建立情感模型的方法和裝置制造方法
【專利摘要】本申請的實施例公開了一種建立情感模型的方法，包括：確定至少一訓練文本；對所述至少一訓練文本進行預處理，確定每一個訓練文本的文字向量和每一個訓練文本的情感向量；根據(jù)每一個訓練文本的所述文字向量、每一個訓練文本的所述情感向量以及每一個訓練文本的發(fā)布時間，確定用戶情感隨時間演變的模型。本申請還公開了一種建立情感模型的裝置。采用本申請實施例所述的建立情感模型的方法和裝置，可以對用戶的情感隨時間的演變進行預測，彌補了現(xiàn)有技術的缺陷。
【專利說明】建立情感模型的方法和裝置

【技術領域】
[0001] 本申請涉及數(shù)據(jù)挖掘【技術領域】，尤其涉及一種建立情感模型的方法和裝置。

【背景技術】
[0002] 近年來，隨著互聯(lián)網(wǎng)相關技術的不斷發(fā)展，各種在線社交應用平臺逐漸成為當前 網(wǎng)絡活動的主流?；谶@些平臺，用戶可以通過發(fā)布博客、照片、信息甚至狀態(tài)更新來增強 他們在現(xiàn)實世界中的存在感，且有機會和世界另一邊的陌生人交流，這樣就形成了相對于 現(xiàn)實社交圈而言的虛擬社交圈。如今越來越多的網(wǎng)站開始提供功能以幫助用戶分享他們的 心情感想。例如，不少門戶網(wǎng)站開始允許用戶分享他們關于某個新聞的心情。通過分析用 戶對某個新聞的情感傾向，可以知道用戶看什么新聞會高興，看什么新聞會憤怒，看什么新 聞會沮喪等等。
[0003] 而且用戶對某個具體的新聞的情感并非一成不變的，例如，在某事件發(fā)生初期，部 分用戶對其的情感傾向僅僅是"好奇"，然而隨著事件的發(fā)酵，更多人被牽連，進而使得這部 分用戶的情感傾向可能由"好奇"轉變?yōu)?憤怒"。
[0004] 目前要了解用戶在閱讀過文本后產(chǎn)生什么樣的情感傾向，多采用統(tǒng)計的方式來實 現(xiàn)。然而，現(xiàn)有的統(tǒng)計方式有一定的滯后性，針對某個具體的新聞，用戶的情感傾向隨時間 的演變，現(xiàn)有技術無法進行預測。


【發(fā)明內容】

[0005] 本申請的目的是：提供一種建立情感模型的方法和裝置。
[0006] 根據(jù)本申請至少一個實施例的一個方面，提供了一種建立情感模型的方法，包 括：
[0007] 確定至少一訓練文本；
[0008] 對所述至少一訓練文本進行預處理，確定每一個訓練文本的文字向量和每一個訓 練文本的情感向量；
[0009] 根據(jù)每一個訓練文本的所述文字向量、每一個訓練文本的所述情感向量以及每一 個訓練文本的發(fā)布時間，確定用戶情感隨時間演變的模型。
[0010] 根據(jù)本申請至少一個實施例的另一個方面，提供一種建立情感模型的裝置，包 括：
[0011] 確定模塊，用于確定至少一訓練文本；
[0012] 預處理模塊，用于對所述至少一訓練文本進行預處理，確定每一個訓練文本的文 字向量和每一個訓練文本的情感向量；
[0013] 建模模塊，用于根據(jù)每一個訓練文本的所述文字向量、每一個訓練文本的所述情 感向量以及每一個訓練文本的發(fā)布時間，確定用戶情感隨時間演變的模型。
[0014] 本申請實施例所述的建立情感模型的方法和裝置，可以對用戶的情感隨時間的演 變進行預測，彌補了現(xiàn)有技術的缺陷。

