CN112307186A - 基于情绪识别的问答服务方法、系统、终端设备及介质 - Google Patents
基于情绪识别的问答服务方法、系统、终端设备及介质 Download PDFInfo
- Publication number
- CN112307186A CN112307186A CN202011236335.5A CN202011236335A CN112307186A CN 112307186 A CN112307186 A CN 112307186A CN 202011236335 A CN202011236335 A CN 202011236335A CN 112307186 A CN112307186 A CN 112307186A
- Authority
- CN
- China
- Prior art keywords
- question
- emotion recognition
- emotion
- user
- preset
- 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
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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Accounting & Taxation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能技术领域,公开了一种基于情绪识别的问答服务方法、系统、计算机设备及计算机存储介质,该方法包括:接收用户提问并为所述用户提问适配最优提问答案进行输出;调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果;根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务。此外,本发明还涉及区块链技术,待识别情绪对应的标点符号、语气词和情感词汇可存储在区块链中。本发明基于人工智能自动的对提问用户进行情绪识别,并根据情绪识别结果灵活调整为提供问答服务的方式,提升了对用户咨询提供问答的服务效率。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于情绪识别的问答服务方法、系统、计算机设备以及计算机存储介质。
背景技术
由于众多企业在发展中将更多的业务办理都集中到了线上进行,如此,办理业务的用户将不可避免的面对线上的咨询沟通过程,而随着大量咨询涌入到人工沟通通道,企业也将逐渐被占据越来越多的人力资源用于为用户提供咨询问答服务。
为了降低人力资源占用,提升线上咨询问答的整体效率,现有很多企业都在运用人工智能自动的针对用户咨询问题提供解答,然而,由于现有的人工智能尚无法有效的针对用户进行情绪识别,以实现像人工客服一样能够对用户情绪的变化进行观察和对应调整服务,因此,用户在与人工智能进行问题咨询时往往难以使问题有效的得到解决,反而容易给用户造成较差的体验。
综上,现有基于人工智能自动为客户提供咨询问答服务的方式,无法针对用户进行有效的情绪识别以灵活调整服务,导致为用户提供咨询问答的服务效率低下。
发明内容
本发明的主要目的在于提供一种基于情绪识别的问答服务方法、系统、计算机设备及计算机存储介质,旨在解决现有基于人工智能自动为客户提供咨询问答服务的方式,无法针对用户进行有效的情绪识别以灵活调整服务,导致为用户提供咨询问答的服务效率低下的技术问题。
为实现上述目的,本发明实施例提供一种基于情绪识别的问答服务方法,所述基于情绪识别的问答服务方法包括:
接收用户提问并为所述用户提问适配最优提问答案进行输出;
调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果;
根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务。
优选地,所述方法,还包括:
利用情感特征参数训练预设情绪识别模型,其中,所述情感特征参数包括标点符号、语气词以及情感词汇当中的一种或者多种。
优选地,述利用情感特征参数训练预设情绪识别模型的步骤,包括:
提取各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练样本数据;
基于所述训练样本数据训练预设的二分类模型,并将训练收敛的二分类模型作为预设情绪识别模型。
优选地,所述标点符号、语气词和情感词汇存储于区块链中,所述提取各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练样本数据的步骤,包括:
从所述区块链中提取各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练样本数据。
优选地,所述接收用户提问并为所述用户提问适配最优提问答案进行输出的步骤,包括:
针对接收到的所述用户提问对应的文本内容进行分词处理得到分词结果;
从预设问答库中检测所述分词结果映射的各提问答案,并提取各所述提问答案中的最优提问答案并输出。
优选地,在所述根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务的步骤之后,所述方法还包括:
记录所述人工服务渠道执行问答服务所输出的人工提问答案,并根据所述人工提问答案优化预设问答库。
