為提升電力系統(tǒng)中智能客服系統(tǒng)的效率,降低人工成本,提出一種基于長短時記憶網絡（Long Short-Term Memory,LSTM）的情緒識別方法。首先利用詞嵌入（Word Embedding）方法提取出對話內容的特征表示,并根據先驗知識添加情感特征,生成具有情緒語義的詞向量�；陔p向長短時記憶網絡訓練得到情緒分類模型,將問題解決的需求分為緊急、一般與非緊急三個級別,并可將分類結果用于優(yōu)先級自動調度決策中,判斷是否應立即接入人工服務。在真實的電力客服對話平臺數(shù)據集上對算法在準確度和響應時間兩個方面進行測試,實驗結果表明,算法對情緒的識別準確率達到了較高的水平,且響應時間可以滿足系統(tǒng)實時處理的需求,有較高的實用性。 

【文章來源】：電子器件. 2020,43(05)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

面向電力智能客服系統(tǒng)的情緒識別技術框架

本文使用具有情緒語義特征的詞向量對對話內容進行表示,這既可以利用詞嵌入技術的優(yōu)勢以反映內容本身高度的領域專業(yè)特征,又可以適應情緒識別這一特定任務的需求。2.2 BiLSTM模型

在大量實際場景中,LSTM神經元結構復雜,參數(shù)較多,訓練時間長的問題限制了其實用性。針對這些問題,Cho等人[19]提出了關于LSTM的一種改進,即將LSTM神經元簡化為如圖3的結構,稱為GRU(Gated Recurrent Unit)單元。如圖3所示,GRU將LSTM神經元中的三個門減少到兩個門,其中重置門相當于將遺忘門與輸入門進行合并,用于判斷是否進行遺忘。更新門的作用則相當于LSTM神經元中的輸出門,用于決定是否將隱藏狀態(tài)更新為新的狀態(tài)。下列各式描述了 GRU單元的更新方式:

【參考文獻】：
期刊論文
[1]基于隱馬爾可夫模型的電力調度語音識別研究[J]. 鄢發(fā)齊,王春明,竇建中,劉陽,楊緒升,陳明.  武漢大學學報(工學版). 2018(10)
[2]機器人對話中的情感傾向性分類模型研究[J]. 陳振彬,謝博,黎樹俊,陳珂.  廣東石油化工學院學報. 2018(04)
[3]基于卷積神經網絡的微博輿情情感分類研究[J]. 張海濤,王丹,徐海玲,孫思陽.  情報學報. 2018(07)
[4]英國電力輔助服務市場短期運行備用服務機制及啟示[J]. 朱繼忠,葉秋子,鄒金,謝平平,禤培正.  電力系統(tǒng)自動化. 2018(17)
[5]基于時序數(shù)據庫的電力運維系統(tǒng)關鍵技術研究[J]. 榮雪琴,劉勇,劉昊,卜樹坡.  電測與儀表. 2018(09)
[6]計及輸電線路舞動預測的電網短期風險評估[J]. 褚雙偉,熊小伏,劉善峰,廖崢,王建.  電力系統(tǒng)保護與控制. 2018(09)
[7]電網調度自動化系統(tǒng)信息品質分析新方法及其應用[J]. 彭志強,張琦兵.  電力系統(tǒng)保護與控制. 2018(04)
[8]大數(shù)據網絡平臺的雙模態(tài)情緒識別方法[J]. 李敬偉,馬同偉.  計算機工程與設計. 2017(11)
[9]家庭智能用電管理系統(tǒng)軟件設計[J]. 鄭煒楠,陳柏熹,王德志,余濤.  電測與儀表. 2017(18)
[10]基于多注意力卷積神經網絡的特定目標情感分析[J]. 梁斌,劉全,徐進,周倩,章鵬.  計算機研究與發(fā)展. 2017(08)

碩士論文
[1]基于語言模型和機器學習的文本情感分類研究[D]. 張奇.東南大學 2017



本文編號：3005776