CN111221950A - 一种用户弱感情的分析方法及装置 - Google Patents
一种用户弱感情的分析方法及装置 Download PDFInfo
- Publication number
- CN111221950A CN111221950A CN201911390641.1A CN201911390641A CN111221950A CN 111221950 A CN111221950 A CN 111221950A CN 201911390641 A CN201911390641 A CN 201911390641A CN 111221950 A CN111221950 A CN 111221950A
- Authority
- CN
- China
- Prior art keywords
- words
- emotion
- users
- user
- model
- 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.)
- Pending
Links
- 230000008451 emotion Effects 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000012549 training Methods 0.000 claims abstract description 36
- 238000012360 testing method Methods 0.000 claims abstract description 31
- 238000012706 support-vector machine Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 11
- 206010003549 asthenia Diseases 0.000 claims description 5
- 238000007477 logistic regression Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012856 packing Methods 0.000 claims 1
- 230000002996 emotional effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/10—Tax strategies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Technology Law (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种用户弱感情的分析方法和装置,通过获取税务智能问答系统中用户的语料库,并对所述语料库进行分词;对所述分词进行去噪和保停用词处理,获取分词中的特征词,建立特征词与用户情绪类别的对应关系;使用支持向量机模型构建用户弱感情的分析模型;使用所述特征词对所述模型进行训练和测试;使用所述用户弱感情的分析模型,对税务智能问答系统中用户的弱感情进行分析,获取用户的情绪,解决传统的主客观文本分类技术也无法对税务文本特征进行很好的训练和划分的问题。
Description
技术领域
本申请涉及人工智能领域,具体涉及一种用户弱感情的分析方法,同时涉及一种用户弱感情的分析装置。
背景技术
传统情感分析技术主要针对的是微博社区、用户评论系统或者运用于监控系统当中。客服问答系统不同于影评等评论系统以及舆情监控等监控系统,评论及舆情中有大量代表用户主观情感的词语或者情感词性的词语,而税务只能客服中中性语句远远多于情感语句,情感词以及情感词性出现极少,所以传统情感分析技术无法对税务智能客服问答系统中的用户进行情感分析。同时税务客服问答系统的目的是用于解决日常税务相关事务问题以及用户系统故障问题,因此用户不会在无事务问题时询问客服系统,所以客服系统中中性情感和弱负面情感远多于正面情感,传统的主客观文本分类技术也无法对税务文本特征进行很好的训练和划分。
发明内容
本申请提供一种用户弱感情的分析方法和装置,用于解决传统的主客观文本分类技术也无法对税务文本特征进行很好的训练和划分的问题。
本申请提供一种用户弱感情的分析方法,包括:
获取税务智能问答系统中用户的语料库,并对所述语料库进行分词;
对所述分词进行去噪和保停用词处理,获取分词中的特征词,建立特征词与用户情绪类别的对应关系;
使用支持向量机模型构建用户弱感情的分析模型;使用所述特征词对所述模型进行训练和测试;
使用所述用户弱感情的分析模型,对税务智能问答系统中用户的弱感情进行分析,获取用户的情绪。
优选的,对所述语料库进行分词,包括:
使用JieBa工具将语料库中的一句话或短语按照语义特性分成若干个词。
优选的,对所述分词进行去噪和保停用词处理,获取分词中的特征词,包括:
去除分词中的税务专用词,保留停用词,进而获取分词中的特征词。
优选的,在获取分词中的特征词的步骤之后,还包括:
对所述特征词进行词嵌入向量训练,所述训练步骤包括:
计算特征词在前后多个词下的条件概率,对每个节点做逻辑回归;
