[发明专利]隐式评价对象识别方法、装置、设备和计算机存储介质

权利要求书

1.一种隐式评价对象识别方法，其特征在于，所述方法包括：

接收评价信息识别请求，获取所述评价信息识别请求关联的商品评价信息；

若所述商品评价信息为隐式评价对象的第一商品评价信息，则将所述第一商品评价信息输入至预设的隐式评价对象分类器；其中，所述预设的隐式评价对象分类器通过特征中间变量训练获得，所述特征中间变量为特征分类器的分类识别结果；

通过所述隐式评价对象分类器处理所述第一商品评价信息，获得评价对象和情感信息。

2.根据权利要求1所述的隐式评价对象识别方法，其特征在于，所述若所述商品评价信息为隐式评价对象的第一商品评价信息，则将所述第一商品评价信息输入至预设的隐式评价对象分类器之前，所述方法包括：

接收模型训练请求，获取海量的商品评价信息，处理海量的所述商品评价信息，获得初始样本集；

根据所述初始样本集和预设字典，构建特征样本集；

从所述特征样本集中迭代抽取预设比例的特征样本，通过所述特征样本训练预设第一分类器，获得特征分类器；

获取所述特征分类器分类识别获得的特征中间变量，通过所述特征中间变量训练预设第二分类器，获得隐式评价对象分类器。

3.根据权利要求2所述的隐式评价对象识别方法，其特征在于，所述接收模型训练请求，获取海量的商品评价信息，处理海量的所述商品评价信息，获得初始样本集，包括：

接收模型训练请求，获取海量的商品评价信息，将各所述商品评价信息添加情感标签；

将具有情感标签的商品评价信息进行划分，形成隐式评价对象的第一样本集和显式评价对象的第二样本集；

从所述第一样本集和所述第二样本集中分别抽取具有各类情感标签的商品评价信息，组成初始样本集。

4.根据权利要求2所述的隐式评价对象识别方法，其特征在于，所述特征样本集为：D_l＝{((MASK(x,v),IN(x,v))|x∈D_u}

所述D_i表示特征样本集，所述v表示所述预设字典中的关键词，所述MASK表示向量x中包含v的元素设置为0，所述IN表示判断向量x中是否包含v，若包含v则向量x设置为+1，若不包含v则向量x设置为-1，所述D_u表示初始样本集。

5.根据权利要求2所述的隐式评价对象识别方法，其特征在于，所述预设第一分类器为：

所述w_i表示特征中间变量，所述L表示损失函数，所述w表示因变量，所述w^T表示为所述w的转置，所述λ表示预设常数。

6.根据权利要求2所述的隐式评价对象识别方法，其特征在于，所述获取所述特征分类器分类识别获得的特征中间变量，通过所述特征中间变量训练预设第二分类器，获得隐式评价对象分类器，包括：

通过所述特征分类器处理所述特征样本，获得特征参数；

将所述特征参数拼接组成矩阵，对所述矩阵进行奇异值分解，获得特征中间变量；

通过所述特征中间变量训练预设第二分类器，获得训练分类器；

获取所述训练分类器的分类识别准确率，将所述分类识别准确率高于预设准确率的训练分类器作为预设的隐式评价对象分类器。

7.根据权利要求1至6任意一项所述的隐式评价对象识别方法，其特征在于，所述接收评价信息识别请求，获取所述评价信息识别请求关联的商品评价信息之后，所述方法包括：

将所述商品评价信息进行聚类分析，确定所述商品评价信息的类型；

若所述商品评价信息为显式评价对象的第二商品评价信息，则将所述第二商品评价信息输入至预设的显式评价对象分类器；

通过所述显式评价对象分类器处理所述第二商品评价信息，获得所述显式评价对象的情感信息。