【技術實現步驟摘要】
基于NLP的用戶乘車體驗打分方法
[0001]本專利技術屬于語音識別，情感分析和乘車監控領域，具體為一種基于
NLP
算法的用戶乘車體驗打分方法
。
技術介紹
[0002]隨著出租車，網約車的越發普及，關于出租車和網約車的負面新聞也越來越多
。
大到曾經發生的河北網約車持續偏航導致女乘客跳車事件，小到杭州父女乘車和司機發生爭執，持續
30
小時不下車的行為
。
如何減少或者杜絕這種乘車用戶與司機的矛盾發生或者矛盾的惡化，有著很重要的現實意義
。
本專利技術可以有效減少這種情況的發生
。
[0003]在傳統的網約車和出租車乘車系統中，對于乘車體驗只能在乘車后對此次乘車進行打分，這種情況下時效性會有延遲，如果乘客和司機發生了矛盾，那么只能在矛盾后去請求雙方和解并且對司機進行處罰
。
一旦雙方矛盾激化，不能及時調解，將出現嚴重后果
。
夜間司機出車，經常會遇到醉酒乘客鬧事，也有可能遇到不法分子進行搶劫的行為
。
傳統的出租車乘車系統只能保障乘客的權益，遇到這種情況事后還需要去調取乘車過程的錄音，不僅麻煩還不能及時保障網約車和出租車司機的人身安全
。
[0004]因此，為了解決上述問題，亟需引入可以進行及時打分判別的出租車和網約車的用戶乘車體驗得分方法
。
技術實現思路
[0005]針對現有技術的不足，本專利技術提供了一種基于
...
【技術保護點】
【技術特征摘要】
1.
一種車載用戶乘車體驗得分方法，其特征在于：預先在云服務器上部署好
NLP
情感分析模型；再使用語音采集播報系統采集乘車用戶與司機之間的語音信息，然后通過將處理過的語音信息傳入中控系統的模型中，對當前語音信息進行情感分析打分，按照打分情況進行相應預警或者提示；具體包含以下步驟：
(1)
構建情感詞庫為訓練模型做準備，情感詞基于大連理工大學的
《
情感本體庫
》
和董振東構建的
《HowNet》
中的情感詞典進行構建；程度副詞基于
《HowNet》
中的程度副詞進行構建；否定詞和網絡用語基于
Song
構建的否定詞庫和網絡用語庫進行構建；創建求救用語的求救詞庫；
(2)
根據已有的出租車，網約車乘車評價進行數據提取和預處理，具體包括以下步驟：
(21)
對獲得的文本信息根據構建好的詞庫進行分詞處理，要考慮到專業的專有名詞和網絡熱門流行詞；
(22)
單詞過濾，將步驟
(21)
中獲得的分詞結果，進行過濾，去除停用詞，低頻詞，數字和英文單詞標準化；
(23)
對預處理過的文本信息進行向量表示，為了更好地聯系上下文之間的關系，使用
Word2Vec
進行詞向量編碼；
(24)
模型選擇：由于需要考慮語音文本上下文之間的詞語語義依賴關系，還要體現出哪些詞語對情感的表現更為重要，從而需要得到更高的權重，因此采用
BLSTM
模型，其中
BLSTM
模型中當前單元的信息含量
c
t
和輸出信息量
o
t
由如下公式得到
:c
t
,o
t
＝
G(c
t
?1,o
t
?1,f
t
,x
t
) (1)
其中當前單元的信息含量
c
t
和輸出信息量
o
t
，前一時刻的信息含量
c
t
和輸出信息量
o
t
，以及當前時刻遺忘門的狀態
f
t
都是向量，
x
t
為當前時刻的輸入；
(25)
損失函數選擇：為了更好地訓練模型，采用交叉熵損失...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。