具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例：如图1-2所示，本发明提供技术方案基于知识图谱对大量直播弹幕数据意图标注方法，包括如下步骤：

S1、根据弹幕信息提取关键词并对关键词归纳维度；

S2、扩建关键词同音同义词；

S3、多个维度组合作为一个特定意图的模板；

S4、弹幕数据去重，无效数据去除；

S5、弹幕数据过模板抽取观点意图；

S6、人工校排查去除错误数据。

根据上述技术方案，S1中对于弹幕信息建立数据库，将弹幕中的词语进行扩充标注，其中通过词向量分析文本情感，负向词和积极词容易从文本中识别，然后列举关键词，将文本命中关键词就抽取出，结合人工标注法，对于口语和多省略的弹幕数据进行标注；

数据库中词语根据弹幕的增加量进行调节，从而确保数据库的正常扩充，然后通过进行数据库的更新，将实时的数据进行扩张后，将数据进行过滤和标注。

根据上述技术方案，S2中将弹幕的关键字进行同音、分词、近音和同意的词语进行挑选；

接着将这些词语进行描述定义，记录在数据库中，接着将匹配错位的词语进行数据库的关键词进行连接。

根据上述技术方案，S3中将关键词连接后，形成维度，将其根据领域、范围、时间段进行分类，将其制成各个模块，从而形成特定意图的模板；

然后人工进行定义模板中弹幕的意图，并对于其进行贬义、褒义分类。

根据上述技术方案，S4中对于弹幕进行词语去重，通过弹幕的数据库，将弹幕的同音、分词、近音和同意的词语进行挑选，去除弹幕的无效数据。

根据上述技术方案，S5中对于弹幕的数据中的观点进行解析，去除错误定义的弹幕与词语。

根据上述技术方案，S6中对于弹幕的错误数据进行排查，将错误标注的弹幕进行去除，并对词语中的定义与意图进行标记，从而对于弹幕再次人工解析。

根据上述技术方案，S6中可通过数据清理概述，接着对于数据排重，最后使用脚本组件进行数据清理；

其中对于数据源的弹幕进行综合，将其存储到数据仓库，将弹幕转换为数据，接着与数据库数据进行比对，从而对于数据进行清理，确保数据的正常表达。

如下表所示：

多个维度组合作为一个特定意图的模板，其可分为{([#已购买#])[#品类#]}|([#已购买#])

与现有技术相比，本发明的有益效果：本发明结构科学合理，使用安全方便，本发明为快速标注直播弹幕数据意图，高效率标注文本意图，克服了数据量庞大人工效率低，传统NLP在弹幕分析中效果差等缺点，通过词向量分析文本情感，负向词和积极词容易从文本中识别，然后列举关键词，将文本命中关键词就抽取出，结合人工标注法，对于口语和多省略的弹幕数据进行标注，便于了后期的弹幕数据的转换，且对于数据中的同意、近义的相关词语进行了检索，将一些关键字的词语进行抽离，接着对于数据中的语义进行定义，从而便于弹幕数据去重，降低了工作量，适合更好的推广使用。

最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。