CN106776529B - 业务情感分析方法及装置 - Google Patents

业务情感分析方法及装置 Download PDF

Info

Publication number
CN106776529B
CN106776529B CN201510818908.8A CN201510818908A CN106776529B CN 106776529 B CN106776529 B CN 106776529B CN 201510818908 A CN201510818908 A CN 201510818908A CN 106776529 B CN106776529 B CN 106776529B
Authority
CN
China
Prior art keywords
node
target service
service node
emotion
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510818908.8A
Other languages
English (en)
Other versions
CN106776529A (zh
Inventor
侯明午
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Gridsum Technology Co Ltd
Original Assignee
Beijing Gridsum Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Gridsum Technology Co Ltd filed Critical Beijing Gridsum Technology Co Ltd
Priority to CN201510818908.8A priority Critical patent/CN106776529B/zh
Publication of CN106776529A publication Critical patent/CN106776529A/zh
Application granted granted Critical
Publication of CN106776529B publication Critical patent/CN106776529B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种业务情感分析方法及装置，涉及信息技术领域，可以提高业务情感分析的准确性。所述方法包括：首先对业务文本进行切分，得到至少一个文本片段；再获取预设业务模型中的目标业务节点，其中，预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，目标业务节点为存在至少一个文本片段包含其关键词的业务节点；然后分别计算每一个目标业务节点对应的至少一个文本片段的情感值平均值，作为每一个目标业务节点的原始情感值；最后根据每一个目标业务节点的原始情感值，从预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到根节点的转换情感值，并将该转换情感值作为业务文本的情感值。

