[发明专利]文章的意见单元识别方法及其相关装置与计算机程序产品在审

专利信息
申请号: 201410185087.4 申请日: 2014-05-04
公开(公告)号: CN105095177A 公开(公告)日: 2015-11-25
发明(设计)人: 萧瑞祥;曹金丰;姜青山;陈柏翰 申请(专利权)人: 萧瑞祥;曹金丰;姜青山;陈柏翰
主分类号: G06F17/27 分类号: G06F17/27
代理公司: 北京金信立方知识产权代理有限公司 11225 代理人: 黄威;邓玉婷
地址: 中国台湾台北市士林区圣山*** 国省代码: 中国台湾;71
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 文章 意见 单元 识别 方法 及其 相关 装置 计算机 程序 产品
【权利要求书】:

1.一种文章的意见单元识别方法,适用于一电子装置,包括以下步骤:

取得一文章语句;

依据字词的词性特性取得该文章语句中的至少一评价对象及至少一意见词,并将该评价对象及该意见词组合成一意见单元;

将该文章语句转换为一句法树,并依据该句法树取得相应意见单元的句法路径;

依据该文章语句的语句结构及该句法路径产生多个特征的特征值;

将所述特征值输入一意见单元识别模型,从而得到相应意见单元的一识别结果,其中该识别结果表示该意见单元是否为一正确组合。

2.如权利要求1所述的文章的意见单元识别方法,其中该文章语句中词性为名词的字被识别为该评价对象,且词性为不及物动词的字被识别为该意见词。

3.如权利要求1所述的文章的意见单元识别方法,其中所述特征包括该文章语句的长度、该评价对象与该意见词在该文章语句中的距离、该文章语句中该评价对象之前一个词的词性、该文章语句中该评价对象之后一个词的词性、该句法路径中该意见词位于该评价对象之前或之后、该句法路径中子节点指向父节点的方向数目、该句法路径中父节点指向子节点的方向数目、或该句法路径中所有节点的数目。

4.如权利要求1所述的文章的意见单元识别方法,其中该意见单元识别模型依据多个训练语句产生,其中各所述训练语句被剖析以取得该训练语句中的至少一评价对象及至少一意见词,并将该评价对象及该意见词组合成一意见单元,将该训练语句转换为一句法树,并依据该句法树取得相应意见单元的句法路径,依据该训练语句的语句结构及该句法路径产生所述特征的特征值,接收相应意见单元的该识别结果,且将相应训练语句的所述特征值及该识别结果输入一类神经网络,以训练该类神经网络从而产生该意见单元识别模型。

5.如权利要求4所述的文章的意见单元识别方法,其中该识别结果表示该意见单元为一正确组合、或表示该意见单元为一错误组合。

6.一种文章的意见单元识别装置,至少包括:

一储存单元,包括一文章语句、与一意见单元识别模型;以及

一处理单元,用以依据字词的词性特性取得该文章语句中的至少一评价对象及至少一意见词,并将该评价对象及该意见词组合成一意见单元,将该文章语句转换为一句法树,并依据该句法树取得相应意见单元的句法路径,依据该文章语句的语句结构及该句法路径产生多个特征的特征值,将所述特征值输入一意见单元识别模型,从而得到相应意见单元的一识别结果,其中该识别结果表示该意见单元是否为一正确组合。

7.如权利要求6所述的文章的意见单元识别装置,其中该意见单元识别模型依据多个训练语句产生,其中各该等所述训练语句被剖析以取得该训练语句中的至少一评价对象及至少一意见词,并将该评价对象及该意见词组合成一意见单元,将该训练语句转换为一句法树,并依据该句法树取得相应意见单元的句法路径,依据该训练语句的语句结构及该句法路径产生所述特征的特征值,接收相应意见单元的该识别结果,且将相应训练语句的所述特征值及该识别结果输入一类神经网络,以训练该类神经网络从而产生该意见单元识别模型。

8.一种文章的意见单元识别方法,适用于一电子装置,用以产生一意见单元识别模型,其中该方法包括下列步骤:

取得多个文章语句;

依据字词的词性特性取得各所述文章语句中的至少一评价对象及至少一意见词,并将该评价对象及该意见词组合成一意见单元;

将各所述文章语句转换为一句法树,并依据该句法树取得相应意见单元的句法路径;

依据各所述文章语句的语句结构及该句法路径产生多个特征的特征值;

接收相应各该意见单元的识别结果,其中该识别结果表示该意见单元是一正确组合或一错误组合;

将所述特征值及该识别结果输入一类神经网络,从而进行相应意见单元识别模型的训练作业。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于萧瑞祥;曹金丰;姜青山;陈柏翰,未经萧瑞祥;曹金丰;姜青山;陈柏翰许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201410185087.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top