CN111309899A - 对话情感分析方法及装置、存储介质和处理器 - Google Patents

Abstract

本发明公开了一种对话情感分析方法及装置、存储介质和处理器。其中，该方法包括：获取第一用户与第二用户之间的对话内容，其中，第一用户为服务提供者，第二用户为服务对象；对对话内容中的每条消息进行单独情感分析，得到第一分析结果，以及基于每条消息情感分析的第一分析结果对对话内容进行整体情感分析，得到第二分析结果；至少根据第一分析结果和第二分析结果分别确定第一用户与第二用户在对话内容中的情感变化趋势。本发明解决了相关技术中对于消费者与客服的对话内容的情感倾向，客服自己的理解和判断存在主观臆断的技术问题。

Description

对话情感分析方法及装置、存储介质和处理器

技术领域

本发明涉及计算机领域，具体而言，涉及一种对话情感分析方法及装置、存储介质和处理器。

背景技术

在日常的消费过程中，消费者与客服的沟通过程是商家判断消费者的情感倾向的重要参考数据；而相关技术中，对于消费者与客服的对话内容的情感倾向，需要客服 通过当前的对话内容自己去理解和判断消费者的情感倾向，而在客服的判断往往存在 主观臆断，进而会导致判断失误。

针对相关技术中的上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种对话情感分析方法及装置、存储介质和处理器，以至少解决了相关技术中对于消费者与客服的对话内容的情感倾向，客服自己的理解和判断 存在主观臆断的技术问题。

根据本发明实施例的一个方面，提供了一种对话情感分析方法，包括：获取第一用户与第二用户之间的对话内容，其中，所述第一用户为服务提供者，所述第二用户 为服务对象；对所述对话内容中的每条消息进行单独情感分析，得到第一分析结果以 及基于每条消息情感分析的第一分析结果对所述对话内容进行整体情感分析，得到第 二分析结果；至少根据所述第一分析结果和所述第二分析结果分别确定所述第一用户 与所述第二用户在所述对话内容中的情感变化趋势。

根据本发明的另一个方面，提供了一种对话情感分析装置，包括：获取模块，用 于获取第一用户与第二用户之间的对话内容，其中，所述第一用户为服务提供者，所 述第二用户为服务对象；分析模块，用于对所述对话内容中的每条消息进行单独情感 分析得到第一分析结果，以及基于每条消息情感分析的第一分析结果对所述对话内容 进行整体情感分析，得到第二分析结果；确定模块，用于至少根据所述第一分析结果 和所述第二分析结果分别确定所述第一用户与所述第二用户在所述对话内容中的情感 变化趋势。

根据本发明实施例的另一个方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述的对话情感分 析方法。

根据本发明实施例的另一个方面，提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时上述的对话情感分析方法。

在本发明实施例中，能够对服务提供者的第一用户与服务对象的第二用户的对话内容中的每一条消息进行单独情感分析得到第一分析结果以及基于该第一分析结果对 对话内容进行整体情感分析得到第二分析结果，根据该第一分析结果和第二分析结果 来判断第一用户和第二用户在对话内容中的情感变化趋势，能够快速确定双方的意向、 态度、满意度等等，以使得双方根据该情感变化趋势调整后续对话内容，从而解决了 相关技术中对于消费者与客服的对话内容的情感倾向，客服自己的理解和判断存在主 观臆断的问题，达到了提高沟通成功率的效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图 中：

图1示出了一种用于实现对话情感分析方法的计算机终端(或移动设备)的硬件结构框图；

图2是根据本发明实施例的对话情感分析方法的流程图；

图3是根据本发明实施例的对话情感分析装置的结构示意图；

图4是根据本发明实施例的对话情感分析装置的可选结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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 仅仅是本发明一部分的实施例，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前提下所获得的所有其他实施例，都应当属于 本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这 样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在 这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的 任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方 法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚 地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，还提供了一种对话情感分析方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行， 并且，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。

本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现对话情感分析方法的计算机终端(或移动设 备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或 多个(图1中采用102a、102b，……，102n来示出)处理器102(处理器102可以包 括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存 储器104、以及用于通信功能的传输模块106。除此以外，还可以包括：显示器、输入 /输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一 个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所 示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10 还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、 固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分 的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施 例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻 终端路径的选择)。

存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的() 方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件 程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的漏洞 检测方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或 者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器 104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网 络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、 移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个 网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备 相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。

在上述运行环境下，本申请提供了如图2所示的对话情感分析方法。图2是根据 本发明实施例的对话情感分析方法的流程图，如图2所示，该方法的步骤包括：

步骤S202，获取第一用户与第二用户之间的对话内容，其中，第一用户为服务提供者，第二用户为服务对象；

需要说明的是，由于本实施例中的第一用户为服务提供者，第二用户为服务对象；因此，在具体应用场景中，该第一用户可以是网购平台某一商家的客服，而第二用户 则为咨询该商家商品的网购用户。如果该商家的商品是衣服的话，则该第一用户与第 二用户之间的对话内容可以是：第二用户咨询的某一件衣服的材质、大小、折扣等等， 以及第一用户根据第二用户咨询的问题所回复的相关内容。当然，上述第一用户和第 二用户并不局限于是网购平台的用户，也可以是其他咨询服务类平台的用户。当然， 上述网购的具体应用场景仅仅是举例说明，也可以是其他能够场景，例如，电信服务 业中客服与机主之间的对话内容，也可以是咨询服务业中的客服与顾客之间的对话内 容，或者是其他场景中的对话内容等等。只要是存在两者之间的对话内容，则可以应 用本申请进行情感倾向的分析。

步骤S204，对对话内容中的每条消息进行单独情感分析得到第一分析结果，以及基于每条消息情感分析的第一分析结果对对话内容进行整体情感分析，得到第二分析 结果；

其中，以网购平台中消费者作为第二用户，商家客服作为第一用户为例，其对话内容为，消费者问：“平时穿34的裤子，选哪个码子？”；客服回：“请问身高是多少 厘米？”可见，这段对话内容中消费者问了问题，客服针对问题进行了回应，没有其他 客套或增加好感的语气词。因此，对这段对话的每条消息进行单独情感分析，得到的 第一分析结果为中性，即每条消息的情感程度均为中性，从而也可以基于该第一分析 结果得到整体的情感程度也是中性，即变化趋势一致是中性。当然，也有情感为正面 的或者是负面的，例如正面的是，消费者问：“麻烦明早帮我发快递”。客服回“可以 的，亲”。负面的是，消费者在连发了几条信息都没有收到回应后：“是不是连信息都 懒得看”，客服回应：“是的”。而对于一段对话内容有正面，负面、中性的情感程度的 情况下，可以根据具体每条消息的情感分析得到的第一分析结果得到用于表征整体的 情感倾向的第二分析结果，例如，在网购的退货对话内容中，顾客一开始的语气与谈 话内容都是不友善的，用词也比较尖锐，但是客服的会话一致是非常客气的，在客服 的友好的态度下，顾客的态度也慢慢变好了，最终和平的退了货，并选择了其他商品 来代替。可见，对该顾客第一分析结果为情感由负面到中性直到最后的正面，这样就 得到顾客的整体情感分析的第二分析结果为正面，进而得到整个对话过程中的情感变 化趋势。

步骤S206，至少根据第一分析结果和第二分析结果分别确定第一用户与第二用户在对话内容中的情感变化趋势。

其中，该情感变化趋势可以是一开始是中性的，后续沟通过程中可能由于客服回复不及时或者客服态度不好，则对对话内容的中的消息分析得到此时的对话内容为负 面。也就是说，根据前面对话内容，第二用户的情感由中性变为负面。客服看到这个 情感变化之后，得到的结论是如果继续不理会或态度不好则第二用户的情感将会以更 加负面的趋势演化。因此，根据该情感变化趋势，客服可以以端正态度或积极回复消 息，并对问题进行耐心解释的方式进行回复，从而使得双方的对话内容回到了正面结 果。

通过上述步骤S202至步骤S206可知，能够对服务提供者的第一用户与服务对象的第二用户的对话内容中的每一条消息进行情感分析得到第一分析结果以及基于该第 一分析结果对对话内容进行整体情感分析得到第二分析结果，根据该第一分析结果和 第二分析结果来判断第一用户和第二用户在对话内容中的情感变化趋势，能够快速确 定双方的意向、态度、满意度等等，以使得双方根据该情感变化趋势调整后续对话内 容，从而解决了相关技术中对于消费者与客服的对话内容的情感倾向，客服自己的理 解和判断存在主观臆断的问题，达到了提高沟通成功率的效果。

在本实施例的可选实施方式中，对于本实施例步骤S204中涉及到的对对话内容中的每条消息进行单独情感分析以及对对话内容进行整体情感分析，得到分析结果的方 式，可以通过如下方式来实现：

步骤S204-11，基于文本分析模型识别对话内容中的每条消息对应的意图；

其中，该文本分析模型可以是通过关键字或者是整句话为模型来确定其意图，该意图对于服务对象的第二用户可以包括：打招呼、常规问题咨询、问题描述、常规回 答客服问题、请求客服操作、礼貌语、不耐烦问题咨询、态度不端正回应等等；而该 意图对应的对于提供服务的第一用户可以包括：欢迎语、解答客服问题、引导客服操 作、问客户问题、礼貌语、结束语、态度不端正回应等等。需要说明的是，上述意图 仅仅是举例说明，还可以包括其他意图，上述举例说明并不构成对本申请的限定。

步骤S204-12，根据识别出的每条消息对应的意图进行情感分析，得到第一分析结果，以及基于该第一分析结果对所述对话内容进行整体情感分析，得到所述第二分 析结果。

其中，以网购平台中消费者作为第二用户，商家客服作为第一用户为例，其对话内容为意图为问题咨询与解答客服问题，如消费者问：“平时穿34的裤子，选哪个码 子？”；客服回：“请问身高是多少厘米？”可见，这段对话内容中消费者问了问题，客 服针对问题进行了回应，没有其他客套或增加好感的语气词。因此，对这段对话的每 条消息进行情感分析，得到的每条消息的第一分析结果均为中性，即每条消息的情感 程度均为中性，从而得到对话内容的整体情感分析的第二分析结果也为中性。当然， 也有情感为正面的或者是负面的，例如正面的是，对话内容为意图为问题咨询与解答 客服问题，消费者问：“麻烦明早帮我发快递”，客服回“可以的，亲”。在该问题咨询 与解答客服问题中，客服对于消费者的问题进行积极回复，并附带上了带有尊称的“亲”， 从而使得消费者对客服的回答比较满意。负面的是，对话内容为请求客服操作与回应 操作结论，消费者在连发了几条信息都没有收到回应后：“是不是连信息都懒得看”， 客服回应：“是的”。在该消息对应的意图中分析出消费者的不满和客服的服务态度差 的结论。因此，基于每条消息的情感分析得到第一分析结果，进而可以基于该第一分 析结果得到对话内容的整体的情感分析结果，例如，根据顾客前面每条消息进行情感 分析的第一分析结果为情感倾向均是负面，经过客服处理，后续顾客的情感偏正面， 那么整段对话的客户的情感也是偏正面的，即第二分析结果为正面的。但是如果客户 的情绪始终是负面的，没有发生转变，那么整段对话客户的情感也还是负面的，即第 二分析结果为负面的。

需要说明的是，对于本实施例中涉及到的文本分析模型可以通过训练得到，也就是说，在本实施例的步骤S204-11的在基于文本分析模型识别对话内容中的每条消息 对应的意图之前，本实施例的方法步骤还可以包括：

步骤S208，采用样本数据对文本分析模型进行训练，输出预判意图标签，其中， 样本数据包括以下之一：与第一用户关联的消息样本、与第二用户关联的消息样本；

其中，对于上述样本数据中的与第一用户关联的消息样本和与第二用户关联的消息样本，在具体实施方式中可以是，例如，与第一用户关联的消息样本“亲，您报一 下您的身高、体重”、“亲，我们的产品是百分百纯棉的”、“本店支持七天无理由退货 的”、“当天下午三点前付款的当天发货”；与第二用户关联的消息样本“付款后什么时 候能够发货？”、“你们的尺码标准码？”、“支持退货的吧？”。当然上述消息样本仅仅 是举例说明，还可以是其他消息样本，样本越多越好，这其中最好是不同的情感程度 都具有比较均衡的比例，例如将情感程度划分为：负面、中性、正面；对于这三种情 感程度的样本尽量都是均很覆盖，这样才能保证输出的预判意图标签比较合理，进而 以便后续情感分析。需要说明的是，该情感程度的划分也仅仅是举例说明，也可以根 据实际请将情感程度更加细分的划分，例如负面可以划分为：非常负面和一般负面； 正面可以划分为一般正面和非常正面。也就是说，情感程度的划分可以根据实际情感 进行相应的设置和调整，上述仅仅是举例说明。

