[发明专利]一种事件的情感分析方法、装置、服务器及存储介质

权利要求书

1.一种事件的情感分析方法，其特征在于，包括：

获取目标新闻数据，并对所述目标新闻数据进行处理，以确定与所述目标新闻数据相对应的目标特征向量；

将所述目标特征向量分别输入至预先训练好的至少两个情感分析模型中，得到与每个情感分析模型相对应的情感分析结果；

调用目标函数对所有情感分析结果进行融合处理，得到与所述目标新闻数据相对应的目标情感分析结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述目标新闻数据进行处理，以确定与所述目标新闻数据相对应的目标特征向量，包括：

对所述目标新闻数据进行分词处理，得到所述目标新闻数据中的各个目标词汇；

将每个目标词汇分别输入至语言处理子模型中，得到与每个目标词汇相对应的标题词向量；

将每个标题词向量输入至神经网络子模型中，得到与目标新闻数据相对应的目标特征向量。

3.根据权利要求2所述的方法，其特征在于，所述语言处理子模型为双向编码器模型，所述神经网络子模型为长短时记忆网络。

4.根据权利要求1所述的方法，其特征在于，所述至少两个情感分析模型包括：卷积神经网络模型、区域卷积神经网络模型、Transformer双向编码器表示模型、引导聚集-卷积神经网络模型以及自适应增强-贝叶斯模型；

相应的，所述将所述目标特征向量分别输入至预先训练好的至少两个情感分析模型中，得到与每个情感分析模型相对应的情感分析结果，包括：

将目标特征向量分别输入至卷积神经网络模型、区域卷积神经网络模型、Transformer双向编码器表示模型、引导聚集-卷积神经网络模型以及自适应增强-贝叶斯模型，输出与每个模型相对应的情感分析结果；

其中，所述情感分析结果包括：正面、中立或负面。

5.根据权利要求4所述的方法，其特征在于，还包括：训练所述情感分析模型；

其中，训练所述情感分析模型，包括：

获取多个训练样本数据，基于每个情感分析模型，对所述训练样本数据进行处理，得到待输入样本数据；其中，所述训练样本数据中包括待训练新闻数据的内容，以及与所述待训练新闻数据相对应的情感分析结果；

基于所述待输入样本数据，以及所述情感分析结果，训练得到待使用情感分析模型；

基于测试样本数据，对所述待使用情感分析模型进行验证，当所述待使用情感分析的准确率在预设范围之内，则将所述待使用情感分析模型作为情感分析模型；

其中，所述情感分析模型，用于对新闻数据进行处理，确定与新闻数据相对应的情感分析结果。

6.根据权利要求5所述的方法，其特征在于，所述情感分析模型为引导聚集-卷积神经网络模型，相应的，所述基于所述待输入样本数据，以及所述情感分析结果，训练所述情感分析模型，包括：

采用引导聚集-卷积神经网络模型从所述待输入样本数据中获取多组预设数量的待输入样本数据并分别作为待训练子集；

基于所述待训练子集训练所述引导聚集-卷积神经网络模型。

7.根据权利要求1所述的方法，其特征在于，所述调用目标函数对所有情感分析结果进行融合处理，得到与所述目标新闻数据相对应的目标情感分析结果，包括：

基于预先设置的目标函数，对所有情感模型输出的情感分析结果进行统计并将频次最高的情感分析结果，作为与所述目标新闻数据相对应的目标情感分析结果。

8.一种事件的情感分析装置，其特征在于，包括：

目标特征向量确定模块，用于获取目标新闻数据，并对所述目标新闻数据进行处理，以确定与所述目标新闻数据相对应的目标特征向量；

情感分析结果确定模块，用于将所述目标特征向量分别输入至预先训练好的至少两个情感分析模型中，得到与每个情感分析模型相对应的情感分析结果；

目标情感分析结果确定模块，用于调用目标函数对所有情感分析结果进行融合处理，得到与所述目标新闻数据相对应的目标情感分析结果。