情绪识别技术在电力智能客服系统中的应用研究--中国期刊网

字体：大中小

首页> 原创作品> 正文

情绪识别技术在电力智能客服系统中的应用研究

发表时间：2020/12/23 来源：《基层建设》2020年第24期作者：张春勇

[导读] 摘要：在现阶段，为了将电力系统中的相关工作效率大幅度提升，进而将需要的人力资源成本大幅度降低，为企业赢得更多的经济效益，将智能客服系统中的工作效率进行提高是必然选择。

        国网天津市电力公司营销服务中心（计量中心）天津市 300000
        摘要：在现阶段，为了将电力系统中的相关工作效率大幅度提升，进而将需要的人力资源成本大幅度降低，为企业赢得更多的经济效益，将智能客服系统中的工作效率进行提高是必然选择。因此，提出了情绪识别方法，这种方式是建立在长短时记忆网络基础上。首先需要通过词嵌入技术将词语进行嵌入，将对话框或说话人的说话内容进行提取特征，然后按照之前经验相应知识进行添加对应的情感特征，从而生成带有情绪语义的相关词语向量。同时在长短时记忆网络的基础上，通过相关的训练将其情绪进行分类，进行构建相应的模型。在一般情况下，根据待解决问题的紧急状况，可分为非紧急、一般、紧急三个级别，然后按照其分类的结果，将其运用到自主调度的决策之中，自行判断是否需要接入相应的人工服务。根据相关实验，对实际运作过程中的电力客服平台相关的对话数据收集，通过相关实验表明，利用算法对情绪进行识别，对应的响应时间符合当前系统处理的需要，且情绪识别的其准确率非常高，因此具有非常高的实用性能。
        关键词：情绪识别技术；电力系统；智能客服系统；应用研究
        引言
        在电力智能客服系统当中，情绪识别这种技术是属于比较基础性的技术之一，该项技术可以将客服系统平台的处理效率进一步优化，使用户的体验感得到提升，这是一项非常重要的技术。随着我国科学技术的发展，物联网、互联网、人工智能、VR、AR等新兴技术在我国各个领域得到了广泛的运用。特别是人工智能技术的发展，该技术在电力智能客服系统中进行运用，其情绪识别成为自然语言与人机交互处理相关领域的重点研究之一。该技术具有综合性的特征，其中包含了语言模型、文本分类、语音识别等多个分项内容。而本文则主要对情绪识别相关的模型进行研究。将情绪识别系统进行构建，使其运用到该系统之中，将其工作的效率大幅度提升，同时在该项基础之上，还可以将识别结果进行分析，然后，使后续的工作进行持续完善。例如，在客服平台中，倘若某一时段的接入量出现过多的情况，导致需要的人工成本大幅度提升，面对这样的情况，可以运用情绪识别的结果，按照待解决问题的紧急情况进行不同的分级，然后将具体的问题与对应的语言词句理解相结合，使其系统可以自主进行判断是否需要将人工服务进行接入。
        1、情绪识别简述
        在广义上，情绪识别大概包括了生理特征、语言图像等多方面的内容。其中涉及到的对语言进行情绪的识别，主要是指将对应人的语言内容进行详细的分析与研究，从而对说话人的当时情绪状态进行推断。情绪识别这种技术，可以运用的范围领域相当广泛，比如，在社交网络上可以通过情绪识别，对相关的舆情情况做及时的监控与检测，或者在电商购物平台上，将该技术进行运用，就可以对消费者进行推荐，或者可以通过对说话人的语音内容、情绪进行详细的评估与分析，从而对其服务的水平进行质量评估。人类情感是与计算机以及人工智能进行区分的重要特征，因此在语言情绪处理的领域内对情感进行有效的识别，是一项非常具有挑战性的工作。在其具体的研究过程中，通过对情感进行有效的识别，可以使模仿人类方面的智能技术以及计算机，对人类的语言进行有效的理解，且具有至关重要的作用。在通常情况下，情绪可以被视作语言内容的一个代表特征，因此在进行情绪识别时，其本质性质是进行情绪分类的问题。在当前的机器进行学习的领域范围内，出现过一批比较经典的分类模型。比如，支持向量机、朴素贝叶斯以及随机森林等。在现阶段，进行深度学习的相关技术对比之前的初级学习技术，更加流行。因此，目前出现了大量的情绪识别策略，这是建立在深度神经网络基础之上的识别策略，比如卷积神经网络、递归神经网络等。
        在现阶段，本文涉及到的该系统中的情绪识别的技术，现如今已具备了比较完整的框架结构。即通过语音输入，然后通过语音识别的技术或算法，对文本的内容信息进行分析，使其将情绪特征进行表示出来，需要注意的是，在这个过程中要将相应的情感特征进行添加到词向量之中，然后对其进行智能识别，将待解决问题分为三种情况，即非紧急、一般、紧急状态。