取对数函数后进行最大化优化,用梯度上升更新训练;
训练完成后的特征词的词向量为{[x1,x2,…xn]1,[x1,x2,…xn]2,…[x1,x2,…,xn]m}。
优选的,使用所述特征词对所述模型进行训练和测试,包括:
将词向量分为训练集和测试集;
将训练集输入所述用户弱感情的分析模型;
在约束条件
下求解使用目标函数
最大化的αop,其中K(XP,Xj),p,j=1,2,…P为P×P堆成矩阵K的第pj项元素,使用测试集对所述用户弱感情的分析模型进行测试获得判别准确率。
优选的,在使用测试集对所述用户弱感情的分析模型进行测试获得判别准确率的步骤之后,还包括:
修改内积核函数K(XP,X),对所述模型进行多次训练和测试,直到所述获模型的判别准确率达到预先设置的标准。
优选的,使用所述用户弱感情的分析模型,对税务智能问答系统中用户的弱感情进行分析,获取用户的情绪,包括:
将税务智能问答系统中用户的语料进行预处理,获取特征词;
使用所述用户弱感情的分析模型输出特征词对应的情绪类别,获取用户的情绪。
优选的,还包括:
对待分类的特征词,使用预先构建的分类判别函数
根据f(x)的结果判断特征词的分类,特征词的分类为特征词与用户情绪类别的对应关系。
本申请同时提供一种用户弱感情的分析装置,包括:
分词单元,获取税务智能问答系统中用户的语料库,并对所述语料库进行分词;
对应关系建立单元,对所述分词进行去噪和保停用词处理,获取分词中的特征词,建立特征词与用户情绪类别的对应关系;
模型训练与测试单元,使用支持向量机模型构建用户弱感情的分析模型;使用所述特征词对所述模型进行训练和测试;
情绪分析单元,使用所述用户弱感情的分析模型,对税务智能问答系统中用户的弱感情进行分析,获取用户的情绪。
优选的,分词单元,包括:
特征词获取子单元,去除分词中的税务专用词,保留停用词,进而获取分词中的特征词
本申请提供一种用户弱感情的分析方法和装置,通过获取税务智能问答系统中用户的语料库,并对所述语料库进行分词;对所述分词进行去噪和保停用词处理,获取分词中的特征词,建立特征词与用户情绪类别的对应关系;使用支持向量机模型构建用户弱感情的分析模型;使用所述特征词对所述模型进行训练和测试;使用所述用户弱感情的分析模型,对税务智能问答系统中用户的弱感情进行分析,获取用户的情绪,解决传统的主客观文本分类技术也无法对税务文本特征进行很好的训练和划分的问题。
附图说明
图1是本申请提供的一种用户弱感情的分析方法的流程示意图;
图2是本申请涉及的种用户弱感情的分析系统的架构图;
图3是本申请涉及的支持向量机神经网络结构图;
图4是本申请提供的一种用户弱感情的分析装置的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
图1是本申请提供的一种用户弱感情的分析方法的流程示意图,下面结合图1,对本申请提供的方法进行详细说明。
步骤S101,获取税务智能问答系统中用户的语料库,并对所述语料库进行分词。
历史税务相关系统中积累了大量的税务问答语料,将这些语料过行整理,作为税务智能问答系统中用户的语料库。税务问答数据中用户情感整体上呈现一种不平衡性,基本符合80-20法则,可以看出80%的用户问题是客观的不包含用户感情的,只有20%的用户问题是带有微弱感情的,我们需要对这20%的用户情感进行情感分析,获得用户情绪。首先对用户税务问答问题语料库进行分词,分词策略采用JieBa工具将语料库中的一句话或短语按照语义特性分成若干个词。在分词的过程中还可以根据词性和词语序列基于不同位置赋给不同的词不同的权重。首先,可以基于Trie树结构实现高效的词图扫描,生成句子中汉字所有可能成词情况所构成的有向无环图(DAG)。其次,采用了动态规划查找最大概率路径,找出基于词频的最大切分组合。最后,对于未登录词,采用了基于汉字成词能力的HMM模型,使用了Viterbi算法
步骤S102,对所述分词进行去噪和保停用词处理,获取分词中的特征词,建立特征词与用户情绪类别的对应关系。
去噪和保停用词处理包括,去除分词中的税务专用词,保留停用词,进而获取分词中的特征词。选择的特征词主要包括以下几种,情感形容词、主观人称代词、情感标点、感叹词、主观动词。
在智能客服税务问答中,问题基本不含情感形容词,因此情感形容词提取不符合实际情况。税务问答语料中,情感标点多出现在报错中,因此经过去专业词后需要进一步去除情感标点。传统文本特征选择需要去停用词,但是税务智能客服系统中,传统停用词包含很多用户主观信息,因此保留语料停用词特征。税务问答当中包含了许多诸如“您好”、“谢谢”等主谓短语,表现用户的主观性,应与主观动词相同对待。
建立特征词与用户情绪类别的对应关系,其方法包括,主客观情感分类和情感词票注。其中主客观情感分类,根据问题的分类对用户情感进行主客观判别,用户询问不同类型问题时的情感并不相同。在税务问答智能客服系统中,用户问题分为法务工商咨询、财税日常问题、基本操作、常见问题、条例通知等多种类别,用户在询问不同类别的问题时着急程度是不同的。据此,通过问题分类对用户的主客观进行划分,辅助判别用户情绪。特征词情感标注:客服系统的目的和用途是用于解决日常事务问题,客服问答系统中用户的中性情感和弱负面情感远多于正面情感,因此部分需要在影评等评论系统中的前后文关联词及语气助词等使用上面可以忽略前后文关系,而标注为负面情感。如代词、转折、递进、并列、程度副词等。
