CN109359181B - 负面情绪原因识别方法、设备及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种负面情绪原因识别方法、设备及计算机可读存储介质，该方法包括步骤：当获取到待识别句子后，生成所述待识别句子对应的句子模式；将所述句子模式与预存的负面情绪模式进行匹配，得到匹配结果；若根据所述匹配结果确定所述句子模式与所述负面情绪模式结构相同，且所述句子模式中至少存在一个元素与所述负面情绪模式的元素相同，则确定所述负面情绪模式对应的原因为所述待识别句子对应负面情绪的产生原因。本发明实现了实时识别出用户负面情绪以及产生负面情绪的原因。且相对于现有的基于机器学习算法分析用户的情绪，提高了识别用户产生负面情绪的原因的准确度。

Description

负面情绪原因识别方法、设备及计算机可读存储介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种负面情绪原因识别方法、设备及计算机可读存储介质。

背景技术

在客服机器人领域，客服机器人更加关注用户负面情绪产生的原因，如用户认为产品或者服务存在不合理的地方，便会产生“质问相关”的负面情绪；用户使用产品或者服务过程中被激怒，便会产生“愤怒相关”的负面情绪；用户认为业务办理进度缓慢，便会产生的“催进度相关”的负面情绪等。客服机器人需要实时、准确的识别出用户产生负面情绪的原因，进而采取有针对性的措施，避免进一步激怒用户，甚至安抚用户，正确的引导用户到正常的业务流程中。目前常用的文本情绪分析方法为采用机器学习的方法，预测出文本是正面情绪，还是负面情绪，甚至给出归一化的情绪值。这种情绪分析方法适用于舆情分析、用户评论倾向分析等领域，但是不能识别出导致用户产生负面情绪的原因。

发明内容

本发明的主要目的在于提供一种负面情绪原因识别方法、设备及计算机可读存储介质，旨在解决现有的情绪分析方法不能分析出导致用户产生负面情绪的原因的技术问题。

为实现上述目的，本发明提供一种负面情绪原因识别方法，所述负面情绪原因识别方法包括步骤：

当获取到待识别句子后，生成所述待识别句子对应的句子模式；

将所述句子模式与预存的负面情绪模式进行匹配，得到匹配结果；

若根据所述匹配结果确定所述句子模式与所述负面情绪模式结构相同，且所述句子模式中至少存在一个元素与所述负面情绪模式的元素相同，则确定所述负面情绪模式对应的原因为所述待识别句子对应负面情绪的产生原因。

优选地，所述当获取到待识别句子后，生成所述待识别句子对应的句子模式的步骤包括：

当获取到待识别句子后，对所述待识别句子进行分词操作，得到所述待识别句子对应的词序列；

确定所述词序列中各个词的词性，并获取所述词序列中各个词对应的同义词；

根据所述词序列中的各个词，各个词的词性和各个词对应的同义词生成所述待识别句子的句子模式。

优选地，所述当获取到待识别句子后，生成所述待识别句子对应的句子模式的步骤之前，还包括:

获取预设时长内用户对应的历史句子；

采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，根据所述目标句子构建负面情绪模式；

将所构建的所述负面情绪模式与对应的产生原因关联存储。

优选地，所述采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，根据所述目标句子构建负面情绪模式的步骤之后，还包括：

检测所构建的所述负面情绪模式中是否存在模式相同的目标模式；

若存在所述目标模式，则对所述目标模式执行去重操作，得到去重后的所述负面情绪模式；

所述将所构建的所述负面情绪模式与对应的产生原因关联存储的步骤包括：

将去重后的所述负面情绪模式与对应的产生原因关联存储。

优选地，所述若存在所述目标模式，则对所述目标模式执行去重操作，得到去重后的所述负面情绪模式的步骤包括：

若存在所述目标模式，则确定各个目标模式对应的目标句子的长度；

在所述目标模式对应的目标句子中，保留长度最长的目标句子对应的目标模式，删除剩余的所述目标模式，以得到去重后的所述负面情绪模式。

优选地，所述采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，根据所述目标句子构建负面情绪模式的步骤之后，还包括：

获取待测试句子，将所述待测试句子对应的测试模式与所构建的负面情绪模式进行匹配，得到所述待测试句子的情绪识别结果；

输出所述情绪识别结果，以供对应的审核人员根据所述情绪识别结果审核所构建的负面情绪模式。

优选地，所述采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，根据所述目标句子构建负面情绪模式的步骤包括：

