[发明专利]一种文本Valence-Arousal情感强度预测方法及系统

权利要求书

1.一种文本Valence-Arousal情感强度预测方法，其特征在于包括以下步骤：

步骤S1：将训练文本从Valence、Arousal两种情感强度进行标注处理，得到含有Valence-Arousal情感强度标注的训练文本集合；

步骤S2：结合词向量训练工具GloVe训练给定的语料库，构建系统词向量语料库；

步骤S3：对待测文本进行预处理，对待测文本进行特殊字符及标点符号清洗、统一文本繁简体、进行文本分词处理，将文本处理成分词集合；

步骤S4：采用多尺度卷积神经网络模型和长短期记忆神经网络模型的组合模型，用含有Valence-Arousal情感强度标注的训练文本集合进行训练，当组合模型发生过拟合时，停止模型训练，根据含有Valence-Arousal情感强度标注的训练文本集合的绝对平均误差和皮尔森相关系数调整模型超参数，获取最佳组合模型的参数权重；

步骤S5：提取步骤S3预处理后的待测文本的文本修饰结构特征，结合词向量技术，利用步骤S4中训练好的组合模型对待测文本进行文本Valence-Arousal情感强度预测，得到待测文本的情感Valence-Arousal预测结果；

步骤S6：将步骤S5得到的待测文本的情感Valence-Arousal预测结果保存进系统。

2.根据权利要求1所述的一种文本Valence-Arousal情感强度预测方法，其特征在于：步骤S1中，所述标注处理具体为：用数字1至9标注Valence，其中数字1至9表示依次连续变化的情感强度，1表示极度消极，9表示非常积极；用数字1至9标注Arousal，其中数字1至9表示依次连续变化的情感强度，1表示极度平静，9表示极度兴奋。

3.根据权利要求1所述的一种文本Valence-Arousal情感强度预测方法，其特征在于：步骤S2中所述给定的语料库包括维基百科中文语料库以及特定领域的专属语料库。

4.根据权利要求1所述的一种文本Valence-Arousal情感强度预测方法，其特征在于：步骤S4中，所述采用多尺度卷积神经网络模型和长短期记忆神经网络模型的组合模型，对含有Valence-Arousal情感强度标注的训练文本集合进行训练，具体为：提出文本修饰结构中单一修饰词修饰的定义，采用Modifier-CNN-LSTM模型用含有Valence-Arousal情感强度标注的训练文本集合进行模型参数训练。

5.根据权利要求1所述的一种文本Valence-Arousal情感强度预测方法，其特征在于：步骤S4中，所述采用多尺度卷积神经网络模型和长短期记忆神经网络模型的组合模型，对含有Valence-Arousal情感强度标注的训练文本集合进行训练,具体为：提出文本修饰结构中单一修饰词修饰和复合修饰词修饰的定义，采用ComponentModifier-CNN-LSTM模型用含有Valence-Arousal情感强度标注的训练文本集合进行模型参数训练。

6.根据权利要求1所述的一种文本Valence-Arousal情感强度预测方法，其特征在于：步骤S5具体为：使用训练好的Modifier-CNN-LSTM模型或ComponentModifier-CNN-LSTM模型对待测文本的Valence-Arousal强度进行预测。

7.一种基于权利要求1至6任一项所述的文本Valence-Arousal情感强度预测系统，包括计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。