接下来,对特征词进行词嵌入向量训练,也可以在建立特征词与用户情绪类别的对应关系之前执行此步骤,其执行顺序不影响方法的最终结果。所述训练步骤包括:计算特征词在前后多个词下的条件概率,对每个节点做逻辑回归;取对数函数后进行最大化优化,用梯度上升更新训练;训练完成后的特征词的词向量为{[x1,x2,…xn]1,[x1,x2,…xn]2,…[x1,x2,…,xn]m}。
步骤S103,使用支持向量机模型构建用户弱感情的分析模型;使用所述特征词对所述模型进行训练和测试。
支持向量机模型从分类判别函数形式上类似于一个三层前馈神经网络,其结构如图3所示,隐层节点对应输入样本与一个支持向量的内积核函数,输出节点对应于隐层输出的线性组合。接下来就是使用支持向量机模型构建用户弱感情的分析模型,使用所述特征词对所述模型进行训练和测试。具体步骤如下:
将词向量分为训练集和测试集,遵循二八原则,80%的词向量作为训练集,20%的词向量作为测试集。将训练集输入所述用户弱感情的分析模型。
在约束条件
下求解使用目标函数
最大化的αop,其中K(XP,Xj),p,j=1,2,…P为P×P堆成矩阵K的第pj项元素,使用测试集对所述用户弱感情的分析模型进行测试获得判别准确率。
修改内积核函数K(XP,X),对所述模型进行多次训练和测试,直到所述获模型的判别准确率达到预先设置的标准。
步骤S104,使用所述用户弱感情的分析模型,对税务智能问答系统中用户的弱感情进行分析,获取用户的情绪。
将税务智能问答系统中用户的语料进行预处理,获取特征词;使用所述用户弱感情的分析模型输出特征词对应的情绪类别,获取用户的情绪。
对待分类的特征词,使用预先构建的分类判别函数
根据f(x)的结果判断特征词的分类,特征词的分类为特征词与用户情绪类别的对应关系。
基于同一发明构思,本申请同提供一种用户弱感情的分析装置400,如图4所示,包括:
分词单元410,获取税务智能问答系统中用户的语料库,并对所述语料库进行分词;
对应关系建立单元420,对所述分词进行去噪和保停用词处理,获取分词中的特征词,建立特征词与用户情绪类别的对应关系;
模型训练与测试单元430,使用支持向量机模型构建用户弱感情的分析模型;使用所述特征词对所述模型进行训练和测试;
情绪分析单元440,使用所述用户弱感情的分析模型,对税务智能问答系统中用户的弱感情进行分析,获取用户的情绪。
优选的,分词单元,包括:
特征词获取子单元,去除分词中的税务专用词,保留停用词,进而获取分词中的特征词
本申请提供的一种用户弱感情的分析方法及装置,具有如下优点:
与现有的短文本分类模型相比,本专利旨在解决传统主客观情感分类和情感分析方法无法适应税务专业领域智能客服问答系统,划分效果差的缺点。通过综合税务问答相关语料的文本特征以及使用税务系统智能客服的用户的语法习惯及语气习惯,对用户会话的主观情感进行细致的判别和划分。与已有方法相比,此模型最大限度的利用了非专业相关信息,提高了对弱情感问题的判断能力,充分利用了词语之间的序列信息,并通过支持向量机对用户情绪有了较好判别,有效解决了传统的主客观文本分类技术也无法对税务文本特征进行很好的训练和划分的问题。
最后应该说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种用户弱感情的分析方法,其特征在于,包括:
获取税务智能问答系统中用户的语料库,并对所述语料库进行分词;
对所述分词进行去噪和保停用词处理,获取分词中的特征词,建立特征词与用户情绪类别的对应关系;
使用支持向量机模型构建用户弱感情的分析模型;使用所述特征词对所述模型进行训练和测试;
使用所述用户弱感情的分析模型,对税务智能问答系统中用户的弱感情进行分析,获取用户的情绪。
2.根据权利要求1所述的方法,其特征在于,对所述语料库进行分词,包括:
使用JieBa工具将语料库中的一句话或短语按照语义特性分成若干个词。
3.根据权利要求1所述的方法,其特征在于,对所述分词进行去噪和保停用词处理,获取分词中的特征词,包括:
去除分词中的税务专用词,保留停用词,进而获取分词中的特征词。
4.根据权利要求1所述的方法,其特征在于,在获取分词中的特征词的步骤之后,还包括:
对所述特征词进行词嵌入向量训练,所述训练步骤包括:
计算特征词在前后多个词下的条件概率,对每个节点做逻辑回归;
取对数函数后进行最大化优化,用梯度上升更新训练;
训练完成后的特征词的词向量为{[x1,x2,…xn]1,[x1,x2,…xn]2,…[x1,x2,…,xn]m}。
6.根据权利要求5所述的方法,其特征在于,在使用测试集对所述用户弱感情的分析模型进行测试获得判别准确率的步骤之后,还包括:
修改内积核函数K(XP,X),对所述模型进行多次训练和测试,直到所述获模型的判别准确率达到预先设置的标准。
7.根据权利要求1所述的方法,其特征在于,使用所述用户弱感情的分析模型,对税务智能问答系统中用户的弱感情进行分析,获取用户的情绪,包括:
将税务智能问答系统中用户的语料进行预处理,获取特征词;
使用所述用户弱感情的分析模型输出特征词对应的情绪类别,获取用户的情绪。
