[發明專利]一種汽車行業細分領域的情感分析方法及系統

有效

• 申請號: 201710896269.6
• 申請日: 2017-09-28
• 公開（公告）號: CN107704556B
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 宋丹丹;洪煦;朱勁松;陳偉強
• 申請（專利權）人: 北京車慧科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/36
• 代理公司: 北京市維詩律師事務所 11393
• 代理人: 楊安進;徐永浩

本發明公開了一種汽車行業細分領域的情感分析方法及系統。該方法包括：獲取汽車行業詞典；根據用作訓練素材的汽車行業的用戶原創內容以及所述汽車行業詞典訓練情感分類器；根據所述汽車行業詞典和/或所述情感分類器計算待評價的汽車行業的用戶原創內容的情感分值。本發明通過構建汽車行業細分領域下的評價實體和情感詞典，對于不同的細分領域基于各自的情感詞典進行情感分值計算，而后對于情感詞典未命中的情況下再通過機器學習的方式進行情感分值的計算，既解決了情感詞典覆蓋范圍的缺陷，又一定程度上緩解了由于語料的不純凈造成分類器準確度下降的問題。

技術領域

本發明涉及大數據領域，尤其涉及一種汽車行業細分領域的情感分析方法及系統。

背景技術

隨著互聯網的快速發展，細分領域的網站越來越多，例如汽車、餐飲、住宿等服務的網站。很多用戶在細分領域中，伴隨著自己的實際經驗，會針對自己的服務發表自己的觀點。用戶的反饋對產品或者服務提供者具有重要的意義，特別是追蹤用戶對產品或者服務的輿情走向以及對產品或服務的后續改進。

在汽車生活中，人們對于買車、用車過程中遇到的問題，往往也會在微博、論壇、貼吧等公共場合發表自己的意見，所以對于汽車企業來說，通過汽車輿情監測時刻關注用戶對產品的評價及反饋，不但可以對可能出現的焦點事件進行提前干預及時處理，而且也可以搜集許多產品的優化改進建議。在汽車輿情系統中，往往可以通過對汽車行業相關網站或者論壇上目標用戶發表的言論進行實時分析，獲取用戶針對產品所表達出的正負面情感傾向，從而達到對相關產品的輿情監測。

現有技術中主要依據情感詞典，例如基礎情感詞典和汽車行業情感詞典中的正負面情感詞以及形容詞等情感判別，或者基于機器學習的方法對文本進行正負面情感分類，從而得到用戶原創內容的情感評價。

現有技術可以計算出情感分值，但存在如下問題：對汽車行業情感詞典的廣度有極高的要求，如果詞典的覆蓋范圍較小，也就是正負面情感詞遠小于真實存在的情感詞數量，這樣很容易對帖子中的情感詞漏判，從而降低帖子情感傾向判斷的準確性；詞典中同一個情感詞在不同語境下有時會表達出完全相反的情感傾向，無法確定情感詞的情感評價；現有技術非?；\統地為每篇帖子計算出一個分值，無法定位到對細節的情感評價。

發明內容

有鑒于此，本發明提供一種汽車行業細分領域的情感分析方法及系統,其目的在于實現汽車行業細分領域下的情感分析。

本發明提供了一種汽車行業細分領域的情感分析方法，該方法包括：

獲取汽車行業詞典；

根據用作訓練素材的汽車行業的用戶原創內容以及所述汽車行業詞典訓練情感分類器；

根據所述汽車行業詞典和/或所述情感分類器計算待評價的汽車行業的用戶原創內容的情感分值。

優選地，所述汽車行業詞典包括細分領域的實體詞典和細分領域的情感詞典；其中，所述細分領域的實體詞典為名詞類詞典，所述細分領域的情感詞典為形容詞類詞典。

優選地，所述根據用作訓練素材的汽車行業的用戶原創內容以及所述汽車行業詞典訓練情感分類器包括：

根據所述細分領域的實體詞典判斷用作訓練素材的汽車行業的用戶原創內容所屬細分領域；

生成用作訓練素材的汽車行業的用戶原創內容的詞向量表達；

根據汽車口碑數據中最滿意的評論和最不滿意的評論生成帶標簽的訓練數據；

計算用作訓練素材的汽車行業的用戶原創內容的句子向量，并訓練該細分領域的情感分類器。

優選地，所述根據所述汽車行業詞典和/或所述情感分類器計算待評價的汽車行業的用戶原創內容的情感分值包括：

根據所述細分領域的實體詞典確定待評價的汽車行業的用戶原創內容所屬細分領域；