(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210944030.2 (22)申请日 2022.08.08 (71)申请人 浙江力石科技股份有限公司 地址 310000 浙江省杭州市余杭区文一西 路998号海创园科研孵化区18号楼 506、 507室 (72)发明人 付萍　陈海江　 (74)专利代理 机构 杭州云睿专利代理事务所 (普通合伙) 33254 专利代理师 张骁敏 (51)Int.Cl. G06F 40/30(2020.01) G06F 40/242(2020.01) G06F 16/35(2019.01) G06F 16/332(2019.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种智能问答系统中提问的情感倾向分析 方法和系统 (57)摘要 本发明公开了一种智能问答系统中提问的 情感倾向分析方法和系统， 包括任务管理模块、 智能问答管理模块、 客服智能选定模块、 用户特 征分析模块、 业务管理模块， 其中用户特征分析 模块为核心模块， 该模块主要针对客户聊天记录 提取实时情感极性和用户关键短语两方面的特 征， 实时情感分析任务针对客户和客服在即时聊 天过程中产生的当前及历史聊天记录进行情感 分析， 得到 “积极”或“消极”的两类情感极性， 让 智能客服系统不仅能够解决客户的问题， 还要能 够根据客户的情绪变化从而引导客户保持或转 变到正面积极的情感上来。 权利要求书1页 说明书5页 附图3页 CN 115186678 A 2022.10.14 CN 115186678 A 1.一种智能问答系统中提问的情感倾向分析系统， 其特征在于， 包括任务管理模块、 智 能问答管理模块、 客 服智能选 定模块、 用户特 征分析模块、 业 务管理模块， 具体有： 任务管理模块， 用于任务特 征提取和任务分类； 智能问答管理模块， 该模块主要由任务解析， 任务关联度分析， 问答信息匹配， 问答满 意度分析和知识结构动态更新五部 分组成， 通过这五部 分的流程 实现一个能根据用户反馈 不断优化的智能问答模块； 客服智能选定模块， 由客服特征评估， 任务 ‑客服特征匹配， 客服轮询决策和客服业绩 评估四部分组成， 在智能问答系统不能做出反馈时， 通过客户提问内容特征分配对应业务 的人工客户； 用户特征分析模块， 该模块主要针对客户聊天记录提取实时情感极性和用户关键短语 两方面的特征， 实时情感分析任务针对问答过程中产生的当前及历史聊天记录进 行情感分 析， 得到情感极性； 提取出的用户关键 短语用于后续的客服智能选定模块、 用户特征分析等 步骤； 业务管理模块， 将知识结构信息， 问答信息， 用户 ‑客服记录和任务数据形成一套完整 的辅助管理模块， 为整个系统提供必要数据用于分析训练。 2.根据权利要求1所述的一种智能问答系统中提问的情 感倾向分析方法， 其特征在于， 所述情感倾向分析基于长短期记忆网络构建短文本情感分类模型,该模型利用长短期记忆 神经网络模型整合词向量得到句向量， 有效整合了临近位置的信息； 继而由句向量得到文 本特征向量， 有效利用了文本内部句子间的语义信息 。 3.根据权利要求2所述的一种智能问答系统中提问的情 感倾向分析方法， 其特征在于， 所述实时情感分析流 程如下： 预先通过文本语料库训练词向量， 生成词向量词典， 在文本情 感分类过程中， 将词语作 为组成句子的基本单位， 根据词典初始化词向量， 对于没有出现在词典中的词随机初始化； 进行词向量初始化工作之后， 将词向量作为长短期记忆网络模型的输入， 通过整合词 向量得到表示句子的句向量； 以句向量作为输入通过改变LSTM的训练过程， 得到整合了文本内部句子间语义信息的 文本向量； 文本向量作为文本特 征表示用于情感分析， 得到文本情感极性。 