預(yù)測用戶情感傾向的方法和設(shè)備的制作方法
【專利摘要】本申請(qǐng)的實(shí)施例公開了一種預(yù)測用戶情感傾向的方法，包括：確定至少一待評(píng)估文本；根據(jù)一用戶情感隨時(shí)間演變的模型，確定所述至少一待評(píng)估文本中的任一文本令用戶產(chǎn)生至少一情感傾向的概率。本申請(qǐng)還公開了一種預(yù)測用戶情感傾向的設(shè)備。采用本申請(qǐng)所述的預(yù)測用戶情感傾向的方法和設(shè)備，可以對(duì)未發(fā)表文本可能引起的用戶情傾向進(jìn)行預(yù)測，彌補(bǔ)了現(xiàn)有技術(shù)的缺陷。
【專利說明】預(yù)測用戶情感傾向的方法和設(shè)備

【技術(shù)領(lǐng)域】
[0001] 本申請(qǐng)?jiān)O(shè)及數(shù)據(jù)挖掘【技術(shù)領(lǐng)域】，尤其設(shè)及一種預(yù)測用戶情感傾向的方法和設(shè)備。

【背景技術(shù)】
[0002] 近年來，隨著互聯(lián)網(wǎng)相關(guān)技術(shù)的不斷發(fā)展，各種在線社交應(yīng)用平臺(tái)逐漸成為當(dāng)前 網(wǎng)絡(luò)活動(dòng)的主流?；谠撔┢脚_(tái)，用戶可W通過發(fā)布博客、照片、信息甚至狀態(tài)更新來增強(qiáng) 他們?cè)诂F(xiàn)實(shí)世界中的存在感，且有機(jī)會(huì)和世界另一邊的陌生人交流，該樣就形成了相對(duì)于 現(xiàn)實(shí)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W幫助用戶分享他們的 屯、情感想。例如，不少口戶網(wǎng)站開始允許用戶分享他們關(guān)于某個(gè)新聞的屯、情。通過分析用 戶對(duì)某個(gè)新聞的情感傾向，可W知道用戶看什么新聞會(huì)高興，看什么新聞會(huì)憤怒，看什么新 聞會(huì)沮喪等等。
[0003] 而且用戶對(duì)某個(gè)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(duì)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，該部分用戶的 情感傾向可能由"好奇"轉(zhuǎn)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(jì)的方式來實(shí) 現(xiàn)。然而，現(xiàn)有的統(tǒng)計(jì)方式有一定的滯后性，針對(duì)某個(gè)具體的新聞，用戶的情感傾向隨時(shí)間 的演變，現(xiàn)有技術(shù)無法進(jìn)行預(yù)測。


【發(fā)明內(nèi)容】

[0005] 本申請(qǐng)的目的是：提供一種預(yù)測用戶情感傾向的方法和設(shè)備。
[0006] 根據(jù)本申請(qǐng)至少一個(gè)實(shí)施例的一個(gè)方面，提供了一種預(yù)測用戶情感傾向的方法， 包括：
[0007] 確定至少一待評(píng)估文本；
[000引根據(jù)一用戶情感隨時(shí)間演變的模型，確定所述至少一待評(píng)估文本中的任一文本令 用戶產(chǎn)生至少一情感傾向的概率。
[0009] 根據(jù)本申請(qǐng)至少一個(gè)實(shí)施例的另一個(gè)方面，提供一種預(yù)測用戶情感傾向的設(shè)備， 包括：
[0010] 一評(píng)估文本確定裝置，用于確定至少一待評(píng)估文本；
