【技术实现步骤摘要】
本申请属于人工智能领域，尤其涉及一种新闻情感预测方法、装置、电子设备及存储介质。
技术介绍
1、随着互联网和社交媒体的兴起，人们可以轻松地获取大量新闻信息。然而，由于新闻信息的数量庞大，如何快速、准确地分析和过滤这些信息变得尤为重要。总的来说，新闻情感分析可以帮助改善新闻服务质量，提高信息组织和检索效率，辅助决策和投资，反映公众意见和态度，具有广泛的应用价值。
2、目前，对新闻情感的预测都是通过技术逻辑构造权重特征实现的，预测结果并不精准。
技术实现思路
1、本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种新闻情感预测方法、装置、电子设备及存储介质，通过新闻文本自身的结构因素作为变量构建词结构权重，能够更加贴合和突出新闻文本特有的结构特征，有效地提高了新闻情感的预测精度。
2、第一方面，本申请提供了一种新闻情感预测方法，该方法包括：
3、获取待处理的新闻文本；
4、基于所述新闻文本，确定所述新闻文本中特征词的词结构权重和词频次特征；
5、基于所述特征词的所述词结构权重和所述词频次特征，生成所述新闻文本的文本向量；
6、基于所述文本向量，确定所述新闻文本的情感类型。
7、根据本申请的新闻情感预测方法，通过新闻本身的结构特征，计算新闻文本中每个特征词的词结构权重和词频次特征，并构建文本向量，实现基于文本向量的新闻的情感预测，通过新闻文本自身的结构因素作为变量构建词结构权重，能够更加贴
8、根据本申请的一个实施例，所述词结构权重通过如下步骤确定：
9、基于所述新闻文本，确定所述特征词对应的段落位置系数、段落长度系数、句子位置系数和句子类型系数中的至少一个；
10、基于所述特征词对应的所述段落位置系数、所述段落长度系数、所述句子位置系数和所述句子类型系数中的至少一个，确定所述特征词的所述词结构权重。
11、根据本申请的一个实施例，所述基于所述特征词对应的所述段落位置系数、所述段落长度系数、所述句子位置系数和所述句子类型系数中的至少一个，确定所述特征词的所述词结构权重，包括：
12、基于所述特征词的所述段落位置系数、所述段落长度系数、所述句子位置系数和所述句子类型系数中的至少一个，确定所述特征词在所述新闻文本的每个段落对应的段落权重；
13、基于所述特征词的数量以及所述特征词的所有的所述段落权重之和，生成所述特征词的所述词结构权重。
14、根据本申请的一个实施例，在所述获取待处理的新闻文本之后，在所述基于所述新闻文本，确定所述新闻文本中特征词的词结构权重和词频次特征之前，所述方法还包括：
15、对所述新闻文本进行分词处理；
16、对分词后的所述新闻文本进行停用词过滤，确定停用词过滤后的所述新闻文本中的特征词，所述停用词过滤后的所述新闻文本与所述待处理的新闻文本的段落结构相同。
17、根据本申请的一个实施例，所述基于所述文本向量，确定所述新闻文本的情感类型，包括：
18、将所述文本向量输入至新闻情感预测模型的向量机；
19、基于所述向量机，对所述文本向量进行情感倾向分类，确定所述新闻文本的所述情感类型，所述新闻情感预测模型是基于新闻样本集和情感类型标签训练的。
20、根据本申请的一个实施例，所述新闻情感预测模型还包括第一层和第二层，所述基于所述新闻文本，确定所述新闻文本中特征词的词结构权重和词频次特征，包括：
21、将所述新闻文本输入至新闻情感预测模型；
22、基于所述第一层，对所述新闻文本进行特征词的特征提取和权重计算，确定所述新闻文本中所述特征词的所述词结构权重和所述词频次特征；
23、基于所述特征词的所述词结构权重和所述词频次特征，生成所述新闻文本的文本向量，包括：
24、基于所述第二层，对每个所述特征词的所述词结构权重和所述词频次特征之积进行求和，得到所述文本向量。
25、第二方面，本申请提供了一种新闻情感预测装置，该装置包括：
26、获取模块，用于获取待处理的新闻文本；
27、第一处理模块，用于基于所述新闻文本，确定所述新闻文本中特征词的词结构权重和词频次特征；
28、第二处理模块，用于基于所述特征词的所述词结构权重和所述词频次特征，生成所述新闻文本的文本向量；
29、第三处理模块，用于基于所述文本向量，确定所述新闻文本的情感类型。
30、根据本申请的新闻情感预测装置，通过新闻本身的结构特征，计算新闻文本中每个特征词的词结构权重和词频次特征，并构建文本向量，实现基于文本向量的新闻的情感预测，通过新闻文本自身的结构因素作为变量构建词结构权重，能够更加贴合和突出新闻文本特有的结构特征，不需要进行截取而损失部分内容特征，也不需要依赖外部词典的质量，能够支撑长篇幅的新闻的情感预测，有效地提高了新闻情感的预测精度。
31、第三方面，本申请提供了一种电子设备，包括存储器、处理器及存储在所述存储器上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上述第一方面所述的新闻情感预测方法。
32、第四方面，本申请提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的新闻情感预测方法。
33、第五方面，本申请提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的新闻情感预测方法。
34、第六方面，本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的新闻情感预测方法。
35、本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
本文档来自技高网...【技术保护点】
1.一种新闻情感预测方法，其特征在于，包括：
2.根据权利要求1所述的新闻情感预测方法，其特征在于，所述词结构权重通过如下步骤确定：
3.根据权利要求2所述的新闻情感预测方法，其特征在于，所述基于所述特征词对应的所述段落位置系数、所述段落长度系数、所述句子位置系数和所述句子类型系数中的至少一个，确定所述特征词的所述词结构权重，包括：
4.根据权利要求1-3任一项所述的新闻情感预测方法，其特征在于，在所述获取待处理的新闻文本之后，在所述基于所述新闻文本，确定所述新闻文本中特征词的词结构权重和词频次特征之前，所述方法还包括：
5.根据权利要求1-3任一项所述的新闻情感预测方法，其特征在于，所述基于所述文本向量，确定所述新闻文本的情感类型，包括：
6.根据权利要求5所述的新闻情感预测方法，其特征在于，所述新闻情感预测模型还包括第一层和第二层，所述基于所述新闻文本，确定所述新闻文本中特征词的词结构权重和词频次特征，包括：
7.一种新闻情感预测装置，其特征在于，包括：
8.一种电子设备，包括存储器、处理器及
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-6任一项所述的新闻情感预测方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述新闻情感预测方法。
...【技术特征摘要】
1.一种新闻情感预测方法，其特征在于，包括：
2.根据权利要求1所述的新闻情感预测方法，其特征在于，所述词结构权重通过如下步骤确定：
3.根据权利要求2所述的新闻情感预测方法，其特征在于，所述基于所述特征词对应的所述段落位置系数、所述段落长度系数、所述句子位置系数和所述句子类型系数中的至少一个，确定所述特征词的所述词结构权重，包括：
4.根据权利要求1-3任一项所述的新闻情感预测方法，其特征在于，在所述获取待处理的新闻文本之后，在所述基于所述新闻文本，确定所述新闻文本中特征词的词结构权重和词频次特征之前，所述方法还包括：
5.根据权利要求1-3任一项所述的新闻情感预测方法，其特征在于，所述基于所述文本向量，确定所述新闻文本的情感类型，包括：
6....
【专利技术属性】
技术研发人员：刘经友，余家鑫，蓝飘，张承业，田丰，
申请(专利权)人：广州广电运通信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。