[發(fā)明專(zhuān)利]文本的情感信息處理方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010621825.0
• 申請(qǐng)日: 2020-07-01
• 公開(kāi)（公告）號(hào): CN111783453A
• 公開(kāi)（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 鄧黃健;祝慧佳;都金濤
• 申請(qǐng)（專(zhuān)利權(quán)）人: 支付寶（杭州）信息技術(shù)有限公司
• 主分類(lèi)號(hào): G06F40/289
• 分類(lèi)號(hào): G06F40/289;G06F40/30;G06K9/62
• 代理公司: 北京國(guó)昊天誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 11315
• 代理人: 朱文杰

本說(shuō)明書(shū)一個(gè)或多個(gè)實(shí)施例公開(kāi)了一種文本的情感信息處理方法及裝置，以解決現(xiàn)有技術(shù)中情感傾向識(shí)別不準(zhǔn)確、導(dǎo)致無(wú)法基于情感傾向信息準(zhǔn)確調(diào)整業(yè)務(wù)參數(shù)的問(wèn)題。方法包括：提取待預(yù)測(cè)文本中與業(yè)務(wù)相關(guān)的第一情感詞，第一情感詞包括正面情感詞和負(fù)面情感詞。以及，對(duì)待預(yù)測(cè)文本進(jìn)行分句處理，得到待預(yù)測(cè)文本對(duì)應(yīng)的第一分句。根據(jù)第一情感詞及第一分句，確定待預(yù)測(cè)文本對(duì)應(yīng)的第一情感詞分布特征。根據(jù)第一情感詞分布特征及預(yù)先訓(xùn)練的情感預(yù)測(cè)模型，確定待預(yù)測(cè)文本對(duì)應(yīng)的第一情感傾向信息。根據(jù)第一情感傾向信息及第一分句對(duì)應(yīng)的細(xì)粒度情感因子，確定待預(yù)測(cè)文本對(duì)應(yīng)的第二情感傾向信息。向業(yè)務(wù)的業(yè)務(wù)處理平臺(tái)發(fā)送第二情感傾向信息。

技術(shù)領(lǐng)域

本說(shuō)明書(shū)涉及信息處理技術(shù)領(lǐng)域，尤其涉及一種文本的情感信息處理方法及裝置。

背景技術(shù)

隨著移動(dòng)互聯(lián)網(wǎng)的興起，電商、社區(qū)平臺(tái)、短視頻、直播等產(chǎn)品蓬勃發(fā)展，龐大的用戶群體貢獻(xiàn)了大量?jī)?yōu)質(zhì)的UGC(User Generated Content，用戶生成內(nèi)容)，使得互聯(lián)網(wǎng)具有開(kāi)放性、虛擬性、隱蔽性、發(fā)散性、滲透性和隨意性等特點(diǎn)。越來(lái)越多的用戶喜歡通過(guò)互聯(lián)網(wǎng)渠道來(lái)表達(dá)個(gè)人觀點(diǎn)，例如對(duì)某一業(yè)務(wù)的處理效果表達(dá)自己是否滿意或期望改進(jìn)之處等意見(jiàn)，導(dǎo)致互聯(lián)網(wǎng)逐漸成為輿情話題產(chǎn)生和傳播的主要場(chǎng)所。同時(shí)，隨著互聯(lián)網(wǎng)上評(píng)論文本的爆炸式增長(zhǎng)，迫切需要計(jì)算機(jī)幫助用戶加工整理這些情感信息，用戶的這些情感信息會(huì)在一定程度上影響業(yè)務(wù)運(yùn)行及發(fā)展，這使得情感分析研究具有重要的應(yīng)用。

