【技术实现步骤摘要】
一种神经网络及据多源社交短文本预测IP作品指标的方法
[0001]本专利技术涉及人工智能领域；具体地，涉及一种神经网络及据多源社交短文本预测IP作品指标的方法。
技术介绍
[0002]随着社交媒体的发展壮大，出现了一种现象，即在社交媒体上好评如潮的IP作品，往往很容易在市场上取得成功，在文娱行业从业者看来这样的IP作品也更具有价值。这正是由于社交媒体强大的传播能力，受众的情感倾向能够通过像评论、留言这类的社交媒体短文本形式，高效率、广泛地传播，形成口碑效应，进而影响着IP作品的市场指标和价值。
[0003]既然社交媒体上存在着如此大量的带有各类感情色彩的短文本。那么，理论上讲，通过对社交媒体短文本中情感的倾向性分析(即受众对IP作品好恶的分析)、以及进一步的处理归纳和推理，是能够预测IP作品的一些预期指标和评估其使用价值的。
[0004]但是，如此庞大的文本信息，仅依靠人力逐条分析显然是不现实的。那么，就需要借助计算机的情感分析(又称意见挖掘)。现有的较为行之有效的即基于统计的文本倾向性情感分析方法。而该方法...
【技术保护点】
【技术特征摘要】
1.一种神经网络，其特征在于，包括：情感分析子网络和多源情感-指标子网络；所述的情感分析子网络，用于分析输入的短文本的情感倾向，确定其情感特征；所述的多源情感-指标子网络，用于确定IP作品的多源社交短文本情感-第一指标特征。2.一种神经网络模型训练方法，其特征在于，包括：预训练获得情感分析子网络；基于所述情感分析子网络，构建多源情感-指标子网络。3.根据权利要求2所述的神经网络模型训练方法，其特征在于，预训练所述情感分析子网络，包括：获取IP作品的第二社交短文本及评价标签；以之为训练样本集，采用监督学习的方式训练所述情感分析子网络；和/或，构建所述多源情感-指标子网络，包括：设计多源情感-指标子网络；所述的多源情感-指标子网络，包括若干隐藏层，其以所述情感分析子网络分析诸源社交短文本而输出的情感特征为输入，以第一指标为输出；当所述的诸源情感特征在输入时，分别为各源情感特征配置一个可训练的权重参数；以已有的IP作品的诸源短文本、第一指标为训练样本集采用监督学习的方式训练所述网络，输出可用于生产环境的神经网络模型。4.一种基于多源社交短文本预测IP作品指标的方法，其特征在于，包括：获取待预测IP作品的诸源社交短文本；基于所述诸源社交短文本，确定其情感特征/情感倾向；进而确定IP作品的多源社交短文本情感-第一指标特征；基于确定的多源社交短文本情感-第一指标特征，确定待预测IP作品的第一指标。5.根据权利要求4所述的神经网络模型训练方法，其特征在于，所述的确定情感特征/情感倾向，包括：以权利要求2-3任一所述的方法预训练获得的情感分析子网络/情感分析网络，并籍此分析所述社交短文本，确定其情感特征/情感倾向；和/或，所述的确定多源社交短文本情感-第一指标特征，包括：以权利要求2-3任一所述的方法构建多源情感-指标子网络/多源情感-指标网络，并籍此确定...
【专利技术属性】
技术研发人员：陈凯，孙军欢，
申请(专利权)人：深圳致星科技有限公司，
类型：发明
国别省市：
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。