CN109753663A - 一种客户情绪分级方法及装置 - Google Patents
一种客户情绪分级方法及装置 Download PDFInfo
- Publication number
- CN109753663A CN109753663A CN201910039383.6A CN201910039383A CN109753663A CN 109753663 A CN109753663 A CN 109753663A CN 201910039383 A CN201910039383 A CN 201910039383A CN 109753663 A CN109753663 A CN 109753663A
- Authority
- CN
- China
- Prior art keywords
- customer anger
- customer
- anger
- information
- chat message
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000036651 mood Effects 0.000 claims description 58
- 238000012549 training Methods 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 abstract description 4
- 238000013528 artificial neural network Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
Landscapes
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例涉及一种客户情绪分级方法及装置，其中，方法包括：获取客户输入的第一聊天信息和客服输入的第二聊天信息；基于所述第一聊天信息和所述第二聊天信息，确定客户情绪信息；基于所述客户情绪信息，确定客户情绪等级。本发明实施例考虑到客户输入的聊天信息是直观反映客户情绪的信息，客服输入的聊天信息是间接体现客户情绪的信息，因此，获取客户与客服的聊天信息后，可分析客户与客服的聊天信息得到反映客户情绪的多个参数的值，多个参数的值也即客户情绪信息，从而基于客户情绪信息，可确定客户情绪等级，为调整与客户之间的沟通方式提供依据。
Description
技术领域
本发明实施例涉及计算机技术领域，具体涉及一种客户情绪分级方法及装置。
背景技术
随着科技发展，智能手机等智能移动终端得到普及，成为人们日常生活中重要的工具。通常这些智能移动终端中安装有多种类型的App(Application，应用程序)，满足人们日常生活工作的需求。
目前，无论是APP还是该APP对应的网页客户端，通常会提供问答服务功能，以帮助用户解决遇到的问题。
但是，现有的问答服务的方式，难以确定客户的情绪，从而无法基于客户的情绪适应性调整沟通方式，为此，亟需提供一种客户情绪分级方法。
发明内容
为了解决现有技术存在的至少一个问题，本发明的至少一个实施例提供了一种客户情绪分级方法及装置。
第一方面，本发明实施例提出一种客户情绪分级方法，包括：
获取客户输入的第一聊天信息和客服输入的第二聊天信息；
基于所述第一聊天信息和所述第二聊天信息，确定客户情绪信息；
基于所述客户情绪信息，确定客户情绪等级。
在一些实施例中，所述基于所述客户情绪信息，确定客户情绪等级，包括：
基于所述客户情绪信息，确定客户情绪指数；
基于预设的对应关系，确定所述客户情绪指数对应的客户情绪等级；其中，所述对应关系为客户情绪指数与客户情绪等级之间的对应关系。
在一些实施例中，所述第一聊天信息包括：文字信息和/或语音信息；所述第二聊天信息包括：文字信息和/或语音信息；所述客户情绪信息包括：情绪文字信息和/或情绪语音信息；
所述基于所述第一聊天信息和所述第二聊天信息，确定客户情绪信息，包括：
对文字信息进行语义识别，得到客户情绪文字信息；
对语音信息进行语音识别，得到客户情绪语音信息。
在一些实施例中，所述客户情绪文字信息包括：重复语句的次数、情绪关键词的个数和/或每个情绪关键词的频率；
所述客户情绪语音信息包括：语气、语调、音量、重复语句的次数、情绪关键词的个数和/或每个情绪关键词的频率。
在一些实施例中，所述基于所述客户情绪信息，确定客户情绪等级，包括：
基于所述情绪文字信息和/或所述情绪语音信息，通过预先训练得到的神经网络模型，确定客户情绪指数；
基于预设的对应关系，确定所述客户情绪指数对应的客户情绪等级；其中，所述对应关系为客户情绪指数与客户情绪等级之间的对应关系。
第二方面，本发明实施例还提出一种客户情绪分级装置，包括：
获取单元，用于获取客户输入的第一聊天信息和客服输入的第二聊天信息；
