[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

本发明公开了基于相似度词序矩阵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。本发明包括基于Word2Vec相似度情感词拓展联想步骤、多元情感语料库构建步骤、相似度词序矩阵情感量化算法步骤；对工单进行分类梳理、数据清洗，基于百度词库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，通过机器学习训练生成融合诉求情感的学习模型，基于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。

主权项

1.基于相似度词序矩阵的电力客服工单情感量化分析方法，其特征在于：包括基于Word2Vec相似度情感词拓展联想步骤、多元情感语料库构建步骤、相似度词序矩阵情感量化算法步骤；Word2Vec相似度情感词拓展联想步骤：用于初始化多元分类词库，分类词库分为积极词、消极词、中性词、否定词、程度副词，通过Word2Vec相似度矩阵实现相近情感词拓展关联，同时这些词融合客户诉求语义的词性倾向和词序强弱关系；通过对工单诉求进行Word2Vec深度学习形成积极词、消极词、中性词、否定词、程度副词之间的空间关联关系；多元情感语料库构建步骤：用于基于词向量空间距离亲疏关系，丰富拓展初始化情感分类词，构建融合客户诉求情感倾向的多元情感语料库；在对电力客服业务工单和不满意工单进行文本特征分词过程中，基于百度词库与电力专有词库，采用逆向最大匹配算法，形成初步语料库梳理，涉及积极词、消极词、中性词、否定词、程度副词五类词性分类；通过Word2Vec构建词向量，经过机器学习训练形成以初步情感语料库为中心的倾向性词空间距离关系，从而进一步提炼拓展多元词性语料库；相似度词序矩阵情感量化算法步骤：用于根据情感语料库提炼成果，基于Word2Vec神经网络的构建词向量极性空间关系，计算单一工单诉求相似度情感量化得分；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：AN‑P＝WordsNearest(Lnegative,Lpositive,10000)AP‑N＝WordsNearest(Lpositive,Lnegative,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。