采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，生成所述目标句子对应的完整模式；

根据预设的裁剪规则裁剪所述完整模式，以构建所述目标句子对应的负面情绪模式。

优选地，所述若根据所述匹配结果确定所述句子模式与所述负面情绪模式结构相同，且所述句子模式中至少存在一个元素与所述负面情绪模式的元素相同，则确定所述负面情绪模式对应的原因为所述待识别句子对应负面情绪的产生原因的步骤之后，还包括：

根据与所述句子模式匹配的所述负面情绪模式确定所述待识别句子对应的负面情绪强度类型，并输出所述产生原因和所述负面情绪强度类型；

根据所述产生原因和所述负面情绪强度类型确定安抚负面情绪的安抚方案，并执行所述安抚方案。

此外，为实现上述目的，本发明还提供一种负面情绪原因识别设备，所述负面情绪原因识别设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的负面情绪原因识别程序，所述负面情绪原因识别程序被所述处理器执行时实现如上所述的负面情绪原因识别方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有负面情绪原因识别程序，所述负面情绪原因识别程序被处理器执行时实现如上所述的负面情绪原因识别方法的步骤。

本发明通过在获取到待识别句子时，生成该待识别句子对应的句子模式，当根据句子模式与预设的负面情绪模式之间的匹配结果确定句子模式与负面情绪模式结构相同，且句子模式中至少存在一个元素与负面情绪模式的元素相同，则可确定负面情绪模式对应的原因为待识别句子对应负面情绪的产生原因，实现了实时识别出用户负面情绪以及产生负面情绪的原因。且相对于现有的基于机器学习算法分析用户的情绪，提高了识别用户产生负面情绪的原因的准确度。且本发明中的基于模式匹配的负面情绪原因识别方法，识别负面情绪产生原因的过程透明化，使识别负面情绪产生原因的过程处于可控状态。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的结构示意图；

图2是本发明负面情绪原因识别方法第一实施例的流程示意图；

图3是本发明负面情绪原因识别方法第二实施例的流程示意图；

图4是本发明负面情绪原因识别方法第四实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的结构示意图。

需要说明的是，图1即可为负面情绪原因识别设备的硬件运行环境的结构示意图。本发明实施例负面情绪原因识别设备可以是PC，便携计算机等终端设备。

如图1所示，该负面情绪原因识别设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的负面情绪原因识别设备结构并不构成对负面情绪原因识别设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及负面情绪原因识别程序。其中，操作系统是管理和控制负面情绪原因识别设备硬件和软件资源的程序，支持负面情绪原因识别程序以及其它软件或程序的运行。

在图1所示的负面情绪原因识别设备中，用户接口1003主要用于接收用户输入的操作指令和句子等；网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；而处理器1001可以用于调用存储器1005中存储的负面情绪原因识别程序，并执行以下操作：

当获取到待识别句子后，生成所述待识别句子对应的句子模式；

将所述句子模式与预存的负面情绪模式进行匹配，得到匹配结果；

若根据所述匹配结果确定所述句子模式与所述负面情绪模式结构相同，且所述句子模式中至少存在一个元素与所述负面情绪模式的元素相同，则确定所述负面情绪模式对应的原因为所述待识别句子对应负面情绪的产生原因。

进一步地，所述当获取到待识别句子后，生成所述待识别句子对应的句子模式的步骤包括：

当获取到待识别句子后，对所述待识别句子进行分词操作，得到所述待识别句子对应的词序列；

确定所述词序列中各个词的词性，并获取所述词序列中各个词对应的同义词；

根据所述词序列中的各个词，各个词的词性和各个词对应的同义词生成所述待识别句子的句子模式。

进一步地，所述当获取到待识别句子后，生成所述待识别句子对应的句子模式的步骤之前，处理器1001还可以用于调用存储器1005中存储的负面情绪原因识别程序，并执行以下步骤：

获取预设时长内用户对应的历史句子；

采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，根据所述目标句子构建负面情绪模式；

将所构建的所述负面情绪模式与对应的产生原因关联存储。

进一步地，所述采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，根据所述目标句子构建负面情绪模式的步骤之后，处理器1001还可以用于调用存储器1005中存储的负面情绪原因识别程序，并执行以下步骤:

检测所构建的所述负面情绪模式中是否存在模式相同的目标模式；

若存在所述目标模式，则对所述目标模式执行去重操作，得到去重后的所述负面情绪模式；

所述将所构建的所述负面情绪模式与对应的产生原因关联存储的步骤包括：

将去重后的所述负面情绪模式与对应的产生原因关联存储。

进一步地，所述若存在所述目标模式，则对所述目标模式执行去重操作，得到去重后的所述负面情绪模式的步骤包括：

若存在所述目标模式，则确定各个目标模式对应的目标句子的长度；

在所述目标模式对应的目标句子中，保留长度最长的目标句子对应的目标模式，删除剩余的所述目标模式，以得到去重后的所述负面情绪模式。

进一步地，所述采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，根据所述目标句子构建负面情绪模式的步骤之后，处理器1001还可以用于调用存储器1005中存储的负面情绪原因识别程序，并执行以下步骤：

获取待测试句子，将所述待测试句子对应的测试模式与所构建的负面情绪模式进行匹配，得到所述待测试句子的情绪识别结果；

输出所述情绪识别结果，以供对应的审核人员根据所述情绪识别结果审核所构建的负面情绪模式。

进一步地，所述采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，根据所述目标句子构建负面情绪模式的步骤包括：

采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，生成所述目标句子对应的完整模式；

根据预设的裁剪规则裁剪所述完整模式，以构建所述目标句子对应的负面情绪模式。

进一步地，所述若根据所述匹配结果确定所述句子模式与所述负面情绪模式结构相同，且所述句子模式中至少存在一个元素与所述负面情绪模式的元素相同，则确定所述负面情绪模式对应的原因为所述待识别句子对应负面情绪的产生原因的步骤之后，处理器1001还可以用于调用存储器1005中存储的负面情绪原因识别程序，并执行以下步骤：

根据与所述句子模式匹配的所述负面情绪模式确定所述待识别句子对应的负面情绪强度类型，并输出所述产生原因和所述负面情绪强度类型；

根据所述产生原因和所述负面情绪强度类型确定安抚负面情绪的安抚方案，并执行所述安抚方案。

基于上述的结构，提出负面情绪原因识别方法的各个实施例。

参照图2，图2为本发明负面情绪原因识别方法第一实施例的流程示意图。

本发明实施例提供了负面情绪原因识别方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

负面情绪原因识别方法应用于服务器或者终端中，终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、机器人等移动终端，以及诸如数字TV、台式计算机等固定终端。负面情绪原因识别方法的各个实施例中，为了便于描述，以客服机器人为执行主体进行阐述各个实施例。负面情绪原因识别方法包括：

步骤S10，当获取到待识别句子后，生成所述待识别句子对应的句子模式。

在智能问答场景中，客服机器人可通过文字或者语音的方式输出需要用户回答的问题，或者针对用户的提问输出对应的答案，用户也可通过语音或者文字等方式回答客服机器人提出的问题，或者向客服机器人提出问题。可以理解的是，当用户通过语音与客服机器人交流时，客服机器人可通过麦克风提取用户所说的话，即客服机器人可通过麦克风获取到待识别语音，然后将待识别转换成待识别文字，这些待识别文字组合成待识别句子；当用户通过在客服机器人的显示界面中输入文字的形式与客服机器人交流时，客服机器人提取用户在显示界面中输入的文字，得到待识别句子。

当客服机器人获取到待识别句子后，客服机器人生成该待识别句子对应的句子模式。

进一步地，当客服机器人得到待识别句子后，客服机器人采用预先设置的情感分析算法判断待识别句子是否是表示负面情绪的负面情绪句子。其中，情感分析算法包括但不限于基于词典的情感分析算法、基于规则的分类方法和基于人工智能的情感分析算法。当客服机器人确定待识别句子不是负面情绪句子，即确定该待识别句子为正面情绪句子或者中性情绪句子时，客服机器人根据该待识别句子执行对应的操作。当客服机器人确定待识别句子为负面情绪句子后，生成该负面情绪句子对应的句子模式。

进一步地，步骤S10包括：

步骤a，当获取到待识别句子后，对所述待识别句子进行分词操作，得到所述待识别句子对应的词序列。

当客服机器人获取到待识别句子后，客服机器人对待识别句子进行分词操作，得到与该待识别句子对应的词序列。在本实施例中，客服机器人可根据正向最大匹配算法、基于n元语法的分词算法和基于隐马尔可夫模型的分词算法等对待识别句子进行分词操作；或者机器人也可以根据对应工作人员在其显示界面中触发的分词指令对待识别句子进行分词操作。如若待识别句子为“你真傻”，则分词后所得的词序列为“你/真/傻”，即得到3个词组成的词序列。

