文本分析方法及装置制造方法及图纸

本发明专利技术实施例提出一种文本分析方法及装置。所述方法包括：获取文本的关注点；根据所述关注点，获取所述文本中关于所述关注点的子句集合；根据所述子句集合，获得关于所述关注点的子句情感倾向分类；根据所述情感倾向分类，获得关于所述关注点的情感倾向。本发明专利技术实施例能够对文本中的关注点进行情感倾向分析，方便读者对文本产生更加全面深刻的认识和了解。同时，本发明专利技术实施例采用神经网络建立分析模型，能够不断学习和优化，具有较高的分析性能。

Text Analysis Method and Device

【技术实现步骤摘要】
文本分析方法及装置
本专利技术涉及互联网
，尤其涉及一种文本分析方法及装置。
技术介绍
现阶段，随着网络的发展，网络文章也越来越多。每个文章都有一定的关注点，并在文章中表达对该关注点的情感倾向。文本情感倾向，表示一段文本的情感倾向和感情色彩。情感倾向可以是积极的、消极的、中性的，也可以是具体的情感，例如喜悦、愤怒、痛苦等。文本情感倾向分析是情感分析研究的重要组成部分，其在话题监控、产品口碑分析、舆情分析等领域具有十分重要的研究和应用价值。新闻文本是当前网络上最为常见的一种特殊的文本形式，其情感分析也具备很多特殊性。新闻文本通常由多个新闻关注点以及对该关注点的描述构成。不同的新闻作者对于关注点的情感倾向也存在差异。
技术实现思路
本专利技术实施例提供一种文本分析方法及装置，以解决现有技术中的一个或多个技术问题。第一方面，本专利技术实施例提供了一种文本分析方法，包括：获取文本的关注点；根据所述关注点，获取所述文本中关于所述关注点的子句集合；根据所述子句集合，获得关于所述关注点的子句情感倾向分类；根据所述情感倾向分类，获得关于所述关注点的情感倾向。在一种实施方式中，根据所述关注点，获取文本中关于所述关注点的子句集合，包括：提取文本中关于所述关注点的候选子句；若所述候选子句包含所述关注点，则将所述候选子句加入所述关注点的子句集合；若所述候选子句包含指示代词，则对所述候选子句进行指代消解，获得修正后的候选子句；若所述修正后的候选子句包含所述关注点，则将所述修正后的候选子句加入所述关注点的子句集合。在一种实施方式中，对所述候选子句进行指代消解包括：采用监督分类模型或者依据预设规则，对所述候选子句进行指代消解。在一种实施方式中，获取文本的关注点，包括：获取所述文本的关注点集合；对所述关注点集合中的元素进行归一化，获得所述文本的关注点。在一种实施方式中，获取所述文本的关注点集合，包括：对所述文本进行搜索查询，获得关注点集合的元素；或，抽取所述文本子句中的实体，得到候选项，对所述候选项进行计算，获得关注点集合包括的各元素。在一种实施方式中，根据所述子句集合，获得关于所述关注点的子句情感倾向分类，包括：利用情感倾向分析模型，学习所述子句的分词嵌入到向量空间中的向量表示；将所述子句的所有分词的向量表示拼接，获得所述子句的拼接向量表示；根据所述拼接向量表示，获得所述子句的情感倾向分类。在一种实施方式中，所述情感倾向分析模型基于长短期记忆LSTM(LongShort-TermMemory)模型或者卷积神经网络CNN(ConvolutionalNeuralNetworks)构建。第二方面，本专利技术实施例提供了一种文本分析装置，包括：关注点获取模块：用于获取文本的关注点；子句集合获取模块：用于根据所述关注点，获取所述文本中关于所述关注点的子句集合；情感倾向分类获取模块：用于根据所述子句集合，获得关于所述关注点的子句情感倾向分类；情感倾向获取模块：用于根据所述情感倾向分类，获得关于所述关注点的情感倾向。在一种实施方式中，所述子句集合获取模块包括：候选子句提取单元：用于提取文本中关于所述关注点的候选子句；第一判定单元：用于若所述候选子句包含所述关注点，则将所述候选子句加入所述关注点的子句集合；第二判定单元：用于若所述候选子句包含指示代词，则对所述候选子句进行指代消解，获得修正后的候选子句；第三判定单元：用于若所述修正后的候选子句包含所述关注点，则将所述修正后的候选子句加入所述关注点的子句集合。在一种实施方式中，所述第二判定单元还用于：采用监督分类模型或者依据预设规则，对所述候选子句进行指代消解。在一种实施方式中，所述关注点获取模块包括：关注点集合获取单元：用于获取所述文本的关注点集合；关注点集合归一化单元：用于对所述关注点集合中的元素进行归一化，获得所述文本的关注点。在一种实施方式中，所述关注点集合获取单元包括：搜索查询子单元：用于对所述文本进行搜索查询，获得关注点集合的元素；和/或，抽实体子单元：用于抽取所述文本子句中的实体，得到候选项，对所述候选项进行计算，获得关注点集合包括的各元素。在一种实施方式中，所述情感倾向分类获取模块包括：子句学习单元：用于利用情感倾向分析模型，学习所述子句的分词嵌入到向量空间中的向量表示；拼接单元：用于将所述子句的所有分词的向量表示拼接，获得所述子句的拼接向量表示；拼接向量分析单元：用于根据所述拼接向量表示，获得所述子句的情感倾向分类。在一种实施方式中，所述情感倾向分析模型基于长短期记忆LSTM模型或者卷积神经网络CNN构建。第三方面，本专利技术实施例提供了一种文本分析设备，所述设备的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。在一个可能的设计中，所述设备的结构中包括处理器和存储器，所述存储器用于存储支持所述设备执行上述文本分析方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述设备还可以包括通信接口，用于与其他设备或通信网络通信。第四方面，本专利技术实施例提供了一种计算机可读存储介质，用于存储文本分析装置所用的计算机软件指令，其包括用于执行上述文本分析方法所涉及的程序。上述技术方案中的一个技术方案具有如下优点或有益效果：本专利技术实施例提供的文本分析方法，能够基于关注点获得文本中的情感倾向，方便读者对文本产生更加全面深刻的认识和了解。同时，本专利技术实施例的情感倾向分析模型可基于LSTM或者CNN构建，从而能够通过深度学习的方式进行优化，有效融合关注点和文本描述的语义关系、关注点和篇章的关系，从而在情感倾向分析时具有更好的性能。上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本专利技术进一步的方面、实施方式和特征将会是容易明白的。附图说明在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本专利技术公开的一些实施方式，而不应将其视为是对本专利技术范围的限制。图1示出根据本专利技术实施例的文本分析方法的流程图。图2示出根据本专利技术实施例的文本分析方法的流程图。图3示出根据本专利技术实施例的文本分析方法的步骤细节流程图。图4示出根据本专利技术实施例的文本模型数据分析示意图。图5示出根据本专利技术实施例的文本分析装置的结构框图。图6示出根据本专利技术实施例的文本分析装置的结构框图。图7示出根据本专利技术实施例的文本分析设备的结构框图。具体实施方式在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本专利技术的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。图1示出根据本专利技术实施例的文本分析方法的流程图。如图1所示，该文本分析方法包括：步骤S11：获取文本的关注点。步骤S12：根据所述关注点，获取所述文本中关于所述关注点的子句集合。步骤S13：根据所述子句集合，获得关于所述关注点的子句情感倾向分类。步骤S14：根据所述情感倾向分类，获得关于所述关注点的情感倾向。在本专利技术实施例中，文本可以包括新闻文本、小说文本、广告文本本文档来自技高网...

