[发明专利]用户情感分析模型训练方法、装置、电子设备及存储介质

权利要求书

1.一种用户情感分析模型训练方法，其特征在于，所述方法包括：

从预设的历史语料库中获取多个训练语料，并确定各个训练语料对应的用户意图；

将每种用户意图的训练语料按照声纹进行聚类操作，得到多个用户声纹类型；

将相同意图和相同用户声纹类型的训练语料划分至同一训练集，并根据训练集训练对应的用户情感分析模型。

2.根据权利要求1所述的方法，其特征在于，将相同意图和相同用户声纹类型的训练语料划分至同一训练集，包括：

将相同意图和相同用户声纹类型的训练语料进行特征提取，得到至少一种会话类型的特征向量；

汇总所述至少一种会话类型的特征向量至同一训练集。

3.根据权利要求2所述的方法，其特征在于，将相同意图和相同用户声纹类型的训练语料进行特征提取，得到至少一种会话类型的特征向量，包括：

基于神经网络模型对相同意图和相同用户声纹类型的训练语料进行特征提取，得到下述至少一种会话类型的特征向量：对话节奏型的特征向量、语气型的特征向量、语调型的特征向量和敏感词型的特征向量。

4.根据权利要求1所述的方法，其特征在于，根据训练集训练对应的用户情感分析模型，包括：

根据训练集中的特征向量以及特征向量对应的标签，训练用户情感分析模型；其中，所述标签为利用预设的词典库对所述训练语料进行语义识别，得到的负向情绪标签或正向情绪标签；

所述用户情感分析模型为基于语音心理学建立的卷积神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述标签包括多个等级的情绪标签，根据训练集中的特征向量以及特征向量对应的标签，训练用户情感分析模型，包括：

基于每一训练集查找预先设定的对应等级的情绪标签；

根据每一训练集中的特征向量和查找到的对应等级的情绪标签训练用户情感分析模型。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取用户的性格特征和对应的推荐话术库，所述用户的性格特征通过至少一种会话类型的特征向量进行标记；所述推荐话术库用于推荐维挽话术给相应的客服人员在沟通时进行参考；

将所述性格特征和对应的推荐话术库按照随机比例划分为训练样本数据集和测试样本数据集，并将所述训练样本数据集和测试样本数据集输入用户情感分析模型中进行模型的训练和测试。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：

获取用户的语音信息，通过自然语言处理技术将所述语音信息解析成会话语料；

提取所述会话语料中至少一种会话类型的特征向量；

将所述至少一种会话类型的特征向量输入到经过训练的用户情感分析模型，基于模型输出结果判断是否需要向客服发送预警提示信息。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

若确定需要向客服发送预警提示信息，则基于所述模型输出结果在查找表中查找对应的客服应急处置方法；所述客服应急处置方法包括对客服人员语速、语调、对话节奏的调整方法，以及推荐的维挽话术。

9.根据权利要求7所述的方法，其特征在于，所述方法还包括：

若确定不向客服发送预警提示信息，则获取客服人员的会话语料，以基于所述会话语料对经过训练的用户情感分析模型再次进行训练。

10.一种用户情感分析模型训练装置，其特征在于，所述装置包括：

获取模块，用于从预设的历史语料库中获取多个训练语料，并确定各个训练语料对应的用户意图；

聚类模块，用于将每种用户意图的训练语料按照声纹进行聚类操作，得到多个用户声纹类型；

训练模块，用于将相同意图和相同用户声纹类型的训练语料划分至同一训练集，并根据训练集训练对应的用户情感分析模型。