步骤b，确定所述词序列中各个词的词性，并获取所述词序列中各个词对应的同义词。

当客服机器人得到待识别句子对应的词序列后，客服机器人确定词序列中各个词的词性，并对各个词进行词性标注，以及获取词序列中各个词对应的同义词。具体地，客服机器人可通过结巴分词算法确定词序列中各个词的词性，对各个词进行词性标注。客服机器人也可通过对应工作人员在客服机器人中触发的标注指令，确定词序列中各个词的词性，对词序列中的各个词进行词性标注。客服机器人可通过查阅词典库查找词序列中各个词对应的同义词，以获取到词序列中各个词对应的同义词；或者通过余弦相似度、欧几里得距离和曼哈顿距离等文本相似度算法获取词序列中各个词对应的同义词。

步骤c，根据所述词序列中的各个词，各个词的词性和各个词对应的同义词生成所述待识别句子的句子模式。

当客服机器人确定词序列中的各个词，各个词的词性和各个词对应的同义词后，客服机器人根据词序列中的各个词，各个词的词性和各个词对应的同义词生成待识别句子的句子模式。需要说明的是，当对词序列中的各个词进行词性标注后，即可确定词序列中各个词对应的词性。如将“你真傻”中的“你”标注为人称代词，“真”字标注为“程度副词”，确定“傻”的同义词为“笨”、“呆”和“笨蛋”等。

为了进一步提高所生成的句子模式的精确度，在生成待识别句子的句子模式后，可由客服机器人对应的工作人员审核句子模式中各个词的词性和各个词对应的同义词，若客服工作人员确定句子模式中某些词不需要词性标注，或者不需要确定对应的同义词，客服机器人则可根据对应工作人员触发的删除指令将对应词的词性标注删除，或者将对应词的同义词删除。进一步地，客服机器人也可根据预先设置好的裁剪规则对待识别句子对应的句子模式进行裁剪，以删除不需要的词性标注和对应词的同义词等。如确定“你真傻”对应完整的句子模式为“[你|您|汝|人称代词][真|确实|实在|程度副词][傻|笨|呆|笨蛋|形容词]”，客服机器人根据客服工作人员触发的删除指令删除对应词的词性标注和同义词，或者根据裁剪规则裁剪完整的句子模式后，所得的句子模式为“[你|人称代词][真|程度副词][傻|笨|呆|笨蛋]”。需要说明的是，在句子模式中，中括号“[]”表示模式中的必选选项，中括号里面用“|”隔开的词表示任选一个，如果为空，则表示对应位置可省略词。对于一个必选部分，可以通过同义词扩充，也可以通过词性、本体概念抽象出同一类的词，如“程度副词”是“好、真、及其、非常、特别、完全”等表示程度的副词，在这个模式中也可以作为一个并行的部分。可以理解的是，“好、真、及其、非常、特别、完全”对应的本体概念为“程度副词”，即“好、真、及其、非常、特别、完全”的词性类型为“程度副词”。

步骤S20，将所述句子模式与预存的负面情绪模式进行匹配，得到匹配结果。

客服机器人在得到待识别句子的句子模式后，客服机器人将该句子模式与预先存储的负面情绪模式集合中的负面情绪模式进行匹配，得到匹配结果。在匹配过程中，客服机器人判断句子模式与负面情绪模式之间的结构是否相同，若确定句子模式与负面情绪模式之间的结构相同，客服机器人进一步判断句子模式中是否存在一个元素与负面情绪模式的元素相同。当确定句子模式与负面情绪模式之间的结构不相同时，客服机器人可确定句子模式中不存在与负面情绪模式相同的元素。

在本实施例中，若句子模式中词性类型与负面情绪模式的词性类型相同，以及分词个数相同，则可确定句子模式与负面情绪模式之间的结构相同。如句子模式[你|人称代词][真|程度副词][傻]中存在三个分词，若负面情绪模式为“[你|人称代词][真|好|程度副词][傻|笨|笨蛋]”，则可确定负面情绪模式与句子模式中的词性类型都是人称代词加上程度副词，且都存在三个分词，因此，可确句子模式与负面情绪模式的结构相同。元素相同即句子模式中的某个分词与负面情绪模式中的分词相同。需要说明的是，在负面情绪模式中，因为有些分词存在同义词，因此将存在同义词的分词记为一个分词，如将“[傻|笨|笨蛋]”记为一个分词。