步骤S210，将预判意图标签与目标意图标签进行比对，得到比对结果；

步骤S212，根据比对结果调整文本分析模型所使用的模型参数，并重新采用样本数据对调整后的文本分析模型进行重复训练，直至预判意图标签与目标意图标签相匹 配。

其中，是由于预判意图标签与目标意图标签不相匹配或者是不完全相匹配，则需要调整文本分析模型所使用的模型参数，即该模型参数能够对样本数据进行调整，进 而对调整后的样本数据进行重复训练，直至预判意图标签与目标意图标签相匹配。也 就是说，通过步骤S210和步骤S212可以将文本分析模型中的意图标签与目标意图标 签相匹配，得到最终想要的文本分析模型。

在本实施例的另一个可选实施方式中，对于本实施例中上述步骤S204-11涉及到的基于文本分析模型识别对话内容中的每条消息对应的意图的方式可以是包括：

步骤S204-111，确定对话内容中的每条消息的消息来源；

其中，消息的来源就是指在对话内容该消息是由谁发出的，即是由第一用户(客服)发出的还是由第二用户(消费者/客户)发出的，例如在一段对话中：

客户：什么时候发货？

客户：发什么快递？

客服：在的哦，亲。

客服：亲，快递默认A快递、B快递、以及C快递；暂时没有其他快递哦，也不 接受指定快递哦，麻烦您谅解哈。

客户：今天能不能发货？

客服：亲，这边会尽快给您安排发出的哦；

客户：大概什么时候发？

客户：不要尽快！！

客服：亲，具体时间需要看仓库那边的安排哦。

客服：仓库那边会加紧安排处理的哦。

客户：嗯嗯，麻烦尽快吧。

客服：好的哦。

可见，在上述对话中“什么时候发货”、“发什么快递？”、“大概什么时候发？”、 “不要尽快！！”、“嗯嗯，麻烦尽快吧”，这些都是客户发的。而“在的哦，亲”、“亲， 快递默认申通、圆通、邮政暂时没有其他快递哦，也不接受指定快递哦，麻烦您谅解 哈”、“亲，这边会尽快给您安排发出的哦”、“亲，具体时间需要看仓库那边的安排哦” “仓库那边会加紧安排处理的哦”、“好的哦”，这些都是由客服回应或发出的。

步骤S204-112，将对话内容中的每条消息输入至与消息来源对应的文本分析模型， 输出预判意图标签；

步骤S204-113，根据预判意图标签识别对话内容中的每条消息对应的意图。

其中，对于步骤S204-112和步骤S204-113，在确定了每条消息的来源之后，才 能进一步输出该消息的预判意图标签，进而确定每条消息对应的意图。还是以上述步 骤S204-111中对话为例，对于客户发出的“什么时候发货”、“发什么快递？”输入 至与消息来源对应的文本分析模型，得到的意图是问题咨询；而将顾客发出的是“大 概什么时候发？”、“不要尽快！！”输入对应的文本分析模型，则得到的意图是不耐烦。 而将客服回复的“亲，快递默认A快递、B快递、以及C快递，暂时没有其他快递哦， 也不接受指定快递哦，麻烦您谅解哈”、“亲，这边会尽快给您安排发出的哦”输入至 对应的文本分析模型，则得到的意图是解答客户问题；而将客服回复的“亲，这边会 尽快给您安排发出的哦”、“亲，具体时间需要看仓库那边的安排哦”“仓库那边会加紧 安排处理的哦”输入至对应的文本分析模型，则得到的意图为礼貌回复客户。也就是 说，通过上述步骤可以确定对话内容中的每一条消息的意图。

在本实施例的另一个可选实施方式中，对于本实施例步骤S204-12中涉及到的根据识别出的每条消息对应的意图进行单独情感分析以及对对话内容进行整体情感分析，得到分析结果的方式，可以通过如下方式来实现：

步骤S204-121，根据识别出的每条消息对应的意图从情感多标签分类关系中确定关联的情感标签，其中，情感多标签分类关系用于维护每条消息对应的意图标签与情 感标签之间的映射关系，情感多标签分类包括：至少一个层级的负面情感标签、中性 情感标签、至少一个层级的正面情感标签；

其中，基于上述本实施例中的分析可知，在本实施例中意图对于服务对象的第二用户可以包括：打招呼、常规问题咨询、问题描述、常规回答客服问题、请求客服操 作、礼貌语、不耐烦咨询、态度不端正回应等等；而该意图对应的对于提供服务的第 一用户可以包括：欢迎语、解答客服问题、引导客服操作、问客户问题、礼貌语、结 束语、态度不端正回应等等。

以上述S204-111中对话为例，根据该情感多标签分类关系来确定关联的情感标签；

客户：什么时候发货？(常规问题咨询，因此对应于中性情感标签)

客户：发什么快递？(常规问题咨询，因此对应于中性情感标签)

客服：在的哦，亲。(常规欢迎语，因此对应于中性情感标签)

客服：亲，快递默认申通、圆通、邮政暂时没有其他快递哦，也不接受指定快递 哦，麻烦您谅解哈。(常规解答客户问题，因此对应于中性情感标签)

客户：今天能不能发货？(常规问题咨询，因此对应于中性情感标签)

客服：亲，这边会尽快给您安排发出的哦；(常规解答客服问题，因此对应于中性情感标签)

客户：大概什么时候发？，不要尽快！！(不耐烦咨询、带有一定的负面情绪，因 此是负面情感标签)

客服：亲，具体时间需要看仓库那边的安排哦。(积极回应客户，正面情感标签)

客服：仓库那边会加紧安排处理的哦。(积极回应客户，正面情感标签)

客户：嗯嗯，麻烦尽快吧。(礼貌回应，正面情感标签)

客服：好的哦。(结束用语，正面情感标签)

由上述对话内容可知，可以根据每条消息对应的意图确定关联的情感标签。在本实施例中负面情感标签可以包括一般负面情感标签和非常负面情感标签；正面情感标 签可以包括：一般正面情感标签和非常正面情感标签。当然还可以是将情感标签更加 的细化的划分，上述仅仅是举例说明。

