情感关键词的获取方法、装置、设备及存储介质制造方法及图纸

本申请实施例提供一种情感关键词的获取方法、装置、设备及存储介质，通过获取待处理的目标文本；基于预设的第一模型对所述目标文本进行处理，获得用于表达所述目标文本情感倾向的第一情感关键词，其中，所述第一模型是基于标注有情感倾向的语料训练获得的模型；基于预设的第二模型对所述第一情感关键词进行所述处理的反向处理，获得所述目标文本中影响所述目标文本情感倾向的第二情感关键词。本申请实施例提供的技术方案，能够在实现情感关键词提取的同时，降低模型训练过程中语料标注的工作量，提高情感关键词提取的灵活性和丰富性。

Methods, devices, devices and storage media for acquiring emotional keywords

The embodiment of the present application provides a method, device, device and storage medium for acquiring emotional keywords by acquiring the target text to be processed; based on the presupposed first model, the target text is processed to obtain the first emotional keywords for expressing the emotional orientation of the target text, in which the first model is based on corpus training with emotional orientation tagged. Based on the presupposed second model, the reverse processing of the first affective keyword is carried out, and the second affective keyword affecting the affective tendency of the target text is obtained. The technical scheme provided in the embodiment of this application can reduce the workload of corpus annotation in the process of model training and improve the flexibility and richness of emotional keyword extraction while realizing emotional keyword extraction.

【技术实现步骤摘要】
情感关键词的获取方法、装置、设备及存储介质
本申请实施例涉及人工智能
，尤其涉及一种情感关键词的获取方法、装置、设备及存储介质。
技术介绍
现有的情感关键词获取一般都是通过预设的关键词识别模型进行获取。具体地，关键词识别模型一般都是通过预先对情感关键词进行标注的大量语料训练获得的。但是模型训练所需要的语料数量非常庞大，对大量语料进行标注往往较为耗费人力资源，此外，目前训练获得的关键词识别模型的识别范围仅为训练语料中标注的情感关键词，情感关键词的集合较为封闭，导致情感关键词提取的灵活性和丰富性较差。
技术实现思路
本申请实施例提供一种情感关键词的获取方法、装置、设备及存储介质，用以在实现情感关键词获取的同时，降低模型训练过程中语料标注的工作量。本申请实施例第一方面提供一种情感关键词的获取方法，包括：获取待处理的目标文本；基于预设的第一模型对所述目标文本进行处理，获得用于表达所述目标文本情感倾向的第一情感关键词，其中，所述第一模型是基于标注有情感倾向的语料训练获得的模型；基于预设的第二模型对所述第一情感关键词进行所述处理的反向处理，获得所述目标文本中影响所述目标文本情感倾向的第二情感关键词。本申请实施例第二方面提供一种情感关键词的获取装置，包括：获取模块，用于获取待处理的目标文本；情感倾向识别模块，用于基于预设的第一模型对所述目标文本进行处理，获得用于表达所述目标文本情感倾向的第一情感关键词，其中，所述第一模型是基于标注有情感倾向的语料训练获得的模型；情感关键词提取模块，用于基于预设的第二模型对所述第一情感关键词进行所述处理的反向处理，获得所述目标文本中影响所述目标文本情感倾向的第二情感关键词。本申请实施例第三方面提供一种计算机设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器执行如上述第一方面所述的方法。本申请实施例第四方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行如上述第一方面所述的方法。基于以上各方面，本申请实施例通过获取待处理的目标文本，基于预设的第一模型对目标文本进行处理，获得用于表达目标文本情感倾向的第一情感关键词，其中第一模型是基于标注有情感倾向的语料训练获得的模型，从而基于预设的第二模型对第一情感关键词进行该处理的反向处理，获得目标文本中影响目标文本情感倾向的第二情感关键词。由于在本申请实施例中第一模型的训练语料仅是标注有情感倾向的语料，而不是标注有文本中所有情感关键词的语料，因此，语料标注的工作量较低。另外，由于本申请实施例是在识别获得目标文本的情感倾向后，再通过反向处理的方法从目标文本中获取影响目标文本情感倾向的第二情感关键词的，因而，情感关键词的提取不会受到训练语料中情感关键词的局限，使得情感关键词的提取更加具有灵活性和丰富性，提高了情感关键词的提取效果。应当理解，上述
技术实现思路
部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本公申请的其它特征将通过以下的描述变得容易理解。附图说明图1是本申请实施例提供的一种应用场景的示意图；图2是本申请实施例提供的一种情感关键词的获取方法的流程图；图3是本申请实施例提供的一种步骤S13的执行方法流程图；图4是本申请实施例提供的一种步骤S13的执行方法流程图；图5是本申请实施例提供的一种步骤S13的执行方法流程图；图6是本申请实施例提供的一种情感关键词的获取装置的结构示意图；图7是本申请实施例提供的一种情感关键词的获取装置的结构示意图；图8是本申请实施例提供的一种情感关键词的获取装置的结构示意图；图9是本申请实施例提供的一种情感关键词的获取装置的结构示意图。具体实施方式下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。本申请实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。图1是本申请实施例提供的一种应用场景的示意图，图1所称的用户评论(比如，用户发表的微博评论，新闻评论等)是指用户针对某个事物或某件事情所发表的看法，该看法中包括用户的情感，比如悲观、乐观、愤怒，高兴等。通过对用户评论进行分析，可以得到用户对某个事物或某件事情的情感倾向，进而达到掌握舆论走向的目的。目前，现有的分析方法一般是通过预设的关键词识别模型从用户评论中提取出情感关键词，再基于提取出的情感关键词分析获得用户对事物或事情的情感。然而在现有技术中，关键词识别模型一般需要大量的训练语料训练获得，并且在训练操作前需要提前标注好训练语料中的情感关键词，这就导致语料标注工作的工作量非常庞大，且耗时。并且依照这种方式训练获得的模型一般也只能提取出训练语料中所包含的情感关键词，训练语料之外的情感关键词一般无法提取，使得情感关键词提取的灵活性和丰富性受到限制。针对现有技术存在的上述缺陷，本申请实施例提供一种情感关键词的获取方法，该方法通过标注有情感倾向的训练语料训练获得第一模型，使用第一模型对待处理的目标文本进行处理，获得用于表达目标文本情感倾向的第一情感关键词，再基于预先获得的第二模型对第一情感关键词进行反向处理得到目标文本中影响目标文本情感倾向的第二情感关键词。由于在训练第一模型时只需要对训练语料的情感倾向进行标注，而不需要对文本中的所有情感关键词进行标注，因而能够降低语料标注的工作量。并且由于本申请实施例是通过反向处理的方法来获取目标文本中影响情感倾向的第二情感关键词的，因而，情感关键词的提取不会受到模型训练语料中情感关键词的局限，从而提高了情感关键词提取的灵活性和丰富性。以下结合具体实施例对本申请技术方案进行详细的描述。图2是本申请实施例提供的一种情感关键词的获取方法的流程图，该方法可以由一种情感关键词的获取装置来执行。参见图2，该方法包括步骤S11-S13：S11、获取待处理的目标文本。本实施例所涉及的目标文本表达了用户的某种情感(比如，乐观、悲观、高兴，积极等)，这里为了理解方便，可将本实施例中的目标文本示例性的理解为包含用户情感的评论信息或文章。本实施例中的目标文本可以指用户发表的原始文本，也可以指原始文本经过预设处理后得到的文本。比如，在一种可能的设计中可基于如下方法中的一种或多种处理得到目标文本：a、特殊字符过滤处理：用于从原始文本中将标点符号、特殊符号和/或数字滤除。b、切词处理：用于对原始文本或本文档来自技高网...

