[发明专利]一种文本Valence-Arousal情感强度预测方法及系统

说明书

本发明涉及一种文本Valence‑Arousal情感强度预测方法及系统，将训练文本从Valence、Arousal两种情感强度进行标注处理，提取文本的文本修饰结构特征，并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待测文本进行预测。本发明在进行预测时考虑到文本修饰结构特征，能够更加准确的进行文本情感分析预测。

技术领域

本发明涉及自然语言处理情感分析技术领域，特别是一种文本Valence-Arousal情感强度预测方法及系统。

背景技术

情绪和情感状态在各种沟通方式所产生的文本中都是普遍存在的，特别是在一些带有强烈主观色彩的文本中更是如此。文字中通常蕴含着作者的情绪状态或唤醒读者的情绪。文本情感分析是通过机器挖掘文本中蕴含的情感知识或是主观意见。

情感通常用两种方式表示：以分类表示情感，如情感正面负面或是多种类别；以维度表示，用特定情感维度值描述情感，如Valence-Arousal(VA)维度、Pleasure-Arousal-Dominance(PAD)维度等。针对这两种表示方法，情感分析技术从研究方式上可以分为离散型情感分析和维度型情感分析。在维度型情感分析中，目前最常用的研究方式是预测情感的Valence-Arousal值。Valence-Arousal分别代表情绪的正负向程度和激动程度，基于这两个维度可以构成一个情感平面空间，任何一个情感状态可以通过具体的Valence-Arousal数值，映射到VA平面空间中具体的一个点。

近年来，情感分析技术迅速发展，通过将文本划分成更多的情绪标签，进行离散型的情感分析可以在更精细的粒度上分析文本所蕴含情感的区别，而维度型情感分析技术相对于离散型情感分析的情感粒度更加细腻。

情感分析技术从分析层次上又可以按照不同的分析层次划分为：词汇层次、短语层次、句子与文本层次。分别对单词、短语、句子或者文本层次情感分析研究。在文本层次的维度型情感分析研究任务中，常用的方式是通过规则和统计的方法，分析文本的情感维度值。随着词嵌入技术的发展带来的低维度词向量，将深度学习算法成功引入了自然语言处理领域，使用结合词嵌入技术的深度学习模型进行文本层次的情感分析技术，成为探讨高度抽象语言系统的一个重要工具。

现有的使用深度学习模型的文本层次情感分类系统，一般形式为，将文本预处理成文本单词向量矩阵，使用训练文本训练深度学习模型，再将训练好的模型用于预测文本的情感强度。

现有的深度学习技术进行文本Valence-Arousal情感强度预测存在如下缺陷：通常没有对文本中特定语义信息进行分析，文本中的每个单词彼此独立分析；对于上下文的分析，通常是对整个文本的上文、下文或是结合上下文进行整体分析，没有重点关注文本中的修饰词对于文本语义极性的影响，从而影响对文本Valence-Arousal情感维度预测的准确性。

发明内容

有鉴于此，本发明的目的是提出一种文本Valence-Arousal情感强度预测方法及系统，在进行预测时考虑到文本修饰结构特征，能够更加准确的进行文本情感分析预测。

本发明采用以下方案实现：一种文本Valence-Arousal情感强度预测方法，具体包括以下步骤：

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；