步骤S204-122，根据情感标签对应的情感程度确定第一分析结果和第二分析结果。

以上述步骤S204-122中的对话内容为例，根据对话内容中每条消息的情感标标签能够确定每一条消息的情感程度，而基于每一条消息的情感标签从整体上可以确定客 户(第二用户)和客服(第一用户)的整体情感，在上述对话内容中，客服由于体现 了不耐烦、着急的负面情绪，因此整体上该客户的整体情绪为负面的，而客服一直是 积极回应，因此该客服的整体情感是正面的。

下述对话内容则是客户和客服整体情感均为负面的对话。

客户：这个用电量大吗？(常规问题咨询，中性情感标签)

客户：跟风扇比起来哪个用电量大？(常规问题咨询，中性情感标签)

客服：一小时0.075度电。(常规解答客户问题，中性情感标签)

客户：风扇呢？(常规问题咨询，中性情感标签)

客服：我怎么知道你说的风扇是什么风扇，也不知道多少功率的。(不耐烦解答客户问题，负面情感标签)

客户：渍渍！！你这态度绝了！！(不耐烦回应，负面情感标签)

客服：你不觉得你的问题很奇怪呢？问个“风扇呢”，风扇多了去了。(不耐烦解 答客户问题，负面情感标签)

客户：你不知道说个大约的？(不耐烦回应，负面情感标签)

客服：？？？？(消极回应，负面情感标签)

可见，上述双方在常规咨询与常规回答后，均进入到态度不端正的对话中，因此，两者整体情感均是负面的。

在本实施例的再一个可选实施方式中，本实施例步骤S206中涉及到的根据分析结果分别确定第一用户与第二用户在对话内容中的情感变化趋势的方式，可以通过如下 方式来实现：

步骤S206-11，通过第一分析结果对对话内容中的每条消息对应的情感程度进行统计，得到第一统计结果，通过第二分析结果对所述对话内容按照时间进行的情感变 化进行统计，得到第二统计结果；

其中，对于上述统计的方式首先是要将整个对话内容每条消息的情感程度进行统计，即每一条消息都有对应的情感标签得到第一统计结果。然后，就是基于整个对话 内容，对每个情感标签产生的时间节点进行标记，也就是说，需要每个情感标签是在 对话内容哪个时间段产生的，进而可以根据该第一分析结果以及对话内容的时间进度 情感变化进行统计，得到第二统计结果。

步骤S206-12，至少根据统第一统计结果和第二统计结果分别确定第一用户与第二用户在对话内容中的情感变化趋势。

其中，根据第一统计结果和第二统计结果确定第一用户与第二用户的情感变化趋势，例如，根据第一统计结果和第二统计结果，当前第二用户的整体情绪是负面的， 接下来第二用户的整体情绪依然可能会是负面的，因此，第一用户可以根据该第二用 户的整体情绪变化趋势来改变回应内容。在具体应用场景中，客户一开始的倾向是负 面，经过客服处理，偏正面，那么整段对话的客户的情感也是偏正面的。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限 制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术 人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块 并不一定是本发明所必须的。

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根据上述实施例的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，或者网络设备等)执行本发明各个实施例所述 的方法。

实施例2

根据本发明实施例，还提供了一种用于实施上述对话情感分析方法的对话情感分析装置，图3是根据本发明实施例的对话情感分析装置的结构示意图，如图3所示， 该装置包括：

获取模块32，用于获取第一用户与第二用户之间的对话内容，其中，第一用户为服务提供者，第二用户为服务对象；

需要说明的是，由于本实施例中的第一用户为服务提供者，第二用户为服务对象；因此，在具体应用场景中，该第一用户可以是网购平台某一商家的客服，而第二用户 则为咨询该商家商品的网购用户。如果该商家的商品是衣服的话，则该第一用户与第 二用户之间的对话内容可以是：第二用户咨询的某一件衣服的材质、大小、折扣等等， 以及第一用户根据第二用户咨询的问题所回复的相关内容。当然，上述第一用户和第 二用户并不局限于是网购平台的用户，也可以是其他咨询服务类平台的用户。当然， 上述网购的具体应用场景仅仅是举例说明，也可以是其他能够场景，例如，电信服务 业中客服与机主之间的对话内容，也可以是咨询服务业中的客服与顾客之间的对话内 容，或者是其他场景中的对话内容等等。只要是存在两者之间的对话内容，则可以应 用本申请进行情感倾向的分析。

分析模块34，与获取模块32耦合连接，用于对对话内容中的每条消息进行单独 情感分析得到第一分析结果，以及基于每条消息情感分析的第一分析结果对对话内容 进行整体情感分析，得到第二分析分析结果；

其中，以网购平台中消费者作为第二用户，商家客服作为第一用户为例，其对话内容为，消费者问：“平时穿34的裤子，选哪个码子？”；客服回：“请问身高是多少 厘米？”可见，这段对话内容中消费者问了问题，客服针对问题进行了回应，没有其他 客套或增加好感的语气词。因此，对这段对话的每条消息进行单独情感分析，得到的 第一分析结果为中性，即每条消息的情感程度均为中性。当然，也有情感为正面的或 者是负面的，例如正面的是，消费者问：“麻烦明早帮我发快递”。客服回“可以的， 亲”。负面的是，消费者在连发了几条信息都没有收到回应后：“是不是连信息都懒得 看”，客服回应：“是的”。而对于一段对话内容有正面，负面、中性的情感程度的情况 下，可以根据具体每条消息的情感分析得到的第一分析结果得到用于表征整体的情感 倾向的第二分析结果，例如，在网购的退货对话内容中，顾客一开始的语气与谈话内 容都是不友善的，用词也比较尖锐，但是客服的会话一致是非常客气的，在客服的友 好的态度下，顾客的态度也慢慢变好了，最终和平的退了货，并选择了其他商品来代 替。可见，对该顾客第一分析结果为情感由负面到中性直到最后的正面，这样就得到 顾客的整体情感分析的第二分析结果为正面，进而得到整个对话过程中的情感变化趋 势。

