【技术实现步骤摘要】
本申请涉及自然语言处理情感分析领域，尤其涉及一种情感分析方法、装置、设备及存储介质。
技术介绍
1、对人类情感的感知在日常生活中起着至关重要的作用。人们在交互过程中会根据对周围人情绪的感知进而调整自己的反应和行为。情感分析已经成为从文本中自动识别情感信息的主要技术，通过情感分析能够从文本中自动识别和提取主观信息，例如情感、观点和情绪等，这使得情感分析已成为一个极其重要的反馈机制。
2、在客户服务场景中，通过对客户对话进行情感分析，可以帮助客服人员更好地理解客户的需求和反馈，并采取相应的措施进行处理，提高客户满意度和忠诚度。目前，情感分析的研究主要集中在深度学习技术上。现有的文本情感分类模型大多仍然是将一段文字对应于固定的标签，包括简单的二分类或细化的多分类。这类模型本质上是利用离散化的类别和离散的标签来对情感进行描述，存在信息丢失、缺乏细粒度表示、应用场景较为局限的缺点，导致情感分析不够准确。
技术实现思路
1、本申请提供一种情感分析方法、装置、设备及存储介质，可以提高通话过程中情感分析的准确性。
2、第一方面，本申请提供一种情感分析方法，该方法包括：获取通话过程中的多条文本数据；分别将每条文本数据输入情感分析模型，得到每条文本数据对应的效价值和激活度值；效价值用于反映情感的积极或消极程度；激活度值用于反映情感的活跃程度；情感分析模型基于卷积神经网络(convolutional neural network，cnn)和双向长短期记忆网络(bidirectio
3、本申请提供的情感分析方法，通过获取通话过程中的多条文本数据；接着分别将每条文本数据输入情感分析模型，得到每条文本数据对应的效价值和激活度值；并根据多条文本数据对应的效价值和激活度值，确定通话过程中的情感变化情况，以及通话过程的情感反馈。该方法基于卷积神经网络和双向长短期记忆网络相结合的情感分析模型，可以同时提取文本数据的上下文信息和局部语义依赖关系，由此得到的效价值和激活度值更为准确。另外，通过效价值和激活度值进一步确定通话过程中情感变化情况以及整个通话过程的情感反馈，通过过程和结果两方面对通话过程进行分析，进一步提高情感分析的准确性。
4、一种可能的实现方式，根据多条文本数据对应的效价值和激活度值，确定通话过程中的情感变化情况，包括：
5、将每条文本数据对应的效价值和激活度值进行归一化处理；
6、以归一化处理后的效价值与激活度值作为横纵坐标，将每条文本数据映射至第一坐标系；第一坐标系的横轴表示效价，纵轴表示激活度；第一坐标系包括各象限上不同角度对应的情感标签；
7、按照时间顺序将每条文本数据在第一坐标系上对应的情感标签进行排序，得到通话过程中的情感变化情况。
8、另一种可能的实现方式，第一坐标系中，第一象限包括如下情感标签：激动、高兴、愉悦；
9、第二象限包括如下情感标签：紧张、生气、沮丧；
10、第三象限包括如下情感标签：低落、无聊、困倦；
11、第四象限包括如下情感标签：满意、放松、平静。
12、又一种可能的实现方式，根据多条文本数据对应的效价值和激活度值，确定通话过程的情感反馈，包括：
13、将每条文本数据对应的效价值和激活度值进行加权求和，得到每条文本数据对应的综合情感得分值；
14、按照时间顺序将每条文本数据映射至第二坐标系，第二坐标系的横轴表示时间，纵轴表示综合情感得分值；
15、基于第二坐标系，对多个文本数据进行积分，得到积分结果；
16、根据积分结果确定通话过程的情感反馈；其中，积分结果为正值，对应正面反馈；积分结果为负值，对应负面反馈。
17、又一种可能的实现方式，将每条文本数据对应的效价值和激活度值进行加权求和，得到每条文本数据对应的综合情感得分值，包括：
18、采用如下表达式对每条文本数据对应的效价值和激活度值进行加权求和：
19、s＝cosθ-w×sinθ；
20、其中，s为情感综合数值，θ为将效价值与激活度值对应的坐标点映射至坐标系后，坐标点与原点之间的连线，与坐标系横轴之间的夹角，w为加权系数。
