[发明专利]评论文本的观点提取方法以及电子设备

说明书

本申请提供一种评论文本的观点提取方法及电子设备，该方法包括：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待处理句子作为已训练的情绪分类模型的输入，获得情绪分类模型输出的待处理句子在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，得到待处理评论文本的观点信息。本申请实施例采用自动挖掘分类标签的方式，提取观点信息，无需人工事先定义标签，可以达到快速、自动提取大量商品的用户观点的技术效果，克服了现有技术的局限性。

技术领域

本申请涉及人工智能技术领域，特别涉及一种评论文本的观点提取方法以及电子设备。

背景技术

一般进行网络评论舆情分析会事先定义要预测的标签、收集每个标签的语料、再进行模型训练，这种事先定义标签的方法耗费许多人力，适合用在有明确的业务需求时。若要进行快速、自动、大量不同产品的网络评论观点挖掘，则无法采用事先定义标签的方法，从而现有方式具有一定的局限性。

发明内容

本申请实施例提供了评论文本的观点提取方法，无需事先定义要预测的标签，通过机器自动生成标签信息，从而快速提取出用户观点。

本申请实施例提供了一种评论文本的观点提取方法，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。

在一实施例中，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。

在一实施例中，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。

在一实施例中，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。

在一实施例中，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。

在一实施例中，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。

在一实施例中，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。