[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

本發(fā)明公開了基于相似度詞序矩陣的電力客服工單情感量化分析方法，涉及一種電力客服工單分析方法。傳統(tǒng)的情感分析方法不能有效甄別情感強度。本發(fā)明包括基于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；對工單進行分類梳理、數(shù)據(jù)清洗，基于百度詞庫形成初始化多元情感詞庫，采用逆向最大匹配算法進行工單文本分詞，基于Word2Vec神經(jīng)網(wǎng)絡(luò)構(gòu)建融合客戶訴求語義的積極詞、消極詞、否定詞、程度副詞、以及詞序的詞向量，通過機器學習訓練生成融合訴求情感的學習模型，基于詞性親疏關(guān)系來拓展詞性語料庫，采用相似度詞序矩陣量化算法進行情感量化計算，完成客服工單情感量化分析，有效區(qū)分情感強弱差異。

技術(shù)領(lǐng)域

本發(fā)明涉及一種電力客服工單分析方法，尤其涉及基于相似度詞序矩陣的電力客服工單情感量化分析方法。

背景技術(shù)

隨著社會經(jīng)濟的發(fā)展，電力體制改革的不斷深化，供電企業(yè)只有堅持以客戶為中心，提升客戶滿意度，才能取得市場化競爭優(yōu)勢。而95598作為客戶交流與溝通的重要渠道窗口，通過對客服工單中隱含的客戶特征、情感信息進行深度挖掘，實現(xiàn)量化客戶訴求情感分析，有利于快速了解客戶的關(guān)注焦點，有利于根據(jù)客戶情感傾向性識別潛在的投訴客戶，有利于支撐工單緊急度優(yōu)先處理與分析，有利于根據(jù)反饋信息判別某項業(yè)務(wù)的實施效果，這些對電力企業(yè)和客戶都將具有十分重要的意義。

傳統(tǒng)方式下，針對工單訴求情感分析，需要設(shè)立多名訴求分析專職對客戶訴求工單進行人工分析和處理，耗費大量人力成本。

情感分析主要是面向非結(jié)構(gòu)化文本的自然語言處理，通過對文本中隱藏的情感信息進行分析，挖掘人對于事物或者事件所持有的觀點和態(tài)度。目前，普遍情感分析側(cè)重于情感極性分類，簡單表示為情感是正向的還是負向的；而情感強度體現(xiàn)則需要量化情感手段實現(xiàn)。傳統(tǒng)情感分析過程主要分為三部分：特征工程、特征選擇和機器學習算法應(yīng)用。它偏向于使用工程特征或者極性轉(zhuǎn)移規(guī)則來提高準確率。而對文本的情感量化分析計算在國內(nèi)外研究并不多，多數(shù)研究側(cè)重于情感傾向性分類。

傳統(tǒng)的情感分析方法基于詞袋(bag-of-word)特征和詞頻統(tǒng)計，同時多數(shù)研究側(cè)重于情感傾向性分類，這種方法存在以下三方面缺陷：(1)缺失詞的上下文順序和語義理解；(2)忽略詞的語義間差異；(3)側(cè)重于情感傾向性分類無法體現(xiàn)情感強弱差異。總之不能有效甄別情感強度。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題和提出的技術(shù)任務(wù)是對現(xiàn)有技術(shù)方案進行完善與改進，提供基于相似度詞序矩陣的電力客服工單情感量化分析方法，以達到有效甄別情感強度的目的。為此，本發(fā)明采取以下技術(shù)方案。

基于相似度詞序矩陣的電力客服工單情感量化分析方法，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深度學習形成積極詞、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)過機器學習訓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；