一种AI情绪可视化识别方法、系统及云平台技术方案

本发明专利技术实施例提供的一种AI情绪可视化识别方法、系统及云平台，能够根据待进行情绪分析的文本大数据，确定情绪化文本段落以及所述情绪化文本段落对应的段落词向量；利用待进行情绪分析的文本大数据中的目标信息块以及段落词向量进行用户情绪分析，得到情绪分析报告。如此一来，可以利用目标信息块引入对噪声情绪的考虑，以便提高情绪分析的精度和可信度。度。度。

【技术实现步骤摘要】
一种AI情绪可视化识别方法、系统及云平台


[0001]本专利技术涉及人工智能
，特别涉及一种AI情绪可视化识别方法、系统及云平台。

技术介绍

[0002]当下，社交媒体、电子邮件、聊天、产品评论和推荐的文本挖掘和分析已经成为几乎所有行业垂直行业研究数据模式的宝贵资源，它能够帮助企业获得更多信息、更加了解客户、预测和增强客户体验、量身定制营销活动，并协助做决策。情绪分析使用机器学习算法来确定文本内容所对应的用户情绪。情绪分析用例包括：快速了解客户评论的基调、了解客户喜欢或不喜欢的产品或服务、了解可能影响新客户购买决策的因素、为企业提供市场意识以及尽早解决问题等，然而传统的情绪分析技术容易受到噪声情绪的干扰，由此难以确保情绪分析的准确性。