第一确定单元，用于基于所述第一聊天信息和所述第二聊天信息，确定客户情绪信息；
第二确定单元，用于基于所述客户情绪信息，确定客户情绪等级。
在一些实施例中，所述第二确定单元，包括：
第一子单元，用于基于所述客户情绪信息，确定客户情绪指数；
第二子单元，用于基于预设的对应关系，确定所述客户情绪指数对应的客户情绪等级；其中，所述对应关系为客户情绪指数与客户情绪等级之间的对应关系。
在一些实施例中，所述第一聊天信息包括：文字信息和/或语音信息；所述第二聊天信息包括：文字信息和/或语音信息；所述客户情绪信息包括：情绪文字信息和/或情绪语音信息；
所述第一确定单元，用于：
对文字信息进行语义识别，得到客户情绪文字信息；
对语音信息进行语音识别，得到客户情绪语音信息。
在一些实施例中，所述客户情绪文字信息包括：重复语句的次数、情绪关键词的个数和/或每个情绪关键词的频率；
所述客户情绪语音信息包括：语气、语调、音量、重复语句的次数、情绪关键词的个数和/或每个情绪关键词的频率。
在一些实施例中，所述第二确定单元，用于：
基于所述情绪文字信息和/或所述情绪语音信息，通过预先训练得到的神经网络模型，确定客户情绪指数；
基于预设的对应关系，确定所述客户情绪指数对应的客户情绪等级；其中，所述对应关系为客户情绪指数与客户情绪等级之间的对应关系。
可见，本发明实施例的至少一个实施例中，考虑到客户输入的聊天信息是直观反映客户情绪的信息，客服输入的聊天信息是间接体现客户情绪的信息，因此，获取客户与客服的聊天信息后，可分析客户与客服的聊天信息得到反映客户情绪的多个参数的值，多个参数的值也即客户情绪信息，从而基于客户情绪信息，可确定客户情绪等级，为调整与客户之间的沟通方式提供依据。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种客户情绪分级方法的流程图；
图2为本发明实施例提供的一种客户情绪分级装置的框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
第一方面，如图1所示，本实施例提供一种客户情绪分级方法，该方法适用于可提供问答服务功能的APP或安装有该APP的智能移动终端。该方法的执行主体为提供问答服务功能的APP的后台服务器。该方法可包括以下步骤101至103：
101、获取客户输入的第一聊天信息和客服输入的第二聊天信息。
102、基于第一聊天信息和第二聊天信息，确定客户情绪信息。
103、基于客户情绪信息，确定客户情绪等级。
本实施例中，考虑到客户输入的聊天信息是直观反映客户情绪的信息，客服输入的聊天信息是间接体现客户情绪的信息，因此，获取客户与客服的聊天信息后，可分析客户与客服的聊天信息得到反映客户情绪的多个参数的值，多个参数的值也即客户情绪信息，从而基于客户情绪信息，可确定客户情绪等级，为调整与客户之间的沟通方式提供依据。
在一些实施例中，步骤103所述基于客户情绪信息，确定客户情绪等级，可包括以下步骤1031和1032：
1031、基于客户情绪信息，确定客户情绪指数；
1032、基于预设的对应关系，确定客户情绪指数对应的客户情绪等级；其中，对应关系为客户情绪指数与客户情绪等级之间的对应关系。
本实施例中，客户情绪信息是反映客户情绪的多个参数的值，为了便于确定客户情绪等级，需要将客户情绪信息转换为客户情绪指数，客户情绪指数是一个值。
在具体应用中，可以将客户情绪信息作为神经网络的输入，客户情绪指数作为神经网络的输出，通过预先确定训练样本，训练神经网络，得到用于确定客户情绪指数的神经网络模型。其中，训练样本包括：多组客户情绪信息和每组客户情绪信息对应的客户情绪指数。
得到用于确定客户情绪指数的神经网络模型后，当步骤102确定客户情绪信息，将客户情绪信息代入该神经网络模型即可得到客户情绪信息对应的客户情绪指数。
本实施例中，可预先确定客户情绪指数与客户情绪等级之间的对应关系，从而在步骤1031确定客户情绪指数后，可基于该对应关系，确定客户情绪指数对应的客户情绪等级。
在一些实施例中，客户输入的第一聊天信息可包括：文字信息和语音信息中的至少一种；客服输入的第二聊天信息可包括：文字信息和语音信息中的至少一种；客户情绪信息可包括：情绪文字信息和情绪语音信息中的至少一种。
相应地，步骤102基于第一聊天信息和第二聊天信息，确定客户情绪信息，具体为：
对文字信息进行语义识别，得到客户情绪文字信息；
对语音信息进行语音识别，得到客户情绪语音信息。
在一些实施例中，客户情绪文字信息是反映客户情绪的多个参数的值，多个参数包括但不限于：重复语句的次数、情绪关键词的个数和每个情绪关键词的频率中的至少一个。
客户情绪语音信息是反映客户情绪的多个参数的值，多个参数包括但不限于：语气、语调、音量、重复语句的次数、情绪关键词的个数和每个情绪关键词的频率中的至少一个。
