人工智能之情绪分析实现员工关怀

现代社会随着互联网的迅速发展，各行各业的服务更倾向数据化和机器化，把语言信号作为研究对象的分析报告非常多，但多数是对语言词汇的准确性做研究，往往忽略了会话中的情绪信息，而现在关于情绪信息的研究也有许多成功的例子，如微表情的提出者Ekman以及Izard的理论等，但这又鲜属于研究会话中的语言信号，所以使用人工智能分析员工情绪是现代社会的创新点。

由于客服人员处在呼叫中心，与客户交流比较多，常常会接收到一些带着强烈语气的投诉通话，客户这些充满负能量的语气和情绪或多或少会给员工情绪带来影响，而公司负责人不可能每天都对员工的情绪进行了解，故而将了解”员工情况交给机器去实现并给出一些关怀的方案策略，对增加员工的归属感和提高工作效率非常重要，甚至与公司的发展水平息息相关。

一、通过情绪分析表现员工状态

分析客服与客户的对话不仅能够实现重点关注客户话语的智能质检，也能聚焦于客服话语，对员工的情绪进行识别与分析。

（一）分析员工的意愿

1、 分析员工规范用语。当员工心情愉悦地开始一份工作时他的状态无疑是最好的，轻松的心情能提高工作效率，同时也会对相邻同事有着积极的作用。反之，糟糕的心情会像乌云集聚，降低积极性，甚至影响业务水平。是否对工作充满信心和希望、是否热爱这份工作，可以从日常员工与客户的话语中识别分析得出。检查员工的服务表达用词用语是否规范，包括使用不恰当的称呼、措辞，包括辱骂导致投诉等，这是分析员工情绪的一个指标。

2、分析员工服务态度。服务态度的消极表现有不耐烦、敷衍、催客户挂机等；积极表现有当无法满足客户需求时主动致歉并提供恰当的替代方案，在客户有不满情绪或投诉意向时进行安抚等。对于服务态度，主要从词语含义褒贬、声调的尖锐或平和进行分析，以此区别积极和消极状态下服务用语的音律变化。

（二）工作规范与工作效率

首先检查员工工作规范问题，在工作范围内是否超出规定、是否符合规则、是否有利用系统或规则漏洞等工作不规范的行为，以员工工作规范问题来作为分析员工情绪的一个指标。其次，以工作效率作为分析员工情绪的另一个指标，个人情绪对工作效率有很大的影响作用，尤其是消极的情绪会严重降低工作效率，反之，通过对员工的日常工作规范和工作效率与当天员工状态进行比较可以反映出当天员工的情绪状况。

（三）质量检查

提升服务质量是提升企业核心竞争力的重要手段，而对服务质量进行检查不仅可以发现服务漏洞，还可以分析出员工的情绪状态。服务质量是由客户的服务感知质量和预期服务质量决定的，当服务感知质量高于预期服务质量则定义为满意度高，当服务感知质量低于预期服务质量则定义为满意度低。通过文本挖掘，利用语义分析、句式判断等相关技术，紧密关联客户需求意愿和客服人员的理解及解决情况，基于两者的差异对客服人员的服务质量进行评估，可见质量检测也是分析员工情绪的一个指标。

二、分析员工会话情绪（一）结合语义与音律

结合对话实际应用场景来定义情感强度可保证其准确性，情绪本是人类主观的定义，而且不同业务场景的情绪也都相对不同，需结合收集的情绪词典和实际的应用场景来做适当调整。对员工的话语进行转文本后定义各个词性和敏感度、匹配各类词语的色彩程度，是进行建模分析和情绪打分的基础。

除了语义分析还着重研究员工说话的音律变化，一般来说当人发怒时讲话的速率会变快、声音会变大、音调会变高，所以语音中的情感特征信息是包含在语音的语频、语速、语调以及语音能量的大小上的，并通过音律特征变化表现出来，故此可以通过分析情感语音信号的持续时间、发音速度、基音、振幅、频谱、共振峰等的变化特点来发现能够表证语音情感信息的特征参数，具体做法主要是在提取若干个情感特征参数，在建立了情感语音数据库的基础上分别提取与非情感语句相对应的特征参数再进行对比分析以发现各个特征参数的变化特点。为了消除语音中词汇对情感的影响，可以采用排除词汇影响的基于相同词汇的发音语句作为对照组并在此基础上建立对照组数据库。

图1 会话分类流程

3.2分析会话情感正负向

研究语言情绪的分析和识别首先要清楚究竟什么是情绪？我们先来了解情绪一词本身的含义，《现代汉语词典》解释情绪为人从事某种活动时产生的心理状态”。情绪的分类涉及了多种知识和思想，一般使用日常语言标签来标识和分类情感，如害怕、愤怒和高兴等。

以下将情绪分为正负两类情感词性：