[發明專利]評論觀點聚類方法、裝置和終端

有效

• 申請號: 201811544896.4
• 申請日: 2018-12-17
• 公開（公告）號: CN109461037B
• 公開（公告）日: 2022-10-28
• 發明（設計）人: 劉昊;何伯磊;肖欣延;呂雅娟
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F16/35;G06F40/30
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 王珺;武晨燕

1.一種評論觀點聚類方法，其特征在于，包括：

獲取針對特定產品或商家進行評論的用戶評論文本；

從所述用戶評論文本中提取待聚類的多條評論觀點；

將多條評論觀點輸入至情感分類模型中，輸出多個情感類評論觀點集合；

計算每個所述情感類評論觀點集合中的各評論觀點之間的語義相似度；

根據所述語義相似度對各評論觀點進行聚類，生成評論觀點聚類集合；

對所述評論觀點聚類集合中的各評論觀點進行語義歸一，得到所述評論觀點聚類集合對應的統一觀點；

其中，所述計算每個所述情感類評論觀點集合中的各評論觀點之間的語義相似度，包括：

獲取用戶輸入的查詢評論文本；

在所述情感類評論觀點集合中，對所述查詢評論文本進行深度語義學習，并根據學習結果構造相關評論觀點以及不相關評論觀點；其中，所述相關評論觀點與所述查詢評論文本語義相關，所述不相關評論觀點與所述查詢評論文本語義不相關；

計算所述查詢評論文本和所述相關評論觀點之間的第一余弦相似度，以及所述查詢評論文本和所述不相關評論觀點之間的第二余弦相似度；

將所述第一余弦相似度和所述第二余弦相似度輸入至排序模型中，生成所述語義相似度模型；

將所述情感類評論觀點集合中的各評論觀點輸入至所述語義相似度模型中，得到評論觀點之間的語義相似度。

2.如權利要求1所述的方法，其特征在于，將多條評論觀點輸入至情感分類模型中，輸出多個情感類評論觀點集合，包括：

對每條所述評論觀點進行情感類型判斷，使得每條所述評論觀點具有對應的情感類型標簽，所述情感類型標簽包括積極情感標簽和消極情感標簽；

根據所述情感類型標簽對各評論觀點進行分類，生成積極情感評論觀點集合和消極情感評論觀點集合。

3.如權利要求1所述的方法，其特征在于，根據所述語義相似度對所述評論觀點進行聚類，生成評論觀點聚類集合，包括：

將所述語義相似度輸入至無監督學習聚類模型中，生成評論觀點聚類集合。

4.一種評論觀點聚類裝置，其特征在于，包括：

評論觀點提取模塊，用于獲取針對特定產品或商家進行評論的用戶評論文本，從所述用戶評論文本中提取待聚類的多條評論觀點；

情感分類模塊，用于將多條評論觀點輸入至情感分類模型中，輸出多個情感類評論觀點集合；

語義相似度計算模塊，用于計算每個所述情感類評論觀點集合中的各評論觀點之間的語義相似度；

聚類模塊，用于根據所述語義相似度對各評論觀點進行聚類，生成評論觀點聚類集合；

用于對所述評論觀點聚類集合中的各評論觀點進行語義歸一，得到所述評論觀點聚類集合對應的統一觀點的模塊；

其中，所述語義相似度計算模塊包括：

語義相似度模型訓練單元，用于：

獲取用戶輸入的查詢評論文本；

在所述情感類評論觀點集合中，對所述查詢評論文本進行深度語義學習，并根據學習結果構造相關評論觀點以及不相關評論觀點；其中，所述相關評論觀點與所述查詢評論文本語義相關，所述不相關評論觀點與所述查詢評論文本語義不相關；

計算所述查詢評論文本和所述相關評論觀點之間的第一余弦相似度，以及所述查詢評論文本和所述不相關評論觀點之間的第二余弦相似度；以及

將所述第一余弦相似度和所述第二余弦相似度輸入至排序模型中，生成所述語義相似度模型；以及

語義相似度預測單元，用于將所述情感類評論觀點集合中的各評論觀點輸入至所述語義相似度模型中，得到評論觀點之間的語義相似度。

5.如權利要求4所述的裝置，其特征在于，所述情感分類模塊包括：

情感類型判斷單元，用于對每條所述評論觀點進行情感類型判斷，使得每條所述評論觀點具有對應的情感類型標簽，所述情感類型標簽包括積極情感標簽和消極情感標簽；

情感類型分類單元，用于根據所述情感類型標簽對各評論觀點進行分類，生成積極情感評論觀點集合和消極情感評論觀點集合。