[发明专利]基于情感的客服质量监督算法

权利要求书

1.一种基于情感的客服质量监督算法，其特征在于：其步骤为：

(1)以微博语料为基础，采用神经网络加注意力机制训练多情绪情感模型；

(2)获取客户与客服多轮对话并进行预处理，得到客户与客服独立的问、答序列；

(3)利用情感模型得到问、答序列中每句话的情感特征向量；

(4)利用循环神经网络学习客户与客服多轮对话的情感特征向量序列；

(5)采用softmax，生成客服服务满意度标签，并给出满意度值；

(6)采用投票策略，最终生成客服服务满意度标签与满意度值，其中，根据步骤(1)以微博语料为基础，采用神经网络加注意力机制训练多情绪情感模型：包括如下步骤：

(1.1)下载NLPCC2017、NLPCC2018emotiondetection数据集转储文件；

(1.2)加载外部字向量，并定义字向量矩阵M，共有m行n列，m-2为外部字典中字的数量，矩阵的行向量为w_i＝(p₁,p₂,...,p_n)，一个字w_i共由n维特征表示；

(1.3)将训练集中短文本按字粒度切分，由先前定义的字向量矩阵中对应字符的字向量序列表示短文本；

(1.4)设定最长句子长度为max_len，对步骤(1.3)中得到短文本表示根据max_len进行Padding和裁剪(Padding和裁剪操作均从句头开始)，得到所有句子均为max_len长度的训练集；

(1.5)将训练数据等分成10份，进行10折交叉验证；

(1.6)利用双向循环神经网络学习短文本上下文信息，将前向与后向神经网络学习到的各时刻隐层输出拼接，得到双向循环神经网络的输出

[s₁,s₂,...,s_T]；

(1.7)利用注意力机制计算出各时刻循环神经网络隐层输出的权重，将短文本序列各时刻隐层输出加权求和得到短文本情感特征向量；

(1.8)利用softmax对短文本情感向量进行分类，得到短文本多情绪情感分布概率向量[m₁,m₂,...,m_v]，v为情绪类别数；

(1.9)将10折模型的结果求和取平均，得到短文本最终的情感分布概率向量，取概率最大的情绪类别为短文本情感标签。

2.根据权利要求1所述的基于情感的客服质量监督算法，其特征在于：根据步骤(2)，获取客户与客服多轮对话信息并进行预处理，包括如下步骤：

(2.1)分离出多轮对话中客户说话内容与客服说话内容；

(2.2)将各方说话内容按时间序列排序。

3.根据权利要求2所述的基于情感的客服质量监督算法，其特征在于：根据步骤(3)，利用情感模型得到问、答序列中每句话的情感特征向量，包括如下步骤：

(3.1)对步骤(2)中得到的客户说话内容的短句序列依次送入步骤(1)中得到的情感模型中，得到每个句子的情感特征向量，继而得到客户多轮对话情感向量序列；

(3.2)对步骤(2)中得到的客服说话内容的短句序列依次送入步骤(1)中得到的情感模型中，得到每个句子的情感特征向量，继而得到客服的多轮对话情感向量序列；

(3.3)将客户与客服句子构成问答对形式，即将在客户问句后的客服的多句回答的情感特征向量求和取平均，对客户的处理方式与客服的处理方式一致；

(3.4)设置多轮对话的最多对话轮数为max_turns，将(3.2)、(3.3)中得到的客户多轮对话情感向量序列和客服多轮对话情感特征向量根据max_turns进行Padding和裁剪操作。

4.根据权利要求3所述的基于情感的客服质量监督算法，其特征在于：所述的Padding和裁剪操作为在对话初进行Padding和裁剪。