发明内容
本发明的目的是提供一种智能信息导流方法、装置、计算机设备及可读存储介质,用于解决现有技术存在的无法识别需求信息的情感信息,进而无法获知该需求信息的紧急程度的问题;本申请可应用于智慧政务场景中,从而推动智慧城市的建设。
为实现上述目的,本发明提供一种智能信息导流方法,包括:
获取需求信息,其中,所述需求信息为用于表达用户需求的信息;
通过预设的音频分析进程或文本分析进程获取所述需求信息中的情感信息和关键信息,分别对所述情感信息和关键信息进行编码获得情感向量和关键向量;
通过预设的转送神经网络运算所述关键向量获得转送机构,及运算所述情感向量获得程度指标,按照所述程度指标在所述需求信息中插入紧急标签,并将所述需求信息发送所述转送机构所对应的设备。
上述方案中,获取需求信息之后,包括:
判断所述需求信息的数据格式;若所述需求信息的数据格式为音频格式,则调用音频分析进程;若所述需求信息的数据格式为文本格式,则调用文本分析进程。
上述方案中,所述音频分析进程包括:
获取所述需求信息中的情绪状态获得情感信息,及将需求信息转为文本信息,并分析所述文本信息的语义获得关键信息,分别对所述情感信息和关键信息进行编码获得情感向量和关键向量。
上述方案中,在所述音频分析进程中:
所述情感信息通过具有声纹识别功能的音频神经网络识别所述需求信息中的情绪状态获得;
所述文本信息是通过语音识别系统转换所述需求信息获得;
所述关键信息是通过自然语言处理系统对所述文本信息进行关键词提取所获得;
所述情感向量和关键向量是通过编码算法将所述情感信息和关键信息进行编码获得。
上述方案中,所述文本分析进程包括:
识别所述需求信息中用于表达用户情绪的内容获得情感信息,分析所述需求信息的语义获得关键信息,分别对所述情感信息和关键信息进行编码获得情感向量和关键向量。
上述方案中,在所述文本分析进程中:
所述情感信息是通过具有文本识别功能的文本神经网络识别所述需求信息中的情绪状态获得;
所述关键信息是通过自然语言处理系统分析所述需求信息的语义获得;
所述需求向量是通过编码算法将所述关键信息和情感信息进行编码获得。
上述方案中,所述转送网络模型通过以下步骤获得:
获取具有转送标签的转送样本;
将所述转送样本录入预设的初始神经网络中,使其对所述转送样本进行运算获得输出数据,计算所述输出数据与所述情绪标签之间的差异获得损失值,通过反向传播算法根据所述损失值调整所述初始神经网络中各层的权重和偏执值,以获得能够准确识别转送样本中能够表达用户情绪的声纹,并根据该内容判断所述用户的情绪状态并最终生成情感信息的转送神经网络模型;其中,所述情绪标签和输出数值均以特征向量的形式表征;
将所述需求信息发送所述转送机构所对应的设备之后,还包括:
将所述需求信息上传至区块链。
为实现上述目的,本发明还提供一种智能信息导流装置,包括:
输入模块,用于获取需求信息,其中,所述需求信息为用于表达用户需求的信息;
向量生成模块,用于通过预设的音频分析进程或文本分析进程获取所述需求信息中的情感信息和关键信息,分别对所述情感信息和关键信息进行编码获得情感向量和关键向量;
转送模块,用于通过预设的转送神经网络运算所述关键向量获得转送机构,及运算所述情感向量获得程度指标,按照所述程度指标在所述需求信息中插入紧急标签,并将所述需求信息发送所述转送机构所对应的设备。
为实现上述目的,本发明还提供一种计算机设备,其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述计算机设备的处理器执行所述计算机程序时实现所述智能信息导流方法的步骤。
为实现上述目的,本发明还提供一种计算机可读存储介质,其存储有计算机程序,其特征在于,所述存储介质存储的所述计算机程序被处理器执行时实现所述智能信息导流方法的步骤。
本发明提供的智能信息导流方法、装置、计算机设备及可读存储介质,通过识别需求信息中的关键信息,并识别出其中的情感信息,根据关键信息获得转送机构,及根据情感信息对需求信息进行标注,再将标注后的需求信息发送所述转送机构,解决了现有技术存在的无法识别需求信息的情感信息,进而无法获知该需求信息的紧急程度的问题。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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,都属于本发明保护的范围。
