一种评论处理方法技术

本申请公开了一种评论处理方法

【技术实现步骤摘要】
一种评论处理方法、装置、设备及介质


[0001]本申请涉及人工智能
，尤其涉及一种评论处理方法
、
装置
、
设备及介质
。

技术介绍

[0002]随着银行业线上平台的不断发展，越来越多的用户倾向于发表评论的形式来表达他们针对各种产品的体验和观点
。
对于这些评论内容，充分的分析有助于银行工作人员了解用户的需求，为用户提供更好的服务
。
[0003]相关技术中，大多采用人工梳理的方式对评论文本进行分析，以得知用户的使用体验，但是这种方式较为耗时耗力，且容易掺杂主观因素，导致分析效果不佳
。

技术实现思路

[0004]本申请实施例提供了一种评论处理方法
、
装置
、
设备及介质，以方便
、
准确地对用户的评论文本进行分析，无需人工操作，从而可以提高分析效果
。
[0005]第一方面，本申请实施例提供了一种评论处理方法，包括：
[0006]对待处理评论文本进行分析，得到所述待处理评论文本的语法成分信息；
[0007]基于预先训练的语法成分分类模型对所述语法成分信息进行分析，得到所述待处理评论文本携带的主题信息和用户态度信息；所述语法成分分类模型预先依据语法成分样本信息，以及所述语法成分样本信息对应的主题标注和用户态度标注训练得到；所述主题信息用于指示所述待处理评论文本所针对的产品，所述用户态度信息用于指示发出所述待处理评论文本的用户对所述产品的态度；
[0008]输出所述主题信息和所述用户态度信息
。
[0009]可选地，所述对待处理的评论内容进行分析，得到所述待处理评论文本的语法成分信息，包括：
[0010]基于语法成分的类别对所述待处理评论文本进行分词，得到所述语法成分信息；所述语法成分的类别包括主语
、
谓语
、
宾语
、
形容词
、
量词和场景词中的至少一种；所述场景词用于表示所述待处理评论文本关联的应用场景
。
[0011]可选地，所述语法成分分类模型通过如下步骤训练：
[0012]获取所述语法成分分类模型的样本数据；所述样本数据包括历史评论文本对应的语法成分样本信息，以及所述语法成分样本信息对应的主题标注和用户态度标注；
[0013]以所述样本数据训练初始分类模型，训练结束得到所述语法成分分类模型
。
[0014]可选地，所述样本数据被划分为训练集
、
测试集和验证集；所述以所述样本数据训练初始分类模型，训练结束得到所述语法成分分类模型，包括：
[0015]以所述训练集训练所述初始分类模型，得到第一分类模型；
[0016]以所述验证集对所述第一分类模型进行验证，得到模型验证结果；
[0017]基于所述模型验证结果调整所述第一分类模型，并基于所述训练集继续训练调整后的第一分类模型，得到第二分类模型；
[0018]当以所述测试集对所述第二分类模型进行测试得到的结果表示所述第二分类模型收敛时停止训练，得到所述语法成分分类模型
。
[0019]可选地，所述获取所述语法成分分类模型的样本数据，包括：
[0020]对所述历史评论文本样本进行分析，得到所述历史评论文本样本的语法成分样本信息；
[0021]以所述历史评论文本样本中属于同一语句的语法成分样本信息构建语法成分集合，并对所述语法成分集合中的语法成分样本信息进行标注，得到所述主题标注和所述用户态度标注；
[0022]以所述语法成分样本信息
、
所述主题标注和所述用户态度标注作为所述样本数据
。
[0023]可选地，其特征在于，所述待处理评论文本的数量为多个；所述输出所述主题信息和所述用户态度信息，包括：
[0024]对于一个待处理评论文本，基于所述待处理评论文本携带的用户态度信息，将所述待处理评论文本存入对应的评论文本集合；所述评论文本集合包括用于表示用户态度信息为积极态度的集合
、
用于表示用户态度信息为消极态度的集合和用于表示用户态度信息为中立态度的集合；
[0025]对多个所述待处理评论文本所在的评论文本集合进行统计分析，得到统计分析结果；所述统计分析结果包括多个所述待处理评论文本各自携带的主题信息和用户态度信息；
[0026]以预设展示形式输出统计分析结果
。
[0027]可选地，其特征在于，所述方法还包括：
[0028]将所述待处理评论文本和所述语法成分信息保存于词库；所述词库基于区块链技术构建
。
[0029]第二方面，本申请实施例提供了一种评论处理装置，包括：
[0030]第一分析模块，用于对待处理评论文本进行分析，得到所述待处理评论文本的语法成分信息；
