[发明专利]情感标注的方法及其系统

说明书

本发明涉及一种情感标注的方法及其系统，该方法包括：接收待标注文本；采用预先训练好的至少一个训练模型对待标注文本进行情感分析，确定待标注文本的情感标签；为所述待标注文本标注情感标签。采用本发明实施例提供的情感标注方法，结合情感词提取和将情感词转换为词特征向量进行模型训练，并对待识别文本进行情感标注，优化了情感表达能力，同时，提高了训练模型对情感分析的准确度。

技术领域

本发明设计数据分析技术领域，尤其涉及一种情感标注的方法及其系统。

背景技术

歌词情感分类通常是使用词语和词频作为特征向量，然后使用向量特征模型等常用的机器学习进行分析。但通常使用的歌曲情感分类方法使用的词语和词频作为特征向量的粒度比较粗，或者说精度不够高，容易忽略一些隐含的联系，例如歌曲中的“我不快乐”，采用粗粒度的词向量，可能提取到的词为“快乐”，造成表达错误，或情感表达弱化的现象，以至于情感分类的准确率降低。

发明内容

本发明提供了一种情感标注的方法及其系统，结合情感词提取和word2wec的词特征向量的构建方法，优化了特征向量的表达能力，优化了文本，例如歌词的情感分析效果，提高了文本情感分类的准确率。

第一方面，本发明实施例提供了一种情感标注方法，该方法可以包括：

接收待标注文本；

采用预先训练好的至少一个训练模型对待标注文本进行情感分析，确定待标注文本的情感标签；

为待标注文本标注情感标签。

结合情感词提取和将情感词转换为词特征向量进行模型训练，并对待识别文本进行情感标注，优化了情感表达能力，同时，提高了训练模型对情感分析的准确率。

可选地，在采用预先训练好的至少一个训练模型对待标注文本进行情感分析，确定待标注文本的情感标签之前，方法还包括：

按照至少一个情感标签获取每个情感标签的训练集，训练集包括多个待训练文本；

提取每个训练集包括的多个待训练文本的情感词；

确定情感词的词向量；

对每个训练集包括的多个待训练文本的情感词的词向量进行模型训练，得到训练模型。

可选地，确定情感词的词向量，包括：

使用Word2ved确定情感词的词向量。

可选地，使用Word2ved确定情感词的词向量，包括：

采用Word2ved包括的CBOW算法确定情感词的词向量。

可选地，使用Word2ved确定情感词的词向量，包括：

采用Word2ved包括的Skip-gram算法确定情感词的词向量。

第二方面，本发明实施例提供了一种系统，该系统可以包括：

接收单元，用于接收待标注文本；

处理单元，用于采用预先训练好的至少一个训练模型对待标注文本进行情感分析，确定待标注文本的情感标签；

处理单元，还用于为待标注文本标注情感标签。

结合情感词提取和将情感词转换为词特征向量进行模型训练，并对待识别文本进行情感标注，优化了情感表达能力，同时，提高了训练模型对情感分析的准确率。

可选地，系统还包括训练单元，

处理单元，还用于按照至少一个情感标签获取每个情感标签的训练集，训练集包括多个待训练文本；