[发明专利]一种信息处理方法及装置

权利要求书

1.一种信息处理方法，其特征在于，包括下列步骤：

将产品的在线评论数据按照一预设标准进行初步筛选；

将筛选后保留的所述在线评论数据以符号为节点进行子句拆分，建立子句集；

从所述子句集中随机抽取一预设数量的子句建立训练样本集，并对所述训练样本集中的子句的情感倾向进行标注，根据所述训练样本集的标注对所述子句集的所有子句进行标注；

删除所述子句集中所述标注为第一值的子句，并将所述子句集中的剩余子句按照一预设模式组合，得到推荐理由；其中，

从所述子句集中随机抽取一预设数量的子句建立训练样本集，并对所述训练样本集中的子句的情感倾向进行标注的步骤包括：

分别从所述子句集中随机抽取一预设数量的子句建立测试样本集和训练样本集；

通过所述测试样本集判断所述训练样本集情感倾向标注的准确程度，若使用错误率小于预设阈值，则根据所述训练样本集的当前标注结果对所述子句集的所有子句进行标注；所述使用错误率是由所述测试样本集两次标注的结果得到的第二次标注的错误率，且所述第二次标注是根据所述训练样本集的第一次标注的结果对所述测试样本集中的子句进行的标注。

2.根据权利要求1所述的信息处理方法，其特征在于，通过所述测试样本集判断所述训练样本集情感倾向标注的准确程度，若使用错误率小于预设阈值，则根据所述训练样本集的当前标注结果对所述子句集的所有子句进行标注的步骤具体为：

获取所述测试样本集和所述训练样本集中子句的第一次标注的结果，根据所述训练样本集的第一次标注的结果对所述测试样本集中的子句进行第二次标注；

比较所述测试样本集两次标注的结果，获取所述测试样本集第二次标注的错误率，若错误率小于预设阈值，则根据所述训练样本集的当前标注结果对所述子句集的所有子句进行标注；若错误率大于预设阈值，对所述训练样本集进行校正，直至错误率小于预设阈值。

3.根据权利要求2所述的信息处理方法，其特征在于，获取所述测试样本集和所述训练样本集中子句的第一次标注的结果，根据所述训练样本集的第一次标注的结果对所述测试样本集中的子句进行第二次标注的步骤包括：

获取所述测试样本集和所述训练样本集中子句的第一次标注的结果后，将所述训练样本集中的子句按照其标注分为情感倾向不同的集合；

逐一选择所述测试样本集中的子句，通过下列公式获取当前选中子句相对所述训练样本集中情感倾向不同的集合中的概率P(T)：

P(T)＝P(w₁w₂w₃…w_n)＝P(w₁)P(w₂|w₁)P(w₃|w₁w₂)…P(w_n|w₁w₂…w_n-1)≈P(w₁)P(w₂|w₁)P(w₃|w₁w₂)…P(w_n|w_n-3w_n-2w_n-1)；

P(w_n|w₁w₂...w_n-1)＝C(w₁w₂…w_n)/C(w₁w₂...w_n-1)；

其中，T表示测试样本集中的子句，w_n表示在T表示的子句中的第n个词语，按照最大似然法计算，C(w_n-i-1w_n-i…)表示该序列词语在所述训练样本集中情感倾向不同的集合中出现的次数；

比较当前选择的子句相对所述训练样本集中情感倾向不同的集合中的各个概率，标注当前子句的情感倾向与获得最大概率的集合的情感倾向相同。