一种信息处理方法、装置、计算机设备及存储介质与流程

1.本技术涉及数据分析技术领域，尤其涉及一种信息处理方法、装置、计算机设备及存储介质。


背景技术：

2.传统的诉求处理流程复杂，比如金融公司、银行等的客服人员工作繁重复杂，其中一个重要原因是：需要了解各种业务场景，根据客户的咨询或者投诉等，来判断客户询问的具体事项，根据具体的问题归属，将问题再转给不同属主以进行处理，然而，发明人发现，这个过程需要耗费大量的人力、时间，并且由于人员的判断能力参差不齐，很容易一个环节出问题，拖慢整个诉求流程的处理进度，影响用户的体验，甚至影响公司整体形象。因此，迫切需要一套智能化的方案提升诉求处理效率以及诉求质量。


技术实现要素：

3.本技术实施例提供了一种信息处理方法、装置、计算机设备及存储介质，可以提升诉求处理效率和诉求处理质量。
4.一方面，本技术实施例提供了一种信息处理方法，包括：
5.获取目标对象的诉求文本，并对所述诉求文本进行分词处理，得到分词结果；
6.对所述分词结果进行情感识别，得到所述目标对象的目标诉求情感信息，并对所述分词结果进行意图识别，得到所述目标对象的目标诉求意图；
7.根据所述目标诉求情感信息和所述目标诉求意图确定目标诉求场景，并根据所述目标诉求场景从第一语料库中匹配出目标诉求处理方案，所述第一语料库包括多种诉求处理方案，每种诉求处理方案对应一种或多种诉求场景；
8.按照所述目标诉求处理方案进行诉求处理。
9.再一方面，本技术实施例提供了一种信息处理装置，包括：
10.获取模块，用于获取目标对象的诉求文本，并对所述诉求文本进行分词处理，得到分词结果；
11.识别模块，用于对所述分词结果进行情感识别，得到所述目标对象的目标诉求情感信息，并对所述分词结果进行意图识别，得到所述目标对象的目标诉求意图；
12.处理模块，用于根据所述目标诉求情感信息和所述目标诉求意图确定目标诉求场景，并根据所述目标诉求场景从第一语料库中匹配出目标诉求处理方案，所述第一语料库包括多种诉求处理方案，每种诉求处理方案对应一种或多种诉求场景；
13.处理模块，还用于按照所述目标诉求处理方案进行诉求处理。
14.再一方面，本技术实施例提供了一种计算机设备，包括处理器和存储器，所述处理器和所述存储器相互连接，其中，所述存储器用于存储计算机程序指令，所述处理器被配置用于执行所述程序指令，实现所述的信息处理方法。
15.再一方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储
介质中存储有计算机程序指令，所述计算机程序指令被处理器执行时，用于执行所述的信息处理方法。
16.综上所述，计算机设备可以对目标对象的诉求文本进行分词处理，得到分词结果，然后对分词结果进行情感识别，得到目标对象的目标诉求情感信息，并对分词结果进行意图识别，得到目标对象的目标诉求意图，之后可以根据目标诉求情感信息和目标诉求意图确定目标诉求场景，并根据目标诉求场景从第一语料库中匹配出目标诉求处理方案，进而按照目标诉求处理方案进行诉求处理，该过程通过上述智能化诉求处理的流程可以提高诉求处理效率和诉求处理质量。
附图说明
17.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1是本技术实施例提供的一种信息处理过程的示意图；
19.图2是本技术实施例提供的一种信息处理方法的流程示意图；
20.图3是本技术再一实施例提供的一种信息处理方法的流程示意图；
21.图4是本技术实施例提供的一种信息处理装置的结构示意图；
22.图5是本技术实施例提供的一种计算机设备的结构示意图。
具体实施方式
23.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。
