[发明专利]一种确定用户评论情感倾向的方法及装置

说明书

本发明实施例公开了一种确定用户评论情感倾向的方法及装置，包括：获取待评估评论，确定其涉及的各主题和分别对应各主题的概率；针对涉及的每一主题，确定该主题的主题权重和情感分布；根据涉及的各个主题的主题权重、情感分布和分别对应各主题的概率，确定该评论的情感倾向。可见，由于可根据该主题包含的词语可确定出评论涉及到的各个主题的主题权重，因此，在衡量每个主题表达评论的能力时可充分考虑到该主题包含的词语的上下文的语义相关性，进而结合每个主题的情感分布和该评论分别对应各主题的概率，可有效提高情感倾向判断的准确性。

技术领域

本发明涉及互联网及计算机技术领域，尤其涉及一种确定用户评论情感倾向的方法及装置。

背景技术

目前随着互联网金融以及金融科技的快速发展，各大金融机构的产品营销活动推广力度逐年加大，但是如何评估营销活动对产品推广的效果，目前尚没有形成一个有效的分析与评估方法；另一方面，随着互联网技术和社交网络的发展，人们花费在社交网络上的时间越来越多，遇事也更倾向于在社交网络上抒发情感，因此，基于人们在微博、金融论坛、应用商店等社交网络上的用户评论数据，进行情感分析，成为洞悉金融产品营销活动的有效途径。

现有技术中的情感分析方法主要分为两大类，基于规则的方法和基于机器学习的方法。基于规则的方法主要是设计规则提取情感词和极性判定，然后对所有的情感词进行简单情感极性统计求得文本的整体情感极性。另外，通过计算词语的语义倾向，综合考虑极性元素分布、密度和语义强度进行情感词的扩展，进一步修正文本的整体情感极性。可见，基于规则的方法进行情感分析时，无论是对句子还是篇章进行分析，都强烈依赖于情感词典，不能有效的利用文本潜在的上下文语义信息，但用户评论的情感大多是依赖上下文的，尤其是上下文语义相关性，这使得情感倾向的评估效果较差。

基于机器学习的方法主要是使用情感词、词语共现对、句法模板、主题相关特征等作为分类特征，使用基于机器学习的分类方法进行情感/倾向性分析。一般过程是首先通过对训练文档进行手工标注，生产训练模型，然后进行测试文档的预测。该方法主要应用于句子级别的情感分析。可见，基于机器学习的方法大多只进行端到端的学习，只考虑到词级别的潜在特征，而一个主观性文本中，不仅存在着词语表面特征，同时还会涉及到语义等潜在的特征关系。而且，这种方法对样本数据的要求比较高，需要大量的用户标注数据，容易产生样本数据不平衡导致评估效果比较差的现象。

综上所述，目前亟需要一种确定用户评论情感倾向的方法，用以解决现有技术中仅根据文本中词语的情感或潜在特征进行评估，依赖大量人工标签数据，容易因样本数据不平衡而导致情感倾向的评估效果较差的问题。

发明内容

本发明提供一种确定用户评论情感倾向的方法及装置，用以解决现有技术中仅根据文本中词语的情感或潜在特征进行评估，依赖大量人工标签数据，容易因样本数据不平衡而导致情感倾向的评估效果较差的问题。

本发明实施例提供的一种确定用户评论情感倾向的方法，包括：

获取待评估评论，并确定所述待评估评论涉及的各主题，以及所述待评估评论分别对应各主题的概率；

针对所述待评估评论涉及的每一主题，根据所述主题包含的词语，确定所述主题的主题权重和情感分布；其中，所述主题权重用于衡量所述主题表达评论的能力；

根据所述待评估评论涉及的各个主题的主题权重、情感分布以及所述待评估评论分别对应各主题的概率，确定所述待评估评论的情感倾向。

可选地，针对所述待评估评论涉及的每一主题，确定所述主题的主题权重，包括：

确定所述主题包含的各个词语，根据所述各个词语之间的相似度，确定所述主题的内部相关度；

根据所述主题的内部相关度，以及评论数据语料库中所有主题的内部相关度均值，确定所述主题的主题权重；其中，所述主题的主题权重与所述内部相关度正相关。