[发明专利]识别中文情感的方法及装置、计算机设备、存储介质

权利要求书

1.一种识别中文情感的方法，其特征在于，所述方法包括：

接收待识别的目标中文文本；

对所述目标中文文本进行分词，计算各个分词的特征向量；

将所述特征向量输入到情感识别模型，其中，所述情感识别模型是采用贝叶斯算法和卡方特征监测算法训练得到的；

使用所述情感识别模型识别所述目标中文文本的情感属性。

2.根据权利要求1所述的方法，其特征在于，在将所述特征向量输入到情感识别模型之前，所述方法还包括：

确定多个带有情感标签的中文文本样本；

使用所述中文文本样本训练初始神经网络模型，得到所述情感识别模型。

3.根据权利要求2所述的方法，其特征在于，使用所述中文文本样本训练初始神经网络模型包括：

对所述中文文本样本进行分词处理；

采用香农函数计算各个分词的特征向量；

采用贝叶斯算法对各个特征向量进行情感属性的分类；

对各个特征向量的分类结果进行卡方校验，根据校验结果选择预设数量的词作为每个情感属性的关键词，其中，所述情感识别模型中的每个情感模型由多个关键词的特征向量组成。

4.根据权利要求3所述的方法，其特征在于，采用香农函数计算各个分词的特征向量包括：

分词x的特征向量H(X)为：

其中，P(x)为X中x出现的概率，X为中文文本样本。

5.根据权利要求3所述的方法，其特征在于，采用贝叶斯算法对各个特征向量进行情感属性的分类包括：

计算P(c_j)，以及P(w_i|C_j)；

采用以下朴素贝叶斯分类算法进行分类：

其中，C_NB是当前分词的情感属性，P(C_j)为当前分词在j情感属性的样本中出现的概率，ΠP(w_i|C_j)指在在j情感属性的样本中分词在整个文档中出现的概率的乘积，P(wi|cj)为在C_j发生概率下,w_i发生的概率，C_j表示当前分词的情感属性为j，w_i为表示整个文档的情感属性为i。

6.根据权利要求5所述的方法，其特征在于，在采用朴素贝叶斯分类算法进行分类之前，所述方法还包括：

采用以下算法进行拉普拉斯平滑转换：

其中，count(c)为c类的文本个数，count(w,c)是c类中词汇w的个数，v是中文文本样本的词汇总量，一个中文文本样本中所有出现的词的频率合计为1，为中文文本样本中未出现词汇的概率，c类为情感属性的任一类型。

7.根据权利要求3所述的方法，其特征在于，对各个特征向量的分类结果进行卡方校验包括：

使用以下偏差程度的计算公式对各个特征向量的分类结果进行卡方校验：

其中，理论值为E，x_i为观察值，i为任一分词的序号；

取S的top k作为校验结果，其中，k为小于或等于n的正整数。

8.一种识别中文情感的装置，其特征在于，所述装置包括：

接收模块，用于接收待识别的目标中文文本；

处理模块，用于对所述目标中文文本进行分词，计算各个分词的特征向量；

输入模块，用于将所述特征向量输入到情感识别模型，其中，所述情感识别模型是采用贝叶斯算法和卡方特征监测算法训练得到的；

识别模块，用于使用所述情感识别模型识别所述目标中文文本的情感属性。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。