预测用户情感倾向的方法和设备技术

本申请的实施例公开了一种预测用户情感倾向的方法，包括：确定至少一待评估文本；根据一用户情感随时间演变的模型，确定所述至少一待评估文本中的任一文本令用户产生至少一情感倾向的概率。本申请还公开了一种预测用户情感倾向的设备。采用本申请所述的预测用户情感倾向的方法和设备，可以对未发表文本可能引起的用户情倾向进行预测，弥补了现有技术的缺陷。

【技术实现步骤摘要】
【专利摘要】本申请的实施例公开了一种预测用户情感倾向的方法，包括：确定至少一待评估文本；根据一用户情感随时间演变的模型，确定所述至少一待评估文本中的任一文本令用户产生至少一情感倾向的概率。本申请还公开了一种预测用户情感倾向的设备。采用本申请所述的预测用户情感倾向的方法和设备，可以对未发表文本可能引起的用户情倾向进行预测，弥补了现有技术的缺陷。【专利说明】预测用户情感倾向的方法和设备
本申请设及数据挖掘
，尤其设及一种预测用户情感倾向的方法和设备。
技术介绍
近年来，随着互联网相关技术的不断发展，各种在线社交应用平台逐渐成为当前 网络活动的主流。基于该些平台，用户可W通过发布博客、照片、信息甚至状态更新来增强 他们在现实世界中的存在感，且有机会和世界另一边的陌生人交流，该样就形成了相对于 现实社交圈而言的虚拟社交圈。如今越来越多的网站开始提供功能W帮助用户分享他们的 屯、情感想。例如，不少口户网站开始允许用户分享他们关于某个新闻的屯、情。通过分析用 户对某个新闻的情感倾向，可W知道用户看什么新闻会高兴，看什么新闻会愤怒，看什么新 闻会沮丧等等。 而且用户对某个具体的新闻的情感并非一成不变的，例如，在某事件发生初期，部 分用户对其的情感倾向仅仅是"好奇"，然而随着事件的发酵，更多人被牵连，该部分用户的 情感倾向可能由"好奇"转变为"愤怒"。 目前要了解用户在阅读过文本后产生什么样的情感倾向，多采用统计的方式来实 现。然而，现有的统计方式有一定的滞后性，针对某个具体的新闻，用户的情感倾向随时间 的演变，现有技术无法进行预测。
技术实现思路
本申请的目的是：提供一种预测用户情感倾向的方法和设备。 根据本申请至少一个实施例的一个方面，提供了一种预测用户情感倾向的方法， 包括： 确定至少一待评估文本； [000引根据一用户情感随时间演变的模型，确定所述至少一待评估文本中的任一文本令 用户产生至少一情感倾向的概率。 根据本申请至少一个实施例的另一个方面，提供一种预测用户情感倾向的设备， 包括： 一评估文本确定装置，用于确定至少一待评估文本； 一预测装置，用于根据一用户情感随时间演变的模型，确定所述至少一待评估文 本中的任一文本令用户产生至少一情感倾向的概率。 采用本申请所述的预测用户情感倾向的方法和设备，可W对未发表文本可能引起 的用户情倾向进行预测，弥补了现有技术的缺陷。 【专利附图】【附图说明】 图1是本申请的一个实施例提供的建立情感模型的方法流程示意图； 图2是本申请的一个实施例中用户反馈情感倾向的交互界面示意图； 图3a是本申请的另一个实施例提供的建立情感模型的方法流程示意图； 图3b是本申请的另一个实施例提供的建立情感模型的方法流程示意图； 图4是本申请一个实施例提供的预测用户情感倾向的方法流程示意图； 图5是本申请一个实施例提供的监控舆情的方法流程示意图； 图6是本申请一个实施例提供的基于用户情感倾向提供服务的方法流程示意图； 图7是本申请一个实施例提供的建立情感模型的装置结构示意图； 图8是本申请另一个实施例提供的建立情感模型的装置结构示意图； 图9是本申请另一个实施例提供的建立情感模型的装置结构示意图； 图10是本申请另一个实施例提供的建立情感模型的装置结构示意图； 图11是本申请一个实施例提供的第一输出子模块744或第二输出子模块748结 构示意图； 图12是本申请一个实施例提供的预测用户情感倾向的设备结构示意图； 图13是本申请另一个实施例提供的预测用户情感倾向的设备结构示意图； 图14是本申请另一个实施例提供的预测用户情感倾向的设备结构示意图； [002引图15是本申请另一个实施例提供的预测用户情感倾向的设备结构示意图； 图16是本申请一个实施例提供的监控舆情的设备结构示意图； 图17是本申请另一个实施例提供的监控舆情的设备结构示意图； 图18是本申请另一个实施例提供的监控舆情的设备结构示意图； 图19是本申请另一个实施例提供的监控舆情的设备结构示意图； 图20是本申请另一个实施例提供的监控舆情的设备结构示意图； 图21是本申请一个实施例提供的基于用户情感倾向提供服务的设备结构示意 图； 图22是本申请另一个实施例提供的基于用户情感倾向提供服务的设备结构示意 图； 图23是本申请另一个实施例提供的基于用户情感倾向提供服务的设备结构示意 图； 图24是本申请另一个实施例提供的基于用户情感倾向提供服务的设备结构示意 图； [003引图25是本申请另一个实施例提供的基于用户情感倾向提供服务的设备结构示意 图。 【具体实施方式】 下面结合附图和实施例，对本申请的【具体实施方式】作进一步详细说明。W下实施 例用于说明本申请，但不用来限制本申请的范围。 本领域技术人员理解，在本申请的实施例中，下述各步骤的序号的大小并不意味 着执行顺序的先后，各步骤的执行顺序应W其功能和内在逻辑确定，而不应对本申请实施 例的实施过程构成任何限定。 另外，本申请中的"第一"、"第二"等术语仅用于区别不同步骤、设备或模块等，既 不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。 图1是本申请一个实施例所述的建立情感模型的方法，参见图1，所述方法包括： [00创 S100 ;确定至少一训练文本； S120;对所述至少一训练文本进行预处理，确定每一个训练文本的文字向量和每 一个训练文本的情感向量； S140;根据每一个训练文本的所述文字向量、每一个训练文本的所述情感向量W 及每一个训练文本的发布时间，确定用户情感随时间演变的模型。 可选的，在本申请的一个可选实施例中，上述S100中确定至少一训练文本，可W 包括；从互联网上获取一段时间内发布的内容，作为训练文本。当然，也可W是用其他的方 式获取训练文本，例如，用户手动导入至少一文本作为训练文本，本申请的实施例对此不作 限定。上述内容可W包括；新闻、社交网络发言（博客或者微博等等）或者网络论坛的帖子 等等。 获得训练文本后，就可W进行预处理，确定每一个训练文本的文字向量和每一个 训练文本的情感向量（S120)。 可选的，上述文字向量可W为每一个训练文本的有效单词。例如，每一个训练文本 的文字向量可W表示为： d = {wl, w2, w3, wl, w4, w5, w5, w2...}。 可选的，上述情感向量可W为用户预先阅读了每一个训练文本后产生的至少一种 情感倾向。例如，每一个训练文本的情感向量可W表示为： e={el :nl,e2:n2,e3:n3,e4:n4...} [005引其中，nl、n2、n3、n4…可W表示产生该情感倾向的数量，示例性的，上述某一种情 感倾向的数量，可W是产生该情感倾向的统计数量，或者，还可W是该情感倾向产生的归一 化数量，例如，该归一化数量可W是该情感倾向产生的统计数量占所有情感倾向统计数量 的比例。 对于文本向量来说，通常情况下，一个文本中，去除掉一些无意义的单词（例如， "的""了"之类的单本文档来自技高网...

【技术保护点】
一种预测用户情感倾向的方法，其特征在于，包括：确定至少一待评估文本；根据一用户情感随时间演变的模型，确定所述至少一待评估文本中的任一文本令用户产生至少一情感倾向的概率。

【技术特征摘要】

【专利技术属性】
技术研发人员：于魁飞，
申请(专利权)人：北京智谷睿拓技术服务有限公司，
类型：发明
国别省市：北京;11