Description

业务情感分析方法及装置
技术领域
本发明涉及信息技术领域，尤其涉及一种业务情感分析方法及装置。
背景技术
近些年来，随着互联网的迅猛发展，用户数目的急剧增加，越来越多的用户乐于在网上分享自己对某事件或产品等的观点或者评价，因此网络之中涌现了大量带有主观情感的信息，获取信息中的观点并加以分析利用以及及时监控网络舆情成为研究重点。对于互联网中海量的文本信息，单纯依靠人工处理的方法已经无法达到要求，也难以做到及时响应，迫切需要计算机来实现快速获取和分析处理信息，以获取网络热点事件，此类研究逐渐成为一个研究热点。
目前，在对网络中特定业务相关的文本信息进行情感分析时，现有技术是根据特定关键词确定与该特定业务相关的文本信息，同时计算该文本信息对应的情感值，将最终得到的计算结果作为该特定业务对应的情感值。然而，根据上述计算方式最终得到的计算结果存在较大噪音，进而影响了业务的情感分析的准确性。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的业务情感分析方法及装置。
一方面，本发明提供了一种业务情感分析方法，该方法包括：
对业务文本进行切分，得到至少一个文本片段；
获取预设业务模型中的目标业务节点，其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点；
分别计算每一个目标业务节点对应的至少一个文本片段的情感值平均值，作为所述每一个目标业务节点的原始情感值；
根据所述每一个目标业务节点的原始情感值，从所述预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到所述根节点的转换情感值，并将该转换情感值作为所述业务文本的情感值。
另一方面，本发明提供了一种业务情感分析装置，该装置包括：
切分单元，用于对业务文本进行切分，得到至少一个文本片段；
获取单元，用于获取预设业务模型中的目标业务节点，其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点；
计算单元，用于分别计算每一个目标业务节点对应的至少一个文本片段的情感值平均值，作为所述每一个目标业务节点的原始情感值；
所述计算单元，还用于根据所述每一个目标业务节点的原始情感值，从所述预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到所述根节点的转换情感值，并将该转换情感值作为所述业务文本的情感值。
借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：
本发明提供的一种业务情感分析方法及装置，首先对业务文本进行切分，得到至少一个文本片段；再获取预设业务模型中的目标业务节点，其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点；然后分别计算每一个目标业务节点对应的至少一个文本片段的情感值平均值，作为所述每一个目标业务节点的原始情感值；最后根据所述每一个目标业务节点的原始情感值，从所述预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到所述根节点的转换情感值，并将该转换情感值作为所述业务文本的情感值。与现有技术相比，本发明根据预设业务模型计算出其中的每一个目标业务节点对应的原始情感值，然后从预设业务模型的最底层目标业务节点向根节点逐层归并计算，最终得到业务文本的情感值，得到的计算结果具有层级结构化特征，可以减少计算结果的噪音，可以提高计算结果的准确性，进而提高了业务情感分析的准确性。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种业务情感分析方法流程示意图；
图2示出了本发明实施例提供的另一种业务情感分析方法流程示意图；
图3示出了本发明实施例提供的一种业务情感分析装置结构示意图；
图4示出了本发明实施例提供的另一种业务情感分析装置结构示意图；
图5示出了本发明实施例提供的一种业务模型结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供的一种业务情感分析方法，如图1所示，该方法包括：
101、对业务文本进行切分，得到至少一个文本片段。
其中，所述业务文本可以为与业务相关的评论信息、微博信息、博客信息等。
例如，对于评论信息为“手机特别好，音量特别大。”的句子，可以按逗号划分为两段文本片段信息，分别为“手机特别好”、“音量特别大”。
102、获取预设业务模型中的目标业务节点。
其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点。例如，当需要对手机业务相关的文本信息进行情感分析时，关键词可以配置为音量、外形、屏幕、厚度等。需要说明的是，由于关键词之间具有层级关系，例如，对于手机业务，“手机”关键词为“外形”关键词的上层级关键词，利用现有技术的计算方式会影响业务情感分析的准确性，而对于本发明实施例，可以预先设置业务相关的业务模型，其中的不同层级的业务节点包含不同层级的关键词，通过该业务模型计算得到的业务文本的情感值具有层级化特征，可以提高业务情感分析的准确性。
例如，对于手机业务模型，1号业务节点中保存有“手机”关键词、2号业务节点中保存有“音量”关键词、3号业务节点中保存有“电池”关键词，此时，当业务文本中存在一个文本片段为“手机特别好”时，说明1号业务节点为目标业务节点。
103、分别计算每一个目标业务节点对应的至少一个文本片段的情感值平均值，作为每一个目标业务节点的原始情感值。
例如，存在2个文本片段包含目标业务节点A中的关键词，计算得到该2个文本片段分别对应的情感值为0.7、0.8，求这两个情感值的平均值，作为目标业务节点A的原始情感值，具体为0.75。