本发明提供的智能信息导流方法、装置、计算机设备及可读存储介质,适用于人工智能的语音语义技术领域,为提供一种基于输入模块、向量生成模块、转送模块的智能信息导流方法。本发明通过预设的音频分析进程或文本分析进程获取所述需求信息中的情感信息和关键信息,分别对所述情感信息和关键信息进行编码获得情感向量和关键向量;通过预设的转送神经网络运算所述关键向量获得转送机构,及运算所述情感向量获得程度指标,按照所述程度指标在所述需求信息中插入紧急标签,并将所述需求信息发送所述转送机构所对应的设备。
实施例一:
请参阅图1,本实施例的一种智能信息导流方法,包括:
S101:获取需求信息,其中,所述需求信息为用于表达用户需求的信息;
S103:通过预设的音频分析进程或文本分析进程获取所述需求信息中的情感信息和关键信息,分别对所述情感信息和关键信息进行编码获得情感向量和关键向量;
S104:通过预设的转送神经网络运算所述关键向量获得转送机构,及运算所述情感向量获得程度指标,按照所述程度指标在所述需求信息中插入紧急标签,并将所述需求信息发送所述转送机构所对应的设备。
在示例性的实施例中,通过预设的音频分析进程或文本分析进程获取所述需求信息中的情感信息和关键信息(例如:需求信息是:我在上海高速上发生汽车追尾了,尽快派人来救援;那么获取的关键信息包括:事故地:上海,事故原因:汽车追尾;获得的情感信息是:尽快),分别对所述情感信息和关键信息进行编码获得情感向量和关键向量;其中,所述情感向量和关键向量是以获得以特征向量形式表达需求信息中情感信息和关键信息的编码向量;通过所述转送神经网络运算所述关键向量(如:事故地:上海,事故原因:汽车追尾)所对应的编码向量,获得转送向量(如:救援部所对应的编码向量),根据所述转送向量获得转送机构(如:救援部);将所述情感向量与预设的程度规则进行对比,获得需求信息的程度指标,其表达了需求信息的紧急程度(例如:“尽快”对应“一级紧急”),在需求信息中标注需求信息的紧急标签(如:一级紧急标签),并将所述需求信息发送救援部所对应的设备。
因此,本申请能够识别需求信息中的关键信息,并识别出其中的情感信息,根据关键信息获得转送机构,及根据情感信息对需求信息进行标注,再将标注后的需求信息发送所述转送机构,解决了现有技术存在的无法识别需求信息的情感信息,进而无法获知该需求信息的紧急程度的问题,保证了每一个需求信息都能得到妥善的处理。
本申请可应用于智慧政务场景中,从而推动智慧城市的建设。
实施例二:
本实施例为上述实施例一的一种具体应用场景,通过本实施例,能够更加清楚、具体地阐述本发明所提供的方法。
下面,以在运行有智能信息导流方法的服务器中,获取需求信息中的情感信息和关键信息,根据所述情感信息在所述需求信息中插入紧急标签,根据关键信息将所述需求信息发送所述转送机构所对应的设备为例,来对本实施例提供的方法进行具体说明。需要说明的是,本实施例只是示例性的,并不限制本发明实施例所保护的范围。
图2是本发明一个实施例提供的一种智能信息导流方法的具体方法流程图,该方法具体包括步骤S201至S204。
S201:获取需求信息,其中,所述需求信息为用于表达用户需求的信息。
示例性地,从调度中心获得需求信息,所述需求信息是用户根据其自身需求通过客户端向所述调度中心发出的音频信息,如电话录音或应用语音(比如微信语音),或文本信息,如邮件或短信息。需求信息的内容如:我在上海高速上发生汽车追尾了,尽快派人来救援。
S202:判断所述需求信息的数据格式;若所述需求信息的数据格式为音频格式,则调用音频分析进程;若所述需求信息的数据格式为文本格式,则调用文本分析进程。
具体的,在图2中所述步骤S202包括:
S202-1:判断所述需求信息的数据格式;
S202-2:若所述需求信息的数据格式为音频格式,则调用音频分析进程;
S202-3:若所述需求信息的数据格式为文本格式,则调用文本分析进程。