其中，情绪关键词可以是单字、词、词组等，可通过模拟不同情绪的客户与客服的聊天内容，分析出反映客户情绪的情绪关键词，也可以通过其他方式预先确定情绪关键词，本实施例不限定情绪关键词的确定方式。
在一些实施例中，步骤103基于客户情绪信息，确定客户情绪等级，可包括以下步骤1031’和1032’：
1031’、基于情绪文字信息和/或情绪语音信息，通过预先训练得到的神经网络模型，确定客户情绪指数；
1032’、基于预设的对应关系，确定客户情绪指数对应的客户情绪等级；其中，对应关系为客户情绪指数与客户情绪等级之间的对应关系。
本实施例中，可以将客户情绪信息作为神经网络的输入，也即将情绪文字信息和情绪语音信息作为神经网络的输入，客户情绪指数作为神经网络的输出，通过预先确定训练样本，训练神经网络，得到用于确定客户情绪指数的神经网络模型。其中，训练样本包括：多组客户情绪信息和每组客户情绪信息对应的客户情绪指数。其中，每组客户情绪信息均包括情绪文字信息和情绪语音信息中的至少一种。
得到用于确定客户情绪指数的神经网络模型后，当步骤102对文字信息进行语义识别，得到客户情绪文字信息，以及对语音信息进行语音识别，得到客户情绪语音信息后，将客户情绪文字信息和客户情绪语音信息代入该神经网络模型即可得到客户情绪指数。
本实施例中，可预先确定客户情绪指数与客户情绪等级之间的对应关系，从而在步骤1031’确定客户情绪指数后，可基于该对应关系，确定客户情绪指数对应的客户情绪等级。
第二方面，如图2所示，本发明实施例还提出一种客户情绪分级装置，所述装置包括以下单元：获取单元21、第一确定单元22、第二确定单元23。各单元具体说明如下：
获取单元21，用于获取客户输入的第一聊天信息和客服输入的第二聊天信息；
第一确定单元22，用于基于所述第一聊天信息和所述第二聊天信息，确定客户情绪信息；
第二确定单元23，用于基于所述客户情绪信息，确定客户情绪等级。
在一些实施例中，所述第二确定单元23，包括：
第一子单元，用于基于所述客户情绪信息，确定客户情绪指数；
第二子单元，用于基于预设的对应关系，确定所述客户情绪指数对应的客户情绪等级；其中，所述对应关系为客户情绪指数与客户情绪等级之间的对应关系。
在一些实施例中，所述第一聊天信息包括：文字信息和/或语音信息；所述第二聊天信息包括：文字信息和/或语音信息；所述客户情绪信息包括：情绪文字信息和/或情绪语音信息；
所述第一确定单元，用于：
对文字信息进行语义识别，得到客户情绪文字信息；
对语音信息进行语音识别，得到客户情绪语音信息。
在一些实施例中，所述客户情绪文字信息包括：重复语句的次数、情绪关键词的个数和/或每个情绪关键词的频率；
所述客户情绪语音信息包括：语气、语调、音量、重复语句的次数、情绪关键词的个数和/或每个情绪关键词的频率。
在一些实施例中，所述第二确定单元23，用于：
基于所述情绪文字信息和/或所述情绪语音信息，通过预先训练得到的神经网络模型，确定客户情绪指数；
基于预设的对应关系，确定所述客户情绪指数对应的客户情绪等级；其中，所述对应关系为客户情绪指数与客户情绪等级之间的对应关系。
以上实施例公开的客户情绪分级装置能够实现第一方面各实施例公开的客户情绪分级方法的流程，为避免重复，不再赘述。
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPDevice，DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
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。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。
虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种客户情绪分级方法，其特征在于，包括：
获取客户输入的第一聊天信息和客服输入的第二聊天信息；
基于所述第一聊天信息和所述第二聊天信息，确定客户情绪信息；
基于所述客户情绪信息，确定客户情绪等级。
2.根据权利要求1所述的方法，其特征在于，所述基于所述客户情绪信息，确定客户情绪等级，包括：
基于所述客户情绪信息，确定客户情绪指数；
基于预设的对应关系，确定所述客户情绪指数对应的客户情绪等级；其中，所述对应关系为客户情绪指数与客户情绪等级之间的对应关系。
3.根据权利要求1或2所述的方法，其特征在于，所述第一聊天信息包括：文字信息和/或语音信息；所述第二聊天信息包括：文字信息和/或语音信息；所述客户情绪信息包括：情绪文字信息和/或情绪语音信息；
所述基于所述第一聊天信息和所述第二聊天信息，确定客户情绪信息，包括：
对文字信息进行语义识别，得到客户情绪文字信息；
对语音信息进行语音识别，得到客户情绪语音信息。
4.根据权利要求3所述的方法，其特征在于，
