期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
燃气行业热线数据的情感分析
1
作者
朱虎超
虞慧群
+1 位作者
范贵生
邓存彬
《计算机科学》
CSCD
北大核心
2018年第9期248-252,共5页
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...
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。
展开更多
关键词
情感分析
情感词典
声学特征
客服热线
下载PDF
职称材料
燃气客服热线的中文文本情感分析
被引量:
5
2
作者
邓存彬
虞慧群
+1 位作者
范贵生
朱虎超
《华东理工大学学报(自然科学版)》
CAS
CSCD
北大核心
2019年第1期140-147,共8页
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...
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。
展开更多
关键词
Word2vec
TF-IDF
加权平均
机器学习
情感分析
燃气客服热线
下载PDF
职称材料
题名
燃气行业热线数据的情感分析
1
作者
朱虎超
虞慧群
范贵生
邓存彬
机构
华东理工大学信息科学与工程学院
出处
《计算机科学》
CSCD
北大核心
2018年第9期248-252,共5页
文摘
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。
关键词
情感分析
情感词典
声学特征
客服热线
Keywords
Sentiment analysis
Sentiment lexicon
Acoustic features
Customer service hotline
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
燃气客服热线的中文文本情感分析
被引量:
5
2
作者
邓存彬
虞慧群
范贵生
朱虎超
机构
华东理工大学计算机科学与工程系
上海市计算机软件测评重点实验室
出处
《华东理工大学学报(自然科学版)》
CAS
CSCD
北大核心
2019年第1期140-147,共8页
文摘
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。
关键词
Word2vec
TF-IDF
加权平均
机器学习
情感分析
燃气客服热线
Keywords
Word2vec
TF-IDF
weighted average
machine learning
sentiment analysis
gas customer service hotline
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
燃气行业热线数据的情感分析
朱虎超
虞慧群
范贵生
邓存彬
《计算机科学》
CSCD
北大核心
2018
0
下载PDF
职称材料
2
燃气客服热线的中文文本情感分析
邓存彬
虞慧群
范贵生
朱虎超
《华东理工大学学报(自然科学版)》
CAS
CSCD
北大核心
2019
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部