期刊文章分类查询,尽在期刊图书馆

根据这种分级，进行判断是否需要接入相应的人工服务，这是一种优先级的调度模式，从而更好的满足电力客服系统的需求，将工作效率大幅度提升，降低人工成本，为企业赢得更多的经济效益。
        2、情绪识别的相关技术
        2.1词嵌入技术
        这种技术在语言的处理领域中，目前比较流行，是用来进行表示语言的一种方式，在进行深度学习的相关情绪识别的模型中，具有不可替代的作用，同时这种技术是建立在神经网络基础之上的一种表示技术，该技术在使用过程中的理论基础，是通过上下文，然后对词语的语义、词义进行确定，同时可以将每个词语，通过神经网络，将其进行转化，使之成为一个数值连续、且低维度的词向量。这种技术对比传统的语言模型，其具有了高维度和高稀疏性，而且，建立在神经网络基础上的嵌入词技术可以对一些更加复杂的上下文进行相关的建模工作。由此可见，该项技术，其中包含的语义数据信息具有更多的丰富性。
        2.2长短时记忆网络模型
        在该模型中，长短时记忆网络主要指的是一种具有特殊性的递归神经网络。而普通的这种神经网络，其在进行训练的方式主要是在反向传播算法的基础上进行训练，在其序列的反向传播或者跟随时间的变化过程中，其发生节点的梯度在现阶段还无法进行长时间的传播，就会导致梯度消失的现象出现。而这种具有特殊性的神经网络对其进行了优化与改进。在原有的神经元中添加输出门、遗忘门与输入门这三个结构。使其神经元可以对相应的信息根据设定的规则进行有效判断，对信息是否过滤或下一步处理作出相应决定。LSTM在很大程度上对序列在学习过程中的问题，即关于长序依赖问题进行了解决。同时还具有了普及度以及适应性较高的特点，其本身也留存了大量的变体，可以对各个领域中的相关问题进行解决。在其具体的运用过程中，需要使用GRU进行连接LSTM网络，使其更好地进行建立双向的神经网络。
        3、实验结果
        通过相关的实验可以看出，本文进行论述的情感识别模型，对比其他类型的深度学习模型与方式，在平均响应时间以及识别准确程度方面更具有优势性。同时，这种算法还具有较高的稳定性以及收敛速度。在其运算过程中，迭代次数会呈现增加的趋势，但其损失函数却会趋于稳定，并与最小值相最接近，而其他形式的算法都产生了一定的波动情况。在电力智能客服的运用场景中，对于及时性要求会特别高。尤其是在进行对话时需要对高频程度，进行综合考虑。因此在具体运用时，还需要将增量学习的相关性能进行有效的评估，通过不断的试验使其满足该系统在实际运用中的需要。
        4、结束语
        利用相应的分析与验证，可以看出，本文所论述的算法非常适合电力智能客服系统，特别是情感识别算法。将词嵌入技术运用到该算法中，使其可以对相应文本的词向量进行相应的表示，再通过长短时记忆网络相应的训练方式，从而构建出对应的情绪识别模型，再利用双向网络结构，将文本上下文内容进行充分的连接，将情绪特征进行添加，使文本情绪的语义更加丰富。这属于一种基础性技术，可为后续工作的开展节约时间。该算法由于应用到了自主决策以及优先级调度系统，可以将客服平台系统的处理效率大幅度提高，使人力资源成本大幅度降低，且情绪识别的准确度以及响应速度都可以满足当前的系统需要。然而，该算法仍然存在一定的不足，即在接入量迅速增多时，其识别的准确率会有所下降。对此，必须要将其神经元结构和网络结构进行优化。
        参考文献：
        [1]张晓慧，孙德艳，马永波，王明珠，曹璐，李承桓. 情绪识别技术在电力智能客服系统中的应用研究[J]. 电子器件，2020，43（05）：1061-1065.
        [2]陈婧，李海峰，马琳，等．多粒度特征融合的维度语音情感识别方法［J］．信号处理，2017，33（3）：374－382．
        [3]曹靖，陈陆燊，邱剑，等．基于语义框架的电网缺陷文本挖掘技术及其应用［J］．电网技术，2017，41（2）：637－643．