技術(shù)特征：

1.一種文本話題和情感的聯(lián)合檢測方法，其特征在于，所述方法包括下述步驟：

使用預(yù)設(shè)的情感詞典計(jì)算輸入的目標(biāo)文本中每個(gè)詞的初始情感傾向；

將預(yù)先獲取的外部語料的詞向量設(shè)置為所述目標(biāo)文本的詞向量的初始值；

使用預(yù)設(shè)的話題情感混合模型對(duì)輸入的目標(biāo)文本進(jìn)行訓(xùn)練，以得到所述目標(biāo)文本中各個(gè)情感話題對(duì)與詞之間的初始分配；

根據(jù)所述目標(biāo)文本中每個(gè)詞的初始情感傾向、所述詞向量的初始值以及所述各個(gè)情感話題對(duì)與詞之間的初始分配，對(duì)所述目標(biāo)文本中包括的每篇文檔進(jìn)行掃描，對(duì)掃描到的每個(gè)訓(xùn)練目標(biāo)詞執(zhí)行預(yù)設(shè)的話題和情感檢測步驟，以得到所述目標(biāo)文本所涉及的話題和情感。

2.如權(quán)利要求1所述的方法，其特征在于，所述預(yù)設(shè)的話題和情感檢測步驟包括：

利用對(duì)所述目標(biāo)文本的話題向量進(jìn)行學(xué)習(xí)，其中，為L₂正則化項(xiàng)，μ為正則化因子，υ_k為話題k對(duì)應(yīng)的話題向量，為話題k下詞w_i出現(xiàn)的次數(shù)，代表詞w_i對(duì)應(yīng)的詞向量表示；

使用計(jì)算每篇文檔情感和話題向量對(duì)應(yīng)下的詞向量概率分布，υ_k代表話題向量，代表詞w_i對(duì)應(yīng)的詞向量表示，W為語料庫中詞典內(nèi)包含的詞的集合，w_i′為詞典中的詞；

根據(jù)更新訓(xùn)練目標(biāo)詞對(duì)應(yīng)的情感傾向和話題，其中，表示文本情感下話題的分布，表示文本下情感的分布，表示情感下話題詞的分布，α、β、γ表示Dirichlet先驗(yàn)超參數(shù)，λ表示服從伯努利分布的參數(shù)，ν表示話題向量，ω表示詞向量，V、T、L分別表示詞典大小、話題個(gè)數(shù)、情感標(biāo)簽的個(gè)數(shù)，表示除文檔d中的第i個(gè)詞外，情感l(wèi)中被分配到話題k的詞的個(gè)數(shù)，表示文檔d中的第i個(gè)詞被分配到情感l(wèi)的次數(shù)，但不包含當(dāng)前分配，表示除文檔d中的第i個(gè)詞外，情感l(wèi)下分配到的詞的總數(shù)，表示當(dāng)前詞i被分配到情感l(wèi)中話題k的詞的次數(shù)，但不包含當(dāng)前分配，表示除當(dāng)前詞i外，情感l(wèi)下分配到話題k的詞的總數(shù)。

3.如權(quán)利要求1所述的方法，其特征在于，將預(yù)先獲取的外部語料的詞向量設(shè)置為所述目標(biāo)文本的詞向量的初始值的步驟之前，所述方法還包括：

獲取外部擴(kuò)展語料，以作為所述目標(biāo)文本對(duì)應(yīng)的原始數(shù)據(jù)的語義補(bǔ)充；

使用預(yù)設(shè)詞向量訓(xùn)練程序?qū)λ霁@取的外部擴(kuò)展語料進(jìn)行預(yù)訓(xùn)練，以得到所述外部擴(kuò)展語料中各個(gè)詞語的詞向量。

4.如權(quán)利要求3所述的方法，其特征在于，所述外部擴(kuò)展語料為維基百科或百度百科，所述預(yù)設(shè)詞向量訓(xùn)練程序?yàn)閣ord2vec或者GloVe工具。