【專利附圖】

【附圖說明】
[0015] 圖1是本申請的一個實施例提供的建立情感模型的方法流程示意圖；
[0016] 圖2是本申請的一個實施例中用戶反饋情感傾向的交互界面示意圖；
[0017] 圖3a是本申請的另一個實施例提供的建立情感模型的方法流程示意圖；
[0018] 圖3b是本申請的另一個實施例提供的建立情感模型的方法流程示意圖；
[0019] 圖4是本申請一個實施例提供的預測用戶情感傾向的方法流程示意圖；
[0020] 圖5是本申請一個實施例提供的監(jiān)控輿情的方法流程示意圖；
[0021] 圖6是本申請一個實施例提供的基于用戶情感傾向提供服務的方法流程示意圖；
[0022] 圖7是本申請一個實施例提供的建立情感模型的裝置結構示意圖；
[0023] 圖8是本申請另一個實施例提供的建立情感模型的裝置結構示意圖；
[0024] 圖9是本申請另一個實施例提供的建立情感模型的裝置結構示意圖；
[0025] 圖10是本申請另一個實施例提供的建立情感模型的裝置結構示意圖；
[0026] 圖11是本申請一個實施例提供的第一輸出子模塊744或第二輸出子模塊748結 構示意圖；
[0027] 圖12是本申請一個實施例提供的預測用戶情感傾向的設備結構示意圖；
[0028] 圖13是本申請另一個實施例提供的預測用戶情感傾向的設備結構示意圖；
[0029] 圖14是本申請另一個實施例提供的預測用戶情感傾向的設備結構示意圖；
[0030]圖15是本申請另一個實施例提供的預測用戶情感傾向的設備結構示意圖；
[0031] 圖16是本申請一個實施例提供的監(jiān)控輿情的設備結構示意圖；
[0032] 圖17是本申請另一個實施例提供的監(jiān)控輿情的設備結構示意圖；
[0033] 圖18是本申請另一個實施例提供的監(jiān)控輿情的設備結構示意圖；
[0034] 圖19是本申請另一個實施例提供的監(jiān)控輿情的設備結構示意圖；
[0035] 圖20是本申請另一個實施例提供的監(jiān)控輿情的設備結構示意圖；
[0036] 圖21是本申請一個實施例提供的基于用戶情感傾向提供服務的設備結構示意 圖；
[0037] 圖22是本申請另一個實施例提供的基于用戶情感傾向提供服務的設備結構示意 圖；
[0038] 圖23是本申請另一個實施例提供的基于用戶情感傾向提供服務的設備結構示意 圖；
[0039] 圖24是本申請另一個實施例提供的基于用戶情感傾向提供服務的設備結構示意 圖；
[0040] 圖25是本申請另一個實施例提供的基于用戶情感傾向提供服務的設備結構示意 圖。

【具體實施方式】
[0041] 下面結合附圖和實施例，對本申請的【具體實施方式】作進一步詳細說明。以下實施 例用于說明本申請，但不用來限制本申請的范圍。
[0042] 本領域技術人員理解，在本申請的實施例中，下述各步驟的序號的大小并不意味 著執(zhí)行順序的先后，各步驟的執(zhí)行順序應以其功能和內在邏輯確定，而不應對本申請實施 例的實施過程構成任何限定。
[0043] 另外，本申請中的"第一"、"第二"等術語僅用于區(qū)別不同步驟、設備或模塊等，既 不代表任何特定技術含義，也不表示它們之間的必然邏輯順序。
[0044] 圖1是本申請一個實施例所述的建立情感模型的方法，參見圖1，所述方法包括：
[0045] SlOO :確定至少一訓練文本；
[0046] S120 :對所述至少一訓練文本進行預處理，確定每一個訓練文本的文字向量和每 一個訓練文本的情感向量；
[0047] S140 :根據(jù)每一個訓練文本的所述文字向量、每一個訓練文本的所述情感向量以 及每一個訓練文本的發(fā)布時間，確定用戶情感隨時間演變的模型。
[0048] 可選的，在本申請的一個可選實施例中，上述SlOO中確定至少一訓練文本，可以 包括：從互聯(lián)網(wǎng)上獲取一段時間內發(fā)布的內容，作為訓練文本。當然，也可以是用其他的方 式獲取訓練文本，例如，用戶手動導入至少一文本作為訓練文本，本申請的實施例對此不作 限定。上述內容可以包括：新聞、社交網(wǎng)絡發(fā)言（博客或者微博等等）或者網(wǎng)絡論壇的帖子 等等。
[0049] 獲得訓練文本后，就可以進行預處理，確定每一個訓練文本的文字向量和每一個 訓練文本的情感向量（SI20)。
[0050] 可選的，上述文字向量可以為每一個訓練文本的有效單詞。例如，每一個訓練文本 的文字向量可以表示為：
[0051] d = {wl，w2, w3, wl，w4, w5, w5, w2...}。
[0052] 可選的，上述情感向量可以為用戶預先閱讀了每一個訓練文本后產(chǎn)生的至少一種 情感傾向。例如，每一個訓練文本的情感向量可以表示為：
[0053]

【權利要求】
1. 一種建立情感模型的方法，其特征在于，包括： 確定至少一訓練文本； 對所述至少一訓練文本進行預處理，確定每一個訓練文本的文字向量和每一個訓練文 本的情感向量； 根據(jù)每一個訓練文本的所述文字向量、每一個訓練文本的所述情感向量以及每一個訓 練文本的發(fā)布時間，確定用戶情感隨時間演變的模型。
2. 如權利要求1所述的方法，其特征在于，所述對所述至少一訓練文本進行預處理，確 定每一個訓練文本的文字向量和每一個訓練文本的情感向量，包括： 對每一個訓練文本中的無意義單詞進行過濾，確定每一個訓練文本的有效單詞； 獲取用戶閱讀每一個訓練文本后產(chǎn)生的至少一情感傾向，并統(tǒng)計所述至少一情感傾向 中每種情感傾向產(chǎn)生的數(shù)量。
3. 如權利要求2所述的方法，其特征在于，所述根據(jù)每一個訓練文本的所述文字向量、 每一個訓練文本的所述情感向量以及每一個訓練文本的發(fā)布時間，確定用戶情感隨時間演 變的模型，包括： 將第i個訓練文本的文字向量中的每一個有效單詞和第i個訓練文本的情感向量以及 第i個訓練文本的發(fā)布時間綁定，得到第i個訓練文本的多個元組； 對第i個訓練文本進行統(tǒng)計，確定所述第i個訓練文本中出現(xiàn)元組r的概率P(元組r訓練文本i); 根據(jù)所述P(元組r|訓練文本i)，通過一算法，確定所述第i個訓練文本選擇主題k的 概率P(主題k|訓練文本i)以及所述主題k產(chǎn)生元組r的概率P(元組r|主題k); 用于根據(jù)所述P(主題k|訓練文本i)和所述P(元組r|主題k)，確定任一文本產(chǎn)生任 一元組的近似后驗分布P(元組I文本）。
4. 如權利要求2所述的方法，其特征在于，所述根據(jù)每一個訓練文本的所述文字向量、 每一個訓練文本的所述情感向量以及每一個訓練文本的發(fā)布時間，確定用戶情感隨時間演 變的模型，包括： 將每一個訓練文本的文字向量中的每一個有效單詞和每一個訓練文本的情感向量綁 定，得到每一個訓練文本的多個元組； 對至少一時間段發(fā)布的訓練文本進行統(tǒng)計，確定所述至少一時間段內發(fā)布的第i個訓 練文本中出現(xiàn)元組r的概率P(元組r|訓練文本i); 根據(jù)所述P(元組r|訓練文本i)，通過一算法，確定所述第i個訓練文本選擇主題k的 概率P(主題k|訓練文本i)以及所述主題k產(chǎn)生元組r的概率P(元組r|主題k); 根據(jù)所述P(主題k|訓練文本i)和所述P(元組r|主題k)，確定至少一時間段內任一 文本產(chǎn)生任一元組的近似后驗分布P(元組I文本）。
5. 如權利要求3或4所述的方法，所述確定任一文本產(chǎn)生任一元組的近似后驗分布 P(元組I文本），包括： 確定任一個文本出現(xiàn)任一主題的概率； 確定任一主題使用任一有效單詞的概率； 確定任一主題產(chǎn)生任一情感傾向的概率；以及 確定任一主題產(chǎn)生于任一時間的概率。
6. -種建立情感模型的裝置，其特征在于，所述建立情感模型的裝置包括： 確定模塊，用于確定至少一訓練文本； 預處理模塊，用于對所述至少一訓練文本進行預處理，確定每一個訓練文本的文字向 量和每一個訓練文本的情感向量； 建模模塊，用于根據(jù)每一個訓練文本的所述文字向量、每一個訓練文本的所述情感向 量以及每一個訓練文本的發(fā)布時間，確定用戶情感隨時間演變的模型。
7. 如權利要求6所述的裝置，其特征在于，所述預處理模塊包括： 文字向量預處理子模塊，用于對每一個訓練文本中的無意義單詞進行過濾，確定每一 個訓練文本的有效單詞； 情感向量預處理子模塊，用于獲取用戶閱讀每一個訓練文本后產(chǎn)生的至少一情感傾 向，并統(tǒng)計所述至少一情感傾向中每種情感傾向產(chǎn)生的數(shù)量。
8. 如權利要求7所述的裝置，其特征在于，所述建模模塊包括： 第一元組確定子模塊，用于將第i個訓練文本的文字向量中的每一個有效單詞和第i個訓練文本的情感向量以及第i個訓練文本的發(fā)布時間綁定，得到第i個訓練文本的元 組； 第一統(tǒng)計子模塊，用于對第i個訓練文本進行統(tǒng)計，確定所述第i個訓練文本中出現(xiàn)元 組r的概率P(元組r|訓練文本i); 第一訓練子模塊，用于根據(jù)所述P(元組r|訓練文本i)，通過一算法，確定所述第i個 訓練文本選擇主題k的概率P(主題k|訓練文本i)以及所述主題k產(chǎn)生元組r的概率P(元 組r|主題k); 第一輸出子模塊，用于根據(jù)所述P(主題k|訓練文本i)和所述P(元組r|主題k)，確 定任一文本產(chǎn)生任一元組的近似后驗分布P(元組I文本）。
9. 如權利要求7所述的裝置，其特征在于，所述建模模塊包括： 第二元組確定子模塊，用于將每一個訓練文本的文字向量中的每一個有效單詞和每一 個訓練文本的情感向量綁定，得到每一個訓練文本的元組； 第二統(tǒng)計子模塊，用于對至少一時間段發(fā)布的訓練文本進行統(tǒng)計，確定所述至少一時 間段內發(fā)布的第i個訓練文本中出現(xiàn)元組r的概率P(元組r|訓練文本i); 第二訓練子模塊，用于根據(jù)所述P(元組r|訓練文本i)，通過一算法，確定所述第i個 訓練文本選擇主題k的概率P(主題k|訓練文本i)以及所述主題k產(chǎn)生元組r的概率P(元 組r|主題k); 第二輸出子模塊，用于根據(jù)所述P(主題k|訓練文本i)和所述P(元組r|主題k)，確 定在至少一時間段內任一文本產(chǎn)生任一元組的近似后驗分布P(元組I文本）。
10. 如權利要求8或9所述的裝置，其特征在于，所述第一輸出子模塊或者所述第二輸 出子模塊，包括： 第一輸出單元，用于確定任一個文本出現(xiàn)任一主題的概率； 第二輸出單元，用于確定任一主題使用任一有效單詞的概率； 第三輸出單元，用于確定任一主題產(chǎn)生任一情感傾向的概率；以及 第四輸出單元，用于確定任一主題產(chǎn)生于任一時間的概率。
【文檔編號】G06F17/27GK104516873SQ201410770796
【公開日】2015年4月15日 申請日期:2014年12月12日 優(yōu)先權日:2014年12月12日
【發(fā)明者】于魁飛 申請人:北京智谷睿拓技術服務有限公司