优选地,在所述调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果的步骤之后,所述方法还包括:
根据所述情绪识别结果为所述二次输入适配提问答案并输出;或者,
根据所述情绪识别结果和所述二次输入结束当前问答服务。
此外,为实现上述目的,本发明还提供一种基于情绪识别的问答服务系统,所述基于情绪识别的问答服务系统包括:
接收模块,用于接收用户提问并为所述用户提问适配最优提问答案进行输出;
情绪识别模块,用于调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果;
切换模块,用于根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务。
此外,为实现上述目的,本发明还提供一种计算机设备,所述计算机设备包括:存储器、处理器,通信总线以及存储在所述存储器上的基于情绪识别的问答服务程序,
所述通信总线用于实现处理器与存储器间的通信连接;
所述处理器用于执行所述基于情绪识别的问答服务程序,以实现以下步骤:
接收用户提问并为所述用户提问适配最优提问答案进行输出;
调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果;
根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务。
此外,为实现上述目的,本发明还提供一种计算机存储介质,所述计算机存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序可被一个或者一个以上的处理器执行以用于:
接收用户提问并为所述用户提问适配最优提问答案进行输出;
调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果;
根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务。
本发明提供的基于情绪识别的问答服务方法、系统、计算机设备以及计算可读存储介质,通过接收用户提问并为所述用户提问适配最优提问答案进行输出;调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果;根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务。
本发明在人工智能针对用户的提问提供相应问答服务的过程中,首先针对用户的提问适配问答库中该提问最优的答案并输出给用户,然后接收用户基于该答案所反馈的二次输入,并调用预先训练好的预设情绪识别模型针对该二次输入进行情绪识别得到标识用户当前针对该答案的动态情绪,最后,基于该动态情绪将当前为用户提供问答服务的人工智能服务渠道,自动切换至由人工来继续向用户提供问答服务。
本发明实现了,基于人工智能自动的对提问用户进行动态情绪识别,从而根据情绪识别结果灵活调整为用户提供咨询沟通的方式,提升了对用户提供咨询沟通的服务效率。不仅令用户能够获得良好的服务体验,还有效规避了重复、低效的沟通咨询造成的大量人力资源浪费,真正的节省企业沟通成本。
附图说明
图1为本发明实施例方法涉及的计算机设备硬件运行环境的结构示意图;
图2为本发明基于情绪识别的问答服务方法一实施例的流程示意图;
图3为本发明基于情绪识别的问答服务方法一实施例所涉及的应用场景示意图;
图4本发明基于情绪识别的问答服务系统的功能模块示意图。
本发明目的的实现、功能特点及优点将整合实施例,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。
本发明实施例的主要解决方案是:通过接收用户提问并为所述用户提问适配最优提问答案进行输出;调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果;根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务。
由于众多企业在发展中将更多的业务办理都集中到了线上进行,如此,办理业务的用户将不可避免的面对线上的咨询沟通过程,而随着大量咨询涌入到人工沟通通道,企业也将逐渐被占据越来越多的人力资源用于为用户提供咨询问答服务。
为了降低人力资源占用,提升线上咨询问答的整体效率,现有很多企业都在运用人工智能自动的针对用户咨询问题提供解答,然而,由于现有的人工智能尚无法有效的针对用户进行情绪识别,以实现像人工客服一样能够对用户情绪的变化进行观察和对应调整服务,因此,用户在与人工智能进行问题咨询时往往难以使问题有效的得到解决,反而容易给用户造成较差的体验。
综上,现有基于人工智能自动为客户提供咨询问答服务的方式,无法针对用户进行有效的情绪识别以灵活调整服务,导致为用户提供咨询问答的服务效率低下。
本发明提供的解决方案,在人工智能针对用户的提问提供相应问答服务的过程中,首先针对用户的提问适配问答库中该提问最优的答案并输出给用户,然后接收用户基于该答案所反馈的二次输入,并调用预先训练好的预设情绪识别模型针对该二次输入进行情绪识别得到标识用户当前针对该答案的动态情绪,最后,基于该动态情绪将当前为用户提供问答服务的人工智能服务渠道,自动切换至由人工来继续向用户提供问答服务。
本发明实现了,基于人工智能自动的对提问用户进行动态情绪识别,从而根据情绪识别结果灵活调整为用户提供咨询沟通的方式,提升了对用户提供咨询沟通的服务效率。不仅令用户能够获得良好的服务体验,还有效规避了重复、低效的沟通咨询造成的大量人力资源浪费,真正的节省企业沟通成本。
如图1所示,图1是本发明实施例方案涉及的计算机设备硬件运行环境的设备结构示意图。
本发明实施例计算机设备可以是PC、智能手机、平板电脑和便携计算机等终端设备。
如图1所示,该计算机设备可以包括:处理器1001,例如CPU,通信总线1002,用户接口1003,网络接口1004,存储器1005。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),可选的用户接口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。
可选地,该计算机设备还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在设备移动到耳边时,关闭显示屏和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别设备姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;当然,移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的设备结构并不构成对计算机设备的限定,在其它实施方式当中,计算机设备还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、用户接口模块以及基于情绪识别的问答服务程序。
在图1所示的计算机设备中,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;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的基于情绪识别的问答服务程序,并执行以下步骤:
接收用户提问并为所述用户提问适配最优提问答案进行输出;
调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果;
根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务。
进一步地,处理器1001可以用于调用存储器1005中存储的基于情绪识别的问答服务程序,还执行以下步骤:
利用情感特征参数训练预设情绪识别模型,其中,所述情感特征参数包括标点符号、语气词以及情感词汇当中的一种或者多种。
进一步地,处理器1001可以用于调用存储器1005中存储的基于情绪识别的问答服务程序,还执行以下步骤:
提取各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练样本数据;
基于所述训练样本数据训练预设的二分类模型,并将训练收敛的二分类模型作为预设情绪识别模型。
进一步地,所述标点符号、语气词和情感词汇存储于区块链中,处理器1001可以用于调用存储器1005中存储的基于情绪识别的问答服务程序,还执行以下步骤:
从所述区块链中提取各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练样本数据。
进一步地,处理器1001可以用于调用存储器1005中存储的基于情绪识别的问答服务程序,还执行以下步骤:
针对接收到的所述用户提问对应的文本内容进行分词处理得到分词结果;
从预设问答库中检测所述分词结果映射的各提问答案,并提取各所述提问答案中的最优提问答案并输出。
进一步地,所述验证配置参数还包括数据库信息,处理器1001可以用于调用存储器1005中存储的基于情绪识别的问答服务程序,在执行在根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务之后,还执行以下步骤:
记录所述人工服务渠道执行问答服务所输出的人工提问答案,并根据所述人工提问答案优化预设问答库。
进一步地,所述扫描配置文件存储于区块链中,处理器1001可以用于调用存储器1005中存储的基于情绪识别的问答服务程序,在执行调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果之后,还执行以下步骤:
根据所述情绪识别结果为所述二次输入适配提问答案并输出;或者,
根据所述情绪识别结果和所述二次输入结束当前问答服务。
本发明基于情绪识别的问答服务方法所涉及计算机设备的具体实施例与下述基于情绪识别的问答服务方法的各具体实施例基本相同,在此不作赘述,此外,为便于表述,后文中均以终端设备替代计算机设备进行阐述。
本发明提供一种基于情绪识别的问答服务方法。
请参照图2,图2为本发明基于情绪识别的问答服务方法第一实施例的流程示意图,在本实施例中,该基于情绪识别的问答服务方法包括:
步骤S100,接收用户提问并为所述用户提问适配最优提问答案进行输出;
终端设备在针对用户发起的线上咨询沟通提供提供智能问答的过程中,接收当前基于人工智能为用户提供智能问答的服务渠道所传输的、用户所输入的用户提问,然后针对该用户提问进行解析处理并在预设的问答库当中,为该用户提问适配一个最优提问答案,并同样基于当前的服务渠道将该最优提问答案进行输出以供用户知悉。
需要说明的是,在本实施例中,用户提问具体可以是用户基于与终端设备进行智能问答的咨询沟通服务时,基于用户图形界面中预置的文本输入框所手动输入的文本信息,终端设备在接收到该文本信息之后,可直接进行解析处理从而从预设的问答库当中适配最优提问答案。或者,用户提问还可以是用户基于用户图形界面中预置的音频录制按键输入的语音信息,终端设备在接收到该语音信息之后,先针对该语音信息进行转换成为文本,然后进行解析处理以从该预设的问答库中适配最优提问答案。应当理解的是,基于实际应用的不同设计需要,在其他可行的实施方式当中,用户提问的具体数据格式以及内容等均可以采用不同于本实施例中所列举文本、语音等,本发明基于情绪识别的问答服务方法,并不针对该用户提问的数据格式以及内容等进行具体限定。
此外,预设的问答库具体可以为终端设备基于智能问答的设计开发人员的配置,而自动生成用于关联存储用户提问与多个提问答案的数据库,即,在该问答库中,存储有大量的用户提问,且各个用户提问关联有多个提问答案,该多个提问答案按照与用户提问之间的相关程度,分作最优提问答案、次优提问答案以及普通提问答案等。应当理解的是,在本实施例中,基于实际应用的不同设计需要,该预设的问答库当然也可以被设计为不同于本实施的其它形式,本发明基于情绪识别的问答服务方法,并针对该预设的问答库进行具体限定。
进一步地,在一种可行的实施例中,步骤S100,可以包括:
步骤S101,针对接收到的所述用户提问对应的文本内容进行分词处理得到分词结果;
步骤S102,从预设问答库中检测所述分词结果映射的各提问答案,并提取各所述提问答案中的最优提问答案并输出。
终端设备在接收到用户提问之后,调用预设的分词方式针对该用户提问对应的文本内容进行分词处理,从而得到该用户提问的分词结果,然后基于该分词结果,从而预设问答库中检测定位该用户提问所关联映射的多个提问答案,并从该多个提问答案中提取出最优提问答案输出反馈至用户页面。
需要说明的是,在本实施中,预设的分词方式包括但不限于现有成熟的基于字符串匹配的分词方法、字构词的分词方法以及全切分方法。
具体地,例如,请参照如图3所示的应用场景,终端设备当前接收到用户输入的文本内容为“数据采集中车架号脱敏方法”时,终端设备采用全切分分词方式,随即先进行词条检索以找到匹配的所有词条—数据、采集、数据采集、集中、采集中、中车、车架、车架号、脱敏、方法、脱敏方法,接着做词网络的路径搜索以基于统计语言模型找到最优路径即得到最优切分—数据、采集中、车架号、脱敏、方法。在终端设备得到该用户提问的分词结果—数据、采集中、车架号、脱敏、方法之后,按照现有成熟的聚类算法从预设问答库中匹配出该分词结果对应的最优提问答案,并将该提问答案按照当前服务渠道输出至用户输入用户提问的用户图形界面上。
在本实施例中,考虑到数据评审提问场景并不会特别海量,因此全切分分词方式来针对用户提问对应的文本内容进行分词处理,兼顾了终端设备对用户提问的识别效率。应当理解的是,基于实际使用的不同设计需要,在其他可行的实施方式中,当然也可以采用其它不同本实施例所列举的其他分词方式来针对用户提问所对应的文本进行分词,本发明基于情绪识别的问答服务方法,并不针对该分词方式的种类进行具体限定。
步骤S200,调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果;
终端设备在适配得到用户提问的最优提问答案并输出反馈至用户之后,接收用户基于该最优提问答案所反馈的二次输入,然后,调用已经训练好的预设情绪识别模型,将该二次输入对应的文本内容输入至该预设情绪识别模型当中以针对该二次数据进行情绪识别得到用户当前的情绪识别结果。
具体地,例如,请参照如图3所示的应用场景,终端设备在将适配出的最优提问答案输出至用户图形界面之后,用户根据所获取的该最优提问答案会进行反馈,即基于该用户图形界面进行二次输入,终端设备在接收到用户输入的该二次输入之后,随即调用预先已经训练好的预设情绪识别模型,针对该二次输入对应文本内容,判断用户文本特征变化对应的情感状态,即结合情感语气词、标点符号判定,输出对应的情绪识别结果为高兴、平静、愤怒或者是悲伤,从而以此判断用户当前的情绪识别结果是稳定还是不稳定(不稳定类主要选取愤怒、悲伤情绪,稳定类主要选取高兴、平静情绪)。
需要说明的是,在本实施例中,预设情绪识别模型为终端设备预先基于设计开发人员配置的训练样本数据,针对成熟的二分类模型(例如支持向量机)进行训练得到的。
此外,在另一种可行的实施例中,终端设备除了在接收到用户的二次输入之后才开始调用该预设情绪识别模型针对该二次输入进行情绪识别,终端设备当然还可以基于实际应用的设计需要,在接收到用户首次输入的用户提问之后,即可开始调用该预设情绪识别模型针对该用户提问进行情绪识别。
进一步地,在一种可行的实施例中,本发明基于情绪识别的问答服务方法,还可以包括:
步骤S400,利用情感特征参数训练预设情绪识别模型,其中,所述情感特征参数包括标点符号、语气词以及情感词汇当中的一种或者多种;
终端设备基于开发设计人员的配置利用标点符号、语气词和/或者情感词汇等情感热证参数构建训练样本,来针对二分类模型进行训练从而得到预设情绪识别模型。
需要说明的是,在本实施例中,情感特征参数包括但不限于标点符号、语气词和情感词汇,终端设备可预先基于开发设计人员的配置从该情感特征参数当中选择一种或者多种以构建训练样本用以训练得到预设情绪识别模型。
进一步地,在一种可行的实施例中,步骤S400,还可以包括:
步骤S401,提取各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练样本数据;
终端设备基于开发设计人员的配置,提取预设待识别情绪各自所对应的标点符号、语气词和/或者情感词汇来作为训练样本数据。
需要说明的是,在本实施例中,预设待识别情绪包括但不限于高兴、平静、愤怒或者是悲伤,该高兴、平静、愤怒或者是悲伤各自对应的标点符号、语气词和情感词汇存储于开发设计人员预先创建好的区块链中。
