[发明专利]一种电商评论情感分析降噪的方法和装置

说明书

本发明涉及一种电商评论情感分析降噪方法和装置，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：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：步骤S5、降噪模块的构建：步骤S6、情感分析模块的构建。其优点表现在：能够帮助商家发现并修正恶意评论，灌水，反复强调，夸大问题的评论，消除或者降低这些噪声带来的影响，让情感分析结果更准确。

技术领域

本发明涉及自然语言处理技术领域，具体地说，是一种电商评论情感分析降噪的方法和装置。

背景技术

情感分析是通过文本所表达的含义和情感信息将文本分为褒扬或贬义的两种或多种类型。目的是为了找出说话者在某些话题上或者针对某个文本两极的观点的态度，这个态度表达了说话者的情感状态。在电商领域，用户购买商品后的评论直接表达了对商品的情感态度，对于帮助商家改善产品，提高用户满意度等有极大帮助。

目前已有很多对于情感分析的解决方案，主要通过情感词，否定词和程度副词，领域词典来构建模型，并通过词性，语法成分分词后生成特征向量，通过模型训练得到情感倾向。该方案遇到的问题是一旦用户恶意评论，灌水，反复强调，夸大问题等情况会放大结果或得到错误的结果，准确率不能保证，不能帮助商家有效鉴别，关注了不必要的问题，最后可能得到错误的决策方向。

中国专利文献CN201310036034.1，申请日20130412，专利名称为：针对产品评论信息的细粒度情感分析系统及方法，公开了针对产品评论信息的细粒度情感分析系统及方法，该系统包括：用户接口，产品评论信息训练样本数据库，情感词典等相关词典加载模块，文本预处理模块，特征抽取模块，特征抽取模块，情感分析模型训练模块，情感倾向性判断模块，反馈模块。

上述专利文献的针对产品评论信息的细粒度情感分析系统及方法，用户可以通过该系统存储和管理各种已标注的产品评论信息训练样本，并对之进行分句、分词、词性标注和句法分析等处理。用户还可以添加自定义情感词典对处理好的本文信息进行特征抽取和向量化，训练情感分析模型，利用情感分析模型对向量化的文本信息进行情感倾向性判断。系统将情感分析结果反馈给用户，支持用户对分析结果进行修正和保存。但是，关于一种帮助商家发现并修正恶意评论，灌水，反复强调，夸大问题的评论，消除或者降低这些噪声带来的影响，让情感分析结果更准确的技术方案则未进行相应的公开。

综上所述，需要一种帮助商家发现并修正恶意评论，灌水，反复强调，夸大问题的评论，消除或者降低这些噪声带来的影响，让情感分析结果更准确的电商评论情感分析降噪的方法和装置。而关于这种商评论情感分析降噪的方法和装置目前还未见报道。

发明内容

本发明的目的是针对现有技术中的不足，提供一种帮助商家发现并修正恶意评论，灌水，反复强调，夸大问题的评论，消除或者降低这些噪声带来的影响，让情感分析结果更准确的电商评论情感分析降噪的方法。

本发明的再一目的是：提供一种电商评论情感分析降噪装置。

为实现上述目的，本发明采取的技术方案是：

一种电商评论情感分析降噪方法，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：

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：

步骤S5、降噪模块的构建：

步骤S6、情感分析模块的构建。

作为一种优选的技术方案，步骤S1具体包括以下步骤：