[发明专利]基于LDA模型的供电服务客户诉求识别方法

权利要求书

1.一种基于LDA模型的供电服务客户诉求识别方法，其特征在于，包括如下过程：

步骤1：文本预处理：将工单中的文本进行文本分词及文本量化，主要对文本长内容按照一定的规则进行切分；

步骤2：LDA主题生成：在全量样本中随机选择样本作为训练样本和测试样本，通过对训练样本的训练得到性能参数，再通过测试样本进行测试并得出识别率较高的性能参数，运用性能参数生成识别文本对工单中包含的客户诉求识别；

步骤3：自动化文本分类：最后根据识别的主题及对应的词库，结合分类算法对全量客服工单实现自动化的分类。

2.根据权利要求1所述一种基于LDA模型的供电服务客户诉求识别方法，其特征在于，所述步骤2具体过程为：

将文档集中每篇文档的主题以概率分布的形式给出，即一篇文章的每个词都是通过“以一定概率选择了某个主题，并从这个主题中以一定概率选择某个词语”，一篇文档中，每个词语出现的概率为：

矩阵表示为：

其中:

“文档-词语”:矩阵表示每个文档中每个单词的词频，即出现的概率；

“主题-词语”:矩阵表示每个主题中每个单词的出现概率；

“文档-主题”:矩阵表示每个文档中每个主题出现的概率；

先选定一个主题向量θ，确定每个主题被选择的概率；然后生成每个单词的时候，从主体分布向量θ中选择一个主题z，按主题z的单词概率分布生成一个单词；

LDA的联合概率为

其中：

θ是主题向量，向量的每一列表示每个主题在文档中出现的概率，该向量为非负的归一化向量；

p(θ)：θ的分布，具体为Dirichiket分布；

N：要生成的文档的单词个数；

w_n：生成的第n个单词w；

z_n：选择的主题；

p(z|θ)：给定θ时主题z的概率分布；

p(w|z)：给定主题z时单词w的分布。

3.根据权利要求1或2所述一种基于LDA模型的供电服务客户诉求识别方法，其特征在于，所述步骤3中的分类算法为SVM分类算法。