在與業(yè)務(wù)相關(guān)的文章或評(píng)論中，業(yè)務(wù)會(huì)大致把情感分成正面情感和負(fù)面情感，但中文的博大精深，使得文本中經(jīng)常會(huì)包含隱義和顯義的情感轉(zhuǎn)折，這成為了情感判斷的一種困難。例如“XX寶又改規(guī)則了最近，XX寶悄悄地又改規(guī)則了。張三研究了一下，一句話說(shuō)就是‘以后XX寶理賠越來(lái)越難了’。但未必就是壞事吧，下面我們具體聊聊這次的新變化以及有什么影響。”。上述語(yǔ)句中由于包含了情感語(yǔ)句“越來(lái)越難”和“未必就是壞事”這兩重不同的情感情緒，這些語(yǔ)句會(huì)對(duì)情感識(shí)別造成一種干擾，導(dǎo)致現(xiàn)有的情感識(shí)別方式很難識(shí)別出是正面情感還是負(fù)面情感。

發(fā)明內(nèi)容

一方面，本說(shuō)明書(shū)一個(gè)或多個(gè)實(shí)施例提供一種文本的情感信息處理方法，包括：提取待預(yù)測(cè)文本中與業(yè)務(wù)相關(guān)的第一情感詞，所述第一情感詞包括正面情感詞和負(fù)面情感詞。以及，對(duì)所述待預(yù)測(cè)文本進(jìn)行分句處理，得到所述待預(yù)測(cè)文本對(duì)應(yīng)的第一分句。根據(jù)所述第一情感詞及所述第一分句，確定所述待預(yù)測(cè)文本對(duì)應(yīng)的第一情感詞分布特征。根據(jù)所述第一情感詞分布特征及預(yù)先訓(xùn)練的情感預(yù)測(cè)模型，確定所述待預(yù)測(cè)文本對(duì)應(yīng)的第一情感傾向信息，所述情感預(yù)測(cè)模型基于樣本文本對(duì)應(yīng)的樣本情感詞分布特征以及所述樣本文本的樣本情感傾向信息訓(xùn)練得到。根據(jù)所述第一情感傾向信息及所述第一分句對(duì)應(yīng)的細(xì)粒度情感因子，確定所述待預(yù)測(cè)文本對(duì)應(yīng)的第二情感傾向信息。向所述業(yè)務(wù)的業(yè)務(wù)處理平臺(tái)發(fā)送所述第二情感傾向信息，以使所述業(yè)務(wù)處理平臺(tái)基于所述第二情感傾向信息調(diào)整所述業(yè)務(wù)的業(yè)務(wù)參數(shù)。

另一方面，本說(shuō)明書(shū)一個(gè)或多個(gè)實(shí)施例提供一種文本的情感信息處理裝置，包括：提取模塊，提取待預(yù)測(cè)文本中與業(yè)務(wù)相關(guān)的第一情感詞，所述第一情感詞包括正面情感詞和負(fù)面情感詞，以及，對(duì)所述待預(yù)測(cè)文本進(jìn)行分句處理，得到所述待預(yù)測(cè)文本對(duì)應(yīng)的第一分句。第一確定模塊，根據(jù)所述第一情感詞及所述第一分句，確定所述待預(yù)測(cè)文本對(duì)應(yīng)的第一情感詞分布特征。第二確定模塊，根據(jù)所述第一情感詞分布特征及預(yù)先訓(xùn)練的情感預(yù)測(cè)模型，確定所述待預(yù)測(cè)文本對(duì)應(yīng)的第一情感傾向信息，所述情感預(yù)測(cè)模型基于樣本文本對(duì)應(yīng)的樣本情感詞分布特征以及所述樣本文本的樣本情感傾向信息訓(xùn)練得到。第三確定模塊，根據(jù)所述第一情感傾向信息及所述第一分句對(duì)應(yīng)的細(xì)粒度情感因子，確定所述待預(yù)測(cè)文本對(duì)應(yīng)的第二情感傾向信息。發(fā)送模塊，向所述業(yè)務(wù)的業(yè)務(wù)處理平臺(tái)發(fā)送所述第二情感傾向信息，以使所述業(yè)務(wù)處理平臺(tái)基于所述第二情感傾向信息調(diào)整所述業(yè)務(wù)的業(yè)務(wù)參數(shù)。