首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

针对评论的情感倾向识别方法、装置及电子设备 

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:北京猎豹移动科技有限公司

摘要:本发明实施例提供了针对评论的情感倾向识别方法、装置及电子设备,应用于自然语言处理技术领域。该方法包括:获取待识别的目标评论;基于预先训练的多个情感倾向分类模型,分别对所述目标评论进行情感分类,得到多个情感分类结果;其中,每一情感倾向分类模型为基于样本评论所训练得到的、用于对评论进行情感倾向分类的模型;对所得到的多个情感分类结果进行融合处理,得到所述目标评论的融合分类结果;基于所述目标评论的融合分类结果,确定所述目标评论所表征的情感倾向。通过本方案,可以识别针对产品的评论所表征的情感倾向。

主权项:1.一种针对评论的情感倾向识别方法,其特征在于,所述方法包括:获取待识别的目标评论;基于预先训练的多个情感倾向分类模型,分别对所述目标评论进行情感分类,得到多个情感分类结果;其中,每一情感倾向分类模型为基于样本评论所训练得到的、用于对评论进行情感倾向分类的模型;对所得到的多个情感分类结果进行融合处理,得到所述目标评论的融合分类结果;基于所述目标评论的融合分类结果,确定所述目标评论所表征的情感倾向;所述情感分类结果包括:每一种情感倾向对应的置信度;所述对所得到的多个情感分类结果进行融合处理,得到所述目标评论的融合分类结果,包括:针对每一种情感倾向,将多个情感分类结果中该种情感倾向的置信度进行取平均,得到该种情感倾向对应的融合置信度;或者,针对每一种情感倾向,利用各个情感倾向分类模型对应的权重,对多个情感分类结果中该种情感倾向的置信度进行加权求和,得到该种情感倾向对应的融合置信度;其中,所述各个情感倾向分类模型对应的权重是预先被配置的,或者,是在训练所述各情感倾向分类模型时,基于训练数据建立各情感倾向分类模型的多元多维线性回归模型,通过各训练数据不断修正的;所述多个情感倾向分类模型为:多个不同类型的情感倾向分类模型;所述多个不同类型的情感倾向分类模型为以下情感倾向分类模型中的至少两种:基于支持向量机SVM分类模型训练的情感倾向分类模型;基于逻辑回归LR分类模型训练的情感倾向分类模型;基于梯度提升树GBDT分类模型训练的情感倾向分类模型;所述基于预先训练的多个情感倾向分类模型,分别对所述目标评论进行情感分类,得到多个情感分类结果,包括:确定所述目标评论中所包含的关键分词,其中,所述关键分词为用于描述情感倾向的词汇;生成所述关键分词的词向量,并基于所述关键分词的词向量,生成表示所述目标评论的句向量;将所述句向量分别输入至预先训练的多个情感倾向分类模型,得到多个情感分类结果;所述基于所述关键分词的词向量,生成表示所述目标评论的句向量,包括:基于所述关键分词的词向量和非关键分词的词向量,计算待分类评论的句向量,其中,所述非关键分词为所述目标评论所包含的分词中除所述关键分词以外的分词;所述基于所述关键分词的词向量和非关键分词的词向量,计算所述待分类评论的句向量,包括:计算所述目标评论的词长度与所述关键分词的词向量的乘积,得到第一词向量;对所述第一词向量和所述非关键分词的词向量进行加权平均,以生成所述目标评论的句向量;或者,计算预设倍数、所述目标评论的词长度和所述关键分词的词向量三者的乘积,得到第二词向量;对所述第二词向量和所述非关键分词的词向量进行加权平均,以生成所述目标评论的句向量。

全文数据:

权利要求:

百度查询: 北京猎豹移动科技有限公司 针对评论的情感倾向识别方法、装置及电子设备

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。