[發(fā)明專利]一種基于詞典的電力領域文本情感分析方法、系統(tǒng)和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202111495673.5
• 申請日: 2021-12-09
• 公開（公告）號: CN114416917A
• 公開（公告）日: 2022-04-29
• 發(fā)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(wǎng)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(chǎn)權代理事務所(普通合伙) 34118
• 代理人: 金宇平

一種基于詞典的電力領域文本情感分析方法、系統(tǒng)和存儲介質(zhì)，所述方法包括以下步驟：基于神經(jīng)網(wǎng)絡和人工標注數(shù)據(jù)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(shù)據(jù)，情感指向判斷模型的輸出為情感指向；獲取用戶交互信息，并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(shù)據(jù)作為目標文本。本發(fā)明中，結(jié)合情感極值和情感指向抽取用于體現(xiàn)用戶由于服務提供方的服務產(chǎn)生情感波動的目標文本，以便后續(xù)結(jié)合目標文本進一步提取用戶產(chǎn)生情感波動的原因，從而幫助服務提供方根據(jù)客戶需求改善服務。

技術領域

本發(fā)明涉及信息處理和情感分類領域，尤其涉及一種基于詞典的電力領域文本情感分析方法、系統(tǒng)和存儲介質(zhì)。

背景技術

隨著大數(shù)據(jù)帶來猛烈的信息風暴，海量數(shù)據(jù)幾乎淹沒了我們的硬盤，面對著浩瀚如煙的各類數(shù)據(jù)，巨大的財富隱匿其間，各類數(shù)據(jù)中的有用信息是最重要最具價值的金礦。其中用戶情感信息作為一種非常重要的信息，在各個領域都具有極大的價值。例如購物平臺下的用戶購買反饋；各類新聞報道下的用戶評論；各類外賣平臺下的用戶點餐意見等都跟用戶情感息息相關。商家可以通過用戶評論里所隱藏的情感信息來進一步改善所售賣的商品，新聞工作者可以通過用戶評論里所隱含的情感信息來了解大眾輿論，用戶傾向。因此，如何提取用戶話語內(nèi)的情感信息是非常重要的，也是非常具有價值的，而各類情感分類方法就是在這種背景下產(chǎn)生并飛速發(fā)展的。

用戶情感的產(chǎn)生可能是自身原因，也可能是服務提供方導致的。服務提供方如果能精確獲取自身導致用戶產(chǎn)生情感波動的因素，便可針對性的進行改善，從而提高用戶體驗。但是，目前的情感分類方法，并不能幫助服務提供方判斷用戶情緒波動是哪一方導致的。

發(fā)明內(nèi)容

為了解決上述現(xiàn)有技術中缺乏可判斷用戶情緒波動是否因為服務提供方產(chǎn)生的情感識別方法的缺陷，本發(fā)明提出了一種基于詞典的電力領域文本情感分析方法、系統(tǒng)和存儲介質(zhì)。

本發(fā)明的目的之一采用以下技術方案：

一種基于詞典的電力領域文本情感分析方法，包括以下步驟：

S1、基于神經(jīng)網(wǎng)絡和人工標注數(shù)據(jù)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(shù)據(jù)，情感指向判斷模型的輸出為情感指向；所述用戶文本數(shù)據(jù)為用戶在與服務者交互過程中產(chǎn)生的文本數(shù)據(jù)，所述情感指向為導致用戶情緒產(chǎn)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(shù)據(jù)作為用戶文本數(shù)據(jù)，將用戶文本數(shù)據(jù)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(shù)據(jù)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。

優(yōu)選的，步驟S1中還包括：構建關鍵詞詞典，收集用于體現(xiàn)用戶基于服務提供方的因素產(chǎn)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。

優(yōu)選的，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(shù)據(jù)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。

優(yōu)選的，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(shù)據(jù)，并對文本數(shù)據(jù)進行分詞，然后基于設置的情感詞匯詞典從文本數(shù)據(jù)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(jié)合情緒詞、否定詞和程度詞判斷文本數(shù)據(jù)的情感極性。

優(yōu)選的，判斷文本數(shù)據(jù)的情感極性的方式具體包括以下步驟：