示例性地,通过识别所述需求信息的文件格式后缀,判断所述需求信息的数据格式;若所述文件格式后缀为mp3、或wma、或avi、或rm、或rmvb、或flv、或mpg、或mov、或mkv,则判定所述需求信息的数据格式为音频格式;若所述文件格式后缀为txt、或doc、或docx、或wps,则判定所述需求信息的数据格式为文本格式。
S203:通过预设的音频分析进程或文本分析进程获取所述需求信息中的情感信息和关键信息,分别对所述情感信息和关键信息进行编码获得情感向量和关键向量。
例如:基于上述举例,通过预设的音频分析进程或文本分析进程获取所述需求信息中的关键信息包括:事故地:上海,事故原因:汽车追尾;需求信息中的情感信息是:尽快;分别对“尽快”和“上海”、“汽车追尾”进行编码获得情感向量和关键向量。
具体地,所述音频分析进程包括:获取所述需求信息中的情绪状态获得情感信息,及将需求信息转为文本信息,并分析所述文本信息的语义获得关键信息,分别对所述情感信息和关键信息进行编码获得情感向量和关键向量。
本步骤中,通过具有声纹识别功能的音频神经网络识别所述需求信息中的情绪状态获得情感信息,通过语音识别系统将所述需求信息转为文本信息,通过自然语言处理系统对所述文本信息进行关键词提取以获得关键信息,通过编码算法将所述情感信息和关键信息进行编码获得情感向量和关键向量。
其中,所述音频神经网络的输入层与声纹识别系统连接,以实现对音频的声纹识别功能;所述语音识别系统通过语音识别技术(即:语音转文字技术)将需求信息转为文本信息,通过自然语言处理系统TF-IDF算法提取所述文本信息中的关键词进行提取,以获得关键信息;通过独热编码或标签编码或连续词袋法对情感信息和关键信息进行编码,以获得以特征向量形式表达情感信息和关键信息的情感向量和关键向量。
需要说明的是,TF-IDF是一种统计方法,用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜索引擎应用,作为文件与用户查询之间相关程度的度量或评级。因此,本申请可通过TF-IDF实现对文本信息中的关键词进行提取,以获得能够表达文本信息关键内容的关键信息。
具体的,获取所述需求信息中的情绪状态获得情感信息的步骤,包括:
S203-01:获取预设的具有声纹识别功能音频神经网络。
具体地,所述音频神经网络通过以下方式获得:
获取具有情绪标签的音频样本,将所述音频样本录入预设的具有声纹识别功能的初始神经网络中,使其对所述音频样本进行运算获得输出数据,计算所述输出数据与所述情绪标签之间的差异获得损失值,通过反向传播算法根据所述损失值调整所述初始神经网络中各层的权重和偏执值,以获得能够准确识别音频样本中能够表达用户情绪的声纹,并根据该内容判断所述用户的情绪状态并最终生成情感信息的音频神经网络模型;其中,所述情绪标签和输出数值均以特征向量的形式表征。
示例性地:音频样本包括音频文件和描述音频文件中情绪状态的音频标签,如:愤怒、急切、平和等;初始神经网络识别音频文件中能够表达用户情绪的声纹,如:急促语气所对应的声纹、声音高昂的声纹、语音中出现敏感关键字所对应的声纹(诸如着急、尽快等表达急切的话语,或脏话等表达愤怒的话语)等;初始神经网络根据所述声纹获得用于表达用户情绪状态的情感信息,如:愤怒、或急切、或平和等信息,并生成与所述情感信息对应的输出向量;再根据该输出向量和音频标签,并通过反向传播算法调整初始神经网络获得音频神经网络。
S203-02:通过所述音频神经网络识别所述需求信息中能够表达用户情绪的情感信息;其中,所述情感信息是以特征向量的形式表征情绪状态的数据。
本步骤中,音频神经网络通过音频识别功能识别所述需求信息的声纹以获得音频向量,及计算所述音频向量获得需求信息中能够表达用户情绪的声纹内容(如:急促语气所对应的声纹、声音高昂的声纹、语音中出现敏感关键字所对应的声纹),并根据该内容判断获得所述用户情绪的情感信息(如:愤怒、急切、平和等情绪状态)。
优选的,所述文本分析进程包括:识别所述需求信息中用于表达用户情绪的内容获得情感信息,分析所述需求信息的语义获得关键信息,分别对所述情感信息和关键信息进行编码获得情感向量和关键向量。
