情感倾向分析方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种情感倾向分析方法、装置、电子设备及存储介质，方法包括：获取待分析文本，所述待分析文本中包括至少一个含有待分析对象的句子；根据所述含有待分析对象的句子对所述待分析对象进行情感倾向分析，以获取与所述句子对应的情感倾向因子，所述情感倾向因子表征所述待分析对象在所述句子中体现的情感倾向；根据所述获取的情感倾向因子匹配属于所述待分析对象的情感倾向分析结果。上述方法针对某一个对象进行情感倾向分析，避免了传统的深度学习方法中当文本含有多个不同对象时难以区分每个对象所对应的情感分析结果的技术问题。对比于直接分析篇章的方法，将所述待分析对象的情感倾向精细化到句子，更便于定位句子的情感倾向因子。

Methods, devices, electronic devices and storage media of sentiment analysis

【技术实现步骤摘要】
情感倾向分析方法、装置、电子设备及存储介质
本申请属于潜在风险分析
，尤其涉及一种情感倾向分析方法、装置、电子设备及存储介质。
技术介绍
随着互联网技术的发展，互联网信息爆炸式增长，舆情分析已体现在人们生活中的方方面面。舆情分析，又称语义分析，它是一种对信息内容作客观系统的定量分析的专门方法，其目的是弄清或测验信息中本质性的事实和趋势，提示信息所含有的隐性情报内容，以及对事件的发展做情报预测。目前，针对于市场或者企业的潜在风险分析技术，现有的舆情分析主流应用包括卷积神经网络、循环神经网络、长短时记忆网络等深度学习算法来对语料进行理解和分析，具有很好的分析效果。然而，当文段中出现多个目标对象时无法分辨文段中情感倾向所针对的目标对象。
技术实现思路
有鉴于此，本申请实施例提供了一种情感倾向分析方法、装置、电子设备和存储介质，以解决现有技术中当文段中出现多个目标对象时无法分辨文段中情感倾向所针对的目标对象等技术缺陷。本申请实施例的第一方面提供了一种情感倾向分析方法，所述情感倾向分析方法包括：获取待分析文本，其中，所述待分析文本中包括至少一个含有待分析对象的句子；根据所述含有待分析对象的句子对所述待分析对象进行情感倾向分析，以获取与所述句子对应的情感倾向因子，所述情感倾向因子表征所述待分析对象在所述句子中体现的情感倾向；根据所述获取的情感倾向因子匹配属于所述待分析对象的情感倾向分析结果。结合第一方面，在第一方面的第一种可能实现方式中，所述获取待分析文本的步骤，包括：对所述待分析文本进行句子拆分处理，以将所述待分析文本拆分成至少一个的句子；对所述经过拆分后的句子进行对象识别，以从所述待分析文本中筛选出含有所述待分析对象的句子。结合第一方面，在第一方面的第二种可能实现方式中，所述根据所述含有待分析对象的句子对所述待分析对象进行情感倾向分析，以获取与所述句子对应的的情感倾向因子，所述情感倾向因子表征所述待分析对象在所述句子中体现的情感倾向的步骤，包括：构建基于对象的情感倾向分析模型，所述情感倾向分析模型用于执行情感倾向分析操作；将所述含有待分析对象的句子输入至预设的情感倾向分析模型中，以使所述情感倾向分析模型根据所述句子中记载的词汇文本对所述待分析对象进行情感倾向分析。结合第一方面的第二种可能实现方式，在第一方面的第三种可能实现方式中，所述构建基于对象的情感倾向分析模型的步骤，包括：收集训练样本数据，其中，所述训练样本数据为金融文本数据；对所述训练样本数据进行数据预处理，其中，所述数据预处理包括分句处理、对象识别处理、分词处理以及词汇向量化处理；使用经过数据预处理后的训练样本数据进行神经网络模型训练，以构建生成基于对象的情感倾向分析模型。结合第一方面的第三种可能实现方式中，在第一方面的第四种可能实现方式中，所述收集训练样本数据的步骤之后，包括：按照预设的标记规则对所述训练样本数据进行情感标注，其中，所述标记规则为用于判断对象正负面情感的指导指标。结合第一方面的第三种可能实现方式中，在第一方面的第五种可能实现方式中，所述收集训练样本数据的步骤之后，包括：对所述训练样本数据中的对象进行识别标识设置。结合第一方面，在第一方面的第六种可能实现方式中，所述根据所述获取的情感倾向因子匹配属于所述待分析对象的情感倾向分析结果的步骤中，所述整合评估的方式包括：对所有含有待分析对象的句子进行上下文关联处理，将所述获得的所有情感倾向因子进行整合处理；或者针对所有含有待分析对象的句子，将所述获得的所有情感倾向因子采取投票机制进行整合处理；或者针对所有含有待分析对象的句子，将所述获得的所有情感倾向因子进行由三分类模型到二分类模型转换的整合处理。本申请实施例的第二方面提供了一种情感倾向分析装置，所述情感倾向分析装置包括：获取模块，用于获取待分析文本，其中，所述待分析文本中包括至少一个含有待分析对象的句子；处理模块，用于根据所述含有待分析对象的句子对所述待分析对象进行情感倾向分析，以获取与所述句子对应的情感倾向因子，所述情感倾向因子表征所述待分析对象在所述句子中体现的情感倾向；执行模块，用于根据所述获取的情感倾向因子匹配属于所述待分析对象的情感倾向分析结果。本申请实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任意一项所述情感倾向分析方法的步骤。本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述情感倾向分析方法的步骤。本申请实施例与现有技术相比存在的有益效果是：本申请通过先从待分析文本中获取含有待分析对象的句子，可以排除待分析文本中与待分析对象无关的文本内容，提高了分析效率和避免了无关内容对此次分析的干扰。而根据句子的内容对所述待分析对象进行情感倾向分析时，通过针对某一个对象进行情感倾向分析，可以清晰地分辨出文本内容对应的情感倾向分析结果所针对的对象，避免了传统的机器学习或深度学习方法中难以区分当文本含有多个不同对象时难以区分每个对象所对应的情感分析结果的技术问题。而且，通过对含有待分析对象的句子逐一进行情感倾向分析，对比于直接分析篇章的方法，可以将所述待分析对象的情感倾向精细化到一个句子的级别，能做到更方便的定位每个句子的情感因子，达到一个更优的分析效果。在对含有待分析对象的句子逐一进行情感倾向分析获得对应的感情倾向因子之后，通过对所获得的感情倾向因子进行整合评估，可以综合待分析文本的全文来分析待分析对象的情感倾向，从而修正所述待分析对象待分析文本中最终体现出来的情感倾向，提高情感倾向分析的准确性。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的一种情感倾向分析方法的基本方法流程示意图；图2为本申请实施例提供的情感倾向分析方法中从待分析文本中获取含有待分析对象的句子时的一种方法流程示意图；图3为本申请实施例提供的情感倾向分析方法中对所述待分析对象进行情感倾向分析的一种方法流程示意图；图4为本申请实施例提供的情感倾向分析方法中构建情感倾向分析模型的一种方法流程示意图；图5为本申请实施例提供的一种情感倾向分析装置的结构示意图；图6为本申请实施例提供的一种实现情感倾向分析方法的电子设备的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然本文档来自技高网...

【技术保护点】
1.一种情感倾向分析方法，其特征在于，所述情感倾向分析方法包括：/n获取待分析文本，其中，所述待分析文本中包括至少一个含有待分析对象的句子；/n根据所述含有待分析对象的句子对所述待分析对象进行情感倾向分析，以获取与所述句子对应的情感倾向因子，所述情感倾向因子表征所述待分析对象在所述句子中体现的情感倾向；/n根据所述获取的情感倾向因子匹配属于所述待分析对象的情感倾向分析结果。/n

【技术特征摘要】
1.一种情感倾向分析方法，其特征在于，所述情感倾向分析方法包括：
获取待分析文本，其中，所述待分析文本中包括至少一个含有待分析对象的句子；
根据所述含有待分析对象的句子对所述待分析对象进行情感倾向分析，以获取与所述句子对应的情感倾向因子，所述情感倾向因子表征所述待分析对象在所述句子中体现的情感倾向；
根据所述获取的情感倾向因子匹配属于所述待分析对象的情感倾向分析结果。


2.根据权利要求1所述的情感倾向分析方法，其特征在于，所述获取待分析文本的步骤之后，包括：
对所述待分析文本进行句子拆分处理，以将所述待分析文本拆分成至少一个的句子；
对所述经过拆分后的句子进行对象识别，以从所述待分析文本中筛选出含有所述待分析对象的句子。


3.根据权利要求1所述的情感倾向分析方法，其特征在于，所述根据所述含有待分析对象的句子对所述待分析对象进行情感倾向分析，以获取与所述句子对应的情感倾向因子，所述情感倾向因子表征所述待分析对象在所述句子中体现的情感倾向的步骤，包括：
构建基于对象的情感倾向分析模型，所述情感倾向分析模型用于执行情感倾向分析操作；
将所述含有待分析对象的句子输入至预设的情感倾向分析模型中，以使所述情感倾向分析模型根据所述句子中记载的词汇文本对所述待分析对象进行情感倾向分析。


4.根据权利要求3所述的情感倾向分析方法，其特征在于，所述构建基于对象的情感倾向分析模型的步骤，包括：
收集训练样本数据，其中，所述训练样本数据为金融文本数据；
对所述训练样本数据进行数据预处理，其中，所述数据预处理包括分句处理、对象识别处理、分词处理以及词汇向量化处理；
使用经过数据预处理后的训练样本数据进行神经网络模型训练，以构建生成基于对象的情感倾向分析模型。


5.根据权利要求4所述的情感倾向分析方法，其特征在于，...

【专利技术属性】
技术研发人员：段清华，李思涵，詹毅，张可，
申请(专利权)人：深圳市金证优智科技有限公司，
类型：发明
国别省市：广东;44