基于电力营业厅场景的情绪识别方法、装置、设备及介质与流程
本发明涉及人工智能,尤其涉及一种基于电力营业厅场景的情绪识别方法、装置、设备及介质。
背景技术:
1、电力营业厅场景下的客户情绪识别技术,是提升线下供电服务质量、提前预警服务纠纷的重要智能化手段。高效的情绪识别系统能够支撑管理人员实时感知客户心理状态,对负面情绪客户及时开展人工干预,降低投诉风险。
2、现有主流情绪识别模型大多采用监督学习框架,模型识别性能高度依赖大规模、高质量人工标注数据集。然而在电力营业厅场景中,情绪标注需要专业人员结合音视频上下文进行综合研判,标注人力成本高昂、主观差异性较大;同时受个人信息保护相关法规约束,难以大规模采集样本,加之场景内光照、背景噪声、人员年龄、方言等因素带来的数据长尾分布问题,很难构建均衡完备的标注数据集,直接限制模型初始识别性能上限。
3、与此同时,电力营业厅属于开放动态环境,持续存在数据分布漂移现象,也即概念漂移。季节变化引发光照改变、业务高峰时段背景噪声波动、服务流程迭代、客户情绪表达习惯变化等因素,都会持续改变样本数据分布。传统模型完成部署后参数固定,无法持续利用营业厅不断产生的无标签新样本自主学习,随着运行时间推移,模型对场景变化的适配能力逐步衰减,漏报、误报比例持续上升,需要频繁投入人力开展模型重训练与运维,形成“模型性能衰退—人工介入—重新训练”的低效循环。
4、因此,现有技术难以摆脱对大规模人工标注样本的强依赖,并且缺少能够持续适配动态场景、兼顾新旧知识留存的自主进化机制,制约了情绪识别技术在电力营业厅场景规模化落地应用。
技术实现思路
1、本发明提供了一种基于电力营业厅场景的情绪识别方法、装置、设备及介质,在通用情绪识别模型在部署后,利用主动学习机制高效筛选高价值样本,最终通过抗遗忘的增量学习实现持续进化,从根本上解决了模型性能随时间衰退和高昂维护成本的问题。
2、根据本发明的一方面,提供了一种基于电力营业厅场景的情绪识别方法,包括:
3、获取通用情绪识别模型;其中,所述通用情绪识别模型基于至少一个电力营业厅的无标签音视频数据构建多模态时序对比学习任务,对初始情绪识别模型的特征提取网络层训练得到;
4、将所述通用情绪识别模型部署至目标电力营业厅,实时采集音视频数据作为当前输入样本,将所述当前输入样本输入所述通用情绪识别模型,得到初始情绪识别结果同时确定所述当前输入样本的学习价值分数;
5、基于所述学习价值分数筛选设定时长内的各个输入样本,得到目标样本集,按照设定周期利用所述目标样本集对当前部署的通用情绪识别模型进行微调训练,得到目标情绪识别模型;
6、将所述目标情绪识别模型重新部署至所述目标电力营业厅,替换所述通用情绪识别模型,通过所述目标情绪识别模型对实时采集的音视频数据进行情绪分析,得到目标情绪识别结果。
7、根据本发明的另一方面,提供了一种基于电力营业厅场景的情绪识别装置,包括:
8、获取模块,用于获取通用情绪识别模型;其中,所述通用情绪识别模型基于至少一个电力营业厅的无标签音视频数据构建多模态时序对比学习任务,对初始情绪识别模型的特征提取网络层训练得到;
9、分数确定模块,用于将所述通用情绪识别模型部署至目标电力营业厅,实时采集音视频数据作为当前输入样本,将所述当前输入样本输入所述通用情绪识别模型,得到初始情绪识别结果同时确定所述当前输入样本的学习价值分数;
10、模型训练模块,用于基于所述学习价值分数筛选设定时长内的各个输入样本,得到目标样本集,按照设定周期利用所述目标样本集对当前部署的通用情绪识别模型进行微调训练,得到目标情绪识别模型;
11、情绪识别模块,用于将所述目标情绪识别模型重新部署至所述目标电力营业厅,替换所述通用情绪识别模型,通过所述目标情绪识别模型对实时采集的音视频数据进行情绪分析,得到目标情绪识别结果。
12、根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
13、至少一个处理器;以及
14、与所述至少一个处理器通信连接的存储器;其中,
15、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的基于电力营业厅场景的情绪识别方法。
16、根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于电力营业厅场景的情绪识别方法。
17、本发明实施例的技术方案,通过获取通用情绪识别模型;其中,所述通用情绪识别模型基于至少一个电力营业厅的无标签音视频数据构建多模态时序对比学习任务,对初始情绪识别模型的特征提取网络层训练得到;将所述通用情绪识别模型部署至目标电力营业厅,实时采集音视频数据作为当前输入样本,将所述当前输入样本输入所述通用情绪识别模型,得到初始情绪识别结果同时确定所述当前输入样本的学习价值分数;基于所述学习价值分数筛选设定时长内的各个输入样本,得到目标样本集,按照设定周期利用所述目标样本集对当前部署的通用情绪识别模型进行微调训练,得到目标情绪识别模型;将所述目标情绪识别模型部署至目标营业厅,替换所述通用情绪识别模型,通过所述目标情绪识别模型对实时采集的音视频数据进行情绪分析,得到目标情绪识别结果。本技术方案,在通用情绪识别模型在部署后,利用主动学习机制高效筛选高价值样本,最终通过抗遗忘的增量学习实现持续进化,从根本上解决了模型性能随时间衰退和高昂维护成本的问题。
18、应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种基于电力营业厅场景的情绪识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,获取通用情绪识别模型,包括:
3.根据权利要求2所述的方法,其特征在于,通过所述无标签音视频数据构建多模态时序对比学习任务,对初始情绪识别模型中的特征提取网络层进行预训练,获得通用情绪识别模型,包括:
4.根据权利要求1所述的方法,其特征在于,确定所述当前输入样本的学习价值分数,包括:
5.根据权利要求4所述的方法,其特征在于,基于所述预测熵值和所述局部密度确定所述当前输入样本的学习价值分数,包括:
6.根据权利要求1所述的方法,其特征在于,基于所述学习价值分数筛选设定时长内的各个输入样本,得到目标样本集,包括:
7.根据权利要求1所述的方法,其特征在于,按照设定周期利用所述目标样本集对当前部署的通用情绪识别模型进行微调训练,得到目标情绪识别模型,包括:
8.一种基于电力营业厅场景的情绪识别装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的基于电力营业厅场景的情绪识别方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com