所述客户情绪文字信息包括：重复语句的次数、情绪关键词的个数和/或每个情绪关键词的频率；
所述客户情绪语音信息包括：语气、语调、音量、重复语句的次数、情绪关键词的个数和/或每个情绪关键词的频率。
5.根据权利要求4所述的方法，其特征在于，
所述基于所述客户情绪信息，确定客户情绪等级，包括：
基于所述情绪文字信息和/或所述情绪语音信息，通过预先训练得到的神经网络模型，确定客户情绪指数；
基于预设的对应关系，确定所述客户情绪指数对应的客户情绪等级；其中，所述对应关系为客户情绪指数与客户情绪等级之间的对应关系。
6.一种客户情绪分级装置，其特征在于，包括：
获取单元，用于获取客户输入的第一聊天信息和客服输入的第二聊天信息；
第一确定单元，用于基于所述第一聊天信息和所述第二聊天信息，确定客户情绪信息；
第二确定单元，用于基于所述客户情绪信息，确定客户情绪等级。
7.根据权利要求6所述的装置，其特征在于，所述第二确定单元，包括：
第一子单元，用于基于所述客户情绪信息，确定客户情绪指数；
第二子单元，用于基于预设的对应关系，确定所述客户情绪指数对应的客户情绪等级；其中，所述对应关系为客户情绪指数与客户情绪等级之间的对应关系。
8.根据权利要求6或7所述的装置，其特征在于，所述第一聊天信息包括：文字信息和/或语音信息；所述第二聊天信息包括：文字信息和/或语音信息；所述客户情绪信息包括：情绪文字信息和/或情绪语音信息；
所述第一确定单元，用于：
对文字信息进行语义识别，得到客户情绪文字信息；
对语音信息进行语音识别，得到客户情绪语音信息。
9.根据权利要求8所述的装置，其特征在于，
所述客户情绪文字信息包括：重复语句的次数、情绪关键词的个数和/或每个情绪关键词的频率；
所述客户情绪语音信息包括：语气、语调、音量、重复语句的次数、情绪关键词的个数和/或每个情绪关键词的频率。
10.根据权利要求9所述的装置，其特征在于，
所述第二确定单元，用于：
基于所述情绪文字信息和/或所述情绪语音信息，通过预先训练得到的神经网络模型，确定客户情绪指数；
基于预设的对应关系，确定所述客户情绪指数对应的客户情绪等级；其中，所述对应关系为客户情绪指数与客户情绪等级之间的对应关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910039383.6A CN109753663B (zh) | 2019-01-16 | 2019-01-16 | 一种客户情绪分级方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910039383.6A CN109753663B (zh) | 2019-01-16 | 2019-01-16 | 一种客户情绪分级方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109753663A true CN109753663A (zh) | 2019-05-14 |
| CN109753663B CN109753663B (zh) | 2023-12-29 |
Family
ID=66405851
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910039383.6A Active CN109753663B (zh) | 2019-01-16 | 2019-01-16 | 一种客户情绪分级方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109753663B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110166642A (zh) * | 2019-05-31 | 2019-08-23 | 上海上湖信息技术有限公司 | 一种预测式外呼方法及设备 |
| CN110246519A (zh) * | 2019-07-25 | 2019-09-17 | 深圳智慧林网络科技有限公司 | 情绪识别方法、设备及计算机可读存储介质 |
| CN110598611A (zh) * | 2019-08-30 | 2019-12-20 | 深圳智慧林网络科技有限公司 | 看护系统、基于看护系统的病人看护方法和可读存储介质 |
| CN110587621A (zh) * | 2019-08-30 | 2019-12-20 | 深圳智慧林网络科技有限公司 | 机器人、基于机器人的病人看护方法和可读存储介质 |
| CN111028827A (zh) * | 2019-12-10 | 2020-04-17 | 深圳追一科技有限公司 | 基于情绪识别的交互处理方法、装置、设备和存储介质 |
| CN111370030A (zh) * | 2020-04-03 | 2020-07-03 | 龙马智芯（珠海横琴）科技有限公司 | 语音情感检测方法与装置、存储介质、电子设备 |