本步骤中,通过具有文本识别功能的文本神经网络识别所述需求信息中的情绪状态获得情感信息,通过自然语言处理系统分析所述需求信息的语义获取关键信息,通过编码算法将所述关键信息和情感信息进行编码获得需求向量。
其中,通过具有文本识别功能的文本神经网络识别所述需求信息中的情绪状态获得情感信息,通过自然语言处理系统TF-IDF算法提取所述文本信息中的关键词进行提取,以获得关键信息;通过独热编码或标签编码或连续词袋法对情感信息和关键信息进行编码,以获得以特征向量形式表达情感信息和关键信息的情感向量和关键向量。
具体的,识别所述需求信息中用于表达用户情绪的内容获得情感信息的步骤,包括:
S203-11:获取预设的具有文本识别功能的文本神经网络。
具体地,所述文本神经网络通过以下步骤获得:
获取具有情绪标签的文本样本,将所述文本样本录入预设的具有文本识别功能的初始神经网络中,使其对所述文本样本进行运算获得输出数据,计算所述输出数据与所述情绪标签之间的差异获得损失值,通过反向传播算法根据所述损失值调整所述初始神经网络中各层的权重和偏执值,以获得能够准确识别文本样本中能够表达用户情绪的文字,并根据该内容判断所述用户的情绪状态并最终生成情感信息的文本神经网络模型;其中,所述情绪标签和输出数值均以特征向量的形式表征。
示例性地:文本样本包括文本文件和描述文本文件中情绪状态的文本标签,如:愤怒、急切、平和等;初始神经网络识别文本文件中能够表达用户情绪的文字内容,如:尽快、快点、无情绪等;初始神经网络根据所述文字获得用于表达用户情绪状态的情感信息,如:愤怒、或急切、或平和的信息,并生成与所述情感信息对应的输出向量;再根据该输出向量和文本标签,并通过反向传播算法调整初始神经网络获得文本神经网络。
S203-12:通过所述文本神经网络识别所述需求信息中能够表达用户情绪的情感信息;其中,所述情感信息是以特征向量的形式表征情绪状态的数据。
本步骤中,文本神经网络通过文本识别功能识别所述需求信息的文字以获得文本向量,及计算所述文本向量获得需求信息中能够表达用户情绪的文字内容(如:尽快、快点),并根据该内容判断获得所述用户情绪的情感信息(如:愤怒、急切情绪状态),如果所述需求信息中无所述表达用户情绪的文字内容,则判定需求信息的情感信息为平和状态。
S204:通过预设的转送神经网络运算所述关键向量获得转送机构,及运算所述情感向量获得程度指标,按照所述程度指标在所述需求信息中插入紧急标签,并将所述需求信息发送所述转送机构所对应的设备。
示例性地,所述转送神经网络运算所述关键向量(如:事故地:上海,事故原因:汽车追尾)所对应的编码向量,获得转送向量(如:救援部所对应的编码向量),根据所述转送向量获得转送机构(如:救援部);将所述情感向量与预设的程度规则进行对比,获得需求信息的程度指标,其表达了需求信息的紧急程度(例如:一级紧急),在需求信息中标注需求信息的紧急标签(如:一级紧急标签),并将所述需求信息发送救援部所对应的设备。
其中,程度规则可如下表所示:
情感信息 |
情感向量 |
程度指标 |
愤怒 |
0,0,0,1 |
一级紧急 |
急切 |
0,0,0,2 |
二级紧急 |
平和 |
0,0,0,3 |
三级紧急 |
具体地,所述转送网络模型通过以下步骤获得:
S204-1:获取具有转送标签的转送样本。
示例性地,所述转送样本可为历史上经由人工成功转送的需求信息所对应的转送向量,如:用户A发出的需求信息中关键信息(如:事故地:上海,事故原因:汽车追尾),所对应的关键向量;所述转送标签可为所述需求信息转送的部门所对应的编码向量,如:“救援部”所对应的编码向量。
S204-2:将所述转送样本录入预设的初始神经网络中,使其对所述转送样本进行运算获得输出数据,计算所述输出数据与所述情绪标签之间的差异获得损失值,通过反向传播算法根据所述损失值调整所述初始神经网络中各层的权重和偏执值,以获得能够准确识别转送样本中能够表达用户情绪的声纹,并根据该内容判断所述用户的情绪状态并最终生成情感信息的转送神经网络模型;其中,所述情绪标签和输出数值均以特征向量的形式表征。
示例性地:转送样本包括转送文件和描述转送文件中情绪状态的转送标签,如:救援部、销售部、项目部等所对应的编码向量;初始神经网络运算所述转送向量获得输出数据,如:运算获得与销售部对应的编码向量;所述输出数据和和转送标签,并通过反向传播算法调整初始神经网络获得转送神经网络。
