所述行为数据集进行数据清洗，得到初始行为数据集；/n利用预设的行为特征分析算法对所述初始行为数据集进行行为特征分析，得到特征行为数据集，根据所述特征行为数据集构建用户行为画像；/n获取所述用户行为画像中所有的情感特征行为数据，对所述情感特征行为数据进行离散化处理，得到目标情感特征行为数据；/n筛选出在所述目标情感特征行为数据中占比最大的情感数据，并计算所述占比最大的情感数据的情感倾向值，根据所述情感倾向值，识别出所述用户的情感倾向。/n

【技术特征摘要】
1.一种基于人工智能的情感倾向识别方法，其特征在于，所述方法包括：
获取用户的行为数据集，对所述行为数据集进行数据清洗，得到初始行为数据集；
利用预设的行为特征分析算法对所述初始行为数据集进行行为特征分析，得到特征行为数据集，根据所述特征行为数据集构建用户行为画像；
获取所述用户行为画像中所有的情感特征行为数据，对所述情感特征行为数据进行离散化处理，得到目标情感特征行为数据；
筛选出在所述目标情感特征行为数据中占比最大的情感数据，并计算所述占比最大的情感数据的情感倾向值，根据所述情感倾向值，识别出所述用户的情感倾向。


2.如权利要求1所述的基于人工智能的情感倾向识别方法，其特征在于，所述行为数据集存储于区块链中，所述对所述行为数据集进行数据清洗，得到初始行为数据集，包括：
执行所述行为数据集的一致性检查处理，得到标准数据集；
将所述标准数据集进行去异常处理，得到初始数据集；
对所述初始数据集进行缺失值检测，并将检测出的缺失值进行填充，得到所述初始行为数据集。


3.如权利要求2所述的基于人工智能的情感倾向识别方法，其特征在于，所述将检测出的缺失值进行填充，包括：
利用下述填充方法对检测出的缺失值进行填充：



其中，L(θ)表示填充的数据缺失值，xi表示第i个填充的数据缺失值，θ表示填充的数据缺失值对应的概率参数，n表示初始数据集的数量，p(xi|θ)表示填充的数据缺失值概率。


4.如权利要求1所述的基于人工智能的情感倾向识别方法，其特征在于，所述利用预设行为特征分析算法对所述初始行为数据集进行行为特征分析，得到特征行为数据集，包括：
对所述初始行为数据集中相同类型的初始行为数据进行聚类，得到聚类中心点；
利用所述预设行为特征分析算法获取所述聚类中心点中所有初始行为数据的残差；
根据所述残差，确定所述聚类中心点中所有初始行为数据的最优特征划分点；
根据所述最优特征划分点，提取出所述聚类中心点中所有初始行为数据的特征行为数据；
根据提取出的特征行为数据生成所述特征行为数据集。


5.如权利要求1至4中任意一项所述的基于人工智能的情感倾向识别方法，其特征在于，所述计算所述占比最大的情感倾向数据的情感倾向值，包括：
利用下述方法计算所述情感倾向数据的情感倾向值：



其中，V表示情感倾向值，η表示学习率，lω表示情感倾向数据...

【专利技术属性】
技术研发人员：涂平实，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：广东;44