| CN112085420A (zh) * | 2020-09-29 | 2020-12-15 | 中国银行股份有限公司 | 一种情绪级别确定方法、装置和设备 |
| CN113342962A (zh) * | 2021-07-07 | 2021-09-03 | 上海华客信息科技有限公司 | 客服方法、系统、设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102625005A (zh) * | 2012-03-05 | 2012-08-01 | 广东天波信息技术股份有限公司 | 具有服务质量实时监督功能的呼叫中心系统及其实现方法 |
| WO2016050223A1 (zh) * | 2014-09-30 | 2016-04-07 | 瞬联软件科技（北京）有限公司 | 一种基于图格的即时通信方法、客户端及系统 |
| CN106022676A (zh) * | 2016-05-09 | 2016-10-12 | 华南理工大学 | 一种对物流客户的投诉意愿评级的方法及装置 |
| US20170270922A1 (en) * | 2015-11-18 | 2017-09-21 | Shenzhen Skyworth-Rgb Electronic Co., Ltd. | Smart home control method based on emotion recognition and the system thereof |
| CN107452405A (zh) * | 2017-08-16 | 2017-12-08 | 北京易真学思教育科技有限公司 | 一种根据语音内容进行数据评价的方法及装置 |
| CN108122552A (zh) * | 2017-12-15 | 2018-06-05 | 上海智臻智能网络科技股份有限公司 | 语音情绪识别方法和装置 |
| CN109003624A (zh) * | 2018-06-29 | 2018-12-14 | 北京百度网讯科技有限公司 | 情绪识别方法、装置、计算机设备及存储介质 |
-
2019
- 2019-01-16 CN CN201910039383.6A patent/CN109753663B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102625005A (zh) * | 2012-03-05 | 2012-08-01 | 广东天波信息技术股份有限公司 | 具有服务质量实时监督功能的呼叫中心系统及其实现方法 |
| WO2016050223A1 (zh) * | 2014-09-30 | 2016-04-07 | 瞬联软件科技（北京）有限公司 | 一种基于图格的即时通信方法、客户端及系统 |
| US20170270922A1 (en) * | 2015-11-18 | 2017-09-21 | Shenzhen Skyworth-Rgb Electronic Co., Ltd. | Smart home control method based on emotion recognition and the system thereof |
| CN106022676A (zh) * | 2016-05-09 | 2016-10-12 | 华南理工大学 | 一种对物流客户的投诉意愿评级的方法及装置 |
| CN107452405A (zh) * | 2017-08-16 | 2017-12-08 | 北京易真学思教育科技有限公司 | 一种根据语音内容进行数据评价的方法及装置 |
| CN108122552A (zh) * | 2017-12-15 | 2018-06-05 | 上海智臻智能网络科技股份有限公司 | 语音情绪识别方法和装置 |
| CN109003624A (zh) * | 2018-06-29 | 2018-12-14 | 北京百度网讯科技有限公司 | 情绪识别方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 张迎辉等: "情感计算中的实验设计和情感度量方法研究", 《中国图象图形学报》 * |
| 张迎辉等: "情感计算中的实验设计和情感度量方法研究", 《中国图象图形学报》, no. 02, 28 February 2009 (2009-02-28) * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110166642A (zh) * | 2019-05-31 | 2019-08-23 | 上海上湖信息技术有限公司 | 一种预测式外呼方法及设备 |
