[發明專利]數據情感分析方法、裝置、電子設備及介質

有效

• 申請號: 202110043447.7
• 申請日: 2021-01-13
• 公開（公告）號: CN112364170B
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 王兆元;郭艷波;李青龍;白劍波;高媛
• 申請（專利權）人: 北京智慧星光信息技術有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/33;G06F40/289;G06F40/242;G06N20/00
• 代理公司: 北京鴻元知識產權代理有限公司 11327
• 代理人: 張超艷;董永輝

本發明提供一種數據情感分析方法、裝置、電子設備及介質，包括：方法，包括：采集評論信息；獲得評論信息中用戶的評分；基于詞典采用關鍵詞匹配和詞典規則獲得評論信息的情感極性，所述情感極性包括中性、負向和正向；基于機器學習分析評論信息屬于不同情感極性的概率；采用映射的方法將所述評分、情感極性和情感極性的概率轉換到同一范圍；將轉換到同一范圍的所述評分、情感極性和情感極性的概率采用加權投票融合的方式獲得評論信息所屬情感極性及分值。本發明泛化效果好、分析準確度高。

技術領域

本發明涉及數據挖掘技術領域，更為具體地，涉及一種數據情感分析方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

感分析技術目前主要采用的方法?基于情感詞典的方法、基于機器學習技術的方法或基于深度學習的方法。

基于情感詞典的方法，先對文本進行分詞和停用詞處理等預處理，再利用先構建好的情感詞典，對文本進行字符串匹配，從而挖掘正面和負面信息。基于詞典的文本匹配算法相對簡單。逐個遍歷分詞后的語句中的詞語，如果詞語命中詞典，則進行相應權重的處理。

基于詞典情感的情感分類，簡單易行，通用性也比較能夠得到保障。但仍然有很多不足：（1）精度不高。語言是一個高度復雜的東西，采用簡單的線性疊加顯然會造成很大的精度損失。詞語權重同樣不是一成不變的，而且也難以做到準確。（2）新詞發現難。（3）詞典構建難。基于詞典的情感分類，核心在于情感詞典。而情感詞典的構建需要有較強的背景知識，需要對語言有較深刻的理解。

基于機器學習的方法進行文本情感分析也是比較流行的方法，通過對訓練數據進行識別，然后進行特征提取，通過模型訓練生成文本情感分析模型，然后進行文本情感分析。比如，基于樸素貝葉斯（Naive Bayes，NB）的方法、基于最大熵（Maximum Entropy，ME）的方法和基于支持向量機（SVM）的方法。

基于樸素貝葉斯的文本情感分析技術是通過計算概率對文本情感進行分類，適合增量式訓練，算法比較簡單，對小規模數據表現良好。但該方法對輸入數據的表達形式很敏感，而且需要計算先驗概率，因此會在分類決策方面存在錯誤率。

基于最大熵的文本情感分析只要得到一些訓練數據，然后進行迭代，就可以得到所需模型，進行自收斂，方法簡單。但是由于最大熵往往只能得到局部最佳解而非全局最優解，因此運用該方法進行情感分析準確率有待提高。

基于SVM的文本情感分析方法，泛化錯誤率低，計算開銷不大，而且對于訓練樣本較小的文本可以得到很好的情感分析效果，對高維數據的處理效果良好，能夠得到較低的錯誤率，但該方法對參數調節和核函數的選擇敏感。

基于深度學習的情感分類，首先對語句進行分詞、停用詞、簡繁轉換等預處理，然后進行詞向量編碼，然后利用LSTM或者GRU等RNN網絡進行特征提取，最后通過全連接層和softmax輸出每個分類的概率，從而得到情感分類。

基于深度學習的情感分類，具有精度高，通用性強，不需要情感詞典等優點。

但單一基于深度學習的難點也很多。（1）語句長度太長。很多用戶評論都特別長，分詞完后也有幾百個詞語。而對于LSTM，序列過長會導致計算復雜、精度降低等問題。（2）新詞和口語化的詞語特別多。用戶評論語句不像新聞那樣規整，新詞和口語化的詞語特別多。這個問題給分詞和詞向量帶來了很大難度。

發明內容

鑒于上述問題，本發明的目的是提供一種泛化效果好、分析準確度高的數據情感分析方法、裝置、電子設備及計算機可讀存儲介質。

為了實現上述目的，本發明提供一種數據情感分析方法，包括：

采集評論信息；

獲得評論信息中用戶的評分；

基于詞典采用關鍵詞匹配和詞典規則獲得評論信息的情感極性，所述情感極性包括中性、負向和正向；