优选的,将所述需求信息发送所述转送机构所对应的设备之后,还包括:
将所述需求信息上传至区块链。
需要说明的是,基于实例化异常信息得到对应的摘要信息,具体来说,摘要信息由实例化异常信息进行散列处理得到,比如利用sha256s算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户设备可以从区块链中下载得该摘要信息,以便查证实例化异常信息是否被篡改。本示例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
实施例三:
请参阅图3,本实施例的一种智能信息导流装置1,包括:
输入模块11,用于获取需求信息,其中,所述需求信息为用于表达用户需求的信息;
向量生成模块13,用于通过预设的音频分析进程或文本分析进程获取所述需求信息中的情感信息和关键信息,分别对所述情感信息和关键信息进行编码获得情感向量和关键向量;
转送模块14,用于通过预设的转送神经网络运算所述关键向量获得转送机构,及运算所述情感向量获得程度指标,按照所述程度指标在所述需求信息中插入紧急标签,并将所述需求信息发送所述转送机构所对应的设备。
可选的,所述智能信息导流装置1还包括:
判断模块12,用于判断所述需求信息的数据格式;若所述需求信息的数据格式为音频格式,则调用音频分析进程;若所述需求信息的数据格式为文本格式,则调用文本分析进程。
本技术方案涉及人工智能的语音语义技术领域,通过预设的音频分析进程或文本分析进程获取所述需求信息中的情感信息和关键信息,分别对所述情感信息和关键信息进行编码获得情感向量和关键向量,以实现通过语义解析的自然语言处理技术,获得需求信息中情感信息和关键信息的技术效果。
实施例四:
为实现上述目的,本发明还提供一种计算机设备2,实施例三的智能信息导流装置1的组成部分可分散于不同的计算机设备中,计算机设备可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个应用服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于:可通过系统总线相互通信连接的存储器21、处理器22,如图4所示。需要指出的是,图4仅示出了具有组件-的计算机设备,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
本实施例中,存储器21(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器21可以是计算机设备的内部存储单元,例如该计算机设备的硬盘或内存。在另一些实施例中,存储器21也可以是计算机设备的外部存储设备,例如该计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器21还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中,存储器21通常用于存储安装于计算机设备的操作系统和各类应用软件,例如实施例三的智能信息导流装置的程序代码等。此外,存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备的总体操作。本实施例中,处理器22用于运行存储器21中存储的程序代码或者处理数据,例如运行智能信息导流装置,以实现实施例一和实施例二的智能信息导流方法。
实施例五:
为实现上述目的,本发明还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器22执行时实现相应功能。本实施例的计算机可读存储介质用于存储智能信息导流装置,被处理器22执行时实现实施例一和实施例二的智能信息导流方法。
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。
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。