[发明专利]一种电商评论情感分析降噪的方法和装置

权利要求书

1.一种电商评论情感分析降噪方法，其特征在于，所述方法电商评论情感分析降噪方法包括以下步骤：

步骤S1、预打标模块的构建；其中，步骤S1包括以下步骤S11：

步骤S11、建立情感词库标签，将情感词匹配到情感标签，增加“无效标签”对应词汇，将标签导出到文本；

步骤S2、人工标注模块的构建；

步骤S3、深度神经网络模型训练模块的构建；

步骤S4、深度神经网络模型标注模块的构建；其中，步骤S4包括以下步骤S41-S43：

S41、将评论数据分句，每个子句做为输入文本；

S42、读取训练模型，将子句文本转化为标签分类概率，取大于0.5概率的标签；

S43、将子句组合成原句，并保存子句标签；

步骤S5、降噪模块的构建；其中，步骤S5包括以下步骤S51-S56：

步骤S51、将同一句子中多个重复标签去重，具体方法为，同一评论由多个子句组成，标签为每个子句的标签汇总，当含有多个同样的标签时，只取一个；

步骤S52、去掉包含“无效标签”的句子的所有标签，具体方法为，同一评论由多个子句组成，标签为每个子句的标签汇总，当这些标签中含有“无效标签”时，删除该评论所有标签；

步骤S53、一条评论含有一个或多个标签，按照标签累计值计算情感值之和，根据情感值计算好中差评，大于0为好评，等于0为中评，小于0为差评；

步骤S54、统计所有用户评论数大于1的评论，计算用户的差评率，做聚类分析，去除差评率高于阈值的用户数据；

步骤S55、按同品牌，用户差评数统计，循环判断差评数用户占比，当某品牌差评数大于4的用户占比低于阈值百分之一时，则去掉该差评数的用户的评论数据，结束循环；

S56、按每条评论的情感值的绝对值进行均值统计，当均值大于3的用户占比小于阈值百分之一时，将高于该均值的用户均值设定为3，结束循环；

步骤S6、情感分析模块的构建。

2.根据权利要求1所述电商评论情感分析降噪方法，其特征在于，步骤S1具体还包括以下步骤：

步骤S12、批量读取评论数据，逐句将评论数据分词，根据情感词库关键字匹配分词结果，匹配到的结果按标签进行机器标注，一句评论可有多个标签，按行生成文本；

步骤S2具体包括以下步骤：

S21、将步骤S11和步骤S12的文本导入到人工标注平台；

S22、标注平台可展现当前文本打标结果，人工进行校验，如标签没问题，点击保存通过，标签错误可删除，缺少标签可添加，保存；

S23、将标注完的结果导出文本，结果类似S12，是人工校验后的结果；

步骤S3具体包括以下步骤：

S31、将S23的数据使用卷积神经网络进行训练，使用训练好的词向量，将分词结果转换为词向量；

S32、将转换后的词向量，使用2或3或4或5四种过滤器，分别做卷积与最大池化；

S33、定义损失函数，做全连接层进行softmax回归输出多分类概率；

S34、使用Adam优化算法训练，保存模型；

步骤S6具体包括以下步骤：

S61、按商品做情感统计；

S62、按品牌做情感统计。

3.根据权利要求1所述电商评论情感分析降噪方法，其特征在于，所述步骤S11中，将情感词匹配成情感标签，情感词与情感标签的关系为多对一，增加“无效标签”对应灌水评论。

4.根据权利要求1所述电商评论情感分析降噪方法，其特征在于，所述步骤S51中，通过标签去重，设计了一个方法，将同一评论分成子句打标签，再将每个子句的标签汇总，当含有多个同样的标签时，只取一个。

5.根据权利要求1所述电商评论情感分析降噪方法，其特征在于，所述步骤S52中，去掉包含“无效标签”的句子的标签，设计了鉴别灌水的方法，无论评论中包含了多少个正常的情感，一旦评论中包含有“无效标签”，其他的情感标签都无效，去掉所有标签。

6.根据权利要求1所述电商评论情感分析降噪方法，其特征在于，所述步骤S53中，设计了统计情感指数的两个方式，标签累计值为该评论的情感值，并按正中负定义好评中评差评。