[发明专利]一种基于商品评价的方面级情感分析方法及系统

说明书

本发明提供了一种基于商品评价的方面级情感分析方法及系统，使用多头注意力构建关于语义信息和依赖类型信息的概率注意力矩阵，使用预训练模型并且使用StanfordNLP工具深度解析句子的句法依赖信息，融合多尺度的句法信息，能够更有效捕捉到商品评价文本中对方面词有重大关系的下文意见词，提取到对方面词情感极性重要的信息，从而当用户浏览商品时为其提供更有效地评价信息，为商家提供全面的反馈信息，帮助用户及商家做出决策。

技术领域

本发明涉及自然语言处理(NLP)领域，尤其涉及一种基于商品评价文本的方面级情感分析方法及系统。

背景技术

近年来，伴随着互联网技术迅速发展的红利，诸多领域的互联网产品层出不穷，呈现出蓬勃生机，深入影响了人们的日常生活。例如：社交领域的微博、论坛和博客；电子商务领域的淘宝、京东和苏宁易购；新闻媒体领域的新浪新闻和搜狐新闻等。借助这些平台，人们可以在网上方便地发表言论，表达自己的观点和意见，表明自己对事物的情感态度。尤其在电子商务领域中，商品下面会有很多用户进行评价留言，从用户角度来看，大部分消费者在购买商品时往往会先查看评论信息，依据评论信息来辅助选购决策，评论信息不但能够反馈商品的真实信息，还能维护消费者利益，因此，合理利用商品评价信息，通过情感分析可以给用户带来极大参考价值。从商家角度来看，评论数据包含重要反馈信息，不仅对产品更新迭代具有关键性作用，还能了解用户态度和行为，提高服务水平，合理利用评论信息，能够促使商家调整消费策略，提高竞争力，从而赢得更多消费者信任。

情感分析又称观点挖掘，研究人们在文本中表达的情感、态度和观点，情感极性一般分为积极、消极和中立三种。伴随着时代的进步，社会对文本情感分析提出了更高的要求，情感分析后续发展出三个子领域，学者们根据情感对象粒度的大小将情感分析工作细分为三个等级，分别是文档级、句子级和方面级。文档级情感分析假设一篇文章或一篇评论是有观点的，文章的观点信息是对单个评论实体的描述，该任务将整篇文章或评论作为情感分析对象，并分析文档的整体感情极性。句子级情感分析将文章或评论中的每一个句子均当作情感分析对象，并分析句子的整体感情极性。传统的情感分析，主要针对篇章级和句子级的文本进行粗粒度的情感分析。但是粗粒度的情感分析，只假定文本中只包含单一情感，如正向或负向，无法对含有多个方面的文本进行情感识别。

方面级情感分析(Aspect-based Sentiment Analysis，ABSA)将句子中不同的评价方面(aspect)均作为情感分析对象，情感分析对象的粒度更细，因此方面级情感分析属于细粒度的情感分析任务。方面级情感分析任务的目的是对句中特定方面的情感极性进行判断，例如句子“披萨很好吃但是定价太贵了”中有两个特定方面，分别是“披萨”和“定价”，其中“披萨”对应的感情极性是积极的，“定价”对应的感情极性是消极的。句子的特定方面可以是单词，也可以是短语，为了方便描述，统称为方面词。