确定模块36，与分析模块34耦合连接，用于至少根据第一分析结果和第二分析 结果分别确定第一用户与第二用户在对话内容中的情感变化趋势。

其中，该情感变化趋势可以是一开始是中性的，后续沟通过程中可能由于客服回复不及时或者客服态度不好，则对对话内容的中的消息分析得到此时的对话内容为负 面。也就是说，根据前面对话内容，第二用户的情感由中性变为负面。客服看到这个 情感变化之后，得到的结论是如果继续不理会或态度不好则第二用户的情感将会以更 加负面的趋势演化。因此，根据该情感变化趋势，客服可以以端正态度或积极回复消 息，并对问题进行耐心解释的方式进行回复，从而使得双方的对话内容回到了正面结 果。

此处需要说明的是，上述获取模块32、分析模块34和确定模块36对应于实施例 1中的步骤S202至步骤S206，两个模块与对应的步骤所实现的实例和应用场景相同， 但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可 以运行在实施例一提供的计算机终端10中。

可选地，本实施例中的分析模块34可以包括：识别单元，与分析单元耦合连接， 用于基于文本分析模型识别对话内容中的每条消息对应的意图；

其中，该识别单元可以基于文本分析模型的关键字或者是整句话为模型来确定其意图，该意图对于服务对象的第二用户可以包括：打招呼、常规问题咨询、问题描述、 常规回答客服问题、请求客服操作、礼貌语、不耐烦问题咨询、态度不端正回应等等； 而该意图对应的对于提供服务的第一用户可以包括：欢迎语、解答客服问题、引导客 服操作、问客户问题、礼貌语、结束语、态度不端正回应等等。需要说明的是，上述 意图仅仅是举例说明，还可以包括其他意图，上述举例说明并不构成对本申请的限定。

分析单元，用于根据识别出的每条消息对应的意图进行情感分析，得到第一分析结果，以及基于第一分析结果对对话内容进行整体情感分析，得到所述第二分析结果。

其中，以网购平台中消费者作为第二用户，商家客服作为第一用户为例，其对话内容为意图为问题咨询与解答客服问题，如消费者问：“平时穿34的裤子，选哪个码 子？”；客服回：“请问身高是多少厘米？”可见，这段对话内容中消费者问了问题，客 服针对问题进行了回应，没有其他客套或增加好感的语气词。因此，该分析单元对这 段对话的每条消息进行情感分析，得到的每条消息的第一分析结果均为中性，即每条 消息的情感程度均为中性，从而得到对话内容的整体情感分析的第二分析结果也为中 性。当然，也有情感为正面的或者是负面的，例如正面的是，对话内容为意图为问题 咨询与解答客服问题，消费者问：“麻烦明早帮我发快递”，客服回“可以的，亲”。在 该问题咨询与解答客服问题中，客服对于消费者的问题进行积极回复，并附带上了带 有尊称的“亲”，从而使得消费者对客服的回答比较满意。负面的是，对话内容为请求 客服操作与回应操作结论，消费者在连发了几条信息都没有收到回应后：“是不是连信 息都懒得看”，客服回应：“是的”。在该消息对应的意图中分析出消费者的不满和客服 的服务态度差的结论。因此，基于每条消息的情感分析得到第一分析结果，进而可以 基于该第一分析结果得到对话内容的整体的情感分析结果，例如，根据顾客前面每条 消息进行情感分析的第一分析结果为情感倾向均是负面，经过客服处理，后续顾客的 情感偏正面，那么整段对话的客户的情感也是偏正面的，即第二分析结果为正面的。 但是如果客户的情绪始终是负面的，没有发生转变，那么整段对话客户的情感也还是 负面的，即第二分析结果为负面的。

图4是根据本发明实施例的对话情感分析装置的可选结构示意图，如图4所示， 装置还包括：

第一训练模块42，与比对模块44耦合连接，用于在基于文本分析模型识别对话 内容中的每条消息对应的意图之前，采用样本数据对文本分析模型进行训练，输出预 判意图标签，其中，样本数据包括以下之一：与第一用户关联的消息样本、与第二用 户关联的消息样本；

其中，对于上述样本数据中的与第一用户关联的消息样本和与第二用户关联的消息样本，在具体实施方式中可以是，例如，与第一用户关联的消息样本“亲，您报一 下您的身高、体重”、“亲，我们的产品是百分百纯棉的”、“本店支持七天无理由退货 的”、“当天下午三点前付款的当天发货”；与第二用户关联的消息样本“付款后什么时 候能够发货？”、“你们的尺码标准码？”、“支持退货的吧？”。当然上述消息样本仅仅 是举例说明，还可以是其他消息样本，样本越多越好，这其中最好是不同的情感程度 都具有比较均衡的比例，例如将情感程度划分为：负面、中性、正面；对于这三种情 感程度的样本尽量都是均很覆盖，这样才能保证输出的预判意图标签比较合理，进而 以便后续情感分析。需要说明的是，该情感程度的划分也仅仅是举例说明，也可以根 据实际请将情感程度更加细分的划分，例如负面可以划分为：非常负面和一般负面； 正面可以划分为一般正面和非常正面。也就是说，情感程度的划分可以根据实际情感 进行相应的设置和调整，上述仅仅是举例说明。

比对模块44，与第二训练模块46耦合连接，用于将预判意图标签与目标意图标 签进行比对，得到比对结果；

第二训练模块46，与分析模块34耦合连接，用于根据比对结果调整文本分析模 型所使用的模型参数，并重新采用样本数据对调整后的文本分析模型进行重复训练， 直至预判意图标签与目标意图标签相匹配。

可选地，本实施例中涉及到的识别单元包括：

第一确定子单元，用于确定对话内容中的每条消息的消息来源；

其中，消息的来源就是指在对话内容该消息是由谁发出的，即是由第一用户(客服)发出的还是由第二用户(消费者/客户)发出的，例如在一段对话中：

客户：什么时候发货？

客户：发什么快递？

客服：在的哦，亲。

客服：亲，快递默认A快递、B快递、以及C快递，暂时没有其他快递哦，也不 接受指定快递哦，麻烦您谅解哈。

客户：今天能不能发货？

客服：亲，这边会尽快给您安排发出的哦；

客户：大概什么时候发？

客户：不要尽快！！

客服：亲，具体时间需要看仓库那边的安排哦。

客服：仓库那边会加紧安排处理的哦。

客户：嗯嗯，麻烦尽快吧。

客服：好的哦。

可见，第一确定子单元可以确定在上述对话中“什么时候发货”、“发什么快递？”、“大概什么时候发？”、“不要尽快！！”、“嗯嗯，麻烦尽快吧”是客户发的。而第一确 定子单元确定“在的哦，亲”、“亲，快递默认申通、圆通、邮政暂时没有其他快递哦， 也不接受指定快递哦，麻烦您谅解哈”、“亲，这边会尽快给您安排发出的哦”、“亲， 具体时间需要看仓库那边的安排哦”“仓库那边会加紧安排处理的哦”、“好的哦”，这 些都是由客服回应或发出的。

