文本情绪观测方法、计算机设备及存储介质与流程

本发明属于心理学情绪观测，具体涉及一种文本情绪观测方法、计算机设备及存储介质。

背景技术：

1、随着互联网的发展，线上的文字交流同时也日益增多，针对该些文字言论进行情感分析，可获取极具价值的信息。在现有技术中，通常采用如下方式实现：1、公开号为cn113849646a，发明名称为一种文本情感分析方法的专利中，将通用语义矩阵、结构语义矩阵、句子初始化表示输入至图卷积神经网络、交叉网络和激活函数，得到句子的通用语义句法表示和结构语义句法表示，再分别结合句子的通用语义隐藏表示和结构语义隐藏表示计算出目标结构语义句法表示和目标通用语义句法表示，对目标通用语义句法表示和目标结构语义句法表示进行拼接以及非属性词屏蔽处理，得到句子中的各个单词的属性词特征表示，然后根据词嵌入表示和各属性词特征表示，计算句子中各个单词的注意力权重，并基于词嵌入表示和各个单词的注意力权重输出句子情感极性。2、公开号为cn111475640a，发明名称为基于情感摘要的文本情感识别方法及装置的专利中，基于待识别文本生成情感摘要；以及将所生成的情感摘要提供给文本情感识别模型来进行文本情感识别。3、公开号为cn113849646a，发明名称为一种文本情感分析方法的专利中，采用全局向量和单词转换向量分别对目标文本进行向量化并加以训练，得到目标文本的第一文本向量矩阵和第二文本向量矩阵，目标文本为待进行情感分析的文本；采用双路注意力机制分别对第一文本向量矩阵和第二文本向量矩阵中的关键特征信息进行提取，并对其进行加强处理及特征融合；采用激活函数对特征融合后的第一文本向量矩阵和第一文本向量矩阵进行分类处理，得到所述目标文本的情感分析结果。

2、由于情绪种类是非常主观化的，对于不同的人群，相同的文字都可以出现不同的情感表达，现有技术都没有考虑到这个因素，导致最终得到的情绪结果并不准确。

技术实现思路

1、为了克服上述技术缺陷，本发明提供了一种文本情绪观测方法、计算机设备及存储介质，其能提高有效提升文本情绪预测的准确率。

2、为了解决上述问题，本发明采用以下方案实现：

3、一种文本情绪观测方法，包括步骤：

4、对样本文本进行标注；

5、构建情感向量计算模型，根据标注对样本文本的情感向量进行计算；

6、以样本文本、情感向量构建样本文本的情感事件知识库；

7、采用观测模型、观测矩阵，以情感事件知识库为依据，计算待观测文本的情感向量。

8、作为本发明的进一步改进，所述对样本文本进行标注包括：对样本文本进行情感方向、情感极性、情感类别、情感强度的标注，其中，所述情感方向、所述情感极性、所述情感类别均包含若干情绪种类。

9、作为本发明的进一步改进，所述根据标注对样本文本的情感向量进行计算的步骤，包括：

10、对样本文本进行抽取，并划分为：事件部分、认知部分和情感描述部分；

11、根据标注，计算事件部分、认知部分和情感描述部分的情感向量。

12、作为本发明的进一步改进，所述以样本文本、情感向量构建样本文本的情感事件知识库的步骤，包括：

13、事件部分、认知部分、情感描述部分、情感向量组成键值对，构建所述情感事件知识库。

14、作为本发明的进一步改进，所述采用观测模型、观测矩阵，以情感事件知识库为依据，计算待观测文本的情感向量的步骤，包括：

15、从情感事件知识库中检索出与待观测文本相同或者相似的样本文本；

16、采用观测模型计算得到待观测文本的初步情感向量；

17、采用观测矩阵对初步情感向量进行调整，得到待观测文本的情感向量。

18、作为本发明的进一步改进，本发明还包括观测矩阵的构建步骤：

19、采用矩阵或神经网络对观测矩阵进行建模；

20、采用观测矩阵对初步情感向量进行调整时，神经网络结构中的激励函数为非零。

21、作为本发明的进一步改进，本发明还包括观测矩阵的构建步骤：

22、对标注人群进行划分，得到若干标注群体；

23、对样本文本，按照标注人群，归类到对应的标注群体中；

24、对同一标注群体中的文本，进行情感向量的计算，得到某一标注群体中样本文本情感向量与观测模型输出的结果差值的统计计算结果；

25、所述采用观测矩阵对初步情感向量进行调整的步骤，包括：

26、将观测矩阵与初步情感向量相乘。

27、作为本发明的进一步改进，所述以样本文本、情感向量构建样本文本的情感事件知识库的步骤，还包括：

28、依据认知行为疗法理论，对样本文本进行扩展，与组成键值对的事件部分、认知部分、情感描述部分、情感向量，构建所述情感事件知识库；

29、依据其他心理学理论对情绪的解释方法，对样本文本进行扩展，与组成键值对的事件部分、认知部分、情感描述部分、情感向量，构建所述情感事件知识库。

30、本发明还提供了一种计算机设备，包括处理器和储存器，所述储存器中储存有程序代码，所述处理器执行所述程序代码以执行上述的文本情绪观测方法。

31、本发明还包括一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的文本情绪观测方法。

32、与现有技术相比，本发明具有以下技术效果：本发明通过预先对样本文本进行标注，以实现样本文本情感的量化，依据足够的标注数据，构建情感事件知识库，依靠情感事件知识库进行计算，实现所有的未知文本情感量化。从根本上解决文本情感差异非常大的问题。同时构建观测矩阵，对情感向量进行调整，解决了情感个人化、差异大、人群化的问题。

技术特征：

1.一种文本情绪观测方法，其特征在于，包括步骤：

2.根据权利要求1所述的文本情绪观测方法，其特征在于，所述对样本文本进行标注包括：对样本文本进行情感方向、情感极性、情感类别、情感强度的标注，其中，所述情感方向、所述情感极性、所述情感类别均包含若干情绪种类。

3.根据权利要求1所述的文本情绪观测方法，其特征在于，所述根据标注对样本文本的情感向量进行计算的步骤，包括：

4.根据权利要求3所述的文本情绪观测方法，其特征在于，所述以样本文本、情感向量构建样本文本的情感事件知识库的步骤，包括：

5.根据权利要求4所述的文本情绪观测方法，其特征在于，所述采用观测模型、观测矩阵，以情感事件知识库为依据，计算待观测文本的情感向量的步骤，包括：

6.根据权利要求1～5任一项所述的文本情绪观测方法，其特征在于，还包括观测矩阵的构建步骤：

7.根据权利要求1～5任一项所述的文本情绪观测方法，其特征在于，还包括观测矩阵的构建步骤：

8.根据权利要求2所述的文本情绪观测方法，其特征在于，所述以样本文本、情感向量构建样本文本的情感事件知识库的步骤，还包括：

9.一种计算机设备，其特征在于，包括处理器和储存器，所述储存器中储存有程序代码，所述处理器执行所述程序代码以执行权利要求1-8中任一项所述的文本情绪观测方法。

10.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1-8中任一项所述的文本情绪观测方法。

技术总结
本发明提供了一种文本情绪观测方法、计算机设备及存储介质，包括步骤：对样本文本进行标注；构建情感向量计算模型，根据标注对样本文本的情感向量进行计算；以样本文本、情感向量构建样本文本的情感事件知识库；采用观测模型、观测矩阵，以情感事件知识库为依据，计算待观测文本的情感向量。本发明通过预先对样本文本进行标注，以实现样本文本情感的量化，依据足够的标注数据，构建情感事件知识库，依靠情感事件知识库进行计算，实现所有的未知文本情感量化，从根本上解决文本情感差异非常大的问题，同时构建观测矩阵，对情感向量进行调整，解决了情感个人化、差异大、人群化的问题。

技术研发人员：张晓清,苏腾荣
受保护的技术使用者：正岸（北京）科技有限公司
技术研发日：
技术公布日：2024/1/11