[发明专利]一种应答方法和应答系统

权利要求书

1.一种应答方法，其特征在于，包括：

获取用户输入的文本信息；

根据情感分类模型识别所述文本信息对应的用户情感类型；

如果所述文本信息对应的用户情感类型为负面情感类型，则根据情感浓度模型识别所述用户在所述负面情感类型下的情感浓度；以及

分别对表征不同的所述情感浓度的所述文本信息进行不同形式的回复。

2.根据权利要求1所述的应答方法，其特征在于，还包括：

收集历史输入文本信息；

提取历史输入文本信息中的关键字，建立情感分类模型；

将每个历史输入文本信息转换为融合位置信息的文本向量；

采用所述文本向量作为训练集训练得到所述情感浓度模型。

3.根据权利要求2所述的应答方法，其特征在于，所述将每个历史输入文本信息转换为融合位置信息的文本向量包括：

将所述历史输入文本信息用字向量矩阵表示；

采用函数计算所述历史输入文本信息中每个字对应的位置属性向量矩阵；

将所述初始字向量矩阵和所述位置属性向量矩阵进行向量运算，获得能表征每个字的位置的位置向量；

根据所述位置向量获得具有上下文位置信息的对应于每个字的位置权重向量，建立所述历史输入文本的文本向量。

4.根据权利要求2所述的应答方法，其特征在于，所述采用所述文本向量作为训练集训练得到所述情感浓度模型包括：

对所述文本向量进行卷积操作，得到卷积矩阵；以及

根据所述卷积矩阵计算所述历史输入文本信息所表达的负面情感类型的情感浓度的分数，划分到相应的情感浓度类型中。

5.根据权利要求2所述的应答方法，其特征在于，还包括：根据所述情感浓度的分数计算所述情感浓度模型的损失，调整模型参数。

6.根据权利要求1所述的应答方法，其特征在于，所述情感类型包括正面情感类型和负面情感类型，所述情感浓度包括高浓度、中浓度和低浓度。

7.根据权利要求6所述的应答方法，其特征在于，所述情感浓度还包括零浓度，将经过所述情感浓度的判断之后，显示没有负面情感类型的所述文本信息归类为零浓度的背景情感类型。

8.根据权利要求6所述的应答方法，其特征在于，还包括：

设定不同情感类型和不同情感浓度下的回复语句。

9.根据权利要求8所述的应答方法，其特征在于，所述分别对表征不同的所述情感浓度的所述文本信息进行不同形式的回复包括：

对表征低浓度和中浓度的所述负面情感类型的所述文本信息，根据预先设定的所述回复语句进行回复；

对表征高浓度的所述负面情感类型的所述文本信息，接入人工客服进行人工回复。

10.一种应答系统，其特征在于，包括：

文本信息获取单元，用于获取用户输入的文本信息；

情感分类单元，用于根据情感分类模型识别所述文本信息对应的用户情感类型；

浓度分类单元，用于当所述文本信息对应的用户情感类型为负面情感类型时，则根据情感浓度模型识别所述用户在所述负面情感类型下的情感浓度；以及

回复单元，用于分别对表征不同的所述情感浓度的所述文本信息进行不同形式的回复。

11.根据权利要求10所述的应答系统，其特征在于，还包括：

历史信息获取单元，用于收集历史输入文本信息；

情感分类模型建立单元，用于提取历史输入文本信息中的关键字，建立情感分类模型；

文本向量建立单元，用于将每个历史输入文本信息转换为融合位置信息的文本向量；

情感浓度模型建立单元，用于采用所述文本向量作为训练集训练得到所述情感浓度模型。