CN110096694A - 基于自然语言处理的信息生成方法和装置 - Google Patents

Abstract

本申请实施例公开了信息生成方法和装置。该方法的一具体实施方式包括：获取用户对物品进行评价的原始评价语句；基于预设的情感词表，确定出原始评价语句中的情感词；确定出原始评价语句中的目的词；基于各目的词和情感词的关联关系，生成评价列表，其中，评价列表中关联存储有各目的词以及与各目的词关联的情感词。该实施方式有利于所生成的信息的准确性。

Description

基于自然语言处理的信息生成方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及基于自然语言处理的信息生成方法和装置。

背景技术

信息获取，是指围绕一定目标，在一定范围内，通过一定的技术手段和方式方法获得信息的活动和过程。获取信息的途径不是单一的，是多种多样的。

信息获取的准确性将对应用所获取的信息的操作产生相当的影响。例如，从用户对某一物品的原始评价语句中获取并生成的评价信息的准确程度，将影响到利用该评价信息进行的用户建模等的准确程度。

发明内容

本申请实施例提出了基于自然语言处理的信息生成方法和装置。

第一方面，本申请实施例提供了一种基于自然语言处理的信息生成方法，该方法包括：获取用户对物品进行评价的原始评价语句；基于预设的情感词表，确定出原始评价语句中的情感词；确定出原始评价语句中的目的词；基于各目的词和情感词的关联关系，生成评价列表，其中，评价列表中关联存储有各目的词以及与各目的词关联的情感词。

在一些实施例中，预设的情感词表包括多个预设的情感词以及与各预设的情感词相对应的情感倾向标识值；在基于预设的情感词表，确定出原始评价语句中的情感词之后，方法还包括：确定出原始评价语句中的各情感词的情感倾向标识值；以及生成评价键值对，其中，各评价键值对的键为各目的词，各评价键值对的值基于与该键值对的目的词关联的情感词的情感倾向标识值确定。

在一些实施例中，在基于预设的情感词表，确定出原始评价语句中的情感词之前，方法还包括：生成原始评价语句的语法分析树，其中，语法分析树包括一个根节点、至少一个与原始评价语句所包含的分句一一对应的中间节点，各中间节点包括与该中间节点所对应的分句中的各分词一一对应的叶节点；基于各目的词和情感词的关联关系，生成评价列表，包括：响应于目的词和情感词属于同一个中间节点，确定该目的词和该情感词具有关联关系。

在一些实施例中，基于各目的词和情感词的关联关系，生成评价列表，包括：若其中一个中间节点仅存在情感词不存在目的词，则确定与该中间节点相邻的中间节点中的目的词与该中间节点中的情感词具有关联关系。

在一些实施例中，生成评价键值对包括：判断中间节点是否包含奇数个否定词，若是，则将该中间节点所包含的情感词的情感标识值取反，作为与该情感词关联的评价键值对的值。

在一些实施例中，生成评价键值对，包括：判断同一中间节点下，是否同时存在情感词和程度词；若是，则基于预设的程度词与程度等级的关联关系，调整该情感词的情感倾向标识值。

在一些实施例中，方法还包括：对于同一物品，合并与各原始评价语句对应的评价列表以生成物品评价列表；其中，物品评价列表中关联存储有各目的词和从各原始评价语句中确定出的与该目的词关联的情感词。

在一些实施例中，方法还包括：获取针对同一物品的评价键值对；

对具有相同键的键值对进行合并，生成至少一个合并键值对，其中，合并键值对的值为具有相同键的各键值对的值之和。

在一些实施例中，方法还包括：按照合并键值对的值的绝对值降序排列的方式向终端呈现针对同一物品的各合并键值对。

第二方面，本申请实施例还提供了一种基于自然语言处理的信息生成装置，包括：获取单元，配置用于获取用户对物品进行评价的原始评价语句；情感词确定单元，配置用于基于预设的情感词表，确定出原始评价语句中的情感词；目的词确定单元，配置用于确定出原始评价语句中的目的词；生成单元，配置用于基于各目的词和情感词的关联关系，生成评价列表，其中，评价列表中关联存储有各目的词以及与各目的词关联的情感词。

在一些实施例中，预设的情感词表包括多个预设的情感词以及与各预设的情感词相对应的情感倾向标识值；装置还包括：确定单元，配置用于在基于预设的情感词表，确定出原始评价语句中的情感词之后，确定出原始评价语句中的各情感词的情感倾向标识值；以及生成单元还配置用于生成评价键值对，其中，各评价键值对的键为各目的词，各评价键值对的值基于与该键值对的目的词关联的情感词的情感倾向标识值确定。

在一些实施例中，装置还包括：语法分析树生成单元，配置用于在情感词确定单元基于预设的情感词表，确定出原始评价语句中的情感词之前，生成原始评价语句的语法分析树，其中，语法分析树包括一个根节点、至少一个与原始评价语句所包含的分句一一对应的中间节点，各中间节点包括与该中间节点所对应的分句中的各分词一一对应的叶节点；生成单元进一步配置用于：响应于目的词和情感词属于同一个中间节点，确定该目的词和该情感词具有关联关系。

在一些实施例中，生成单元进一步配置用于：若其中一个中间节点仅存在情感词不存在目的词，则确定与该中间节点相邻的中间节点中的目的词与该中间节点中的情感词具有关联关系。

在一些实施例中，生成单元进一步配置用于：判断中间节点是否包含奇数个否定词，若是，则将该中间节点所包含的情感词的情感标识值取反，作为与该情感词关联的评价键值对的值。

在一些实施例中，生成单元进一步配置用于：判断同一中间节点下，是否同时存在情感词和程度词；若是，则基于预设的程度词与程度等级的关联关系，调整该情感词的情感倾向标识值。

在一些实施例中，生成单元进一步配置用于：对于同一物品，合并与各原始评价语句对应的评价列表以生成物品评价列表；其中，物品评价列表中关联存储有各目的词和从各原始评价语句中确定出的与该目的词关联的情感词。

在一些实施例中，装置还包括：合并单元，配置用于获取针对同一物品的评价键值对；对具有相同键的键值对进行合并，生成至少一个合并键值对，其中，合并键值对的值为具有相同键的各键值对的值之和。

在一些实施例中，装置还包括：呈现单元，配置用于按照合并键值对的值的绝对值降序排列的方式向终端呈现针对同一物品的各合并键值对。

第三方面，本申请实施例还提供了一种设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面任一的方法。

第四方面，本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面任一的方法。

本申请实施例提供的基于自然语言处理的信息生成方法和装置，通过获取用户对物品进行评价的原始评价语句，并基于预设的情感词表，确定出原始评价语句中的情感词，再确定出原始评价语句中的目的词，最后基于各目的词和情感词的关联关系，生成评价列表，有利于所生成的信息的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的信息生成方法的一个实施例的流程图；

图3是根据本申请的信息生成方法的一个应用场景的示意图；

图4是根据本申请的信息生成方法的又一个实施例的流程图；

图5是语法分析树的一个示意图；

图6是根据本申请的信息生成装置的一个实施例的结构示意图；

图7是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的基于自然语言处理的信息生成方法或信息生成装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发出的原始评价语句提供支持的后台处理服务器。后台处理类服务器可以对接收到的原始评价语句等数据进行分析等处理，并生成处理结果(例如基于原始评价语句生成的评价列表)。

需要说明的是，本申请实施例所提供的基于自然语言处理的信息生成方法一般由服务器105执行，相应地，基于自然语言处理的信息生成装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的信息生成方法的一个实施例的流程200。该信息生成方法，包括以下步骤：

步骤201，获取用户对物品进行评价的原始评价语句。

在本实施例中，信息生成方法运行于其上的电子设备(例如图1所示的服务器)可以从其上存储的或者与其通过有线连接方式或者无线连接方式通信连接的终端设备(例如，图1所示的终端设备)中获取原始评价语句。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

例如，在一些应用场景中，使用终端设备的用户可以在某购物类应用购买商品，并在确认收货后，通过点击呈现在页面上的“评价”按钮跳转至评价输入页面。用户可以在该评价输入页面中，输入相关的文字(也即，原始评价语句)，来表达其对该商品的商品质量、配送速度、提供商品的商家的服务态度等方面的意见。在完成原始评价语句的输入之后，用户可以通过点击呈现在该页面上的“提交”按钮，从而将所输入的原始评价语句发送至服务器。

步骤202，基于预设的情感词表，确定出原始评价语句中的情感词。

在这里，预设的情感词表中，可以预先存储有多个情感词。

情感词可以是能够体现用户对评价对象的态度的词。一般而言，用户对评价对象(例如，某一商品)的情感倾向可以分为正向和负向。正向的情感倾向可以用于表征用户对该评价对象的积极(正面)评价，例如，赞赏。相反，负向的情感倾向则可以用于表征用户对该评价对象的消极(负面)评价，例如，批评。

在一些可选的实现方式中，可以将预设的情感词表中所存储的情感词与原始评价语句进行比对，从而确定出原始评价语句中所包含的情感词。

或者，在另一些可选的实现方式中，还可以先对原始评价语句进行一定的处理——例如，分词处理——从而将原始评价语句中对情感词提取无用的虚词(例如，介词、语气助词等等)从原始评价语句中去除，再将预设的情感词表中所存储的情感词与处理后的原始评价语句进行比对，从而提升从原始评价语句中确定出的情感词的处理效率。

步骤203，确定出原始评价语句中的目的词。

在这里，目的词可以是原始评价语句中的情感词所针对的评价对象。例如，原始评价语句为“性能好”，那么，可以将“好”作为情感词，并将“性能”作为该情感词所针对的目的词。

在一些可选的实现方式中，可以预设一目的词表，在这些可选的实现方式中，可以将预设的目的词表中所存储的目的词与原始评价语句进行比对，从而确定出原始评价语句中所包含的目的词。

或者，在另一些可选的实现方式中，还可以先对原始评价语句进行一定的处理——例如，分词处理——从而将原始评价语句中对目的词提取无用的虚词(例如，介词、语气助词等等)从原始评价语句中去除，再将预设的目的词表中所存储的目的词与处理后的原始评价语句进行比对，从而提升从原始评价语句中确定出的目的词的处理效率。

或者，在另一些可选的实现方式中，还可以基于原始评价语句中所包含的各个词的词性来确定其中的目的词。例如，可以将原始评价语句中所包含的名词作为目的词。具体地，例如，先对原始评价语句进行一定的处理——例如，分词处理——再对分词后的原始评价语句中的各词进行词性标注。词性标注(Part-of-Speech tagging或POS tagging)，又称词类标注，是指为分词结果中的每个单词标注一个正确的词性的程序，也即确定每个词是名词、动词、形容词或其他词性的过程。在一些应用场景中，可以利用预先训练的词性标注模型来对原始评价语句所包含的各分词进行词性标注。词性标注的算法是现有的、广泛研究的技术，在此不再赘述。

需要说明的是，本实施例的基于自然语言处理的信息生成方法中，步骤202和步骤203的执行顺序可以不作限制。例如，可以先执行步骤202再执行步骤203，或者，也可以先执行步骤203再执行步骤202，或者，还可以并行地执行步骤202和步骤203。

步骤204，基于各目的词和情感词的关联关系，生成评价列表，其中，评价列表中关联存储有各目的词以及与各目的词关联的情感词。

在这里，目的词和情感词的关联关系可以理解为，若某个情感词用于描述用户对某个目的词的情感，则可认为该情感词与该目的词具有关联关系。

在一些应用场景中，可以根据各情感词和各目的词在原始评价语句中所处位置之间的相对位置关系来确定二者之间是否具有关联关系。例如，对于原始评价语句中的每个目的词，可以将原始评价语句中与该目的词位置最接近的情感词作为与之具有关联关系的情感词。或者，还可以将出现在该目的词之后、且与该目的词位置最接近的情感词作为与之具有关联关系的情感词。

在确定出原始评价语句中各目的词和各情感词之间的关联关系之后，本实施例的基于自然语言处理的信息生成方法应用其上的电子设备便可以将各目的词和与之具有关联关系的情感词进行关联存储，从而生成评价列表。

本申请实施例提供的基于自然语言处理的信息生成方法，通过获取用户对物品进行评价的原始评价语句，并基于预设的情感词表，确定出原始评价语句中的情感词，再确定出原始评价语句中的目的词，最后基于各目的词和情感词的关联关系，生成评价列表，有利于所生成的信息的准确性。

进一步参考图3，其示出了本申请的基于自然语言处理的信息生成方法的一个应用场景300。

图3中，用户利用移动终端301输入原始评价语句“质量好，款式时髦，价格便宜”302，并向服务器303发送。

服务器303获取到原始评价语句“质量好，款式时髦，价格便宜”之后，可以将该原始评价语句与预设的情感词表所包含的情感词进行匹配，从而确定出该原始评价语句中的情感词：好、时髦、便宜，如附图标记304所示。

接着，服务器303还可以进一步确定出原始评价语句302中的目的词：质量、款式、价格，如附图标记305所示。

最后，确定各目的词和各情感词的关联关系，例如，可以将出现在目的词之后、且与该目的词位置最接近的情感词作为与之具有关联关系的情感词。基于这一原则，可以确定，“好”为与“质量”这一目的词具有关联关系的情感词，“时髦”为与“款式”这一目的词具有关联关系的情感词，而“便宜”为与“价格”这一目的词具有关联关系的情感词。这样一来，便可以生成评价列表：{质量，好}、{款式，时髦}以及{价格，便宜}，如附图标记306所示。

参见图4所示，为本申请的基于自然语言处理的信息生成方法的又一个实施例的流程400。该信息生成方法的流程300，包括以下步骤：

步骤401，获取用户对物品进行评价的原始评价语句。

步骤402，基于预设的情感词表，确定出原始评价语句中的情感词。

步骤403，确定出原始评价语句中的目的词。

步骤404，基于各目的词和情感词的关联关系，生成评价列表，其中，评价列表中关联存储有各目的词以及与各目的词关联的情感词。

上述的步骤401～步骤404的执行方式可以与图2所示实施例中的步骤201～步骤204类似，在此不再赘述。

与图2所示的实施例不同的是，本实施例中，预设的情感词表还可以包括多个预设的情感词以及与各预设的情感词相对应的情感倾向标识值。

这样一来，本实施例的方法还可以进一步包括：

步骤405，确定出原始评价语句中的各情感词的情感倾向标识值。

在这里，情感倾向标识值可以是对情感词的情感倾向的量化表达。对于预设情感词表中的每一个情感词，根据其情感倾向的不同，可以赋予不同的数值。例如，对于预设的情感词表中，具有正向情感倾向的情感词，可以赋予情感标识值1；而对预设的情感词表中，具有负向情感倾向的情感词，可以赋予情感标识值-1。

步骤406，生成评价键值对，其中，各评价键值对的键为各目的词，各评价键值对的值基于与该键值对的目的词关联的情感词的情感倾向标识值确定。

由于在步骤404中，确定出了各目的词和各情感词之间的关联关系，本步骤中，可以基于上述的步骤405确定出分别与各目的词具有关联关系的情感词的情感标识值，并生成评价键值对。

仍以图3中的原始评价语句“质量好，款式时髦，价格便宜”为例，通过步骤401～404，可以生成评价列表：{质量，好}、{款式，时髦}、{价格，便宜}。假设预设的情感词表中，好、时髦、便宜均具有情感标识值1。那么，上述步骤406，可以生成如下的评价键值对：{质量，1}、{款式，1}、{价格，1}。

从图4中可以看出，与图2对应的实施例相比，本实施例中的信息生成方法的流程400突出了生成评价键值对的流程。评价键值对可以更加直观地体现出用户原始评价语句中的情感倾向，并且有利于对各目的词的情感倾向的量化。

在本申请的基于自然语言处理的信息生成方法的一些可选的实现方式中，在如图2所示的实施例的步骤202、如图4所示的实施例的步骤402的基于预设的情感词表，确定出所述原始评价语句中的情感词之前，方法还可以进一步包括：

生成原始评价语句的语法分析树。其中，语法分析树包括一个根节点、至少一个与原始评价语句所包含的分句一一对应的中间节点，各中间节点包括与该中间节点所对应的分句中的各分词一一对应的叶节点。

在这里，语法分析树(或称语法树)是句子结构的图形表示，它代表了句子的推导结果，有利于理解句子语法结构的层次。简单说，语法分析树就是按照某一规则进行推导时所形成的树。

假设原始评价语句为“虽然外形轻巧好看，但是表面有刮痕，很容易磨损”，那么，针对该原始评价语句生成的语法分析树可以参见图5所示。

图5所示的语法分析树500中，包括一个根节点510，以及与各个分句相对应的中间节点520～540。在这里，可以基于原始评价语句中的标点符号或者某些预设的字符(例如，空格)来将原始评价语句拆分成各个分句。

进一步地，可以对每个分句进行分词，属于每个分句的分词，可以作为该分句所属中间节点的叶节点。可以理解的是，在对每个分句进行分词时，可以滤除分句中包含的、与用户评价情感倾向无关的词，例如，量词、代词、介词、助词等等。这样一来，如图5所示，中间节点520所包含的叶节点可以有：外形、轻巧、好看；中间节点530所包含的叶节点可以有：表面、刮痕，而中间节点540所包含的叶节点可以有：很、容易、磨损。

在这些可选的实现方式中，本申请的基于自然语言处理的信息生成方法中，基于各目的词和情感词的关联关系，生成评价列表，可以进一步包括：

响应于目的词和情感词属于同一个中间节点，确定该目的词和该情感词具有关联关系。

以图5所示的语法分析树为例，基于原始评价语句“虽然外形轻巧好看，但是表面有刮痕，很容易磨损”生成的评价列表可以包括：{外形，轻巧，好看}、{表面，刮痕}。

在一些应用场景中，基于原始评价语句生成的语法分析树中，某个中间节点可能并未包含目的词，例如，图5所示的语法分析树中，中间节点540并未包含目的词。

在这些应用场景中，本申请的基于自然语言处理的信息生成方法中，基于各目的词和情感词的关联关系，生成评价列表，可以进一步包括：

若其中一个中间节点仅存在情感词不存在目的词，则确定与该中间节点相邻的中间节点中的目的词与该中间节点中的情感词具有关联关系。

因此，图5中，可以确定与中间节点540相邻的中间节点530中的目的词“表面”为与该中间节点540所包含的情感词“磨损”具有关联关系，因而可以进一步地生成评价列表{表面，磨损}。

此外，在图4所示的实施例的一些可选的实现方式中，步骤406的生成评价键值对，还可以进一步包括：

判断中间节点是否包含奇数个否定词，若是，则将该中间节点所包含的情感词的情感标识值取反，作为与该情感词关联的评价键值对的值。

这样一来，可以使得所生成的评价键值对中的值能够更加准确地体现原始评价语句中用户的情感倾向。

此外，在图4所示的实施例的一些可选的实现方式中，步骤406的生成评价键值对，还可以进一步包括：

判断同一中间节点下，是否同时存在情感词和程度词。若是，则基于预设的程度词与程度等级的关联关系，调整该情感词的情感倾向标识值。

例如，在一些应用场景中，某一中间节点所包含的叶节点为：表面、很、脏。在这些应用场景中，可以基于预设的程度词表，确定出“很”这一程度词。此外，还可以基于预设的程度词与程度等级的关联关系，确定该程度词的权值，例如，“很”的权值为0.1，那么，可以在情感词“脏”的情感标识值(例如，-1)上以增大情感标识值的绝对值的方式来调整该情感词的情感倾向标识值，调整后的情感标识值可以为-1.1。

或者，在另一些应用场景中，某一中间节点所包含的叶节点为：表面、有点、脏。在这些应用场景中，可以基于预设的程度词表，确定出“有点”这一程度词。此外，还可以基于预设的程度词与程度等级的关联关系，确定该程度词的权值，例如，“有点”的权值为-0.1，那么，可以在情感词“脏”的情感标识值(例如，-1)上以减小情感标识值的绝对值的方式来调整该情感词的情感倾向标识值，调整后的情感标识值可以为-0.9。

这样一来，通过程度词来调整所生成的评价键值对中的值，可以使得评价键值对的值更真实、更准确地体现用户原始评价语句中的情感倾向。

在本申请的基于自然语言处理的信息生成方法的一些可选的实现方式中，该方法还可以进一步包括：

对于同一物品，合并与各原始评价语句对应的评价列表以生成物品评价列表。其中，物品评价列表中关联存储有各目的词和从各原始评价语句中确定出的与该目的词关联的情感词。

例如，针对某一商品A，用户a和用户b的原始评价语句中均包含目的词“外观”。并且，基于用户a的原始评价语句所生成的评价列表包括{外观，色差}，基于用户b的原始评价语句所生成的评价列表包括{外观，瑕疵}。那么，对A商品，物品评价列表可以包括{外观，色差，瑕疵}。可以理解的是，若其他用户对该商品A的原始评价语句包含目的词“外观”，可以对物品评价列表进行更新，从而使得物品评价列表中包含该其他用户针对“外观”这一目的词的情感词。

此外，在图4所示的实施例的一些可选的实现方式中，基于自然语言处理的信息生成方法还可以包括：

获取针对同一物品的评价键值对；对具有相同键的键值对进行合并，生成至少一个合并键值对，其中，合并键值对的值为具有相同键的各键值对的值之和。

仍假设某一商品A，用户a和用户b的原始评价语句中均包含目的词“外观”。并且，基于用户a的原始评价语句所生成的评价列表包括{外观，色差}，基于用户b的原始评价语句所生成的评价列表包括{外观，瑕疵}。并且，“色差”、“瑕疵”这两个情感词的情感标识值均为-1。那么，针对该商品的评价键值对包括两个{外观，-1}。因此，针对该商品的合并键值对可以包括{外观，-2}。

进一步地，在这些可选的实现方式中，基于自然语言处理的信息生成方法还可以包括：按照合并键值对的值的绝对值降序排列的方式向终端呈现针对同一物品的各合并键值对。例如，在购物类应用中，对于某商品的各合并键值对可以以其中的值的绝对值降序排列的方式呈现在商品详情页，这样一来，有利于将该商品最突出的特点(例如，合并键值对中，值的绝对值较大的键值对所针对的目的词)直观地呈现给用户。

进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种信息生成装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的信息生成装置600包括获取单元601、情感词确定单元602、目的词确定单元603以及生成单元604。

其中，获取单元601可配置用于获取用户对物品进行评价的原始评价语句。

情感词确定单元602可配置用于基于预设的情感词表，确定出原始评价语句中的情感词。

目的词确定单元603可配置用于确定出原始评价语句中的目的词。

生成单元604可配置用于基于各目的词和情感词的关联关系，生成评价列表，其中，评价列表中关联存储有各目的词以及与各目的词关联的情感词。

在一些可选的实现方式中，预设的情感词表包括多个预设的情感词以及与各预设的情感词相对应的情感倾向标识值。

在这些可选的实现方式中，信息生成装置600还可以包括：确定单元(图中未示出)，配置用于在基于预设的情感词表，确定出原始评价语句中的情感词之后，确定出原始评价语句中的各情感词的情感倾向标识值。此外，在这些可选的实现方式中，生成单元604还可以配置用于生成评价键值对，其中，各评价键值对的键为各目的词，各评价键值对的值基于与该键值对的目的词关联的情感词的情感倾向标识值确定。

在一些可选的实现方式中，信息生成装置还可以包括：语法分析树生成单元(图中未示出)。语法分析树生成单元可以配置用于在情感词确定单元基于预设的情感词表，确定出原始评价语句中的情感词之前，生成原始评价语句的语法分析树。其中，语法分析树包括一个根节点、至少一个与原始评价语句所包含的分句一一对应的中间节点，各中间节点包括与该中间节点所对应的分句中的各分词一一对应的叶节点。此外，在这些可选的实现方式中，生成单元604还可以配置用于：响应于目的词和情感词属于同一个中间节点，确定该目的词和该情感词具有关联关系。

在一些可选的实现方式中，生成单元还可以进一步配置用于：若其中一个中间节点仅存在情感词不存在目的词，则确定与该中间节点相邻的中间节点中的目的词与该中间节点中的情感词具有关联关系。

在一些可选的实现方式中，生成单元还可以进一步配置用于：判断中间节点是否包含奇数个否定词，若是，则将该中间节点所包含的情感词的情感标识值取反，作为与该情感词关联的评价键值对的值。

在一些可选的实现方式中，生成单元还可以进一步配置用于：判断同一中间节点下，是否同时存在情感词和程度词；若是，则基于预设的程度词与程度等级的关联关系，调整该情感词的情感倾向标识值。

在一些可选的实现方式中，生成单元还可以进一步配置用于：对于同一物品，合并与各原始评价语句对应的评价列表以生成物品评价列表；其中，物品评价列表中关联存储有各目的词和从各原始评价语句中确定出的与该目的词关联的情感词。

在一些可选的实现方式中，本实施例的信息生成装置还可以包括：合并单元(图中未示出)，配置用于获取针对同一物品的评价键值对；对具有相同键的键值对进行合并，生成至少一个合并键值对，其中，合并键值对的值为具有相同键的各键值对的值之和。

在一些可选的实现方式中，本实施例的信息生成装置还可以包括：呈现单元(图中未示出)，配置用于按照合并键值对的值的绝对值降序排列的方式向终端呈现针对同一物品的各合并键值对。

下面参考图7，其示出了适于用来实现本申请实施例的服务器的计算机系统700的结构示意图。图7示出的终端设备/服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、情感词确定单元、目的词确定单元单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取用户对物品进行评价的原始评价语句的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取用户对物品进行评价的原始评价语句；基于预设的情感词表，确定出原始评价语句中的情感词；确定出原始评价语句中的目的词；基于各目的词和情感词的关联关系，生成评价列表，其中，评价列表中关联存储有各目的词以及与各目的词关联的情感词。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种基于自然语言处理的信息生成方法，包括：

获取用户对物品进行评价的原始评价语句；

基于预设的情感词表，确定出所述原始评价语句中的情感词；

确定出所述原始评价语句中的目的词；

基于各目的词和情感词的关联关系，生成评价列表，其中，所述评价列表中关联存储有各目的词以及与各所述目的词关联的情感词。

2.根据权利要求1所述的方法，其中，所述预设的情感词表包括多个预设的情感词以及与各所述预设的情感词相对应的情感倾向标识值；

在所述基于预设的情感词表，确定出所述原始评价语句中的情感词之后，所述方法还包括：

确定出所述原始评价语句中的各情感词的情感倾向标识值；以及

生成评价键值对，其中，各所述评价键值对的键为各目的词，各所述评价键值对的值基于与该键值对的目的词关联的情感词的情感倾向标识值确定。

3.根据权利要求2所述的方法，其中，在所述基于预设的情感词表，确定出所述原始评价语句中的情感词之前，所述方法还包括：

生成所述原始评价语句的语法分析树，其中，所述语法分析树包括一个根节点、至少一个与所述原始评价语句所包含的分句一一对应的中间节点，各所述中间节点包括与该中间节点所对应的分句中的各分词一一对应的叶节点；

所述基于各目的词和情感词的关联关系，生成评价列表，包括：

响应于目的词和情感词属于同一个中间节点，确定该目的词和该情感词具有所述关联关系。

4.根据权利要求3所述的方法，其中，所述基于各目的词和情感词的关联关系，生成评价列表，包括：

若其中一个中间节点仅存在情感词不存在目的词，则确定与该中间节点相邻的中间节点中的目的词与该中间节点中的情感词具有所述关联关系。

5.根据权利要求3所述的方法，其中，所述生成评价键值对包括：

判断中间节点是否包含奇数个否定词，若是，则将该中间节点所包含的情感词的情感标识值取反，作为与该情感词关联的评价键值对的值。

6.根据权利要求3所述的方法，其中，所述生成评价键值对，包括：

判断同一中间节点下，是否同时存在情感词和程度词；

若是，则基于预设的程度词与程度等级的关联关系，调整该情感词的情感倾向标识值。

7.根据权利要求2所述的方法，其中，所述方法还包括：

对于同一物品，合并与各原始评价语句对应的评价列表以生成物品评价列表；

其中，所述物品评价列表中关联存储有各目的词和从各原始评价语句中确定出的与该目的词关联的情感词。

8.根据权利要求7所述的方法，其中，所述方法还包括：

获取针对同一物品的评价键值对；

对具有相同键的键值对进行合并，生成至少一个合并键值对，其中，所述合并键值对的值为具有相同键的各键值对的值之和。

9.根据权利要求8所述的方法，其中，所述方法还包括：

按照合并键值对的值的绝对值降序排列的方式向终端呈现针对同一物品的各合并键值对。

10.一种基于自然语言处理的信息生成装置，包括：

获取单元，配置用于获取用户对物品进行评价的原始评价语句；

情感词确定单元，配置用于基于预设的情感词表，确定出所述原始评价语句中的情感词；

目的词确定单元，配置用于确定出所述原始评价语句中的目的词；

生成单元，配置用于基于各目的词和情感词的关联关系，生成评价列表，其中，所述评价列表中关联存储有各目的词以及与各所述目的词关联的情感词。

11.根据权利要求10所述的装置，其中，所述预设的情感词表包括多个预设的情感词以及与各所述预设的情感词相对应的情感倾向标识值；所述装置还包括：

确定单元，配置用于在所述基于预设的情感词表，确定出所述原始评价语句中的情感词之后，确定出所述原始评价语句中的各情感词的情感倾向标识值；以及

所述生成单元还配置用于生成评价键值对，其中，各所述评价键值对的键为各目的词，各所述评价键值对的值基于与该键值对的目的词关联的情感词的情感倾向标识值确定。

12.根据权利要求11所述的装置，其中，所述装置还包括：

语法分析树生成单元，配置用于在情感词确定单元基于预设的情感词表，确定出所述原始评价语句中的情感词之前，生成所述原始评价语句的语法分析树，其中，所述语法分析树包括一个根节点、至少一个与所述原始评价语句所包含的分句一一对应的中间节点，各所述中间节点包括与该中间节点所对应的分句中的各分词一一对应的叶节点；

所述生成单元进一步配置用于：

响应于目的词和情感词属于同一个中间节点，确定该目的词和该情感词具有所述关联关系。

13.一种设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。

14.一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时，实现如权利要求1-9中任一所述的方法。