买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:北京工业大学
摘要:本发明公开了一种基于购物评论的人格特质分析方法及系统,方法包括:获取评论数据构建评论样本数据集,并进行分词及标注,得到实验数据集;将实验数据集向量化后输入LSTM网络模型,得到情感倾向;通过SC‑LIWC词典提取的关键词计算与每个人格维度的皮尔逊相关系数;将实验数据集的特征结合皮尔逊相关系数和情感倾向,输入以KNN、NB和SVM共同构建的人格特质分析融合模型进行训练;针对所需分析的评论数据进行文本特征及情感特征提取,通过LSTM网络模型得到情感倾向量化值,并输入人格特质分析融合模型,输出多标签的人格特质属性。通过本发明的技术方案,实现了对评论数据的情感倾向量化及人格特质分类,为个性推荐提供支持。
主权项:1.一种基于购物评论的人格特质分析方法,其特征在于,包括:获取电商平台的购物评论数据进行预处理,构建评论样本数据集;针对所述评论样本数据集进行分词处理及词性标注,得到实验数据集;对所述实验数据集进行句子级别和文本级别的向量化处理,并将向量化矩阵输入LSTM网络模型,并经过softmax层得到评价对象所属句子的情感倾向;通过SC-LIWC词典对所述实验数据集进行关键词提取,并计算每个关键词与大五人格的每个人格维度的皮尔逊相关系数;对所述实验数据集进行特征提取,并结合所述皮尔逊相关系数和评价对象所属句子的情感倾向,构成输入矩阵;基于大五人格的每个维度,以K-近邻模型、朴素贝叶斯模型和支持向量机模型共同构建二分类的人格特质分析融合模型;将所述输入矩阵输入所述人格特质分析融合模型,并通过K-折交叉验证方法对所述人格特质分析融合模型进行训练;针对所需分析的有效评论数据进行文本特征提取,并采用预构建的商品级别情感词库进行情感特征提取;对提取得到的所述文本特征进行向量化并作为LSTM网络模型的输入,利用softmax层得到情感倾向量化值;将所述文本特征、所述情感特征和所述情感倾向量化值进行结合,并进行向量化后输入训练完成的所述人格特质分析融合模型,以输出结果作为多标签的人格特质属性;所述商品级别情感词库的构建方法包括:根据所述评论样本数据集提取得到商品属性特征,并通过余弦相似度获取评价对象,构建评价对象库;根据所述评价对象库对所述实验数据集进行关键词提取,获取评价对象;以所述评价对象为主关联点,基于位置特征提取所述评价对象的评价词语,构建评价对象-评价词语二元组;将评价对象所属句子的情感倾向与所述评价对象-评价词语二元组相结合,判断相对应的情感倾向,综合得到商品级别情感词库;所述将所述输入矩阵输入所述人格特质分析融合模型并通过K-折交叉验证方法对所述人格特质分析融合模型进行训练的具体过程包括:将所述输入矩阵分别输入针对大五人格五个维度的所述K-近邻模型、所述朴素贝叶斯模型和所述支持向量机模型,并分别通过K-折交叉验证方法分别对各模型进行训练;所述对提取得到的所述文本特征进行向量化并作为LSTM网络模型的输入,利用softmax层得到情感倾向量化值的具体过程包括:利用word2vec对所述文本特征进行句子级别和文本级别的向量化处理,并将向量化的矩阵作为所述LSTM网络模型的输入;所述LSTM网络模型对所述文本特征对应的每个句子进行训练与预测,所述softmax层的softmax激活函数将所述LSTM网络模型的预测结果转化为0-1之间的得分数值,作为所述情感倾向量化值。
全文数据:
权利要求:
百度查询: 北京工业大学 一种基于购物评论的人格特质分析方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。