[发明专利]一种文本分析方法及装置

说明书

本发明公开了一种文本分析方法，其特征在于，包括：获取待分析的用户评价文本；对所述用户评价文本进行切词处理，得到切词序列；将所述切词序列输入经过训练的标注模型，对所述切词序列中的各个词进行标注处理；对标注处理后的所述切词序列中的词进行拼接处理，得到用户观点意见。本发明提供的文本分析方法能够在不依赖词库的前提下，实现对任意领域的用户评价文本的自动化分析，鲁棒性更强。

技术领域

本发明涉及数据挖掘技术领域，尤其涉及一种文本分析方法及装置。

背景技术

基于文本的产品属性倾向性分析，是指在文本分析任务中，挖掘用户关于某些产品属性的观点意见。一般而言，挖掘到的观点意见是由属性词和评价语组成的属性，评价语对。例如，对于用户关于汽车产品的评论文本“汽车前脸霸气侧漏”，用户描述的是汽车产品的“前脸”属性，关于该属性的评价语为“霸气侧漏”，那么需要提取的倾向性分析内容为前脸，霸气侧漏。

常用的基于文本的产品属性倾向性分析的实现方法是，建立包含大量词汇的词库，并且设置个性化规则，来实现对属性词和评价语的识别，从而得到属性，评价语对。例如，关于“汽车前脸霸气侧漏”这句评价文本，需要事先在词库里积累属性词“前脸”，以及评价语“霸气侧漏”，结合一定的个性化规则，如属性词和评价语之间的距离等，来判别两个词是否是属于评价观点。

上述分析方法严重依赖词库的积累，一旦词库中没有积累需要提取的属性词或评论语，则不能识别或提取得到需要的评价观点。并且，由于不同领域的用户评价内容不同，针对不同领域需要分别建立词库，且不同领域的词库之间不具有通用性。综上可见，上述基于文本的产品属性倾向性分析方法的鲁棒性较低。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的文本分析方法，该方法能够在不依赖词库的前提下，实现对各领域用户评论文本的分析。

本发明第一方面提出一种文本分析方法，包括：获取待分析的用户评价文本；对所述用户评价文本进行切词处理，得到切词序列；将所述切词序列输入经过训练的标注模型，对所述切词序列中的各个词进行标注处理；对标注处理后的所述切词序列中的词进行拼接处理，得到用户观点意见。借由上述技术方案，本发明提供的文本分析方法能够在不依赖词库的前提下，实现对任意领域的用户评价文本的自动化分析，鲁棒性更强。

本发明第二方面提出一种文本分析装置，包括：文本获取单元，用于获取待分析的用户评价文本；切词处理单元，用于对所述用户评价文本进行切词处理，得到切词序列；标注处理单元，用于将所述切词序列输入经过训练的标注模型，对所述切词序列中的各个词进行标注处理；拼接处理单元，用于对标注处理后的所述切词序列中的词进行拼接处理，得到用户观点意见。采用该装置实施上述方法的技术方案，实现了对任意领域的用户评价文本的分析，摆脱了对词库的依赖，鲁棒性更强。

在一种实现方式中，所述将所述切词序列输入经过训练的标注模型，包括：将所述切词序列输入经过训练的条件随机场模型。

在一种实现方式中，对所述用户评论文本进行切词处理时，还得到依存句法序列；在得到所述依存句法序列后，该方法还包括：根据所述依存句法序列，对所述切词序列中的词分别进行特征化处理，得到所述切词序列的特征集合；将所述切词序列的特征集合输入经过训练的标注模型，对所述切词序列中的各个词进行标注处理。

在一种实现方式中，所述对所述切词序列中的各个词进行标注处理，包括：将所述切词序列中的第一个属性词标注为第一类型词，将除第一个属性词之外的属性词标注为第二类型词；将所述切词序列中的第一个评价语标注为第三类型词，将除第一个评价语之外的评价语标注为第四类型词；将除属性词和评价语之外的所有词，标注为第五类型词。