客服会话情感分析系统、方法及计算机系统技术方案

本发明专利技术公开一种客服会话情感分析系统，基于滑动窗口方式构建客服会话情感分析数据集，将一个滑动窗口的会话文本作为输入，在编码过程中融入了说话角色的信息编码，然后分别通过Transformer和lstm这2种方式对会话句子序列进行会话语义向量编码并进行融合，最后通过分类器对滑动窗口中最后一句话的情感进行分类。本发明专利技术还提供了一种采用上述客服会话情感分析系统的客服会话情感分析方法。本发明专利技术有效提高了客服会话情感分析的准确率；同时适用的场景多。景多。景多。

【技术实现步骤摘要】
客服会话情感分析系统、方法及计算机系统


[0001]本专利技术涉及NPL自然语言处理
，特别涉及客服会话情感分析系统、方法及计算机系统。

技术介绍

[0002]在自然语言处理领域中，会话情感分析是非常重要的研究内容之一，并且在智能对话领域中，会话情感分析也有着广泛的落地应用。当前在客服会话中，客户会提出各种不同的诉求，并根据客服的反馈情况，会有不同情绪的表达。捕捉客户在客服会话中情绪变化，进行情感分析，并实时反馈给相关人员，可以有效降低客户投诉率、提升客服服务质量。
[0003]相关技术中，会话情感分析方法包括基于机器学习的方法和基于深度学习的方法。
[0004]机器学习的方法例如，支持向量机、逻辑回归等；深度学习的方法例如，卷积神经网络、循环神经网络等。如果仅对会话中的单句话进行情感分类会丢失会话上下文的语义信息。

