[发明专利]领域文本情绪识别方法、装置、计算机设备及存储介质在审
| 申请号: | 202010694597.X | 申请日: | 2020-07-17 |
| 公开(公告)号: | CN112036175A | 公开(公告)日: | 2020-12-04 |
| 发明(设计)人: | 沈春泽 | 申请(专利权)人: | 苏宁金融科技(南京)有限公司 |
| 主分类号: | G06F40/289 | 分类号: | G06F40/289;G06F40/30;G06F16/35 |
| 代理公司: | 北京市万慧达律师事务所 11111 | 代理人: | 张慧娟 |
| 地址: | 211800 江苏省南京市江*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 领域 文本 情绪 识别 方法 装置 计算机 设备 存储 介质 | ||
1.一种领域文本情绪识别方法,其特征在于,所述方法包括:
对待识别的领域文本进行分句并分词;
对所述领域文本的分词在预设的情绪词典中进行匹配,确定出至少一个情绪词以及各所述情绪词的预设情绪强度,并确定各所述情绪词所在的分句;
基于各所述情绪词的预设情绪强度、各所述情绪词所在的分句以及各所述分句在所述领域文本的不同位置处的预设位置权重,计算所述领域文本的情绪强度值并进行归一化;
基于所述领域文本归一化后的情绪强度值,输出文本情绪识别结果。
2.根据权利要求1所述的方法,其特征在于,所述情绪词典通过如下方式构建得到:
构建特定领域的种子词典,其中,所述种子词典包含的各个种子情绪词均标注有对应的情绪强度和情绪权重;
对所述特定领域的预设语料库中的文本进行分句,并对获得的各个分句进行浅层句法分析,解析出各个所述分句的句法成分,形成句法树;
基于功能语法理论,将所述句法树上功能相同的词语归入同一词语类别中;
将具有预设类别标签的词语类别中的每一个词语分别作为候选词,并结合上下文获取各个所述候选词的同现词,以形成候选词集合;
从所述候选词集合中筛选出各个所述种子情绪词的扩展词,并根据各个所述种子情绪词的扩展词,对所述种子词典进行更新以构建得到所述情绪词典。
3.根据权利要求1所述的方法,其特征在于,所述基于各所述情绪词的预设情绪强度、各所述情绪词所在的分句以及各所述分句在所述领域文本的不同位置处的预设位置权重,计算所述领域文本的情绪强度值,包括:
基于各所述情绪词的预设情绪强度所属的情绪极性,计算各所述情绪词所在的分句在各所述情绪极性下的情绪强度值;
基于各所述情绪词所在的分句在各所述情绪极性下的情绪强度值以及各所述分句的预设位置权重,计算所述领域文本在各所述情绪极性下的情绪强度值。
4.根据权利要求3所述的方法,其特征在于,所述基于各所述情绪词的预设情绪强度所属的情绪极性,计算各所述情绪词所在的分句在各所述情绪极性下的情绪强度值,包括:
基于各所述情绪词的字体形态,对各所述情绪词的预设情绪强度进行调整;
基于各所述情绪词调整后的预设情绪强度所属的情绪极性,计算各所述情绪词所在的分句在各所述情绪极性下的情绪强度值。
5.根据权利要求3或4所述的方法,其特征在于,所述基于各所述情绪词所在的分句在各所述情绪极性下的情绪强度值以及各所述分句的预设位置权重,计算所述领域文本在各所述情绪极性下的情绪强度值,包括:
基于各所述情绪词所在的分句中的标点符号、程度副词和/或否定词,对各所述情绪词所在的分句在各所述情绪极性下的情绪强度值进行调整;
基于各所述分句的预设位置权重、各所述情绪词所在的分句在各所述情绪极性下调整后的情绪强度值,计算所述领域文本在各所述情绪极性下的情绪强度值。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
对所述领域文本归一化后的各所述情绪极性下的情绪强度值进行求和计算,得到所述领域文本的情绪强度值的综合值;
当所述领域文本的情绪强度值的综合值满足预设的预警触发条件时,生成预警信息并推送至预设终端。
7.一种领域文本情绪识别装置,其特征在于,所述装置包括:
预处理模块,用于对待识别的领域文本进行分句并分词;
匹配模块,用于对所述领域文本的分词在预设的情绪词典中进行匹配,确定出至少一个情绪词及各所述情绪词的预设情绪强度,并确定各所述情绪词所在的分句;
计算模块,用于基于各所述情绪词的预设情绪强度、以及各所述分句在所述领域文本的不同位置处的预设位置权重,计算所述领域文本的情绪强度值并进行归一化;
输出模块,用于基于所述领域文本归一化后的情绪强度值,输出文本情绪识别结果。
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苏宁金融科技(南京)有限公司,未经苏宁金融科技(南京)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/202010694597.X/1.html,转载请声明来源钻瓜专利网。





