[发明专利]评价识别及评价识别网络模型的训练方法及装置

权利要求书

1.一种评价识别方法，其特征在于，包括：

获取待识别的评价文本，将所述评价文本输入评价识别网络模型包含的词向量计算网络以及实体识别网络；

根据所述实体识别网络输出的所述评价文本的中心词以及中心词的信息熵，对所述词向量计算网络输出的所述评价文本的词向量进行特征强化处理，得到所述评价文本的强化特征向量；

将所述评价文本的强化特征向量以及所述评价文本的统计特征输入所述评价识别网络模型包含的分类模型，得到所述评价文本的识别结果信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述实体识别网络输出的所述评价文本的中心词以及中心词的信息熵，对所述词向量计算网络输出的所述评价文本的词向量进行特征强化处理，得到所述评价文本的强化特征向量，包括：

将所述中心词的信息熵作为所述中心词的权重；

根据所述中心词查询所述评价文本的词向量，得到与所述中心词相对应的词向量；

使用所述中心词的权重对所述与所述中心词相对应的词向量进行加权处理，得到中心词的强化特征向量；

将中心词的强化特征向量进行下述任一处理操作：加和处理、取最值处理及取平均值处理，得到所述评价文本的强化特征向量。

3.根据权利要求1所述的方法，其特征在于，还包括：

获取所述评价文本的中心词数量和/或所述评价文本的文本长度，作为所述评价文本的统计特征。

4.根据权利要求1所述的方法，其特征在于，还包括：

如果根据所述识别结果信息确定所述评价信息为实体对象无责差评，则将所述评价信息作为异常评价输出至与所述评价信息相关联的实体对象的电子设备。

5.根据权利要求4所述的方法，其特征在于，还包括：

针对识别为实体对象无责差评的评价文本，获取与所述评价文本相关联的订单信息；

获取所述订单信息的用户特征，根据所述用户特征识别出恶意评价账户。

6.根据权利要求5所述的方法，其特征在于，还包括：

获取所述订单信息的地域特征，根据所述地域特征识别出区域聚集恶意评价和/或异地聚集恶意差评。

7.根据权利要求5所述的方法，其特征在于，还包括：

获取所述订单信息包含的对象特征以及所述订单信息对应的实体对象；

根据所述对象特征以及所述用户特征，识别出针对所述实体对象的同行业恶意差评。

8.根据权利要求5所述的方法，其特征在于，还包括：

获取发出所述评价文本的设备的设备特征；

根据所述设备特征识别出设备聚集差评。

9.一种评价识别网络模型的训练方法，其特征在于，包括：

获取已标定的评价文本及所述评价文本的标定结果，作为评价识别网络模型的训练样本；所述评价识别网络模型包括：用于将评价文本进行向量化表达的词向量计算网络、用于提取评价文本的中心词及中心词的信息熵的实体识别网络以及分类模型；

将所述评价文本输入所述词向量计算网络得到所述评价文本的词向量，将所述评价文本输入所述实体识别网络得到所述评价文本的中心词及中心词的信息熵，根据所述评价文本的中心词以及中心词的信息熵，对所述词向量计算网络输出的所述评价文本的词向量进行特征强化处理，得到所述评价文本的强化特征向量；

将所述评价文本的强化特征向量以及所述评价文本的统计特征输入分类模型；

根据所述分类模型的输出特征与所述评价文本的标定结果对评价识别网络模型进行训练，得到目标评价识别网络模型；所述评价识别网络模型或所述目标评价识别网络模型用于识别评价文本的责任主体。

10.一种评价信息处理方法，其特征在于，包括：

获得用户输入的与实体对象关联的评价信息；

如果所述评价信息被识别为实体对象无责差评，则提取实体对象无责差评的关键词以及所述实体对象的与所述关键词相对立的特征信息，向所述用户输出所述评价信息为实体对象无责差评的提示信息。