[发明专利]一种基于词向量的评论分析方法及系统

说明书

本发明公开了一种基于词向量的评论分析方法及系统，涉及情感分析、自然语言处理等技术领域，旨在提供一种使用机器分析评论的方法及系统，借助机器做自动用户评论分析，提供工作效率。本发明技术要点：收集用户评论，形成评论语料库；将评论语料库的每条评论转化为维度相同的句向量；设置若干评论类型，根据人工输入的标注为每条评论标注其所属的评论类型；以所述句向量为输入，每条句向量对应的评论类型为输出训练分类器；获取一条新的评论，并将其转化为句向量；将新评论对应的句向量输入到所述分类器中，得到新评论的评论类型。

技术领域

本发明涉及情感分析、自然语言处理等技术领域。

背景技术

随着电商的不断发展，网络上用户对某产品的评论是越来越多。分析用户的评论，能够了解用户对产的看法和建议，这样有助于产品的完善，以及服务质量的提升。但是随着用户数的不断增加，相应的评论量也增长很大，如果还是依靠人工阅读评论，了解用户意见的话，将极大的降低工作效率，不能及时了解用户对产品或服务的意见或建议。

发明内容

针对上述情况，本发明提出了一种使用机器分析评论的方法及系统，借助机器做自动用户评论分析，提供工作效率。

本发明中基于词向量的评论分析方法，包括：

步骤1：收集用户评论，形成评论语料库；

步骤2：将评论语料库的每条评论转化为维度相同的句向量；

步骤3：设置若干评论类型，根据人工输入的标注为每条评论标注其所属的评论类型；

步骤4：以所述句向量为输入，每条句向量对应的评论类型为输出训练分类器；

步骤5：获取一条新的评论，并将其转化为句向量；

步骤6：将新评论对应的句向量输入到所述分类器中，得到新评论的评论类型。

所述步骤2进一步包括：

步骤21：将每一条评论分成若干的基本分词，对基本分词去重后得到评论词库；

步骤22：将每个基本分词转化为一个词向量；各个基本分词对应的词向量维度相同；

步骤23：将每条评论中的基本分词对应的词向量进行叠加，得到该评论的句向量。

所述步骤5进一步包括：

步骤51：将新的评论分成若干基本分词；

步骤52：在评论词库中查找步骤51中各个基本分词对应的词向量；

步骤53：将新的评论的各个基本分词对应的词向量进行叠加，得到新的评论的句向量。

所述步骤22进一步包括：将基本分词作为神经网络模型的输入，使所述神经网络模型无监督学习得到该基本分词对应的词向量。

优选地，所述词向量维度为200。

所属步骤3进一步包括对每个评论类型中的评论做以下处理：

步骤31：计算评论类型中每一条评论中的基本分词的关键性权重；

步骤32：按照关键性权重对该评论类型中全部评论的基本分词进行降序排序；

步骤33：选择前n个互异的基本分词作为所述评论类型的关键词；所述n取大于0且小于等于5的自然数。

本发明还提供了一种基于词向量的评论系统，包括：

评论收集模块，用于收集用户评论，形成评论语料库；

样本句向量转化模块，用于将评论语料库的每条评论转化为维度相同的句向量；