[发明专利]情感分析方法、系统、计算机终端及存储介质在审

专利信息
申请号: 201910927228.8 申请日: 2019-09-27
公开(公告)号: CN110705300A 公开(公告)日: 2020-01-17
发明(设计)人: 陈烨;胡祎;赵双喜;曹蒙蒙 申请(专利权)人: 上海烨睿信息科技有限公司
主分类号: G06F40/295 分类号: G06F40/295;G06F40/247
代理公司: 11463 北京超凡宏宇专利代理事务所(特殊普通合伙) 代理人: 谢玲
地址: 200050 上海市*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标对象 文本内容 词向量 分词处理 情感分析 分析 人工智能领域 计算机终端 存储介质 计算分析 情感词典 情感倾向 分词 优化 字典 文本 概率
【权利要求书】:

1.一种情感分析方法,其特征在于,包括:

获取待分析文本内容,识别所述待分析文本内容中的目标对象;

对所述待分析文本内容进行分词处理;

将分词处理得到的词输入预训练的分词字典,得到对应每个词的词向量;

采用情感词典优化所述词向量;

将所述目标对象和优化后的词向量输入情感分析模型,计算得到所述待分析文本内容针对所述目标对象的情感倾向概率。

2.根据权利要求1所述的情感分析方法,其特征在于,所述方法还包括:

建立针对所述目标对象的目标词典,采用所述目标词典筛选包括所述目标对象的名称的文本内容作为待分析文本集;

计算所述待分析文本集中每一条待分析文本中针对所述目标对象的情感倾向概率,得到情感倾向概率集;

根据所述情感倾向概率集确定所述待分析文本集针对所述目标对象的情感倾向。

3.根据权利要求1所述的情感分析方法,其特征在于,还包括:

为所述目标对象分配一个标识,所述识别所述待分析文本内容中的目标对象后用所述标识替换文本内容中的所述目标对象。

4.根据权利要求3所述的情感分析方法,其特征在于,所述采用情感词典优化所述词向量包括:

利用所述情感词典在通过所述计算得到的词向量中添加一个包括三个情感级别的情感类型维度,所述情感级别包括正面情感级别、负面情感级别、和中性情感级别;

利用所述词向量中相应情感级别的预设情感分数值调整所述词向量。

5.根据权利要求1所述的情感分析方法,其特征在于,所述识别所述待分析文本内容中的目标对象包括:

将所述待分析文本内容输入预先训练好的实体识别模型,所述实体识别模型将所述待分析文本内容分为若干个字符,为每个字符分配初始向量,按照从前往后的第一顺序和从后往前的第二顺序同时计算各字符在文本中出现位置的相应概率,根据该概率确定各字符在文本内容中的位置,根据该位置识别出由字符组成的目标对象。

6.根据权利要求4所述的情感分析方法,其特征在于,所述计算得到所述待分析文本内容中针对目标对象的情感倾向概率包括:

将包括标识的分词和调整后的词向量输入情感分析模型,所述情感分析模型根据各分词调整后的词向量对包括标识的分词的词向量的倾向性计算得到所述各分词对所述标识的情感倾向概率。

7.根据权利要求1所述的情感分析方法,其特征在于,所述分词字典的预训练包括:

获取待分析文本内容所属领域的语料信息;

将所述语料信息进行预处理后输入Word2vec算法得到对应各词的词向量,收集各词的词向量得到分词字典;所述预处理包括分句处理,基于分句处理结果进行分词处理并删除去掉词长度小于设定长度阈值的词。

8.一种情感分析系统,其特征在于,包括:

获取单元,用于获取待分析文本内容,识别所述待分析文本内容中的目标对象;

分词单元,用于对所述待分析文本内容进行分词处理;

计算单元,用于将分词处理得到的词输入预训练的分词字典,得到对应每个词的词向量;

优化单元,用于采用情感词典优化所述词向量;

分析单元,用于将所述目标对象和优化后的词向量输入情感分析模型,计算得到所述待分析文本内容中针对所述目标对象的情感倾向概率。

9.一种计算机终端,其特征在于,包括:

处理器和存储器;

所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述计算机终端执行根据权利要求1至7中任一项所述的情感分析方法。

10.一种计算机可读存储存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实施所述权利要求1至7中任一项所述的情感分析方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海烨睿信息科技有限公司,未经上海烨睿信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910927228.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top