技术实现思路

[0003]为改善相关技术中存在的技术问题，本专利技术提供了一种AI情绪可视化识别方法、系统及云平台。
[0004]第一方面，本专利技术实施例提供了一种AI情绪可视化识别方法，应用于人工智能云平台，所述方法包括：根据待进行情绪分析的文本大数据，确定情绪化文本段落以及所述情绪化文本段落对应的段落词向量；利用待进行情绪分析的文本大数据中的目标信息块以及段落词向量进行用户情绪分析，得到情绪分析报告。
[0005]在一种可示性的实施例中，所述根据待进行情绪分析的文本大数据，确定情绪化文本段落以及所述情绪化文本段落对应的段落词向量，包括：获取待进行情绪分析的文本大数据中第一用户评论信息集的观点评论词语；利用获取到的观点评论词语，从所述第一用户评论信息集中确定若干个第一情绪化文本段落，并挖掘每个第一情绪化文本段落的第一段落词向量。
[0006]在一种可示性的实施例中，所述利用待进行情绪分析的文本大数据中的目标信息块以及段落词向量进行用户情绪分析，得到情绪分析报告，包括：确定所述第一用户评论信息集中被标记的目标信息块，结合确定出的目标信息块，确定每个第一情绪化文本段落被标记的第一情绪分析噪声系数；获取根据确定得到的第一情绪分析噪声系数确定的各个第一情绪化文本段落之间的第一关联评分；基于获取到的第一关联评分优化各个第一段落词向量，将完成优化的第一段落词向量与第二段落词向量进行联合分析，得到所述第一用户评论信息集的情绪分析报告；其中，所述第二段落词向量为：依据各个第二关联评分对每个第二情绪化文本段落的段落词向量进行优化所确定出的自然语言挖掘向量，每个第二情绪化文本段落为：参考文本大数据中设定的第二用户评论信息集内与各第一情绪化文本段落相对应的文本段落。
[0007]在一种可示性的实施例中，所述将完成优化的第一段落词向量与第二段落词向量
进行联合分析，得到所述第一用户评论信息集的情绪分析报告，包括：确定每个第一情绪化文本段落完成优化的第一段落词向量与所对应的第二段落词向量的共性指数，作为每个第一情绪化文本段落对应的共性指数；基于每个第一情绪化文本段落的第一情绪分析噪声系数，确定每个第一情绪化文本段落的第一段落词向量针对所述第一用户评论信息集的情绪描述向量的加权因子；基于确定出的加权因子，对各第一情绪化文本段落对应的共性指数进行处理，得到处理结果，作为所述第一用户评论信息集与所述第二用户评论信息集的共性指数；利用得到的共性指数，确定所述第一用户评论信息集的情绪分析报告。
[0008]在一种可示性的实施例中，所述基于每个第一情绪化文本段落的第一情绪分析噪声系数，确定每个第一情绪化文本段落的第一段落词向量针对所述第一用户评论信息集的情绪描述向量的加权因子，包括：基于每个第一情绪化文本段落的第一情绪分析噪声系数和与所对应的第二情绪化文本段落的第二情绪分析噪声系数，确定每个第一情绪化文本段落的第一段落词向量针对所述第一用户评论信息集的情绪描述向量的加权因子。
[0009]在一种可示性的实施例中，所述将完成优化的第一段落词向量与第二段落词向量进行联合分析，得到所述第一用户评论信息集的情绪分析报告，包括：根据各第一情绪化文本段落的第一情绪分析噪声系数，对各第一情绪化文本段落的第一段落词向量进行向量知识拼接，得到第一联动词向量，并根据各第二情绪化文本段落的第二情绪分析噪声系数，对各第二情绪化文本段落的第二段落词向量进行向量知识拼接，得到第二联动词向量；确定所述第一联动词向量和所述第二联动词向量的共性指数；基于所确定的共性指数，确定所述第一用户评论信息集的情绪分析报告。
[0010]在一种可示性的实施例中，所述第一关联评分的确定方式为：确定情绪分析噪声系数noise_i与设定变量的最大值；确定情绪分析噪声系数noise_j与1的绝对差值；基于所述最大值以及所述绝对差值得到VALUE_ij；其中，VALUE_ij为第一情绪化文本段落section_j对第一情绪化文本段落section_i的第一关联评分，情绪分析噪声系数noise_i表示第一情绪化文本段落section_i的情绪分析噪声系数，情绪分析噪声系数noise_j表示第一情绪化文本段落section_j的情绪分析噪声系数，设定变量为P。
[0011]在一种可示性的实施例中，所述基于获取到的第一关联评分优化各个第一段落词向量，并将完成优化的第一段落词向量与第二段落词向量进行联合分析，得到所述第一用户评论信息集的情绪分析报告，包括：将各个第一段落词向量、各个第一情绪化文本段落之间的第一关联评分、各个第二情绪化文本段落的段落词向量、各个第二情绪化文本段落之间的第二关联评分加载到已完成调试的自然语言处理模型，以使所述自然语言处理模型基于各个第一关联评分对各个第一段落词向量进行优化，得到完成优化的第一段落词向量，并基于各个第二关联评分对各个第二情绪化文本段落的段落词向量进行优化，得到第二段落词向量，以及对所述完成优化的第一段落词向量与所述第二段落词向量进行联合分析，生成情绪分析报告；获取所述自然语言处理模型生成的所述情绪分析报告；其中，所述利用获取到的观点评论词语，从所述第一用户评论信息集中确定若干
