基于情感分析的数据处理方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种基于情感分析的数据处理方法、装置、设备及存储介质，方法包括：获取目标日期的金融领域评论文本数据；将所述金融领域评论文本数据输入至混合神经网络，得到所述目标日期的金融领域评论文本数据的情感分析结果；根据所述目标日期的金融领域评论文本数据的情感分析结果生成目标关联日期的金融市场趋向数据。本发明专利技术实施例的技术方案能够实现对金融领域情感数据的自动化分析处理，提高金融领域情感数据分析处理的准确性和高效性，进而提高金融领域情感数据的指导性和应用性。和应用性。和应用性。

【技术实现步骤摘要】
基于情感分析的数据处理方法、装置、设备及存储介质


[0001]本专利技术实施例涉及数据处理分析
，尤其涉及一种基于情感分析的数据处理方法、装置、设备及存储介质。

技术介绍

[0002]目前，互联网领域产生的互联网以及企业数据处理平台生成的数据具有海量性、实时性和动态变化性的特点，所以数据的处理任务大小也具备动态变化特征，对大量数据进行处理分析，能够满足多维度场景需求，以数据驱动业务迭代。
[0003]在对数据进行处理分析时，引入用户情感数据因素，可以深入了解用户对服务、产品以及市场或社会动态的看法。了解用户的情感并加以利用，能够有效地提升服务或产品的用户体验，或者对市场或社会动态进行了解和预测，从而有效推动服务或产品的良性发展，对市场或社会起到积极的推动作用。
[0004]然而，现有引入用户情感数据因素的数据处理分析领域往往仅限于APP(Application，应用程序)类产品、服务或者社会舆情方面的情感数据，如用户在某类社交类的APP的评论数据等，用户情感表达直白且通俗易懂，这类情感数据的处理分析较为简单。金融领域的产品具有专业性强的特点，需要专业人士集中处理分析，如通过构建专业词典的方式对金融领域数据进行分析处理，效率低且准确性不高，且目前暂时没有可以对金融领域的情感数据进行自动处理和分析的产品或方法。

