作为基于人工智能的新一代管理工具，语忆技术已成功应用于联通等大企业的客服部门，有效帮助企业降低了投诉率和退货率，亦节省了运营成本。本文转载自36氪绪识别是人工智能的分水岭。对于人类来说这是一种天生的能力，而对于人工智能来说，却代表了最高水平的进展。包括微软、软银、苹果等巨头都在布局情感识别。36氪此前的文章《为了让计算机读懂人类情感，全世界都是蛮拼的》中，作者详细介绍了世界范围内，利用表情、声学特征、体征特征等数据，来分析本体情绪的技术和公司。典型的技术落地场景包括广告效果评估、产品评测、视频分析、医疗康复、安全驾驶和情感机器人等。表情识别是目前最常见的情绪识别方式，创业公司数量众多，技术和应用也相对成熟。不过在很多场景下，我们是无法获取用户表情和语音的。这时就凸显了基于文本的情绪识别和分析技术的重要性，比如文本分析明星，被IBM收购的AlchemyAPI，这是一款基于云的自然语言处理API，可以对情绪和语言进行检测。不过市面上的文本情感分析引擎大多依赖于LIWC（LinguisticInquiryandWordCount）等较为成熟的大型开源情感词库，通过抽取特征或规则进行文本属性识别，因此对词库的质量和规模依赖度很高，且受到应用场景和语言的极大限制。36氪此前报道过的杭州语忆科技自主开发的语忆中文文本情感解析引擎，并没有完全依赖于开源情感词库。基于自主研发的深度学习算法，语忆的情绪识别技术可以利用极小的基础训练库实现跨行业、跨领域的商业应用。这种算法实现正、负面共12种细节情绪的灵敏感知，返回不同语句下的情绪浓度差异，并按照客户的需求挖掘其他特殊情绪。语忆的情绪识别算法已经成功应用于舆情监控和精准营销领域，并和第一财经、今日头条等大B客户建立了合作关系。语忆科技CEO程凯告诉36氪，过去一段时间他们找到了新的技术落地场景——售后客服。语忆科技之所以选择落地在售后客服，是因为其痛点明显。一是售后客服目前属于人力密集型领域，如今绝大多数的企业都会配备客服部门以提升服务质量，但是人工智能对于投诉等问题的处理还比较机械，因此人工客服仍是当前的主流工作方式。二是抽样率太低，如今的客服质检主要依靠人工抽检，目前的行业抽查率仅为千分之六，对客服人员的监管力度十分有限。整体来讲，售后客服的管理传统而混乱。三是虽然存储了大量的文本和录音数据，但缺乏分析工具来分析反馈，进而无法从大量的客户文本中提取有效信息作用于运营与生产。针对以上问题和潜在需求，语忆科技基于该情绪分析引擎推出了三款产品——实时监控平台、质检分析平台和事后大数据分析。实时监控平台可以在坐席交流过程中，实时分析用户情绪变化，必要时会向后台管理人员告警。质检分析平台则可以从用户与坐席的情绪变化入手，规模化、数值化地对坐席的服务质量进行评定。事后大数据分析平台会分析沟通内容中蕴含的商业洞察（包括

转载请注明:http://www.aideyishus.com/lktp/7432.html