但是，由于自动应答系统的不完善，当客户情绪变为不满时，需要转接人工客服。用户情绪分析系统的设计，就是为了解决这里的情绪分析的问题。同时，用户情绪分析系统还提供了额外的接口，这使得用户可以根据自己的需要，定制情绪分析的内容和监测标准。

1.1.2 研究意义

目前机器的智能程度还很有限，当用户由于各种原因在使用机器的过程中发生不满时，用户情绪分析系统就可以在第一时间给出判断，反馈给监测人员。

用户情绪分析系统，可以将情绪波动较大的监测对象检测出来，监测人员可以根据这个信息指定策略，如转接人工客服等。这将在很大程度上提高服务效率。以前用来安排给人工客服的工作量，将会被节省出很大一部分。仅通过少量人工监督系统，并处理预警后的用户，就可完成服务用户的目的，同时提高用户的满意度。

同时，用户情绪分析系统还可以用来进行定制性的舆情监测。当用户根据自己的需求定制词典时，该系统就会根据定制的词典来分析情绪，从而达到舆情监测的目的。

1.2 国内外研究现状与可能存在的问题

目前来说，对文本进行情感分析有以下四种方法：关键词识别、词汇关联、统计方法和概念级技术。关键词识别，主要是通过文本中已经明确定义的“影响词”（affect words）来进行分类。词汇关联，是将该词汇与某个情绪关联起来，并赋予一个数值。统计方法，则运用了机器学习领域的一些算法思想。概念级技术，是一种综合运用了知识表达（knowledge representation）的技术，它可以探查到文本内容中比较微妙的情绪表达。

对文本进行极性标注，是文本情感分析的一个基本步骤。被标注的对象并不局限于单词，也可以是句子或者段落。分类标注的目的，是为了便于判断出文本内容所表达的情绪是积极的、中性的、还是消极的。此外，更进一步的情感分析甚至会不限于两极，从而判断出更复杂的情绪状态。但是，这并不是一件很容易的事。

1.3 论文结构

本论文共有六章。第一章是绪论，介绍了课题的研究目的与意义，以及国内外研究现状与可能存在的问题。

第二章是针对用户情绪分析系统进行的需求分析。这部分内容对目标用户、功能需求、性能需求做出了初步的介绍。

第三章是用户情绪分析系统的总体设计。

第四章是用户情绪分析系统的详细设计。这部分的内容，详细介绍了每个模块的、设计以及实现过程。

第五章是对已经实现了的用户情绪分析系统进行的测试。测试程序能够运行且无误或及时的报告错误和错误原因。

第六章是毕业设计的总结、心得体会、致谢，以及参考文献。

2 系统需求分析

2.1 系统面向的用户群体

用户情绪分析系统，可以根据输入系统的文本信息，基于情绪词典进行情感分析，得出该文本的情绪值，并将这个结果反馈到系统界面上，可以实时监测用户情绪，还可以个性化设置，根据自身需要对词典信息、历史记录等数据进行加密和解密，是一个功能丰富的应用软件。

它同时满足了两方面人群的需求。一方面，作为被监测对象的那部分客户，他们需要在第一时间被感知到自己的情绪变化，在不满的程度增加之前得到反馈，从而解决问题；另一方面，作为监测者的用户，他们需要在大量的客户中筛选出情绪变化转向消极的那部分人，并对他们进行人工客服的介入，将客户的不满情绪遏制在最初的阶段，从而提高整体的满意度。