The invention provides an emotional analysis method, a device, a computer storage medium and a server for comment information to solve the problem of lacking an automatic emotional analysis method for comment information in the prior art. The method comprises steps of: obtaining a word segmentation set for each segment in the first comment information; determining a number of words belonging to a preset word segmentation feature library in the word segmentation set for each segment, generating a vector for each segment based on a number of words for each segment; and generating the first comment information based on a vector for each segment. The vector of the first comment information is input into the pre-generated emotional analysis model, and the predicted value of the first comment information is obtained; the predicted value of the first comment information is compared with the preset threshold value, and the emotional analysis result of the first comment information is obtained according to the comparison result. The embodiment of the invention realizes the automatic sentiment analysis of the comment information.
【技术实现步骤摘要】
评论信息情感分析方法、装置、计算机存储介质和服务器
本专利技术涉及计算机
,具体而言,本专利技术涉及一种评论信息情感分析方法、装置、存储介质和服务器。
技术介绍
在产品的运营过程中,需要对产品的质量进行评价,以确定优质产品推荐给用户。传统的方法是人工评价法,由编辑、运营人员体验产品给产品打分进行质量评价。这种做法一方面消耗大量的人力物力,另一方面受评测人员的主观因素影响,无法保证对所有产品给出客观且准确的产品质量评价。本专利技术的专利技术人经研究发现,通过用户评论信息自动评价产品质量可以有效解决上述问题。而通过用户评论信息给产品质量评分的方法核心工作在于如何对一条评论信息进行自动化的情感分析,自动判别一条评论信息是褒义还是贬义。然而现有技术中缺乏自动化对评论信息进行情感分析的方法。
技术实现思路
本专利技术针对现有方式的缺点,提出一种评论信息情感分析方法、装置、存储介质和服务器,用以解决现有技术中存在的缺乏自动化对评论信息进行情感分析方法的问题,以实现对评论信息的自动化情感分析。本专利技术的实施例根据第一个方面,提供了一种评论信息情感分析方法,包括步骤:获取第一评论信息中每个分段的分词集合;确定每个分段的分词集合中属于预设的分词特征库的若干个分词,基于每个分段的若干个分词生成每个分段的向量;基于每个分段的向量生成所述第一评论信息的向量;将所述第一评论信息的向量输入预先生成的情感分析模型中,得到所述第一评论信息的预测值,其中,所述情感分析模型用于表征向量与预测值之间的关联关系;将所述第一评论信息的预测值与预设阈值进行比较,根据比较结果得到所述第一评论信息的 ...
【技术保护点】
1.一种评论信息情感分析方法,其特征在于,包括步骤:获取第一评论信息中每个分段的分词集合;确定每个分段的分词集合中属于预设的分词特征库的若干个分词,基于每个分段的若干个分词生成每个分段的向量;基于每个分段的向量生成所述第一评论信息的向量;将所述第一评论信息的向量输入预先生成的情感分析模型中,得到所述第一评论信息的预测值,其中,所述情感分析模型用于表征向量与预测值之间的关联关系;将所述第一评论信息的预测值与预设阈值进行比较,根据比较结果得到所述第一评论信息的情感分析结果。
【技术特征摘要】
1.一种评论信息情感分析方法,其特征在于,包括步骤:获取第一评论信息中每个分段的分词集合;确定每个分段的分词集合中属于预设的分词特征库的若干个分词,基于每个分段的若干个分词生成每个分段的向量;基于每个分段的向量生成所述第一评论信息的向量;将所述第一评论信息的向量输入预先生成的情感分析模型中,得到所述第一评论信息的预测值,其中,所述情感分析模型用于表征向量与预测值之间的关联关系;将所述第一评论信息的预测值与预设阈值进行比较,根据比较结果得到所述第一评论信息的情感分析结果。2.根据权利要求1所述的评论信息情感分析方法,其特征在于,所述情感分析模型通过以下步骤生成:获取训练样本包含的各个第二评论信息中每个分段的分词集合,以及用户对各个第二评论信息分类的类别;确定每个分段的分词集合中属于所述分词特征库的若干个分词,基于每个分段的若干个分词生成每个分段的向量;基于每个分段的向量生成各个第二评论信息的向量;将各个第二评论信息的向量和各自的类别输入循环神经网络中进行训练,生成情感分析模型。3.根据权利要求2所述的评论信息情感分析方法,其特征在于,所述分词特征库用于描述其包含的各个分词的价值大小顺序;所述基于每个分段的若干个分词生成每个分段的向量,包括:基于所述分词特征库,按照价值从大到小的顺序对每个分段的若干个分词进行排序,生成每个分段的预设维度的原始输入特征;对每个分段的原始输入特征中每个元素进行哈希运算,并对哈希运算得到的哈希值进行取模,生成每个分段的向量。4.根据权利要求2所述的评论信息情感分析方法,其特征在于,所述基于每个分段的向量生成各个第二评论信息的向量,包括:按照各个第二评论信息中每个分段的先后顺序,由各个分段的向量生成各个第二评论信息的向量。5.根据权利要求2所述的评论信息情感分析方法,其特征在于,所述将各个第二评论信息的向量和各自的类别输入循环神经网络中进行训练,生成情感分析模型,包括:通过预设算法求解预先构建的损失函数最小时所述循环神经网络的模型参数,基于求解的所述循环神经网络的模型参数得到情感分析模型,其中,所述损失函数为与各个第二评论信息的预测值和类别有关的函数,各个第二评论信息的预测值为与所述循环神经网络的模型参数和各个第二评论信息的向量有关的变量。6.根据权利要求1至5任意一项所述的评论信息情感分析方法,其特征在于,所述分词特征库通过以下步骤得到:...
【专利技术属性】
技术研发人员:潘岸腾,
申请(专利权)人:广州优视网络科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。