本技术公开了一种基于多模态模型情感分析的服务质量监测方法和装置,涉及数据分析技术领域,方法包括:包括:采集待监测服务的文本模态评价数据和非文本模态评价数据;对非文本模态评价数据进行特征提取映射,确定目标非文本模态评价表征;采用文本模态评价数据与预定义提示词模板进行结合,生成文本评价提示语;将文本评价提示语与目标非文本模态评价表征输入预设的大语言模型基座进行情感分析,输出情感分析结果;根据情感分析结果和文本评价提示语计算服务质量监测分数,并解码情感分析结果得到服务质量监测结果解释。上述服务质量监测方案具有良好的普适性、监测粒度细且具备自解释性,提升了服务质量监测可靠性。
背景技术
随着科技的发展,实体服务结合互联网技术衍生出一系列数字服务,例如互联网电商、网络出租车(网约车)等,数字服务为人们的生活带来的生活便利性使得其规模急剧增大,然而,急剧增长的规模也导致数字服务出现了参差不齐的服务质量,甚至给消费者带来了人身安全。为了营造良好的数字服务氛围以及提升数字服务质量,有必要构建服务质量监测算法对服务过程及其评价进行分析监管。
现有服务质量监测方法主要通过预定义质量监测指标或训练特定的质量监测模型实现相关服务的质量监测;就预定义监测指标而言,现有技术主要围绕传统网络、通讯服务相关的指标构建服务质量评价体系,常用的监测指标包括服务响应时间、服务准确性、服务可靠性等,但往往只能适用于单一数据模态以及固定场景,难以涵盖数字服务这类具备广泛场景的设定;在训练特定的质量监测模型方面,现有技术将服务监测视为二分类或者多分类任务,构建响应的数据集训练质量监测分类模型,由于质量监测分类模型分类类别以及数据集的限制,这类方法的服务质量评级往往比较粗略,且难以对服务质量评级结果给出相关解释,因此,现有服务质量监测方法的服务质量监测可靠性较低。
实现思路