[发明专利]一种公司形象提升系统的用户情感分析和预判系统

说明书

本发明公开了一种公司形象提升系统的用户情感分析和预判系统，包括情感极性预测模块、情感分析模块、风险识别模块与数据输入，所述情感极性预测模块由基于传统机器学习的中文长本分析与基于深度学习的长、短文本分析组成，所述情感极性预测模块对网络数据进行预测分析，所述情感极性预测模块由机结合机器学习模型和深度学习模型，对用户的情感进行分析，机器学习模型采用朴素贝叶斯算法中词频采用本方案提出的词频补数。本发明解决机器理解文本深层意思、预测效率和精准度的问题，实现强化客户需求管理、探究客户情绪、优化客户服务体系等目的，为公司提供了在负面事件大规模蔓延之前阻止负面事件一步发展的可能，更好地维护公司的公众形象。

技术领域

本发明涉及自然语言处理技术领域，具体为一种公司形象提升系统的用户情感分析和预判系统。

背景技术

随着互联网的快速发展，社会媒体信息传播途径和方式越来越多，网友在网上的言论也随着增多，网上的言论对公司的声誉有着较大的影响，及时了解用户情绪和需求是解决公司声誉问题的重要前提。

网络上面的舆论往往是对当下的某一事件的讨论，加上一些情绪化的意见而形成，往往在非常短时间内就能有较大的影响，由于受到主客观方面的影响，使得网民的发言具有一定的局限性，相对感性化和情绪化等，特别是一部分人将其作为宣泄情绪的场所，由此可见，网络舆论已经成为影响社会持续稳定发展、维护社会和谐与稳定的重要因素，我们可以利用自然语言处理技术在社交媒体上了解社交媒体中各用户的情绪。

传统的文本情感分析的方式包括基于情感词典的方法，即对文本分词，找出文档中的情感词、否定词以及程度副词，然后判断每个情感词之前是否有否定词及程度副词，将它之前的否定词和程度副词划分为一个组，如果有否定词将情感词的情感权值变为负，如果有程度副词就乘以程度副词的程度值，最后所有组的得分加起来，如果得分为正数，则情感是积极的，如果得分为负数，则情感是消极的。

目前相似技术：

(1)《基于机器学习的情绪预测方法、装置、设备》

该专利发明一种基于机器学习的情绪预测方法，该方案获取第一预设时间内多维特征值，得到第一训练样本集，得到样本集后对情绪预测模型进行训练，生成训练后的第一情绪预测模型，根据所述第一预测样本集和所述训练后的第一情绪预测模型，进行情绪预测。

(2)《一种文本情绪预测方法及装置》

该方案构建情绪匹配知识库，将待分类文本与情绪匹配知识库进行匹配，得到待分类文本的情绪特征，然后对情绪特征进行分类，得到文本的情绪分类结果，在人工构建具有动作与对象标注的情绪匹配知识库的基础上，将待分类文本自动学习进行分类

但是，上述的两种现有技术都存在缺陷，如下：

(1)《基于机器学习的情绪预测方法、装置、设备》

该方案用纯机器学习算法对长和短文本进行情感预测，对文本的深层意思难以预测，其中岭回归算法中用文本特征词向量作为算法的自变量，情感种类作为因变量输出，文本的特征词数量通常较多，即使有了岭回归的权重限制，特征词数量多后误差依然会变大。

(2)《一种文本情绪预测方法及装置》

该方案的算法需要带有词汇量较多的语料库，输入文本后在语料库进行匹配对应，提取情感种类和感情等级，预测效果和语料库大小成正相关关系，随着语料库词语数量的增大，算法速度也会受影响。

发明内容

本发明的目的在于提供一种公司形象提升系统的用户情感分析和预判系统，以解决上述背景技术中提出的问题。