进一步地,在一种可行的实施例中,步骤S401,可以包括:
步骤S4011,从所述区块链中提取各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练样本数据。
终端设备从开发设计人员预先创建的区块链中,提取高兴对应的标点符号、语气词和情感词汇作为训练识别“高兴”情绪的训练样本数据,并提取平静应的标点符号、语气词和情感词汇作为训练识别“平静”情绪的训练样本数据,并提取愤怒对应的标点符号、语气词和情感词汇作为训练识别“愤怒”情绪的训练样本数据,以及,提取悲伤对应的标点符号、语气词和情感词汇作为训练识别“悲伤”情绪的训练样本数据。
具体地,例如,终端设备基于开发设计人员的配置,从预先创建的区块链一节点当中,分别提取标识“高兴”的5句情感词汇、标识“平静”的5句情感词汇、标识“愤怒”的5句情感词汇,以及标识“悲伤”的5句情感词汇,然后将该20句情感词汇作为训练样本数据。
在本实施例中,通过将预先收集到的高兴、平静、愤怒以及悲伤等情绪对应的标点符号、语气词以及情感词汇存储于一区块链的节点中,如此,不仅能够确保该标点符号、语气词以及情感词汇的稳定性,还能够确保终端设备在提取该标点符号、语气词以及情感词汇时的响应积极性和准确性,进一步提升了构建训练样本数据来训练二分类模型作为预设情绪识别模型的整体效率。
步骤S402,基于所述训练样本数据训练预设的二分类模型,并将训练收敛的二分类模型作为预设情绪识别模型。
需要说明的是,在本实施例中,预设的二分类模型具体可以为支持向量机模型。应当理解的是,基于实际应用的不同设计需要,在其它可行的实时方式中,该二分类模型当然也可以是不同于支持向量机模型的其他模型,本发明基于情绪识别的问答服务方法,并不针对该二分类模型的种类进行具体限定。
终端设备在提取得到各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练数据之后,利用该训练数据针对二分类模型—支持向量机模型进行训练直至收敛,并将训练收敛的该支持向量机模型作为针对用户进行动态情绪识别时调用的预设情绪识别模型。
具体地,例如,终端设备将从预先创建的区块链一节点当中,提取出了标识“愤怒”的标点符号为“!”和“?”、标识“悲伤”的标点符号为“…”和“。。。”、标识“高兴”的标点符号仅为“!”,以及,标识“平静”的标点符号为“,”、“。”和“~”,则终端设备即配置支持向量机模型,在“!”和“?”多于2个(含)时将情绪识别结果计入愤怒,“…”和“。。。”多于2个(含)将情绪识别结果计入悲伤,仅有“!”时将情绪识别结果计入高兴,以及,分别有“,”、“。”和“~”时将情绪识别结果计入平静。
此外,终端设备进一步配置支持向量机模型,在存在语气词“哼”和/或者“呵”时,将情绪识别结果计入愤怒,在存在语气词“唉”和/或者“哎”时,将情绪识别结果计入悲伤,在存在语气词“啊”、“哈”、“哈哈”和/或者“呵呵”时,将情绪识别结果计入高兴,以及,在存在语气词“吧”、“吗”、“呢”和/或者“啦”等时,将情绪识别结果计入平静。
此外,终端设备在从预先创建的区块链一节点当中,分别提取标识“高兴”的5句情感词汇、标识“平静”的5句情感词汇、标识“愤怒”的5句情感词汇,以及标识“悲伤”的5句情感词汇,并将该20句情感词汇作为训练样本数据之后,设定20句情感词汇的情感特征参数初始值,然后利用情感特征参数训练支持向量机模型,求解参数ω,即求解:
求出该参数ω之后,即可确定针对该支持向量机模型的训练已经收敛,从而将训练收敛的支持向量机模型作为预设情绪识别模型。
步骤S300,根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务。
需要说明的是,在本实施例中,预设的人工服务渠道具体可以为由企业进行咨询服务问答的工作人员,基于一对一为用户提供问答服务的渠道。
终端设备在基于调用预设情绪识别模型识别出的情绪识别结果,表示用户当前的情绪不稳定时,终端设备随即自动将当前基于人工智能为用户提供问答服务的渠道,切换至由工作人员一对一为用户提供问答服务的渠道,从而,由该工作人员人工针对用户提问进行服务直至用户当前的咨询问答结束。
具体地,例如,请参照如图3所示的应用场景,终端设备在将接收到的用户的二次输入所对应的文本内容输入至已经训练好的预设情绪识别模型,从而由该预设情绪识别模型输出“愤怒”或者“悲伤”的情绪识别结果时,终端设备随即确定用户当前的情绪不稳定,进而判断出用户对当前基于人工智能问答的服务渠道所返回的最优提问答案不满意,如此,终端设备快速切换智能问答至人工回复,从而保持针对用户提供咨询问答服务的服务质量,并待人工对用户回答完毕时候,则结束当前问答流程。
进一步地,在另一种可行的实施例中,本发明基于情绪识别的问答服务方法,还可以包括:
步骤S500,记录所述人工服务渠道执行问答服务所输出的人工提问答案,并根据所述人工提问答案优化预设问答库。
终端设备在将服务渠道切换至人工为用户提供问答服务的渠道之后,记录人工基于该渠道接收到的用户提问以及向用户所反馈输出的人工提问答案,从而,将该用户提问和人工提问答案关联存储至问答库当中,已针对该问答库进行进一步地优化。
进一步地,在另一种可行的实施例中,终端设备还可以通过记录切换至人工回复的情形,将切换时所识别到的用户的情绪作为新的训练样本数据,以对预设情绪识别模型算法进行优化,补充问答库并优化智能问答算法,从而当用户下次咨询时,由优化后的智能问答系统提供反馈结果。
