融合用户信息生成评论摘要的方法及装置

    公开(公告)号:CN109190109B

    公开(公告)日:2020-09-29

    申请号:CN201810833407.0

    申请日:2018-07-26

    Inventor: 宗成庆 李俊杰

    Abstract: 本发明属于情感分类技术领域,具体提供了一种融合用户信息生成评论摘要的方法及装置,旨在解决现有技术忽略用户信息导致生成的评论摘要不准确的问题。为此目的,本发明提供了一种融合用户信息生成评论摘要的方法,包括基于预先获取的评论信息以及相应的用户信息和评论标题获取评论向量;基于预先构建的评论摘要生成模型并根据评论向量,获取评论向量对应的评论摘要;其中,评论摘要生成模型是基于预设的语料集并利用机器学习算法所构建的神经网络模型。基于上述步骤,本发明提供的方法可以根据不同用户关注评论信息中不同的评价对象,充分考虑不同的用户的用词习惯的差异性,生成准确的评论摘要。

    融合用户和整体评价信息的评价对象情感分类方法及装置

    公开(公告)号:CN109241993A

    公开(公告)日:2019-01-18

    申请号:CN201810832903.4

    申请日:2018-07-26

    Abstract: 本发明属于情感分类技术领域,具体提供了一种融合用户和整体标签信息的评价对象情感分类方法及装置。旨在解决现有技术不考虑不同用户的差异性和忽略整体评价信息导致对评价对象情感极性评价不准确的问题。本发明提供了一种融合用户和整体评价信息的评价对象情感分类方法,包括基于预先获取的评论信息以及相应的用户信息和整体评价信息得到评论向量;基于预先构建的评价对象情感分类模型并根据预设的评价对象,对评论向量进行情感预测,得到每个评价对象对应的情感极性。本发明的方法全面考虑了用户信息和整体评价信息对评价对象情感分类的影响,相对于其他方法提升了预测的准确率。本发明的装置同样具有上述有益效果。

    融合用户信息生成评论摘要的方法及装置

    公开(公告)号:CN109190109A

    公开(公告)日:2019-01-11

    申请号:CN201810833407.0

    申请日:2018-07-26

    Inventor: 宗成庆 李俊杰

    Abstract: 本发明属于情感分类技术领域,具体提供了一种融合用户信息生成评论摘要的方法及装置,旨在解决现有技术忽略用户信息导致生成的评论摘要不准确的问题。为此目的,本发明提供了一种融合用户信息生成评论摘要的方法,包括基于预先获取的评论信息以及相应的用户信息和评论标题获取评论向量;基于预先构建的评论摘要生成模型并根据评论向量,获取评论向量对应的评论摘要;其中,评论摘要生成模型是基于预设的语料集并利用机器学习算法所构建的神经网络模型。基于上述步骤,本发明提供的方法可以根据不同用户关注评论信息中不同的评价对象,充分考虑不同的用户的用词习惯的差异性,生成准确的评论摘要。

    融合用户和整体评价信息的评价对象情感分类方法及装置

    公开(公告)号:CN109241993B

    公开(公告)日:2021-10-26

    申请号:CN201810832903.4

    申请日:2018-07-26

    Abstract: 本发明属于情感分类技术领域,具体提供了一种融合用户和整体标签信息的评价对象情感分类方法及装置。旨在解决现有技术不考虑不同用户的差异性和忽略整体评价信息导致对评价对象情感极性评价不准确的问题。本发明提供了一种融合用户和整体评价信息的评价对象情感分类方法,包括基于预先获取的评论信息以及相应的用户信息和整体评价信息得到评论向量;基于预先构建的评价对象情感分类模型并根据预设的评价对象,对评论向量进行情感预测,得到每个评价对象对应的情感极性。本发明的方法全面考虑了用户信息和整体评价信息对评价对象情感分类的影响,相对于其他方法提升了预测的准确率。本发明的装置同样具有上述有益效果。

    融合用户信息的文本情感分类方法及装置

    公开(公告)号:CN109213860A

    公开(公告)日:2019-01-15

    申请号:CN201810833449.4

    申请日:2018-07-26

    Abstract: 本发明属于文本分类技术领域,具体提供了一种融合用户信息的文本情感分类方法及装置。旨在解决现有技术不考虑不同用户的差异性和忽略用户信息导致对评论的文本情感分类不准确的问题。为此目的,本发明提供了一种融合用户信息的文本情感分类方法,包括基于预先获取的评论信息和相应的用户信息得到评论向量;基于预先构建的评论文本情感分类模型并根据预设的评价对象,对评论向量进行情感预测,得到每条评论信息对应的情感类别;其中,评论文本情感分类模型是基于预设的语料集并利用机器学习算法所构建的神经网络模型。基于上述步骤,本发明提供的方法可以准确地获取每条评论信息对应的情感类别。本发明的装置同样具有上述有益效果。

Patent Agency Ranking