技术实现思路

[0005]本专利技术针对现有技术存在的问题，提出了一种情感分析结果更加准确的客服会话情感分析系统。
[0006]根据本专利技术目的的第一方面,提出一种客服会话情感分析系统，包括:编码单元、角色语义编码融合单元、会话语义向量编码单元、会话向量融合单元和会话情感分类单元；
[0007]所述编码单元，被设置用于根据输入的会话文本进行编码输出，将会话文本转换为固定维度的词语序列向量；
[0008]所述角色语义编码融合单元，被设置用于将会话角色信息融入到句子的语义表征中；
[0009]所述会话语义向量编码单元，被设置用于将角色语义编码融合单元输出的句子语义角色向量集合输入到Transformer编码器和LSTM网络中，进行会话语义向量编码，分别得到基于Transformer编码器和LSTM网络的会话语义向量；
[0010]所述会话向量融合单元，被设置用于将会话语义向量编码单元输出的基于Transformer编码器和LSTM网络的会话语义向量和会话窗口中最后一个句子编码后的句子向量进行拼接融合，得到多维度会话语义向量；
[0011]所述会话情感分类单元，被设置用于将会话向量融合单元输出的多维度会话语义向量S
merge
输入到全连接层中，通过Softmax分类器对当前滑动窗口的会话情感进行分类；得到会话情感结果。
[0012]进一步，所述角色语义编码融合单元包括会话角色编码子单元和角色语义融合子单元；
[0013]所述会话角色编码子单元将会话中不同的角色分别映射到词表中不同的词向量
中；通过词嵌入矩阵转化的方式将词向量作为对应角色的会话角色表征；
[0014]所述角色语义融合子单元将每个句子编码后的句子向量与对应的会话角色表征进行拼接融合,由此能够简单有效的确认角色。
[0015]本专利技术还提供了一种采用上述客服会话情感分析系统的客服会话情感分析方法，包括以下步骤：
[0016]步骤1：采用数据集训练客服会话情感分析系统；
[0017]步骤2：设置滑动窗口，根据对话发展顺序，依次向后移动滑动窗口；并分别将每次滑动窗口内的所有句子输入到客服会话情感分析系统中进行滑动窗口中最后一句话的情感分析。
[0018]进一步，所述数据集包括训练集、验证集和测试集；所述训练方法为：采用交叉熵作为损失函数；学习率设置为0.0005；训练轮数设置为20轮，依据验证集中，F1值最高的参数进行系统参数保存。由此,可有效提高分析结果的准确性。
[0019]进一步，步骤2中滑动窗口的大小为5。这样能够增加整体系统对情感分析的准确性。
[0020]进一步，当滑动窗口内会话句子数小于设置的大小时，填充空字符串。这样设置简单有效，空字符串在预处理时会同意进行Nan空值处理，然后进行统一编码。
[0021]由此,通过上述方式可保证这些Nan空值的位置在模型中的信息是固定的。模型很容易就通过学习，知道这些固定的信息是不包含任何语义含义的。
[0022]本专利技术还提供了一种计算机系统，包括：
[0023]一个或多个处理器；
[0024]存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括上述客服会话情感分析方法的流程。
[0025]本专利技术还提供了一种存储软件的计算机可读介质，所述软件包括能通过一个或多个计算机执行的指令，所述指令通过这样的执行使得所述一个或多个计算机执行操作，所述操作包括上述客服会话情感分析方法的流程。
[0026]本专利技术基于滑动窗口方式构建客服会话情感分析数据集，然后构建了一套客服会话情感分析模型。该模型将一个窗口的会话文本作为输入，在编码过程中融入了说话角色的信息编码，然后分别通过Transformer和lstm这2种方式对会话句子序列进行会话语义向量编码并进行融合，最后通过分类器对会话中最后一句话的情感进行分类。
[0027]与现有技术相比，本专利技术有效提高了客服会话情感分析的准确率；同时适用的场景多。
[0028]应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的专利技术主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的专利技术主题的一部分。
[0029]结合附图从下面的描述中可以更加全面地理解本专利技术教导的前述和其他方面、实施例和特征。本专利技术的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本专利技术教导的具体实施方式的实践中得知。
附图说明
[0030]附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本专利技术的各个方面的实施例。
[0031]图1为本专利技术提供的客服会话情感分析系统的结构示意图。
[0032]图2为本专利技术提供的客服会话情感分析方法中滑动窗口移动示意图。
具体实施方式
[0033]为了更了解本专利技术的
技术实现思路
，特举具体实施例并配合所附图式说明如下。
[0034]在本公开中参照附图来描述本专利技术的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本专利技术的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本专利技术所公开的构思和实施例并不限于任何实施方式。另外，本专利技术公开的一些方面可以单独使用，或者与本专利技术公开的其他方面的任何适当组合来使用。
[0035]如图1所示，本实施例公开了一种客服会话情感分析系统，包括编码单元1、角色语义编码融合单元2、会话语义向量编码单元3、会话向量融合单元4和会话情感分类单元5。
[0036]其中，编码单元1被设置用于根据输入的会话文本进行编码输出，将会话文本转换为固定维度的词语序列向量。
[0037]作为可选的实施例，编本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种客服会话情感分析系统，其特征在于，包括编码单元、角色语义编码融合单元、会话语义向量编码单元、会话向量融合单元和会话情感分类单元；所述编码单元，被设置用于根据输入的会话文本进行编码输出，将会话文本转换为固定维度的词语序列向量；所述角色语义编码融合单元，被设置用于将会话角色信息融入到句子的语义表征中；所述会话语义向量编码单元，被设置用于将角色语义编码融合单元输出的句子语义角色向量集合输入到Transformer编码器和LSTM网络中，进行会话语义向量编码，分别得到基于Transformer编码器和LSTM网络的会话语义向量；所述会话向量融合单元，被设置用于将会话语义向量编码单元输出的基于Transformer编码器和LSTM网络的会话语义向量和会话窗口中最后一个句子编码后的句子向量进行拼接融合，得到多维度会话语义向量；所述会话情感分类单元，被设置用于将会话向量融合单元输出的多维度会话语义向量S
merge
输入到全连接层中，通过Softmax分类器对当前滑动窗口的会话情感进行分类；得到会话情感结果。2.根据权利要求1所述的客服会话情感分析系统，其特征在于：所述编码单元被设置层基于预训练语言模型中的词表和词嵌入矩阵，对会话文本进行转换输出。3.根据权利要求2所述的客服会话情感分析系统，其特征在于：所述编码单元被设置按照下述过程对会话文本进行转换输出:首先,基于预训练语言模型中的词表和词嵌入矩阵,将滑动窗口中所有的会话文本转化为词语序列向量；然后,基于预训练语言模型的句子编码器,将词语序列向量输入到句子编码器中，得到会话窗口中每个句子的向量,输出至角色语义编码融合单元。4.根据权利要求1所述的客服会话情感分析系统，其特征在于：所述角色语义编码融合单元包括会话角色编码子单元和角色语义融合子单元；所述会话角色编码子单元，被设置用于将会话中不同的角色分别映射到词表中不同的词向量中；通过词嵌入矩...

【专利技术属性】
技术研发人员：林思琦，杜振东，王清琛，
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：