104、根据每一个目标业务节点的原始情感值，从预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到根节点的转换情感值，并将该转换情感值作为业务文本的情感值。
例如，业务a对应的业务模型中存在三个业务节点，1号业务节点、2号业务节点和3号业务节点，并且1号业务节点为2号与3号业务节点的根节点，同时也是父节点，而2号与3号业务节点为子节点，并且相互之间为兄弟节点。将业务a对应的业务文本进行切分，得到至少一个文本片段。经过统计，三个业务节点都是目标业务节点，计算1号、2号和3号业务节点的原始情感值，从业务模型的最底层目标业务节点向根节点逐层归并计算得到根节点的转换情感值，即从2号和3号业务节点向1号业务节点逐层归并计算，得到1号业务节点的转换情感值，并将该转换情感值作为业务a对应业务文本的情感值。
本发明提供的一种业务情感分析方法，首先对业务文本进行切分，得到至少一个文本片段；再获取预设业务模型中的目标业务节点，其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点；然后分别计算每一个目标业务节点对应的至少一个文本片段的情感值平均值，作为所述每一个目标业务节点的原始情感值；最后根据所述每一个目标业务节点的原始情感值，从所述预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到所述根节点的转换情感值，并将该转换情感值作为所述业务文本的情感值。与现有技术相比，本发明根据预设业务模型计算出其中的每一个目标业务节点对应的原始情感值，然后从预设业务模型的最底层目标业务节点向根节点逐层归并计算，最终得到业务文本的情感值，得到的计算结果具有层级结构化特征，可以减少计算结果的噪音，可以提高计算结果的准确性，进而提高了业务情感分析的准确性。
具体的，本发明实施例提供了另一种业务情感分析方法，如图2所示，该方法包括：
201、对业务文本进行切分，得到至少一个文本片段。
其中，所述业务文本可以为业务相关的论坛评论信息、博客日志信息等。
对于本发明实施例，所述步骤201包括：按照所述业务文本中的标点符号，将所述业务文本切分为至少一个文本片段。所述标点符号可以为逗号、句号、分号等。
202、获取预设业务模型中的目标业务节点。
其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点。所述预设业务模型中每个业务节点内保存有相同类别的多个关键词，并且是同一层级的。例如，业务节点1中包含票价、景区价、涨价等相同类别的关键词。所述预设业务模型可以根据实际业务需求进行配置。
203、计算包含目标业务节点关键词的至少一个文本片段中每一个文本片段的情感值。
204、根据每一个文本片段的情感值和包含目标业务节点关键词的文本片段的个数，计算目标业务节点的情感值平均值，作为目标业务节点的原始情感值。
例如，文本片段1与文本片段2中都包含有业务节点b中的关键词，并且不存在其他文本片段信息包含有业务节点b中的关键词，计算得到文本片段1对应的情感值为0.5，文本片段2对应的情感值为0.7，可以求得业务节点b对应的原始情感值为0.6。
需要说明的是，可以根据公式
Figure BDA0000855099090000061
计算业务节点i对应的原始情感值，其中，Sentii为文本片段l对应的情感值，L为L个文本片段。
205、根据每一个目标业务节点的原始情感值，从预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到根节点的转换情感值，并将该转换情感值作为业务文本的情感值。
对于本发明实施例，所述步骤205具体包括：根据最底层目标业务节点的原始情感值计算其父节点的转换情感值；将所述最底层目标业务节点的父节点作为当前目标业务节点，根据当前目标业务节点的转换情感值计算当前目标业务节点的父节点的转换情感值，并根据所述预设业务模型从当前目标业务节点的父节点向根节点逐层归并计算，直到当前目标业务节点为根节点为止，得到所述根节点的转换情感值。
进一步地，所述预设业务模型中的每一个业务节点还包含权重值，所述根据最底层目标业务节点的原始情感值计算其父节点的转换情感值具体包括：根据所述权重值计算每一个最底层目标业务节点的加权情感值平均值；计算所述最底层目标业务节点的父节点的原始情感值和所述加权情感值平均值的平均值，得到该父节点的转换情感值，其中，当该父节点不为目标业务节点时，该父节点的原始情感值为零。
例如，对于旅游业务模型，1号业务节点中保存有“旅游”关键词、2号业务节点中保存有“景点”关键词、3号业务节点中保存有“酒店”关键词，“景点”与“酒店”为同层级关键词，而“旅游”为“景点”与“酒店”的上层级关键词，1号业务节点为2号和3号业务节点的父节点，2号与3号业务节点为兄弟节点，因此1号业务节点对应的权重值可以配置为1，2号和3号业务节点分别对应的权重值可以都配置为0.5。
进一步地，所述根据所述权重值计算每一个最底层目标业务节点的加权情感值平均值具体包括：计算每一个最底层目标业务节点的原始情感值和对应的权重值的乘积，得到每一个最底层目标业务节点的加权情感值；将所述每一个最底层目标业务节点的加权情感值之和除以所述最底层目标业务节点的个数，得到所述最底层目标业务节点的加权情感值平均值。
进一步地，所述根据当前目标业务节点的转换情感值计算当前目标业务节点的父节点的转换情感值具体包括：根据所述权重值计算当前目标业务节点和其兄弟节点的加权情感值平均值；计算所述当前目标业务节点的父节点的原始情感值和所述加权情感值平均值的平均值，得到所述当前目标业务节点的父节点的转换情感值；其中，当所述当前目标业务节点的父节点不为目标业务节点时，所述当前目标业务节点的父节点的原始情感值为零。
