[發明專利]產品特征信息的提取方法、電子設備及存儲介質

在審

• 申請號: 202010888412.9
• 申請日: 2020-08-28
• 公開（公告）號: CN112016298A
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 王俊霞;周英能;張振
• 申請（專利權）人: 中移（杭州）信息技術有限公司;中國移動通信集團有限公司
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06F40/216;G06F40/284;G06F40/289
• 代理公司: 上海晨皓知識產權代理事務所(普通合伙) 31260
• 代理人: 成麗杰

本發明實施例涉及文本分析領域，公開了一種產品特征信息的提取方法、電子設備及存儲介質。本發明中在文本中提取候選特征信息；確定候選特征信息與不同產品領域的語料的相關參數；其中，相關參數表征候選特征信息與產品領域的領域相關性；根據相關參數判斷候選特征信息是否為產品特征信息，若判斷為是則對產品特征信息進行提取。針對不同產品領域均可以進行特征信息的提取，設計的提取方法具有可移植性，節約成本，提高特征信息提取方案的利用率。

技術領域

本發明實施例涉及文本分析領域，特別涉及一種產品特征信息的提取方法、電子設備及存儲介質。

背景技術

隨著電子商務的快速發展，互聯網上產生了帶有情感色彩的海量評論信息。隨著應用的深入，對評論信息進行細粒度情感分析的需求越來越多。細粒度情感分析研究中，產品特征的抽取是極其關鍵的一步。對產品特征抽取的方法主要可以分為基于無監督學習的方法及基于有監督學習的方法?；跓o監督學習的方法主要包括基于詞頻與詞共現的方法、基于句法分析的方法、基于主題模型的方法。在有監督學習方法中，可以利用層級隱馬爾可夫模型，通過統計上下文特征，同時結合運用知識庫、啟發式規則確定產品特征。

發明人發現相關技術中至少存在如下問題：在不同領域語料中產品特征信息的分布是不同的，因此，相關技術中針對單一領域的語料進行情感信息的抽取，從而確定產品特征信息的方法不具備通用性，需要技術人員針對不同領域分別設計相應的產品特征提取的方案，人工成本較大。

發明內容

本發明實施例的目的在于提供一種產品特征信息的提取方法、電子設備及存儲介質，針對不同產品領域均可以進行特征信息的提取，設計的提取方法具有可移植性，節約成本，提高特征信息提取方案的利用率。

為解決上述技術問題，本發明的實施例提供了一種產品特征信息的提取方法，包括：在文本中提取候選特征信息；確定候選特征信息與不同產品領域的語料的相關參數；其中，相關參數表征候選特征信息與產品領域的領域相關性；根據相關參數判斷候選特征信息是否為產品特征信息，若判斷為是則對產品特征信息進行提取。

本發明的實施方式還提供了一種電子設備，包括：至少一個處理器；以及，與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行上述產品特征信息的提取方法。

本發明的實施方式還提供了一種計算機可讀存儲介質，存儲有計算機程序，所述計算機程序被處理器執行時實現上述產品特征信息的提取方法。

本發明實施例相對于現有技術而言，在文本中提取候選特征信息之后，確定該候選特征信息與不同產品領域的相關參數，相關參數表征候選特征信息與不同產品領域的領域相關性，相關程度越緊密，則說明該候選特征信息在產品領域內使用的較多，該候選特征信息為該產品領域的特征信息的概率越大。因此根據確定的相關參數可以有針對性的進行產品特征信息的提取，由于在計算過程中可以獲取候選特征信息與各個產品領域的相關參數，因此該特征信息的提取方法可以方便的應用到不同領域中，具有較好的可移植性，提高了資源的利用率，并節約了設計不同的方案所需的人力成本。

另外，確定候選特征信息與不同產品領域的語料的相關參數，包括：根據候選特征信息在不同產品領域的語料中所占的權重，計算得到候選特征信息對應的偏差值；其中，偏差值表征候選特征信息在語料中的分布情況；根據偏差值確定候選特征信息與各個產品領域的相關參數。根據偏差值可以確定候選特征信息在語料中的分布情況，語料中存在的候選特征信息越多且分布越分散說明候選特征信息與語料的領域相關性越緊密。