【技术实现步骤摘要】
本专利技术涉及智能预警，具体为一种基于信息终端的智能预警系统。
技术介绍
1、智能预警机制是人机联动管控风险的机制，ai对相关信息终端的海量咨询数据进行实时分析，重点布防在各电商平台的常见高风险投诉、咨询与反馈端，其中包括极端情绪和话语等，相关风险一旦发现，就会实时预警至每种风险的专项管控端，专项管控端操作用户按事故等级选择向不同层级渠道上报，并采取相关管理措施等，而基于智能情感客服去捕捉各平台中用户字里行间的异常情绪后，自动发出预警，然后危机专员快速介入，对用户进行在线心理疏导同时快速联系平台端的商家告知情况进行相应处理，但现有的基于用户信息终端的ai要识别用户文字或图片表达的情绪，不仅要理解语言的表层意思，更需要对潜在的深层意图进行理解，机器识别情绪也存在模糊性，用文字表达时，缺乏面部表情和语音声调，使得要识别文本中的情绪识别准确度不高，使得提供的情绪感知响应也不高。因此，设计提高基于用户语言的理解准确度和情感响应度的一种基于信息终端的智能预警系统是很有必要的。
技术实现思路
1、本专利技术的目的在于提供一种基于信息终端的智能预警系统，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于信息终端的智能预警方法，包括以下步骤：
3、步骤一：获取对话参与者的文本信息数据集，进行文本预处理；
4、步骤二：将进行向量化的文本特征进行特征融合；
5、步骤三：根据对话历史话语信息、对话参与者身份信息
6、步骤四：基于已有的对对话标注的情绪标签和外部相关知识信息数据，预测未来时刻对话参与者可能出现的情绪状态；
7、步骤五：设定基于预测的未来时刻对话参与者可能出现的情绪状态，进行情绪状态对应的风险程度判断，基于判断结果触发对应的智能预警机制。
8、根据上述技术方案，所述进行文本预处理的方法步骤，包括：
9、步骤a1：对采集到的对话参与者的原始中文文本信息进行预处理，即进行数据清洗主要包括：中文分词、停留词过滤、词性标注，将对话参与者的句子级按照规则进行拆分变成词级；
10、步骤a2：构建文本分类模型，将文本表示输入模型并完成对模型的训练，将对话参与者完整时间周期内的所有文本信息内容进行分类表示，主要包括将对话参与者的文本信息分为中文文本信息、英文文本信息、标点字符信息和颜文字表情文本信息；
11、步骤a3：构建文本表示，提取每一个分类文本的关键特征然后对分类的文本的特征进行量化表示。
12、根据上述技术方案，所述进行特征融合的步骤，包括：
13、步骤b1：从各个分类文本的特征提取器中获取得到分类文本的中间级特征，中间级特征包含从对话参与者的所有原始文本信息数据中进行过滤剔除后留下的待分析文本信息；
14、步骤b2：将获得的各分类文本特征通过浅层融合算法集成为一个合并的特征向量，得到包括对话参与者的对话历史话语信息、身份信息和外部相关知识信息的融合特征向量。
15、根据上述技术方案，所述进行当前时刻对话参与者的情绪状态标注的步骤，包括：
16、步骤c1：利用标签编码器学习情绪状态标签对应的情绪特征；
17、步骤c2：利用标签相似度注意力机制根据每个文本词向量表示与标签的相关性生成词特征向量，组合成完整的对话文本特征向量；
18、步骤c3：将得到的完整特征向量作为卷积神经网络的输入，获取参与者话语信息中的局部文本特征，提取局部文本特征中最重要的文本特征表示；
19、步骤c4：进行文本分类，利用损失函数提取标签的特征信息并利用标签信息进行参与者对话文本的分类；
20、步骤c5：将参与者对话文本分类完成后，基于对话用户当前时间段的对话数据，选定时间区间形成时间周期数据集，每一个时间区间里的数据集均包括有序的时间轮次、已授权获取的参与者身份信息以及当前轮次前参与者所说的历史话语信息；
21、步骤c6：对对话数据集进行人工标注，根据分类的对话文本标注当前时刻对话参与者的情绪状态，标注对话中每一个轮次参与者所说的话语的情绪标签。
22、根据上述技术方案，所述预测未来时刻对话参与者可能出现的情绪状态的步骤，包括：
23、步骤d1：输入对话参与者的所有文本表述后，遍历文本及解释性文字数据库，当对话文本中含有颜文字和标点字符时，将颜文字和标点字符替换为解释性文字数据库中的解释性的文字含义；
