[发明专利]基于语义感知的评论分析方法及装置

权利要求书

1.一种基于语义感知的评论分析方法，其步骤包括：

收集目标应用的评论文本，并将每一所述评论文本分成至少一个句子；

提取所述评论文本的评论属性；

将所述句子中每一单词的向量与所述评论属性的向量进行拼接，并基于拼接结果，通过计算单词BIO标签的概率向量，得到包含缺陷特性的所述评论文本中的缺陷特性；

对所述缺陷特性进行聚类，得到评论分析结果。

2.如权利要求1所述的方法，其特征在于，所述目标应用包括：手机APP应用。

3.如权利要求1所述的方法，其特征在于，将每一所述评论文本分成至少一个句子之后，对所述句子进行预处理；所述预处理方法包括：将单词转换为小写、使用Spacy进行词根化、纠正拼写错误、使用第一特殊符号替换数字和使用第二特殊符号替换目标应用名称。

4.如权利要求3所述的方法，其特征在于，所述第一特殊符号为number，所述第二特殊符号为appname。

5.如权利要求1所述的方法，其特征在于，所述评论属性包括：目标应用类别和评论描述情感。

6.如权利要求1所述的方法，其特征在于，所述缺陷特性基于一缺陷特性识别模型得到，其中所述缺陷特性识别模型包括：一BERT模型、一Dropout层、一嵌入层、一多层感知机和一CRF层，所述BERT模型用于获取所述句子中每一单词的向量，所述Dropout层用于避免训练缺陷特性识别模型时的过拟合，所述嵌入层用于获取所述评论属性的向量，所述多层感知机用于计算单词BIO标签的概率向量，所述CRF层用于得到所述评论文本中的缺陷特性。

7.如权利要求6所述的方法，其特征在于，训练所述缺陷特性识别模型的损失函数包括：发射分数和转移分数。

8.如权利要求1所述的方法，其特征在于，所述对所述缺陷特性进行聚类，包括：

1)获取所述缺陷特性的缺陷特性向量；

2)基于所述缺陷特性向量，构建一加权无向图，其中所述加权无向图的节点为所述缺陷特性，通过比较任两个所述节点之间的缺陷特性向量相似度，构建所述加权无向图的边；

3)在无向图上执行Chinese Whispers算法，以对缺陷特性进行聚类。

9.如权利要求1所述的方法，其特征在于，所述评论分析结果的可视化视图形式包括：气泡图，其中所述气泡图的y轴表示目标应用名称，x轴表示聚类的id，气泡大小定义为聚类c中目标应用a的缺陷特性个数与目标应用a中缺陷特性总数的比值。

10.一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行如权利要求1-9中任一所述方法。