[发明专利]基于多极情感分析的用户行为预测系统及其方法

说明书

本发明提供一种基于多极情感分析的用户行为预测系统及其方法，用户行为预测方法包括：基于情感词典与情感表达规则的多极情感分析与量化；通过用户行为与情感倾向性对用户进行分类；基于多极情感分析的用户行为预测。该方法科学合理，适用性强，全面考虑情感词典的适用性，提高了情感词典后期扩展能力，依据情感表达特点，建立了情感表达规则，从而提高情感量化的准确性。用户行为预测系统应用于分析用户的情感与行为特征并总结规律，实现通过情感分析预测用户的行为趋势，其结构合理，准确性高，效果佳。

技术领域

本发明涉及人工智能分析中自然语言处理领域，更具体地说，涉及一种基于多极情感分析的用户行为预测系统及其方法。

背景技术

情感分析作为用户行为分析的重要组成部分，是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。情感分析技术一方面可以通过对用户评论的筛选与归类，从中挖掘用户对产品或服务的意见，并基于这些意见对用户行为进行预测，从而制定科学合理的运营策略；另一方面，通过对大量文本进行情感分析，可以有效监控网络舆情，预测网络舆论走向，及时监测舆情危机并做出预警，从而维护网络安全，构建和谐网络环境。

目前，基于情感分析的预测方法主要分为两类，一类是基于机器学习的回归预测方法，另一类是基于情感词典的统计学习预测方法。其中，基于机器学习的回归预测方法需要建立分类器模型，并通过大量文本数据完成分类器模型的训练，利用该分类器模型分析用户的情感特征，最终将用户的情感特征输入回归预测模型。而基于情感词典的统计学习预测方法将情感词作为判别情感倾向的依据，首先，需要匹配文本数据中的情感词，赋予不同词性的词语以相应的情感影响强度值；其次，结合情感表达规则对语句情感进行量化计算；最后，将情感量化值输入统计学习模型进行预测。

上述基于情感分析的预测方法的局限性在于：主要分析两极化情感倾向(正面情绪与负面情绪)，分析结果具有模糊性；情感词典后期扩展性差，无法匹配未收录的情感词，导致对语句情感分析的误判；未考虑转折性连词对语句情感极性的转移作用，影响情感量化结果准确性；统计学习预测模型只与前一时间点的情感特征关联。因此，使用现有的基于情感分析的预测方法难以达到理想的效果。

发明内容

本发明的目的在于克服现有情感分析的预测方法中所存在的不足，提出一种结构合理，预测准确，效果佳的基于多极情感分析的用户行为预测系统，并提供科学合理，适用性强的方法。

实现本发明的目的之一采用的技术方案是：一种基于多极情感分析的用户行为预测系统，其特征是，它包括：用于采集网络数据并进行分类管理，进而构建系统数据库的数据采集及数据库管理模块；基于分词词典将每个课时的文本语段进行分词处理，并将参与观看情况、参与评论情况、参与问答情况、私信教师情况和私信其他用户情况五项用户行为表示为时间序列，从而合并运算构建用户参与度时间序列的数据预处理模块；基于多种词性词典对分词处理后的语段进行词语匹配与位置标注，而后对语句情感进行量化处理，实现语句的情感量化，最终通过加权计算处理分析用户的阶段性情感倾向与情感倾向性的多极情感分析模块；通过分析网络学习用户的情感倾向性与用户行为将用户分为活跃的积极用户、活跃的消极用户、游览学习的用户和抽样学习的用户四类的用户分类模块；用于实时预测用户行为的用户行为实时预测模块；用于展示用户ID、课程信息、课程教师、实时毕业概率、用户类别、情感倾向性、课程完成情况、考试成绩和毕业情况的状态评估可视化模块；所述的数据采集及数据库管理模块与数据预处理模块信号连接，所述的数据预处理模块分别与数据采集及数据库管理模块、用户分类模块、多极情感分析模块信号连接，所述的用户分类模块分别与数据预处理模块、状态评估可视化模块、多极情感分析模块信号连接，所述的多极情感分析模块分别与数据预处理模块、用户分类模块、用户行为实时预测模块信号连接，所述的用户行为实时预测模块分别与多极情感分析模块、状态评估可视化模块信号连接。