[发明专利]一种评论分类方法、装置、设备及存储介质

说明书

本发明公开了一种评论分类方法、装置、设备及存储介质，本发明通过获取评论数据，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，根据所述用户评论、所述用户属性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，基于评论时间、用户IP地址以及函数模型辅助自然语言模型得到评论分类结果，提高了评论分类的准确性；自动生成评论分类结果而不需要人工干预，提高了准确率以及效率，本发明可广泛应用于自然语言处理技术领域。

技术领域

本发明涉及自然语言处理领域，尤其是一种评论分类方法、装置、设备及存储介质。

背景技术

目前，随着互联网技术的发展，各类平台的用户数量逐渐增长，用户在平台中观看或收听相应的内容如视频、音乐、视频彩铃等可以在评论区发表自己的评论表达自己的感受。而实际上用户的评论可能会存在如机器生成等虚假评论，从而影响评论的真实性，因此需要辨别真假评论，而现今辨别真假评论通常通过人工检测，视频彩铃评论数量众多，若采用人工检测则需要无休止地投入大量的人力和时间，成本高，实时性差、效率低且准确率低。

发明内容

有鉴于此，为了解决上述技术问题的至少之一，本发明的目的是提供一种评论分类方法、装置、设备及存储介质，提高准确率和效率。

本发明实施例采用的技术方案是：

一种评论分类方法，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；

根据所述用户评论、所述用户属性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。

进一步，所述根据所述用户评论、所述用户属性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，得到第一矩阵；

将所述用户评论进行第二编码处理，得到第二矩阵；

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。

进一步，所述将所述用户属性进行第一编码处理，得到第一矩阵，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。

进一步，所述将所述用户评论进行第二编码处理，得到第二矩阵，包括：

通过词向量模型将所述用户评论编码为第二向量；

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。

进一步，所述根据所述评论数量以及函数模型，计算得到第二真实概率，包括：