[0011] 一預(yù)測裝置，用于根據(jù)一用戶情感隨時(shí)間演變的模型，確定所述至少一待評(píng)估文 本中的任一文本令用戶產(chǎn)生至少一情感傾向的概率。
[0012] 采用本申請(qǐng)所述的預(yù)測用戶情感傾向的方法和設(shè)備，可W對(duì)未發(fā)表文本可能引起 的用戶情傾向進(jìn)行預(yù)測，彌補(bǔ)了現(xiàn)有技術(shù)的缺陷。

【專利附圖】

【附圖說明】
[0013] 圖1是本申請(qǐng)的一個(gè)實(shí)施例提供的建立情感模型的方法流程示意圖；
[0014] 圖2是本申請(qǐng)的一個(gè)實(shí)施例中用戶反饋情感傾向的交互界面示意圖；
[0015] 圖3a是本申請(qǐng)的另一個(gè)實(shí)施例提供的建立情感模型的方法流程示意圖；
[0016] 圖3b是本申請(qǐng)的另一個(gè)實(shí)施例提供的建立情感模型的方法流程示意圖；
[0017] 圖4是本申請(qǐng)一個(gè)實(shí)施例提供的預(yù)測用戶情感傾向的方法流程示意圖；
[0018] 圖5是本申請(qǐng)一個(gè)實(shí)施例提供的監(jiān)控輿情的方法流程示意圖；
[0019] 圖6是本申請(qǐng)一個(gè)實(shí)施例提供的基于用戶情感傾向提供服務(wù)的方法流程示意圖；
[0020] 圖7是本申請(qǐng)一個(gè)實(shí)施例提供的建立情感模型的裝置結(jié)構(gòu)示意圖；
[0021] 圖8是本申請(qǐng)另一個(gè)實(shí)施例提供的建立情感模型的裝置結(jié)構(gòu)示意圖；
[0022] 圖9是本申請(qǐng)另一個(gè)實(shí)施例提供的建立情感模型的裝置結(jié)構(gòu)示意圖；
[0023] 圖10是本申請(qǐng)另一個(gè)實(shí)施例提供的建立情感模型的裝置結(jié)構(gòu)示意圖；
[0024] 圖11是本申請(qǐng)一個(gè)實(shí)施例提供的第一輸出子模塊744或第二輸出子模塊748結(jié) 構(gòu)示意圖；
[0025] 圖12是本申請(qǐng)一個(gè)實(shí)施例提供的預(yù)測用戶情感傾向的設(shè)備結(jié)構(gòu)示意圖；
[0026] 圖13是本申請(qǐng)另一個(gè)實(shí)施例提供的預(yù)測用戶情感傾向的設(shè)備結(jié)構(gòu)示意圖；
[0027] 圖14是本申請(qǐng)另一個(gè)實(shí)施例提供的預(yù)測用戶情感傾向的設(shè)備結(jié)構(gòu)示意圖；
[002引圖15是本申請(qǐng)另一個(gè)實(shí)施例提供的預(yù)測用戶情感傾向的設(shè)備結(jié)構(gòu)示意圖；
[0029] 圖16是本申請(qǐng)一個(gè)實(shí)施例提供的監(jiān)控輿情的設(shè)備結(jié)構(gòu)示意圖；
[0030] 圖17是本申請(qǐng)另一個(gè)實(shí)施例提供的監(jiān)控輿情的設(shè)備結(jié)構(gòu)示意圖；
[0031] 圖18是本申請(qǐng)另一個(gè)實(shí)施例提供的監(jiān)控輿情的設(shè)備結(jié)構(gòu)示意圖；
[0032] 圖19是本申請(qǐng)另一個(gè)實(shí)施例提供的監(jiān)控輿情的設(shè)備結(jié)構(gòu)示意圖；
[0033] 圖20是本申請(qǐng)另一個(gè)實(shí)施例提供的監(jiān)控輿情的設(shè)備結(jié)構(gòu)示意圖；
[0034] 圖21是本申請(qǐng)一個(gè)實(shí)施例提供的基于用戶情感傾向提供服務(wù)的設(shè)備結(jié)構(gòu)示意 圖；
