[發(fā)明專利]一種基于情感分類的多層歸因圖譜構(gòu)建方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110621640.4
• 申請(qǐng)日: 2021-06-03
• 公開（公告）號(hào): CN113495960A
• 公開（公告）日: 2021-10-12
• 發(fā)明（設(shè)計(jì)）人: 錢虹;江元元
• 申請(qǐng)（專利權(quán)）人: 創(chuàng)絡(luò)（上海）數(shù)據(jù)科技有限公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F16/36;G06F40/289;G06F40/30;G06Q30/02;G06Q30/06;G06N3/04
• 代理公司: 上海精晟知識(shí)產(chǎn)權(quán)代理有限公司 31253
• 代理人: 輦甲武

1.一種基于情感分類的多層歸因圖譜構(gòu)建方法，其特征在于，包括如下步驟：

步驟一、數(shù)據(jù)處理：對(duì)打好標(biāo)簽的輔助領(lǐng)域和源領(lǐng)域的樣本，使用分詞工具進(jìn)行分詞、對(duì)標(biāo)點(diǎn)和停用詞處理，并且將分詞后的文本映射成向量；

步驟二、利用步驟一中處理后得到的樣本，進(jìn)行LSTM網(wǎng)絡(luò)搭建，并訓(xùn)練得到如下兩個(gè)模型：

a)情感傾向的極性分類預(yù)測(cè)模型，

b)負(fù)向內(nèi)容傾向的方面級(jí)相關(guān)分類預(yù)測(cè)模型，

步驟三、方面特征框架的形成：

利用上述訓(xùn)練好的模型a)和模型b)對(duì)新數(shù)據(jù)進(jìn)行標(biāo)簽預(yù)測(cè)打標(biāo)，

根據(jù)模型a)生成情感傾向的極性分類標(biāo)簽，

根據(jù)模型b)生成負(fù)向內(nèi)容傾向的方面級(jí)相關(guān)分類標(biāo)簽，形成方面級(jí)大類框架；

步驟四、

將模型a)和模型b)訓(xùn)練建模后，對(duì)預(yù)測(cè)樣本進(jìn)行預(yù)測(cè)形成兩種不同分類的預(yù)測(cè)結(jié)果標(biāo)簽，并對(duì)結(jié)果標(biāo)簽進(jìn)行交叉，形成更細(xì)化的分類，最后提取其中的負(fù)向內(nèi)容，結(jié)合上述模型的LSTM預(yù)測(cè)標(biāo)簽，形成方面級(jí)特征框架雛形；

步驟五、對(duì)于方面級(jí)特征框架雛形中每個(gè)細(xì)分群進(jìn)行進(jìn)一步關(guān)注級(jí)細(xì)化分群，方式如下：

再次通過框架內(nèi)聚類分群對(duì)關(guān)鍵詞進(jìn)行不同粒度的多層細(xì)分，形成可供專家自由選擇的分合彈性歸納空間，然后結(jié)合業(yè)務(wù)歸納及可辨識(shí)度，進(jìn)一步根據(jù)交互觀測(cè)圖譜確定合適的細(xì)分粒度，通過這種交互歸納提煉出可理解、可操作的多項(xiàng)關(guān)注級(jí)細(xì)化關(guān)注點(diǎn)，并提取其中的特征關(guān)鍵詞，補(bǔ)充到層級(jí)特征關(guān)鍵詞映射表中；

清晰化聚焦分群：在不影響清晰化也不影響操作針對(duì)性，且可控的前提下，對(duì)于每個(gè)關(guān)注級(jí)細(xì)化分群覆蓋到盡可能多的評(píng)論樣本，對(duì)于需要引入的類群，提取其中對(duì)應(yīng)層級(jí)特征關(guān)鍵詞增入到層級(jí)特征關(guān)鍵詞映射表中；

對(duì)方面級(jí)特征框架雛形中的每個(gè)細(xì)分群均作上述處理，逐步形成基于評(píng)論內(nèi)容的多層歸因圖譜。

2.如權(quán)利要求1所述的基于情感分類的多層歸因圖譜構(gòu)建方法，其特征在于：

在步驟四和步驟五之間還包括步驟六，應(yīng)用延展步驟：

步驟6-1，使用業(yè)務(wù)層級(jí)關(guān)鍵詞映射表接收業(yè)務(wù)層設(shè)置的關(guān)鍵詞。

3.如權(quán)利要求2所述的基于情感分類的多層歸因圖譜構(gòu)建方法，其特征在于：

步驟六中還包括：步驟6-2，融合業(yè)務(wù)人員細(xì)分，并輔以模型細(xì)分觀測(cè)，進(jìn)一步補(bǔ)充與完善步驟6-1中的業(yè)務(wù)層級(jí)關(guān)鍵詞映射表。

4.如權(quán)利要求1所述的基于情感分類的多層歸因圖譜構(gòu)建方法，其特征在于：

步驟五中，在步驟四搭建形成的方面級(jí)特征框架雛形范圍內(nèi)，針對(duì)其中的每個(gè)細(xì)分評(píng)論群，根據(jù)業(yè)務(wù)視角分群的交互圖譜和經(jīng)無監(jiān)督模型分類后的類群對(duì)應(yīng)的交互圖譜之間的清晰度和區(qū)分程度穿插構(gòu)建聚焦分群。

5.如權(quán)利要求1所述的基于情感分類的多層歸因圖譜構(gòu)建方法，其特征在于：

步驟五中，還包括構(gòu)建清晰化聚焦分群的步驟：在步驟四搭建形成的方面級(jí)特征框架雛形范圍內(nèi)，針對(duì)其中的每個(gè)細(xì)分評(píng)論群，使用經(jīng)業(yè)務(wù)視角分群的交互圖譜和經(jīng)無監(jiān)督模型分類后的類群對(duì)應(yīng)的交互圖譜之間的清晰度和區(qū)分程度來穿插構(gòu)建清晰化聚焦分群。

6.如權(quán)利要求1所述的基于情感分類的多層歸因圖譜構(gòu)建方法，其特征在于：

步驟五中，還包括形成補(bǔ)充細(xì)分群的步驟：形成補(bǔ)充細(xì)分群：若在無監(jiān)督分類模型中有出現(xiàn)，但前期業(yè)務(wù)關(guān)鍵詞梳理中未包含的細(xì)分群，根據(jù)觀測(cè)到的圖譜內(nèi)容，補(bǔ)充層級(jí)特征關(guān)鍵詞到映射表中。

7.如權(quán)利要求1所述的基于情感分類的多層歸因圖譜構(gòu)建方法，其特征在于：

步驟二中，情感傾向的極性分類預(yù)測(cè)模型，第一層采用bi-LSTM最后的1個(gè)輸出單元經(jīng)sigmoid函數(shù)計(jì)算，得到最終的分類值；

負(fù)向內(nèi)容傾向的方面級(jí)相關(guān)分類預(yù)測(cè)模型采用標(biāo)準(zhǔn)的LSTM神經(jīng)網(wǎng)絡(luò)，之后形成多個(gè)輸出單元由softmax層計(jì)算得出對(duì)應(yīng)的分類值。