[發明專利]自然語言語料數據的處理方法及電子設備

在審

• 申請號: 201710504835.4
• 申請日: 2017-06-27
• 公開（公告）號: CN107329953A
• 公開（公告）日: 2017-11-07
• 發明（設計）人: 劉帥
• 申請（專利權）人: 聯想（北京）有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 中科專利商標代理有限責任公司11021
• 代理人: 呂雁葭

技術領域

本公開涉及一種自然語言語料數據的處理方法及電子設備。

背景技術

在輿情分析中，為了分析企業或者產品在互聯網用戶中的輿情傾向，需要針對關于企業或者產品的海量的互聯網的數據進行處理，希望得到這些數據的情感傾向。在實現本發明過程中，發明人發現現有技術中至少存在如下問題，對于海量的語料，現有的情感標注的方法需要投入大量人力，并且判斷結果不夠準確。

發明內容

本公開的一個方面提供了一種自然語言語料數據的處理方法，所述語料數據包括至少一個自然語言語句的語句數據，所述語句數據以電子數據形式存儲在存儲設備中，所述方法包括，讀取所述語料數據，確定所述至少一個自然語言語句的情感屬性，識別所述至少一個自然語言語句中的修飾結構，基于所述情感屬性和所述修飾結構的相應預設權重，確定所述至少一個自然語言語句的情感傾向值，以及基于所述情感傾向值，生成所述語料數據的情感處理結果。

可選地，所述確定至少一個自然語言語句的情感屬性包括，根據預定規則，對自然語言語句分詞，獲得所述至少一個自然語言語句的分詞結果，以及從所述分詞結果中識別情感詞，確定所述至少一個自然語言語句的情感屬性。

可選地，所述修飾結構包括虛詞、標點符號和/或句式中的一種或多種。

可選地，所述修飾結構包括虛詞，所述虛詞與情感詞之間間隔的詞數小于第一預設閾值。

可選地，所述至少一個自然語言語句包括多個自然語言語句，所述基于所述情感傾向值，生成所述語料數據的情感處理結果包括，對所述多個自然語言語句的情感傾向值求和，基于所述和與至少一個預設閾值的比較結果，確定所述語料數據的情感處理結果，以及輸出所述語料數據的情感處理結果。

本公開的另一方面提供了一種用于處理自然語言語料數據的電子設備，所述語料數據包括至少一個自然語言語句的語句數據，所述電子設備包括處理器以及存儲器，其上存儲有計算機可讀指令，所述指令被所述處理器執行時，使得所述處理器讀取所述語料數據，確定所述至少一個自然語言語句的情感屬性，識別所述至少一個自然語言語句中的修飾結構，基于所述情感屬性和所述修飾結構的相應預設權重，確定所述至少一個自然語言語句的情感傾向值，以及基于所述情感傾向值，生成所述語料數據的情感處理結果。

可選地，所述處理器確定至少一個自然語言語句的情感屬性包括，根據預定規則，對自然語言語句分詞，獲得所述至少一個自然語言語句的分詞結果，以及從所述分詞結果中識別情感詞，確定所述至少一個自然語言語句的情感屬性。

可選地，所述修飾結構包括虛詞、標點符號和/或句式中的一種或多種。

可選地，所述修飾結構包括虛詞，所述虛詞與情感詞之間間隔的詞數小于第一預設閾值。

可選地，所述至少一個自然語言語句包括多個自然語言語句，所述處理器基于所述情感傾向值，生成所述語料數據的情感處理結果包括，對所述多個自然語言語句的情感傾向值求和，基于所述和與至少一個預設閾值的比較結果，確定所述語料數據的情感處理結果，以及輸出所述語料數據的情感處理結果。

本公開的另一方面提供了一種自然語言語料數據的處理系統，所述語料數據包括至少一個自然語言語句的語句數據，所述語句數據以電子數據形式存儲在存儲設備中，所述系統包括語料讀取模塊、情感屬性確定模塊、修飾結構識別模塊、情感傾向值確定模塊以及處理模塊。語料讀取模塊，用于讀取所述語料數據。情感屬性確定模塊，用于確定所述至少一個自然語言語句的情感屬性。修飾結構識別模塊，用于識別所述至少一個自然語言語句中的修飾結構。情感傾向值確定模塊，用于基于所述情感屬性和所述修飾結構的相應預設權重，確定所述至少一個自然語言語句的情感傾向值。處理模塊，用于基于所述情感傾向值，生成所述語料數據的情感處理結果。

可選地，所述情感屬性確定模塊包括分詞子模塊以及確定子模塊。分詞子模塊，用于根據預定規則，對自然語言語句分詞，獲得所述至少一個自然語言語句的分詞結果。確定子模塊，用于從所述分詞結果中識別情感詞，確定所述至少一個自然語言語句的情感屬性。

可選地，所述修飾結構包括虛詞、標點符號和/或句式中的一種或多種。

可選地，所述修飾結構包括虛詞，所述虛詞與情感詞之間間隔的詞數小于第一預設閾值。