5.如權(quán)利要求1所述的方法，其特征在于，預(yù)設(shè)的情感詞典為HowNet詞典，預(yù)設(shè)的話題情感混合模型為JST模型。

6.一種文本話題和情感的聯(lián)合檢測裝置，其特征在于，所述裝置包括：

情感傾向計(jì)算單元，用于使用預(yù)設(shè)的情感詞典計(jì)算輸入的目標(biāo)文本中每個(gè)詞的初始情感傾向；

詞向量設(shè)置單元，用于將預(yù)先獲取的外部語料的詞向量設(shè)置為所述目標(biāo)文本的詞向量的初始值；

文本訓(xùn)練單元，用于使用預(yù)設(shè)的話題情感混合模型對(duì)輸入的目標(biāo)文本進(jìn)行訓(xùn)練，以得到所述目標(biāo)文本中各個(gè)情感話題對(duì)與詞之間的初始分配；以及

話題情感獲取單元，用于根據(jù)所述目標(biāo)文本中每個(gè)詞的初始情感傾向、所述詞向量的初始值以及所述各個(gè)情感話題對(duì)與詞之間的初始分配，對(duì)所述目標(biāo)文本中包括的每篇文檔進(jìn)行掃描，對(duì)掃描到的每個(gè)訓(xùn)練目標(biāo)詞執(zhí)行預(yù)設(shè)的話題和情感檢測步驟，以得到所述目標(biāo)文本所涉及的話題和情感。

7.如權(quán)利要求6所述的裝置，其特征在于，所述話題情感獲取單元包括：

詞向量學(xué)習(xí)單元，用于利用對(duì)所述目標(biāo)文本的話題向量進(jìn)行學(xué)習(xí)，其中，為L₂正則化項(xiàng)，μ為正則化因子，υ_k為話題k對(duì)應(yīng)的話題向量，為話題k下詞w_i出現(xiàn)的次數(shù)，代表詞w_i對(duì)應(yīng)的詞向量表示；

分布計(jì)算單元，用于使用計(jì)算每篇文檔情感和話題向量對(duì)應(yīng)下的詞向量概率分布，υ_k代表話題向量，代表詞w_i對(duì)應(yīng)的詞向量表示，W為語料庫中詞典內(nèi)包含的詞的集合，w_i′為詞典中的詞；以及

情感話題更新單元，用于根據(jù)更新訓(xùn)練目標(biāo)詞對(duì)應(yīng)的情感傾向和話題，其中，表示文本情感下話題的分布，表示文本下情感的分布，表示情感下話題詞的分布，α、β、γ表示Dirichlet先驗(yàn)超參數(shù)，λ表示服從伯努利分布的參數(shù)，ν表示話題向量，ω表示詞向量，V、T、L分別表示詞典大小、話題個(gè)數(shù)、情感標(biāo)簽的個(gè)數(shù)，表示除文檔d中的第i個(gè)詞外，情感l(wèi)中被分配到話題k的詞的個(gè)數(shù)，表示文檔d中的第i個(gè)詞被分配到情感l(wèi)的次數(shù)，但不包含當(dāng)前分配，表示除文檔d中的第i個(gè)詞外，情感l(wèi)下分配到的詞的總數(shù)，表示當(dāng)前詞i被分配到情感l(wèi)中話題k的詞的次數(shù)，但不包含當(dāng)前分配，表示除當(dāng)前詞i外，情感l(wèi)下分配到話題k的詞的總數(shù)。

8.如權(quán)利要求6所述的裝置，其特征在于，所述裝置還包括：

語料獲取單元，用于獲取外部擴(kuò)展語料，以作為所述目標(biāo)文本對(duì)應(yīng)的原始數(shù)據(jù)的語義補(bǔ)充；以及

語料訓(xùn)練單元，用于使用預(yù)設(shè)詞向量訓(xùn)練程序?qū)λ霁@取的外部擴(kuò)展語料進(jìn)行預(yù)訓(xùn)練，以得到所述外部擴(kuò)展語料中各個(gè)詞語的詞向量。

9.如權(quán)利要求8所述的裝置，其特征在于，所述外部擴(kuò)展語料為維基百科或百度百科，所述預(yù)設(shè)詞向量訓(xùn)練程序?yàn)閣ord2vec或者GloVe工具。

10.如權(quán)利要求6所述的裝置，其特征在于，預(yù)設(shè)的情感詞典為HowNet詞典，預(yù)設(shè)的話題情感混合模型為JST模型。