[发明专利]一种用户弱感情的分析方法及装置

说明书

本发明公开了一种用户弱感情的分析方法和装置，通过获取税务智能问答系统中用户的语料库，并对所述语料库进行分词；对所述分词进行去噪和保停用词处理，获取分词中的特征词，建立特征词与用户情绪类别的对应关系；使用支持向量机模型构建用户弱感情的分析模型；使用所述特征词对所述模型进行训练和测试；使用所述用户弱感情的分析模型，对税务智能问答系统中用户的弱感情进行分析，获取用户的情绪，解决传统的主客观文本分类技术也无法对税务文本特征进行很好的训练和划分的问题。

技术领域

本申请涉及人工智能领域，具体涉及一种用户弱感情的分析方法，同时涉及一种用户弱感情的分析装置。

背景技术

传统情感分析技术主要针对的是微博社区、用户评论系统或者运用于监控系统当中。客服问答系统不同于影评等评论系统以及舆情监控等监控系统，评论及舆情中有大量代表用户主观情感的词语或者情感词性的词语，而税务只能客服中中性语句远远多于情感语句，情感词以及情感词性出现极少，所以传统情感分析技术无法对税务智能客服问答系统中的用户进行情感分析。同时税务客服问答系统的目的是用于解决日常税务相关事务问题以及用户系统故障问题，因此用户不会在无事务问题时询问客服系统，所以客服系统中中性情感和弱负面情感远多于正面情感，传统的主客观文本分类技术也无法对税务文本特征进行很好的训练和划分。

发明内容

本申请提供一种用户弱感情的分析方法和装置，用于解决传统的主客观文本分类技术也无法对税务文本特征进行很好的训练和划分的问题。

本申请提供一种用户弱感情的分析方法，包括：

获取税务智能问答系统中用户的语料库，并对所述语料库进行分词；

对所述分词进行去噪和保停用词处理，获取分词中的特征词，建立特征词与用户情绪类别的对应关系；

使用支持向量机模型构建用户弱感情的分析模型；使用所述特征词对所述模型进行训练和测试；

使用所述用户弱感情的分析模型，对税务智能问答系统中用户的弱感情进行分析，获取用户的情绪。

优选的，对所述语料库进行分词，包括：

使用JieBa工具将语料库中的一句话或短语按照语义特性分成若干个词。

优选的，对所述分词进行去噪和保停用词处理，获取分词中的特征词，包括：

去除分词中的税务专用词，保留停用词，进而获取分词中的特征词。

优选的，在获取分词中的特征词的步骤之后，还包括：

对所述特征词进行词嵌入向量训练，所述训练步骤包括：

计算特征词在前后多个词下的条件概率，对每个节点做逻辑回归；

取对数函数后进行最大化优化,用梯度上升更新训练；

训练完成后的特征词的词向量为{[x₁,x₂,…x_n]₁,[x₁,x₂,…x_n]₂,…[x₁,x₂,…,x_n]_m}。

优选的，使用所述特征词对所述模型进行训练和测试，包括：

将词向量分为训练集和测试集；

将训练集输入所述用户弱感情的分析模型；

在约束条件

下求解使用目标函数