[發明專利]基于知識圖譜對大量直播彈幕數據意圖標注方法

在審

• 申請號: 202110651380.5
• 申請日: 2021-06-11
• 公開（公告）號: CN113408252A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 李抒雁;沙濤
• 申請（專利權）人: 上海適享文化傳播有限公司
• 主分類號: G06F40/169
• 分類號: G06F40/169;G06F40/186;G06F40/247;G06F40/289;G06F40/30;G06F16/215;G06F16/74;G06F16/75;G06F16/78
• 代理公司: 南京鼎傲知識產權代理事務所(普通合伙) 32327
• 代理人: 劉藹民

1.基于知識圖譜對大量直播彈幕數據意圖標注方法，其特征在于：包括如下步驟：

S1、根據彈幕信息提取關鍵詞并對關鍵詞歸納維度；

S2、擴建關鍵詞同音同義詞；

S3、多個維度組合作為一個特定意圖的模板；

S4、彈幕數據去重，無效數據去除；

S5、彈幕數據過模板抽取觀點意圖；

S6、人工校排查去除錯誤數據。

2.根據權利要求1所述的基于知識圖譜對大量直播彈幕數據意圖標注方法，其特征在于，所述S1中對于彈幕信息建立數據庫，將彈幕中的詞語進行擴充標注，其中通過詞向量分析文本情感，負向詞和積極詞容易從文本中識別，然后列舉關鍵詞，將文本命中關鍵詞就抽取出，結合人工標注法，對于口語和多省略的彈幕數據進行標注；

所述數據庫中詞語根據彈幕的增加量進行調節，從而確保數據庫的正常擴充，然后通過進行數據庫的更新，將實時的數據進行擴張后，將數據進行過濾和標注。

3.根據權利要求1所述的基于知識圖譜對大量直播彈幕數據意圖標注方法，其特征在于，所述S2中將彈幕的關鍵字進行同音、分詞、近音和同意的詞語進行挑選；

接著將這些詞語進行描述定義，記錄在數據庫中，接著將匹配錯位的詞語進行數據庫的關鍵詞進行連接。

4.根據權利要求1所述的基于知識圖譜對大量直播彈幕數據意圖標注方法，其特征在于，所述S3中將關鍵詞連接后，形成維度，將其根據領域、范圍、時間段進行分類，將其制成各個模塊，從而形成特定意圖的模板；

然后人工進行定義模板中彈幕的意圖，并對于其進行貶義、褒義分類。

5.根據權利要求1所述的基于知識圖譜對大量直播彈幕數據意圖標注方法，其特征在于，所述S4中對于彈幕進行詞語去重，通過彈幕的數據庫，將彈幕的同音、分詞、近音和同意的詞語進行挑選，去除彈幕的無效數據。

6.根據權利要求1所述的基于知識圖譜對大量直播彈幕數據意圖標注方法，其特征在于，所述S5中對于彈幕的數據中的觀點進行解析，去除錯誤定義的彈幕與詞語。

7.根據權利要求1所述的基于知識圖譜對大量直播彈幕數據意圖標注方法，其特征在于，所述S6中對于彈幕的錯誤數據進行排查，將錯誤標注的彈幕進行去除，并對詞語中的定義與意圖進行標記，從而對于彈幕再次人工解析。

8.根據權利要求1所述的基于知識圖譜對大量直播彈幕數據意圖標注方法，其特征在于，所述S6中可通過數據清理概述，接著對于數據排重，最后使用腳本組件進行數據清理；

其中對于數據源的彈幕進行綜合，將其存儲到數據倉庫，將彈幕轉換為數據，接著與數據庫數據進行比對，從而對于數據進行清理，確保數據的正常表達。