一種自動(dòng)識(shí)別文本所承載的情感概率的方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開(kāi)了一種自動(dòng)識(shí)別文本所承載的情感概率的方法及系統(tǒng)，該方法包括：獲取多個(gè)文本以組成訓(xùn)練文本集，每個(gè)該文本包括多個(gè)情感元以及用戶針對(duì)該情感元的投票數(shù)據(jù)；對(duì)該多個(gè)文本進(jìn)行預(yù)處理，以提取在該多個(gè)文本中出現(xiàn)過(guò)的所有特征詞、每個(gè)特征詞在各個(gè)文本中的出現(xiàn)概率、所有該情感元、及每個(gè)該情感元在每個(gè)文本中的得票率；根據(jù)該出現(xiàn)概率以及該得票率，計(jì)算該訓(xùn)練文本集中每個(gè)該特征詞對(duì)應(yīng)每個(gè)該情感元的條件概率，并組成情感詞典；針對(duì)一待識(shí)別文本，提取該待識(shí)別文本中出現(xiàn)的所有特征詞并計(jì)算每個(gè)該特征詞在該待識(shí)別文本中的出現(xiàn)概率，利用該條件概率以及每個(gè)該特征詞在該待識(shí)別文本中的出現(xiàn)概率，計(jì)算該待識(shí)別文本對(duì)應(yīng)每個(gè)情感元的概率。
【專利說(shuō)明】一種自動(dòng)識(shí)別文本所承載的情感概率的方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)數(shù)據(jù)挖掘領(lǐng)域，特別是涉及一種自動(dòng)識(shí)別文本所承載的情感概 率的方法及系統(tǒng)。

【背景技術(shù)】
[0002] 隨著科學(xué)技術(shù)的進(jìn)步，人類各種固有特征的自動(dòng)識(shí)別技術(shù)得到了迅猛發(fā)展，例如 語(yǔ)音識(shí)別、人臉識(shí)別、指紋識(shí)別、虹膜識(shí)別等。這些識(shí)別技術(shù)在產(chǎn)業(yè)中得到了大量具體應(yīng)用。 當(dāng)各個(gè)領(lǐng)域的智能化技術(shù)均如火如荼的推進(jìn)時(shí)，自動(dòng)識(shí)別技術(shù)逐漸向人類的情感識(shí)別邁 進(jìn)，以實(shí)現(xiàn)更高等級(jí)的人機(jī)交互或人工智能處理。
[0003] 情感是客觀存在的，且人類情感具有共性，S卩，對(duì)于部分客體，人類具有趨同的情 感表達(dá)，這也正是情感識(shí)別能夠?qū)崿F(xiàn)的客觀基礎(chǔ)。
[0004] 另外，他人的情感、情緒與觀點(diǎn)是輔助人們決策的重要參考。對(duì)公眾情感的分析與 挖掘，有助于管理者統(tǒng)計(jì)產(chǎn)品、服務(wù)的客戶滿意度，記者跟蹤當(dāng)前事件的公眾反應(yīng)，廣告商 評(píng)估策劃活動(dòng)、廣告宣傳的效果，政府監(jiān)測(cè)人物、機(jī)構(gòu)、事件等的公眾情感態(tài)勢(shì)等。
[0005] 而文本是人們情感與觀點(diǎn)表達(dá)的主要載體，詞語(yǔ)是文本的基本組成單元，構(gòu)建情 感詞典自然就成為公眾情感挖掘的重要基礎(chǔ)，且，對(duì)情感詞典加以利用可以解決各種產(chǎn)業(yè) 中存在的問(wèn)題。在現(xiàn)有技術(shù)中，授權(quán)專利CN101587708B記載了一種《歌曲情緒壓力分析方 法及系統(tǒng)》（授權(quán)公告日：2012-5-23)，其針對(duì)歌詞文本進(jìn)行處理，并根據(jù)人為預(yù)設(shè)的情感詞 典，計(jì)算出歌曲情緒壓力指數(shù)，以便于歌曲的分類、定位。