进一步地，所述根据所述权重值计算当前目标业务节点和其兄弟节点的加权情感值平均值包括：分别计算所述当前目标业务节点和其兄弟节点的原始情感值和对应的权重值的乘积，得到当前目标业务节点和其兄弟节点各自的加权情感值，其中，当所述兄弟节点不为目标业务节点时，该兄弟节点的原始情感值为零；将所述当前目标业务节点和其兄弟节点各自的加权情感值之和除以所述当前目标业务节点和其兄弟节点中原始情感值不为零的业务节点的个数，得到所述当前业务节点的加权情感值平均值。
需要说明的是，可以根据公式
Figure BDA0000855099090000071
计算业务节点i对应的转换情感值。其中，业务节点i对应n个业务子节点，Sentii'为业务子节点j的加权情感值，Sentii为业务节点i对应的原始情感值。
进一步地，所述方法还包括：按照预设业务分类，划分不同层级的关键词；将所述不同层级的关键词分别保存在不同的业务节点中，以创建与所述预设业务分类对应的业务模型。其中，所述预设业务分类可以根据用户的实际需求进行设置，例如，手机业务分类、电器业务分类、旅游业务分类等。需要说明的是，通过预先创建的该业务模型，可以对与预设业务分类对应的业务进行情感分析，并且得到的计算结果具有层级化特征，可以提高业务情感分析的准确性。
对于本发明实施例的具体应用场景可以如下所示，但不限于此，具体地，可以如图5所示，提供了一种业务模型结构示意图，该业务为旅游业务，每个方块代表一个业务节点，每个业务节点中包含至少一个关键词，其中，最上层为根节点，下面有三个业务子节点，每个业务子节点下面还有至少一个业务孙节点，以此类推，组成该业务模型。此时需要对该旅游业务对应的业务文本进行情感分析，首先将该业务文本根据标点符号进行切分，得到了多个文本片段，将存在至少一个文本片段包含其关键词的业务节点确定为目标业务节点，经过统计“景点名”、“消费”、“景点”、“酒店”、“游客”、“旅游”这几个的业务节点为目标业务节点，首先计算得到“景点名”业务节点对应的至少一个文本片段的情感值平均值，作为“景点名”业务节点的原始情感值，相同方法计算出“消费”业务节点的原始情感值，将这两个原始情感值乘以各自业务节点对应的权重值并求平均值，得到“景点”业务节点对应业务子节点的加权情感值均值，再求得“景点”业务节点的原始情感值，与该加权情感值均值再求平均值得到“景点”业务节点的转换情感值，以此类推得到了“酒店”业务节点以及“游客”业务节点的转换情感值，此时将这三个转换情感值乘以各自业务节点对应的权重值并求平均值，得到“旅游”业务节点对应业务子节点的加权情感值均值，然后将这个加权情感值均值与“旅游”业务节点的原始情感值之间求平均值，作为根节点的转换情感值，并将该转换情感值作为该旅游业务对应的业务文本的情感值。
本发明提供的另一种业务情感分析方法，首先对业务文本进行切分，得到至少一个文本片段；再获取预设业务模型中的目标业务节点，其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点；然后分别计算每一个目标业务节点对应的至少一个文本片段的情感值平均值，作为所述每一个目标业务节点的原始情感值；最后根据所述每一个目标业务节点的原始情感值，从所述预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到所述根节点的转换情感值，并将该转换情感值作为所述业务文本的情感值。与现有技术相比，本发明根据预设业务模型计算出其中的每一个目标业务节点对应的原始情感值，然后从预设业务模型的最底层目标业务节点向根节点逐层归并计算，最终得到业务文本的情感值，得到的计算结果具有层级结构化特征，可以减少计算结果的噪音，可以提高计算结果的准确性，进而提高了业务情感分析的准确性。
进一步地，作为图1所示方法的具体实现，本发明实施例提供了一种业务情感分析装置，如图3所示，所述装置包括：切分单元31、获取单元32、计算单元33。
所述切分单元31，可以用于对业务文本进行切分，得到至少一个文本片段。
所述获取单元32，可以用于获取预设业务模型中的目标业务节点，其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点。
所述计算单元33，可以用于分别计算每一个目标业务节点对应的至少一个文本片段的情感值平均值，作为所述每一个目标业务节点的原始情感值。
所述计算单元33，还可以用于根据所述每一个目标业务节点的原始情感值，从所述预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到所述根节点的转换情感值，并将该转换情感值作为所述业务文本的情感值。
需要说明的是，本发明实施例提供的一种业务情感分析装置所涉及各功能单元的其他相应描述，可以参考图1的对应描述，在此不再赘述。
本发明提供的一种业务情感分析装置，首先对业务文本进行切分，得到至少一个文本片段；再获取预设业务模型中的目标业务节点，其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点；然后分别计算每一个目标业务节点对应的至少一个文本片段的情感值平均值，作为所述每一个目标业务节点的原始情感值；最后根据所述每一个目标业务节点的原始情感值，从所述预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到所述根节点的转换情感值，并将该转换情感值作为所述业务文本的情感值。与现有技术相比，本发明根据预设业务模型计算出其中的每一个目标业务节点对应的原始情感值，然后从预设业务模型的最底层目标业务节点向根节点逐层归并计算，最终得到业务文本的情感值，得到的计算结果具有层级结构化特征，可以减少计算结果的噪音，可以提高计算结果的准确性，进而提高了业务情感分析的准确性。
