[发明专利]基于情感分析的智能问答方法、装置、设备及存储介质有效
申请号: | 201810339061.9 | 申请日: | 2018-04-16 |
公开(公告)号: | CN108536681B | 公开(公告)日: | 2023-05-30 |
发明(设计)人: | 晁阳;陆遥;李东;孙广元;郭晓婷;赵毅;卫然;郑滔;庄夏敏;严亦佳 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06F16/332 | 分类号: | G06F16/332;G06F16/35;G06F40/211;G06F40/242;G06F40/30;G06F40/253 |
代理公司: | 北京三高永信知识产权代理有限责任公司 11138 | 代理人: | 刘映东 |
地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 情感 分析 智能 问答 方法 装置 设备 存储 介质 | ||
1.一种基于情感分析的智能问答方法,其特征在于,所述方法包括:
获取问题文本,对所述问题文本进行处理,得到处理后的词序列;
基于情感词典对所述词序列进行情感分类,得到所述问题文本的第一情感分类结果,所述情感词典包括至少两种情感类别的情感词;
调用目标网络模型对所述问题文本进行序列特征提取及句法结构分析,根据提取的序列特征及分析的句法结构获取所述问题文本的第二情感分类结果;
根据所述问题文本的第一情感分类结果及第二情感分类结果获取所述问题文本的综合情感分类结果;
根据所述综合情感分类结果获取所述问题文本对应的答案文本;
其中,所述目标网络模型包括双向记忆模型、注意力模型及递归神经网络模型,所述调用目标网络模型对所述问题文本进行序列特征提取及句法结构分析,根据提取的序列特征及分析的句法结构获取所述问题文本的第二情感分类结果,包括:
将所述问题文本转换成包含上下文语义信息的向量,调用所述双向记忆模型及所述注意力模型基于所述向量提取所述问题文本的序列特征,根据提取的序列特征获取一级分类结果;
获取所述问题文本的语法树结构信息,调用所述递归神经网络模型对所述语法树结构信息进行句法结构分析,得到二级分类结果;
根据所述一级分类结果及所述二级分类结果确定所述问题文本的第二情感分类结果。
2.根据权利要求1所述的方法,其特征在于,所述基于情感词典对所述词序列进行情感分类,得到所述问题文本的第一情感分类结果,包括:
对所述词序列中的每个词,基于情感词典计算不同情感类别下的情感得分;
根据各个词在不同情感类别下的情感得分确定所述问题文本的第一情感分类结果。
3.根据权利要求1所述的方法,其特征在于,所述根据所述问题文本的第一情感分类结果及第二情感分类结果获取所述问题文本的综合情感分类结果,包括:
获取所述问题文本的第一情感分类结果的权重;
获取所述问题文本的第二情感分类结果的权重;
根据所述问题文本的第一情感分类结果、所述第一情感分类结果的权重、所述第二情感分类结果以及所述第二情感分类结果的权重确定所述问题文本的综合情感分类结果。
4.根据权利要求1所述的方法,其特征在于,所述对所述问题文本进行处理,得到处理后的词序列,包括:
对所述问题文本进行分词处理及停用词筛选处理,得到处理后的词序列。
5.根据权利要求1-4中任一所述的方法,其特征在于,所述方法还包括:
获取包括至少两种情感类别的数据集;
将所述数据集划分为训练集、验证集以及测试集;
采用所述训练集对初始网络模型进行训练,得到训练后的网络模型;
采用所述验证集对所述训练后的网络模型进行验证;
在验证通过后,采用所述测试集对所述训练后的网络模型进行测试,得到所述目标网络模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810339061.9/1.html,转载请声明来源钻瓜专利网。