[发明专利]情感分析方法、装置、计算机可读介质及电子设备

说明书

本公开实施例提供了一种情感分析方法、情感分析装置、计算机可读介质及电子设备，涉及数据处理技术领域。该情感分析方法包括：对文本信息进行向量表示获得所述文本信息的词向量；从不同的维度对所述词向量进行特征提取，以获取所述文本信息对应的特征向量；根据所述特征向量对所述文本信息进行情感分类，确定所述文本信息的情感极性，以根据所述情感极性对所述文本信息进行检索。本公开实施例的技术方案通过从不同维度提取文本信息的特征，确定文本信息的情感分类，能够提高情感分析的精确性，并且，不同维度的特征提取可以并行处理，从而可以提供情感分析的效率。

技术领域

本公开涉及数据处理技术领域，具体而言，涉及一种情感分析方法、情感分析装置、计算机可读介质及电子设备。

背景技术

为了满足人们的需求，互联网产品越来越丰富。无论对于任何场景，在线交流都是最基本的需要，例如，人工智能、电子商务等。

在当前的智能客服机器人系统中，用户在对话过程中常常伴随有情绪波动，会话内容中会包含带有喜怒哀乐等情感色彩的词，通过这些词可以看出用户当前的体验是否良好。针对用户的不同的情绪能够为用户提供更好的服务，或者了解用户对于产品的态度，从而更好的改进产品。由于深度学习技术的优越的性能，大多数情感分析都是通过深度学习的方法进行，但是深度学习模型非常复杂，在模型构建过程中需要花费大量的时间，而简单的模型又无法保障预测的准确率。因此，情感分析方法的效率仍有待提高。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例的目的在于提供一种情感分析方法、情感分析装置、计算机可读介质及电子设备，进而至少在一定程度上克服因构建模型花费大量时间，而导致情感分析效率低的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的第一方面，提供了一种情感分析方法，包括：

对文本信息进行向量表示获得所述文本信息的词向量；

从不同的维度对所述词向量进行特征提取，以获取所述文本信息对应的特征向量；

根据所述特征向量对所述文本信息进行情感分类，确定所述文本信息的情感极性，以根据所述情感极性对所述文本信息进行检索。

在本公开的一种示例性实施例中，所述从不同的维度对所述词向量进行特征提取，获取特征向量，包括：

通过不同的特征提取算法提取所述词向量的多个维度的特征向量。

在本公开的一种示例性实施例中，所述通过不同的特征提取算法提取所述词向量的多个特征向量，包括：

通过长短期记忆网络提取所述词向量的第一特征向量；

通过基于门机制的卷积网络提取所述词向量的第二特征向量；

通过卷积神经网络提取所述词向量的第三特征向量。

在本公开的一种示例性实施例中，所述根据所述特征向量确定所述文本信息的情感分类，包括：

通过最大池化或平均池化将所述第一特征向量、第二特征向量和第三特征向量进行结合，确定所述文本信息的情感分类。

在本公开的一种示例性实施例中，所述从不同的维度对所述词向量进行特征提取，获取特征向量，包括：

通过长短期记忆网络提取所述词向量的第一特征向量；

将所述第一特征向量输入基于门机制的卷积网络，获取第二特征向量；