[发明专利]一种自然语言处理方法和装置

说明书

本申请提供了一种自然语言处理方法，能够准确地判别词的情感极性。该方法包括：获取待处理词，该待处理词由M个字组成；确定该M个字中m个待处理字的极性特征信息，该m个待处理字中的第i个字的极性特征信息包括n个极性特征值，每个极性特征值对应一个情感极性；根据该m个待处理字的极性特征信息，确定该待处理词的极性特征向量，该极性特征向量包括与n个情感极性一一对应的n组分量；根据该待处理词的极性特征向量，通过预设的分类器，确定并输出该待处理词的情感极性；其中，M、m、n、i、j均为正整数，M≥m，i为[1，m]中的任意值，j为[1，n]中的任意值。

技术领域

本申请涉及信息处理领域，并且更具体地，涉及一种自然语言处理方法和装置。

背景技术

自然语言处理(natural language processing，NLP)是一门让计算机理解并处理人类自然语言的技术，也是实现人工智能的重要技术手段。其中，情感分析(sentimentanalysis，SA)是自然语言处理的一个分支，通过对文本所持有的主观情感进行分析，做出情感极性的判别，例如，做出正面、负面的判断，或者，识别出文本表达的喜怒哀乐等情绪。

在文本的情感分析过程中，往往需要识别句子中有情感倾向的词(或者称，具有情感极性的词，以下，简称情感词)，进而通过语法规则分析短语或句子的情感状态。因此，对于情感词的情感倾向的判断是否准确影响着对短语、句子的情感状态判断的准确性。虽然，当前技术中已经针对情感词构建了情感词典，来帮助情感词的情感倾向的判断，但是随着社交领域网络的飞速发展，越来越多的新的情感词被创造出来。尤其是中文、日文等有着基本汉字的语言，其词汇可以由任意的两个或多个字组合生成。因此，急需提供一种方法，能够准确地对新生的情感词的情感极性做出判断。

发明内容

本申请提供一种自然语言处理方法和装置，能够准确地对新生的情感词的情感极性做出判断。

第一方面，提供了一种自然语言处理方法，包括：

获取待处理词，所述待处理词由M个字组成；

确定所述M个字中m个待处理字的极性特征信息，所述m个待处理字中的第i个字的极性特征信息包括n个极性特征值，每个极性特征值对应一个情感极性，其中，所述第i个字的第j个极性特征值由预存的词典中的目标词的数量与包括所述第i个字的全部词的数量的比值确定，所述目标词为包含所述第i个字的全部词中具有第j个极性特征值对应的情感极性的词；

根据所述m个待处理字的极性特征信息，确定所述待处理词的极性特征向量，所述极性特征向量包括与n个情感极性一一对应的n组分量，所述n组分量中的第j组分量由所述m个待处理字中每个字的第j个极性特征值确定；

根据所述待处理词的极性特征向量，通过预设的分类器，确定并输出所述待处理词的情感极性；

其中，M、n、m、i、j均为正整数，M≥m，i为[1，m]中的任意值，j为[1，n]中的任意值。

因此，本申请实施例通过根据待处理词中至少部分字的极性特征信息确定待处理词的极性特征向量，并基于极性特征向量进行情感极性判别，充分利用了字与词之间的联系，有利于提高待处理词的情感极性判别的准确性。

并且，本申请实施例提供的自然语言处理方法对于情感极性的维度没有限制，用于可以根据自身需求，使用相应的分类器来进行情感极性判别，因此有利于提高用户体验。

结合第一方面，在第一方面的某些实现方式中，在m＞1的情况下，所述根据所述m个待处理字的极性特征信息，确定所述待处理词的极性特征向量，包括：

将所述m个待处理字的极性特征信息中的极性特征值组合成所述待处理词的极性特征向量，所述第j组分量包括m个极性特征值，所述m个极性特征值由所述m个待处理字中每个字的第j个极性特征值组合得到。