[发明专利]一种基于深度学习的感性词向量及情感分类方法

权利要求书

1.一种基于深度学习的感性词向量及情感分类方法，其特征在于，首先进行词的上下文模型的最小化处理，其次，向处理后的词的上下文模型中加入情感信息，构建出感性词向量，最后，通过主动深度置信网络方法并结合感性词向量进行评论文档的半监督情感的分类。

2.如权利要求1所述的一种基于深度学习的感性词向量及情感分类方法，其特征在于，所述词的上下文模型的最小化处理，具体按照如下步骤实施：

步骤1、首先构建词的上下文模型，hi＝{wi-c,wi-c+1,...,wi-1,wi+1,...,wi+c-1,wi+c}；其中，wi表示在句子中索引为i的预测目标词，hi是一个句子中wi的上下文词；

步骤2、由层lookup→linear→hTanh→linear→softmax组成的前馈神经网络计算得出wi的条件概率为：

P ( D | w , θ ) = exp ( f θ ( w i , h i ) ) exp ( f θ ( w i , h i ) ) + k · exp ( f θ ( w n , h i ) ) - - - ( 1 ) , ]]>

式(1)中，D表示词表中的词，w表示D的上下文,θ表示后验概率参数，wn为人为噪声，得分函数fθ(wi,hi)的表达式为

步骤3、将步骤2的条件概率中的真实上下文词语对(wi，hi)和人工噪声词语对(wn，hi)进行边缘化的比对，并用合页函数进行最小化处理，具体处理公式如下：

loss c R a n k = Σ ( w i , h i ) ∈ T m a x ( 0 , 1 - f θ ( w i , h i ) + f θ ( w n , h i ) ) - - - ( 2 ) , ]]>

式(2)中，T是训练语料。