[發明專利]情感屬性獲取方法、裝置、設備、及存儲介質

在審

• 申請號: 201910675582.6
• 申請日: 2019-07-25
• 公開（公告）號: CN112307200A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 郭林東;陳東沂;姚小龍;張銘杰;楊曉瑜;李佳瑋;孫鑰;徐冬焱
• 申請（專利權）人: 順豐科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/953;G06F40/30;G06K9/62
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 黃威

本申請實施例公開了一種情感屬性獲取方法、裝置、設備及計算機可讀存儲介質，本申請實施例通過獲取待分析文本，以及獲取所述待分析文本中各個字符的特征信息；對所述待分析文本進行向量化處理，獲得所述待分析文本的向量矩陣；根據所述待分析文本中各個字符的特征信息與所述向量矩陣，獲取拼接后的向量矩陣信息；根據所述待分析文本、各個字符的特征信息以及拼接后的向量矩陣信息，獲得所述待分析文本對應的情感屬性。提高了情感屬性獲取的準確性以及效率。

技術領域

本申請涉及數據處理技術領域，具體涉及一種情感屬性獲取方法、裝置、設備及存儲介質。

背景技術

隨著電子商務和互聯網的迅猛發展，網上瀏覽商品、下訂單、支付以及發表個人對商品的使用感受和評價已然成為人們的日常習慣。這些評論文本反映了消費者對此產品在各個維度的褒貶喜惡，即用戶對產品的評價屬性，比如用戶對某款手機的評價“還好吧，外觀絢麗，電池耗電太快了，拍照功能中規中矩”，其中，評價屬性“外觀”的情感傾向為正向，“電池耗電”的情感傾向為負向，“拍照功能”的情感傾向為中性，正向、負向以及中性即為評價屬性的情感。

現在方法獲取情感屬性主要分為三種：一種是基于頻率的方法，首先對評論文本使用關聯規則提取商品屬性，然后利用情感詞典對情感傾向進行判別，該方法存在較大局限性，比如容易引入噪音詞以及難以處理長尾詞，僅依靠情感詞典難以處理動態的表述方式。第二種是基于模板規則的方法，通過制定詞性、依存句法模板對屬性和情感詞進行聯合提取，此方法除了具有第一種方法中的情感判別難題，還存在依賴專家耗時耗力制定規則，模板難以適應日新月異的口語化表達。第三種是基于條件隨機場的方法，通過人工制定特征模板，然后將這些特征送入基于概率的模型進行訓練，此方法也需要手工制定特征規則，模型復雜度較大，需要較多人工介入。

發明內容

本申請實施例提供一種情感屬性獲取方法、裝置、設備及存儲介質，可以實現獲取情感屬性的效率，以及提高情感屬性獲取的準確性。

第一方面，本申請實施例提供了一種情感屬性獲取方法，包括：

獲取待分析文本，以及獲取所述待分析文本中各個字符的特征信息；

對所述待分析文本進行向量化處理，獲得所述待分析文本的向量矩陣；

根據所述待分析文本中各個字符的特征信息與所述向量矩陣，獲取拼接后的向量矩陣信息；

根據所述待分析文本、各個字符的特征信息以及拼接后的向量矩陣信息，獲得所述待分析文本對應的情感屬性。

在一些實施方式中，所述根據所述待分析文本中各個字符的特征信息與所述向量矩陣，獲取拼接后的向量矩陣信息，包括：

獲取所述特征信息對應的字符在所述待分析文本中的第一位置，以及所述向量矩陣對應字符在所述待分析文本中的第二位置；

根據所述第一位置以及第二位置將所述待分析文本中各個字符的特征信息與所述向量矩陣進行拼接，獲得拼接后的向量矩陣信息。

在一些實施方式中，所述根據所述待分析文本以及拼接后的向量矩陣信息，獲得所述待分析文本對應的情感屬性，包括：

獲取所述各個字符的特征信息的向量；

根據所述待分析文本以及拼接后的向量矩陣信息計算所述待分析文本的標簽分數；

根據所述標簽分數獲取所述待分析文本對應的情感屬性。

在一些實施方式中，所述對所述待分析文本進行向量化處理，獲得所述待分析文本的向量矩陣，包括：

通過訓練后向量化模型對輸入的待分析文本進行分詞處理，生成組成所述待分析文本的詞語，并獲取所述詞語對應的詞向量；