前言
用户在沟通过程中表达的不仅是具体诉求，文字背后往往还隐藏着满意、疑惑、焦虑、不满等不同情绪。
对于企业而言，如果只能看到用户说了什么，却无法及时判断用户当前的情绪状态，就很容易错过服务干预的最佳时机。尤其是在客服、售后、在线咨询等场景中，一次未被及时发现的负面情绪，都可能进一步影响用户对产品和服务的评价。
通过本接口可以分析用户日常沟通文本，自动判断当前会话中所表现出的情绪类别，并进一步细分情绪类型及置信度，帮助企业从“理解用户说什么”进一步升级到“识别用户怎么想”。
特性
智能情绪识别，自动分析用户沟通文本；多级情绪分类，精准识别一级、二级情绪；置信度评估，辅助判断识别结果；智能话术推荐，提供正负情绪回复参考；负面情绪预警，及时辅助人工介入，提升客服效率。
API介绍
请求说明
| 名称 | 类型 | 必须 | 说明 |
|---|---|---|---|
| text | String | 是 | 待识别文本，输入限制512字节 |
| scene | String | 否 | 场景， default（默认项-不区分场景）， talk（闲聊对话）， task（任务型对话-如导航对话等）， customer_service（客服对话-如电信/银行客服等） |
戳这里查看详情
返回样例
{
"code": 200,//返回code
"msg": "成功",//code对应的说明描述
"taskNo": "051883630235426761387742",//本次请求号
"data": {
"text": "本来今天高高兴兴",//输入的对话文本内容
"items": [ //分析结果数组
{
"prob": 0.599796, // 情绪一级分类标签对应的概率
"replies": [ //参考回复话术，中性情绪下该项为空
"你的笑声真欢乐"
],
"subitems": [ //二级分析结果数组
{
"prob": 0.599796, //情绪二级分类标签对应的概率
"label": "happy" //情绪二级分类标签；客服模型正向（thankful感谢、happy愉快）、客服模型负向（complaining抱怨、angry愤怒）；闲聊模型正向（like喜爱、happy愉快）、闲聊模型负向（angry愤怒、disgusting厌恶、fearful恐惧、sad悲伤）
}
],
"label": "optimistic"//情绪一级分类标签；pessimistic（负向情绪）、neutral（中性情绪）、optimistic（正向情绪）
}
]
}
}
