燃气行业热线数据的情感分析

客服热线的情感分析对企业核心业务的发展具有决策作用,能提升用户的忠诚度。传统的热线情感分析方法采用的是人工记录或随机采样方式,这样不仅耗费人力,而且无法保障准确率,关键在于其不能客观反映客户的情感,从而最终影响企业的业务质量。结合项目背景,针对燃气公司现有的离线音频文件,提出了声学特征和领域情感词典混合算法,并将其应用于客服热线数据的情感分析以及客户情感(负向、非负向)的识别中;最后,通过召回率、准确率和精确率衡量了算法性能。实验选取1500个音频文件作为数据集,其中负向和非负向数据集均为750个。实验结果表明,该算法在项目实践中具有较好的识别效果,尤其是与领域情感词典的结合。

燃气客服热线的中文文本情感分析

提出了一种基于TF-IDF的均值Word2vec模型和有监督的机器学习方法的燃气客服热线的中文文本情感分析方法。首先,采用Word2vec模型训练出文本中每个词语的词向量及TF-IDF算法计算文本中每个词语的权重,并对词语的词向量进行加权处理。其次,将加权后的词向量对应维度的值进行累加并求均值作为该文本的向量,即文本的特征。最后,对文本的特征使用有监督的机器学习方法进行训练和预测,以实现文本的情感分析。实验结果表明,该方法获得了较高的分类准确率并能有效地进行情感分析。