[发明专利]一种基于深度学习的物流智能客服系统的用户情感分析系统及方法

说明书

本发明提出了一种基于深度学习的物流智能客服系统用户情感分析系统和方法，系统包括语料库开发处理模块、预训练模块、CNN模块、CNN+GRU模块、CNN+特征模型+GRU模块、情感分析结果展示模块。本方法是针对物流智能客服系统中用户的情感识别。基于用户数据的构成复杂性，提出了一种用于物流行业智能客服情感分析的模型，根据特征构建了不同的卷积神经网络的特征模型，采用CNN+特征模型+GRU网络框架实现了多特征融合数据的情感分类。大量的实验结果表明，CNN+特征模型+GRU模型正确，能够有效解决多特征融合的中文文本情感识别问题，在物流智能客服系统中人机交互场景具有广泛的应用前景。

技术领域

本发明涉及一种基于深度学习的物流智能客服系统的用户情感分析系统及方法，特别涉及一种针对物流垂直领域数据复杂的情感分析方法。

背景技术

随着物流行业的快速发展，传统靠增加人数来维持业务发展遭遇瓶颈，智能客服系统应运而生，逐渐代替传统的人工服务，用户和智能客服的高效交流对企业的重要性不言而喻。自动分析用户对行业评论的情感取向，激发机器人对用户做出相应反馈，是提高企业服务质量，提升用户体验的重要途径；人工智能、自然语言处理技术的不断发展，为情感分析提供了更加丰富的方法和可靠的理论依据。

自然语言是用户表达意图及情感的主要方式，情感分析是自然语言处理研究的热点之一，当前，情感分析的研究应用逐渐由通用领域转向垂直领域。如影视行业，如何从电影评论中挖掘意见；电商平台，对商家或产品发表观点；新闻领域，分析提取政治观点，方便官方进行决策等，但是，到目前为止，情感分析在物流行业的应用还未出现。

综上所述，在物流这一垂直领域，分析智能客服系统中用户情感极性有着重要的意义和强大的技术支撑，也是当前物流行业亟待解决的问题之一。

发明内容

为解决物流垂直领域的用户情感分析问题，从物流智能客服系统中整理开发了关于物流的用户评论语料库，本语料具有如下三个鲜明的特点：1、口语化偏重的短语料，多数由特殊疑问句、反问句及带语气的符号组成；2、含蓄表达情感的语料，比如隐喻，讽刺等；3、上下文关联紧密表达情感的长语料，如大段文本描述整个事件的过程；当然还包括一般的基础语料。每种语料都人工标注了情感极性(正面，负面)。本发明的目的是提供一种基于深度学习的物流智能客服系统的用户情感分析系统及方法。

为达到上述目的，本发明构思如下：

基于语料数据的组成特点，给情感分析带来了相当大的难度，通用的情感分析技术已不足以有效解决问题，本发明基于深度学习，采用预训练的思想，通过卷积神经网络(CNN)对三种特征的语料进行特征提取，得到三个预训练模型F1、F2、F3；然后在本发明构建的CNN+特征模型+GRU网络框架下实现情感分类。

根据上述构思，本发明的技术方案如下：

一种基于深度学习的物流智能客服系统的用户情感分析系统，包括语料库开发处理模块、预训练模块、CNN+GRU模块、CNN+特征模型+GRU模块、情感分析结果展示模块，所述语料库开发处理模块连接预训练模块和CNN+GRU模块，所述CNN+特征模型+GRU模块连接预训练模块、CNN+GRU模块及情感分析结果展示模块。

一种基于深度学习的物流智能客服系统的用户情感分析方法，采用上述的基于深度学习的物流智能客服系统的用户情感分析系统进行操作，操作步骤如下：

1)所述语料库开发处理模块用来开发处理物流智能客服系统的情感分析所用到的各类情感数据，即为各类情感数据打标签，然后将整理的数据传入预训练模块得到特征模型；

2)预训练模块请求语料库开发处理模块传入数据进行必要的预训练，并将训练模型返回给预训练模块；

3)CNN+GRU模块请求语料库开发处理模块传入数据；