一种情感分析方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种情感分析方法、装置、设备及存储介质。该方法包括：获取待分析评论文本；将所述待分析评论文本输入第一模型，得到情感极性信息集合；根据所述情感极性信息集合中的情感极性信息对应的分数确定待分析评论文本对应的情感分数，通过本发明专利技术的技术方案，能够分析具有复杂情感的文本信息，提高情感分析的准确度。析的准确度。析的准确度。

【技术实现步骤摘要】
一种情感分析方法、装置、设备及存储介质


[0001]本专利技术实施例涉及自然语言处理
，尤其涉及一种情感分析方法、装置、设备及存储介质。

技术介绍

[0002]随着互联网科技的发展，在自然语言处理应用中，情感分析有着巨大的前景，越来越多的用户会在网络社交媒体上对某一事件或产品发表各种评论语句，根据这些评论语句可评估用户的态度、情绪。例如，潜在的用户可通过浏览这些主观色彩的评论来了解大众舆论对于事物的看法。
[0003]现有的情感分析方式，无法对有复杂情感的文章进行情感分析，模型训练用时长，并且情感分析结果准确率较低。

技术实现思路

[0004]本专利技术实施例提供一种情感分析方法、装置、设备及存储介质，解决了无法对有复杂情感的文章进行情感分析，模型训练用时长，并且情感分析结果准确率较低的问题，能够分析具有复杂情感的文本信息，提高情感分析的准确度。
[0005]根据本专利技术的一方面，提供了一种情感分析方法，该方法包括：
[0006]获取待分析评论文本；
[0007]将所述待分析评论文本输入第一模型，得到情感极性信息集合；
[0008]根据所述情感极性信息集合中的情感极性信息对应的分数确定待分析评论文本对应的情感分数。
[0009]根据本专利技术的另一方面，提供了一种情感分析装置，该情感分析装置包括：
[0010]待分析评论文本获取模块，用于获取待分析评论文本；
[0011]情感极性信息集合得到模块，用于将所述待分析评论文本输入第一模型，得到情感极性信息集合；
[0012]情感分数确定模块，用于根据所述情感极性信息集合中的情感极性信息对应的分数确定待分析评论文本对应的情感分数。
[0013]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0014]至少一个处理器；以及
[0015]与所述至少一个处理器通信连接的存储器；其中，
[0016]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的情感分析方法。
[0017]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的情感分析方法。
[0018]本专利技术实施例通过获取待分析评论文本；将所述待分析评论文本输入第一模型，得到情感极性信息集合；根据所述情感极性信息集合中的情感极性信息对应的分数确定待分析评论文本对应的情感分数，解决了无法对有复杂情感的文章进行情感分析，模型训练用时长，并且情感分析结果准确率较低的问题，能够分析具有复杂情感的文本信息，提高情感分析的准确度。
[0019]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0020]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0021]图1是本专利技术实施例一中的一种情感分析方法的流程图；
[0022]图2是本专利技术实施例一中的一种依赖解析图的示意图；
[0023]图3是本专利技术实施例二中的一种情感分析装置的结构示意图；
[0024]图4是本专利技术实施例三中的一种电子设备的结构示意图。
具体实施方式
[0025]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0026]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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，以便这里描述的本专利技术的实施例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。
[0027]实施例一
[0028]图1为本专利技术实施例提供的一种情感分析方法的流程图，本实施例可适用于对文本进行情感分析的情况，该方法可以由本专利技术实施例中的情感分析装置来执行，该装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
[0029]S110，获取待分析评论文本。
[0030]其中，待分析评论文本是在可以进行评论留言的软件平台中抓取的评价、留言等评论信息，并对评论信息进行简单处理形成的文本。
[0031]具体的，获取待分析评论文本的方式可以为：从应用中抓取评价、留言等评论信
息，对评论信息进行如下处理：将中文数字归一化为罗马数字；将日期归一化为罗马数字；将英文单词中的数字归一化为罗马数字；将中文标点符号归一化为英文符号，将处理后的评论信息确定为待分析评论文本。
[0032]通过对抓取的评论信息进行处理，便于后期对待分析评论文本进行分词处理以及后期对待分析评论文本进行识别操作时，避免出现由于同一内容不同的表达形式，导致识别时出现不同结果的情况，能够提升待分析评论文本识别的准确率。
[0033]S120，将所述待分析评论文本输入第一模型，得到情感极性信息集合。
[0034]其中，第一模型可以通过目标样本集迭代训练神经网络模型得到，目标样本集包括：评论文本样本和所述评论文本样本对应的情感极性信息集合。具体的，通过目标样本集迭代训练神经网络模型包括：建立神经网络模型，将所述目标样本集中的评论文本样本输入所述神经网络模型，得到预测情感极性信息集合，根据所述预测情感极性信息集合和所述所述评论文本样本对应的情感极性信息集合生成的目标函数训练所述神经网络模型的参数，返回执行将所述目标样本集中的评论文本样本输入所述神经网络模型，得到预测情感极性信息集合的操作，直至得到第一模型。
[0035]其中，情感极性可以为positive(积极)、normal(中性)及negative(消极)中的至少一种，例如可以是一段文本中共有三句话，每一句话都有其自身情感极性，三句话的情感极性为情感极性信息集合。
[0036]其中，情感极性信息集合中包括至少一个情感极性信息，例如可以是，情感极性信息集合包括：积极情感、消极情感以及中性情本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种情感分析方法，其特征在于，包括：获取待分析评论文本；将所述待分析评论文本输入第一模型，得到情感极性信息集合；根据所述情感极性信息集合中的情感极性信息对应的分数确定待分析评论文本对应的情感分数。2.根据权利要求1所述的方法，其特征在于，根据所述情感极性信息集合中的情感极性信息对应的分数确定待分析评论文本对应的情感分数，包括：若情感极性信息为第一类型，则情感极性信息对应的分数为第一数值；若情感极性信息为第二类型，则情感极性信息对应的分数为第二数值；若情感极性信息为第三类型，则情感极性信息对应的分数为第三数值；根据各类情感极性信息对应的分数获取所述情感极性信息集合中的情感极性信息对应的分数之和；将所述情感极性信息集合中的情感极性信息对应的分数之和确定为待分析评论文本对应的情感分数。3.根据权利要求1所述的方法，其特征在于，将所述待分析评论文本输入第一模型，得到情感极性信息集合，包括：将所述待分析评论文本输入第一模型，得到至少一组情感四元组，其中，所述情感四元组包括：拥有者信息、评价目标信息、情感表达式信息以及情感极性信息；根据所述至少一组情感四元组包括的情感极性信息生成情感极性信息集合。4.根据权利要求3所述的方法，其特征在于，将所述待分析评论文本输入第一模型，得到至少一组情感四元组，包括：将所述待分析评论文本输入前馈神经网络层，得到添加目标信息的待分析评论文本；将所述添加目标信息的待分析评论文本输入评分层，得到所述待分析评论文本中任意两个字符对应的目标分数；将所述任意两个字符对应的目标分数输入构造层，得到情感四元组。5.根据权利要求4所述的方法，其特征在于，将所述待分析评论文本输入前馈神经网络层...

【专利技术属性】
技术研发人员：区正辉，
申请(专利权)人：上海浦东发展银行股份有限公司，
类型：发明
国别省市：