[发明专利]一种评论分类方法、装置、设备及存储介质

权利要求书

1.一种评论分类方法，其特征在于，包括：

获取评论数据；所述评论数据包括用户评论、所述用户评论对应的评论时间、用户属性、用户IP地址；

根据由所述用户评论确定的词向量组、由所述用户属性确定的上下文相关向量以及自然语言处理模型，得到第一真实概率；

根据所述评论时间确定预设时间范围内与所述用户IP地址相同的评论数量，并根据所述评论数量、预设的斜率参数、预设的截距参数以及函数模型，计算得到第二真实概率；

根据所述第一真实概率以及所述第二真实概率确定评论分类结果。

2.根据权利要求1所述评论分类方法，其特征在于：所述根据由所述用户评论确定的词向量组、由所述用户属性确定的上下文相关向量以及自然语言处理模型，得到第一真实概率，包括：

将所述用户属性进行第一编码处理，得到上下文相关向量与第一矩阵；

将所述用户评论进行第二编码处理，得到词向量组与第二矩阵；

将所述第一矩阵以及所述第二矩阵进行拼接，通过全连接层以及sigmoid函数对拼接结果进行转化，得到第一真实概率。

3.根据权利要求2所述评论分类方法，其特征在于：所述将所述用户属性进行第一编码处理，得到上下文相关向量与第一矩阵，包括：

通过词向量模型将所述用户属性编码为第一向量；

通过GRU编码器将所述第一向量编码为上下文相关向量；

对所述上下文相关向量进行拼接处理，得到第一矩阵。

4.根据权利要求2所述评论分类方法，其特征在于：所述将所述用户评论进行第二编码处理，得到词向量组与第二矩阵，包括：

通过词向量模型将所述用户评论编码得到词向量组，作为第二向量；

根据所述第二向量与第一权重构造Query向量、根据所述第二向量与第二权重构造Key向量、根据所述第二向量与第三权重构造Value向量；

将所述Query向量、所述Key向量以及所述Value向量统一处理至预设长度；

根据预设长度的所述Query向量、预设长度的所述Key向量以及预设长度的所述Value向量计算带自注意力的矩阵表达，得到第二矩阵。

5.根据权利要求1所述评论分类方法，其特征在于：所述根据所述评论数量、预设的斜率参数、预设的截距参数以及函数模型，计算得到第二真实概率，包括：

计算所述评论数量与斜率参数的乘积；

计算截距参数与所述乘积的差值；

根据sigmoid函数以及所述差值，得到第二真实概率。

6.根据权利要求1-5任一项所述评论分类方法，其特征在于：所述根据所述第一真实概率以及所述第二真实概率确定评论分类结果，包括：

根据所述第一真实概率、第一概率权重、所述第二真实概率以及第二概率权重进行加权求和；

当加权求和结果大于真实阈值，得到表征真实评论的评论分类结果，否则得到表征虚假评论的评论分类结果。

7.根据权利要求6所述评论分类方法，其特征在于：所述方法还包括：

当所述评论分类结果表征真实评论，将所述用户评论进行发布；

或者，

当所述评论分类结果表征虚假评论，将所述用户评论进行删除。

8.一种评论分类装置，其特征在于，包括：

获取模块，用于获取评论数据；所述评论数据包括用户评论、所述用户评论对应的评论时间、用户属性、用户IP地址；

第一处理模块，用于根据由所述用户评论确定的词向量组、由所述用户属性确定的上下文相关向量以及自然语言处理模型，得到第一真实概率；

第二处理模块，用于根据所述评论时间确定预设时间范围内与所述用户IP地址相同的评论数量，并根据所述评论数量、预设的斜率参数、预设的截距参数以及函数模型，计算得到第二真实概率；

分类模块，用于根据所述第一真实概率以及所述第二真实概率确定评论分类结果。