典型文献
基于图卷积网络的客服对话情感分析
文献摘要：
随着电力业务的发展,客服环节时刻产生着大量的数据,然而传统对话数据情感检测方法对于客服质量检测的手段存在着诸多的问题和挑战.本文根据词语出现的排列和定位构建字图,对整个语句进行非连续长距离的语义建模;并针对文档不同组成部分之间的关系,对语句上下文之间的交互依赖或自我依赖关系进行建模;最后通过卷积神经网络对所构建的图进行特征提取和邻域节点的特征聚合以得到文本的最终特征表示,进而实现客服通话过程中的情绪状态检测.通过实验证明本文提出的模型情感分类性能指标始终高于基线模型,这表明融合词共现关系、顺序语句上下文编码和交互语句上下文编码结构可以有效提高情感类别检测精度.该方法为智能化、自动化地检测客服通话过程中的情绪状态提供了更细粒度的分析,为有效地提高客服服务质量具有重要意义.
文献关键词：
对话情感分析;异质网络;图卷积网络;注意力机制;双向门控循环单元
中图分类号：
作者姓名：
孟洁;李妍;赵迪;张倩宜;刘赫
作者机构：
国网天津市电力公司 信息通信公司, 天津 300010;天津市能源大数据仿真企业重点实验室, 天津 300010
文献出处：
引用格式：
[1]孟洁;李妍;赵迪;张倩宜;刘赫-.基于图卷积网络的客服对话情感分析)[J].计算机系统应用,2022(05):147-156
A类：
B类：
图卷积网络,对话情感分析,电力业务,节时,情感检测,质量检测,词语,语句,非连续,长距离,语义建模,文档,不同组成,依赖关系,邻域,特征聚合,特征表示,通话,情绪状态,状态检测,情感分类,分类性能,基线模型,词共现,共现关系,上下文编码,编码结构,高情感,情感类别,检测精度,细粒度,客服服务,异质网络,注意力机制,双向门控循环单元
AB值：
0.433815
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
