[发明专利]文本分析方法、推荐方法、装置、电子设备及存储介质

说明书

本发明实施例提供了一种文本分析方法、推荐方法、装置、电子设备及存储介质。其中，所述文本分析方法包括：将待分析文本输入文本分析模型中，并通过所述文本分析模型对所述待分析文本进行情感分析处理；获取所述文本分析模型输出的情感分析结果，其中，所述情感分析结果包括至少一个三元组合，所述三元组合包括所述待分析文本中的主体词、与所述主体词对应的情感极性、以及情感词。通过本发明实施例，情感分析更加全面清晰。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种文本分析方法、推荐方法、装置、电子设备及存储介质。

背景技术

现有技术中，情感分析是对带有情感色彩的主观性文本进行分析、处理、归纳和推理，比如判断情感极性。属性级(细粒度)情感分析是指aspect-level的情感分析，又称细粒度的情感分析，是指抽取句子中主体对象的属性，并对其进行情感，类别，原因等的分析。

现有技术中的电商网站上累计了大量带有情感倾向的评论信息。这些信息往往反映消费者对于产品或服务的总体或者某些方面的喜好，通过属性级情感分析的方法能从这些海量非结构化数据中挖掘提炼出核心主体和具体受欢迎与否及程度。

现有的属性级情感分析方法局限于至多两方面内容的抽取，既抽取主体和情感分类，或者抽取主体和情感词，导致现有的分析方法分析效率和准确性均不足。

发明内容

有鉴于此，本发明实施例提供一种文本分析方案，以解决上述部分或全部问题。

根据本发明实施例的第一方面，提供了一种文本分析方法，包括：将待分析文本输入文本分析模型中，并通过所述文本分析模型对所述待分析文本进行情感分析处理；获取所述文本分析模型输出的情感分析结果，其中，所述情感分析结果包括至少一个三元组合，所述三元组合包括所述待分析文本中的主体词、与所述主体词对应的情感极性、以及情感词。

根据本发明实施例的第二方面，提供了一种文本分析模型训练方法，包括：从文本分析模型分别对输入的第一样本输入数据和第二样本输入数据进行处理的处理结果中，获得第一样本输出向量和第三样本输出向量，其中，所述第一样本输入数据包括文本样本的词向量和句法依赖关系图，所述第二样本输入数据包括所述文本样本的词向量；根据所述第一样本输出向量和所述第三样本输出向量，确定主体辅助的情感词损失函数；根据所述主体辅助的情感词损失函数调整所述文本分析模型中的至少部分参数。

根据本发明实施例的第三方面，提供了一种推荐方法，包括：根据客户端发送的待推荐用户的用户信息，获取所述待推荐用户的历史评论数据作为待分析文本；使用文本分析模型对所述待分析文本进行情感分析处理，获取与所述待分析文本对应的情感分析结果，其中，所述情感分析结果中包括所述历史评论数据中的主体词、情感极性和情感词；根据所述情感分析结果，从预设的候选推荐信息中，确定与所述待推荐用户对应的推荐信息，将所述推荐信息反馈给所述客户端。

根据本发明实施例的第四方面，提供了一种推荐方法，包括：获取待推荐用户的评论数据；调用客户端本地存储的文本分析模型对所述评论数据进行情感分析处理，并获取与所述评论数据对应的情感分析结果，其中，所述情感分析结果中包括所述历史评论数据中的主体词、情感极性和情感词；根据所述情感分析结果，确定与所述待推荐用户对应的推荐信息。

根据本发明实施例的第五方面，提供了一种分析方法，包括：获取目标用户针对目标事件的评论数据；使用文本分析模型对所述评论数据进行情感分析处理，并获取对应的情感分析结果，其中，所述情感分析结果中包括所述评论数据中的主体词、情感极性和情感词；根据所述情感分析结果中的主体词确定所述目标用户针对所述目标事件的评论热点，并根据所述情感极性和所述情感词确定所述目标用户的观点倾向。