[發明專利]一種基于情感極性分析模型的數據處理方法及裝置

有效

• 申請號: 202010584218.1
• 申請日: 2020-06-24
• 公開（公告）號: CN111767725B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 齊少卿;張宏斌
• 申請（專利權）人: 中國平安財產保險股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30;G06F40/242;G06F16/35;G06F40/166
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 黃耀威

本發明公開了一種基于情感極性分析模型的數據處理方法及裝置，涉及人工智能技術領域，主要目的在于能夠通過機器學習技術訓練情感極性分析模型，對獲取的評價數據進行極性分析，得到情感傾向信息，并利用區塊鏈技術對所述評價數據和情感傾向信息進行存儲，從而減少人工處理數據的工作量，提高數據處理效率。所述方法包括：獲取待分析目標相關的評價數據；根據評價數據的評論類型，配置評價數據各自對應的權重值；通過情感極性數據集對評價數據分別進行極性分析，得到表征評價數據各自對應的極性等級的極性數據；根據權重值以及極性數據對所述評價數據進行處理，得到待分析目標的情感傾向信息。本發明適用于基于情感極性分析模型的數據處理。

技術領域

本發明涉及人工智能技術領域，特別是涉及一種基于情感極性分析模型的數據處理方法及裝置。

背景技術

隨著社交網絡愈發發達，通過分析人們在中文社交媒體上對某一企業的評論信息得到的情感傾向信息，有助于快速且較全面地掌握該企業的輿情動向，進而可以利用這些情感數據進行各方面的資產評估、風險預警以及輿情引導等各方面功能。而人工智能和大數據框架下不斷發展的自然語言處理技術(Natural?Language?Processing，NLP)和不斷降低的硬件環境搭建成本也使得情感數據的價值提高，未來前景廣闊。

目前，通常通過人工對所述評價數據進行采集和處理，得到待分析目標的情感傾向信息。然而，隨著數據爆炸式的增長，單純通過人工進行采集和處理，不僅浪費了大量的人力資源，也導致了數據處理的效率降低，且數據處理的準確性比較差。

發明內容

有鑒于此，本發明提供一種基于情感極性分析模型的數據處理方法及裝置，主要目的在于能夠通過機器學習技術訓練情感極性分析模型，對獲取的評價數據進行極性分析，得到情感數據，并利用區塊鏈技術對所述情感數據進行存儲，從而減少人工對評價數據的處理工作量，提高數據處理的效率和準確性。

依據本發明一個方面，提供了一種基于情感極性分析模型的數據處理方法，包括：

獲取待分析目標相關的評價數據；

根據所述評價數據的評論類型，配置所述評價數據各自對應的權重值；

通過情感極性數據集對所述評價數據分別進行極性分析，得到表征所述評價數據各自對應的極性等級的極性數據，所述情感極性數據集包含不同語料分別對應的情感極性標簽；

根據所述權重值以及所述極性數據對所述評價數據進行處理，得到所述待分析目標的情感傾向信息。

進一步地，所述通過情感極性數據集對所述評價數據分別進行極性分析，得到所述評價數據各自對應的極性等級的極性數據，包括：

利用jieba分詞工具以及自定義詞典對所述評價數據進行分詞處理；

基于word2vec詞向量模型對所述分詞處理結果進行特征提取，得到所述評價數據的詞向量；

根據所述詞向量在所述情感極性數據集中進行匹配，得到所述評價數據各自對應的極性等級的極性數據。

進一步地，所述評論類型包括原創數據、回復數據和轉發數據，所述根據所述評價數據的評論類型，配置所述評價數據各自對應的權重值，包括：

通過對所述評價數據的各評論類型進行兩兩對比，配置各評論類型的相對貢獻度；

根據所述各評論類型以及各評論類型的相對貢獻度，生成判斷矩陣；

利用幾何平均法計算所述判斷矩陣各行的連乘積開項數次方根，并對所述計算結果進行歸一化處理，得到所述各評論類型對應的權重值。

進一步地，所述根據所述評價數據各自對應的所述權重值以及所述極性數據進行處理，得到所述待分析目標的情感傾向信息，包括：