[发明专利]网络言论情绪态度定位方法及装置

摘要

本发明涉及网络言论情绪态度定位方法及装置。该方法包括获取言论性网络平台的网络言论；判断所述网络言论是否含有表情，若是，则提取所述网络言论中所有表情，并根据情绪态度模型，得到各表情所对应的情绪值，对各表情的情绪值进行比较，将情绪值最大的表情所对应的情绪态度作为所述网络言论的情绪态度，若否，则利用预先完成训练的神经网络模型，计算出所述网络言论的情绪态度。本发明对网络言论所表达的情绪进行有效的量化，量化的网络言论能够作为舆论事件的未来发展动向分析的有效的数据基础，从而提高预测舆论事件动向的精确度。

主权项

网络言论情绪态度定位方法，其特征在于，包括以下步骤：步骤1、获取言论性网络平台的网络言论；步骤2、判断所述网络言论是否含有表情，若是，则执行步骤3，若否，则执行步骤4；步骤3、提取所述网络言论中所有表情，并根据情绪态度模型，得到各表情所对应的情绪值，对各表情的情绪值进行比较，将情绪值最大的表情所对应的情绪态度作为所述网络言论的情绪态度；其中，所述情绪态度模型为具有四个象限的平面坐标系，每个象限中预设有表情与坐标值的对应关系，每个象限代表一种情绪态度；所述情绪值为表情与平面坐标系的圆点的距离；步骤4、利用预先完成训练的神经网络模型，计算出所述网络言论的情绪态度；其中，所述神经网络模型用于根据含有表情的网络言论所构成的样本集，计算不含表情的网络言论的情绪态度；所述神经网络模型的训练过程如下：对含有表情的网络言论的文本中包含的所有词进行提取，记录每一条文本中各词出现的次数，从而建立文本词典矩阵；采用TF‑IDF算法提取出所述含有表情的网络言论的文本中的所有核心关键词，记录每一条文本中各核心关键词的次数，从而建立核心关键词矩阵；计算每一条含有表情的网络言论的情绪态度，并建立情绪态度输出矩阵；将文本词典矩阵和核心关键词矩阵作为神经网络模型的输入项，将情绪态度输出矩阵作为神经网络模型的输出项，以进行训练。