[发明专利]文本情感分类方法、装置、计算机设备和存储介质

说明书

本发明涉及一种文本情感分类方法、装置、计算机设备和存储介质。该方法包括：通过公共词词向量集和相似词对向量集分别得到待标注文本和已标注文本对应的待标注文本向量集和已标注文本向量集，对已标注文本向量集和已标注文本向量集对应的已标注文本的情感分类标签进行训练得到分类模型，将待标注文本向量集输入分类模型进行预测以得到待标注文本向量集对应的待标注文本的情感分类标签。相比于人工标注文本情感分类标签，该方法大大节省了人力成本，并且提高了文本情感分类的效率。

技术领域

本发明涉及情感分析领域，特别是涉及一种文本情感分类方法、装置、计算机设备和存储介质。

背景技术

随着互联网的飞速发展，微博、论坛、淘宝、APP(Application，应用程序)等各种应用上产生了大量用户的评论或留言，这些评论或留言表达了用户的各种情感倾向，如正负情感、喜怒哀乐、批评和赞美等。通过分析这些评论或留言文本中的情感倾向，对文本进行情感分类标注以有效把握信息趋势，对用户、商家、乃至政府而言都是比较有价值的。

然而，目前文本的情感分类主要是靠人工标注，这样不但消耗较多人力成本，而且效率也不高。

发明内容

基于此，有必要针对目前靠人工获取文本情感分类标签既费时又费力的问题，提供一种文本情感分类方法、装置、计算机设备和存储介质。

一种文本情感分类方法，所述方法包括：

获取待标注文本、已标注文本和所述已标注文本对应的情感分类标签；

分别对所述待标注文本和所述已标注文本进行词处理得到对应的待标注文本词集和已标注文本词集，根据所述待标注文本词集和所述已标注文本词集得到公共词词集；

分别对所述待标注文本词集和所述已标注文本词集进行词映射得到对应的待标注文本词向量集和已标注文本词向量集，计算所述公共词词集对应的公共词词向量集，获取所述公共词词集对应的相似词对集，计算所述相似词对集对应的相似词对向量集；

根据所述公共词词向量集和所述相似词对向量集分别对所述待标注文本和所述已标注文本进行文本映射得到对应的待标注文本向量集和已标注文本向量集；

对所述已标注文本向量集和所述已标注文本向量集对应的已标注文本的情感分类标签进行训练得到分类模型，将所述待标注文本向量集输入所述分类模型进行预测以得到所述待标注文本向量集对应的待标注文本的情感分类标签。

在一个实施例中，所述获取待标注文本、已标注文本和所述已标注文本对应的情感分类标签的步骤，包括：从第一领域获取所述待标注文本；从第一领域或第二领域获取所述已标注文本和所述已标注文本对应的情感分类标签，所述第一领域和第二领域为不同类型的领域。

在一个实施例中，所述分别对所述待标注文本和所述已标注文本进行词处理得到对应的待标注文本词集和已标注文本词集的步骤，包括：分别对所述待标注文本和所述已标注文本进行分词和词性标注；从所分的词中剔除停止词后得到所述待标注文本词集和所述已标注文本词集。

在一个实施例中，所述根据所述待标注文本词集和所述已标注文本词集得到公共词词集的步骤，包括：统计同时属于所述待标注文本词集和所述已标注文本词集的公共词；计算所述公共词的综合词频；根据所述综合词频对所述公共词进行排序，从大到小提取预设数量的公共词组成公共词词集。

在一个实施例中，所述计算所述公共词词集对应的公共词词向量集的步骤，包括：根据所述公共词词集中的公共词分别从所述待标注文本词向量集和所述已标注文本词向量集中获取对应于该公共词的词向量；将所述待标注文本词向量集中对应于该公共词的词向量和所述已标注文本词向量集中对应于该公共词的词向量相加后取平均向量作为所述公共词词集中的所述公共词对应的词向量，所述公共词词集中全部的公共词对应的词向量组成所述公共词词向量集。