9.一种用户弱感情的分析装置,其特征在于,包括:
分词单元,获取税务智能问答系统中用户的语料库,并对所述语料库进行分词;
对应关系建立单元,对所述分词进行去噪和保停用词处理,获取分词中的特征词,建立特征词与用户情绪类别的对应关系;
模型训练与测试单元,使用支持向量机模型构建用户弱感情的分析模型;使用所述特征词对所述模型进行训练和测试;
情绪分析单元,使用所述用户弱感情的分析模型,对税务智能问答系统中用户的弱感情进行分析,获取用户的情绪。
10.根据权利要求1所述的装置,其特征在于,分词单元,包括:
特征词获取子单元,去除分词中的税务专用词,保留停用词,进而获取分词中的特征词。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911390641.1A CN111221950A (zh) | 2019-12-30 | 2019-12-30 | 一种用户弱感情的分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911390641.1A CN111221950A (zh) | 2019-12-30 | 2019-12-30 | 一种用户弱感情的分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111221950A true CN111221950A (zh) | 2020-06-02 |
Family
ID=70811125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911390641.1A Pending CN111221950A (zh) | 2019-12-30 | 2019-12-30 | 一种用户弱感情的分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111221950A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080249764A1 (en) * | 2007-03-01 | 2008-10-09 | Microsoft Corporation | Smart Sentiment Classifier for Product Reviews |
CN106649561A (zh) * | 2016-11-10 | 2017-05-10 | 复旦大学 | 面向税务咨询业务的智能问答系统 |
US20170169008A1 (en) * | 2015-12-15 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for sentiment classification |
US20180174020A1 (en) * | 2016-12-21 | 2018-06-21 | Microsoft Technology Licensing, Llc | Systems and methods for an emotionally intelligent chat bot |
CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
CN108536681A (zh) * | 2018-04-16 | 2018-09-14 | 腾讯科技(深圳)有限公司 | 基于情感分析的智能问答方法、装置、设备及存储介质 |
CN109670167A (zh) * | 2018-10-24 | 2019-04-23 | 国网浙江省电力有限公司 | 一种基于Word2Vec的电力客服工单情感量化分析方法 |
CN110348024A (zh) * | 2019-07-23 | 2019-10-18 | 天津汇智星源信息技术有限公司 | 基于法律知识图谱的智能识别系统 |
WO2019200806A1 (zh) * | 2018-04-20 | 2019-10-24 | 平安科技(深圳)有限公司 | 文本分类模型的生成装置、方法及计算机可读存储介质 |
CN110427616A (zh) * | 2019-07-19 | 2019-11-08 | 山东科技大学 | 一种基于深度学习的文本情感分析方法 |
-
2019
- 2019-12-30 CN CN201911390641.1A patent/CN111221950A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080249764A1 (en) * | 2007-03-01 | 2008-10-09 | Microsoft Corporation | Smart Sentiment Classifier for Product Reviews |
US20170169008A1 (en) * | 2015-12-15 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for sentiment classification |