[0006] 當(dāng)前，情感詞典的構(gòu)建方法主要以人工為主，例如基于英語(yǔ)詞典WordNet進(jìn)行情 感擴(kuò)展標(biāo)注的WordNet-Affect與SentiWordNet，以及基于人工選取的主觀詞和在線詞典 等生成的 Subjectivity Wordlist。
[0007] 可見(jiàn)，現(xiàn)有技術(shù)雖然在文本的情感識(shí)別方面有所發(fā)展，但是還存在較多局限性： (1)當(dāng)前的情感詞典大多具備的是通用性，卻被應(yīng)用于一般性的領(lǐng)域，以前就是說(shuō)，不適 用于對(duì)個(gè)性化的數(shù)據(jù)集的情感分析；（2)語(yǔ)種有限，以上所述三種情感詞典都只提供英文 單詞的情感標(biāo)注；（3)詞典的容量有限，更新緩慢，例如，目前WordNet-Affect僅標(biāo)注了 2874個(gè)同義詞集和4787個(gè)單詞的情感分布；（4)情感標(biāo)注的粒度較粗，應(yīng)用范圍有限。 SentiWordNet中情感維度只有肯定、否定和中性三種。Subjectivity Wordlist則僅僅區(qū) 分主觀詞和客觀詞，通常是用于對(duì)評(píng)論與新聞文本的預(yù)處理。
[0008] 另外，隨著Web 2. 0和移動(dòng)互聯(lián)網(wǎng)的興起，網(wǎng)民可以隨時(shí)隨地在互聯(lián)網(wǎng)、社交網(wǎng) 絡(luò)、博客、微博、即時(shí)通訊、短信、微信等平臺(tái)發(fā)布觀點(diǎn)、表達(dá)情緒情感，通過(guò)計(jì)算機(jī)技術(shù)獲取 海量的公眾情感將更為便捷，人們情感的表達(dá)也更為迅速、傳播更為廣泛。這既突出了公眾 情感挖掘的可行性、重要性和緊迫性，又對(duì)其技術(shù)要求提出了更大的挑戰(zhàn)。


【發(fā)明內(nèi)容】

[0009] 本發(fā)明解決的問(wèn)題在于，針對(duì)一文本自動(dòng)識(shí)別其所承載的情感概率，也就是情感 分布。
[0010] 更進(jìn)一步的，獲取情感詞典的訓(xùn)練文本集可調(diào)節(jié)或由用戶指定，使得情感詞典的 個(gè)性化特征更加顯著。
[0011] 更進(jìn)一步的，可實(shí)現(xiàn)較細(xì)的情感粒度。
[0012] 更進(jìn)一步的，可針對(duì)不同語(yǔ)種進(jìn)行文本情感識(shí)別。
[0013] 更進(jìn)一步的，便于情感詞典的更新。
[0014] 本發(fā)明公開(kāi)了一種自動(dòng)識(shí)別文本所承載的情感概率的方法，包括：
[0015] 步驟1，獲取多個(gè)文本以組成訓(xùn)練文本集，每個(gè)該文本包括多個(gè)情感元以及用戶針 對(duì)該文本對(duì)該情感元的投票數(shù)據(jù)；
[0016] 步驟2,對(duì)該多個(gè)文本進(jìn)行預(yù)處理，以提取在該多個(gè)文本中出現(xiàn)過(guò)的所有特征詞、 每個(gè)特征詞在各個(gè)文本中的出現(xiàn)概率、所有該情感元以及每個(gè)該情感元在每個(gè)文本中的得 票率；
[0017] 步驟3,根據(jù)該出現(xiàn)概率以及該得票率，計(jì)算該訓(xùn)練文本集中每個(gè)該特征詞對(duì)應(yīng)每 個(gè)該情感元的條件概率，并組成情感詞典；
[0018] 步驟4,針對(duì)一待識(shí)別文本，提取該待識(shí)別文本中出現(xiàn)的所有特征詞并計(jì)算每個(gè)該 特征詞在該待識(shí)別文本中的出現(xiàn)概率，利用該條件概率以及每個(gè)該特征詞在該待識(shí)別文本 中的出現(xiàn)概率，計(jì)算該待識(shí)別文本對(duì)應(yīng)每個(gè)情感元的概率。
[0019] 步驟2的預(yù)處理步驟包括：
[0020] 對(duì)文本進(jìn)行分詞處理，詞干化處理，和/或，去除停用詞。
