[發明專利]一種基于詞典的電力領域文本情感分析方法、系統和存儲介質

在審

• 申請號: 202111495673.5
• 申請日: 2021-12-09
• 公開（公告）號: CN114416917A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 張波;呂斌;劉輝舟;歐陽昱;趙騫;李晨光;陳榮亞;陳小平;唐亮;尤佳;馬一峰;陳偉;倪妍妍;劉園;左松林;李金濤;汪勝和;陳慶濤;楊玉金
• 申請（專利權）人: 國網安徽省電力有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/335;G06F40/242;G06F40/279;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 合肥和瑞知識產權代理事務所(普通合伙) 34118
• 代理人: 金宇平

1.一種基于詞典的電力領域文本情感分析方法，其特征在于，包括以下步驟：

S1、基于神經網絡和人工標注數據訓練情感指向判斷模型，所述情感指向判斷模型的輸入為用戶文本數據，情感指向判斷模型的輸出為情感指向；所述用戶文本數據為用戶在與服務者交互過程中產生的文本數據，所述情感指向為導致用戶情緒產生的對象，所述情感指向包括用戶自身和服務提供方，服務提供方為單位或者個人，與用戶交互的服務者隸屬于服務提供方；

S2、獲取用戶交互信息，獲取用戶交互信息對應的文本數據作為用戶文本數據，將用戶文本數據并輸入情感指向判斷模型，獲得情感指向判斷模型輸出的情感指向作為用戶交互信息的情感指向；篩選情感極性為設置的目標極性且情感指向為服務提供方的用戶交互信息對應的文本數據作為目標文本；情感極性分為積極和消極，目標極性包含積極和消極中的至少一個。

2.如權利要求1所述的基于詞典的電力領域文本情感分析方法，其特征在于，步驟S1中還包括：構建關鍵詞詞典，收集用于體現用戶基于服務提供方的因素產生情感波動的詞語；

在步驟S2之后還包括步驟S3：從目標文本的分詞詞語中篩選存在于設置的關鍵詞詞典中的分詞詞語作為目標分詞，輸出目標文本的目標分詞和情感極性。

3.如權利要求1所述的基于詞典的電力領域文本情感分析方法，其特征在于，步驟S2具體包括以下步驟：

S21、獲取情感極性為目標極性的用戶交互信息對應的文本數據作為候選文本，獲取候選文本的分詞詞語；

S22、通過情感指向判斷模型獲取候選文本的情感指向，并獲取情感指向為服務提供方的候選文本作為目標文本。

4.如權利要求1所述的基于詞典的電力領域文本情感分析方法，其特征在于，步驟S2中判斷用戶情感極性的方法為：獲取用戶交互信息對應的文本數據，并對文本數據進行分詞，然后基于設置的情感詞匯詞典從文本數據的分詞詞語中篩選存在于情感詞匯詞典中的分詞詞語作為情緒詞，再結合情緒詞、否定詞和程度詞判斷文本數據的情感極性。

5.如權利要求4所述的基于詞典的電力領域文本情感分析方法，其特征在于，判斷文本數據的情感極性的方式具體包括以下步驟：

SA21、對文本數據進行分詞，提取分詞詞語；

SA22、篩選存在于設定的情感詞匯詞典中的分詞詞語作為情緒詞；

SA23、將各情緒詞與前后相鄰的分詞詞語組合成語段；

SA24、根據情緒詞的情感極性以及語段中的否定詞和程度詞獲得語段的情感值；

SA25、對文本數據中各語段的情感值求和作為文本數據的情感總值，并根據情感總值判斷文本數據的情感極性。

6.如權利要求5所述的如權利要求1所述的基于詞典的電力領域文本情感分析方法，其特征在于，情感詞匯詞典中的每個詞語均設有對應的情感參照值；步驟SA25中，語段的情感值K的計算公式為：

K＝-ak₀×(b₁×b₂×...b_n)

k₀表示情緒詞在情感詞匯詞典中對應的情感參照值，a表示語段中否定詞的數量，b_i表示語段中第i個程度詞對應的權重值，1≤i≤n，n為語段中程度詞的數量；各程度詞的權重值為設計值。

7.如權利要求6所述的基于詞典的電力領域文本情感分析方法，其特征在于，步驟SA25中，當情感總值為正數，則判斷文本數據的情感極性為積極；當情感總值為負數，則文本數據的情感極性為消極。

8.如權利要求1所述的基于詞典的電力領域文本情感分析方法，其特征在于，步驟S2中用戶交互信息為語音數據，步驟S2中基于設置的語音情緒判斷模型獲取用戶交互信息的情感極性；所述語音情緒判斷模型基于神經網絡和人工標注數據訓練獲得，語音情緒判斷模型的輸入為語音數據，輸出為輸入的語音數據的情感極性。