本公开涉及文本数据处理领域，并且更具体地，涉及一种基于文本分析的情绪识别方法、装置及设备。
背景技术：
1、文本情绪识别(text sentimentanalysis)是自然语言处理领域的一个重要任务，旨在对文本中表达的情感倾向进行识别和分析。随着社交媒体、在线评论、产品评价、意见反馈等文本数据的快速增长，情绪识别成为了信息检索、舆情监控、用户情感分析等应用领域中的关键技术。例如，在互联网运营平台中，通过对用户的反馈文本进行情绪识别，可以有效帮助了解目标服务或目标产品的运营情况。如何提升文本情绪识别的准确性是该技术领域当前研究的重点。
技术实现思路
1、有鉴于此，本公开实施例至少提供一种基于文本分析的情绪识别方法、装置及设备。
2、根据本公开实施例的一个方面，提供了一种基于文本分析的情绪识别方法，应用于电子设备，所述方法包括：
3、响应于情绪识别命令，获取拟识别用户反馈文本和不少于一个辅助用户反馈文本；
4、在所述拟识别用户反馈文本中抽取得到拟识别用户反馈文本描述知识，并在目标情绪极性的不少于一个辅助用户反馈文本中，分别抽取得到不少于一个辅助用户反馈文本描述知识；所述辅助用户反馈文本是已标记所述目标情绪极性对应的文本段落分布信息的用户反馈文本；
5、针对各个所述辅助用户反馈文本描述知识分别进行同质化特征的突出处理，获得每个所述辅助用户反馈文本对应的突出文本描述知识；其中，所述同质化特征用于指示所述目标情绪极性在不少于一个所述辅助用户反馈文本中的相似性信息；
6、根据所述拟识别用户反馈文本描述知识，在所述拟识别用户反馈文本确定不少于一个候选文本段落；
7、依据每个所述辅助用户反馈文本的所述突出文本描述知识，以及每个所述候选文本段落对应的候选文本描述知识，在不少于一个所述候选文本段落中确定所述目标情绪极性对应的目标文本段落。
8、根据本公开实施例的一个示例，其中，所述针对各个所述辅助用户反馈文本描述知识分别进行同质化特征的突出处理，获得每个所述辅助用户反馈文本对应的突出文本描述知识，包括：
9、将不少于一个所述辅助用户反馈文本描述知识进行知识特征合并，获得合并辅助描述知识；
10、将所述合并辅助描述知识进行多次描述知识提炼，获得多个提炼知识数组；
11、所述提炼知识数组包括与每个所述辅助用户反馈文本描述知识对应的数组构建元素；
12、依据多个所述提炼知识数组对每个所述辅助用户反馈文本描述知识中的同质化特征进行突出，获得每个所述辅助用户反馈文本对应的所述突出文本描述知识。
13、根据本公开实施例的一个示例，其中，所述依据每个所述辅助用户反馈文本的所述突出文本描述知识，以及每个所述候选文本段落对应的候选文本描述知识，在不少于一个所述候选文本段落中确定所述目标情绪极性对应的目标文本段落，包括：
14、依据每个所述辅助用户反馈文本的所述突出文本描述知识，获取每个所述候选文本段落对应的候选文本描述知识的第一显著性调节变量；其中，所述第一显著性调节变量用以指示所述候选文本段落包括的用户反馈文本内容和所述目标情绪极性的符合程度；
15、基于所述第一显著性调节变量对所述候选文本描述知识进行加权调节，获得每个所述候选文本段落的调节文本描述知识；
16、根据每个所述候选文本段落的所述调节文本描述知识，在不少于一个所述候选文本段落中确定所述目标情绪极性对应的所述目标文本段落。
17、根据本公开实施例的一个示例，其中，所述根据每个所述候选文本段落的所述调节文本描述知识，在不少于一个所述候选文本段落中确定所述目标情绪极性对应的所述目标文本段落，包括：
18、根据每个所述候选文本段落的所述调节文本描述知识，获取每个所述候选文本段落的用户反馈文本情绪类型和可信概率；
19、将不少于一个所述候选文本段落中达到设定条件的候选文本段落确定为所述目标情绪极性对应的所述目标文本段落；其中，所述设定条件为用户反馈文本情绪类型与所述目标情绪极性一致，同时所述可信概率大于可信概率阈值。
20、根据本公开实施例的一个示例，其中，所述依据每个所述辅助用户反馈文本的所述突出文本描述知识，获取每个所述候选文本段落对应的候选文本描述知识的第一显著性调节变量，包括：
