[发明专利]一种基于情感分类的多层归因图谱构建方法

权利要求书

1.一种基于情感分类的多层归因图谱构建方法，其特征在于，包括如下步骤：

步骤一、数据处理：对打好标签的辅助领域和源领域的样本，使用分词工具进行分词、对标点和停用词处理，并且将分词后的文本映射成向量；

步骤二、利用步骤一中处理后得到的样本，进行LSTM网络搭建，并训练得到如下两个模型：

a)情感倾向的极性分类预测模型，

b)负向内容倾向的方面级相关分类预测模型，

步骤三、方面特征框架的形成：

利用上述训练好的模型a)和模型b)对新数据进行标签预测打标，

根据模型a)生成情感倾向的极性分类标签，

根据模型b)生成负向内容倾向的方面级相关分类标签，形成方面级大类框架；

步骤四、

将模型a)和模型b)训练建模后，对预测样本进行预测形成两种不同分类的预测结果标签，并对结果标签进行交叉，形成更细化的分类，最后提取其中的负向内容，结合上述模型的LSTM预测标签，形成方面级特征框架雏形；

步骤五、对于方面级特征框架雏形中每个细分群进行进一步关注级细化分群，方式如下：

再次通过框架内聚类分群对关键词进行不同粒度的多层细分，形成可供专家自由选择的分合弹性归纳空间，然后结合业务归纳及可辨识度，进一步根据交互观测图谱确定合适的细分粒度，通过这种交互归纳提炼出可理解、可操作的多项关注级细化关注点，并提取其中的特征关键词，补充到层级特征关键词映射表中；

清晰化聚焦分群：在不影响清晰化也不影响操作针对性，且可控的前提下，对于每个关注级细化分群覆盖到尽可能多的评论样本，对于需要引入的类群，提取其中对应层级特征关键词增入到层级特征关键词映射表中；

对方面级特征框架雏形中的每个细分群均作上述处理，逐步形成基于评论内容的多层归因图谱。

2.如权利要求1所述的基于情感分类的多层归因图谱构建方法，其特征在于：

在步骤四和步骤五之间还包括步骤六，应用延展步骤：

步骤6-1，使用业务层级关键词映射表接收业务层设置的关键词。

3.如权利要求2所述的基于情感分类的多层归因图谱构建方法，其特征在于：

步骤六中还包括：步骤6-2，融合业务人员细分，并辅以模型细分观测，进一步补充与完善步骤6-1中的业务层级关键词映射表。

4.如权利要求1所述的基于情感分类的多层归因图谱构建方法，其特征在于：

步骤五中，在步骤四搭建形成的方面级特征框架雏形范围内，针对其中的每个细分评论群，根据业务视角分群的交互图谱和经无监督模型分类后的类群对应的交互图谱之间的清晰度和区分程度穿插构建聚焦分群。

5.如权利要求1所述的基于情感分类的多层归因图谱构建方法，其特征在于：

步骤五中，还包括构建清晰化聚焦分群的步骤：在步骤四搭建形成的方面级特征框架雏形范围内，针对其中的每个细分评论群，使用经业务视角分群的交互图谱和经无监督模型分类后的类群对应的交互图谱之间的清晰度和区分程度来穿插构建清晰化聚焦分群。

6.如权利要求1所述的基于情感分类的多层归因图谱构建方法，其特征在于：

步骤五中，还包括形成补充细分群的步骤：形成补充细分群：若在无监督分类模型中有出现，但前期业务关键词梳理中未包含的细分群，根据观测到的图谱内容，补充层级特征关键词到映射表中。

7.如权利要求1所述的基于情感分类的多层归因图谱构建方法，其特征在于：

步骤二中，情感倾向的极性分类预测模型，第一层采用bi-LSTM最后的1个输出单元经sigmoid函数计算，得到最终的分类值；

负向内容倾向的方面级相关分类预测模型采用标准的LSTM神经网络，之后形成多个输出单元由softmax层计算得出对应的分类值。