24.本技术实施例提供了一种信息处理方案，主要依赖于ai人工智能技术，打破了传统针对对象的诉求(如用户的诉求)进行处理的方式，真正地将问题的判断、处理，交给了计算机来处理，在解放人力的同时，大大提高了对诉求的处理速度。其中，所述信息处理方案可以由计算机设备来执行，所述的计算机设备可以为智能终端或服务器。智能终端可以为台式电脑等具备信息处理能力的智能终端。服务器可以是独立的服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器，但并不局限于此。
25.下面以对象为用户为例对所述的信息处理方案进行简单的介绍。
26.如图1所示，所述的信息处理方案主要包含三大模块：数据识别、场景分析、方案落地。具体地：数据识别模块用于为场景分析模块提供最原始的数据；场景分析模块用于为根据这些原始数据做分析计算，得到计算结果；方案落地模块用于提供该计算结果对应的解决方案，其中，方案落地模块存储了各种各样的解决方案，是问题处理方式的集合。
27.其中，所述的数据识别模块包含情感分析、意图识别等功能。在一个实施例中。数据识别模块还包含了语音识别功能。本技术实施例中，可以获取采集到的用户的诉求语音，通过语音识别功能可以将诉求语音转化为诉求文本。其中，诉求文本可以用于表示用户的
诉求。除了通过上述方案获取到诉求文本，也可以通过其它方式获取到诉求文本，本技术实施例对获取诉求文本的方式不做限制。通过数据识别模块处理得到的数据，如情感信息为后续模块的处理提供了数据基础。
28.其中，所述的场景分析模块包括语料喂养与场景分类等功能。为了更加精准的处理用户诉求，首先要对不同用户的诉求进行分类，细化到具体的场景，例如，通过对不同用户的诉求进行分析，最终细化出的场景可以包括用户咨询产品详情的场景和用户投诉资金延迟到账的场景等场景。其中，场景分析的准确性依赖两种数据，一种是数据识别模块处理得到的数据，另外一种是系统内部的语料喂养。基于数据识别模块处理得到的数据可以用于确定具体的诉求场景。语料喂养可以是指，将运营人员、开发人员、测试人员等在公司运作过程中所有与用户交互的场景，翻译成计算机理解的语言以添加至知识库。随着喂养语料增多，知识库将会越来越完备，从而能更加精准的服务于场景分析。
29.其中，所述的方案落地模块致力于提供对诉求的处理方案。每一个与用户交互的场景的解决方案并不是一成不变的，例如咨询类场景的初始解决方案，可能仅仅将用户咨询的产品信息告诉用户，随着知识库的丰富，还可以提供给用户相同类型的其它产品信息等等。对于用户的每一次提问，系统可以计算出至少三种解决方案供运营人员选择，从而匹配出适合不同的用户人群的解决方案。
30.采用本技术实施例提供的信息处理方案，可以极大提高对诉求的处理速度，并提高问题处理的准确度。相比于传统的纯人工处理，加入了机器学习的优势，随着处理诉求的数量的增长，准确率会越来越高。
31.基于上述描述的信息处理方案，本技术实施例提供了一种信息处理方法。该信息处理方法可以应用于前述提及的计算机设备。参见图2，该方法可以包括以下步骤：
32.s201、获取目标对象的诉求文本，并对所述诉求文本进行分词处理，得到分词结果。
33.其中，对象可以是用户。相应地，目标对象可以为目标用户。目标用户可以指提交了诉求信息的用户，诉求信息可以为诉求文本或诉求语音。
34.在一个实施例中，诉求文本可以是目标用户通过第一窗口提交的指定类型的文本。第一窗口可以是聊天窗口、留言窗口或短信窗口。指定类型包括但不限于咨询类、投诉类、表扬类等诉求类型。在一个实施例中，诉求文本还可以是对目标用户的诉求语音进行语音识别后得到的指定类型的文本。
35.s202、对所述分词结果进行情感识别，得到所述目标对象的目标诉求情感信息，并对所述分词结果进行意图识别，得到所述目标对象的目标诉求意图。
36.其中，目标诉求情感信息指目标对象的诉求情感信息。目标诉求意图指目标对象的诉求意图。