24、步骤d2：构建基于对话参与者使用的包括中文、英文字符以及其他语义表示信息的训练和测试数据；
25、步骤d3：将参与者对话样本中的前m轮的参与者信息、话语信息，以及第m+1轮的参与者信息作为输入，将第m+1轮话语的情绪标签作为训练目标；
26、步骤d4：根据对话参与者的对话历史文本对应的情绪标签和解释性的文字含义，预测下一时刻对话者的情绪标签，并将标签输出。
27、根据上述技术方案，所述触发对应的智能预警机制的步骤，包括：
28、步骤e1：通过识别机制对预测的未来时刻对话参与者可能出现的情绪状态下存在的风险程度进行判断；
29、步骤e1：风险程度根据情绪状态中包括的极端情绪和消极话语越多而程度越高，相关风险一旦被发现，实时进行智能预警机制的触发；
30、步骤e1：构建智能预警机制的指标体系，根据风险程度将指标体系划分为一级指标、二级指标、三级指标；
31、步骤e1：当风险程度触发对应的预警指标时，实时预警将对应的文本信息反馈至每种风险的专项管控小组，小组成员按风险等级选择向不同层级渠道上报，并采取相关管理措施。
32、根据上述技术方案，所述智能预警系统包括：
33、对话文本信息数据模块，用于在系统中获取当前对话参与者形成的多项对话文本信息数据；
34、情绪状态分析预测模块，用于根据获取的对话参与者文本信息数据进行对话参与者的情绪状态分析预测；
35、智能预警机制触发模块，用于根据情绪状态分析预测的结果进行智能预警机制的触发。
36、根据上述技术方案，所述对话文本信息数据模块包括：
37、信息数据集获取模块，用于获取对话参与者的文本信息数据集；
38、文本预处理模块，用于对采集到的对话参与者的原始中文文本信息进行预处理；
39、特征融合模块，用于将进行向量化的文本特征进行特征融合。
40、根据上述技术方案，所述情绪状态分析预测模块包括：
41、情绪状态标签模块，用于利用标签编码器学习情绪状态标签对应的情绪特征；
42、情绪状态标注模块，用于根据对话历史话语信息、对话参与者身份信息进行当前时刻对话参与者的情绪状态标注；
43、外部常识信息模块，用于对对话参与者的其他语义表示信息即外部常识信息本文档来自技高网...
【技术保护点】
1.一种基于信息终端的智能预警方法，其特征在于：所述该方法包括以下步骤：
2.根据权利要求1所述的一种基于信息终端的智能预警方法，其特征在于：所述进行文本预处理的方法步骤，包括：
3.根据权利要求2所述的一种基于信息终端的智能预警方法，其特征在于：所述进行特征融合的步骤，包括：
4.根据权利要求3所述的一种基于信息终端的智能预警方法，其特征在于：所述进行当前时刻对话参与者的情绪状态标注的步骤，包括：
5.根据权利要求4所述的一种基于信息终端的智能预警方法，其特征在于：所述预测未来时刻对话参与者可能出现的情绪状态的步骤，包括：
6.根据权利要求5所述的一种基于信息终端的智能预警方法，其特征在于：所述触发对应的智能预警机制的步骤，包括：
7.执行如权利要求1所述的一种基于信息终端的智能预警方法的智能预警系统，其特征在于：所述该系统包括：
8.根据权利要求7所述的智能预警系统，其特征在于：所述对话文本信息数据模块包括：
9.根据权利要求8所述的智能预警系统，其特征在于：所述情绪状态分析预测模
10.根据权利要求9所述的智能预警系统，其特征在于：所述智能预警机制触发模块包括：
...【技术特征摘要】
1.一种基于信息终端的智能预警方法，其特征在于：所述该方法包括以下步骤：
2.根据权利要求1所述的一种基于信息终端的智能预警方法，其特征在于：所述进行文本预处理的方法步骤，包括：
3.根据权利要求2所述的一种基于信息终端的智能预警方法，其特征在于：所述进行特征融合的步骤，包括：
4.根据权利要求3所述的一种基于信息终端的智能预警方法，其特征在于：所述进行当前时刻对话参与者的情绪状态标注的步骤，包括：
5.根据权利要求4所述的一种基于信息终端的智能预警方法，其特征在于：所述预测未来时刻对话参与者可能...
【专利技术属性】
技术研发人员：王静，
申请(专利权)人：盐城铠羿电脑科技有限公司，
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。