胡若云， 孙 钢， 丁 麒， 沈 然， 谷泓杰

(国网浙江省电力有限公司 电力科学研究院， 杭州 310009)

随着企业规模的不断扩大和智能化的逐渐普及[1]，各企业开始越发重视搜集更多的信息来分析和理解客户的业务处理流程，降低成本并提升满意度[2-4].因此，电力企业通过使用丰富的分析手段来分析和挖掘客服对话内容，并从中抽取客户意见，优化信息科学技术实现快速、有效地获取客户反馈信息具有重要意义[5-6].

目前，众多学者和研究机构从市场角度和社会学角度分析客服对话数据，其主要集中于提出客服对话数据处理方法与信息抽取方法[7].Li等[8]使用机器学习算法对客服质量进行评级；Tan等[9]使用信息检索方法提取出额外特征，以此来提升客服问题解决时间的预测精度；Chihani等[10]对中国移动的客服数据进行语音识别后进行信息抽取和情感分析，来获取客户的意图和客服人员的态度.虽然这些方法均取得了一定的效果，但客服对话仍存在着错误文本较多、口语化程度高和标注数据少等问题.

电力客服对话文本挖掘通常包括语音和文本预处理、关键要素识别和情感分类等过程.本文借助机器自然语言处理和学习方法，提出了一种基于双向传播框架的电力客服对话文本挖掘算法.该算法基于句法理论和其他类型的外部语料，来抽取情感词与评价属性的关系对.针对电力客服对话错误文本较多的问题，设计了基于词性和窗口的关系……