近幾年來隨著深度學(xué)習(xí)和大數(shù)據(jù)技術(shù)在圖像、語(yǔ)音、生物信息等諸多領(lǐng)域取得的重大突破,學(xué)者們正逐步開始將深度神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用至自然語(yǔ)言處理領(lǐng)域。與此同時(shí),鑒于國(guó)內(nèi)快速增長(zhǎng)的中小企業(yè)數(shù)量,國(guó)內(nèi)智能客服市場(chǎng)也呈現(xiàn)出勢(shì)不可擋的發(fā)展態(tài)勢(shì),且逐漸滲透到各行各業(yè)為廣大企業(yè)和消費(fèi)者帶來便利。但目前大部分企業(yè)仍以人工客服為主從海量客戶中篩選出意向用戶,因而在面對(duì)與日俱增的用戶量級(jí)及客服聊天記錄時(shí),這無疑極大的增加了企業(yè)運(yùn)營(yíng)成本,如何更好的發(fā)揮智能客服的市場(chǎng)價(jià)值成為智能客服企業(yè)當(dāng)下最為關(guān)心的重要課題。通過對(duì)智能客服的用戶聊天數(shù)據(jù)進(jìn)行情感分析,可以清晰的把握每位用戶對(duì)公司所推廣產(chǎn)品的喜好程度,從而有助于針對(duì)性提升企業(yè)的營(yíng)銷轉(zhuǎn)化率,充分發(fā)揮智能客服的市場(chǎng)價(jià)值;但同時(shí)目前主流的情感分類技術(shù),難以在分類準(zhǔn)確率及效率上達(dá)到相對(duì)可取的平衡�；谏鲜龇治�,本文研究和設(shè)計(jì)了基于doc2vec和深度神經(jīng)網(wǎng)絡(luò)(多層感知機(jī))的智能客服情感分析系統(tǒng),用戶通過本系統(tǒng)可以與智能客服在線聊天并以相對(duì)較低的訓(xùn)練成本得出具有較高準(zhǔn)確率的情感傾向。本文在基于doc2vec文本向量模型、word2vec詞向量模型的基礎(chǔ)上,改進(jìn)和優(yōu)化了一種更適合情... 

【文章來源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

智能客服情感分析系統(tǒng)概念圖

西南大學(xué)工程碩士學(xué)位論文5征提取方法，并傳遞給非LSTM的另一種深度神經(jīng)網(wǎng)絡(luò)模型，并增加卷積層來作為情感分析的分類器，從而構(gòu)建一個(gè)準(zhǔn)確度高、訓(xùn)練成本相對(duì)較低的智能客服情感分析系統(tǒng)。1.4研究?jī)?nèi)容與方法1.4.1研究?jī)?nèi)容本文借助機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)技術(shù)，結(jié)合智能客服系統(tǒng)的自然語(yǔ)言特色和復(fù)雜的客服文本問題，圍繞如何在甘如飴的基礎(chǔ)上改進(jìn)和優(yōu)化基于word2vec模型生成情感詞典，基于情感詞典提取新特征，基于doc2vec模型提取文本的初步特征，組合新特征和初步特征以得到最終的文本特征[10]，并對(duì)如何選娶優(yōu)化合適的分類算法模型進(jìn)行智能客服情感分析展開研究，本文整體研究與設(shè)計(jì)思路如圖1-2所示。圖1-2整體研究與設(shè)計(jì)思路1.進(jìn)行特征組合得到更適合智能客服文本的新文本特征

兇遠(yuǎn)?⑾殖橄籩魈�。�?紓赫攵砸黃?魈馓??魅返奈惱攏?部分和該主題相似度很高的關(guān)鍵詞語(yǔ)必然會(huì)高頻率地顯示。但是在實(shí)際的研究工作中，一篇文章往往是具有多個(gè)不一樣占比的主題。針對(duì)此問題，學(xué)術(shù)界試著從統(tǒng)計(jì)學(xué)和概率學(xué)角度展開了深入研究[16]。吳恩達(dá)和Jordan、Michaell、DavidM、Blei在2003年提出了一般化的PLSI—隱含狄利克雷分布（LatentDirichletallocation,LDA），后來它便成了一種最普遍的概率主題模型逐漸被大眾所了解，往后的絕大部分與此相關(guān)的概率主題模型都是在此模型的基礎(chǔ)上進(jìn)行改進(jìn)和優(yōu)化得來的[17]。圖2-1LDA概率模型圖

【參考文獻(xiàn)】：
碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的跨領(lǐng)域情感分析[D]. 姬晨.云南大學(xué) 2018
[2]基于MapReduce和卷積神經(jīng)網(wǎng)絡(luò)的圖像大數(shù)據(jù)分類研究[D]. 郝璞.河北大學(xué) 2018
[3]基于用戶場(chǎng)景的智能客服系統(tǒng)分析與設(shè)計(jì)[D]. 張巖.吉林大學(xué) 2018
[4]基于Word2Vec,LSTMs和Attention機(jī)制的中文情感分析研究[D]. 胡月永.蘭州大學(xué) 2018
[5]基于doc2vec和SVM的輿情情感分析系統(tǒng)的研究與設(shè)計(jì)[D]. 甘如飴.北京郵電大學(xué) 2017
[6]基于虛擬化的網(wǎng)絡(luò)演練競(jìng)技平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 李新華.北京郵電大學(xué) 2017
[7]基于詞向量和LSTM的漢語(yǔ)零指代消解研究[D]. 吳兵兵.哈爾濱工業(yè)大學(xué) 2016
[8]基于AUC的分類器性能評(píng)估問題研究[D]. 蔣帥.吉林大學(xué) 2016
[9]基于BBS話題評(píng)論的網(wǎng)絡(luò)輿情分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 王鵬程.湖南大學(xué) 2014
[10]網(wǎng)絡(luò)輿情情感分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉紅玉.電子科技大學(xué) 2013



本文編號(hào)：2909835