文本处理方法技术

本申请公开了一种文本处理方法

【技术实现步骤摘要】
文本处理方法、装置、设备和计算机可读存储介质


[0001]本申请涉及计算机
，具体涉及一种文本处理方法
、
装置
、
设备和计算机可读存储介质
。

技术介绍

[0002]为了提供更好的业务服务品质，实体产品服务
、
技术支持服务以及其他服务业的供应商越来越注重用户对其业务服务的使用体验，供应商一般通过用户反馈
、
回访等途径来获取用户评价内容，该用户评价可以转化为文本形式，通过分析文本中的用户评价内容，以评估用户对其业务服务的满意度
。
[0003]相关技术在分析文本中的用户评价内容时，一般通过预先设定的词典和规则来分析文本中的用户评价内容的情感倾向，并通过人工方式来结合情感倾向来评估用户对其业务服务的满意度
。
[0004]在对相关技术的研究和实践过程中，本申请的专利技术人发现相关技术在分析文本中的用户评价内容时，只能用于分析直接表达的关键词语，无法分析复杂的信息语句，降低了语义分析的准确性，且人工方式评估业务的满意度时，不仅效率低，且具有不稳定性，从而，影响了评估用户满意度时的准确性，此外，相关技术无法预测用户对其服务的未来满意度
。

技术实现思路

[0005]本申请实施例提供一种文本处理方法
、
装置
、
设备和计算机可读存储介质，可提高评估用户对业务满意度时的准确性，且可预测用户对相关业务的未来满意度
。
[0006]本申请实施例提供一种文本处理方法，包括：
[0007]获取业务评价文本，所述业务评价文本包含目标对象在第一时段针对业务对象的评价内容；
[0008]通过第一目标模型对所述业务评价文本中的评价内容进行分类，获取所述业务评价文本对应的情感分类结果；
[0009]根据所述业务评价文本对应的情感分类结果，确定所述目标对象在第一时段对所述业务对象的满意度评分；
[0010]通过第二目标模型根据所述满意度评分
、
所述业务对象的业务特征信息
、
以及所述目标对象的对象特征信息，确定所述目标对象在第二时段对所述业务对象的预测满意度评分，所述第二时段位于所述第一时段之后
。
[0011]相应的，本申请实施例提供一种文本处理装置，包括：
[0012]获取单元，用于获取业务评价文本，所述业务评价文本包含目标对象在第一时段针对业务对象的评价内容；
[0013]分类单元，用于通过第一目标模型对所述业务评价文本中的评价内容进行分类，获取所述业务评价文本对应的情感分类结果；
[0014]确定单元，用于根据所述业务评价文本对应的情感分类结果，确定所述目标对象
在第一时段对所述业务对象的满意度评分；
[0015]预测单元，用于通过第二目标模型根据所述满意度评分
、
所述业务对象的业务特征信息
、
以及所述目标对象的对象特征信息，确定所述目标对象在第二时段对所述业务对象的预测满意度评分，所述第二时段位于所述第一时段之后
。
[0016]在一些实施方式中，所述第二目标模型包括前向特征提取层
、
特征融合层和分类层；所述预测单元，还用于：
[0017]将所述满意度评分
、
所述业务对象的业务特征信息
、
以及所述目标对象的对象特征信息进行拼接，得到目标文本；
[0018]将所述目标文本进行嵌入处理，得到嵌入特征序列；
[0019]由所述前向特征提取层对所述嵌入特征序列进行前向传播，得到前向特征序列；
[0020]由所述特征融合层将所述嵌入特征序列与所述前向特征序列进行融合，得到融合特征序列；
[0021]由所述分类层对融合特征序列进行线性转换，输出所述目标对象在第二时段对所述业务对象的预测满意度评分
。
[0022]在一些实施方式中，所述文本处理装置还包括第二训练单元，用于：
[0023]获取历史数据集，所述历史数据集至少包括样本对象在第一历史时段的样本对象特征信息
、
样本业务对象在第一历史时段的样本业务特征信息
、
以及所述样本对象在第一历史时段针对所述样本业务对象的第一满意度评分和在第二历史时段的第二满意度评分；
[0024]其中，所述第一满意度评分基于所述样本对象在第一历史时段针对所述样本业务对象的第一业务评价文本确定，所述第二满意度评分基于所述样本对象在第二历史时段针对所述样本业务对象的第二业务评价文本确定，所述第二历史时段位于所述第一历史时段之后；
[0025]根据所述样本对象特征信息
、
样本业务特征信息以及所述第一满意度评分，生成样本目标文本；
[0026]将所述样本目标文本输入第二预设模型进行满意度评分预测，得到所述样本对象在第二时段对所述样本业务对象的预测满意度评分；
[0027]基于所述预测满意度评分与所述第二满意度评分，确定第二目标损失；
[0028]根据所述第二目标损失调整所述第二预设模型的参数，并进行迭代训练，直至达到训练结束条件，得到第二目标模型
。
[0029]在一些实施方式中，所述获取单元，还用于：获取所述样本对象在所述第二历史时段对所述样本业务对象的第二业务评价文本；
[0030]所述分类单元，还用于：通过所述第一目标模型对所述第二业务评价文本进行分类，输出所述第二业务评价文本对应的情感分类结果；
[0031]所述确定单元，还用于：根据所述第二业务评价文本对应的情感分类结果，确定所述样本对象在所述第二历史时段对所述样本业务对象的第二满意度评分
。
[0032]在一些实施方式中，所述文本处理装置还包括第一训练单元，用于：
[0033]获取样本业务评价文本以及对应的样本情感分类结果，所述样本业务评价文本至少包括样本对象针对样本业务对象的样本评价内容；
[0034]将所述样本业务评价文本输入至预训练的第一预设模型，以基于所述样本业务评
价文本中的样本评价内容进行分类，得到预测情感分类结果；
[0035]基于所述样本情感分类结果与所述预测情感分类结果，确定第一目标损失；
[0036]根据所述第一目标损失调整所述预训练的第一预设模型的参数，并进行迭代训练，直至达到训练结束条件，得到第一目标模型
。
[0037]在一些实施方式中，所述情感分类结果包括所述业务评价文本属于目标情感类别标签的标签概率值；所述确定单元，还用于：
[0038]根据所述业务评价文本属于目标情感类别标签的标签概率值，确定所述业务评价文本对应的情感类别评分；
[0039]根据所述业务评价文本对应的情感类别评分，确定所述目标对象在第一时段对所述业务对象的满意度评分
。
[0040]在一些实施方式中，所述确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种文本处理方法，其特征在于，包括：获取业务评价文本，所述业务评价文本包含目标对象在第一时段针对业务对象的评价内容；通过第一目标模型对所述业务评价文本中的评价内容进行分类，获取所述业务评价文本对应的情感分类结果；根据所述业务评价文本对应的情感分类结果，确定所述目标对象在第一时段对所述业务对象的满意度评分；通过第二目标模型根据所述满意度评分
、
所述业务对象的业务特征信息
、
以及所述目标对象的对象特征信息，确定所述目标对象在第二时段对所述业务对象的预测满意度评分，所述第二时段位于所述第一时段之后
。2.
根据权利要求1所述的方法，其特征在于，所述第二目标模型包括前向特征提取层
、
特征融合层和分类层；所述通过第二目标模型根据所述满意度评分
、
所述业务对象的业务特征信息
、
以及所述目标对象的对象特征信息，确定所述目标对象在第二时段对所述业务对象的预测满意度评分，包括：将所述满意度评分
、
所述业务对象的业务特征信息
、
以及所述目标对象的对象特征信息进行拼接，得到目标文本；将所述目标文本进行嵌入处理，得到嵌入特征序列；由所述前向特征提取层对所述嵌入特征序列进行前向传播，得到前向特征序列；由所述特征融合层将所述嵌入特征序列与所述前向特征序列进行融合，得到融合特征序列；由所述分类层对融合特征序列进行线性转换，输出所述目标对象在第二时段对所述业务对象的预测满意度评分
。3.
根据权利要求1或2所述的方法，其特征在于，所述第二目标模型的训练过程包括：获取历史数据集，所述历史数据集至少包括样本对象在第一历史时段的样本对象特征信息
、
样本业务对象在第一历史时段的样本业务特征信息
、
以及所述样本对象在第一历史时段针对所述样本业务对象的第一满意度评分和在第二历史时段的第二满意度评分；其中，所述第一满意度评分基于所述样本对象在第一历史时段针对所述样本业务对象的第一业务评价文本确定，所述第二满意度评分基于所述样本对象在第二历史时段针对所述样本业务对象的第二业务评价文本确定，所述第二历史时段位于所述第一历史时段之后；根据所述样本对象特征信息
、
样本业务特征信息以及所述第一满意度评分，生成样本目标文本；将所述样本目标文本输入第二预设模型进行满意度评分预测，得到所述样本对象在第二时段对所述样本业务对象的预测满意度评分；基于所述预测满意度评分与所述第二满意度评分，确定第二目标损失；根据所述第二目标损失调整所述第二预设模型的参数，并进行迭代训练，直至达到训练结束条件，得到第二目标模型
。4.
根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取所述样本对象在所述第二历史时段对所述样本业务对象的第二业务评价文本；通过所述第一目标模型对所述第二业务评价文本进行分类，输出所述第二业务评价文本对应的情感分类结果；根据所述第二业务评价文本对应的情感分类结果，确定所述样本对象在所述第二历史时段对所述样本业务对象的第二满意度评分
。5.
根据权利要求1至4任一项所述的方法，其特征在于，所述通过第一目标模型对所述业务评价文本中的评价内容进行分类，获取所述业务评价文本对应的情感分类结果之前，所述方法还包括：获取样本业务评价文本以及对应的样本情感分类结果，所述样本业务评价文本至少包括样本对象针对样本业务对象的样本评价内容；将所述样本业务评价文本输入至预训练的第一预设模型，以基于所述样本业务评价文本中的样本评价内容进行分类，得到预测情感分类结果；基于所述样本情感分类结果与所述预测情感分类结果，确定第一目标损失；根据所述第一目标损失调整所述预训练的第一预设模型的参数，并进行迭代训练，直至达到训练结束条件，得到第一目标模型
。6.
根据权利要求1所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：林岳，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：