在负面情绪模式集合中，存储有至少以下七种类型的负面情绪模式，分别为质问相关负面情绪模式、愤怒相关负面情绪模式、催进度相关负面情绪模式、失望相关负面情绪模式、暴力催收相关负面情绪模式、投诉相关负面情绪模式和征信相关负面情绪模式。在本实施例中，每一种类型的负面情绪模式都至少存在两种类型的负面情绪强度，一种为一般的负面情绪，一种为严重的负面情绪，每一种类型的负面情绪强度至少对应一个负面情绪模式。

步骤S30，若根据所述匹配结果确定所述句子模式与所述负面情绪模式结构相同，且所述句子模式中至少存在一个元素与所述负面情绪模式的元素相同，则确定所述负面情绪模式对应的原因为所述待识别句子对应负面情绪的产生原因。

当客服机器人得到匹配结果后，若客服机器人根据匹配结果确定句子模式与负面情绪模式结构相同，且句子模式中至少存在一个元素与负面情绪模式的元素相同，客服机器人则确定负面情绪模式对应的原因为待识别句子对应的负面情绪产生原因。需要说明的是，在负面情绪模式集合中，每一个负面情绪模式都存在对应的产生原因，该产生原因为导致用户产生该负面情绪的原因。元素相同，即表明句子模式和负面情绪模式中同一必选选项中，含有相同的分词，如句子模式中和负面情绪模式中都存在程度副词“真”。

进一步地，若客服机器人根据匹配结果确定句子模式与负面情绪模式结构不相同，或者句子模式与负面情绪模式结构相同，但句子模式中未存在元素与负面情绪模式的元素相同，表明客服机器人未能分析出导致用户产生负面情绪的产生原因，此时，客服机器人可输出预先存储的道歉话术，如输出“对不起”，或者“抱歉”等话术。

本实施例通过在获取到待识别的待识别句子时，生成该待识别句子对应的句子模式，当根据句子模式与预设的负面情绪模式之间的匹配结果确定句子模式与负面情绪模式结构相同，且句子模式中至少存在一个元素与负面情绪模式的元素相同，则可确定负面情绪模式对应的原因为待识别句子对应负面情绪的产生原因，实现了实时识别出用户负面情绪以及产生负面情绪的原因。且相对于现有的基于机器学习算法分析用户的情绪，提高了识别用户产生负面情绪的原因的准确度。且本实施例中的基于模式匹配的负面情绪原因识别方法，识别负面情绪产生原因的过程透明化，使识别负面情绪产生原因的过程处于可控状态。

进一步地，提出本发明负面情绪原因识别方法第二实施例。

所述负面情绪原因识别方法第二实施例与所述负面情绪原因识别方法第一实施例的区别在于，参照图3，负面情绪原因识别方法还包括：

步骤S40，获取预设时长内用户对应的历史句子。

客服机器人获取预设时长内用户对应的历史句子，即客服机器人获取预设时长内用户与其交互时，用户所说的历史句子。其中，预设时长可根据具体需要而设置，本实施例对预设时长对应的时长不做具体限制。进一步地，客服机器人也可获取预设数量的历史句子，该预设数量可根据具体需要而设置，如可设置为100、200或者500等。

步骤S50，采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，根据所述目标句子构建负面情绪模式。

步骤S60，将所构建的所述负面情绪模式与对应的产生原因关联存储。

当客服机器人获取到历史句子后，客服机器人采用预设的情感分析算法在历史句子中获取表示负面情绪的句子，将历史句子中表示负面情绪的句子的记为目标句子，并根据目标句子构建负面情绪模式，将所构建的负面情绪模式与其对应的负面情绪产生原因关联存储。所构建的负面情绪模式组合成负面情绪模式集合。需要说明的是，所构建的负面情绪模式对应的产生原因可由客服机器人对应的工作人员手动确定。客服机器人根据目标句子构建负面情绪模式和客服机器人生成待识别句子对应句子模式的过程相同，在本实施例中不再详细赘述。

进一步地，还可为所构建的负面情绪模式设置对应的负面情绪强度，如可为负面情绪模式设置两种类型的负面情绪强度，如设置为一般的负面情绪对应的负面情绪模式，和严重的负面情绪对应的负面情绪模式；更进一步地，还可设置非常严重负面情绪对应的负面情绪模式等。

需要说明的是，步骤S40、步骤S50和步骤S60可在线执行，也可离线执行。

本实施例通过获取客服机器人与用户交互过程中的历史句子，在历史句子中获取表示负面情绪的目标句子，根据目标句子构建负面情绪模式，并存储所构建的负面情绪模式，以便于后续在需要识别用户产生负面情绪的原因时，可根据预先存储的负面情绪模式快速确定用户产生负面情绪的原因。

