[发明专利]基于用户评论的情感分析方法、设备、存储介质

说明书

本发明提供了基于用户评论的情感分析方法、设备、存储介质，包括以下步骤：获取连接智能设备的APP的用户评论文本数据；对所述文本数据预处理，进行文本分词；构建情感倾向分析模型，将所述文本数据分为正负面情感文档，输出分词后的词频向量；利用所述词频向量构建语义网络分析模型，量化所述主题特征词出现的频率，得到文档的主题分布与主题特征词分布，筛选出主题的重要特征词，得到用户关注的设备功能。本发明通过APP的评论终挖掘用户对智能设备功能的评价和建议，使智能设备功能的开发更具有针对性。

技术领域

本发明涉及数据处理领域，尤其涉及基于用户评论的情感分析方法、设备、存储介质。

背景技术

目前，全屋智能成为互联网行业发展趋势，智能设备终端接入APP，用户能通过APP去直接操作智能终端设备，实现设备“智能化”成为行业趋势。智能设备功能是基于客户的需求，用户可通过智能设备的APP对智能设备的功能进行评论。评论数据不仅可直观反映用户的使用感受及需求，同时也可将用户的感情提取出来，为开发者提供参考价值，对智能设备的改进及同类产品之间的对比提供一个方式。但目前基于智能设备终端接入的APP评论数据去进行数据挖掘的技术并不成熟，开发者较难通过APP评论数据提取出有用的信息，进行改进。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于用户评论的情感分析方法，通过APP的评论终挖掘用户对智能设备功能的评价和建议，使智能设备功能的开发更具有针对性。

本发明的目的之二在于提供一种电子设备，执行上述基于用户评论的情感分析方法；

本发明的目的之三在于提供一种存储介质，执行上述基于用户评论的情感分析方法。

本发明的目的之一采用如下技术方案实现：

基于用户评论的情感分析方法，包括以下步骤：

获取连接智能设备的APP的用户评论文本数据；

对所述文本数据预处理，进行文本分词；

构建情感倾向分析模型，将所述文本数据分为正负面情感文档，输出分词后的词频向量；

利用所述词频向量构建语义网络分析模型，得到文档的主题分布与主题特征词分布，量化所述主题特征词出现的频率，筛选出主题的重要特征词，得到用户关注的设备功能。

进一步地，通过Bow模型将分词后的文本数据转换为词频向量。

进一步地，所述语义网络分析模型为“LDA模型”。

进一步地，所述量化所述主题特征词出现的频率为通过Gibbs采样算法对“LDA模型”进行近似估计。

进一步地，所述预处理包括文本去重、机械压缩、短句删除。

进一步地，通过结巴分词对文本数据进行中文分词。

进一步地，通过ROSTCM 6软件将所述文本数据分为正负面情感文档。

进一步地，获取智能设备APP的用户评论文本数据还包括：

筛选所述文本数据，将所述文本数据细化分类。

本发明的目的之二采用如下技术方案实现：

一种设备，其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述基于用户评论的情感分析方法。

本发明的目的之三采用如下技术方案实现：

一种存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上所述基于用户评论的情感分析方法。

相比现有技术，本发明的有益效果在于：