[发明专利]评论文本的观点提取方法以及电子设备

权利要求书

1.一种评论文本的观点提取方法，其特征在于，包括：

对待处理评论文本进行断句，得到多个待处理句子；

通过已训练的标签分类模型对每个待处理句子的分类标签进行预测；

针对存在分类标签的待处理句子，以每个分类标签以及所述待处理句子作为已训练的情绪分类模型的输入，获得所述情绪分类模型输出的所述待处理句子在所述分类标签下的情绪类别；

根据每个待处理句子在不同分类标签下的情绪类别，得到所述待处理评论文本的观点信息。

2.根据权利要求1所述的方法，其特征在于，在所述通过已训练的标签分类模型对每个待处理句子的分类标签进行预测之前，所述方法还包括：

根据已知标签信息的文本片段集，训练得到所述标签分类模型。

3.根据权利要求2所述的方法，其特征在于，在所述根据已知标签信息的文本片段集，训练得到所述标签分类模型之前，所述方法还包括：

获取所述文本片段集；

对所述文本片段集进行聚类处理，得到多个聚类簇；

针对每个聚类簇，将所述聚类簇中出现次数最多的词汇作为所述聚类簇中所有文本片段的标签信息，得到所述已知标签信息的文本片段集。

4.根据权利要求3所述的方法，其特征在于，所述获取所述文本片段集，包括：

对语料库中的每篇评论文本进行断句，得到样本句子集合；

通过机器问答模型提取所述样本句子集合中每个样本句子的文本片段，得到所述文本片段集。

5.根据权利要求3所述的方法，其特征在于，所述对所述文本片段集进行聚类处理，得到多个聚类簇，包括：

提取所述文本片段集中每个文本片段的句子特征；

对所有文本片段的句子特征进行聚类处理，得到多个聚类簇。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据已知情绪类别和标签信息的样本句子集合，训练得到所述情绪分类模型。

7.根据权利要求6所述的方法，其特征在于，所述根据已知情绪类别和标签信息的样本句子集合，训练得到所述情绪分类模型，包括：

将所述样本句子集合中的每个样本句子以及所述样本句子对应的标签信息作为输入，所述样本句子对应的情绪类别作为输出，进行机器学习，训练得到所述情绪分类模型。

8.根据权利要求6所述的方法，其特征在于，所述根据已知情绪类别和标签信息的样本句子集合，训练得到所述情绪分类模型之前，所述方法还包括：

根据已知标签信息的文本片段集，通过情绪分类初始模型预测所述文本片段集中每个文本片段的情绪类别；

根据所述样本句子集合中每个样本句子包含的文本片段，以及所述文本片段对应的情绪类别和标签信息，确定每个样本句子对应的情绪类别和标签信息。

9.根据权利要求8所述的方法，其特征在于，所述根据所述样本句子集合中每个样本句子包含的文本片段，以及所述文本片段对应的情绪类别和标签信息，确定每个样本句子对应的情绪类别和标签信息，包括：

将所述文本片段集合中具有同一标签信息的文本片段按照句长从长到短进行排序；

针对所述样本句子集合中的每个样本句子，将所述样本句子与具有同一标签信息的文本片段按照句长从长到短按序进行匹配，直到确定所述样本句子包含的文本片段；

根据所述样本句子包含的文本片段对应的情绪类别和标签信息，确定所述样本句子对应的情绪类别和标签信息。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成权利要求1-9任意一项所述的评论文本的观点提取方法。