[发明专利]一种人工智能实现自然语言文本情绪识别方法与装置

权利要求书

1.一种人工智能实现自然语言文本情绪识别方法，其特征在于，包括：

获取目标文本信息，所述目标文本信息为即时通讯工具和/或网络中的文本交互信息；

确定所述目标文本信息中的情绪词和非情绪词；

根据各类别的所述情绪词和所述非情绪词的强度因数生成情绪向量，其中，对于情绪词中的每一个，若该情绪词前后预设范围内具有同类别的情绪词，则每存在一个同类别的其他情绪词，对该情绪词的强度因数乘一个增强系数，生成新强度因数，其中增强系数大于1；若该情绪词前后预设范围内具有不同类别的情绪词，则每存在一个不同类别的情绪词，对该情绪词的强度因数乘一个第一衰减系数，生成新强度因数，其中，第一衰减系数介于0到1之间；对于情绪词中的每一个，将该情绪词的新强度因数乘一个第二衰减系数作为该情绪词的前后预设范围内的非情绪词的强度因数，其中，第二衰减系数介于0到1之间，且距离该情绪词的词间距越大，所述第二衰减系数越大；

将所述情绪向量输入预先训练的情绪识别模型，输出与所述情绪向量对应的情绪识别结果，其中，建立若干所述情绪识别模型，每个所述情绪识别模型用于精确识别一类情绪，精确识别的情绪类型包括复杂的情绪类别，所述情绪识别模型由以下方法生成：

对于预设数量类别的情绪样本，由人工识别确定每类情绪样本的情绪精确分类，然后提取情绪样本的情绪向量，将情绪样本的情绪向量作为输入，将情绪精确分类的类别作为输出，对BP神经网络进行训练，直到神经网络根据输入的情绪样本的情绪向量识别出的情绪精确分类的类别与人工识别的类别吻合，完成对情绪识别模型的训练；

另外，在所述确定所述目标文本信息中的情绪词和非情绪词之后，还包括：

判断有效词集合中的情绪词的密度是否大于预设阈值，若所述有效词集合中的情绪词的密度大于预设阈值，根据各类别的所述情绪词和所述非情绪词的强度因数生成情绪向量，若所述有效词集合中的情绪词的密度大于或等于预设阈值，则不生成情绪向量。

2.根据权利要求1所述的方法，其特征在于，还包括：

对所述目标文本信息进行切词和去停用词，生成有效词集合，并将所述有效词集合中的有效词按照在所述目标文本信息中的先后顺序进行排列。

3.根据权利要求2所述的方法，其特征在于，所述确定所述目标文本信息中的情绪词和非情绪词，包括：

将所述目标文本信息中的有效词与预先建立的情绪词库中的情绪词进行比对，确定所述有效词中的情绪词，将情绪词以外的其他有效词确定为非情绪词。

4.根据权利要求3所述的方法，其特征在于，所述预先建立的情绪词库中情绪词还对应有强度因数，在确定所述有效词中的情绪词后，还包括：

确定所述所述有效词中的情绪词的强度因数。

5.根据权利要求1所述的方法，其特征在于，所述根据各类别的所述情绪词和所述非情绪词的强度因数生成情绪向量，包括：

将各类别的情绪词的新强度因数及各类别的情绪词前后预设范围内的非情绪词的强度因数的总和作为对应的维度的取值，进而将多个维度的取值整合为情绪向量。

6.根据权利要求1所述的方法，其特征在于，还包括：

对于所述目标文本信息中的表情符号，根据表情符号的类别确定表情符号的强度因数；

所述根据各类别的所述情绪词和所述非情绪词的强度因数生成情绪向量，包括：

将各类别的情绪词的新强度因数和各类别的情绪词前后预设范围内的非情绪词的强度因数，以及对应类别表情符号的强度因数的总和作为对应的维度的取值，进而将多个维度的取值整合为情绪向量。

7.一种人工智能实现自然语言文本情绪识别装置，其用于实现权利要求1-6项任一所述的方法。