识别顾客情绪波动的方法和装置制造方法及图纸

本公开提供了一种识别顾客情绪波动的方法和装置。所述方法包括：获取第一顾客在本次会话中输入的第i个语句；获取与所述第i个语句对应的累计情感值，其中，所述累计情感值为在会话中顾客输入的一个语句以及其之前的所有语句中每个语句对应的情绪变化值的累计。所述情绪变化值用于衡量顾客在输入一个语句时的情绪波动程度；以及基于与所述第i个语句对应的累计情感值，评估所述第一顾客在输入所述第i个语句时的情绪状态。本公开还提供了一种情感波动时序模型的训练方法和装置，其中，该情感波动时序模型用于预测顾客的情绪状态。本公开还提供了一种电子设备、以及一种计算机可读存储介质。存储介质。存储介质。

【技术实现步骤摘要】
识别顾客情绪波动的方法和装置


[0001]本公开涉及人工智能
，更具体地，涉及一种识别顾客情绪波动的方法和装置、一种情感波动时序模型的训练方法和训练装置、一种电子设备、以及一种计算机可读存储介质。

技术介绍

[0002]随着互联网的蓬勃发展，在线客服系统已成为网站的重要组成部分。顾客通过客服系统咨询了解各类信息。而客服的服务态度、效率的提升等都有助于提升顾客咨询转化率。如果在顾客咨询过程中，客服掌握顾客情绪波动，并定制化的进行服务，可以有效提升服务质量。如顾客呈现愤怒的情绪，客服应当优先进行安抚，再入顾客呈现高兴的情绪，客服可适当进行商品的推荐。
[0003]现有技术中可以将自然语音处理NLP
中的短文识别应用到在线客服领域。例如，可以通过对短文本的训练和识别，来识别出每个短文本所表达的正负向情绪，并将识别的情绪信息提供给客服。
[0004]在实现本公开构思的过程中，专利技术人发现现有技术中至少存在如下问题：对短文本进行识别，只能呈现顾客在输入每一个语句时该语句所表达出的情绪，但是无法评估整个会话顾客情绪的波动和变化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种识别顾客情绪波动的方法，包括：获取第一顾客在本次会话中输入的第i个语句，其中，i为大于等于1的整数；获取与所述第i个语句对应的累计情感值，其中，在i＝1时，与所述第i个语句对应的所述累计情感值为所述第一顾客输入的第一个语句对应的情绪变化值；以及，在i大于1时，与所述第i个语句对应的所述累计情感值为所述第i个语句以及其之前的所有语句中每个语句对应的情绪变化值的累计，所述情绪变化值用于衡量所述第一顾客在输入一个语句时的情绪波动程度；以及基于与所述第i个语句对应的所述累计情感值，评估所述第一顾客在输入所述第i个语句时的情绪状态。2.根据权利要求1所述的方法，其中，所述方法还包括：获取所述第一顾客输入的距离当前时刻最近的M个语句，得到第一输入语句序列，其中M为大于1的整数；提取所述第一输入语句序列中的每个语句对应的特征向量，得到与所述第一输入语句序列对应的第一特征向量序列；其中，所述第一输入语句序列中每个语句对应的特征向量包括与该语句对应的所述累计情感值；以及基于所述第一特征向量序列，利用情感波动时序模型预测与所述第一顾客接下来将输入的语句对应的所述累计情感值，以评估所述第一顾客接下来的情绪状态。3.根据权利要求2所述的方法，其中，所述获取与所述第i个语句对应的累计情感值包括：利用短文本情绪模型输出与所述第i个语句对应的N个情绪概率；其中，所述N个情绪概率为任意一个语句所表达的情绪分别属于N个情绪类别的概率；其中，所述短文本情绪模型用于将任意一个语句所表达的情绪在所述N个情绪类别中进行分类，其中N为大于或等于2的整数；其中，与任意一个语句对应的所述情绪变化值等于该语句对应的所述N个情绪概率的加权求和；获取与所述第一顾客在本次会话中输入的第i
‑
1个语句对应的所述累计情感值；其中，在i等于1时，与所述第i
‑
1个语句对应的所述累计情感值被设置为第一初始值；以及基于与所述第i
‑
1个语句对应的所述累计情感值和与所述第i个语句对应的所述N个情绪概率，得到与所述第i个语句对应的所述累计情感值。4.根据权利要求3所述的方法，其中，所述方法还包括：设置与所述第i个语句对应的所述累计情感值等于在所述第i
‑
1个语句对应的所述累计情感值的基础上，累加与所述第i个语句对应的所述情绪变化值；其中，所述N个情绪概率中每个情绪概率的权值的正负根据该情绪概率对应的情绪类型对推进会话的正负效应而确定，以及每个情绪概率的权值的绝对值大小根据该情绪概率对应的情绪类型对推进会话的影响程度而确定。5.根据权利要求3所述的方法，其中，所述情感波动时序模型是通过如下操作训练得到的：获取至少一个第二会话样本，其中，每个所述第二会话样本中的第二顾客输入的语句的个数大于M；从所述第二会话样本中提取至少一组由所述第二顾客连续输入的M个语句组成的第二
输入语句序列；提取所述第二输入语句序列中每个语句对应的特征向量，得到与所述第二输入语句序列对应的第二特征向量序列，其中，以所述第二特征向量序列作为所述情感波动时序模型的输入样本数据；标记所述第二会话样本中与所述第二顾客在所述第二输入语句序列之后输入的语句对应的所述累计情感值，得到所述情感波动时序模型的输出样本数据；以及以所述输入样本数据和所述输出样本数据，训练所述情感波动时序模型。6.根据权利要求3或5所述的方法，其中，任意一个语句对应的所述特征向量还包括与该语句对应的所述N个情绪概率。7.根据权利要求1所述的方法，其中，还包括：获取与所述本次会话中截至当前所述第一顾客输入的每个语句对应的所述累计情感值，并按照所述第一顾客输入的语句的先后顺序排列，得到情绪值序列；基于所述情绪值序列，得到所述第一顾客在所述本次会话中截至当前的情绪波动序列曲线；以及展示所述情绪波动序列曲线。8.一种情感波动时序模型的训练方法，所述情感波动时序模型用于预测顾客在会话过程中的情绪状态，其中，所述训练方法包括：获取至少一个第二会话样本，其中，每个所述第二会话样本中的第二顾客输入的语句的个数大于M，其中M为大于1的整数；从所述第二会话样本中提取至少一组由所述第二顾客连续输入的M个语句组成的第二输入语句序列；提取所述第二输入语句序列中的每个语句对应...

【专利技术属性】
技术研发人员：何峰，何刚，张学理，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：