[发明专利]基于标签描述生成的评论文本情感分类方法

说明书

本发明涉及互联网大数据技术领域，具体涉及基于标签描述生成的评论文本情感分类方法，包括：为各个情感标签生成对应的具有相关性和区分力的标签描述；将各个情感标签及其标签描述映射到预先建立的情感分类模型中；将待分类评论文本输入到所述情感分类模型中，由所述情感分类模型输出对应的预测情感标签；将待分类评论文本的预测情感标签作为其情感分类的结果。本发明中的评论文本情感分类方法能够在数据集不带有标签文本信息的情况下应用标签描述实现评论文本的情感分类，从而能够提高情感分类的准确性和效果。

技术领域

本发明涉及互联网大数据技术领域，具体涉及基于标签描述生成的评论文本情感分类方法。

背景技术

随着互联网的飞速发展，网上购物变得越来越普遍。用户在电商平台购物的过程中会留下相关评论。用户评论对于商家提高其服务水平和产品质量有着重要的价值，因为评论表达了客户的意见与情感倾向。如今，企业可以通过电商平台轻易地收集用户的评论，但无法有效处理所有冗长的用户评论。所以，从用户评论中识别出情感倾向变得十分重要。目前，情感分类已经成为许多研究者重点关注的重要任务。情感分类的目的是给评论文本分配一个情感标签，情感标签反映了评论文本的情感倾向。

针对现有大多数基于神经网络的文本情感分类模型和方法只考虑文本内容相关的情感语义，忽略了与文本相关的评论主体信息以及文本内容所描述评论客体信息的问题，公开号为CN108363753B的中国专利公开了一种《评论文本情感分类模型训练与情感分类方法、装置及设备》，其模型训练包括：获取评论文本、关联的主体和客体信息；基于第一层Bi-LSTM网络融入评论主体和客体注意力机制提取句子级特征表示；在基于第二层Bi-LSTM网络融入评论主体和客体注意力机制提取文档级特征表示；采用双曲正切非线性映射函数将文档级特征映射至情感类别空间，采用softmax分类对模型中的参数进行训练，得到最优文本情感分类模型。

上述现有方案的情感分类方法采用层次双向Bi-LSTM网络模型和注意力机制，实现了文本的上下文语义稳健感知与语义表达，改善文本情感分类的鲁棒性，能够在一定程度上提高分类正确率。但是，现有的情感分类模型只是将类别表示作为情感标签表中的索引，模型缺乏关于分类的细粒度情感标签指导信息。同时，申请人发现情感标签带有的语义信息对文本分类具有积极作用。然而，目前利用情感标签辅助分类的方法，依赖于数据集本身提供的类别标签描述信息，例如“积极”、“消极”或“中性”等；并且，在一些应用场景中数据集只含有简单的类别标签，如“1”、“2”、“3”、“4”、“5”，甚至某些数据集不带有标签文本信息，这使得基于标签描述的情感分类方法难以应用，进而导致情感分类的准确性和效果均不好。因此，如何设计一种能够在数据集不带有标签文本信息的情况下应用标签描述实现评论文本情感分类的方法是亟需解决的技术问题。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种能够在数据集不带有标签文本信息的情况下应用标签描述实现评论文本情感分类的方法，从而提高情感分类的准确性和效果。

为了解决上述技术问题，本发明采用了如下的技术方案：

基于标签描述生成的评论文本情感分类方法，包括以下步骤：

S1：为各个情感标签生成对应的具有相关性和区分力的标签描述；

S2：将各个情感标签及其标签描述映射到预先建立的情感分类模型中；

S3：将待分类评论文本输入到所述情感分类模型中，由所述情感分类模型输出对应的预测情感标签；

S4：将待分类评论文本的预测情感标签作为其情感分类的结果。

优选的，步骤S3中，所述情感分类模型通过如下步骤得到预测情感标签：

S301：对待分类评论文本进行编码，以得到对应的评论上下文表示；

S302：通过自注意力机制提取评论上下文表示对应的自注意力文本表示；