在本实施例中,通过基于人工对用户进行服务的数据进行记录,从而利用该数据针对问答库进行优化,以便于下一次基于人工智能为用户提问进行服务时,能够更加准确的为用户输出最优提问答案,提升服务效率和用户体验。
进一步地,在另一种可行的实施例中,在上述步骤S200,调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果之后,本发明基于情绪识别的问答服务方法,还可以包括:
步骤S600,根据所述情绪识别结果为所述二次输入适配提问答案并输出;
终端设备在基于调用预设情绪识别模型识别出的情绪识别结果,表示用户当前的情绪稳定时,终端设备随即继续针对该二次输入对应的文本内容进行分词,以从问答库当中适配该二次输入的最优提问答案并向用户反馈输出。
具体地,例如,请参照如图3所示的应用场景,终端设备在将接收到的用户的二次输入所对应的文本内容输入至已经训练好的预设情绪识别模型,从而由该预设情绪识别模型输出“高兴”或者“平静”的情绪识别结果时,终端设备随即确定用户当前的情绪稳定,并在进一步识别到该二次输入的文本内容为肯定回答时,终端设备则显示感谢语并结束当前问答服务,或者,在进一步识别到该文本内容为为否定回答,则返回智能回复进程,重新执行针对该文本内容进行分词并适配提问答案的过程。
步骤S700,根据所述情绪识别结果和所述二次输入结束当前问答服务。
终端设备在基于调用预设情绪识别模型识别出的情绪识别结果,表示用户当前的情绪稳定,且用户的二次输入表示肯定回答时,则输出感谢语并结束当前的问答服务。
具体地,例如,请参照如图3所示的应用场景,终端设备在将接收到的用户的二次输入所对应的文本内容为“对”、“好的”、“谢谢”或者“正确”等肯定回答时,终端设备随即继续当前由人工智能为用户提供问答的服务渠道,向用户反馈输出表示感谢的内容后,即直接结束当前问答服务的进程。
在本实施例中,通过终端设备在针对用户发起的线上咨询沟通提供提供智能问答的过程中,接收当前基于人工智能为用户提供智能问答的服务渠道所传输的、用户所输入的用户提问,然后针对该用户提问进行解析处理并在预设的问答库当中,为该用户提问适配一个最优提问答案,并同样基于当前的服务渠道将该最优提问答案进行输出以供用户知悉;终端设备在适配得到用户提问的最优提问答案并输出反馈至用户之后,接收用户基于该最优提问答案所反馈的二次输入,然后,调用已经训练好的预设情绪识别模型,将该二次输入对应的文本内容输入至该预设情绪识别模型当中以针对该二次数据进行情绪识别得到用户当前的情绪识别结果;终端设备在基于调用预设情绪识别模型识别出的情绪识别结果,表示用户当前的情绪不稳定时,终端设备随即自动将当前基于人工智能为用户提供问答服务的渠道,切换至由工作人员一对一为用户提供问答服务的渠道,从而,由该工作人员人工针对用户提问进行服务直至用户当前的咨询问答结束。
本发明实现了,在人工智能针对用户的提问提供相应问答服务的过程中,首先针对用户的提问适配问答库中该提问最优的答案并输出给用户,然后接收用户基于该答案所反馈的二次输入,并调用预先训练好的预设情绪识别模型针对该二次输入进行情绪识别得到标识用户当前针对该答案的动态情绪,最后,基于该动态情绪将当前为用户提供问答服务的人工智能服务渠道,自动切换至由人工来继续向用户提供问答服务。从而,基于人工智能自动的对提问用户进行动态情绪识别,从而根据情绪识别结果灵活调整为用户提供咨询沟通的方式,提升了对用户提供咨询沟通的服务效率。不仅令用户能够获得良好的服务体验,还有效规避了重复、低效的沟通咨询造成的大量人力资源浪费,真正的节省企业沟通成本。
此外,本发明还提供了基于情绪识别的问答服务系统,请参照图4,图4为本发明基于情绪识别的问答服务系统的功能模块示意图,该基于情绪识别的问答服务系统包括:
接收模块101,用于接收用户提问并为所述用户提问适配最优提问答案进行输出;
情绪识别模块102,用于调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果;
切换模块103,用于根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务。
优选地,本发明基于情绪识别的问答服务系统,还包括:
模型训练模块,用于利用情感特征参数训练预设情绪识别模型,其中,所述情感特征参数包括标点符号、语气词以及情感词汇当中的一种或者多种。
优选地,所述模型训练模块,包括:
提取单元,用于提取各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练样本数据;
训练单元,用于基于所述训练样本数据训练预设的二分类模型,并将训练收敛的二分类模型作为预设情绪识别模型。
优选地,所述标点符号、语气词和情感词汇存储于区块链中,所述提取单元,还用于从所述区块链中提取各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练样本数据。
优选地,所述接收模块101,包括:
分词单元,用于针对接收到的所述用户提问对应的文本内容进行分词处理得到分词结果;
输出单元,用于从预设问答库中检测所述分词结果映射的各提问答案,并提取各所述提问答案中的最优提问答案并输出。
优选地,本发明基于情绪识别的问答服务系统,还包括:
优化模块,用于记录所述人工服务渠道执行问答服务所输出的人工提问答案,并根据所述人工提问答案优化预设问答库。
优选地,本发明基于情绪识别的问答服务系统,还包括:
继续服务模块,用于根据所述情绪识别结果为所述二次输入适配提问答案并输出;
结束模块,用于根据所述情绪识别结果和所述二次输入结束当前问答服务。
本发明基于情绪识别的问答服务系统的具体实施方式与上述基于情绪识别的问答服务方法各实施例基本相同,在此不再赘述。
此外,本发明还提供了一种计算机存储介质,该计算机存储介质存储有一个或者一个以上程序,该一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于:
接收用户提问并为所述用户提问适配最优提问答案进行输出;
调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果;
根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务。
此外,所述标点符号、语气词和情感词汇存储于区块链中,该一个或者一个以上程序还可被一个或者一个以上的处理器执行还用于:
从所述区块链中提取各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练样本数据。
此外,该一个或者一个以上程序还可被一个或者一个以上的处理器执行根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务的步骤之后,还用于:
记录所述人工服务渠道执行问答服务所输出的人工提问答案,并根据所述人工提问答案优化预设问答库。
此外,该一个或者一个以上程序还可被一个或者一个以上的处理器执行调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果的步骤之后,还用于:
根据所述情绪识别结果为所述二次输入适配提问答案并输出;或者,
根据所述情绪识别结果和所述二次输入结束当前问答服务。
本发明计算机存储介质具体实施方式与上述基于情绪识别的问答服务方法各实施例基本相同,在此不再赘述。
需要说明的是,本发明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。此外,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 (10)
1.一种基于情绪识别的问答服务方法,其特征在于,所述基于情绪识别的问答服务方法包括:
接收用户提问并为所述用户提问适配最优提问答案进行输出;
调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果;
根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务。
2.如权利要求1所述的基于情绪识别的问答服务方法,其特征在于,所述方法,还包括:
利用情感特征参数训练预设情绪识别模型,其中,所述情感特征参数包括标点符号、语气词以及情感词汇当中的一种或者多种。
3.如权利要求2所述的基于情绪识别的问答服务方法,其特征在于,所述利用情感特征参数训练预设情绪识别模型的步骤,包括:
提取各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练样本数据;
基于所述训练样本数据训练预设的二分类模型,并将训练收敛的二分类模型作为预设情绪识别模型。
4.如权利要求3所述的基于情绪识别的问答服务方法,其特征在于,所述标点符号、语气词和情感词汇存储于区块链中,所述提取各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练样本数据的步骤,包括:
从所述区块链中提取各预设待识别情绪各自对应的标点符号、语气词和/或者情感词汇作为训练样本数据。
5.如权利要求1所述的基于情绪识别的问答服务方法,其特征在于,所述接收用户提问并为所述用户提问适配最优提问答案进行输出的步骤,包括:
针对接收到的所述用户提问对应的文本内容进行分词处理得到分词结果;
从预设问答库中检测所述分词结果映射的各提问答案,并提取各所述提问答案中的最优提问答案并输出。
6.如权利要求1所述的基于情绪识别的问答服务方法,其特征在于,在所述根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务的步骤之后,所述方法还包括:
记录所述人工服务渠道执行问答服务所输出的人工提问答案,并根据所述人工提问答案优化预设问答库。
7.如权利要求1所述的基于情绪识别的问答服务方法,其特征在于,在所述调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果的步骤之后,所述方法还包括:
根据所述情绪识别结果为所述二次输入适配提问答案并输出;或者,
根据所述情绪识别结果和所述二次输入结束当前问答服务。
8.一种基于情绪识别的问答服务系统,其特征在于,所述基于情绪识别的问答服务系统包括:
接收模块,用于接收用户提问并为所述用户提问适配最优提问答案进行输出;
情绪识别模块,用于调用预设情绪识别模型针对基于所述最优提问答案反馈的二次输入进行情绪识别得到情绪识别结果;
切换模块,用于根据所述情绪识别结果切换当前服务渠道至预设的人工服务渠道,以供所述人工服务渠道针对所述二次输入执行问答服务。
9.一种计算机设备,其特征在于,所述计算机设备包括:存储器、处理器,通信总线以及存储在所述存储器上的基于情绪识别的问答服务程序,
所述通信总线用于实现处理器与存储器间的通信连接;
所述处理器用于执行所述基于互联网的基于情绪识别的问答服务程序,以实现如权利要求1至7中任一项所述的基于情绪识别的问答服务方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有基于情绪识别的问答服务程序,所述基于情绪识别的问答服务程序被处理器执行时实现如权利要求1至7中任一项所述的基于情绪识别的问答服务方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011236335.5A CN112307186A (zh) | 2020-11-06 | 2020-11-06 | 基于情绪识别的问答服务方法、系统、终端设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011236335.5A CN112307186A (zh) | 2020-11-06 | 2020-11-06 | 基于情绪识别的问答服务方法、系统、终端设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112307186A true CN112307186A (zh) | 2021-02-02 |
Family
ID=74325231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011236335.5A Pending CN112307186A (zh) | 2020-11-06 | 2020-11-06 | 基于情绪识别的问答服务方法、系统、终端设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112307186A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051386A (zh) * | 2021-04-30 | 2021-06-29 | 中国银行股份有限公司 | 转人工服务的调整方法、装置、电子设备以及存储介质 |
-
2020
- 2020-11-06 CN CN202011236335.5A patent/CN112307186A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051386A (zh) * | 2021-04-30 | 2021-06-29 | 中国银行股份有限公司 | 转人工服务的调整方法、装置、电子设备以及存储介质 |
CN113051386B (zh) * | 2021-04-30 | 2024-02-02 | 中国银行股份有限公司 | 转人工服务的调整方法、装置、电子设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832286B (zh) | 智能交互方法、设备及存储介质 | |
CN106406806B (zh) | 一种用于智能设备的控制方法及装置 | |
CN110569377B (zh) | 一种媒体文件的处理方法和装置 | |
CN109360550B (zh) | 语音交互系统的测试方法、装置、设备和存储介质 | |
CN110795528B (zh) | 一种数据查询方法、装置、电子设备及存储介质 | |
CN107657017A (zh) | 用于提供语音服务的方法和装置 | |
CN105657129A (zh) | 通话信息获取方法和装置 | |
CN109670023A (zh) | 人机自动面试方法、装置、设备和存储介质 | |
CN109033156B (zh) | 一种信息处理方法、装置及终端 | |
CN109684455A (zh) | 智能客服系统的实现方法及装置、设备、可读存储介质 | |
CN111597804B (zh) | 一种实体识别模型训练的方法以及相关装置 | |
CN110489747A (zh) | 一种图像处理方法、装置、存储介质及电子设备 | |
CN112632244A (zh) | 一种人机通话的优化方法、装置、计算机设备及存储介质 | |
KR102312993B1 (ko) | 인공신경망을 이용한 대화형 메시지 구현 방법 및 그 장치 | |
CN110933225A (zh) | 通话信息获取方法、装置、存储介质及电子设备 | |
CN114817755A (zh) | 一种用户互动内容管理方法、装置和存储介质 | |
CN114974253A (zh) | 一种基于人物画像的自然语言解释方法、装置及存储介质 | |
CN106372203A (zh) | 一种智能终端的信息响应方法、装置和智能终端 | |
CN112307186A (zh) | 基于情绪识别的问答服务方法、系统、终端设备及介质 | |
CN117520498A (zh) | 基于虚拟数字人交互处理方法、系统、终端、设备及介质 | |
CN110263346B (zh) | 基于小样本学习的语意分析方法、电子设备及存储介质 | |
CN112165627A (zh) | 信息处理方法、装置、存储介质、终端及系统 | |
CN111933133A (zh) | 智能客服应答的方法及装置、电子设备、存储介质 | |
CN113763925B (zh) | 语音识别方法、装置、计算机设备及存储介质 | |
CN112328871A (zh) | 一种基于rpa模块的回复生成方法、装置、设备及存储介质 |
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 |