[發(fā)明專利]一種文本數(shù)據(jù)的信息處理方法、裝置

在審

• 申請?zhí)枺?/td>: 201811440004.6
• 申請日: 2018-11-29
• 公開（公告）號: CN109284389A
• 公開（公告）日: 2019-01-29
• 發(fā)明（設(shè)計）人: 付博
• 申請（專利權(quán)）人: 北京國信宏數(shù)科技有限責(zé)任公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F17/27
• 代理公司: 北京國貝知識產(chǎn)權(quán)代理有限公司 11698
• 代理人: 柯俊

本發(fā)明提供一種基于文本數(shù)據(jù)的信息處理方法、裝置，該方法包括：獲取文本數(shù)據(jù)；基于所述文本數(shù)據(jù)和已經(jīng)訓(xùn)練好的分類模型得到所述文本數(shù)據(jù)的情緒傾向結(jié)果，其中，所述情緒傾向結(jié)果包括正面情緒的數(shù)量或負(fù)面情緒的數(shù)量；根據(jù)所述情緒傾向結(jié)果得到所述文本數(shù)據(jù)的經(jīng)濟(jì)信心指數(shù)。根據(jù)本發(fā)明的方法、系統(tǒng)及計算機(jī)存儲介質(zhì)，基于自然語言處理技術(shù)和機(jī)器學(xué)習(xí)方法，彌補(bǔ)了傳統(tǒng)方法的數(shù)據(jù)采集時間長、成本高固有缺陷，為后續(xù)程序提供良好的數(shù)據(jù)基礎(chǔ)。

技術(shù)領(lǐng)域

本申請涉及計算機(jī)技術(shù)領(lǐng)域，特別涉及數(shù)據(jù)處理的方法及裝置。

背景技術(shù)

當(dāng)前，我國對各種指數(shù)的研究主要是由國家統(tǒng)計局采用傳統(tǒng)的調(diào)查方法進(jìn)行匯總計算而成，完成該項工作需要大量的人力、物力、金錢以及時間成本，同時，這些數(shù)據(jù)的公布往往存在一定時期的滯后。在互聯(lián)網(wǎng)時代，信息傳輸速度極快，網(wǎng)絡(luò)數(shù)據(jù)資源呈現(xiàn)爆炸式增長，通過對互聯(lián)網(wǎng)文本數(shù)據(jù)的挖掘及分析可以獲取及時、全面的經(jīng)濟(jì)信息，進(jìn)而編制出一系列反映經(jīng)濟(jì)形勢發(fā)展趨勢的指數(shù)，在這些指數(shù)中蘊(yùn)含著網(wǎng)民對當(dāng)前經(jīng)濟(jì)形勢的總體評價，對經(jīng)濟(jì)前景、收入水平、收入預(yù)期以及消費心理狀態(tài)的主觀感受，有助于政府和企業(yè)及時有效的做出相關(guān)決策。

目前基于網(wǎng)絡(luò)文本的消費者信心指數(shù)，多是利用網(wǎng)絡(luò)搜索數(shù)據(jù)，雖然大量的搜索數(shù)據(jù)可以表征一定的趨勢性(如流感爆發(fā))，但如果能從文本中抽取也主觀性的觀點以及心理感覺受的話，可以更加準(zhǔn)確的對經(jīng)濟(jì)信心指數(shù)進(jìn)行研究。

因此，現(xiàn)有技術(shù)中存在數(shù)據(jù)采集時間長、成本高的缺陷。

發(fā)明內(nèi)容

考慮到上述問題而提出了本發(fā)明。本發(fā)明提供了一種文本數(shù)據(jù)的信息處理方法、系統(tǒng)及計算機(jī)存儲介質(zhì)，彌補(bǔ)了傳統(tǒng)方法的數(shù)據(jù)采集時間長、成本高固有缺陷，為后續(xù)程序提供良好的數(shù)據(jù)基礎(chǔ)。

根據(jù)本發(fā)明一方面，提供了一種文本數(shù)據(jù)的信息處理方法，所述方法包括：

獲取文本數(shù)據(jù)；

基于所述文本數(shù)據(jù)和已經(jīng)訓(xùn)練好的分類模型得到所述文本數(shù)據(jù)的情緒傾向結(jié)果，其中，所述情緒傾向結(jié)果包括正面情緒的數(shù)量或負(fù)面情緒的數(shù)量；

根據(jù)所述情緒傾向結(jié)果得到經(jīng)濟(jì)信心指數(shù)。

示例性地，所述獲取文本數(shù)據(jù)包括：基于互聯(lián)網(wǎng)爬蟲技術(shù)獲取互聯(lián)網(wǎng)中的所述文本數(shù)據(jù)。

示例性地，所述得到所述文本數(shù)據(jù)的情緒傾向結(jié)果包括：對所述文本數(shù)據(jù)進(jìn)行特征提取得到所述文本數(shù)據(jù)的分類特征，其中，分類特征包括觀點觸發(fā)詞特征、觀點主題特征、短語句法特征、詞語表示特征、情感詞特征、或情感上下文特征中的至少一個。

示例性地，所述分類模型的訓(xùn)練包括：

對已經(jīng)標(biāo)注情緒傾向的訓(xùn)練樣本進(jìn)行分類特征提取，并將所述分類特征作為輸入，所述訓(xùn)練樣本的情緒傾向結(jié)果作為輸出，訓(xùn)練得到分類模型。

示例性地，所述分類模型包括支持向量機(jī)模型，或隨機(jī)森林模型、或決策樹模型、或樸素貝葉斯模型。

示例性地，所述進(jìn)行觀點觸發(fā)詞特征提取包括：基于文本樣本，采用TFIDF計算文本樣本中的詞的權(quán)重，得到觀點觸發(fā)詞的集合；根據(jù)所述觀點觸發(fā)詞對所述文本數(shù)據(jù)進(jìn)行觀點觸發(fā)詞特征提取；或者，所述進(jìn)行觀點主題特征提取包括：基于預(yù)定的觀點主題關(guān)鍵詞對所述文本數(shù)據(jù)進(jìn)行觀點主題特征提取；或者，所述進(jìn)行短語句法特征提取包括：采用短語句法分析器對所述文本數(shù)據(jù)進(jìn)行短語句法特征提取；或者所述進(jìn)行詞語表示特征提取包括：基于詞語向量表示學(xué)習(xí)對所述文本數(shù)據(jù)進(jìn)行詞語表示特征提取。

示例性地，所述進(jìn)行情感詞特征提取包括：

基于已經(jīng)標(biāo)注情感傾向極性得分的文本樣本，提取情感詞作為輸入，極性得分作為輸出，訓(xùn)練情感詞模型；

根據(jù)所述文本數(shù)據(jù)和所述情感詞模型，得到所述文本數(shù)據(jù)的情感詞極性得分作為情感詞特征。