[發明專利]情感關鍵詞的獲取方法、裝置、設備及存儲介質在審
| 申請號： | 201811523511.6 | 申請日： | 2018-12-13 |
| 公開（公告）號： | CN109783800A | 公開（公告）日： | 2019-05-21 |
| 發明（設計）人： | 郭輝;戴祥鷹;林義明 | 申請（專利權）人： | 北京百度網訊科技有限公司 |
| 主分類號： | G06F17/27 | 分類號： | G06F17/27 |
| 代理公司： | 北京同立鈞成知識產權代理有限公司 11205 | 代理人： | 朱穎;劉芳 |
| 地址： | 100085 北京市*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 情感關鍵詞 目標文本 情感傾向 存儲介質 語料 預設 標注 模型訓練過程 反向處理 申請 工作量 | ||
1.一種情感關鍵詞的獲取方法，其特征在于，包括：
獲取待處理的目標文本；
基于預設的第一模型對所述目標文本進行處理，獲得用于表達所述目標文本情感傾向的第一情感關鍵詞，其中，所述第一模型是基于標注有情感傾向的語料訓練獲得的模型；
基于預設的第二模型對所述第一情感關鍵詞進行所述處理的反向處理，獲得所述目標文本中影響所述目標文本情感傾向的第二情感關鍵詞。
2.根據權利要求1所述的方法，其特征在于，所述基于預設的第二模型對所述第一情感關鍵詞進行所述處理的反向處理，獲得所述目標文本中影響所述目標文本情感傾向的第二情感關鍵詞，包括：
基于預設的第二模型對所述第一情感關鍵詞進行所述處理的反向處理，得到所述目標文本中的多個情感關鍵詞的向量；
將所述多個情感關鍵詞中向量模值大于第一預設閾值的確定為所述目標文本中影響所述目標文本情感傾向的第二情感關鍵詞。
3.根據權利要求2所述的方法，其特征在于，所述將所述多個情感關鍵詞中向量模值大于第一預設閾值的確定為所述目標文本中影響所述目標文本情感傾向的第二情感關鍵詞，包括：
對所述多個情感關鍵詞的向量進行高斯濾波處理，得到向量模值大于第一預設閾值的第二情感關鍵詞。
4.根據權利要求1所述的方法，其特征在于，所述基于預設的第二模型對所述第一情感關鍵詞進行所述處理的反向處理，獲得所述目標文本中影響所述目標文本情感傾向的第二情感關鍵詞，包括：
基于預設的第二模型對所述第一情感關鍵詞進行所述處理的反向處理，得到所述目標文本中的多個情感關鍵詞的向量，并計算所述目標文本的向量；
分別計算所述多個情感關鍵詞中的每個情感關鍵詞的向量模值與所述目標文本的向量模值之間的差值絕對值，將對應的差值絕對值大于第二預設閾值的情感關鍵詞確定為所述目標文本中影響所述目標文本情感傾向的第二情感關鍵詞。
5.根據權利要求1所述的方法，其特征在于，所述基于預設的第二模型對所述第一情感關鍵詞進行所述處理的反向處理，獲得所述目標文本中影響所述目標文本情感傾向的第二情感關鍵詞，包括：
基于預設的第二模型對所述第一情感關鍵詞進行所述處理的反向處理，得到所述目標文本中的多個情感關鍵詞的向量；
基于所述多個情感關鍵詞在所述目標文本中的位置，計算所述多個情感關鍵詞中相鄰兩個情感關鍵詞之間的向量模值的差值絕對值，將對應差值絕對值大于第三預設閾值的兩個情感關鍵詞確定為所述目標文本中影響所述目標文本情感傾向的第二情感關鍵詞。
6.根據權利要求1-5中任一項所述的方法，其特征在于，所述獲取待處理的目標文本，包括：
獲取文本，并從所述文本中提取獲得預設詞性的詞；
基于提取獲得的所述預設詞性的詞，生成目標文本。
7.根據權利要求6所述的方法，其特征在于，所述基于提取獲得的所述預設詞性的詞，生成目標文本，包括：
從提取獲得的所述預設詞性的詞中提取詞頻在預設范圍內的詞；
基于提取獲得的詞頻在預設范圍內的詞，生成目標文本。
8.一種情感關鍵詞的獲取裝置，其特征在于，包括：
獲取模塊，用于獲取待處理的目標文本；
情感傾向識別模塊，用于基于預設的第一模型對所述目標文本進行處理，獲得用于表達所述目標文本情感傾向的第一情感關鍵詞，其中，所述第一模型是基于標注有情感傾向的語料訓練獲得的模型；
情感關鍵詞提取模塊，用于基于預設的第二模型對所述第一情感關鍵詞進行所述處理的反向處理，獲得所述目標文本中影響所述目標文本情感傾向的第二情感關鍵詞。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京百度網訊科技有限公司，未經北京百度網訊科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811523511.6/1.html，轉載請聲明來源鉆瓜專利網。