个第一情绪化文本段落，包括：利用获取到的观点评论词语的多元化观点标签，以及设定的观点标签与第一情绪化文本段落的文本段落标签之间的映射特征，确定每个观点评论词语所匹配的文本段落标签；对于每个文本段落标签，根据匹配于该文本段落标签的观点评论词语的可视化分布变量，获取匹配于该文本段落标签的情绪化文本段落的选定分布变量，并确定匹配于该文本段落标签的情绪化文本段落的选定分布变量与关联情绪化文本段落的选定分布变量之间的分布变量差异，基于确定出的分布变量差异，确定匹配于该文本段落标签的情绪化文本段落的窗口规模；基于所获取的选定分布变量和确定所得的窗口规模，确定每个选定分布变量所匹配的第一情绪化文本段落；其中，所述挖掘每个第一情绪化文本段落的段落词向量，包括：挖掘所述待进行情绪分析的文本大数据中第一用户评论信息集的文本描述知识关系网；基于每个第一情绪化文本段落在所述第一用户评论信息集中所对应的分布变量，确定所述文本描述知识关系网中与每个第一情绪化文本段落对应的局部知识关系网；基于设定关系网尺寸，对每个第一情绪化文本段落的局部知本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种AI情绪可视化识别方法，其特征在于，应用于人工智能云平台，所述方法包括：根据待进行情绪分析的所述文本大数据，确定情绪化文本段落以及所述情绪化文本段落对应的段落词向量；利用待进行情绪分析的文本大数据中的目标信息块以及段落词向量进行用户情绪分析，得到情绪分析报告。2.根据权利要求1所述的方法，其特征在于，所述根据待进行情绪分析的文本大数据，确定情绪化文本段落以及所述情绪化文本段落对应的段落词向量，包括：获取待进行情绪分析的文本大数据中第一用户评论信息集的观点评论词语；利用获取到的观点评论词语，从所述第一用户评论信息集中确定若干个第一情绪化文本段落，并挖掘每个第一情绪化文本段落的第一段落词向量。3.根据权利要求2所述的方法，其特征在于，所述利用待进行情绪分析的文本大数据中的目标信息块以及段落词向量进行用户情绪分析，得到情绪分析报告，包括：确定所述第一用户评论信息集中被标记的目标信息块，结合确定出的目标信息块，确定每个第一情绪化文本段落被标记的第一情绪分析噪声系数；获取根据确定得到的第一情绪分析噪声系数确定的各个第一情绪化文本段落之间的第一关联评分；基于获取到的第一关联评分优化各个第一段落词向量，将完成优化的第一段落词向量与第二段落词向量进行联合分析，得到所述第一用户评论信息集的情绪分析报告；其中，所述第二段落词向量为：依据各个第二关联评分对每个第二情绪化文本段落的段落词向量进行优化所确定出的自然语言挖掘向量，每个第二情绪化文本段落为：参考文本大数据中设定的第二用户评论信息集内与各第一情绪化文本段落相对应的文本段落。4.根据权利要求2所述的方法，其特征在于，所述将完成优化的第一段落词向量与第二段落词向量进行联合分析，得到所述第一用户评论信息集的情绪分析报告，包括：确定每个第一情绪化文本段落完成优化的第一段落词向量与所对应的第二段落词向量的共性指数，作为每个第一情绪化文本段落对应的共性指数；基于每个第一情绪化文本段落的第一情绪分析噪声系数，确定每个第一情绪化文本段落的第一段落词向量针对所述第一用户评论信息集的情绪描述向量的加权因子；基于确定出的加权因子，对各第一情绪化文本段落对应的共性指数进行处理，得到处理结果，作为所述第一用户评论信息集与所述第二用户评论信息集的共性指数；利用得到的共性指数，确定所述第一用户评论信息集的情绪分析报告。5.根据权利要求1所述的方法，其特征在于，所述基于每个第一情绪化文本段落的第一情绪分析噪声系数，确定每个第一情绪化文本段落的第一段落词向量针对所述第一用户评论信息集的情绪描述向量的加权因子，包括：基于每个第一情绪化文本段落的第一情绪分析噪声系数和与所对应的第二情绪化文本段落的第二情绪分析噪声系数，确定每个第一情绪化文本段落的第一段落词向量针对所述第一用户评论信息集的情绪描述向量的加权因子。6.根据权利要求3所述的方法，其特征在于，所述将完成优化的第一段落词向量与第二段落词向量进行联合分析，得到所述第一用户评论信息集的情绪分析报告，包括：根据各第一情绪化文本段落的第一情绪分析噪声系数，对各第一情绪化文本段落的第一段落词向量进行向量知识拼接，得到第一联动词向量，并根据各第二情绪化文本段落的
第二情绪分析噪声系数，对各第二情绪化文本段落的第二段落词向量进行向量知识拼接，得到第二联动词向量；确定所述第一联动词向量和所述第二联动词向量的共性指数；基于所确定的共性指数，确定所述第一用户评论信息集的情绪分析报告。7.根据权利要求3所述的方法，其特征在于，所述第一关联评分的确定方式为：确定情绪分析噪声系数no...

【专利技术属性】
技术研发人员：胡霞，吴向东，
申请(专利权)人：胡霞，
类型：发明
国别省市：