[发明专利]基于相似度词序矩阵的电力客服工单情感量化分析方法

摘要

本发明公开了一种基于Word2Vec的电力客服工单情感量化分析方法，涉及一种电力客服工单分析方法。传统的情感分析方法不能有效甄别情感强度。本发明结合电力客服工单文本特征，对历史电力客服工单和不满意工单进行分类梳理、数据清洗，再基于百度词库梳理形成初始化多元情感词库，采用逆向最大匹配算法进行工单文本分词，基于Word2Vec神经网络构建融合客户诉求语义的积极词、消极词、否定词、程度副词、以及词序的词向量，通过历史客服工单进行机器学习训练生成融合诉求情感的学习模型，基于模型中的词性亲疏关系来拓展词性语料库，采用相似度词序矩阵量化算法进行情感量化计算，完成客服工单情感量化分析，有效区分情感强弱差异，确定紧急程度。

主权项

1.一种基于Word2Vec的电力客服工单情感量化分析方法，其特征在于：结合电力客服工单文本特征，对历史电力客服工单和不满意工单进行分类梳理、数据清洗，再基于百度词库梳理形成初始化多元情感词库，采用逆向最大匹配算法进行工单文本分词，基于Word2Vec神经网络构建融合客户诉求语义的积极词、消极词、否定词、程度副词、以及词序的词向量，通过对历史客服工单进行机器学习训练生成融合诉求情感的学习模型，基于模型中的词性亲疏关系来拓展丰富词性语料库，采用相似度词序矩阵量化算法进行情感量化计算，完成客服工单情感量化分析，确定紧急程度；其中情感量化计算公式为：A_N‑P＝WordsNearest(L_negative,L_positive,10000)A_P‑N＝WordsNearest(L_positive,L_negative,10000)式中：S_molecule表示所有词情感量化分子累计求和，T表示单一诉求所有词总量，S_EQ表示单一工单诉求相似度情感量化得分，words[i]表示经过分词的工单诉求数组中第i个词，A_N‑P基于消极词到积极词关联最近词语有序集合，A_P‑N基于积极词到消极词关联最近词语有序集合，L_degree表示程度副词集合，L_nay表示否定词集合，L_positive表示积极词集合，L_negative表示消极词集合，L_neutral表示中性词集合，表示第i词在A_P‑N有序集合中的排列位置，表示第i词在A_N‑P有序集合中的排列位置，WordsNearest则为Word2vec空间关联关系方法,δ_low、δ_neutral、δ_interval分别表示情感量化消极系数下限、情感量化中性系数下限、情感量化中性区间。