(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221014615 0.8 (22)申请日 2022.02.17 (71)申请人 北京工业大 学 地址 100124 北京市朝阳区平乐园10 0号 (72)发明人 何泾沙　洪睿　朱娜斐　魏巍　 陈燕博　宋国正　 (74)专利代理 机构 北京汇信合知识产权代理有 限公司 1 1335 专利代理师 王维新 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/35(2019.01) G06F 16/36(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 16/951(2019.01) G06F 40/216(2020.01) G06F 40/242(2020.01) G06F 40/289(2020.01) (54)发明名称 一种基于购物评论的人格特质分析方法及 系统 (57)摘要 本发明公开了一种基于购物评论的人格特 质分析方法及系统， 方法包括： 获取评论数据构 建评论样本数据集， 并进行分词及标注， 得到实 验数据集； 将实验数据集向量化后输入LSTM网络 模型， 得到情感倾向； 通过SC ‑LIWC词典提取的关 键词计算与每个人格维度的皮尔逊相关系数； 将 实验数据集的特征结合皮尔逊相关系数和情感 倾向， 输入以KNN、 NB和SVM共同构建的人格特质 分析融合模 型进行训练； 针对所需分析的评论数 据进行文本 特征及情感特征提取， 通过LSTM网络 模型得到情感倾向量化值， 并输入 人格特质分析 融合模型， 输出多标签的人格特质属性。 通过本 发明的技术方案， 实现了对评论数据的情感倾向 量化及人格特质分类， 为个性推荐提供支持。 权利要求书3页 说明书10页 附图4页 CN 114519091 A 2022.05.20 CN 114519091 A 1.一种基于购物评论的人格特质分析 方法， 其特 征在于， 包括： 获取电商平台的购物评论数据进行 预处理， 构建评论样本数据集； 针对所述评论样本数据集进行分词处 理及词性标注， 得到实验数据集； 对所述实验数据集进行句子级别和文本级别的向量化处理， 并将向量化矩阵输入LSTM 网络模型， 并经 过softmax层得到 评价对象所属句子的情感倾向； 通过SC‑LIWC词典对所述实验数据集进行关键词提取， 并计算每个关键词与大五人格 的每个人格维度的皮尔逊相关系数； 对所述实验数据集进行特征提取， 并结合所述皮尔逊相关系数和评价对象所属句子的 情感倾向， 构成输入矩阵； 基于大五人格的每个维度， 以K ‑近邻模型、 朴素贝叶斯模型和支持向量机模型共 同构 建二分类的人格特质分析融合模型； 将所述输入矩阵输入所述人格特质分析融合模型， 并通过K ‑折交叉验证方法对所述人 格特质分析融合模型进行训练； 针对所需分析的有 效评论数据进行文本特征提取， 并采用预构建的商品级别情感词库 进行情感特 征提取； 对提取得到 的所述文本特征进行向量化并作为LSTM网络模型的输入， 利用softmax层 得到情感倾向量 化值； 将所述文本特征、 所述情感特征和所述情感倾向量化值进行结合， 并进行向量化后输 入训练完成的所述人格特质分析融合模型， 以输出 结果作为多标签的人格特质属性。 2.根据权利要求1所述的基于购物评论的人格特质分析方法， 其特征在于， 所述商品级 别情感词库的构建方法包括： 根据所述评论样本数据集提取得到商品属性特征， 并通过余弦相似度获取评价对象， 构建评价对象库； 根据所述评价对象库对所述实验数据集进行关键词提取， 获取评价对象； 以所述评价对象为主关联点， 基于位置特征提取所述评价对象的评价词语， 构建评价 对象‑评价词语二元组； 将评价对象所属句子的情感倾向与所述评价对象 ‑评价词语二元组相结合， 判断相对 应的情感倾向， 综合得到商品级别情感词库。 