[0031]第二分析模块，用于基于预先训练的语法成分分类模型对所述语法成分信息进行分析，得到所述待处理评论文本携带的主题信息和用户态度信息；所述语法成分分类模型预先依据语法成分样本信息，以及所述语法成分样本信息对应的主题标注和用户态度标注训练得到；所述主题信息用于指示所述待处理评论文本所针对的产品，所述用户态度信息用于指示发出所述待处理评论文本的用户对所述产品的态度；
[0032]输出模块，用于输出所述主题信息和所述用户态度信息
。
[0033]第三方面，本申请实施例提供了一种电子设备，所述设备包括：处理器
、
存储器
、
系统总线；
[0034]所述处理器以及所述存储器通过所述系统总线相连；
[0035]所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述评论处理方法的任一实现方式
。
[0036]第四方面，本申请实施例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中存储有指令，当所述指令在电子设备上运行时，使得所述电子设备执行上述评论处
理方法的任一实现方式
。
[0037]从以上技术方案可以看出，本申请实施例具有以下优点：
[0038]在本申请实施例中，对待处理评论文本进行分析，得到待处理评论文本的语法成分信息之后，可以基于预先训练的语法成分分类模型对语法成分信息进行分析，得到待处理评论文本携带的主题信息和用户态度信息
。
由于语法成分分类模型是预先依据语法成分样本信息，以及语法成分样本信息对应的主题标注和用户态度标注训练得到的，因此，基于该语法成分分析模型可以方便
、
准确
、
有效地分析出待评论文本对应的主题信息和用户态度信息
。
而上述主题信息可以指示待处理评论文本所针对的产品，用户态度信息可以指示发出待处理评论文本的用户对产品的态度，因此，后续本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种评论处理方法，其特征在于，包括：对待处理评论文本进行分析，得到所述待处理评论文本的语法成分信息；基于预先训练的语法成分分类模型对所述语法成分信息进行分析，得到所述待处理评论文本携带的主题信息和用户态度信息；所述语法成分分类模型预先依据语法成分样本信息，以及所述语法成分样本信息对应的主题标注和用户态度标注训练得到；所述主题信息用于指示所述待处理评论文本所针对的产品，所述用户态度信息用于指示发出所述待处理评论文本的用户对所述产品的态度；输出所述主题信息和所述用户态度信息
。2.
根据权利要求1所述的处理方法，其特征在于，所述对待处理的评论内容进行分析，得到所述待处理评论文本的语法成分信息，包括：基于语法成分的类别对所述待处理评论文本进行分词，得到所述语法成分信息；所述语法成分的类别包括主语
、
谓语
、
宾语
、
形容词
、
量词和场景词中的至少一种；所述场景词用于表示所述待处理评论文本关联的应用场景
。3.
根据权利要求1所述的处理方法，其特征在于，所述语法成分分类模型通过如下步骤训练：获取所述语法成分分类模型的样本数据；所述样本数据包括历史评论文本对应的语法成分样本信息，以及所述语法成分样本信息对应的主题标注和用户态度标注；以所述样本数据训练初始分类模型，训练结束得到所述语法成分分类模型
。4.
根据权利要求3所述的处理方法，其特征在于，所述样本数据被划分为训练集
、
测试集和验证集；所述以所述样本数据训练初始分类模型，训练结束得到所述语法成分分类模型，包括：以所述训练集训练所述初始分类模型，得到第一分类模型；以所述验证集对所述第一分类模型进行验证，得到模型验证结果；基于所述模型验证结果调整所述第一分类模型，并基于所述训练集继续训练调整后的第一分类模型，得到第二分类模型；当以所述测试集对所述第二分类模型进行测试得到的结果表示所述第二分类模型收敛时停止训练，得到所述语法成分分类模型
。5.
根据权利要求3所述的处理方法，其特征在于，所述获取所述语法成分分类模型的样本数据，包括：对所述历史评论文本样本进行分析，得到所述历史评论文本样本的语法成分样本信息；以所述历史评论文本样本中属于同一语句的语法成分样本信息构建语法成分集合，并对所述语法成分...

【专利技术属性】
技术研发人员：邓旭晖，王忍，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：