进一步地，作为图2所示方法的具体实现，本发明实施例提供了另一种业务情感分析装置，如图4所示，所述装置包括：切分单元41、获取单元42、计算单元43。
所述切分单元41，可以用于对业务文本进行切分，得到至少一个文本片段。
所述获取单元42，可以用于获取预设业务模型中的目标业务节点，其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点。
所述计算单元43，可以用于分别计算每一个目标业务节点对应的至少一个文本片段的情感值平均值，作为所述每一个目标业务节点的原始情感值。
所述计算单元43，还可以用于根据所述每一个目标业务节点的原始情感值，从所述预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到所述根节点的转换情感值，并将该转换情感值作为所述业务文本的情感值。
所述计算单元43，具体可以用于计算包含所述目标业务节点关键词的至少一个文本片段中每一个文本片段的情感值。
所述计算单元43，具体还可以用于根据所述每一个文本片段的情感值和包含所述目标业务节点关键词的文本片段的个数，计算所述目标业务节点的情感值平均值。
所述计算单元43，具体还可以用于根据最底层目标业务节点的原始情感值计算其父节点的转换情感值。
所述计算单元43，具体还可以用于将所述最底层目标业务节点的父节点作为当前目标业务节点，根据当前目标业务节点的转换情感值计算当前目标业务节点的父节点的转换情感值，并根据所述预设业务模型从当前目标业务节点的父节点向根节点逐层归并计算，直到当前目标业务节点为根节点为止，得到所述根节点的转换情感值。
可选地，所述预设业务模型中的每一个业务节点还包含权重值。
所述计算单元43，具体还可以用于根据所述权重值计算每一个最底层目标业务节点的加权情感值平均值。
所述计算单元43，具体还可以用于计算所述最底层目标业务节点的父节点的原始情感值和所述加权情感值平均值的平均值，得到该父节点的转换情感值，其中，当该父节点不为目标业务节点时，该父节点的原始情感值为零。
所述计算单元43，具体还可以用于计算每一个最底层目标业务节点的原始情感值和对应的权重值的乘积，得到每一个最底层目标业务节点的加权情感值。
所述计算单元43，具体还可以用于将所述每一个最底层目标业务节点的加权情感值之和除以所述最底层目标业务节点的个数，得到所述最底层目标业务节点的加权情感值平均值。
所述计算单元43，具体还可以用于根据所述权重值计算当前目标业务节点和其兄弟节点的加权情感值平均值。
所述计算单元43，具体还可以用于计算所述当前目标业务节点的父节点的原始情感值和所述加权情感值平均值的平均值，得到所述当前目标业务节点的父节点的转换情感值。
其中，当所述当前目标业务节点的父节点不为目标业务节点时，所述当前目标业务节点的父节点的原始情感值为零。
所述计算单元43，具体还可以用于分别计算所述当前目标业务节点和其兄弟节点的原始情感值和对应的权重值的乘积，得到当前目标业务节点和其兄弟节点各自的加权情感值，其中，当所述兄弟节点不为目标业务节点时，该兄弟节点的原始情感值为零。
所述计算单元43，具体还可以用于将所述当前目标业务节点和其兄弟节点各自的加权情感值之和除以所述当前目标业务节点和其兄弟节点中原始情感值不为零的业务节点的个数，得到所述当前业务节点的加权情感值平均值。
所述切分单元41，具体可以用于按照所述业务文本中的标点符号，将所述业务文本切分为至少一个文本片段。
需要说明的是，本发明实施例提供的另一种业务情感分析装置所涉及各功能单元的其他相应描述，可以参考图2的对应描述，在此不再赘述。
本发明提供的另一种业务情感分析装置，首先对业务文本进行切分，得到至少一个文本片段；再获取预设业务模型中的目标业务节点，其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点；然后分别计算每一个目标业务节点对应的至少一个文本片段的情感值平均值，作为所述每一个目标业务节点的原始情感值；最后根据所述每一个目标业务节点的原始情感值，从所述预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到所述根节点的转换情感值，并将该转换情感值作为所述业务文本的情感值。与现有技术相比，本发明根据预设业务模型计算出其中的每一个目标业务节点对应的原始情感值，然后从预设业务模型的最底层目标业务节点向根节点逐层归并计算，最终得到业务文本的情感值，得到的计算结果具有层级结构化特征，可以减少计算结果的噪音，可以提高计算结果的准确性，进而提高了业务情感分析的准确性。
所述业务情感分析装置包括处理器和存储器，上述切分单元、获取单元、计算单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决计算文本信息的情感值的过程中，计算结果存在较大噪音，进而影响了业务情感分析准确性的问题。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序代码：对业务文本进行切分，得到至少一个文本片段；获取预设业务模型中的目标业务节点，其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点；分别计算每一个目标业务节点对应的至少一个文本片段的情感值平均值，作为所述每一个目标业务节点的原始情感值；根据所述每一个目标业务节点的原始情感值，从所述预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到所述根节点的转换情感值，并将该转换情感值作为所述业务文本的情感值。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (12)