技术实现思路

[0005]本专利技术实施例提供一种基于情感分析的数据处理方法、装置、设备及存储介质，能够实现对金融领域情感数据的自动化分析处理，提高金融领域情感数据分析处理的准确性和高效性，进而提高金融领域情感数据的指导性和应用性。
[0006]第一方面，本专利技术实施例提供了一种基于情感分析的数据处理方法，包括：
[0007]获取目标日期的金融领域评论文本数据；
[0008]将所述金融领域评论文本数据输入至混合神经网络，得到所述目标日期的金融领域评论文本数据的情感分析结果；
[0009]根据所述目标日期的金融领域评论文本数据的情感分析结果生成目标关联日期的金融市场趋向数据。
[0010]第二方面，本专利技术实施例还提供了一种基于情感分析的数据处理装置，包括：
[0011]评论文本数据获取模块，用于获取目标日期的金融领域评论文本数据；
[0012]情感分析结果获取模块，将所述金融领域评论文本数据输入至混合神经网络，得到所述目标日期的金融领域评论文本数据的情感分析结果；
[0013]趋向数据生成模块，用于根据所述目标日期的金融领域评论文本数据的情感分析结果生成目标关联日期的金融市场趋向数据。
[0014]第三方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：
[0015]一个或多个处理器；
[0016]存储装置，用于存储一个或多个程序；
[0017]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本专利技术任意实施例所提供的基于情感分析的数据处理方法。
[0018]第四方面，本专利技术实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术任意实施例所提供的基于情感分析的数据处理方法。
[0019]本专利技术实施例通过将获取目标日期的金融领域评论文本数据输入至混合神经网络，以通过混合神经网络自动对目标日期的金融领域评论文本数据进行分析处理，得到目标日期的金融领域评论文本数据的情感分析结果，并根据目标日期的金融领域评论文本数据的情感分析结果生成目标关联日期的金融市场趋向数据，解决现有人为对金融领域评论数据进行分析处理存在的数据分析效率低且准确率较差等问题，能够实现对金融领域情感数据的自动化分析处理，提高金融领域情感数据分析处理的准确性和高效性，进而提高金融领域情感数据的指导性和应用性。
附图说明
[0020]图1是本专利技术实施例一提供的一种基于情感分析的数据处理方法的流程图；
[0021]图2是本专利技术实施例二提供的一种基于情感分析的数据处理方法的流程图；
[0022]图3是本专利技术实施例二提供的一种卷积神经网络与K
‑
Max池化层融合的网络结构示意图；
[0023]图4是GRU的结构示意图；
[0024]图5是本专利技术实施例二提供的一种混合神经网络的结构示意图；
[0025]图6是本专利技术实施例二提供的一种股票市场领域的评论情绪指数随日期变化的效果示意图；
[0026]图7是本专利技术实施例三提供的一种基于情感分析的数据处理装置的示意图；
[0027]图8为本专利技术实施例四提供的一种电子设备的结构示意图。
具体实施方式
[0028]下面结合附图和实施例对本专利技术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本专利技术，而非对本专利技术的限定。
[0029]另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
[0030]本专利技术实施例的说明书和权利要求书及附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
[0031]实施例一
[0032]图1是本专利技术实施例一提供的一种基于情感分析的数据处理方法的流程图，本实施例可适用于利用混合神经网络模型自动处理分析金融领域评论数据的情况，该方法可以由金融领域评论装置来执行，该装置可以由软件和/或硬件的方式来实现，并一般可集成在电子设备中，该电子设备可以是终端设备，也可以是服务器设备，本专利技术实施例并不对电子设备的具体设备类型进行限定。相应的，如图1所示，该方法包括如下操作：
[0033]S110、获取目标日期的金融领域评论文本数据。
[0034]其中，目标日期可以是生成或获取金融领域的评论数据的任意日期，可以理解的是，目标日期必然为其中的一个历史日期，可选的，目标日期可以历史日期中的某一天或多天。金融领域评论文本数据可以是金融领域生成的评论数据，例如可以是投资理财领域的评论数据，也可以是股票市场的评论数据等，该数据类型可以是文本类型的数据，本专利技术实施例并不对金融领域评论文本数据所涉及的具体金融领域和数据内容进行限定。
[0035]在本专利技术实施例中，可以获取目标日期的金融领域评论文本数据来对该金融领域评论文本数据所匹配的金融领域的产品、服务或市场等进行分析。具体的，金融领域评论本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于情感分析的数据处理方法，其特征在于，包括：获取目标日期的金融领域评论文本数据；将所述金融领域评论文本数据输入至混合神经网络，得到所述目标日期的金融领域评论文本数据的情感分析结果；根据所述目标日期的金融领域评论文本数据的情感分析结果生成目标关联日期的金融市场趋向数据。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标日期的金融领域评论文本数据的情感分析结果生成目标关联日期的金融市场趋向数据，包括：根据所述目标日期的金融领域评论文本数据的情感分析结果生成所述目标日期的评论情绪指数；根据所述目标日期的评论情绪指数生成所述目标关联日期的金融市场趋向数据；其中，所述金融领域评论文本数据包括金融证券领域评论文本数据，所述方法还包括：根据设定连续日期的评论情绪指数和预设金融市场移动平均线生成所述设定连续日期的金融市场情感趋向数据。3.根据权利要求2所述的方法，其特征在于，所述根据所述目标日期的金融领域评论文本数据的情感分析结果生成所述目标日期的评论情绪指数，包括：基于如下公式生成所述目标日期的评论情绪指数：其中，BI表示所述评论情绪指数，M
bult
表示所述目标日期的第一评论数量，M
bear
表示所述目标日期的第二评论数量。4.根据权利要求1所述的方法，其特征在于，在所述获取目标日期的金融领域评论文本数据之前，还包括：获取金融领域评论文本样本数据；根据所述金融领域评论文本样本数据对所述混合神经网络进行训练。5.根据权利要求4所述的方法，其特征在于，所述根据所述金融领域评论文本样本数据对所述混合神经网络进行训练，包括：通过所述混合神经网络的Word2Vec语言模型将所述金融领域评论文本样本数据转换为词向量数据；将所述词向量数据输入至所述混合神经网络的BiGRU网络层，以提取所述词向量数据的双向语义语序信息；将所述双向语义语序信息输入至所述混合神经网络的KCNN网络层，以提取所述双向语义语序信息的评...

【专利技术属性】
技术研发人员：梅志文，王浩，钱佳鹏，张真，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：