[发明专利]用于生成信息的方法和装置

权利要求书

1.一种用于生成信息的方法，包括：

根据目标关键词获取待分析信息；

将所述待分析信息输入预先建立的情感分析模型，生成所述待分析信息的情感倾向信息，所述情感分析模型是通过以下训练步骤得到的：

获取无标签样本数据和有标签样本数据；

使用预先建立的标签生成模型生成所述无标签样本数据对应的标签信息，将所述无标签样本数据和生成的标签信息作为扩展样本数据，其中，所述标签信息包括第一标签、第二标签和第三标签，其中，所述标签生成模型用于表征无标签样本数据与标签信息之间的对应关系；

使用所述有标签样本数据和所述扩展样本数据训练得到所述情感分析模型。

2.根据权利要求1所述的方法，其中，所述标签生成模型包括第一标签生成模型、第二标签生成模型和第三标签生成模型；以及

所述使用预先建立的标签生成模型生成所述无标签样本数据对应的标签信息，包括：

响应于确定所述第一标签生成模型、所述第二标签生成模型和所述第三标签生成模型中的至少两个标签生成模型针对所述无标签样本数据生成的标签信息相同，将所述至少两个标签生成模型针对所述无标签样本数据生成的标签信息作为所述无标签数据的标签信息。

3.根据权利要求2所述的方法，其中，所述方法还包括训练所述第一标签生成模型、所述第二标签生成模型和所述第三标签生成模型的步骤，包括：

对所述有标签样本数据中的文本信息进行分词处理，得到至少一个分词，其中，所述有标签样本数据包括文本信息和与所述文本信息对应的标签信息；

根据所述至少一个分词得到第一词语集合，将所述第一词语集合对应的特征向量作为输入，将与所述文本信息对应的标签信息作为输出，训练初始文本分类器，得到所述第一标签生成模型；

从所述至少一个分词中提取情感词组成第二词语集合，将所述第二词语集合对应的特征向量作为输入，将与所述文本信息对应的标签信息作为输出，训练初始文本分类器，得到所述第二标签生成模型；

从所述至少一个分词中提取非情感词组成第三词语集合，将所述第三词语集合对应的特征向量作为输入，将与所述文本信息对应的标签信息作为输出，训练初始文本分类器，得到所述第三标签生成模型。

4.根据权利要求3所述的方法，其中，所述方法还包括：

使用所述扩展样本数据更新所述第一标签生成模型、所述第二标签生成模型和所述第三标签生成模型。

5.根据权利要求1所述的方法，其中，所述情感分析模型为深度神经网络；以及

使用所述有标签样本数据和所述扩展样本数据训练得到所述情感分析模型，包括：

将所述有标签样本数据中的文本信息作为输入样本，将与所述文本信息对应的标签信息作为输出样本，其中，所述有标签样本数据包括文本信息和与所述文本信息对应的标签信息；

将所述扩展样本数据中的无标签样本数据作为输入样本，将生成的、与所述无标签样本数据对应的标签信息作为输出样本；

使用输入样本和输出样本训练初始深度神经网络，得情感分析模型。

6.根据权利要求5所述的方法，其中，所述使用输入样本和输出样本训练初始深度神经网络，得到所述情感分析模型，包括：

使用预先设定的测试数据集合中的测试数据对得到的情感分析模型进行性能评估；

根据性能评估结果确定得到的情感分析模型是否为最终情感分析模型。

7.一种用于生成信息的装置，包括：

获取单元，用于根据目标关键词获取待分析信息；

生成单元，用于将所述待分析信息输入预先建立的情感分析模型，生成所述待分析信息的情感倾向信息，其中，所述生成单元包括：

数据获取单元，用于获取无标签样本数据和有标签样本数据；

标签信息生成单元，用于使用预先建立的标签生成模型生成所述无标签样本数据对应的标签信息，将所述无标签样本数据和生成的标签信息作为扩展样本数据，其中，所述标签信息包括第一标签、第二标签和第三标签，其中，所述标签生成模型用于表征无标签样本数据与标签信息之间的对应关系；

训练单元，用于使用所述有标签样本数据和所述扩展样本数据训练得到所述情感分析模型。