[发明专利]推荐内容处理方法及装置、情感属性确定方法及装置

权利要求书

1.一种基于人工智能的推荐内容处理方法，其特征在于，所述方法包括：

获取推荐内容的多条评论信息，将所述评论信息转换为语义向量；

分别通过基于预训练模型迁移学习得到的多层目标双向长短期记忆网络和多层目标卷积神经网络，以提取所述语义向量中的时序特征和局部特征；

利用所述时序特征和所述局部特征，确定所述评论信息的情感属性；

根据所述评论信息的情感属性，确定所述推荐内容的情感属性；

根据所述推荐内容的情感属性，对所述推荐内容进行对应的处理。

2.根据权利要求1所述的方法，其特征在于，所述利用所述时序特征和所述局部特征，确定所述评论信息的情感属性，包括：

将所述时序特征和所述局部特征拼接后进行全连接及归一化运算，得到情感向量；

根据所述情感向量，确定所述评论信息的情感属性。

3.根据权利要求1所述的方法，其特征在于，所述根据所述评论信息的情感属性，确定所述推荐内容的情感属性，包括：

在预设情感属性对应的评论信息的数量满足预设条件时，确定所述推荐内容的情感属性为所述预设情感属性；

在所述预设情感属性对应的评论信息的数量不满足所述预设条件时，确定所述推荐内容的情感属性为除所述预设情感属性之外的其他情感属性。

4.根据权利要求3所述的方法，其特征在于，所述根据所述推荐内容的情感属性，对所述推荐内容进行对应的处理，包括：

在所述推荐内容的情感属性为所述预设情感属性时，删除所述推荐内容；

在所述推荐内容的情感属性为所述其他情感属性时，保留所述推荐内容。

5.根据权利要求2所述的方法，其特征在于，所述根据所述情感向量，确定所述评论信息的情感属性，包括：

将所述情感向量中最大值元素对应的情感属性，作为所述评论信息的情感属性。

6.根据权利要求1所述的方法，其特征在于，基于预训练模型迁移学习得到多层目标双向长短期记忆网络和多层目标卷积神经网络，包括：

将从所述预训练模型的多层双向长短期记忆网络中提取的网络参数值，迁移至初始情感属性确定模型的多层双向长短期记忆网络中；

将从所述预训练模型的多层卷积神经网络中提取的网络参数值，迁移至所述初始情感属性确定模型的多层卷积神经网络中；

获取符合预设分类规则的多条历史评论信息，并确定所述历史评论信息的情感属性；

根据所述多条历史评论信息及对应的情感属性，对所述初始情感属性确定模型进行训练，得到所述多层目标双向长短期记忆网络和所述多层目标卷积神经网络。

7.根据权利要求6所述的方法，其特征在于，所述根据所述多条历史评论信息及对应的情感属性，对所述初始情感属性确定模型进行训练，包括：

针对每条历史评论信息，将该历史评论信息转换为历史语义向量；

分别通过所述多层双向长短期记忆网络和所述多层卷积神经网络提取所述历史语义向量中的历史时序特征和历史局部特征；

将所述历史时序特征和所述历史局部特征拼接后进行全连接及归一化运算，得到该历史评论信息对应的预测情感向量；

根据所述预测情感向量和该历史评论信息对应的实际情感向量计算损失函数，根据所述损失函数更新所述初始情感属性确定模型，该历史评论信息对应的实际情感向量根据该历史评论信息对应的情感属性确定。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取多条样本评论信息，确定所述样本评论信息的情感值；

根据所述多条样本评论信息及对应的情感值进行神经网络训练，得到所述预训练模型。