[发明专利]一种观点抽取方法、装置及设备

说明书

本发明实施例提供了一种观点抽取方法、装置及设备，其中，该方法包括：获取待分析文本；基于预先训练的长短期记忆网络LSTM模型，确定待分析文本中的观点实体；其中，观点实体包括评价对象和评价词，LSTM模型是根据带有观点实体标记的多个训练样本训练得到的；通过预设启发式规则，建立评价对象与评价词之间的关联，以确定待分析文本对应的观点。通过本发明实施例提供的观点抽取方法、装置及设备，能够降低观点抽取过程的计算复杂度。

技术领域

本发明涉及互联网技术领域，特别是涉及一种观点抽取方法、装置及设备。

背景技术

随着社交网络、移动互联网的不断普及，发布信息的成本越来越低，越来越多的用户乐于在互联网上分享自己的观点以及对于人物、事件、产品等的评论。而互联网公司等为了了解用户针对产品的反馈等，希望能够获取或挖掘用户所发布信息中包含的用户观点。

现有技术中对用户观点的挖掘，首先建立词语依存关系库，然后依据该词语依存关系库进行观点抽取。

然而，发明人在实现本发明的过程中发现，现有技术至少存在如下问题：

现有技术在建立词语依存关系库的过程中，需要对文本进行分词，获取文本中的词语以及词语对应的词性，并对文本进行分句，对每个分句进行语法解析，分析语法结构；然后确定候选评价词语、候选评价对象，以及词语依存关系路径，进而建立词语依存关系库。可以看出，现有技术中词语依存关系库的建立过程比较复杂，进而使得观点抽取过程比较复杂。

发明内容

本发明实施例的目的在于提供一种观点抽取方法、装置及设备，以降低观点抽取过程的计算复杂度。具体技术方案如下：

第一方面，本发明实施例提供了一种观点抽取方法，包括：

获取待分析文本；

基于预先训练的长短期记忆网络LSTM模型，确定所述待分析文本中的观点实体；其中，所述观点实体包括评价对象和评价词，所述LSTM模型是根据带有观点实体标记的多个训练样本训练得到的；

通过预设启发式规则，建立所述评价对象与所述评价词之间的关联，以确定所述待分析文本对应的观点。

可选的，所述通过预设启发式规则，建立所述评价对象与所述评价词之间的关联，包括：

针对各个评价对象，计算该评价对象分别与各个评价词之间的距离；

确定所有所述距离中的最小距离；

确定所述最小距离对应的评价词为目标评价词；

建立该评价对象与所述目标评价词之间的关联。

可选的，预先训练所述LSTM模型的步骤，包括：

获取多个训练样本；

针对每个训练样本，将该训练样本输入至预设LSTM模型，对所述预设LSTM模型进行训练，得到训练好的LSTM模型，其中，该训练样本中词语带有观点实体标记。

可选的，所述观点实体标记包括通过序列标注方式进行标注的标记。

可选的，在所述获取待分析文本之后，所述方法还包括：

过滤所述待分析文本中的观点无关内容，得到过滤后待分析文本；

所述基于预先训练的长短期记忆网络LSTM模型，确定所述待分析文本中的观点实体的步骤，包括：

基于所述LSTM模型，确定所述过滤后待分析文本中的观点实体。

第二方面，本发明实施例提供了一种观点抽取装置，包括：

第一获取模块，用于获取待分析文本；