4.根据权利要求1所述的一种智能问答系统中提问的情 感倾向分析方法， 其特征在于， 所述用户关键短语提取， 通过将上下文句 子的句向量进行整合得到篇章级别的向量， 将句 子级别的短文本情感分析任务转化为篇章级别的任务， 从而提高文本情感分类的准确 率； 以不同长度的句向量作为输入， 文档组合需要产生固定长度的文档向量作为输出， 同时由 于在即时聊天中聊天记录也是不断变化增 加的， 文本时序也是需要重点 考虑的问题。 5.一种电子设备， 其特征在于， 包括： 包括处理器和存储器， 所述存储器中存储有计算 机程序， 所述计算机程序由所述处理器加载并执行以实现权利要求1 ‑4任一项所述的智能 问答系统中提问的情感倾向分析 方法。 6.一种计算机可读存储介质， 其特征在于， 所述存储介质中存储有计算机程序， 所述计 算机程序由处理器加载并执行以实现权利要求 1‑4任一项所述的智能问答系统中提问的情 感倾向分析 方法。权　利　要　求　书 1/1 页 2 CN 115186678 A 2一种智能问答系统中提问的情 感倾向分析方 法和系统 技术领域 [0001]本发明涉及人工智能技术领域， 特别涉及 一种智能问答系统中提问的情感倾向分 析方法和系统。 背景技术 [0002]随着互联 网技术及人工智能的崛起， 出现了客服机器人等形式的在线智能问答系 统。 这类系统使用知识表示、 信息检索、 NLP等技术对用户录入的使用自然语言描述的问题 进行处理之后， 返回最相关的答案给用户。 [0003]在线智能问答系统的客服系统不受客户或客服数量的限制， 可以快速高效地解答 用户提问， 并且知识可以共享， 既大大降低了企业在人力资源 上的投入， 又为 企业扩展产品 推荐和营销类业 务提供了知识储备的渠道。 [0004]但是这类客服系统的缺点也很明显， 由于知识库有限及用户问句的多样性， 经常 会推送不相关的回答给用户， 并且和人工客服相比在线自动问答系统在友好性上还存在很 大缺陷， 导 致用户体验较差 。 发明内容 [0005]针对现有技术存在的不足， 本发明的目的在于提供一种智能问答系统中提问的情 感倾向分析 方法和系统， 旨在解决现有技 术问题。 [0006]本发明的上述 技术目的是通过以下技 术方案得以实现的： 一种智能问答系统中提问的情感倾向分析系统， 包括任务管理模块、 智能问答管 理模块、 客 服智能选 定模块、 用户特 征分析模块、 业 务管理模块， 具体有： 任务管理模块， 用于任务特 征提取和任务分类。 [0007]智能问答管理模块， 该模块主要由任务解析， 任务关联度分析， 问答信息匹配， 问 答满意度分析和知识结构动态更新五部 分组成， 通过这 五部分的流程实现一个能根据用户 反馈不断优化的智能问答模块。 [0008]客服智能选定模块， 由客服特征评估， 任务 ‑客服特征匹配， 客服轮询决策和客服 业绩评估四部分组成， 在智能问答系统不能做出反馈时， 通过客户提问内容特征分配对应 业务的人工客户。 [0009]用户特征分析模块， 该模块主要针对客户聊天记录提取实时情感极性和用户关键 短语两方面的特征， 实时情感分析任务针对问答过程中产生的当前及历史聊天记录进 行情 感分析， 得到情感极性； 提取出的用户关键 短语用于后续的客服智能选定模块、 用户特征分 析等步骤。 [0010]业务管理模块， 将知识结构信息， 问答信息， 用户 ‑客服记录和任务数据形成一套 完整的辅助管理模块， 为整个系统提供必要数据用于分析训练。 [0011]进一步优选为， 构建基于长短期记忆网络 （LSTM） 的短文本情感分类模型,模型图 如图4所示， 该模 型利用LSTM神经网络模 型整合词向量得到句向量， 有效整合了临近位置的说　明　书 1/5 页 3 CN 115186678 A 3