申请/专利权人：青岛网信信息科技有限公司

申请日：2024-04-12

公开（公告）日：2024-06-28

公开（公告）号：CN118035431B

主分类号：G06F16/335

分类号：G06F16/335;G06F16/33;G06F16/35;G06F40/30;G06Q30/01

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本发明提供了一种文字客服过程用户情绪预测方法、介质及系统，属于客户服务技术领域，该文字客服过程用户情绪预测方法、介质及系统，获取文字客服过程中用户输入的文本，记为用户文本；对用户文本进行特征提取，得到语义特征以及语气特征；根据语义特征，得到多个可选的参考回答文本；根据语义特征和语气特征，得到用户文本对应的情绪，记为用户情绪；根据多个可选的参考回答文本，得到每个参考回答文本对应的用户情绪变化向量；根据用户情绪以及每个参考回答文本对应的用户情绪变化向量，计算每个参考回答文本对应的用户情绪预测，并将预测结果输出给客服人员；本发明能够解决文本客户回复用户时恢复生硬，无法对用户情绪进行引导的问题。

主权项：1.一种文字客服过程用户情绪预测方法，其特征在于，包括以下步骤：S10、获取文字客服过程中用户输入的文本，记为用户文本；S20、对所述用户文本进行特征提取，得到语义特征以及语气特征；S30、根据所述语义特征，利用大语言模型和知识库，得到多个可选的参考回答文本；S40、利用预先训练好的语义语气-情绪分析模型，输入所述语义特征和所述语气特征，得到用户文本对应的情绪，记为用户情绪；S50、利用预先训练好的回答引发情绪变化模型，输入所述多个可选的参考回答文本，得到每个参考回答文本对应的用户情绪变化向量；S60、根据用户情绪以及每个参考回答文本对应的用户情绪变化向量，计算每个参考回答文本对应的用户情绪预测，并将多个可选的参考回答文本及其对应的用户情绪预测输出给客服人员；步骤S50中，回答引发情绪变化模型的建立和训练步骤如下：构建语料库：本模型训练同样需要大规模标注语料，内容包括回复文本及其引发的用户情绪变化向量，情绪变化向量是六种情绪级别变化的表示；特征提取：使用词向量技术表示回复文本的语义特征，同时表示用户当前情绪作为条件信息；模型构建：构建基于条件Seq2Seq结构的回归模型，编码器表示文本，解码器在条件下输出情绪变化；模型训练：训练目标是最小化情绪变化预测的均方误差，使用标注数据训练模型参数；模型评估：评估测试集上的效果，调整模型结构提高预测效果；模型部署：使用Python语言封装模型，部署为预测接口服务；步骤S60的具体步骤包括：获取用户当前情绪，即步骤S40输出的用户情绪；输入备选回复文本到步骤S50中的模型，获得文本对应的情绪变化向量；将当前情绪向量与情绪变化向量相加，得到各个备选文本引发的用户情绪预测；比较各备选文本的用户情绪预测，选择情绪变化最小的回复文本；将选出的最佳回复文本及所有回复文本的情绪预测，输出给客服人员；客服人员结合预测结果，选择适当的回复文本，完成回复操作。

全文数据：

权利要求：

百度查询： 青岛网信信息科技有限公司 一种文字客服过程用户情绪预测方法、介质及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD