[发明专利]情感极性分析方法及相关装置

说明书

本申请公开了一种情感极性分析方法及相关装置，应用于电子设备，包括：在检测到针对目标语句段落的情感极性分析操作时，获取所述目标语句段落的多个词汇；将所述多个词汇输入第一神经网络模型，得到所述多个词汇对应的第一词向量集合，所述第一词向量集合中的每个词向量用于指示对应词汇的上下文信息；将所述第一词向量集合中的每个词向量输入第二神经网络模型，得到和所述第一词向量集合关联的输出标签；根据所述输出标签确定所述目标语句段落的情感极性。本发明实施例利于准确迅速地判断出目标语句段落所表达的情感极性。

技术领域

本申请涉及电子技术领域，尤其涉及一种情感极性分析方法及相关装置。

背景技术

情感极性分析是一种常见的自然语言处理方法的应用，特别是在以提取文本的情感内容为目标的分类方法中。通过这种方式，情感极性分析可以被视为利用一些情感得分指标来量化定性数据的方法。尽管情绪在很大程度上是主观的，但是情感量化分析已经有很多有用的实践，比如企业分析消费者对产品的反馈信息，或者检测在线评论中的差评信息。

其中，最简单的情感分析方法是利用词语的正负属性来判定。句子中的每个单词都有一个得分，乐观的单词得分为+1，悲观的单词则为-1。然后我们对句子中所有单词得分进行加总求和得到一个最终的情感总分。很明显，这种方法有许多局限之处，最重要的一点在于它忽略了上下文的信息。例如，在这个简易模型中，因为“not”的得分为-1，而“good”的得分为+1，所以词组“not good”将被归类到中性词组中。但是“not good”通常是消极的。另外一个常见的方法是将文本视为一个“词袋”。我们将每个文本看出一个1xN的向量，其中N表示文本词汇的数量。该向量中每一列都是一个单词，其对应的值为该单词出现的频数。例如，词组“bag of bag of words”可以被编码为[2,2,1]。这些数据可以被应用到机器学习分类算法中(比如罗吉斯回归或者支持向量机)，从而预测未知数据的情感状况。需要注意的是，这种有监督学习的方法要求利用已知情感状况的数据作为训练集。虽然这个方法改进了之前的模型，但是它仍然忽略了上下文的信息和数据集的规模情况。

发明内容

本申请实施例提供一种情感极性分析方法及相关装置，有利于通过对目标语句段落进行情感极性分析，从而帮助用户迅速的获取目标语句段落所表示的情感极性。

第一方面，本申请实施例提供一种情感极性分析方法，应用于电子设备，所述方法包括：

在检测到针对目标语句段落的情感极性分析操作时，获取所述目标语句段落的多个词汇；

将所述多个词汇输入第一神经网络模型，得到所述多个词汇对应的第一词向量集合，所述第一词向量集合中的每个词向量用于指示对应词汇的上下文信息；

将所述第一词向量集合中的每个词向量输入第二神经网络模型，得到和所述第一词向量集合关联的输出标签；

根据所述输出标签确定所述目标语句段落的情感极性。

第二方面，本申请实施例提供一种情感极性分析装置，应用于电子设备，所述情感极性分析装置包括检测单元、处理单元和确定单元，其中，

所述检测单元，用于在检测到针对目标语句段落的情感极性分析操作时，获取所述目标语句段落的多个词汇；

所述处理单元，用于将所述多个词汇输入第一神经网络模型，得到所述多个词汇对应的第一词向量集合，所述第一词向量集合中的每个词向量用于指示对应词汇的上下文信息；

所述处理单元，还用于将所述第一词向量集合中的每个词向量输入第二神经网络模型，得到和所述第一词向量集合关联的输出标签；

所述确定单元，用于根据所述输出标签确定所述目标语句段落的情感极性。