一种评价方面确定方法和装置制造方法及图纸

本申请公开了一种评价方面确定方法和装置，该方法包括：根据评价文本的字符特征向量，生成所述评价文本的词向量；然后，将经过词性标注的所述词向量输入到配置依存跃迁结构的第一双向长短期记忆网络模型中进行运算，得到所述评价文本对应的第一预测标签序列；进而，基于所述第一预测标签序列，确定出所述评价文本的评价方面。本申请实施例提供的评价方面确定方法，将双向长短期记忆网络模型可学习长期序列依赖的能力和依存跃迁信息提供的句法结构先验知识结合起来，提高了评价方面确定的准确性，避免了需要借助额外的特征工程以及事先由人工制定规则模板的技术问题。

【技术实现步骤摘要】
一种评价方面确定方法和装置
本专利技术一般涉及信息
，具体涉及一种评价方面确定方法和装置。
技术介绍
现代社会中，互联网应用范围非常的广泛，给日常生活带来很大的乐趣和便利。在互联网上，我们可以聊天、玩游戏和查阅资料等。更为重要的是，人们还可以通过博客、微博以及贴吧等互联网产品来表达自己对商品与服务、社会热点事件与当事人的态度和观点。近年来，主观性的态度和观点的发表量呈现出井喷式的增长态势。如何对具有感情色彩的评价方面进行确定，在企业产品竞争情报、社会舆情监控和市场趋势走向预测等应用领域中具有重要的研究价值。相关技术中，采用的方案有：第一、基于频率和关联规则的评价方面确定方法，这种方法虽然易于实施，但是需要专家根据经验挑选模板以及制定匹配规则，而且由于容易受到频繁噪声的影响，确定精度较低；第二、在基于频率和关联规则的评价方面确定方法的基础上，引入点互信息(Point-wiseMutualInformation，PMI)计算方法提升确定的精度，但是这种方法需要提前收集产品的类别指示判别器，同时点互信息的计算需要借助搜索本文档来自技高网...

【技术保护点】
1.一种评价方面确定方法，其特征在于，所述方法包括：/n根据评价文本的字符特征向量，生成所述评价文本的词向量；/n将经过词性标注的所述词向量输入到配置依存跃迁结构的第一双向长短期记忆网络模型中进行运算，得到所述评价文本对应的第一预测标签序列；/n基于所述第一预测标签序列，确定出所述评价文本的评价方面。/n

【技术特征摘要】
1.一种评价方面确定方法，其特征在于，所述方法包括：
根据评价文本的字符特征向量，生成所述评价文本的词向量；
将经过词性标注的所述词向量输入到配置依存跃迁结构的第一双向长短期记忆网络模型中进行运算，得到所述评价文本对应的第一预测标签序列；
基于所述第一预测标签序列，确定出所述评价文本的评价方面。


2.根据权利要求1所述的一种评价方面确定方法，其特征在于，所述根据评价文本的字符特征向量，生成所述评价文本的词向量，包括：
对所述评价文本进行分词，并生成所述字符特征向量；
根据词嵌入算法和所述字符特征向量，生成所述评价文本的词向量。


3.根据权利要求2所述的一种评价方面确定方法，其特征在于，所述对所述评价文本进行分词，并生成所述字符特征向量，包括：
将分词结果拆分成单个字符组成的序列，所述分词结果为所述评价文本进行分词之后得到的单词；
基于第二双向长短期记忆网络模型，对所述单个字符组成的序列进行运算，并生成所述分词结果对应的字符特征向量。


4.根据权利要求1所述的一种评价方面确定方法，其特征在于，所述将经过词性标注的所述词向量输入到配置依存跃迁结构的第一双向长短期记忆网络模型中进行运算，得到所述评价文本对应的第一预测标签序列，包括：
获取所述经过词性标注的词向量之间的句法依存关系，并将所述句法依存关系转换为依存嵌入向量；
将依存跃迁向量作为所述配置依存跃迁结构的第一双向长短期记忆网络模型各个时间步的输入，计算得到所述词向量对应所有设定标签的发射得分；其中，所述依存跃迁向量包括所述依存嵌入向量；
比较所述所有设定标签的发射得分的大小，并将发射得分最大值对应的设定标签作为所述词向量的第一预测标签，所述评价文本对应的第一预测标签序列由所述词向量的第一预测标签组成。


5.根据权利要求4所述的一种评价方面确定方法，其特征在于，所述获取所述经过词性标注的词向量之间的句法依存关系，并将所述句法依存关系转换为依存嵌入向量，包括：
遍历所述词向量对应的词性标注，并构建依存句法树，所述依存句法树用于表征所述词向量之间的句法依存关系；
将所述句法依存关系输入到仿射函数中，生成所述依存嵌入向量。


6.根据权利要求4或5任意一项所述的一种评价方面确定方法，其特征在于，所述方法还包括：
检测所述...

【专利技术属性】
技术研发人员：郭林东，姚小龙，陈东沂，钟萍，刘玉霞，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东;44