【技术保护点】
1.一种文本分析方法，其特征在于，包括：获取文本的关注点；根据所述关注点，获取所述文本中关于所述关注点的子句集合；根据所述子句集合，获得关于所述关注点的子句情感倾向分类；根据所述情感倾向分类，获得关于所述关注点的情感倾向。

【技术特征摘要】
1.一种文本分析方法，其特征在于，包括：获取文本的关注点；根据所述关注点，获取所述文本中关于所述关注点的子句集合；根据所述子句集合，获得关于所述关注点的子句情感倾向分类；根据所述情感倾向分类，获得关于所述关注点的情感倾向。2.根据权利要求1所述的方法，其特征在于，根据所述关注点，获取文本中关于所述关注点的子句集合，包括：提取文本中关于所述关注点的候选子句；若所述候选子句包含所述关注点，则将所述候选子句加入所述关注点的子句集合；若所述候选子句包含指示代词，则对所述候选子句进行指代消解，获得修正后的候选子句；若所述修正后的候选子句包含所述关注点，则将所述修正后的候选子句加入所述关注点的子句集合。3.根据权利要求2所述的方法，其特征在于，对所述候选子句进行指代消解包括：采用监督分类模型或者依据预设规则，对所述候选子句进行指代消解。4.根据权利要求1所述的方法，其特征在于，获取文本的关注点，包括：获取所述文本的关注点集合；对所述关注点集合中的元素进行归一化，获得所述文本的关注点。5.根据权利要求4所述的方法，其特征在于，获取所述文本的关注点集合，包括：对所述文本进行搜索查询，获得关注点集合的元素；或，抽取所述文本子句中的实体，得到候选项，对所述候选项进行计算，获得关注点集合包括的各元素。6.根据权利要求1所述的方法，其特征在于，根据所述子句集合，获得关于所述关注点的子句情感倾向分类，包括：利用情感倾向分析模型，学习所述子句的分词嵌入到向量空间中的向量表示；将所述子句的所有分词的向量表示拼接，获得所述子句的拼接向量表示；根据所述拼接向量表示，获得所述子句的情感倾向分类。7.根据权利要求6所述的方法，其特征在于，所述情感倾向分析模型基于长短期记忆LSTM模型或者卷积神经网络CNN构建。8.一种文本分析装置，其特征在于，包括：关注点获取模块：用于获取文本的关注点；子句集合获取模块：用于根据所述关注点，获取所述文本中关于所述关注点的子句集合；情感倾向分类获取模块：用于根据所述子句集合，获得关于所述关注点的子句情感倾向分类；情感倾向获取模块：用于根据所述情感倾向分类，获得关于...

【专利技术属性】
技术研发人员：刘昊，何伯磊，肖欣延，
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