3.根据权利要求1所述的基于购物评论的人格特质分析方法， 其特征在于， 所述将所述 输入矩阵输入所述人格特质分析融合模型并通过K ‑折交叉验证方法对所述人格特质分析 融合模型进行训练的具体过程包括： 将所述输入矩阵分别输入针对大五人格五个维度的所述K ‑近邻模型、 所述朴素贝叶斯 模型和所述支持向量机模型， 并分别通过 K‑折交叉验证方法分别对各模型进行训练。 4.根据权利要求1所述的基于购物评论的人格特质分析方法， 其特征在于， 所述对提取 得到的所述文本特征进行向量化并作为LSTM网络模型的输入， 利用softmax层得到情感倾 向量化值的具体过程包括： 利用word2vec对所述文本特征进行句子级别和文本级别的向量化处理， 并将向量化的 矩阵作为所述 LSTM网络模型的输入； 所述LSTM网络模型对所述文本特征对应的每个句子进行训练与预测， 所述softmax层权　利　要　求　书 1/3 页 2 CN 114519091 A 2的softmax激活函数将所述LSTM网络模 型的预测结果转化为0 ‑1之间的得分数值， 作为所述 情感倾向量 化值。 5.根据权利要求1所述的基于购物评论的人格特质分析方法， 其特征在于， 所述获取电 商平台的购物评论数据进行 预处理的具体过程包括： 通过爬虫技 术爬取不同电商平台的购物评论数据； 针对每一类商品的购物评论数据进行去重处 理； 对去重处 理后的购物评论数据进行 预处理， 筛选出具有明显特 征的数据集。 6.一种基于购物评论的人格特质分析系统， 其特征在于， 应用 如权利要求1至5中任一 项所述的基于购物评论的人格特质分析 方法， 包括： 样本数据构建模块， 用于获取电商平台的购物评论数据进行预处理， 构建评论样本数 据集； 实验数据获取模块， 用于针对所述评论样本数据集进行分词处理及词性标注， 得到实 验数据集； 情感倾向确定模块， 用于对所述实验数据集进行句子级别和文本级别的向量化处理， 并将向量 化矩阵输入LSTM网络模型， 并经 过softmax层得到 评价对象所属句子的情感倾向； 人格维度关联模块， 用于通过SC ‑LIWC词典对所述实验数据集进行关键词提取， 并计算 每个关键词与大五人格的每 个人格维度的皮尔逊相关系数； 输入数据整合模块， 用于对所述实验数据集进行特征提取， 并结合所述皮尔逊相关系 数和评价对象所属句子的情感倾向， 构成输入矩阵； 融合模型构建模块， 用于基于大五人格的每个维度， 以K ‑近邻模型、 朴素贝叶斯模型和 支持向量机模型共同构建二分类的人格特质分析融合模型； 融合模型训练模块， 用于将所述输入矩阵输入所述人格特质分析融合模型， 并通过K ‑ 折交叉验证方法对所述人格特质分析融合模型进行训练； 评论特征提取模块， 用于针对所需分析的有效评论数据进行文本特征提取， 并采用预 构建的商品级别情感词库进行情感特 征提取； 评论情感量化模块， 用于对提取得到的所述文本特征进行向量化并作为LSTM网络模型 的输入， 利用softmax层得到情感倾向量 化值； 评论人格分类模块， 用于将所述文本特征、 所述情感特征和所述情感倾向量化值进行 结合， 并进行向量化后输入训练完成的所述人格特质分析融合模型， 以输出结果作为多标 签的人格特质属性。 7.根据权利要求6所述的基于购物评论的人格特质分析系统， 其特征在于， 还包括情感 词库构建模块， 具体用于： 根据所述评论样本数据集提取得到商品属性特征， 并通过余弦相似度获取评价对象， 构建评价对象库； 根据所述评价对象库对所述实验数据集进行关键词提取， 获取评价对象； 以所述评价对象为主关联点， 基于位置特征提取所述评价对象的评价词语， 构建评价 对象‑评价词语二元组； 将评价对象所属句子的情感倾向与所述评价对象 ‑评价词语二元组相结合， 判断相对 应的情感倾向， 综合得到商品级别情感词库。权　利　要　求　书 2/3 页 3 CN 114519091 A 3