1.一种业务情感分析方法，其特征在于，包括：
对业务文本进行切分，得到至少一个文本片段；
获取预设业务模型中的目标业务节点，其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点；
分别计算每一个目标业务节点对应的至少一个文本片段的情感值的平均值，作为所述每一个目标业务节点的原始情感值；
根据所述每一个目标业务节点的原始情感值，从所述预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到所述根节点的转换情感值，并将该转换情感值作为所述业务文本的情感值。
2.根据权利要求1所述的方法，其特征在于，所述分别计算每一个目标业务节点对应的至少一个文本片段的情感值的平均值包括：
计算包含所述目标业务节点关键词的至少一个文本片段中每一个文本片段的情感值；
根据所述每一个文本片段的情感值和包含所述目标业务节点关键词的文本片段的个数，计算所述目标业务节点的情感值平均值。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述每一个目标业务节点的原始情感值，从所述预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到所述根节点的转换情感值包括：
根据最底层目标业务节点的原始情感值计算其父节点的转换情感值；
将所述最底层目标业务节点的父节点作为当前目标业务节点，根据当前目标业务节点的转换情感值计算当前目标业务节点的父节点的转换情感值，并根据所述预设业务模型从当前目标业务节点的父节点向根节点逐层归并计算，直到当前目标业务节点为根节点为止，得到所述根节点的转换情感值。
4.根据权利要求3所述的方法，其特征在于，所述预设业务模型中的每一个业务节点还包含权重值，所述根据最底层目标业务节点的原始情感值计算其父节点的转换情感值包括：
根据所述权重值计算每一个最底层目标业务节点的加权情感值平均值；
计算所述最底层目标业务节点的父节点的原始情感值和所述加权情感值平均值的平均值，得到该父节点的转换情感值，其中，当该父节点不为目标业务节点时，该父节点的原始情感值为零。
5.根据权利要求4所述的方法，其特征在于，所述根据所述权重值计算每一个最底层目标业务节点的加权情感值平均值包括：
计算每一个最底层目标业务节点的原始情感值和对应的权重值的乘积，得到每一个最底层目标业务节点的加权情感值；
将所述每一个最底层目标业务节点的加权情感值之和除以所述最底层目标业务节点的个数，得到所述最底层目标业务节点的加权情感值平均值。
6.根据权利要求4或5所述的方法，其特征在于，所述根据当前目标业务节点的转换情感值计算当前目标业务节点的父节点的转换情感值包括：
根据所述权重值计算当前目标业务节点和其兄弟节点的加权情感值平均值；
计算所述当前目标业务节点的父节点的原始情感值和所述加权情感值平均值的平均值，得到所述当前目标业务节点的父节点的转换情感值；
其中，当所述当前目标业务节点的父节点不为目标业务节点时，所述当前目标业务节点的父节点的原始情感值为零。
7.根据权利要求6所述的方法，其特征在于，所述根据所述权重值计算当前目标业务节点和其兄弟节点的加权情感值平均值包括：
分别计算所述当前目标业务节点和其兄弟节点的原始情感值和对应的权重值的乘积，得到当前目标业务节点和其兄弟节点各自的加权情感值，其中，当所述兄弟节点不为目标业务节点时，该兄弟节点的原始情感值为零；
将所述当前目标业务节点和其兄弟节点各自的加权情感值之和除以所述当前目标业务节点和其兄弟节点中原始情感值不为零的业务节点的个数，得到所述当前目标业务节点和其兄弟节点的加权情感平均值。
8.根据权利要求1所述的方法，其特征在于，所述对业务文本进行切分，得到至少一个文本片段包括：
按照所述业务文本中的标点符号，将所述业务文本切分为至少一个文本片段。
9.一种业务情感分析装置，其特征在于，包括：
切分单元，用于对业务文本进行切分，得到至少一个文本片段；
获取单元，用于获取预设业务模型中的目标业务节点，其中，所述预设业务模型为树状结构，预设业务模型中的每一个业务节点包含至少一个关键词，所述目标业务节点为存在至少一个文本片段包含其关键词的业务节点；
计算单元，用于分别计算每一个目标业务节点对应的至少一个文本片段的情感值的平均值，作为所述每一个目标业务节点的原始情感值；
所述计算单元，还用于根据所述每一个目标业务节点的原始情感值，从所述预设业务模型的最底层目标业务节点向根节点逐层归并计算，得到所述根节点的转换情感值，并将该转换情感值作为所述业务文本的情感值。
10.根据权利要求9所述的装置，其特征在于，
所述计算单元，具体用于计算包含所述目标业务节点关键词的至少一个文本片段中每一个文本片段的情感值；
所述计算单元，具体还用于根据所述每一个文本片段的情感值和包含所述目标业务节点关键词的文本片段的个数，计算所述目标业务节点的情感值平均值。
11.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至权利要求8中任意一项所述的业务情感分析方法。
12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至权利要求8中任意一项所述的业务情感分析方法。
CN201510818908.8A 2015-11-23 2015-11-23 业务情感分析方法及装置 Active CN106776529B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510818908.8A CN106776529B (zh) 2015-11-23 2015-11-23 业务情感分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510818908.8A CN106776529B (zh) 2015-11-23 2015-11-23 业务情感分析方法及装置

Publications (2)

Publication Number Publication Date
CN106776529A CN106776529A (zh) 2017-05-31
CN106776529B true CN106776529B (zh) 2020-01-21

Family

ID=58963043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510818908.8A Active CN106776529B (zh) 2015-11-23 2015-11-23 业务情感分析方法及装置

Country Status (1)

Country Link
CN (1) CN106776529B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114579751A (zh) * 2022-04-07 2022-06-03 深圳追一科技有限公司 情绪分析方法、装置、电子设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101593204A (zh) * 2009-06-05 2009-12-02 北京大学 一种基于新闻评论网页的情感倾向性分析系统
US8209274B1 (en) * 2011-05-09 2012-06-26 Google Inc. Predictive model importation
CN104008091B (zh) * 2014-05-26 2017-03-15 上海大学 一种基于情感值的网络文本情感分析方法

Also Published As

Publication number Publication date
CN106776529A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
US9495645B2 (en) Method and system of iteratively autotuning prediction parameters in a media content recommender
CN110532479A (zh) 一种信息推荐方法、装置及设备
CN108268617B (zh) 用户意图确定方法及装置
CN106598999B (zh) 一种计算文本主题归属度的方法及装置
US9552399B1 (en) Displaying information about distributed group discussions
CN106850314B (zh) 一种用于确定用户属性模型及用户属性信息的方法与设备
US20170315996A1 (en) Focused sentiment classification
US9286379B2 (en) Document quality measurement
JP2014515514A (ja) 提案される語を提供するための方法および装置
CN113934941B (zh) 一种基于多维度信息的用户推荐系统及方法
US9582586B2 (en) Massive rule-based classification engine
US20180239767A1 (en) Computerized cognitive recall assistance
CN111787409A (zh) 影视评论数据处理方法及装置
JP2018537768A (ja) ソーシャルビジネス特性を持つユーザの識別
CN105989066A (zh) 一种信息处理方法和装置
CN111382345B (zh) 话题筛选和发布的方法、装置和服务器
CN110717788A (zh) 一种目标用户的筛选方法及装置
CN108460131B (zh) 一种分类标签处理方法及装置
CN111737461B (zh) 文本的处理方法、装置、电子设备及计算机可读存储介质
US10341272B2 (en) Personality reply for digital content
CN112905885A (zh) 向用户推荐资源的方法、装置、设备、介质和程序产品
CN106776529B (zh) 业务情感分析方法及装置
CN116738060A (zh) 内容生成方法、装置及电子设备
US11303683B2 (en) Methods and systems for managing distribution of online content based on content maturity
CN107038193A (zh) 一种文本信息的处理方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 100083 No. 401, 4th Floor, Haitai Building, 229 North Fourth Ring Road, Haidian District, Beijing

Applicant after: Beijing Guoshuang Technology Co.,Ltd.

Address before: 100086 Cuigong Hotel, 76 Zhichun Road, Shuangyushu District, Haidian District, Beijing

Applicant before: Beijing Guoshuang Technology Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant