申请/专利权人：深圳市雅阅科技有限公司

申请日：2019-09-29

公开（公告）日：2024-04-16

公开（公告）号：CN110597965B

主分类号：G06F16/33

分类号：G06F16/33;G06F16/35;G06F16/55;G06F16/583;G06F40/242;G06F40/284

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.12.20#专利申请权的转移;2021.10.29#实质审查的生效;2019.12.20#公开

摘要：本发明公开了一种文章的情感极性分析方法、装置、电子设备及存储介质，首先，获得待分析的目标文章，分别确定目标文章中各个分词和图片的特征向量，按照分词和图片在目标文章中出现的先后顺序，对分词和图片的特征向量进行拼接，得到目标文章的多模态特征，之后，利用预先完成训练的强化学习特征筛选器对多模态特征进行特征筛选，输出目标文章的综合特征向量，利用预先完成训练的分类器对目标文章的综合特征向量进行极性预测，得到目标文章的情感极性分类结果。基于本发明提供的技术方案，能够准确地识别文章是否为恶心反感文章。

主权项：1.一种文章的情感极性分析方法，其特征在于，包括：获得目标文章，所述目标文章包含文本和图片；对所述目标文章进行处理，得到所述目标文章包含的多个分词；分别确定所述目标文章中各个分词的特征向量，分别确定所述目标文章中各个图片的特征向量；按照分词和图片在所述目标文章的先后顺序，对所述分词和图片的特征向量进行拼接，得到所述目标文章的多模态特征；所述多模态特征用于保留所述目标文章的结构特征；利用预先完成训练的强化学习特征筛选器对所述多模态特征进行特征筛选以保留恶心反感特征，输出所述目标文章的综合特征向量；其中，所述强化学习特征筛选器按照所述分词和图片在所述目标文章的先后顺序，依次对所述多模态特征中的每一条特征向量进行动作决策，所述动作决策至少包括删除和保留；利用预先完成训练的分类器对所述目标文章的综合特征向量进行情感极性预测，得到所述目标文章的情感极性分类结果；所述情感极性分类结果包括所述目标文章为恶心反感文章或非恶心反感文章；根据所述情感极性分类结果生成文章推送信息；所述文章推送信息包括情感极性分类结果为非恶心反感的文章标识；向终端发送所述文章推送信息；其中，所述强化学习特征筛选器和所述分类器的训练过程，包括：利用待训练的强化学习特征筛选器对训练样本的多模态特征进行基于强化学习的特征筛选，输出所述训练样本的综合特征向量；其中，所述强化学习特征筛选器对所述训练样本的多模态特征中的每一条特征向量进行动作决策；利用待训练的分类器对所述训练样本的综合特征向量进行极性预测，得到所述训练样本的情感极性分类结果；根据所述训练样本的情感极性分类结果、所述训练样本的多模态特征包含的特征向量的数量、以及所述训练样本的多模态特征在本次训练中被删除的特征向量的数量计算奖励值；基于所述奖励值计算损失函数值；基于所述奖励值和基于网络参数在当前状态选择动作执行的概率计算损失函数值；以最小化损失函数值为训练目标，更新所述待训练的强化学习特征筛选器和分类器的参数，直至满足预设的收敛条件。

全文数据：

权利要求：

百度查询： 深圳市雅阅科技有限公司 文章的情感极性分析方法、装置、电子设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD