[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

本發明公開了基于知識圖譜對大量直播彈幕數據意圖標注方法，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，本發明結構科學合理，使用安全方便，本發明為快速標注直播彈幕數據意圖，高效率標注文本意圖，克服了數據量龐大人工效率低，傳統NLP在彈幕分析中效果差等缺點，對于數據中的語義進行定義，從而便于彈幕數據去重，降低了工作量，適合更好的推廣使用。

技術領域

本發明涉及知識詞庫搭建和數據標注技術領域，具體為基于知識圖譜對大量直播彈幕數據意圖標注方法。

背景技術

彈幕可以給觀眾一種“實時互動”的錯覺，雖然不同彈幕的發送時間有所區別，但是其只會在視頻中特定的一個時間點出現，因此在相同時刻發送的彈幕基本上也具有相同的主題，在參與評論時就會有與其他觀眾同時評論的錯覺，而傳統的播放器評論系統是獨立于播放器之外的，因此評論的內容大多圍繞在整個視頻上，話題性不強，也沒有“實時互動”的感覺；

在電商服務平臺都有顧客對商品或服務的評論，對評論的抽取有助于商品口碑分析，輔助消費決策，輿情分析等，購買點評信息是商品第一手反饋，對商家和品牌這些信息非常有用，目前常用評論觀點自動抽取和分析，基于自然語言分析（NLP）技術對文本語法和句意分析抽取出觀點信息，對信息聚類等，目前應用在包括美食、酒店、汽車、景點多種產品用戶評論觀點抽取中；

但是目前這些方案在口語化的彈幕文本中不適用，NLP分析需要完整的語法句子，且主要的應用場景是書面性的文本，詞向量法有一定的效果，但只能劃分正負向，關鍵詞法需要命中關鍵詞，口語場景丟失率很高，得出的結果零散。

發明內容

本發明提供基于知識圖譜對大量直播彈幕數據意圖標注方法，可以有效解決上述背景技術中提出口語化的彈幕文本中不適用，NLP分析需要完整的語法句子，且主要的應用場景是書面性的文本，詞向量法有一定的效果，但只能劃分正負向，關鍵詞法需要命中關鍵詞，口語場景丟失率很高，得出的結果零散的問題。

為實現上述目的，本發明提供如下技術方案：基于知識圖譜對大量直播彈幕數據意圖標注方法，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。

根據上述技術方案，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。

根據上述技術方案，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。

根據上述技術方案，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。

根據上述技術方案，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。