[发明专利]一种基于用户情绪立场的用户画像建立方法及装置、用户画像的可视化方法

权利要求书

1.一种基于用户情绪立场的用户画像建立方法，其特征在于，包括：

从用户历史数据中获取独立短文本语料；

对获取的短文本语料根据情感倾向进行分类，并根据短文本语料分类结果中词语的分布情况，构建情感词库，并计算情感词库中情感词的原始情感概率；其中，情感词库中包含正面情感词和负面情感词；

根据应用场景构建立场触发词库，其中，立场触发词库中包含能够引起用户立场或情绪反应的立场触发词；

提取出用户发布的文字信息中包含的立场触发词，并根据提取出的立场触发词组成待分析语料块，然后根据待分析语料块中情感词的情感概率、程度副词的数量和否定词的数量，计算待分析语料块的情感概率；

根据待分析语料块的情感概率，计算单个用户对应的立场触发词的情感概率；

根据单个用户对应的立场触发词的情感概率，计算由所有用户组成的社群内立场触发词的平均情感概率，并根据平均情感概率进行排序；

根据社群内立场触发词的排序情况和单个用户对立场触发词的情感概率，构建用户画像。

2.如权利要求1所述的方法，其特征在于，对获取的短文本语料根据情感倾向进行分类，并根据短文本语料分类结果中词语的分布情况，构建情感词库，并计算情感词库中情感词的情感概率，包括：

对获取的短文本语料根据情感倾向进行分类，分为正向语料、中立语料和负向语料；

将分类后的语料进行分词，并去冗余后得到语料词库；

统计语料词库中的每一个词语在正向语料、中立语料和负向语料中的分布情况；

根据词语的分布情况，结合卡方校验筛选出与正向、负向有关的词汇作为情感倾向的标志词候选；

对标志词候选进行筛选，删除与对应情感倾向不匹配的词汇，构建情感词库；

查找每一个正面情感词对应的所有原始语料，计算出正面情绪概率的平均值，作为正面情感词的原始情感概率，对于情感词库中的负面情感词，将1减去正面情绪概率的平均值的结果，作为负面情感词的原始情感概率。

3.如权利要求1所述的方法，其特征在于，根据提取出的立场触发词组成待分析语料块，然后根据待分析语料块中情感词、程度副词和否定词的数量，计算待分析语料块的情感概率，包括：

将提取出的立场触发词所在的句子以及前后n个句子组成待分析语料块，其中，n为大于等于1的正整数；

查找待分析语料块中出现的正面情感词和负面情感词，并获取每个正面情感词和负面情感词的原始情感概率；

根据每一个正面情感词和负面情感词，根据预设范围内否定词和程度副词的数量，确定否定系数和程度权重；

根据情感词的原始情感概率、否定系数和程度权重，计算每个情感词的情感概率修正值；

根据情感词的情感概率修正值、正面情感词的数量和负面情感词的数量，计算待分析语料块的情感概率。

4.如权利要求1所述的方法，其特征在于，根据待分析语料块的情感概率，计算单个用户对应的立场触发词的情感概率，包括：

当立场触发词在用户发布的数据中未出现时，立场触发词的情感概率为空；

当立场触发词在用户发布的数据中出现的一次时，将立场触发词出现的语料块对应的情感概率作为立场触发词的情感概率；

当立场触发词在用户发布的数据中出现的两次及以上时，将立场触发词出现的所有语料块对应的情感概率的平均值作为立场触发词的情感概率。

5.如权利要求1所述的方法，其特征在于，在根据待分析语料块的情感概率，计算单个用户对应的立场触发词的情感概率之后，所述方法还包括：

对单个用户对应的立场触发词的情感概率进行归一化处理，获得单个用户对应的每一个立场触发词的情感概率修正值。

6.如权利要求5所述的方法，其特征在于，根据单个用户对应的立场触发词的情感概率，计算由所有用户组成的社群内立场触发词的平均情感概率，包括：

将每个用户对应的立场触发的立场触发词的情感概率修正值求平均值，计算出社群内立场触发词的平均情感概率；

根据每个立场触发词的平均情感概率的大小进行排序。