进一步地，为了提高识别用户产生负面情绪原因的识别效率，步骤S50包括：

步骤d，采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，生成所述目标句子对应的完整模式。

当客服机器人获取到历史句子后，客服机器人采用预设的情感分析算法在历史句子中获取表示负面情绪的句子，生成目标句子对应的完整模式。需要说明的是，目标句子对应的完整模式是目标句子对应的词序列中，每个词都进行了词性标注，每个词都设置了对应的同义词。

步骤e，根据预设的裁剪规则裁剪所述完整模式，以构建所述目标句子对应的负面情绪模式。

当客服机器人生成目标句子对应的完整模式后，客服机器人根据预先设置好的裁剪规则裁剪目标句子对应的完整模式，以构建目标句子对应的负面情绪模式。其中，裁剪后的完整模式记为目标句子对应的负面情绪模式。如目标句子“你真傻”的完整模式为“[你|您|汝|人称代词][真|确实|实在|程度副词][傻|笨|呆|笨蛋|形容词]”，裁剪后的负面情绪模式为“你[真|程度副词][傻|笨|笨蛋]”，或者也可以裁剪为“你[真|确实|实在|程度副词][傻|笨|呆|笨蛋]”。

需要说明的是，裁剪规则由客服机器人对应的工作人员根据具体需要而设置，如可将裁剪规则设置为：①人称代词保持原词，删除词性标注；②程度副词保留词性标注；③除人称代词外，保留其它词的同义词；④各个同义词之间的相似度大于90％。可以理解的是，本实施例中对裁剪规则的举例只是为了便于了解本发明的技术方案，并不造成对裁剪规则的限制。

为了进一步提高识别用户产生负面情绪原因的识别效率和准确率，客服机器人在获取到待识别的待识别句子，且生成该待识别句子对应的句子模式后，也按照构建目标句子对应的负面情绪模式过程中所用的裁剪规则裁剪句子模式。可以理解的是，在生成待识别句子对应的句子模式后，也可不裁剪该句子模式，直接将完整的句子模式与预存的负面情绪模式进行匹配。

进一步地，为了提高识别用户产生负面情绪原因的准确率，负面情绪原因识别方法还包括：

步骤f，获取待测试句子，将所述待测试句子对应的测试模式与所构建的负面情绪模式进行匹配，得到所述待测试句子的情绪识别结果。

当客服机器人构建出目标句子对应的负面情绪模式后，客服机器人获取待测试句子，生成待测试句子对应的测试模式，并将测试模式与所构建的负面情绪模式进行匹配，得到待测试句子的情绪识别结果。需要说明的是，待测试句子是表示负面情绪的句子。将测试模式与所构建的负面情绪模式进行匹配，得到待测试句子的情绪识别结果的过程，与第一实施例中将句子模式与预设的负面情绪模式进行匹配，识别待识别句子对应的产生原因的过程相同，在本实施例中不再详细赘述。情绪识别结果为识别出该待测试句子对应负面情绪的产生原因。

步骤h，输出所述情绪识别结果，以供对应的审核人员根据所述情绪识别结果审核所构建的负面情绪模式。

当客服机器人得到待测试句子的情绪识别结果后，客服机器人在其显示界面中输出该情绪识别结果，以供对应的审核人员根据情绪识别结果审核所构建的负面情绪模式。当客服机器人在其显示界面中输出情绪识别结果后，客户机器人对应的审核人员查阅该情绪识别结果是否正确。若审核人员确定该情绪识别结果正确，审核人员可在客服机器人的显示界面中触发确认指令，客服机器人根据该确认指令确认所构建的负面情绪模式正确；若审核人员确定该情绪识别结果错误，审核人员在客服机器人中触发调整指令。当客服机器人侦测到该调整指令后，客服机器人根据该调整指令调整对应的，所构建的负面情绪模式，以提高识别用户产生负面情绪原因的准确率。

进一步地，提出本发明负面情绪原因识别方法第三实施例。

所述负面情绪原因识别方法第三实施例与所述负面情绪原因识别方法第二实施例的区别在于，步骤S50包括：

步骤i，检测所构建的所述负面情绪模式中是否存在模式相同的目标模式。

步骤j，若存在所述目标模式，则对所述目标模式执行去重操作，得到去重后的所述负面情绪模式。

步骤S60包括：

步骤k，将去重后的所述负面情绪模式与对应的产生原因关联存储。

当客服机器人得到所构建的负面情绪模式后，客服机器人检测所建构的负面情绪模式中是否存在模式相同的负面情绪模式，在本实施例中，。其中，当两个负面情绪模式的模式相同，表明这两个负面情绪模式中只是存在同义词的区别。如一个负面情绪模式为“你[真|程度副词][傻|笨|笨蛋]”，另一个负面情绪模式为“你[好|真|程度副词][讨厌|傻|笨呆]”，此时，这两个模式的负面情绪模式的模式相同。