CN106649561A (zh) * | 2016-11-10 | 2017-05-10 | 复旦大学 | 面向税务咨询业务的智能问答系统 |
US20180174020A1 (en) * | 2016-12-21 | 2018-06-21 | Microsoft Technology Licensing, Llc | Systems and methods for an emotionally intelligent chat bot |
CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
CN108536681A (zh) * | 2018-04-16 | 2018-09-14 | 腾讯科技(深圳)有限公司 | 基于情感分析的智能问答方法、装置、设备及存储介质 |
WO2019200806A1 (zh) * | 2018-04-20 | 2019-10-24 | 平安科技(深圳)有限公司 | 文本分类模型的生成装置、方法及计算机可读存储介质 |
CN109670167A (zh) * | 2018-10-24 | 2019-04-23 | 国网浙江省电力有限公司 | 一种基于Word2Vec的电力客服工单情感量化分析方法 |
CN110427616A (zh) * | 2019-07-19 | 2019-11-08 | 山东科技大学 | 一种基于深度学习的文本情感分析方法 |
CN110348024A (zh) * | 2019-07-23 | 2019-10-18 | 天津汇智星源信息技术有限公司 | 基于法律知识图谱的智能识别系统 |
Non-Patent Citations (1)
Title |
---|
张瑞等: "情感介入式智能客户服务系统", 情报理论与实践, no. 08, 30 August 2016 (2016-08-30) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108363743B (zh) | 一种智能问题生成方法、装置和计算机可读存储介质 | |
CN108170681A (zh) | 文本情感分析方法、系统及计算机可读存储介质 | |
CN104137102A (zh) | 非事实型询问应答系统以及计算机程序 | |
CN112257966B (zh) | 模型处理方法、装置、电子设备及存储介质 | |
CN107247751B (zh) | 基于lda主题模型的内容推荐方法 | |
CN111221939A (zh) | 评分方法、装置和电子设备 | |
CN112417127A (zh) | 对话模型的训练、对话生成方法、装置、设备及介质 | |
CN114528919A (zh) | 自然语言处理方法、装置及计算机设备 | |
CN111339772B (zh) | 俄语文本情感分析方法、电子设备和存储介质 | |
CN107818173B (zh) | 一种基于向量空间模型的中文虚假评论过滤方法 | |
CN111241397A (zh) | 一种内容推荐方法、装置和计算设备 | |
CN114153955A (zh) | 一种融合闲聊和常识的多技能任务型对话系统构建方法 | |
Solovyev et al. | Sentiment in academic texts | |
CN113486174B (zh) | 模型训练、阅读理解方法、装置、电子设备及存储介质 | |
CN114416969A (zh) | 一种基于背景增强的lstm-cnn在线评论情感分类方法及系统 | |
CN111815426B (zh) | 一种涉及金融投研的数据处理方法及终端 | |
CN111159405B (zh) | 基于背景知识的讽刺检测方法 | |
Nama et al. | Sentiment analysis of movie reviews: A comparative study between the naive-bayes classifier and a rule-based approach | |
CN112464664B (zh) | 一种多模型融合中文词汇复述抽取方法 | |
CN111221950A (zh) | 一种用户弱感情的分析方法及装置 | |
CN115080690A (zh) | 一种基于nlp的试卷文本自动化批改方法及系统 | |
Tho et al. | A comparison of lexicon-based and transformer-based sentiment analysis on code-mixed of low-resource languages | |
Malova et al. | Recognition of emotions in verbal messages based on neural networks | |
CN114064873A (zh) | 保险领域faq知识库构建方法、装置及电子设备 | |
CN114461758A (zh) | 一种基于在线社交网络的用户人格识别方法 |
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 |