| CN110246519A (zh) * | 2019-07-25 | 2019-09-17 | 深圳智慧林网络科技有限公司 | 情绪识别方法、设备及计算机可读存储介质 |
| CN110598611A (zh) * | 2019-08-30 | 2019-12-20 | 深圳智慧林网络科技有限公司 | 看护系统、基于看护系统的病人看护方法和可读存储介质 |
| CN110587621A (zh) * | 2019-08-30 | 2019-12-20 | 深圳智慧林网络科技有限公司 | 机器人、基于机器人的病人看护方法和可读存储介质 |
| CN111028827A (zh) * | 2019-12-10 | 2020-04-17 | 深圳追一科技有限公司 | 基于情绪识别的交互处理方法、装置、设备和存储介质 |
| CN111370030A (zh) * | 2020-04-03 | 2020-07-03 | 龙马智芯（珠海横琴）科技有限公司 | 语音情感检测方法与装置、存储介质、电子设备 |
| CN112085420A (zh) * | 2020-09-29 | 2020-12-15 | 中国银行股份有限公司 | 一种情绪级别确定方法、装置和设备 |
| CN113342962A (zh) * | 2021-07-07 | 2021-09-03 | 上海华客信息科技有限公司 | 客服方法、系统、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109753663B (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109753663A (zh) | 一种客户情绪分级方法及装置 | |
| US10217463B2 (en) | Hybridized client-server speech recognition | |
| KR101330328B1 (ko) | 음성 인식 방법 및 이를 위한 시스템 | |
| CN108682420B (zh) | 一种音视频通话方言识别方法及终端设备 | |
| JP6101196B2 (ja) | 音声識別方法および装置 | |
| JP6099556B2 (ja) | 音声識別方法および装置 | |
| US11580299B2 (en) | Corpus cleaning method and corpus entry system | |
| CN109410986B (zh) | 一种情绪识别方法、装置及存储介质 | |
| CN104123938A (zh) | 语音控制系统、电子装置及语音控制方法 | |
| US11842721B2 (en) | Systems and methods for generating synthesized speech responses to voice inputs by training a neural network model based on the voice input prosodic metrics and training voice inputs | |
| CN105654955B (zh) | 语音识别方法及装置 | |
| CN103559880A (zh) | 语音输入系统和方法 | |
| CN109754808B (zh) | 语音转换文字的方法、装置、计算机设备及存储介质 | |
| CN112349266B (zh) | 一种语音编辑方法及相关设备 | |
| CN113194210B (zh) | 一种语音通话接入方法及装置 | |
| CN112182181B (zh) | 智能交互方法和装置 | |
| US20220093089A1 (en) | Model constructing method for audio recognition | |
| CN114694645A (zh) | 一种确定用户意图的方法及装置 | |
| CN108231074A (zh) | 一种数据处理方法、语音助手设备及计算机可读存储介质 | |
| KR101291076B1 (ko) | 스팸 문서 판단 방법 및 그 판단 장치 | |
| WO2020095776A1 (ja) | 知識情報作成支援装置 | |
| CN115206321A (zh) | 语音关键词的识别方法、装置和电子设备 | |
| CN110858234A (zh) | 一种根据人物情感进行信息推送的方法及装置 | |
| CN105721654A (zh) | 一种联系人笔画顺序排序的方法以及移动设备 | |
| CN114283845A (zh) | 用于音频识别的模型建构方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |