全部产品

在线客服场景客户咨询解析

在线客服场景客户咨询解析服务适用于针对电商等行业的客服-消费者在线聊天场景,解析消费者说话内容,得到消费者意图、情感、情绪、关注点、细粒度情感等结果。使用示例如下。

Java代码示例

  1. DefaultProfile defaultProfile = DefaultProfile.getProfile("cn-hangzhou","your-access-id-key","your-access-id-secret");
  2. IAcsClient client = new DefaultAcsClient(defaultProfile);
  3. Map<String, Object> map = new HashMap<>();
  4. map.put("input", "服务态度不好,你们就是这种服务态度的?");
  5. RunPreTrainServiceRequest request = new RunPreTrainServiceRequest();
  6. request.setServiceName("Dialog-Analysis");
  7. request.setPredictContent(JSON.toJSONString(map));
  8. RunPreTrainServiceResponse response = client.getAcsResponse(request);
  9. System.out.println(response.getPredictResult());

Python代码示例

  1. # 安装依赖
  2. pip install aliyun-python-sdk-core
  3. pip install aliyun-python-sdk-nlp-automl
  1. # -*- coding: utf8 -*-
  2. import json
  3. from aliyunsdkcore.client import AcsClient
  4. from aliyunsdkcore.acs_exception.exceptions import ClientException
  5. from aliyunsdkcore.acs_exception.exceptions import ServerException
  6. from aliyunsdknlp_automl.request.v20191111 import RunPreTrainServiceRequest
  7. # Initialize AcsClient instance
  8. client = AcsClient(
  9. "<your-access-key-id>",
  10. "<your-access-key-secret>",
  11. "cn-hangzhou"
  12. );
  13. # 输入还可以包括上文context_above和下文context_below信息,有助于提升算法效果,但也可以省略不写,参考输入示例。
  14. content = {
  15. "input": "服务态度不好,你们就是这种服务态度的?",
  16. }
  17. # Initialize a request and set parameters
  18. request = RunPreTrainServiceRequest.RunPreTrainServiceRequest()
  19. request.set_ServiceName('Dialog-Analysis')
  20. request.set_PredictContent(json.dumps(content))
  21. # Print response
  22. response = client.do_action_with_exception(request)
  23. resp_obj = json.loads(response)
  24. predict_result = json.loads(resp_obj['PredictResult'])
  25. print(predict_result['result'])

PredictContent内容示例

  1. #包含上文context_above和下文context_below数据的完整示例,有助于提升算法效果,上下文也可以省略不写
  2. {
  3. "context_above": [
  4. {
  5. "role": "⽤户",
  6. "context": "叫你改价格直接取消我订单?"
  7. },
  8. {
  9. "role": "客服",
  10. "context": "订单下单后不⽀持修改"
  11. }
  12. ],
  13. "input": "服务态度不好,你们就是这种服务态度的?",
  14. "context_below": [
  15. {
  16. "role": "客服",
  17. "context": "不好意思呢,确实是这样的"
  18. },
  19. {
  20. "role": "⽤户",
  21. "context": "拜拜,再也不来了"
  22. }
  23. ]
  24. }

PredictResult内容示例

  1. {
  2. "emotion": {
  3. "key": "抱怨",
  4. "score": 0.4929790496826172
  5. },
  6. "intent": {
  7. "key": "⽆",
  8. "score": 0.756518542766571
  9. },
  10. "category": {
  11. "key": "其他类-其他",
  12. "score": 0.4580000042915344
  13. },
  14. "sentiment": {
  15. "key": "负",
  16. "score": 1.0
  17. },
  18. "aspectItem": [
  19. {
  20. "aspectCategory": "客服-服务",
  21. "aspectPolarity": "负",
  22. "negativeProb": 1.0,
  23. "positiveProb": 0.0,
  24. "terms": [
  25. {
  26. "aspectTerm": "服务态度",
  27. "opinionTerm": "不好"
  28. }
  29. ]
  30. }
  31. ]
  32. }

入参说明

参数 说明
input 客服-客户在线聊天过程中的客户当前说话内容
context_above 客户当前说话内容的上文,可以包含多句上文
context_below 客户当前说话内容的下文,可以包含多句下文
role 说话人的角色,当前仅客服、客户两种角色
context 说话人的说话内容

出参说明

参数 说明
emotion 客户说话情绪
intent 客户说话意图
category 客户关注点
sentiment 客户情感正负面
aspectItem 客户说话内容细粒度情感分析
aspectCategory 细粒度属性维度
aspectPolarity 细粒度情感倾向
negativeProb 细粒度情感倾向的正向概率
positiveProb 细粒度情感倾向的负向概率
terms 细粒度情感对应的属性、情感词
aspectTerm 细粒度情感对应的属性词
opinionTerm 细粒度情感对应的情感词