[发明专利]基于大数据的情绪词典的构建方法、装置及服务器

说明书

技术领域

本发明涉及文本挖掘、自然语言处理领域，具体而言，本发明涉及基于大数据的情绪词典的构建方法、装置及服务器。

背景技术

随着因特网技术的不断发展，用户可以在网上针对各种事件、商品等发表个人观点(文本信息)，表达个人情绪。通过对文本信息进行情绪挖掘分析，以获得用户对事件或商品的情绪倾向性，有利于事件处置、产品改进，具有非常高的使用价值。

现有技术中对文本信息的情绪分析方法通常是：通过预置的情绪词典对文本信息中的词语进行匹配，以确定出该文本信息中包含的情绪词语；根据预置情绪词典中各个情绪词语对应的情绪类别，确定出该文本信息中匹配成功的情绪词语对应的情绪类别，例如，确定出的情绪类别为积极或消极、正面或负面、或褒义和贬义等。

由上述的现有技术可知：在对文本信息进行分析时，情绪词典的作用尤为重要，直接关系着文本信息的情绪分析的合理性和准确性。而现有的情绪词典的构建方法十分简单，只是简单地预置各个情绪词语的类别，对文本信息的情绪分析粒度较大，有时并不能准确地分析出用户所发布文本信息的情绪倾向，可复用性不高。

因此，目前需要一种基于大数据的情绪词典的构建方法，使得构建出的情绪词典可以更加细粒度地实现文本信息的情绪分析，进而更加准确地分析出用户所发布文本信息的情绪倾向。

发明内容

鉴于上述缺点，本发明提供了基于大数据的情绪词典的构建方法、装置及服务器，应用本发明构建出的情绪词典，相比于现有技术，可以更加细粒度地对文本信息进行分析，进而更加准确地分析出用户所发布文本信息的情绪倾向。

本发明实施例提供了一种基于大数据的情绪词典的构建方法，包括：

获取原始文本信息，并对原始文本信息进行切词处理以得到待处理词语；

确定任一待处理词语与预建立的基础情绪词典中各个情绪词语之间的相似度；

根据确定的相似度，以及基础情绪词典中各个情绪词语对应的情绪类别、及与情绪类别对应的情绪强度，对基础情绪词典进行更新以构建情绪词典。

优选地，确定任一待处理词语与预建立的基础情绪词典中各个情绪词语之间的相似度的步骤，包括：

依据待处理词语以及基础情绪词典中的各个情绪词语在原始文本信息中的上下文信息，确定各个词语的词向量；

根据确定出的词向量，计算各个待处理词语与各个情绪词语之间的相似度。

优选地，对原始文本信息进行切词处理以得到待处理词语，还包括：

删除切词结果中的停用词。

优选地，根据确定的相似度，以及基础情绪词典中各个情绪词语对应的情绪类别、及与情绪类别对应的情绪强度，对基础情绪词典进行更新以构建情绪词典的步骤，包括：

对各个待处理词语与任一情绪词语之间的相似度进行排序，选取排序前预设值的待处理词语作为该情绪词语的候选扩展词语；

根据任一候选扩展词语与该情绪词语之间的相似度、该情绪词语的情绪类别及该情绪类别对应的情绪强度，确定该任一候选扩展词语的情绪类别及对应情绪强度；

根据该任一候选扩展词语的情绪类别及对应情绪强度对基础情绪词典进行更新以构建情绪词典。

优选地，当任一候选扩展词语对应多个情绪词语时，在对各个待处理词语与任一情绪词语之间的相似度进行排序，选取排序前预设值的待处理词语作为该情绪词语的候选扩展词语之后，还包括：

确定任一候选扩展词语和与其对应的各个情绪词语之间的最大相似度；

其中，根据任一候选扩展词语与该情绪词语之间的相似度、该情绪词语的情绪类别及该情绪类别对应的情绪强度，确定该任一候选扩展词语的情绪类别及对应情绪强度的步骤，包括：

根据最大相似度对应情绪词语的情绪类别及情绪强度，确定该任一候选扩展词语的情绪类别及对应情绪强度。

优选地，在对基础情绪词典进行更新之后，还包括：

获取预设时间段内包含情绪词典中任一情绪词语的文本信息的第一数量，以及预设时间段内包含情绪词典中全部情绪词语的文本信息的第二数量；

根据第一数量和第二数量确定该任一情绪词语的有效利用率；

当判断该任一情绪词语的有效利用率小于利用率阈值时，将该任一情绪词语从基础情绪词典中删除。

本发明实施例提供了一种基于大数据的情绪词典的构建装置，包括：

获取单元用于获取原始文本信息，并对原始文本信息进行切词处理以得到待处理词语；

确定单元用于确定任一待处理词语与预建立的基础情绪词典中各个情绪词语之间的相似度；