37.在一个实施例中，计算机设备对分词结果进行情感识别，得到目标对象的目标诉求情感信息的方式可以为：计算机设备将分词结果中各个词语与第二语料库中各个词语进行匹配，得到分词结果包括的反映诉求情感的关键词组，然后根据词语与情感熵值的对应关系确定关键词组中各个关键词对应的情感熵值，从而根据各个关键词对应的情感熵值确定目标对象的目标诉求情感信息。关键词组可以包括一个或多个反映诉求情感的关键词。情感熵值可以用于指示情感倾向程度。示例性的，情感熵值可以取0-1之间的数值，情感熵
值越高表明肯定意向越强或者态度越积极正面，情感熵值越低表明否定意向越强或者态度越消极负面。由此看出，情感熵值可以用于标识情感状态。
38.在一个实施例中，计算机设备在关键词组包括一个关键词时，根据所述各个关键词对应的情感熵值确定所述目标对象的目标诉求情感信息的方式可以为：将这个关键词对应的情感熵值确定为目标对象的目标诉求情感信息。在一个实施例中，计算机设备在关键词组包括多个关键词时，根据所述各个关键词对应的情感熵值确定所述目标对象的目标诉求情感信息的方式可以为：计算机设备根据所述各个关键词对应的情感熵值计算得到情感熵值均值，并将所述情感熵值均值确定为所述目标对象的目标诉求情感信息。通过均值计算得到的情感熵值均值能够反映整体的情感倾向程度。举例来说，假设用户甲向计算机设备提交了诉求文本，该诉求文本为“我不喜欢这款产品，这款产品收益低”，计算机设备可以根据此诉求文本获取到关键词组：“不喜欢”“收益低”。这里的“不喜欢”“收益低”属于否定意向的词语。之后，计算机设备可以根据关键词与情感熵值的对应关系，确定这两个关键词分别对应的情感熵值，并对这两个关键词分别对应的情感熵值进行均值计算，得到情感熵值均值以确定为用户甲的诉求情感信息。
39.在一个实施例中，由于第二语料库记录的关键词可能不完善，因此还可以通过如下方式确定出遗漏的反映诉求情感的关键词，从而结合前述得到的关键词组确定目标对象的目标诉求情感信息。具体方式如下：计算机设备可以判断分词结果中除关键词组外的各词语中是否存在第一词语，第一词语在第二语料库或第三语料库中存在关联的第二词语。计算机设备在确定分词结果中除关键词组外的各词语中存在第一词语后，可以根据词语与情感熵值的对应关系确定第二词语对应的情感熵值，并根据第二词语对应的情感熵值确定第一词语的情感熵值。计算机设备在得到关键词组对应的情感熵值以及第一词语对应的情感熵值后，计算机设备可以根据关键词组对应的情感熵值和第一词语对应的情感熵值确定目标对象对应的目标情感信息。
40.在一个实施例中，计算机设备根据第二词语对应的情感熵值获得第一词语对应的情感熵值的方式为计算机设备将第一词语对应的情感熵值设置为与第二词语对应的情感熵值相近的数值(如设置为与第二词语对应的情感熵值相近的数值相差预设数值的一个数值)，这就表明第一词语对应的情感熵值与第二词语对应的情感熵值之间的差值较小。其中，第二词语可以包括第一词语中的词语，或第二词语中的部分词语与第一词语中的部分词语相同。第二词语与第一词语具有相同的情感倾向。举例来说，假设用户甲向计算机设备提交了诉求文本，该诉求文本为“我不耐这款产品，这款产品收益低”，计算机设备可以根据此诉求文本获取到关键词组：“收益低”。计算机设备可以确定分词结果中除“收益低”外的各词语中存在第一词语“不耐”，“不耐”在第二语料库或第三语料库存在关联的第二词“不”，“不耐”和“不”都具有否定倾向。计算机设备可以将“不耐”的情感熵值设置为与“不”对应的情感熵值相接近的数值。
41.在一个实施例中，计算机设备根据分词结果进行意图识别，得到目标对象的目标诉求意图的方式可以为：计算机设备将分词结果输入意图识别模型以进行意图识别，得到目标对象的目标诉求意图。其中，意图识别模型可以是利用多个诉求文本样本中每个诉求文本样本对应的分词结果对初始的分类模型训练得到的。在一个实施例中，计算机设备根据分词结果进行意图识别，得到目标对象的目标诉求意图的方式还可以为：计算机设备将
分词结果以及目标诉求情感信息输入意图识别模型以进行意图识别，得到目标对象的目标诉求意图。
42.在一个实施例中，若通过意图识别模型无法识别出目标对象的目标诉求意图，则可以将分词结果设置为目标类别，之后对目标类别下的所有分词结果进行聚类处理，得到多个分词结果集合；计算机设备发送处理指示信息至目标智能终端，处理指示信息携带多个分词结果集合，处理指示信息用于指示相关人员，如运营人员针对每个分词结果集合标记对应的诉求意图；计算机设备接收目标智能终端返回的对每个分词结果集合标记的诉求意图，并确定根据目标对象的诉求文本得到的分词结果所在的目标分词结果集合，从而将对目标分词结果集合标记的诉求意图确定为目标对象的目标诉求意图。需要说明的是，目标类别下的所有分词结果中可能聚合有不同来源的分词结果，采用上面这种方式在意图识别模型无法识别对象意图的情况下也能够获得对象的意图，并且在聚类后提供给相关人员，如运营人员进行标记，也能够减轻运营人员的工作量。
43.s203、根据所述目标诉求情感信息和所述目标诉求意图确定目标诉求场景，并根据所述目标诉求场景从第一语料库中匹配出目标诉求处理方案，所述第一语料库包括多种诉求处理方案，每种诉求处理方案对应一种或多种诉求场景。
44.在一个实施例中，第一语料库中的诉求处理方案可以包括以下至少一项：
①
根据运营人员通过电话等方式记录的诉求内容以及对应的处理方案获得的诉求处理方案；
②
根据公司开发人员和/或测试人员在处理系统问题时记录的问题原因及处理方案获得的诉求处理方案；
③
通过网络爬虫获取的诉求场景与对应的处理方案获得的诉求处理方案。
45.s204、按照所述目标诉求处理方案进行诉求处理。
46.本技术实施例中，计算机设备可以确定目标诉求意图关联的至少一个诉求场景，并根据至少一个诉求场景中每个诉求场景对应的诉求情感信息，从至少一个诉求场景中确定出目标情感信息对应的诉求场景以作为目标诉求场景。之后，计算机可以从第一语料库中查询出目标诉求场景对应的目标诉求处理方案，并按照目标诉求处理方案进行诉求处理。举例来说，假设目标诉求场景为查询。计算机设备通过上述过程可以从第一语料库中查询出该目标诉求场景对应的目标诉求处理方案，目标诉求处理方案为向用户提供产品详情，则计算机设备便可以提供产品详情给目标用户。
47.在一个实施例中，所述的至少一个诉求场景可以通过以下方式确定：根据诉求意图与诉求场景的对应关系确定目标诉求意图对应的至少一个诉求场景，以作为目标诉求意图关联的至少一个诉求场景；或，确定目标诉求意图对应的目标诉求类别，并确定目标诉求类别下的至少一个诉求场景，以作为目标诉求意图关联的至少一个诉求场景。示例性的，目标诉求意图为查询产品、投诉产品、表扬产品或表达对产品的期望时，计算机设备可以确定目标诉求意图对应的目标诉求类别为产品，并可以确定产品这个诉求类别下的至少一个诉求场景。在一个实施例中，在确定目标诉求意图对应的至少一个诉求场景的过程中，为了准确的确定出至少一个诉求场景，可以根据诉求意图与诉求场景的对应关系或确定目标诉求类别下的诉求场景集合，然后根据分词结果从诉求场景集合中确定出至少一个诉求场景。
48.在一个实施例中，计算机设备在根据目标诉求方案进行诉求处理的过程中，除了可以自动化智能化进行诉求处理之外，还可以在此之前将目标诉求处理方案发送至目标智能终端，并当接收到目标智能终端根据目标诉求处理方案返回的确认指令时，执行按照目
标诉求处理方案对目标对象进行诉求处理的操作。
49.在一个实施例中，计算机设备可以将分词结果发送至目标智能终端，计算机设备还可以接收目标智能终端反馈的在分词结果中未识别出的语料，并将该语料更新至前述提及的第二语料库中。
50.可见，图2所示的实施例中，计算机设备可以对目标对象的诉求文本进行分词处理，得到分词结果，然后对分词结果进行情感识别，得到目标对象的目标诉求情感信息，并对分词结果进行意图识别，得到目标对象的目标诉求意图，之后可以根据目标诉求情感信息和目标诉求意图确定目标诉求场景，并根据目标诉求场景从第一语料库中匹配出目标诉求处理方案，进而按照目标诉求处理方案进行诉求处理，该过程可以提高诉求处理效率和诉求处理质量。
51.基于上述提供的信息处理方法，本技术实施例还提供了一种信息处理方法。该信息处理方法可以应用于前述提及的计算机设备。参见图3，该方法可以包括以下步骤：
52.s301、获取目标对象的诉求文本，并对所述诉求文本进行分词处理，得到分词结果。
53.s302、对所述分词结果进行情感识别，得到所述目标对象的目标诉求情感信息，并对所述分词结果进行意图识别，得到所述目标对象的目标诉求意图。
54.s303、根据所述目标诉求情感信息和所述目标诉求意图确定目标诉求场景。
55.其中，步骤s301-步骤s303可以参见图2实施例中的步骤s201-步骤s203，本技术实施例在此不做赘述。
56.s304、获取所述目标对象的对象数据。
57.在对象为用户时，对象数据可以为用户数据。需要说明的是，本技术所涉及的用户数据，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
58.其中，所述的用户数据可以为性别、年龄、行为偏好等数据。
59.s305、根据所述对象数据提取对象标签。
60.在对象为用户时，对象标签可以为用户标签。
61.在一个实施例中，在用户数据包括性别时，用户标签可以包括性别标签，在用户数据包括年龄时，用户标签可以包括年龄段标签(如70后，80后，90后或老年、中年、青年)，在用户数据包括行为偏好时，用户标签可以包括行为偏好标签。
62.s306、从所述至少一种诉求处理方案中筛选出与所述对象标签匹配的诉求处理方案；
63.s307、将所述匹配的诉求处理方案确定为目标诉求处理方案。
64.在一个实施例中，诉求处理方案为向用户进行信息反馈，当用户标签包括性别标签时，不同性别标签对应的诉求处理方案对应提供的内容详细程度不同和/或内容类型不同。当用户标签包括年龄段标签时，不同年龄段标签对应的诉求处理方案对应提供的内容详细程度不同和/或内容类型不同。当用户标签包括行为偏好标签时，不同行为偏好标签对应提供的诉求处理方案的内容详细程度不同和/或内容类型不同。
65.举例来说，当用户标签包括老年时，可以从目标诉求场景对应的诉求处理方案中识别出与老年标签匹配的诉求处理方案，假设至少一种诉求处理方案为多种诉求处理方案
时，每种目标诉求处理方案向用户提供的产品详情不同，而此处识别出的老年标签匹配的诉求处理方案可以是多种诉求处理方案中产品详情最为详细的诉求处理方案。
66.在一个实施例中，诉求处理方案为向用户提供电子资源，如电子优惠券、补贴，当用户标签包括性别标签时，不同性别标签对应的诉求处理方案对应提供的电子资源的数值或电子资源的类型不同。当用户标签包括年龄段标签时，不同年龄段标签对应提供的诉求处理方案的电子资源的数值或电子资源的类型不同。当用户标签包括行为偏好标签时，不同行为偏好标签对应提供的诉求处理方案电子资源的数值或电子资源的类型不同。
67.s308、按照所述目标诉求处理方案进行诉求处理。
68.其中，步骤s308可以参见图2实施例中的步骤s204，本技术实施例在此不做赘述。
69.在一个实施例中，除了可以通过提取用户标签来匹配诉求处理方案，计算机设备还可以从分词结果中提取产品标签，根据产品标签从至少一种处理方案中确定出目标处理方案。在一个实施例中，计算机设备可以根据产品标签确定产品类型，然后从第一语料库中查询出目标诉求场景对应的至少一种诉求处理方案，并从至少一种诉求处理方案中筛选出与产品类型匹配的诉求处理方案，从而将匹配的诉求处理方案确定为目标诉求处理方案。举例来说，当产品标签为已下架时，计算机设备可以从至少一种诉求处理方案中识别出与下架匹配的诉求处理方案，该匹配的诉求处理方案可以为向用户推荐新的产品，或可以为向用户推荐新的同类型的产品。
70.在一个实施例中，除了可以获取目标对象的文本，还可以获取目标对象的诉求图像，诉求图像可以为表情图片等图像。计算机设备还可以对诉求图像进行情感识别，得到诉求图像的诉求情感信息。相应地，目标诉求场景除了可以根据目标情感信息和目标诉求意图确定，还可以通过如下方式确定：计算机设备可以根据诉求图像的诉求情感信息、目标诉求情感信息和目标诉求意图确定目标诉求场景。在一个实施例中，计算机设备利用诉求图像的诉求情感信息更新目标情感信息，得到更新后的诉求情感信息。根据更新后的诉求情感信息和目标诉求意图确定目标诉求场景。其中，根据更新后的诉求情感信息和目标诉求意图确定目标诉求场景的方式可以参见根据目标诉求情感信息和目标诉求意图确定目标诉求场景的方式，本技术实施例在此不做赘述。
71.在一个实施例中，计算机设备可以通过情感信息识别模型对诉求图像进行情感识别，得到诉求图像的诉求情感信息。其中，所述的情感信息识别模型是利用多个诉求图像样本对初始的回归模型进行训练后得到的。在一个实施例中，计算机设备还可以通过情感信息识别模型对诉求情感图像进行情感识别，得到诉求图像的初始诉求情感信息。考虑到在实际的应用场景中单一依靠诉求情感模型识别出诉求图像的诉求情感信息可能不够准确，比如，对于微笑这个表情图片，一些情况下这个表情图片表示正面积极的情绪，在另一些情况下这个词则表情负面消极的情绪，因此计算机设备还可以将分词结果或输入情绪类型识别模型，得到情绪类别识别模型识别出的诉求情感类型，之后计算机设备利用识别出的诉求情感类型对诉求图像的初始诉求情感信息进行调整，得到诉求图像对应的调整后的诉求情感信息，以作为诉求图像对应的诉求情感信息。比如，在根据情绪类别识别模型识别出的诉求情感类型确定诉求图像表示的为正面积极的情绪，则可以将初始诉求情感信息调大一定数值，反之，则可以将初始诉求情感信息调小一定数值。
72.在一个实施例中，前述提及的对象还可以是项目或产品。诉求文本还可以为用于
表达对目标项目或目标产品的诉求的文本。该诉求文本可以是由目标人员通过第二窗口(可以用于编辑诉求文本的窗口)提交的或还可以是对目标人员的诉求语音进行语音识别后的得到的。所述的对象数据可以为项目数据或产品数据。所述的诉求意图可以是具体的开发意图。所述的诉求场景可以是具体的开发场景。所述的诉求处理方案可以是具体的开发方案。
73.可见，图3所示的实施例中，计算机设备还可以结合用户标签来确定具体的诉求处理方案，从而根据确定出的诉求处理方案进行更为精准的诉求处理，进而提升诉求处理质量。
74.本技术涉及区块链技术，如所述的诉求文本或诉求图像可以是从区块链读取的，或者通过区块链网络获取到的。
75.基于前述描述的信息处理方法，本技术实施例还提供了一种信息处理装置。该信息处理装置可以应用于前述提及的计算机设备。具体地，参见图4，该装置可以包括：
76.获取模块401，用于获取目标对象的诉求文本，并对所述诉求文本进行分词处理，得到分词结果。
77.识别模块402，用于对所述分词结果进行情感识别，得到所述目标对象的目标诉求情感信息，并对所述分词结果进行意图识别，得到所述目标对象的目标诉求意图。
78.处理模块403，用于根据所述目标诉求情感信息和所述目标诉求意图确定目标诉求场景，并根据所述目标诉求场景从第一语料库中匹配出目标诉求处理方案，所述第一语料库包括多种诉求处理方案，每种诉求处理方案对应一种或多种诉求场景。
79.处理模块403，还用于按照所述目标诉求处理方案进行诉求处理。
80.在一种可选的实施方式中，识别模块402对所述分词结果进行情感识别，得到所述目标对象的目标诉求情感信息，具体为将所述分词结果中各个词语与第二语料库中各个词语进行匹配，得到所述分词结果包括的反映诉求情感的关键词组；根据词语与情感熵值的对应关系确定所述关键词组中各个关键词对应的情感熵值，所述情感熵值用于指示情感倾向程度；根据所述各个关键词对应的情感熵值确定所述目标对象的目标诉求情感信息。
81.在一种可选的实施方式中，识别模块402根据所述各个关键词对应的情感熵值确定所述目标对象的目标诉求情感信息，具体为根据所述各个关键词对应的情感熵值计算得到情感熵值均值；将所述情感熵值均值确定为所述目标对象的目标诉求情感信息。
82.在一种可选的实施方式中，处理模块403根据所述目标诉求情感信息和所述目标诉求意图确定目标诉求场景，具体为根据诉求意图与诉求场景的对应关系确定所述目标诉求意图对应的至少一个诉求场景；从所述至少一个诉求场景中筛选出与所述目标情感信息匹配的诉求场景；将所述匹配的诉求场景确定为目标诉求场景。
83.在一种可选的实施方式中，处理模块403，还用于获取所述目标对象的对象数据；根据所述对象数据提取对象标签；处理模块403根据所述目标诉求场景从第一语料库中匹配出目标诉求处理方案，具体为从所述第一语料库中查询出所述目标诉求场景对应的至少一种诉求处理方案；从所述至少一种诉求处理方案中筛选出与所述对象标签匹配的诉求处理方案；将所述匹配的诉求处理方案确定为目标诉求处理方案。
84.在一种可选的实施方式中，处理模块403，还用于从所述分词结果提取产品标签；根据所述产品标签确定产品类型；处理模块403根据所述目标诉求场景从第一语料库中匹
配出目标诉求处理方案，具体为从所述第一语料库中查询出所述目标诉求场景对应的至少一种诉求处理方案；从所述至少一种诉求处理方案中筛选出与所述产品类型匹配的诉求处理方案；将所述匹配的诉求处理方案确定为目标诉求处理方案。
85.在一种可选的实施方式中，处理模块403，还用于在根据所述目标诉求场景从第一语料库中匹配出目标诉求处理方案之后，将所述目标诉求处理方案发送至目标智能终端；当接收到目标智能终端根据所述目标诉求处理方案返回的确认指令时，执行所述按照所述目标诉求处理方案对所述目标对象进行诉求处理的步骤。
86.可见，图4所示的实施例中，信息处理装置可以对目标对象的诉求文本进行分词处理，得到分词结果，然后对分词结果进行情感识别，得到目标对象的目标诉求情感信息，并对分词结果进行意图识别，得到目标对象的目标诉求意图，之后可以根据目标诉求情感信息和目标诉求意图确定目标诉求场景，并根据目标诉求场景从第一语料库中匹配出目标诉求处理方案，进而按照目标诉求处理方案进行诉求处理，该过程可以提高诉求处理效率和诉求处理质量。
87.请参阅图5，为本技术实施例提供的一种计算机设备的结构示意图。本实施例中所描述的计算机设备可以包括：一个或多个处理器1000和存储器2000。处理器1000和存储器2000可以通过总线等方式连接。
88.处理器1000可以是中央处理模块(central processing unit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
89.存储器2000可以是高速ram存储器，也可为非不稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器2000用于存储一组程序代码，处理器1000可以调用存储器2000中存储的程序代码。具体地：
90.处理器1000，用于获取目标对象的诉求文本，并对所述诉求文本进行分词处理，得到分词结果；对所述分词结果进行情感识别，得到所述目标对象的目标诉求情感信息，并对所述分词结果进行意图识别，得到所述目标对象的目标诉求意图；根据所述目标诉求情感信息和所述目标诉求意图确定目标诉求场景，并根据所述目标诉求场景从第一语料库中匹配出目标诉求处理方案，所述第一语料库包括多种诉求处理方案，每种诉求处理方案对应一种或多种诉求场景；按照所述目标诉求处理方案进行诉求处理。
91.在一个实施例中，处理器1000，具体用于：
92.将所述分词结果中各个词语与第二语料库中各个词语进行匹配，得到所述分词结果包括的反映诉求情感的关键词组；
93.根据词语与情感熵值的对应关系确定所述关键词组中各个关键词对应的情感熵值，所述情感熵值用于指示情感倾向程度；
94.根据所述各个关键词对应的情感熵值确定所述目标对象的目标诉求情感信息。
95.在一个实施例中，在根据所述各个关键词对应的情感熵值确定所述目标对象的目标诉求情感信息时，处理器1000，具体用于：
96.根据所述各个关键词对应的情感熵值计算得到情感熵值均值；
97.将所述情感熵值均值确定为所述目标对象的目标诉求情感信息。
98.在一个实施例中，处理器1000，还具体用于：
99.根据诉求意图与诉求场景的对应关系确定所述目标诉求意图对应的至少一个诉求场景；
100.从所述至少一个诉求场景中筛选出与所述目标情感信息匹配的诉求场景；
101.将所述匹配的诉求场景确定为目标诉求场景。
102.在一个实施例中，处理器1000，还用于：
103.获取所述目标对象的对象数据；
104.根据所述对象数据提取对象标签；
105.在根据所述目标诉求场景从第一语料库中匹配出目标诉求处理方案时，处理器1000，具体用于：
106.从所述第一语料库中查询出所述目标诉求场景对应的至少一种诉求处理方案；
107.从所述至少一种诉求处理方案中筛选出与所述对象标签匹配的诉求处理方案；
108.将所述匹配的诉求处理方案确定为目标诉求处理方案。
109.在一个实施例中，处理器1000，还用于：
110.从所述分词结果提取产品标签；
111.根据所述产品标签确定产品类型；
112.在根据所述目标诉求场景从第一语料库中匹配出目标诉求处理方案时，处理器1000，还具体用于：
113.从所述第一语料库中查询出所述目标诉求场景对应的至少一种诉求处理方案；
114.从所述至少一种诉求处理方案中筛选出与所述产品类型匹配的诉求处理方案；
115.将所述匹配的诉求处理方案确定为目标诉求处理方案。
116.在一个实施例中，在根据所述目标诉求场景从第一语料库中匹配出目标诉求处理方案之后，处理器1000，还用于：
117.将所述目标诉求处理方案发送至目标智能终端；
118.当接收到目标智能终端根据所述目标诉求处理方案返回的确认指令时，执行所述按照所述目标诉求处理方案对所述目标对象进行诉求处理的步骤。
119.具体实现中，本技术实施例中所描述的处理器1000可执行图2实施例、图3实施例所描述的实现方式，也可执行本技术实施例所描述的实现方式，在此不再赘述。
120.在本技术各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以是两个或两个以上模块集成在一个模块中。上述集成的模块既可以采样硬件的形式实现，也可以采样软件功能模块的形式实现。
121.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的计算机可读存储介质可为易失性的或非易失性的。例如，该计算机存储介质可以为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。所述的计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作
系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
122.其中，本技术所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
123.以上所揭露的仅为本技术一种较佳实施例而已，当然不能以此来限定本技术之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本技术权利要求所作的等同变化，仍属于本技术所涵盖的范围。