输入子单元，与第一确定子单元耦合连接，用于将对话内容中的每条消息输入至与消息来源对应的文本分析模型，输出预判意图标签；

识别子单元，与输入子单元耦合连接，用于根据预判意图标签识别对话内容中的每条消息对应的意图。

其中，在第一确定子单元确定了每条消息的来源之后，才能进一步由输入子单元输出该消息的预判意图标签，进而识别子单元确定每条消息对应的意图。还是以上述 对话为例，对于客户发出的“什么时候发货”、“发什么快递？”输入至与消息来源对 应的文本分析模型，得到的意图是问题咨询；而将顾客发出的“大概什么时候发？”、 “不要尽快！！”输入对应的文本分析模型，则得到的意图是不耐烦。而将客服汇入的 “亲，快递默认A快递、B快递、以及C快递，暂时没有其他快递哦，也不接受指定 快递哦，麻烦您谅解哈”、“亲，这边会尽快给您安排发出的哦”输入至对应的文本分 析模型，则得到的意图是解答客户问题；而将客服回复的“亲，这边会尽快给您安排 发出的哦”、“亲，具体时间需要看仓库那边的安排哦”“仓库那边会加紧安排处理的哦” 输入至对应的文本分析模型，则得到的意图为礼貌回复客户。也就是说，通过上述步 骤可以确定对话内容中的每一条消息的意图。

可选地，本实施例中的分析单元包括：

第一确定子单元，用于根据识别出的每条消息对应的意图从情感多标签分类关系中确定关联的情感标签，其中，情感多标签分类关系用于维护每条消息对应的意图标 签与情感标签之间的映射关系，情感多标签分类包括：至少一个层级的负面情感标签、 中性情感标签、至少一个层级的正面情感标签；

其中，基于上述本实施例中的分析可知，在本实施例中意图对于服务对象的第二用户可以包括：打招呼、常规问题咨询、问题描述、常规回答客服问题、请求客服操 作、礼貌语、不耐烦咨询、态度不端正回应等等；而该意图对应的对于提供服务的第 一用户可以包括：欢迎语、解答客服问题、引导客服操作、问客户问题、礼貌语、结 束语、态度不端正回应等等。

以上述对话为例，该第一确定子单元根据该情感多标签分类关系来确定关联的情感标签；

客户：什么时候发货？(常规问题咨询，因此对应于中性情感标签)

客户：发什么快递？(常规问题咨询，因此对应于中性情感标签)

客服：在的哦，亲。(常规欢迎语，因此对应于中性情感标签)

客服：亲，快递默认申通、圆通、邮政暂时没有其他快递哦，也不接受指定快递 哦，麻烦您谅解哈。(常规解答客户问题，因此对应于中性情感标签)

客户：今天能不能发货？(常规问题咨询，因此对应于中性情感标签)

客服：亲，这边会尽快给您安排发出的哦；(常规解答客服问题，因此对应于中性情感标签)

客户：大概什么时候发？，不要尽快！！(不耐烦咨询、带有一定的负面情绪，因 此是负面情感标签)

客服：亲，具体时间需要看仓库那边的安排哦。(积极回应客户，正面情感标签) 客服：仓库那边会加紧安排处理的哦。(积极回应客户，正面情感标签)

客户：嗯嗯，麻烦尽快吧。(礼貌回应，正面情感标签)

客服：好的哦。(结束用语，正面情感标签)

由上述对话内容可知，可以根据每条消息对应的意图确定关联的情感标签。在本实施例中负面情感标签可以包括一般负面情感标签和非常负面情感标签；正面情感标 签可以包括：一般正面情感标签和非常正面情感标签。当然还可以是将情感标签更加 的细化的划分，上述仅仅是举例说明。

第三确定子单元，用于根据情感标签对应的情感程度确定第一分析结果和第二分析结果。

其中，以上述对话内容为例，该第三确定子单元根据对话内容中每条消息的情感标标签能够确定每一条消息的情感程度，而基于每一条消息的情感标签从整体上可以 确定客户(第二用户)和客服(第一用户)的整体情感，在上述对话内容中，客服由 于体现了不耐烦、着急的负面情绪，因此整体上该客户的情绪为负面的，而客服一直 是积极回应，因此该客服的情绪是正面的。

下述对话内容则是客户和客服整体情感均为负面的对话。

客户：这个用电量大吗？(常规问题咨询，中性情感标签)

客户：跟风扇比起来哪个用电量大？(常规问题咨询，中性情感标签)

客服：一小时0.075度电。(常规解答客户问题，中性情感标签)

客户：风扇呢？(常规问题咨询，中性情感标签)

客服：我怎么知道你说的风扇是什么风扇，也不知道多少功率的。(不耐烦解答客户问题，负面情感标签)

客户：渍渍！！你这态度绝了！！(不耐烦回应，负面情感标签)

客服：你不觉得你的问题很奇怪呢？问个“风扇呢”，风扇多了去了。(不耐烦解 答客户问题，负面情感标签)

客户：你不知道说个大约的？(不耐烦回应，负面情感标签)

客服：？？？？(消极回应，负面情感标签)

可见，上述双方在常规咨询与常规回答后，均进入到态度不端正的对话中，因此，两者整体情感均是负面的。

可选地，本实施例中涉及到的确定模块36包括：

统计单元，用于通过第一分析结果对对话内容中的每条消息对应的情感程度进行统计，得到第一统计结果，通过第二分析结果对所述对话内容按照时间进行的情感变 化进行统计，得到第二统计结果；

其中，该统计单元可以是要将整个对话内容每条消息的情感程度进行统计，即每一条消息都有对应的情感标签得到第一统计结果。然后，就是基于整个对话内容，对 每个情感标签产生的时间节点进行标记，也就是说，需要每个情感标签是在对话内容 哪个时间段产生的，进而可以根据该第一分析结果以及对话内容的时间进度情感变化 进行统计，得到第二统计结果。

确定单元，用于至少根据第一统计结果和第二统计结果分别确定第一用户与第二用户在对话内容中的情感变化趋势。

其中，根据第一统计结果和第二统计结果确定第一用户与第二用户的情感变化趋势，例如，根据第一统计结果和第二统计结果，当前第二用户的整体情绪是负面的， 接下来第二用户的整体情绪依然可能会使负面的，因此，第一用户可以根据该第二用 户的整体情绪变化趋势来改变回应内容。在具体应用场景中，客户一开始的倾向是负 面，经过客服处理，偏正面，那么整段对话的客户的情感也是偏正面的。

实施例3

本发明的实施例可以提供一种处理器，该处理器可以用于计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上 述计算机终端也可以替换为移动终端等终端设备。

可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。

可选地，图1是根据本发明实施例的一种计算机终端的结构框图。如图1所示， 该计算机终端A可以包括：一个或多个处理器、存储器、以及接口。

其中，存储器可用于存储软件程序以及模块，如本发明实施例中的安全漏洞检测方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的系统漏洞攻击的检测方法。 存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存 储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括 相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端A。上述 网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：

S1，获取第一用户与第二用户之间的对话内容，其中，所述第一用户为服务提供者，所述第二用户为服务对象；

S2，对所述对话内容中的每条消息进行单独情感分析，得到第一分析结果，以及基于每条消息情感分析的第一结果对对话内容进行整体情感分析，得到第二分析结果；

S3，至少根据第一分析结果和第二分析结果分别确定所述第一用户与第二用户在所述对话内容中的情感变化趋势。

可选的，上述处理器还可以执行如下步骤的程序代码：基于文本分析模型识别所述对话内容中的每条消息对应的意图；根据识别出的每条消息对应的意图进行情感分 析，得到第一分析结果，以及基于第一分析结果对对话内容进行整体情感分析，得到 第二分析结果。

可选的，上述处理器还可以执行如下步骤的程序代码：在基于文本分析模型识别对话内容中的每条消息对应的意图之前，采用样本数据对文本分析模型进行训练，输 出预判意图标签，其中，样本数据包括以下之一：与第一用户关联的消息样本、与第 二用户关联的消息样本；将预判意图标签与目标意图标签进行比对，得到比对结果； 根据比对结果调整文本分析模型所使用的模型参数，并重新采用样本数据对调整后的 文本分析模型进行重复训练，直至预判意图标签与目标意图标签相匹配。

可选的，上述处理器还可以执行如下步骤的程序代码：确定对话内容中的每条消息的消息来源；将对话内容中的每条消息输入至与消息来源对应的文本分析模型，输 出预判意图标签；根据预判意图标签识别对话内容中的每条消息对应的意图。

可选的，上述处理器还可以执行如下步骤的程序代码：根据识别出的每条消息对应的意图从情感多标签分类关系中确定关联的情感标签，其中，情感多标签分类关系 用于维护每条消息对应的意图标签与情感标签之间的映射关系，情感多标签分类包括： 至少一个层级的负面情感标签、中性情感标签、至少一个层级的正面情感标签；根据 情感标签对应的情感程度确定第一分析结果和第二分析结果。

可选的，上述处理器还可以执行如下步骤的程序代码：通过第一分析结果对对话内容中的每条消息对应的情感程度进行统计，得到第一统计结果，通过第二分析结果 对对话内容按照时间进度的情感变化进行统计，得到第二统计结果；至少根据第一统 计结果和第二统计结果分别确定第一用户与第二用户在对话内容中的情感变化趋势。

采用本发明实施例，提供了一种对话情感分析的方案。能够对服务提供者的第一用户与服务对象的第二用户的对话内容中的每一条消息进行情感分析得到第一分析结 果以及基于该第一分析结果对对话内容进行整体情感分析得到第二分析结果，根据该 第一分析结果和第二分析结果来判断第一用户和第二用户在对话内容中的情感变化趋 势，能够快速确定双方的意向、态度、满意度等等，以使得双方根据该情感变化趋势 调整后续对话内容，进而解决了相关技术中对于消费者与客服的对话内容的情感倾向， 客服自己的理解和判断存在主观臆断的技术问题，达到了提高沟通成功率的效果。

本领域普通技术人员可以理解，图1所示的结构仅为示意，计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备 (MobileInternet Devices，MID)、PAD等终端设备。图1其并不对上述电子装置的 结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件(如 网络接口、显示装置等)，或者具有与图1所示不同的配置。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以 通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存 取器(Random Access Memory，RAM)、磁盘或光盘等。

实施例4

本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的对话情感分析的方法所执行的程序代码。

可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：

S1，获取第一用户与第二用户之间的对话内容，其中，第一用户为服务提供者， 第二用户为服务对象；

S2，对对话内容中的每条消息进行单独情感分析，得到第一分析结果，以及基于每条消息情感分析的第一分析结果对对话内容进行整体情感分析，得到第二分析结果；

S3，至少根据第一分析结果和第二分析结果分别确定第一用户与第二用户在对话内容中的情感变化趋势。

可选的，上述存储介质还可以执行如下步骤的程序代码：基于文本分析模型识别对话内容中的每条消息对应的意图；根据识别出的每条消息对应的意图进行情感分析， 得到第一分析结果，以及基于所述第一分析结果对所述对话内容进行整体情感分析， 得到所述第二分析结果。

可选的，上述存储介质还可以执行如下步骤的程序代码：在基于文本分析模型识别对话内容中的每条消息对应的意图之前，采用样本数据对文本分析模型进行训练， 输出预判意图标签，其中，样本数据包括以下之一：与第一用户关联的消息样本、与 第二用户关联的消息样本；将预判意图标签与目标意图标签进行比对，得到比对结果； 根据比对结果调整文本分析模型所使用的模型参数，并重新采用样本数据对调整后的 文本分析模型进行重复训练，直至预判意图标签与目标意图标签相匹配。

可选的，上述存储介质还可以执行如下步骤的程序代码：确定对话内容中的每条消息的消息来源；将对话内容中的每条消息输入至与消息来源对应的文本分析模型， 输出预判意图标签；根据预判意图标签识别对话内容中的每条消息对应的意图。

