[發明專利]情感屬性確定方法、裝置及電子設備

有效

• 申請號: 202011128740.5
• 申請日: 2020-10-20
• 公開（公告）號: CN112241453B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 王欣芝;陳澈;蔡薇
• 申請（專利權）人: 虎博網絡技術（上海）有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/295;G06F40/284;G06F18/23
• 代理公司: 北京超凡宏宇知識產權代理有限公司 11463
• 代理人: 榮穎佳

本發明提供了情感屬性確定方法、裝置及電子設備，其中，該方法包括：獲取目標語料文本包含的實體對象；對實體對象進行編碼處理，得到實體對象對應的實體詞向量；將實體詞向量與所述詞向量集中多個詞向量進行聚類分析，得到實體詞向量對應的目標詞向量集；對目標詞向量集中每個目標詞向量配置的屬性參數集合進行聚類分析，得到實體詞向量對應的目標屬性參數集合；將目標屬性參數集合和目標語料文本輸入至情感分析模型，得到目標語料文本的情感分析結果；該情感分析結果包括目標語料文本對應的情感屬性。與現有的直接將語料文本進行粗粒度分析相比，提高了語料文本情感分析的精度，提升了情感分析的實用價值。

技術領域

本發明涉及情感分析技術領域，尤其是涉及情感屬性確定方法、裝置及電子設備。

背景技術

情感分析(Sentiment Analysis)是從評論的文本中提取出評論的實體對象，以及評論者對該實體對象所表達的情感傾向即情感屬性。現有的情感分析方法主要是采用以RNN(Recurrent Neural Network，循環神經網絡)、LSTM(Long-Short Term Memory，長短期記憶網絡)、transformer模型和BERT(Bidirectional Encoder Representations fromTransformers，多層雙向變換器編碼器)等為主要模型的情感分類模型，這種方法只能進行粗粒度的分析，如二分或者五分等，導致情感分析結果不理想。

發明內容

有鑒于此，本發明的目的在于提供情感屬性確定方法、裝置及電子設備，以緩解上述問題。

第一方面，本發明實施例提供了一種情感屬性確定方法，通過服務器提供情感分析模型和詞向量集，詞向量集中每個詞向量配置有屬性參數集合，該方法包括：獲取目標語料文本包含的實體對象；對實體對象進行編碼處理，得到實體對象對應的實體詞向量；將實體詞向量與詞向量集中多個詞向量進行聚類分析，得到實體詞向量對應的目標詞向量集；對目標詞向量集中每個目標詞向量配置的屬性參數集合進行聚類分析，得到實體詞向量對應的目標屬性參數集合；其中，目標屬性參數集合包括多個目標屬性參數；將目標屬性參數集合和目標語料文本輸入至情感分析模型，得到目標語料文本的情感分析結果；其中，情感分析結果為目標語料文本包含的屬性參數對應的情感屬性。

結合第一方面，本發明實施例提供了第一方面的第一種可能的實施方式，其中，上述獲取目標語料文本包含的實體對象的步驟，包括：基于命名體識別NER技術對目標語料文本進行實體類別識別，得到實體對象；其中，實體對象包括以下至少一種：人名、產品名、組織結構名和事件名稱。

結合第一方面，本發明實施例提供了第一方面的第二種可能的實施方式，其中，上述情感分析模型為配置有情感屬性的細粒度情感分析模型，其中，情感屬性包括：喜歡、快樂、傷心、恐懼、驚訝和生氣，將目標屬性參數集合和目標語料文本輸入至情感分析模型，得到目標語料文本的情感分析結果的步驟，包括：將目標屬性參數集合和目標語料文本輸入至細粒度情感分析模型，以確定目標語料文本包含的屬性參數，并對屬性參數進行分析，得到每個屬性參數對應的情感屬性。

結合第一方面的第二種可能的實施方式，本發明實施例提供了第一方面的第三種可能的實施方式，其中，上述情感屬性還配置有加權值，該方法還包括：基于屬性參數對應的情感屬性的加權值對屬性參數排序，得到目標語料文本的情感分析結果。

結合第一方面，本發明實施例提供了第一方面的第四種可能的實施方式，其中，上述對實體對象進行編碼處理的步驟，包括：基于預先訓練的word2vec模型對實體對象進行編碼處理，得到實體對象對應的實體詞向量。

結合第一方面，本發明實施例提供了第一方面的第五種可能的實施方式，其中，上述目標語料文本為文字信息和/或語音信息。