[發(fā)明專利]基于相似度詞序矩陣的電力客服工單情感量化分析方法

在審

• 申請?zhí)枺?/td>: 201811247199.2
• 申請日: 2018-10-24
• 公開（公告）號: CN109558484A
• 公開（公告）日: 2019-04-02
• 發(fā)明（設(shè)計）人: 景偉強;張爽;沈皓;羅欣;朱蕊倩;魏驍雄;陳博;麻呂斌;葛岳軍;陳奕汝;鐘震遠;葉紅豆
• 申請（專利權(quán)）人: 浙江華云信息科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/9535;G06F16/332
• 代理公司: 浙江翔隆專利事務(wù)所(普通合伙) 33206
• 代理人: 王曉燕

1.基于相似度詞序矩陣的電力客服工單情感量化分析方法，其特征在于：包括基于Word2Vec相似度情感詞拓展聯(lián)想步驟、多元情感語料庫構(gòu)建步驟、相似度詞序矩陣情感量化算法步驟；

Word2Vec相似度情感詞拓展聯(lián)想步驟：用于初始化多元分類詞庫，分類詞庫分為積極詞、消極詞、中性詞、否定詞、程度副詞，通過Word2Vec相似度矩陣實現(xiàn)相近情感詞拓展關(guān)聯(lián)，同時這些詞融合客戶訴求語義的詞性傾向和詞序強弱關(guān)系；通過對工單訴求進行Word2Vec深度學(xué)習(xí)形成積極詞、消極詞、中性詞、否定詞、程度副詞之間的空間關(guān)聯(lián)關(guān)系；

多元情感語料庫構(gòu)建步驟：用于基于詞向量空間距離親疏關(guān)系，豐富拓展初始化情感分類詞，構(gòu)建融合客戶訴求情感傾向的多元情感語料庫；在對電力客服業(yè)務(wù)工單和不滿意工單進行文本特征分詞過程中，基于百度詞庫與電力專有詞庫，采用逆向最大匹配算法，形成初步語料庫梳理，涉及積極詞、消極詞、中性詞、否定詞、程度副詞五類詞性分類；通過Word2Vec構(gòu)建詞向量，經(jīng)過機器學(xué)習(xí)訓(xùn)練形成以初步情感語料庫為中心的傾向性詞空間距離關(guān)系，從而進一步提煉拓展多元詞性語料庫；

相似度詞序矩陣情感量化算法步驟：用于根據(jù)情感語料庫提煉成果，基于Word2Vec神經(jīng)網(wǎng)絡(luò)的構(gòu)建詞向量極性空間關(guān)系，計算單一工單訴求相似度情感量化得分；完成客服工單情感量化分析，確定緊急程度；

其中情感量化計算公式為：

A_N-P＝WordsNearest(L_negative,L_positive,10000)

A_P-N＝WordsNearest(L_positive,L_negative,10000)

式中：S_molecule表示所有詞情感量化分子累計求和，T表示單一訴求所有詞總量，S_EQ表示單一工單訴求相似度情感量化得分，words[i]表示經(jīng)過分詞的工單訴求數(shù)組中第i個詞，A_N-P基于消極詞到積極詞關(guān)聯(lián)最近詞語有序集合，A_P-N基于積極詞到消極詞關(guān)聯(lián)最近詞語有序集合，L_degree表示程度副詞集合，L_nay表示否定詞集合，L_positive表示積極詞集合，L_negative表示消極詞集合，L_neutral表示中性詞集合，表示第i詞在A_P-N有序集合中的排列位置，表示第i詞在A_N-P有序集合中的排列位置，WordsNearest則為Word2vec空間關(guān)聯(lián)關(guān)系方法,δ_low、δ_neutral、δ_interval分別表示情感量化消極系數(shù)下限、情感量化中性系數(shù)下限、情感量化中性區(qū)間。

2.根據(jù)權(quán)利要求1所述的基于相似度詞序矩陣的電力客服工單情感量化分析方法，其特征在于：δ_low、δ_neutral、δ_interval分別為0.2、0.5、0.1。

3.根據(jù)權(quán)利要求1所述的基于相似度詞序矩陣的電力客服工單情感量化分析方法，其特征在于：多元情感語料庫構(gòu)建包括以下步驟：

a)結(jié)合電力客服工單文本特征，對歷史電力客服工單和不滿意工單進行分類梳理、數(shù)據(jù)清洗，基于百度詞庫梳理形成詞料；

b)初始化語料梳理，語料分為積極詞、消極詞、中性詞、否定詞、程度副詞；

c)初始化語料詞庫；

d)輸入一段時序的工單訴求信息；

e)通過Word2Vec神經(jīng)網(wǎng)絡(luò)工單分詞深度學(xué)習(xí)，獲得學(xué)習(xí)模型；

f)通過Word2Vec親疏關(guān)聯(lián)關(guān)系分離詞性；

g)更新多元語料庫。