21、将每个所述辅助用户反馈文本的所述突出文本描述知识进行合并，获得合并突出描述知识，并将每个所述候选文本段落的所述候选文本描述知识进行合并，获得合并候选描述知识；
22、针对所述合并突出描述知识进行两次及以上的描述知识提炼，获得若干突出知识数组，并针对所述合并候选描述知识进行描述知识提炼，获得候选知识数组；其中，所述候选知识数组包括与每个所述候选文本段落的候选文本描述知识相对应的数组构建元素；
23、基于对若干所述突出知识数组和所述候选知识数组执行注意力映射整合，获得所述候选知识数组的每个数组构建元素的显著性调节变量；
24、将所述候选知识数组的每个数组构建元素的显著性调节变量，确定为所述候选文本段落对应的候选文本描述知识的所述第一显著性调节变量。
25、根据本公开实施例的一个示例，其中，所述依据每个所述辅助用户反馈文本的所述突出文本描述知识，以及每个所述候选文本段落对应的候选文本描述知识，在不少于一个所述候选文本段落中确定所述目标情绪极性对应的目标文本段落，包括：
26、对不少于一个所述辅助用户反馈文本的所述突出文本描述知识进行求平均操作，获得平均文本描述知识；
27、确定所述平均文本描述知识和每个所述候选文本段落对应的候选文本描述知识的知识相似性评分；
28、根据所述知识相似性评分，在不少于一个所述候选文本段落中，确定所述目标情绪极性对应的目标文本段落；
29、所述针对各个所述辅助用户反馈文本描述知识分别进行同质化特征的突出处理，获得每个所述辅助用户反馈文本对应的突出文本描述知识之后，所述依据每个所述辅助用户反馈文本的所述突出文本描述知识，以及每个所述候选文本段落对应的候选文本描述知识，在不少于一个所述候选文本段落中确定所述目标情绪极性对应的目标文本段落之前，所述方法还包括：
30、依据每个所述辅助用户反馈文本对应的所述突出文本描述知识，针对所述拟识别用户反馈文本描述知识的每个组成文本描述知识获取第二显著性调节变量；
31、基于所述第二显著性调节变量，针对各个所述组成文本描述知识进行加权调节，获得调节组成文本描述知识；
32、根据每个所述调节组成文本描述知识，在所述拟识别用户反馈文本确定不少于一个所述候选文本段落。
33、根据本公开实施例的一个示例，其中，所述从目标情绪极性的不少于一个辅助用户反馈文本中，分别抽取得到不少于一个辅助用户反馈文本描述知识，包括：
34、对所述目标情绪极性在不少于一个所述辅助用户反馈文本中的标记文本段落进行描述知识提炼，获得不少于一个目标段落描述知识；
35、对不少于一个所述辅助用户反馈文本的用户反馈文本内容进行描述知识提炼，获得不少于一个初始文本描述知识；
36、将不少于一个所述目标段落描述知识与不少于一个所述初始文本描述知识进行相应知识交互，获得不少于一个所述辅助用户反馈文本描述知识。
37、根据本公开实施例的一个示例，其中，所述针对各个所述辅助用户反馈文本描述知识分别进行同质化特征的突出处理，获得每个所述辅助用户反馈文本对应的突出文本描述知识之后，所述方法还包括：
38、将每个所述辅助用户反馈文本对应的所述突出文本描述知识进行存储；所述突出文本描述知识还用于在更新后的拟识别用户反馈文本的不少于一个更新候选文本段落中确定所述目标情绪极性对应的更新目标文本段落；
39、在所述在拟识别用户反馈文本中抽取得到拟识别用户反馈文本描述知识，到所述依据每个所述辅助用户反馈文本的所述突出文本描述知识，以及每个所述候选文本段落对应的候选文本描述知识，在不少于一个所述候选文本段落中确定所述目标情绪极性对应的目标文本段落的步骤采用目标情绪识别算法实现；所述在拟识别用户反馈文本中抽取得到拟识别用户反馈文本描述知识之前，所述方法还包括目标情绪识别算法的训练步骤，包括：
40、获取第一用户反馈文本学习样例和第二用户反馈文本学习样例；其中，所述第一用户反馈文本学习样例中的标记文本的数量多于所述第二用户反馈文本学习样例中的标记文本的数量；
41、基于所述第一用户反馈文本学习样例，对初始情绪识别算法进行训练，获得过渡情绪识别算法；
42、从所述第二用户反馈文本学习样例中抽取得到候选用户反馈文本学习样例；其中，所述候选用户反馈文本学习样例包括x个标记学习样例，所述标记学习样例为标记所述目标情绪极性的文本段落分布信息的用户反馈文本；