[0021] 該步驟3根據(jù)如下公式計(jì)算該條件概率：
[0022]

【權(quán)利要求】
1. 一種自動(dòng)識(shí)別文本所承載的情感概率的方法，其特征在于，包括： 步驟1，獲取多個(gè)文本以組成訓(xùn)練文本集，每個(gè)該文本包括多個(gè)情感元以及用戶針對(duì)該 文本對(duì)該情感元的投票數(shù)據(jù)； 步驟2,對(duì)該多個(gè)文本進(jìn)行預(yù)處理，以提取在該多個(gè)文本中出現(xiàn)過(guò)的所有特征詞、每個(gè) 特征詞在各個(gè)文本中的出現(xiàn)概率、所有該情感元以及每個(gè)該情感元在每個(gè)文本中的得票 率； 步驟3,根據(jù)該出現(xiàn)概率以及該得票率，計(jì)算該訓(xùn)練文本集中每個(gè)該特征詞對(duì)應(yīng)每個(gè)該 情感元的條件概率，并組成情感詞典； 步驟4,針對(duì)一待識(shí)別文本，提取該待識(shí)別文本中出現(xiàn)的所有特征詞并計(jì)算每個(gè)該特征 詞在該待識(shí)別文本中的出現(xiàn)概率，利用該條件概率以及每個(gè)該特征詞在該待識(shí)別文本中的 出現(xiàn)概率，計(jì)算該待識(shí)別文本對(duì)應(yīng)每個(gè)情感元的概率。
2. 如權(quán)利要求1所述的方法，其特征在于，步驟2的預(yù)處理步驟包括： 對(duì)文本進(jìn)行分詞處理，詞干化處理，和/或，去除停用詞。
3. 如權(quán)利要求1所述的方法，其特征在于，該步驟3根據(jù)如下公式計(jì)算該條件概率：
其中，P (ek | wp為特征詞％對(duì)應(yīng)情感元ek的條件概率，rik為情感元ek在文本屯中的 得票率，P(Wj | cQ為特征詞W」在文本屯中的出現(xiàn)概率，N為文本總數(shù)，E為情感元總數(shù)。
4. 如權(quán)利要求3所述的方法，其特征在于，步驟3、4之間還包括： 步驟31，針對(duì)每個(gè)特征詞，利用P (B | w) =dfw/N計(jì)算特征詞w屬于背景詞B的概率； 步驟32,判斷P(B|w)是否大于P(e|w)，如果是，執(zhí)行步驟33,如果否，執(zhí)行步驟34; 步驟33,將該特征詞w從該情感詞典中刪除； 步驟34,在該情感詞典中保留該特征詞w ; 其中，P(B|w)為特征詞w屬于背景詞B的概率，dfw為包含該特征詞的文本數(shù)量，N為 該訓(xùn)練文本集包含的文本總數(shù)； 其中，P(e|w)為步驟3中的針對(duì)特征詞w的P(ek|Wp的最大值、最小值或平均值。
5. 如權(quán)利要求1至4中任一所述的方法，其特征在于，該步驟4的計(jì)算該待識(shí)別文本對(duì) 應(yīng)每個(gè)情感元的概率的步驟根據(jù)如下公式進(jìn)行：
K.)為待識(shí)別文本Φ對(duì)應(yīng)每個(gè)情感元ek的概率，p (%| cQ為特征詞％在待識(shí)別 文本屯中的出現(xiàn)概率，p(ek|wj)為特征詞Wj在該情感詞典中的條件概率。
6. 如權(quán)利要求1所述的方法，其特征在于，步驟4之后還包括步驟5， 依次判斷該待識(shí)別文本對(duì)應(yīng)每個(gè)情感元的概率是否大于一閾值，如果是，將該概率對(duì) 應(yīng)的情感元作為該待識(shí)別文本的情感標(biāo)簽。
