[发明专利]一种文本情绪分类方法及系统

权利要求书

1.一种文本情绪分类方法，其特征在于，包括：

S1、基于限制递归神经张量网络模型中预设的权重矩阵集，在文本中提取权重大于预设阈值的词项作为语义实词；

S2、基于训练后的限制递归神经张量网络模型，提取所述语义实词的情绪特征；

S3、基于所述语义实词的情绪特征，对所述文本进行情绪分类；

所述步骤S1之前所述方法还包括：

在递归神经张量网络模型中添加权重矩阵集，并基于预设的限制函数，缩小所述递归神经张量网络模型中的循环检测器大小，从而构建所述限制递归神经张量网络模型。

2.根据权利要求1所述的方法，其特征在于，所述限制递归神经张量网络模型为：

其中，h为情绪特征，σ为激活函数，x为词项，f(i(x_t))为限制函数，b为偏置量，t为状态量，w为矩阵，h_t为当前状态的情绪特征，为权重矩阵，为循环检测器。

3.根据权利要求1所述的方法，其特征在于，步骤S1包括：

获取所述文本中的所有词项；

基于所述限制递归神经张量网络模型中预设的权重矩阵集，对所述所有词项中的每一个词项分配一个预设的权重矩阵，得到各个词项的权重表达式；

对所述各个词项的权重表达式训练后，提取权重大于预设阈值的词项作为语义实词。

4.根据权利要求1所述的方法，其特征在于，步骤S1之后，步骤S2之前，所述方法还包括：

构建斯坦福情绪树；

将所述斯坦福情绪树作为所述限制递归神经张量网络模型的训练样本，对所述限制递归神经张量网络模型进行训练。

5.根据权利要求4所述的方法，其特征在于，所述构建斯坦福情绪树，包括：

基于斯坦福句法分析器，对所述文本的句法进行分析，得到斯坦福二叉树；

基于非线性函数，对所述斯坦福二叉树的节点进行情绪特征标注，得到斯坦福情绪树。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

所述对所述限制递归神经张量网络模型进行训练时，在所述斯坦福情绪树的每个节点用张量复合函数替换所述非线性函数。

7.一种文本情绪分类系统，其特征在于，包括：

第一提取模块，用于基于限制递归神经张量网络模型中预设的权重矩阵集，在文本中提取权重大于预设阈值的词项作为语义实词；

所述基于限制递归神经张量网络模型中预设的权重矩阵集，在文本中提取权重大于预设阈值的词项作为语义实词之前还包括：

在递归神经张量网络模型中添加权重矩阵集，并基于预设的限制函数，缩小所述递归神经张量网络模型中的循环检测器大小，从而构建所述限制递归神经张量网络模型；

第二提取模块，用于基于训练后的限制递归神经张量网络模型，提取所述语义实词的情绪特征；

分类模块，用于基于所述语义实词的情绪特征，对所述文本进行情绪分类。

8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至6任一所述的方法。