43、基于所述第一用户反馈文本学习样例和所述候选用户反馈文本学习样例组成的目标用户反馈文本学习样例，对所述过渡情绪识别算法进行训练，获得所述目标情绪识别算法。
44、根据本公开实施例的另一方面，提供了一种基于文本分析的情绪识别装置，包括：
45、文本数据获取模块，用于响应于情绪识别命令，获取拟识别用户反馈文本和不少于一个辅助用户反馈文本；
46、文本特征抽取模块，用于在所述拟识别用户反馈文本中抽取得到拟识别用户反馈文本描述知识，并在目标情绪极性的不少于一个辅助用户反馈文本中，分别抽取得到不少于一个辅助用户反馈文本描述知识；所述辅助用户反馈文本是已标记所述目标情绪极性对应的文本段落分布信息的用户反馈文本；
47、同质特征突出模块，用于针对各个所述辅助用户反馈文本描述知识分别进行同质化特征的突出处理，获得每个所述辅助用户反馈文本对应的突出文本描述知识；其中，所述同质化特征用于指示所述目标情绪极性在不少于一个所述辅助用户反馈文本中的相似性信息；
48、文本段落初定模块，用于根据所述拟识别用户反馈文本描述知识，在所述拟识别用户反馈文本确定不少于一个候选文本段落；
49、文本段落确定模块，用于依据每个所述辅助用户反馈文本的所述突出文本描述知识，以及每个所述候选文本段落对应的候选文本描述知识，在不少于一个所述候选文本段落中确定所述目标情绪极性对应的目标文本段落。
50、根据本公开实施例的又一方面，提供了一种电子设备，包括：处理器；以及存储器，其中所述存储器中存储有计算机程序，所述计算机程序在由所述处理器运行时，使得所述处理器执行如上所述的方法。
51、本公开的有益效果至少具有：
52、本公开提供一种基于文本分析的情绪识别方法、装置及设备，在方法实施过程中，针对各个辅助用户反馈文本对应的辅助用户反馈文本描述知识进行同质化特征的突出处理，让不同目标情绪极性在不同的辅助用户反馈文本中的相似性信息被表达得更丰富和精细，换言之，增加了各个样本的相似性信息的特征信息表达质量，如此，在随后的任务中运用突出文本描述知识，更精确评估在候选文本段落中是否包含目标情绪极性，提高情绪识别的可靠性。
53、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开的技术方案。
1.一种基于文本分析的情绪识别方法，其特征在于，应用于电子设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述针对各个所述辅助用户反馈文本描述知识分别进行同质化特征的突出处理，获得每个所述辅助用户反馈文本对应的突出文本描述知识，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述依据每个所述辅助用户反馈文本的所述突出文本描述知识，以及每个所述候选文本段落对应的候选文本描述知识，在不少于一个所述候选文本段落中确定所述目标情绪极性对应的目标文本段落，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据每个所述候选文本段落的所述调节文本描述知识，在不少于一个所述候选文本段落中确定所述目标情绪极性对应的所述目标文本段落，包括：
5.根据权利要求3所述的方法，其特征在于，所述依据每个所述辅助用户反馈文本的所述突出文本描述知识，获取每个所述候选文本段落对应的候选文本描述知识的第一显著性调节变量，包括：
6.根据权利要求1所述的方法，其特征在于，所述依据每个所述辅助用户反馈文本的所述突出文本描述知识，以及每个所述候选文本段落对应的候选文本描述知识，在不少于一个所述候选文本段落中确定所述目标情绪极性对应的目标文本段落，包括：
7.根据权利要求1所述的方法，其特征在于，所述从目标情绪极性的不少于一个辅助用户反馈文本中，分别抽取得到不少于一个辅助用户反馈文本描述知识，包括：
8.根据权利要求1所述的方法，其特征在于，所述针对各个所述辅助用户反馈文本描述知识分别进行同质化特征的突出处理，获得每个所述辅助用户反馈文本对应的突出文本描述知识之后，所述方法还包括：
9.一种基于文本分析的情绪识别装置，其特征在于，包括：
10.一种电子设备，其特征在于，包括：