21、又一种可能的实现方式，情感分析模型包括：输入层、特征提取层和输出层；输入层用于接收文本数据，将文本数据转化为向量表示；特征提取层包括cnn以及bi-lstm，cnn用于提取向量表示的第一语义特征，bi-lstm用于提取向量表示的第二语义特征；输出层用于将第一语义特征与第二语义特征拼接，得到第三语义特征，并将第三语义特征经过线性映射，得到效价值和激活度值。
22、又一种可能的实现方式，输入层包括嵌入层以及随机失活层。
23、第二方面，本申请提供一种情感分析装置，该装置包括：获取模块以及确定模块。
24、一种可能的实现方式，获取模块用于，获取通话过程中的多条文本数据；获取模块还用于，分别将每条文本数据输入情感分析模型，得到每条文本数据对应的效价值和激活度值；效价值用于反映情感的积极或消极程度；激活度值用于反映情感的活跃程度；情感分析模型基于cnn和bi-lstm构建，用于分析文本数据对应的情感极性；确定模块用于，根据多条文本数据对应的效价值和激活度值，确定通话过程中的情感变化情况；确定模块还用于，根据多条文本数据对应的效价值和激活度值，确定通话过程的情感反馈；情感反馈包括正面反馈以及负面反馈。
25、另一种可能的实现方式，确定模块具体用于：
26、将每条文本数据对应的效价值和激活度值进行归一化处理；
27、以归一化处理后的效价值与激活度值作为横纵坐标，将每条文本数据映射至第一坐标系；第一坐标系的横轴表示效价，纵轴表示激活度；第一坐标系包括各象限上不同角度对应的情感标签；
28、按照时间顺序将每条文本数据在第一坐标系上对应的情感标签进行排序，得到通话过程中的情感变化情况。
29、又一种可能的实现方式，第一坐标系中，第一象限包括如下情感标签：激动、高兴、愉悦；第二象限包括如下情感标签：紧张、生气、沮丧；第三象限包括如下情感标签：低落、无聊、困倦；第四象限包括如下情感标签：满意、放松、平静。
30、又一种可能的实现方式，确定模块具体用于：
31、将每条文本数据对应的效价值和激活度值进行加权求和，得到每条文本数据对应的综合情感得分值；
32、按照时间顺序将每条文本数据映射至第二坐标系，第二坐标系的横轴表示时间，纵轴表示综合情感得分值；
33、基于第二坐标系，对本文档来自技高网...
【技术保护点】
1.一种情感分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述多条文本数据对应的效价值和激活度值，确定所述通话过程中的情感变化情况，包括：
3.根据权利要求2所述的方法，其特征在于，所述第一坐标系中，第一象限包括如下情感标签：激动、高兴、愉悦；
4.根据权利要求1所述的方法，其特征在于，所述根据所述多条文本数据对应的效价值和激活度值，确定所述通话过程的情感反馈，包括：
5.根据权利要求4所述的方法，其特征在于，所述将每条文本数据对应的效价值和激活度值进行加权求和，得到每条文本数据对应的综合情感得分值，包括：
6.根据权利要求1-5任一项所述的方法，其特征在于，所述情感分析模型包括：输入层、特征提取层和输出层；
7.根据权利要求6所述的方法，其特征在于，所述输入层包括嵌入层以及随机失活层。
8.一种情感分析装置，其特征在于，所述装置包括：获取模块以及确定模块；
9.一种电子设备，其特征在于，所述电子设备包括：处理器和存储器；
10.一
...【技术特征摘要】
1.一种情感分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述多条文本数据对应的效价值和激活度值，确定所述通话过程中的情感变化情况，包括：
3.根据权利要求2所述的方法，其特征在于，所述第一坐标系中，第一象限包括如下情感标签：激动、高兴、愉悦；
4.根据权利要求1所述的方法，其特征在于，所述根据所述多条文本数据对应的效价值和激活度值，确定所述通话过程的情感反馈，包括：
5.根据权利要求4所述的方法，其特征在于，所述将每条文本数据对应的效价值和...
【专利技术属性】
技术研发人员：张治高，孙晓臣，刘成伟，王健，单芮，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：
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。