[0035] 圖22是本申請(qǐng)另一個(gè)實(shí)施例提供的基于用戶情感傾向提供服務(wù)的設(shè)備結(jié)構(gòu)示意 圖；
[0036] 圖23是本申請(qǐng)另一個(gè)實(shí)施例提供的基于用戶情感傾向提供服務(wù)的設(shè)備結(jié)構(gòu)示意 圖；
[0037] 圖24是本申請(qǐng)另一個(gè)實(shí)施例提供的基于用戶情感傾向提供服務(wù)的設(shè)備結(jié)構(gòu)示意 圖；
[003引圖25是本申請(qǐng)另一個(gè)實(shí)施例提供的基于用戶情感傾向提供服務(wù)的設(shè)備結(jié)構(gòu)示意 圖。

【具體實(shí)施方式】
[0039] 下面結(jié)合附圖和實(shí)施例，對(duì)本申請(qǐng)的【具體實(shí)施方式】作進(jìn)一步詳細(xì)說明。W下實(shí)施 例用于說明本申請(qǐng)，但不用來限制本申請(qǐng)的范圍。
[0040] 本領(lǐng)域技術(shù)人員理解，在本申請(qǐng)的實(shí)施例中，下述各步驟的序號(hào)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(yīng)W其功能和內(nèi)在邏輯確定，而不應(yīng)對(duì)本申請(qǐng)實(shí)施 例的實(shí)施過程構(gòu)成任何限定。
[0041] 另外，本申請(qǐng)中的"第一"、"第二"等術(shù)語僅用于區(qū)別不同步驟、設(shè)備或模塊等，既 不代表任何特定技術(shù)含義，也不表示它們之間的必然邏輯順序。
[0042] 圖1是本申請(qǐng)一個(gè)實(shí)施例所述的建立情感模型的方法，參見圖1，所述方法包括： [00創(chuàng) S100 ;確定至少一訓(xùn)練文本；
[0044] S120;對(duì)所述至少一訓(xùn)練文本進(jìn)行預(yù)處理，確定每一個(gè)訓(xùn)練文本的文字向量和每 一個(gè)訓(xùn)練文本的情感向量；
[0045] S140;根據(jù)每一個(gè)訓(xùn)練文本的所述文字向量、每一個(gè)訓(xùn)練文本的所述情感向量W 及每一個(gè)訓(xùn)練文本的發(fā)布時(shí)間，確定用戶情感隨時(shí)間演變的模型。
[0046] 可選的，在本申請(qǐng)的一個(gè)可選實(shí)施例中，上述S100中確定至少一訓(xùn)練文本，可W 包括；從互聯(lián)網(wǎng)上獲取一段時(shí)間內(nèi)發(fā)布的內(nèi)容，作為訓(xùn)練文本。當(dāng)然，也可W是用其他的方 式獲取訓(xùn)練文本，例如，用戶手動(dòng)導(dǎo)入至少一文本作為訓(xùn)練文本，本申請(qǐng)的實(shí)施例對(duì)此不作 限定。上述內(nèi)容可W包括；新聞、社交網(wǎng)絡(luò)發(fā)言（博客或者微博等等）或者網(wǎng)絡(luò)論壇的帖子 等等。
[0047] 獲得訓(xùn)練文本后，就可W進(jìn)行預(yù)處理，確定每一個(gè)訓(xùn)練文本的文字向量和每一個(gè) 訓(xùn)練文本的情感向量（S120)。
[0048] 可選的，上述文字向量可W為每一個(gè)訓(xùn)練文本的有效單詞。例如，每一個(gè)訓(xùn)練文本 的文字向量可W表示為：
[0049] d = {wl, w2, w3, wl, w4, w5, w5, w2...}。
[0化0] 可選的，上述情感向量可W為用戶預(yù)先閱讀了每一個(gè)訓(xùn)練文本后產(chǎn)生的至少一種 情感傾向。例如，每一個(gè)訓(xùn)練文本的情感向量可W表示為：
[0化1] e={el :nl,e2:n2,e3:n3,e4:n4...}
[005引其中，nl、n2、n3、n4…可W表示產(chǎn)生該情感傾向的數(shù)量，示例性的，上述某一種情 感傾向的數(shù)量，可W是產(chǎn)生該情感傾向的統(tǒng)計(jì)數(shù)量，或者，還可W是該情感傾向產(chǎn)生的歸一 化數(shù)量，例如，該歸一化數(shù)量可W是該情感傾向產(chǎn)生的統(tǒng)計(jì)數(shù)量占所有情感傾向統(tǒng)計(jì)數(shù)量 的比例。
[0化3] 對(duì)于文本向量來說，通常情況下，一個(gè)文本中，去除掉一些無意義的單詞（例如， "的""了"之類的單詞）之后，剩下的就是有效單詞了。
[0化4] 而對(duì)于情感向量來說，用戶在閱讀訓(xùn)練文本之后，可W通過如圖2所示的交互界 面選擇最能代表自己情感傾向的選項(xiàng)，因此就可W根據(jù)用戶反饋的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，得到每 一個(gè)訓(xùn)練文本的情感向量。又或者，用戶閱讀訓(xùn)練文本后，可W通過文字等形式發(fā)表自己的 評(píng)論，對(duì)用戶的評(píng)論進(jìn)行分類，就可W得到每一個(gè)訓(xùn)練文本的情感向量。
[0化5] 在本申請(qǐng)一個(gè)可選實(shí)施例中，在確定了每一個(gè)訓(xùn)練文本的文字向量和每一個(gè)訓(xùn)練 文本的情感向量后，將每一個(gè)訓(xùn)練文本的文字向量中的每一個(gè)有效單詞和每一個(gè)訓(xùn)練文本 的訓(xùn)練文本的情感向量W及發(fā)布時(shí)間綁定，得到訓(xùn)練文本的一個(gè)元組；（g，t，W)。如果訓(xùn)練 文本d有Nd個(gè)單詞，那么訓(xùn)練文本d的元組（g，t，W)也有Nd個(gè)。在一個(gè)訓(xùn)練文本的所有元 組中，情感向量e和發(fā)布時(shí)間t都是相同的。上述發(fā)布時(shí)間可W具體到"小時(shí)"或者"日"， 當(dāng)然也可W粒度大一些，例如，具體到"月"或者具體到"年"等等，本申請(qǐng)的實(shí)施例對(duì)此不 作具體限定。
[0056] 在本申請(qǐng)的另一個(gè)可選實(shí)施例中，可W按照發(fā)布時(shí)間對(duì)訓(xùn)練文本進(jìn)行劃分，歸屬 于同一個(gè)時(shí)間段內(nèi)的訓(xùn)練文本，發(fā)布時(shí)間可w認(rèn)為是相同的。針對(duì)歸屬于同一個(gè)時(shí)間段內(nèi) 的訓(xùn)練文本單獨(dú)建立子模型，則本申請(qǐng)所述的用戶情感對(duì)時(shí)間演變的模型就可W包括多個(gè) 不同時(shí)間段的子模型。在每一個(gè)子模型中，由于訓(xùn)練文本的發(fā)布時(shí)間是相同的，因此，得到 的元組可W只包括有效單詞和情感向量，即；（g，w)。
[0化7] 在本申請(qǐng)的實(shí)施例中，假設(shè)文本是由各類主題組成的，此處的"主題"表示一個(gè)概 念、一個(gè)方面，形象來說，主題可W認(rèn)為是一個(gè)桶，里面裝了出現(xiàn)概率較高的元組，該些元組 與該個(gè)主題有很強(qiáng)的相關(guān)性。通過"主題"該個(gè)中介，就可W將文本與元組聯(lián)系起來。
[005引因此，在本申請(qǐng)的實(shí)施例中，某一個(gè)文本產(chǎn)生某一元組的概率都可W通過"文本W(wǎng) 一定的概率選擇了某個(gè)主題，該個(gè)主題W-定的概率產(chǎn)生了某一元組"該樣一個(gè)過程得到 的。即：
[0059] P(元組I文本）=2主題P(元組I主題）XP(主題I文本）
[0060] 對(duì)每一個(gè)訓(xùn)練文本進(jìn)行統(tǒng)計(jì)，確定某個(gè)訓(xùn)練文本中某一個(gè)元組出現(xiàn)的次數(shù)，就可 W得到基于訓(xùn)練文本的P (元組I訓(xùn)練文本）。然后通過一算法，得到P (元組I主題）和 P (主題I訓(xùn)練文本）。根據(jù)訓(xùn)練得到的P (元組I主題）和P (主題I訓(xùn)練文本），就可W確 定任一文本產(chǎn)生任一元組的近似后驗(yàn)分布P (元組I文本）。
[0061] 在一個(gè)可選實(shí)施例中，如圖3a所示，上述S140中根據(jù)每一個(gè)訓(xùn)練文本的所述文字 向量、每一個(gè)訓(xùn)練文本的所述情感向量W及每一個(gè)訓(xùn)練文本的發(fā)布時(shí)間，確定用戶情感隨 時(shí)間演變的模型，可W包括：
[0062] S141 ;將第i個(gè)訓(xùn)練文本的文字向量中的每一個(gè)有效單詞和第i個(gè)訓(xùn)練文本的情 感向量W及第i個(gè)訓(xùn)練文本的發(fā)布時(shí)間綁定，得到第i個(gè)訓(xùn)練文本的多個(gè)元組；
[0063] S142 ;對(duì)第i個(gè)訓(xùn)練文本進(jìn)行統(tǒng)計(jì)，確定所述第i個(gè)訓(xùn)練文本中出現(xiàn)元組r的概率 P (元組r I訓(xùn)練文本i);
[0064] S143 ;根據(jù)所述P (元組r I訓(xùn)練文本i)，通過一算法，確定所述第i個(gè)訓(xùn)練文本選 擇主題k的概率P (主題k I訓(xùn)練文本i) W及所述主題k產(chǎn)生元組r的概率P (元組r I主 題k);
[0065] S144 ;用于根據(jù)所述P (主題k I訓(xùn)練文本U和所述P (元組r I主題k)，確定任一 文本產(chǎn)生任一元組的近似后驗(yàn)分布P (元組I文本）。
[0066] 在另一個(gè)可選實(shí)施例中，如圖3b所示，上述S140中根據(jù)每一個(gè)訓(xùn)練文本的所述文 字向量、每一個(gè)訓(xùn)練文本的所述情感向量W及每一個(gè)訓(xùn)練文本的發(fā)布時(shí)間，確定用戶情感 隨時(shí)間演變的模型，可W包括：
[0067] S145 ;將每一個(gè)訓(xùn)練文本的文字向量中的每一個(gè)有效單詞和每一個(gè)訓(xùn)練文本的情 感向量綁定，得到每一個(gè)訓(xùn)練文本的多個(gè)元組；
[0068] S146;對(duì)至少一時(shí)間段發(fā)布的訓(xùn)練文本進(jìn)行統(tǒng)計(jì)，確定所述至少一時(shí)間段內(nèi)發(fā)布 的第i個(gè)訓(xùn)練文本中出現(xiàn)元組r的概率P (元組r I訓(xùn)練文本i);
[0069] S147 ;根據(jù)所述P (元組r I訓(xùn)練文本i)，通過一算法，確定所述第i個(gè)訓(xùn)練文本選 擇主題k的概率P (主題k I訓(xùn)練文本i) W及所述主題k產(chǎn)生元組r的概率P (元組r I主 題k);
[0070] S148 ;根據(jù)所述P (主題k I訓(xùn)練文本i)和所述P (元組r I主題k)，確定至少一時(shí) 間段內(nèi)任一文本產(chǎn)生任一元組的近似后驗(yàn)分布P (元組I文本）。
[0071] 可選的，上述算法，可W是基于采樣的算法，或者也可W是變分 EM巧xpectation-maximization，期望最大化）算法。基于采樣的算法通過收集后驗(yàn)分布 的樣本，W樣本的分布求得后驗(yàn)分布的近似，常見的基于采樣的算法例如基于吉布斯采樣 (Gibbs Sampling)的算法。而變分EM算法則是先假定一族在隱藏結(jié)構(gòu)之上的參數(shù)化的分 布，再通過變分思想迭代更新尋找與后驗(yàn)分布最接近的分布。下面W基于吉布斯采樣的算 法為例，介紹本申請(qǐng)實(shí)施例中確定模型的兩種過程。
[0072] (1)假設(shè)一訓(xùn)練文本集D，有m個(gè)訓(xùn)練文本dl，d2，d3……血，發(fā)布時(shí)間分別為；tl， t2, t3......tm，n 個(gè)主題 Zl，Z2, Z3......化。
[007引將訓(xùn)練文本集中的每一個(gè)訓(xùn)練文本都轉(zhuǎn)化成元組的形式：館，t，W)
[0074] 初始時(shí)；W均等的概率（^)或者隨機(jī)為每一個(gè)訓(xùn)練文本的每一個(gè)元組賦予一個(gè)主 題，示例性的，如表1所示：
[00巧]表1
[0076]

【權(quán)利要求】
1. 一種預(yù)測用戶情感傾向的方法，其特征在于，包括： 確定至少一待評(píng)估文本； 根據(jù)一用戶情感隨時(shí)間演變的模型，確定所述至少一待評(píng)估文本中的任一文本令用戶 產(chǎn)生至少一情感傾向的概率。
2. 如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)一用戶情感隨時(shí)間演變的模型，確 定所述至少一待評(píng)估文本中的任一文本令用戶產(chǎn)生至少一情感傾向的概率，包括： 對(duì)所述至少一待評(píng)估文本進(jìn)行預(yù)處理，確定每一個(gè)待評(píng)估文本的文字向量和每一個(gè)待 評(píng)估文本的情感向量； 將每一個(gè)待評(píng)估文本的文字向量中的每一個(gè)有效單詞和每一個(gè)待評(píng)估文本的情感向 量以及每一個(gè)待評(píng)估文本的發(fā)布時(shí)間綁定，得到每一個(gè)待評(píng)估文本的元組； 將所述待每一個(gè)評(píng)估文本的元組輸入所述用戶情感隨時(shí)間演變的模型，根據(jù)所述用戶 情感隨時(shí)間演變的模型的輸出結(jié)果，確定所述至少一待評(píng)估文本中的任一文本令用戶產(chǎn)生 至少一情感傾向的概率。
3. 如權(quán)利要求1或2所述的方法，其特征在于，所述方法還包括： 建立所述用戶情感隨時(shí)間演變的模型。
4. 如權(quán)利要求3所述的方法，其特征在于，所述建立所述用戶情感隨時(shí)間演變的模型， 包括： 確定至少一訓(xùn)練文本； 對(duì)所述至少一訓(xùn)練文本進(jìn)行預(yù)處理，確定每一個(gè)訓(xùn)練文本的文字向量和每一個(gè)訓(xùn)練文 本的情感向量； 根據(jù)每一個(gè)訓(xùn)練文本的所述文字向量、每一個(gè)訓(xùn)練文本的所述情感向量以及每一個(gè)訓(xùn) 練文本的發(fā)布時(shí)間，確定用戶情感隨時(shí)間演變的模型。
5. 如權(quán)利要求4所述的方法，其特征在于，所述根據(jù)每一個(gè)訓(xùn)練文本的所述文字向量、 每一個(gè)訓(xùn)練文本的所述情感向量以及每一個(gè)訓(xùn)練文本的發(fā)布時(shí)間，確定用戶情感隨時(shí)間演 變的模型，包括： 將第i個(gè)訓(xùn)練文本的文字向量中的每一個(gè)有效單詞和第i個(gè)訓(xùn)練文本的情感向量以及 第i個(gè)訓(xùn)練文本的發(fā)布時(shí)間綁定，得到第i個(gè)訓(xùn)練文本的元組； 對(duì)第i個(gè)訓(xùn)練文本進(jìn)行統(tǒng)計(jì)，確定所述第i個(gè)訓(xùn)練文本中出現(xiàn)元組r的概率P (元組r 訓(xùn)練文本i); 根據(jù)所述P (元組r |訓(xùn)練文本i)，通過一算法，確定第i個(gè)訓(xùn)練文本選擇主題k的概率 P (主題k |訓(xùn)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(xùn)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(yàn)分布P (元組I文本）。
6. 如權(quán)利要求5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(yàn)分布P (元組 文本），包括： 確定任一個(gè)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(shí)間的概率。
7. -種預(yù)測用戶情感傾向的設(shè)備，其特征在于，所述預(yù)測用戶情感傾向的設(shè)備包括： 一評(píng)估文本確定裝置，用于確定至少一待評(píng)估文本； 一預(yù)測裝置，用于根據(jù)一用戶情感隨時(shí)間演變的模型，確定所述至少一待評(píng)估文本中 的任一文本令用戶產(chǎn)生至少一情感傾向的概率。
8. 如權(quán)利要求7所述的設(shè)備，其特征在于，所述預(yù)測裝置包括： 處理模塊，用于對(duì)所述至少一待評(píng)估文本進(jìn)行預(yù)處理，確定每一個(gè)待評(píng)估文本的文字 向量和每一個(gè)待評(píng)估文本的情感向量； 元組確定模塊，用于將每一個(gè)待評(píng)估文本的文字向量中的每一個(gè)有效單詞和每一個(gè)待 評(píng)估文本的情感向量以及每一個(gè)待評(píng)估文本的發(fā)布時(shí)間綁定，得到每一個(gè)待評(píng)估文本的元 組； 輸入模塊，用于將所述每一個(gè)待評(píng)估文本的元組輸入所述用戶情感隨時(shí)間演變的模 型，根據(jù)所述用戶情感隨時(shí)間演變的模型的輸出結(jié)果，確定所述至少一待評(píng)估文本中的任 一文本令用戶產(chǎn)生至少一情感傾向的概率。
9. 如權(quán)利要求7或8所述的設(shè)備，其特征在于，所述預(yù)測用戶情感傾向的設(shè)備還包括： 一建立情感模型的裝置，用于建立所述用戶情感隨時(shí)間演變的模型。
10. 如權(quán)利要求9所述的設(shè)備，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(xùn)練文本； 預(yù)處理模塊，用于對(duì)所述至少一訓(xùn)練文本進(jìn)行預(yù)處理，確定每一個(gè)訓(xùn)練文本的文字向 量和每一個(gè)訓(xùn)練文本的情感向量； 建模模塊，用于根據(jù)每一個(gè)訓(xùn)練文本的所述文字向量、每一個(gè)訓(xùn)練文本的所述情感向 量以及每一個(gè)訓(xùn)練文本的發(fā)布時(shí)間，確定用戶情感隨時(shí)間演變的模型。
【文檔編號(hào)】G06F17/27GK104503959SQ201410773604
【公開日】2015年4月8日 申請(qǐng)日期:2014年12月12日 優(yōu)先權(quán)日:2014年12月12日
【發(fā)明者】于魁飛 申請(qǐng)人:北京智谷睿拓技術(shù)服務(wù)有限公司