7. -種自動(dòng)識(shí)別文本所承載的情感概率的系統(tǒng)，其特征在于，包括： 獲取裝置，用于獲取多個(gè)文本以組成訓(xùn)練文本集，每個(gè)該文本包括多個(gè)情感元以及用 戶針對(duì)該文本對(duì)該情感元的投票數(shù)據(jù)； 預(yù)處理裝置，用于對(duì)該多個(gè)文本進(jìn)行預(yù)處理，以提取在該多個(gè)文本中出現(xiàn)過(guò)的所有特 征詞、每個(gè)特征詞在各個(gè)文本中的出現(xiàn)概率、所有該情感元、以及每個(gè)該情感元在每個(gè)文本 中的得票率； 情感詞典構(gòu)建裝置，用于根據(jù)該出現(xiàn)概率以及該得票率，計(jì)算該訓(xùn)練文本集中每個(gè)該 特征詞對(duì)應(yīng)每個(gè)該情感元的條件概率，并組成情感詞典； 概率計(jì)算裝置，針對(duì)一待識(shí)別文本，提取該待識(shí)別文本中出現(xiàn)的所有特征詞并計(jì)算每 個(gè)該特征詞在該待識(shí)別文本中的出現(xiàn)概率，利用該條件概率以及每個(gè)該特征詞在該待識(shí)別 文本中的出現(xiàn)概率，計(jì)算該待識(shí)別文本對(duì)應(yīng)每個(gè)情感元的概率。
8. 如權(quán)利要求7所述的系統(tǒng)，其特征在于，該預(yù)處理裝置用于對(duì)文本進(jìn)行分詞處理，詞 干化處理，和/或，去除停用詞。
9. 如權(quán)利要求7所述的系統(tǒng)，其特征在于，該情感詞典構(gòu)建裝置根據(jù)如下公式計(jì)算該 條件概率：
其中，P (ek | wp為特征詞％對(duì)應(yīng)情感元ek的條件概率，rik為情感元ek在文本屯中的 得票率，P(Wj | cQ為特征詞W」在文本屯中的出現(xiàn)概率，N為文本總數(shù)，E為情感元總數(shù)。
10. 如權(quán)利要求9所述的系統(tǒng)，其特征在于，該系統(tǒng)還包括： 用于針對(duì)每個(gè)特征詞，利用P (B | w) =dfw/N計(jì)算特征詞w屬于背景詞B的概率的裝置； 用于判斷P(B|w)是否大于P(e|w)，如果是，將該特征詞w從該情感詞典中刪除，如果 否，在該情感詞典中保留該特征詞w的裝置； 其中，P (B | w)為特征詞w屬于背景詞B的概率，dfw為包含該特征詞的文本數(shù)量，N為 該訓(xùn)練文本集包含的文本總數(shù)； 其中，P(e|w)為情感詞典構(gòu)建裝置中得到的針對(duì)特征詞w的P(ek|Wp的最大值、最小 值或平均值。
11. 如權(quán)利要求7-10中任一所述的系統(tǒng)，其特征在于，該概率計(jì)算裝置執(zhí)行如下公式：
盧式）為待識(shí)別文本Φ對(duì)應(yīng)每個(gè)情感元ek的概率,p (Wj I di)為特征詞Wj在待識(shí)別 文本屯中的出現(xiàn)概率，p(ek|wj)為特征詞Wj在該情感詞典中的條件概率。
12. 如權(quán)利要求7所述的系統(tǒng)，其特征在于，還包括依次判斷該待識(shí)別文本對(duì)應(yīng)每個(gè)情 感元的概率是否大于一閾值，如果是，將該概率對(duì)應(yīng)的情感元作為該待識(shí)別文本的情感標(biāo) 簽的裝置。
13. -種自動(dòng)識(shí)別文本所承載的情感概率的方法，其特征在于，包括： 步驟1，獲取多個(gè)文本以組成訓(xùn)練文本集，每個(gè)該文本包括多個(gè)情感元以及用戶針對(duì)該 文本對(duì)該情感元的投票數(shù)據(jù)； 步驟2,對(duì)該多個(gè)文本進(jìn)行預(yù)處理，以提取在該多個(gè)文本中出現(xiàn)過(guò)的所有特征詞、每個(gè) 特征詞在各個(gè)文本中的出現(xiàn)概率、所有該情感元、以及每個(gè)該情感元在每個(gè)文本中的得票 率； 步驟3,根據(jù)該預(yù)處理的結(jié)果，利用Gibbs抽樣算法，計(jì)算該訓(xùn)練文本集中每個(gè)情感主 題對(duì)應(yīng)每個(gè)情感元的條件概率，以組成主題-情感詞典，或者，利用Gibbs抽樣算法，計(jì)算該 訓(xùn)練文本集中每個(gè)特征詞對(duì)應(yīng)每個(gè)該情感元的條件概率，以組成詞-情感詞典； 步驟4,針對(duì)一待識(shí)別文本，提取該待識(shí)別文本中出現(xiàn)的所有特征詞并計(jì)算每個(gè)該特 征詞在該待識(shí)別文本中的出現(xiàn)概率，利用每個(gè)該特征詞在該待識(shí)別文本中的出現(xiàn)概率以及 該主題-情感詞典，計(jì)算該待識(shí)別文本對(duì)應(yīng)每個(gè)情感元的概率，或者，利用每個(gè)該特征詞在 該待識(shí)別文本中的出現(xiàn)概率以及該詞-情感詞典，計(jì)算該待識(shí)別文本對(duì)應(yīng)每個(gè)情感元的概 率。
14.如權(quán)利要求13所述的方法，其特征在于，該步驟3進(jìn)一步包括： 步驟31，根據(jù)該情感元、該出現(xiàn)概率以及該得票率，利用Gibbs抽樣算法，計(jì)算得到 Cj1、<和其中，Cf為情感元ek被分配為情感主題Ζηι的次數(shù)，0為文本屯被分配 為情感主題zm的次數(shù)，<；；為特征詞％被分配為情感主題zm的次數(shù)； 步驟32,利用
計(jì)算該訓(xùn)練文本集中每個(gè)該情感主題對(duì)應(yīng)每個(gè)情感元 的條件概率； 或者，利用
·計(jì)算該訓(xùn)練文本集中每個(gè)該特征詞 對(duì)應(yīng)每個(gè)情感元的條件概率； 其中，P (ek | Wj)為特征詞Wj對(duì)應(yīng)情感元ek的條件概率，P (ek | zm)為情感主題zm對(duì)應(yīng)情 感元ek的條件概率，P(w」zj為情感主題Ζηι對(duì)應(yīng)特征詞％的條件概率，Ρ(Ζηι)為情感主題 ζπ的先驗(yàn)概率，Z為情感主題Ζηι的集合；
其中，α，β和γ為超參數(shù)，E是情感元ek的集合，W是特征詞Wj的集合，D為訓(xùn)練文 本集。
15. 如權(quán)利要求14所述的方法，其特征在于，該步驟4的計(jì)算該待識(shí)別文本對(duì)應(yīng)每個(gè)情 感元的概率的步驟根據(jù)如下公式進(jìn)行：
/)(? K)為待識(shí)別文本屯對(duì)應(yīng)每個(gè)情感元ek的概率，p (%|屯）為特征詞％在待識(shí)別 文本屯中的出現(xiàn)概率，p (ek| Wj)為特征詞Wj在該詞-情感詞典中的條件概率； P (z」cQ為待識(shí)別文本屯對(duì)應(yīng)情感主題Ζηι的條件概率，其中，
^為待識(shí)別文本屯的矩陣形式，矩陣中的元素為該待識(shí) Γ 別文本di的每個(gè)特征詞的出現(xiàn)概率，δ m為情感主題Zm的矩陣形式，矩陣中的元素為該情感 主題Zm對(duì)應(yīng)每個(gè)特征詞的條件概率p (Wj I zm)。
16. 如權(quán)利要求13所述的方法，其特征在于，步驟2的預(yù)處理步驟包括： 對(duì)文本進(jìn)行分詞處理，詞干化處理，和/或，去除停用詞。
17. 如權(quán)利要求13所述的方法，其特征在于，步驟4之后還包括步驟5， 依次判斷該待識(shí)別文本對(duì)應(yīng)每個(gè)情感元的概率是否大于一閾值，如果是，將該概率對(duì) 應(yīng)的情感元作為該待識(shí)別文本的情感標(biāo)簽。
18. -種自動(dòng)識(shí)別文本所承載的情感概率的系統(tǒng)，其特征在于，包括： 獲取裝置，獲取多個(gè)文本以組成訓(xùn)練文本集，每個(gè)該文本包括多個(gè)情感元以及用戶針 對(duì)該文本對(duì)該情感元的投票數(shù)據(jù)； 預(yù)處理裝置，對(duì)該多個(gè)文本進(jìn)行預(yù)處理，以提取在該多個(gè)文本中出現(xiàn)過(guò)的所有特征詞、 每個(gè)特征詞在各個(gè)文本中的出現(xiàn)概率、所有該情感元、以及每個(gè)該情感元在每個(gè)文本中的 得票率； 情感詞典構(gòu)建裝置，根據(jù)該預(yù)處理的結(jié)果，利用Gibbs抽樣算法，計(jì)算該訓(xùn)練文本集中 每個(gè)情感主題對(duì)應(yīng)每個(gè)情感元的條件概率，以組成主題-情感詞典，或者，利用Gibbs抽樣 算法，計(jì)算該訓(xùn)練文本集中每個(gè)特征詞對(duì)應(yīng)每個(gè)該情感元的條件概率，以組成詞-情感詞 血. 概率計(jì)算裝置，針對(duì)一待識(shí)別文本，提取該待識(shí)別文本中出現(xiàn)的所有特征詞并計(jì)算每 個(gè)該特征詞在該待識(shí)別文本中的出現(xiàn)概率，利用每個(gè)該特征詞在該待識(shí)別文本中的出現(xiàn)概 率以及該主題-情感詞典，計(jì)算該待識(shí)別文本對(duì)應(yīng)每個(gè)情感元的概率，或者，利用每個(gè)該特 征詞在該待識(shí)別文本中的出現(xiàn)概率以及該詞-情感詞典，計(jì)算該待識(shí)別文本對(duì)應(yīng)每個(gè)情感 元的概率。
19. 如權(quán)利要求18所述的系統(tǒng)，其特征在于，該情感詞典構(gòu)建裝置進(jìn)一步包括： Gibbs抽樣計(jì)算單元，根據(jù)該情感元、該出現(xiàn)概率以及該得票率，利用Gibbs抽樣算法， 計(jì)算得到d和<r ;其中，為情感元ek被分配為情感主題zm的次數(shù)，d為文本 K,k 、-w J A -m φ被分配為情感主題zm的次數(shù)，<:；：為特征詞％被分配為情感主題zm的次數(shù)； 條件概率計(jì)算單元，利用
計(jì)算該訓(xùn)練文本集中每個(gè)該情感主題對(duì)應(yīng) 每個(gè)情感元的條件概率； 或者，利用
計(jì)算該訓(xùn)練文本集中每個(gè)該特征詞 對(duì)應(yīng)每個(gè)情感元的條件概率； 其中，P (ek | Wj)為特征詞Wj對(duì)應(yīng)情感元ek的條件概率，P (ek | zm)為情感主題zm對(duì)應(yīng)情 感元ek的條件概率，P(w」zj為情感主題Ζηι對(duì)應(yīng)特征詞％的條件概率，Ρ(Ζηι)為情感主題 ζπ的先驗(yàn)概率，Z為情感主題Ζηι的集合；
其中，α，β和γ為超參數(shù)，E是情感元ek的集合，W是特征詞Wj的集合，D為訓(xùn)練文 本集。
20.如權(quán)利要求19所述的系統(tǒng)，其特征在于，該概率計(jì)算裝置采用如下公式：
I 〇為待識(shí)別文本屯對(duì)應(yīng)每個(gè)情感元ek的概率，p (Wj | cQ為特征詞Wj在待識(shí)別 文本屯中的出現(xiàn)概率，p (ek| Wj)為特征詞Wj在該詞-情感詞典中的條件概率； P (z」cQ為待識(shí)別文本屯對(duì)應(yīng)情感主題Ζηι的條件概率，其中，
為待識(shí)別文本屯的矩陣形式，矩陣中的元素為該待識(shí) 別文本屯的每個(gè)特征詞的出現(xiàn)概率，δ m為情感主題Zm的矩陣形式，矩陣中的元素為該情感 主題對(duì)應(yīng)每個(gè)特征詞的條件概率p (W,_ | zj。
21. 如權(quán)利要求18所述的系統(tǒng)，其特征在于，該預(yù)處理裝置還用于對(duì)文本進(jìn)行分詞處 理，詞干化處理，和/或，去除停用詞。
22. 如權(quán)利要求18所述的系統(tǒng)，其特征在于，還包括依次判斷該待識(shí)別文本對(duì)應(yīng)每個(gè) 情感元的概率是否大于一閾值，如果是，將該概率對(duì)應(yīng)的情感元作為該待識(shí)別文本的情感 標(biāo)簽的裝置。
【文檔編號(hào)】G06F17/30GK104063399SQ201310094618
【公開(kāi)日】2014年9月24日 申請(qǐng)日期:2013年3月22日 優(yōu)先權(quán)日:2013年3月22日
【發(fā)明者】李青, 權(quán)小軍, 饒洋輝, 劉文印 申請(qǐng)人:杭州金弩信息技術(shù)有限公司