若检测到所构建的负面情绪模式中存在模式相同的目标模式，客服机器人则对目标模式执行去重操作，得到去重后的负面情绪模式，并去重后的负面情绪模式与对应的产生原因关联存储。具体地去重操作可为：客服机器人可将两个或者多个目标模式进行合并，得到一个与这些目标模式对应的负面情绪模式。其中，在合并过程中，是将同义词进行合并，如将“你[真|程度副词][傻|笨|笨蛋]”和“你[好|真|程度副词][讨厌|傻|笨呆]”合并为“你[好|真|程度副词][讨厌|傻|笨|笨蛋|笨呆]”。

需要说明的是，步骤i，步骤j和步骤k可在线执行，也可离线执行。

进一步地，提供另一种对目标模式执行去重操作的方法，步骤S70包括：

步骤l，若存在所述目标模式，则确定各个目标模式对应的目标句子的长度。

步骤m，在所述目标模式对应的目标句子中，保留长度最长的目标句子对应的目标模式，删除剩余的所述目标模式，以得到去重后的所述负面情绪模式。

若客服机器人检测到所构建的负面情绪模式中存在模式相同的目标模式，则确定各个目标模式对应历史句子的长度，在本实施例中，将目标模式对应的历史句子记为目标句子，目标句子的长度可由对目标句子分词后，分词的个数来确定。当客服机器人确定目标句子的长度后，客服机器人保留长度最长的目标句子对应的目标模式，删除剩余的目标模式，以对目标模式执行去重操作，得到去重后的负面情绪模式。如当目标模式为“你[真|程度副词][傻|笨|笨蛋]”和“你[好|真|程度副词][讨厌|傻|笨呆]”时，第一个目标模式对应的长度为5，第二个目标模式对应的长度为6，则保留“你[好|真|程度副词][讨厌|傻|笨呆]”，删除“你[真|程度副词][傻|笨|笨蛋]”。

进一步地，还可根据目标句子对应的字符个数来确定目标句子的长度，一个中文字为一个字符，则上述第一个目标模式对应的长度为6，第二个目标模式对应的长度为8。进一步地，若各个目标句子的长度相等，可随机保留一个目标模式，删除剩余的目标模式。

本实施例在构建出负面情绪模式后，对所构建的负面情绪模式进行去重操作，避免最终所得的负面情绪模式中含有相同的负面情绪模式，降低了的客服机器人的存储压力，提高了识别出导致用户产生负面情绪原因的识别效率。

进一步地，提出本发明负面情绪原因识别方法第四实施例。

所述负面情绪原因识别方法第四实施例与所述负面情绪原因识别方法第一、第二或第三实施例的区别在于，参照图4，负面情绪原因识别方法还包括：

步骤S70，根据与所述句子模式匹配的所述负面情绪模式确定所述待识别句子对应的负面情绪强度类型，并输出所述产生原因和所述负面情绪强度类型。

步骤S80，根据所述产生原因和所述负面情绪强度类型确定安抚负面情绪的安抚方案，并执行所述安抚方案。

当客服机器人确定导致用户产生负面情绪的产生原因后，客服机器人根据与句子模式匹配的负面情绪模式确定待识别句子对应的负面情绪强度类型。在本实施例中，预先为不同的负面情绪模式设置了对应的负面情绪强度类型。进一步地，也可将产生原因与负面情绪强度类型关联，即不同的产生原因对应着不同的负面情绪强度类型。

当客服机器人确定待识别句子对应的产生原因和负面情绪强度类型后，客服机器人根据该产生原因和负面情绪强度类型确定安抚负面情绪的安抚方案，并执行该安抚方案。需要说明的是，安抚方案是预先设置好的，不同产生原因和不同的负面情绪强度类型对应不同的安抚方案。安抚方案可根据具体需要而设置，如可设置为输出安慰的语音或文字，如“我感到很抱歉，我会努力的”，或者连接人工客服，由人工客服帮用户解决问题。

本实施例通过根据用户产生负面情绪的产生原因和负面情绪的强度类型确定缓解负面情绪的安抚方案，并执行该安抚方案，以缓解用户的负面情绪。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有负面情绪原因识别程序，所述负面情绪原因识别程序被处理器执行时实现如上所述的负面情绪原因识别方法的步骤。

本发明计算机可读存储介质具体实施方式与上述负面情绪原因识别方法各实施例基本相同，在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种负面情绪原因识别方法，其特征在于，所述负面情绪原因识别方法包括以下步骤：

当获取到待识别句子后，生成所述待识别句子对应的句子模式；

所述当获取到待识别句子后，生成所述待识别句子对应的句子模式的步骤包括：

当获取到待识别句子后，对所述待识别句子进行分词操作，得到所述待识别句子对应的词序列；

确定所述词序列中各个词的词性，并获取所述词序列中各个词对应的同义词；

根据所述词序列中的各个词，各个词的词性和各个词对应的同义词生成所述待识别句子的句子模式；

将所述句子模式与预存的负面情绪模式进行匹配，得到匹配结果；

若根据所述匹配结果确定所述句子模式与所述负面情绪模式结构相同，且所述句子模式中至少存在一个元素与所述负面情绪模式的元素相同，则确定所述负面情绪模式对应的原因为所述待识别句子对应负面情绪的产生原因。

2.如权利要求1所述的负面情绪原因识别方法，其特征在于，所述当获取到待识别句子后，生成所述待识别句子对应的句子模式的步骤之前，还包括:

获取预设时长内用户对应的历史句子；

采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，根据所述目标句子构建负面情绪模式；

将所构建的所述负面情绪模式与对应的产生原因关联存储。

3.如权利要求2所述的负面情绪原因识别方法，其特征在于，所述采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，根据所述目标句子构建负面情绪模式的步骤之后，还包括：

检测所构建的所述负面情绪模式中是否存在模式相同的目标模式；

若存在所述目标模式，则对所述目标模式执行去重操作，得到去重后的所述负面情绪模式；

所述将所构建的所述负面情绪模式与对应的产生原因关联存储的步骤包括：

将去重后的所述负面情绪模式与对应的产生原因关联存储。

4.如权利要求3所述的负面情绪原因识别方法，其特征在于，所述若存在所述目标模式，则对所述目标模式执行去重操作，得到去重后的所述负面情绪模式的步骤包括：

若存在所述目标模式，则确定各个目标模式对应的目标句子的长度；

在所述目标模式对应的目标句子中，保留长度最长的目标句子对应的目标模式，删除剩余的所述目标模式，以得到去重后的所述负面情绪模式。

5.如权利要求2所述的负面情绪原因识别方法，其特征在于，所述采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，根据所述目标句子构建负面情绪模式的步骤之后，还包括：

获取待测试句子，将所述待测试句子对应的测试模式与所构建的负面情绪模式进行匹配，得到所述待测试句子的情绪识别结果；

输出所述情绪识别结果，以供对应的审核人员根据所述情绪识别结果审核所构建的负面情绪模式。

6.如权利要求2所述的负面情绪原因识别方法，其特征在于，所述采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，根据所述目标句子构建负面情绪模式的步骤包括：

采用预设的情感分析算法在所述历史句子中获取表示负面情绪的目标句子，生成所述目标句子对应的完整模式；

根据预设的裁剪规则裁剪所述完整模式，以构建所述目标句子对应的负面情绪模式。

7.如权利要求1至6任一项所述的负面情绪原因识别方法，其特征在于，所述若根据所述匹配结果确定所述句子模式与所述负面情绪模式结构相同，且所述句子模式中至少存在一个元素与所述负面情绪模式的元素相同，则确定所述负面情绪模式对应的原因为所述待识别句子对应负面情绪的产生原因的步骤之后，还包括：

根据与所述句子模式匹配的所述负面情绪模式确定所述待识别句子对应的负面情绪强度类型，并输出所述产生原因和所述负面情绪强度类型；

根据所述产生原因和所述负面情绪强度类型确定安抚负面情绪的安抚方案，并执行所述安抚方案。

8.一种负面情绪原因识别设备，其特征在于，所述负面情绪原因识别设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的负面情绪原因识别程序，所述负面情绪原因识别程序被所述处理器执行时实现如权利要求1至7中任一项所述的负面情绪原因识别方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有负面情绪原因识别程序，所述负面情绪原因识别程序被处理器执行时实现如权利要求1至7中任一项所述的负面情绪原因识别方法的步骤。

Images