【技术保护点】
1.一种情感关键词的获取方法，其特征在于，包括：获取待处理的目标文本；基于预设的第一模型对所述目标文本进行处理，获得用于表达所述目标文本情感倾向的第一情感关键词，其中，所述第一模型是基于标注有情感倾向的语料训练获得的模型；基于预设的第二模型对所述第一情感关键词进行所述处理的反向处理，获得所述目标文本中影响所述目标文本情感倾向的第二情感关键词。

【技术特征摘要】
1.一种情感关键词的获取方法，其特征在于，包括：获取待处理的目标文本；基于预设的第一模型对所述目标文本进行处理，获得用于表达所述目标文本情感倾向的第一情感关键词，其中，所述第一模型是基于标注有情感倾向的语料训练获得的模型；基于预设的第二模型对所述第一情感关键词进行所述处理的反向处理，获得所述目标文本中影响所述目标文本情感倾向的第二情感关键词。2.根据权利要求1所述的方法，其特征在于，所述基于预设的第二模型对所述第一情感关键词进行所述处理的反向处理，获得所述目标文本中影响所述目标文本情感倾向的第二情感关键词，包括：基于预设的第二模型对所述第一情感关键词进行所述处理的反向处理，得到所述目标文本中的多个情感关键词的向量；将所述多个情感关键词中向量模值大于第一预设阈值的确定为所述目标文本中影响所述目标文本情感倾向的第二情感关键词。3.根据权利要求2所述的方法，其特征在于，所述将所述多个情感关键词中向量模值大于第一预设阈值的确定为所述目标文本中影响所述目标文本情感倾向的第二情感关键词，包括：对所述多个情感关键词的向量进行高斯滤波处理，得到向量模值大于第一预设阈值的第二情感关键词。4.根据权利要求1所述的方法，其特征在于，所述基于预设的第二模型对所述第一情感关键词进行所述处理的反向处理，获得所述目标文本中影响所述目标文本情感倾向的第二情感关键词，包括：基于预设的第二模型对所述第一情感关键词进行所述处理的反向处理，得到所述目标文本中的多个情感关键词的向量，并计算所述目标文本的向量；分别计算所述多个情感关键词中的每个情感关键词的向量模值与所述目标文本的向量模值之间的差值绝对值，将对应的差值绝对值大于第二预设阈值的情感关键词确定为所述目标文本中影响所述目标文本情感倾向的第二情感关键词。5.根据权利要求1所述的方法，其特征在于，所述基于预设的第二模型对所述第一情感关键词进行所述处理的反向处理，获得所述目标文本中影响所述目标文本情感倾向的第二情感关键词，包括：基于预设的第二模型对所述第一情感关键词进行所述处理的反向处理，得到所述目标文本中的多个情感关键词的向量；基于所述多个情感关键词在所述目标文本中的位置，计算所述多个情感关键词中相邻两个情感关键词之间的向量模值的差值绝对值，将对应差值绝对值大于第三预设阈值的两个情感关键词确定为所述目标文本中影响所述目标文本情感倾向的第二情感关键词。6.根据权利要求1-5中任一项所述的方法，其特征在于，所述获取待处理的目标文本，包括：获取文本，并从所述文本中提取获得预设词性的词；基于提取获得的所述预设词性的词，生成目标文本。7.根据权利要求6所述的方法，其特征在于，所述基于提取获得的所述预设词性的词，生成目标文本，包括：从提取获得的所述预设词性的词中提取词频在预设范围内的词；基于提取获得的词频在预设范围内的词，生成目标文本。8.一种情感关键词的获取装置，其特征在于，包括：获取模块，...

【专利技术属性】
技术研发人员：郭辉，戴祥鹰，林义明，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11