[發(fā)明專利]人工智能情感分析方法及其系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110401480.2
• 申請(qǐng)日: 2021-04-14
• 公開(kāi)（公告）號(hào): CN113128215A
• 公開(kāi)（公告）日: 2021-07-16
• 發(fā)明（設(shè)計(jì)）人: 柯維麟
• 申請(qǐng)（專利權(quán)）人: 南京藍(lán)鏡數(shù)字科技有限公司
• 主分類號(hào): G06F40/284
• 分類號(hào): G06F40/284;G06F40/216;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京蘇博知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32411
• 代理人: 賴忠輝

本發(fā)明公開(kāi)了一種人工智能情感分析方法及其系統(tǒng)，獲取待分析樣本集，并根據(jù)所述樣本集提取出對(duì)應(yīng)的分析目標(biāo)和待分析樣本；對(duì)所述分析目標(biāo)進(jìn)行標(biāo)記，并對(duì)所述待分析樣本進(jìn)行切詞處理及預(yù)處理；對(duì)預(yù)處理后的切詞結(jié)果進(jìn)行訓(xùn)練，并基于訓(xùn)練后得到的分析向量獲取對(duì)應(yīng)的行為數(shù)據(jù)；對(duì)所述行為數(shù)據(jù)進(jìn)行離散化處理，并結(jié)合標(biāo)記后的所述分析目標(biāo)輸入構(gòu)建的分析模型中，得到對(duì)應(yīng)的情感傾向概率，能實(shí)現(xiàn)較好地判斷文本對(duì)于目標(biāo)對(duì)象的情感。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種人工智能情感分析方法及其系統(tǒng)。

背景技術(shù)

目前市場(chǎng)中的情感分析方案多采用基于規(guī)則詞典或純模型方式，針對(duì)的是文本整體的情感而不是針對(duì)目標(biāo)的情感。這種方式存在正確率不高的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種人工智能情感分析方法及其系統(tǒng)，能實(shí)現(xiàn)較好地判斷文本對(duì)于目標(biāo)對(duì)象的情感。

為實(shí)現(xiàn)上述目的，第一方面，本發(fā)明提供了一種人工智能情感分析方法，包括以下步驟：

獲取待分析樣本集，并根據(jù)所述樣本集提取出對(duì)應(yīng)的分析目標(biāo)和待分析樣本；

對(duì)所述分析目標(biāo)進(jìn)行標(biāo)記，并對(duì)所述待分析樣本進(jìn)行切詞處理及預(yù)處理；

對(duì)預(yù)處理后的切詞結(jié)果進(jìn)行訓(xùn)練，并基于訓(xùn)練后得到的分析向量獲取對(duì)應(yīng)的行為數(shù)據(jù)；

對(duì)所述行為數(shù)據(jù)進(jìn)行離散化處理，并結(jié)合標(biāo)記后的所述分析目標(biāo)輸入構(gòu)建的分析模型中，得到對(duì)應(yīng)的情感傾向概率。

其中，對(duì)所述分析目標(biāo)進(jìn)行標(biāo)記，并對(duì)所述待分析樣本進(jìn)行切詞處理及預(yù)處理，包括：

利用插值法將設(shè)定的符號(hào)插入所述分析目標(biāo)的首末位置；

對(duì)所述待分析樣本進(jìn)行切詞處理，并對(duì)得到的多個(gè)切詞結(jié)果進(jìn)行特征提取，將未被提取出的所述切詞結(jié)果進(jìn)行刪除。

其中，對(duì)預(yù)處理后的切詞結(jié)果進(jìn)行訓(xùn)練，并基于訓(xùn)練后得到的分析向量獲取對(duì)應(yīng)的行為數(shù)據(jù)，包括：

對(duì)預(yù)處理后的所述切詞結(jié)果輸入Word2vec算法得到對(duì)應(yīng)的詞向量，并刪除小于設(shè)定長(zhǎng)度閾值的所述詞向量，得到分析向量；

對(duì)所述分析向量進(jìn)行聚類和特征點(diǎn)劃分，得到對(duì)應(yīng)的行為數(shù)據(jù)。

其中，對(duì)所述分析向量進(jìn)行聚類和特征點(diǎn)劃分，得到對(duì)應(yīng)的行為數(shù)據(jù)，包括：

基于k-means算法對(duì)所述分析向量進(jìn)行聚類，并利用預(yù)設(shè)行為特征分析算法獲取聚類得到的聚類中心點(diǎn)中所有所述分析向量的殘差；

基于所述殘差，利用最小二乘法計(jì)算出對(duì)應(yīng)的損失函數(shù)值，并根據(jù)所述損失函數(shù)值對(duì)應(yīng)的特征點(diǎn)，對(duì)所述分析向量進(jìn)行特征提取，得到對(duì)應(yīng)的行為數(shù)據(jù)。

其中，對(duì)預(yù)處理后的切詞結(jié)果進(jìn)行訓(xùn)練，并基于訓(xùn)練后得到的分析向量獲取對(duì)應(yīng)的行為數(shù)據(jù)之后，所述方法還包括：

對(duì)得到的所述行為數(shù)據(jù)添加一個(gè)包括三個(gè)情感級(jí)別的情感類型維度，并利用所述詞向量中相應(yīng)情感級(jí)別的預(yù)設(shè)情感分?jǐn)?shù)值調(diào)整所述行為數(shù)據(jù)；所述情感級(jí)別包括正面情感級(jí)別、負(fù)面情感級(jí)別、和中性情感級(jí)別。

其中，對(duì)所述行為數(shù)據(jù)進(jìn)行離散化處理，并結(jié)合標(biāo)記后的所述分析目標(biāo)輸入構(gòu)建的分析模型中，得到對(duì)應(yīng)的情感傾向概率，包括：

對(duì)得到的所述行為數(shù)據(jù)進(jìn)行離散化處理，并結(jié)合標(biāo)記后的所述分析目標(biāo)，將離散化后的所述行為行為數(shù)據(jù)輸入情感分析模型，計(jì)算得到所述行為數(shù)據(jù)對(duì)所述分析目標(biāo)的情感傾向概率。