[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

专利信息
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
【说明书】:

本申请公开了一种基于情感分析的智能问答方法、装置、设备及存储介质。方法包括:获取问题文本,对问题文本进行处理,得到处理后的词序列;基于情感词典对词序列进行情感分类,得到问题文本的第一情感分类结果,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问题文本的第二情感分类结果;根据问题文本的第一情感分类结果及第二情感分类结果获取问题文本的综合情感分类结果;根据综合情感分类结果获取问题文本对应的答案文本。基于情感词典及目标网络模型对问题文本的分类结果获取综合情感分类结果,提高了据此得到的答案文本的准确性。

技术领域

发明实施例涉及互联网技术领域,特别涉及一种基于情感分析的智能问答方法、装置、设备及存储介质。

背景技术

随着互联网技术的发展,网络产品越来越多。为了提供更符合用户需求的网络产品,情感分析技术的应用越来越广泛。情感分析(Sentiment analysis),又称倾向性分析,意见抽取(Opinion extraction),意见挖掘(Opinion mining),情感挖掘(Sentimentmining),主观分析(Subjectivity analysis),它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。由于从文本中挖掘用户表达的观点及情感在网络产品中的作用越来越大,如基于情感分类的智能问答方法中,如何进行准确的情感分析显得尤为重要。

相关技术在基于情感分析进行智能问答时,预先构建情感词典,该情感词典中包括多个情感词,但情感词典中的情感词仅被分为正面和负面两种情感类别的情感词。之后,将问题文本中的词与情感词典中的情感词进行比对,根据文本中所包含的正面情感词和负面情感词的个数进行情感分类,得到情感分析结果,据此得到答案文本。

然而,基于上述的情感分析方法,由于仅依赖于情感字典,且仅采用正、负两方面的情感词,因而情感分析的准确性不高,导致据此得到的答案文本的准确性也不高。

发明内容

本发明实施例提供了一种基于情感分析的智能问答方法、装置、设备及存储介质,可用于解决相关技术中的问题。所述技术方案如下:

一方面,本发明实施例提供一种基于情感分析的智能问答方法,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。

一方面,提供了一种基于情感分析的智能问答装置,包括:

第一获取模块,用于获取问题文本;

处理模块,用于对所述问题文本进行处理,得到处理后的词序列;

第一分类模块,用于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;

第二分类模块,用于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;

第二获取模块,用于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;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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/201810339061.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top