[发明专利]情绪向量的生成方法及装置

说明书

本发明提供了一种情绪向量的生成方法及装置，该方法包括：将预设单词样本集合按照语义划分为多组数据集，其中，所述多组数据集包括：心态数据集、感情数据集、精神数据集、脏话数据集、侮辱数据集、心理数据集；根据所述多组数据集训练决策树模型，获得向量生成模型；向所述向量生成模型中输入目标情绪词，得到所述目标情绪词的情绪向量。通过本发明，解决了相关技术中生成情绪词向量不精确的技术问题，实现了机器对人类情绪的全面感知。

技术领域

本发明涉及计算机领域，具体而言，涉及一种情绪向量的生成方法及装置。

背景技术

相关技术中，智能语音外呼系统是通过语音识别、语音合成、自然语言理解等技术，使用智能机器人取代人工自动进行外呼，基于NLP(全称为Natural LanguageProcessing，自然语言处理技术)技术分析客户意向和意图，从而实现持续增值客户服务和客户价值。然而，在智能机器人与客户进行对话的过程中，客户的很多话术并没有明确的意图，这时候根据数据库中已有的意图库很难对客户当前的想法做出正确的判断，因此可以通过分析客户话术中的关键词，从而提取客户话术中的情绪信息，根据客户当前的情绪智能机器人决定后续的对话方案。因此，获取情绪向量就变得至关重要了。

相关技术中，对情绪向量的生成方法的研究，通常视为二分类问题，这会削弱情绪向量在其它任务上的泛化能力，仅在一个维度分析情绪，如积极消极，正面负面等，这种分类方式太过粗狂，导致情绪分类不够精确。

针对相关技术中存在的上述问题，目前尚未发现有效的解决方案。

发明内容

本发明实施例提供了一种情绪向量的生成方法及装置，以至少解决相关技术中生成情绪词向量不准确、耗时耗力等技术问题。

根据本发明的一个实施例，提供了一种情绪向量的生成方法，包括：将预设单词样本集合按照语义划分为多组数据集，其中，所述多组数据集包括：心态数据集、感情数据集、精神数据集、脏话数据集、侮辱数据集、心理数据集；根据所述多组数据集训练决策树模型，获得向量生成模型；向所述向量生成模型中输入目标情绪词，得到所述目标情绪词的情绪向量。

可选的，将预设单词样本划分为多组数据集包括：采用Word2vec模型将所述预设单词样本集合转换为多个词向量；将所述多个词向量按照语义划分为多组数据集。

可选的，将所述多个词向量按照语义划分为多组数据集包括：将所述多个词向量按照语义划分为所述心态数据集，其中，所述心态数据集包括：消极的情绪词，积极的情绪词；将所述多个词向量按照语义划分为所述感情数据集，其中，所述感情数据集包括：褒义的情绪词，贬义的情绪词；将所述多个词向量按照语义划分为所述精神数据集，其中，所述精神数据集包括：与压力相关的情绪词，与压力无关的情绪词；将所述多个词向量按照语义划分为所述脏话数据集，其中，所述脏话数据集包括：包含脏话的情绪词，不包含脏话的情绪词；将所述多个词向量按照语义划分为所述侮辱数据集，其中，所述侮辱数据集包括：包含侮辱语义的情绪词，不包含侮辱语义的情绪词；将所述多个词向量按照语义划分为所述心理数据集，其中，所述心理数据集至少包括：表现用户焦虑的情绪词，表现用户渴望的情绪词，表现用户纠结的情绪词，表现用户徘徊的情绪词。

可选的，根据所述多组数据集训练决策树模型，获得向量生成模型包括：提取与所述多组数据集分别对应的多组特征向量；针对所述多组特征向量中的每一组特征向量，训练一个决策树模型，得到多组模型参数；使用所述多组模型参数构建分类器，得到所述情绪词的向量生成模型。

可选的，提取与所述多组数据集分别对应的多组特征向量包括：针对所述多组数据集中的每一组数据集，输入词嵌入层，得到多组词向量；将所述多组词向量中的每一组词向量表示成V*K矩阵，得到与每一组词向量对应的一组特征向量，其中，V表示每一组词向量的数量，K表示每一组词向量中单个词向量的维度。