可选的，上述存储介质还可以执行如下步骤的程序代码：根据识别出的每条消息对应的意图从情感多标签分类关系中确定关联的情感标签，其中，情感多标签分类关 系用于维护每条消息对应的意图标签与情感标签之间的映射关系，情感多标签分类包 括：至少一个层级的负面情感标签、中性情感标签、至少一个层级的正面情感标签； 根据情感标签对应的情感程度确定第一分析结果和第二分析结果。

可选的，上述存储介质还可以执行如下步骤的程序代码：通过第一分析结果对对话内容中的每条消息对应的情感程度进行统计，得到第一统计结果，通过第二分析结 果对所述对话内容按照时间进度的情感变化进行统计，得到第二统计结果；至少根据 第一统计结果和第二统计结果分别确定第一用户与第二用户在对话内容中的情感变化 趋势。

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。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分， 仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件 可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所 显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模 块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到 多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例 方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成 的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时， 可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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中，包括若干指令用以使得一 台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所 述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘 等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润 饰也应视为本发明的保护范围。

Claims (15)

1.一种对话情感分析方法，其特征在于，包括：

获取第一用户与第二用户之间的对话内容，其中，所述第一用户为服务提供者，所述第二用户为服务对象；

对所述对话内容中的每条消息进行单独情感分析，得到第一分析结果，以及基于每条消息情感分析的第一分析结果对所述对话内容进行整体情感分析，得到第二分析结果；

至少根据所述第一分析结果和所述第二分析结果分别确定所述第一用户与所述第二用户在所述对话内容中的情感变化趋势。

2.根据权利要求1所述的方法，还包括：

基于文本分析模型识别所述对话内容中的每条消息对应的意图；

根据识别出的每条消息对应的意图进行情感分析，得到所述第一分析结果，以及基于所述第一分析结果对所述对话内容进行整体情感分析，得到所述第二分析结果。

3.根据权利要求2所述的方法，还包括：

采用样本数据对所述文本分析模型进行训练，输出预判意图标签，其中，所述样本数据包括以下之一：与所述第一用户关联的消息样本、与所述第二用户关联的消息样本；

将所述预判意图标签与目标意图标签进行比对，得到比对结果；

根据所述比对结果调整所述文本分析模型所使用的模型参数，并重新采用所述样本数据对调整后的文本分析模型进行重复训练，直至所述预判意图标签与所述目标意图标签相匹配。

4.根据权利要求3所述的方法，还包括：

确定所述对话内容中的每条消息的消息来源；

将所述对话内容中的每条消息输入至与所述消息来源对应的文本分析模型，输出所述预判意图标签；

根据所述预判意图标签识别所述对话内容中的每条消息对应的意图。

5.根据权利要求2所述的方法，还包括：

根据识别出的每条消息对应的意图从情感多标签分类关系中确定关联的情感标签，其中，所述情感多标签分类关系用于维护每条消息对应的意图标签与情感标签之间的映射关系，情感多标签分类包括：至少一个层级的负面情感标签、中性情感标签、至少一个层级的正面情感标签；

根据所述情感标签对应的情感程度确定所述第一分析结果和所述第二分析结果。

6.根据权利要求1所述的方法，其特征在于，根据所述分析结果分别确定所述第一用户与所述第二用户在所述对话内容中的情感变化趋势包括：

通过所述第一分析结果对所述对话内容中的每条消息对应的情感程度进行统计，得到第一统计结果，通过所述第二分析结果对所述对话内容按照时间进度的情感变化进行统计，得到第二统计结果；

至少根据所述第一统计结果和所述第二统计结果分别确定所述第一用户与所述第二用户在所述对话内容中的情感变化趋势。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述方法应用于电商领域。

8.一种对话情感分析装置，其特征在于，包括：

获取模块，用于获取第一用户与第二用户之间的对话内容，其中，所述第一用户为服务提供者，所述第二用户为服务对象；

分析模块，用于对所述对话内容中的每条消息进行单独情感分析，得到第一分析结果，以及基于每条消息情感分析的第一分析结果对所述对话内容进行整体情感分析，得到第二分析结果；

确定模块，用于至少根据所述第一分析结果和所述第二分析结果分别确定所述第一用户与所述第二用户在所述对话内容中的情感变化趋势。

9.根据权利要求8所述的装置，所述分析模块包括：

识别单元，用于基于文本分析模型识别所述对话内容中的每条消息对应的意图；

分析单元，用于根据识别出的每条消息对应的意图进行情感分析，得到所述第一分析结果，以及基于所述第一分析结果对所述对话内容进行整体情感分析，得到所述第二分析结果。

10.根据权利要求9所述的装置，所述装置还包括：

第一训练模块，用于采用样本数据对所述文本分析模型进行训练，输出预判意图标签，其中，所述样本数据包括以下之一：与所述第一用户关联的消息样本、与所述第二用户关联的消息样本；

比对模块，用于将所述预判意图标签与目标意图标签进行比对，得到比对结果；

第二训练模块，用于根据所述比对结果调整所述文本分析模型所使用的模型参数，并重新采用所述样本数据对调整后的文本分析模型进行重复训练，直至所述预判意图标签与所述目标意图标签相匹配。

11.根据权利要求10所述的装置，所述识别单元包括：

第一确定子单元，用于确定所述对话内容中的每条消息的消息来源；

输入子单元，用于将所述对话内容中的每条消息输入至与所述消息来源对应的文本分析模型，输出所述预判意图标签；

识别子单元，用于根据所述预判意图标签识别所述对话内容中的每条消息对应的意图。

12.根据权利要求9所述的装置，所述分析单元包括：

第一确定子单元，用于根据识别出的每条消息对应的意图从情感多标签分类关系中确定关联的情感标签，其中，所述情感多标签分类关系用于维护每条消息对应的意图标签与情感标签之间的映射关系，情感多标签分类包括：至少一个层级的负面情感标签、中性情感标签、至少一个层级的正面情感标签；

第三确定子单元，用于根据所述情感标签对应的情感程度确定所述第一分析结果和所述第二分析结果。

13.根据权利要求8所述的装置，所述确定模块包括：

统计单元，用于通过所述第一分析结果对所述对话内容中的每条消息对应的情感程度进行统计，得到第一统计结果，通过所述第二分析结果对所述对话内容按照时间进行的情感变化进行统计，得到第二统计结果；

确定单元，用于至少根据所述第一统计结果和所述第二统计结果分别确定所述第一用户与所述第二用户在所述对话内容中的情感变化趋势。

14.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述的方法。

15.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的方法。

Images