[发明专利]一种长文本中多实体情感分析的方法

权利要求书

1.一种长文本中多实体情感分析的方法，其特征在于：包括以下步骤：

步骤1、对需要进行多实体情感分析的长文章使用命名实体算法识别文本中的实体；

步骤2、根据标点符号对文本进行分割，得到完整的文本句子；

步骤3、对每个文本句子进行语法结构分析，得到每个文本句子中与实体相关的文本信息；

步骤4、根据每个文本句子中与实体相关的文本信息，得到每个文本句子中每个实体的情感；

步骤5、根据每个文本句子中每个实体的情感，得到每个实体在整个全文本中的情感，具体方法为：

步骤5.1、对每个实体的相关情感信息进行向量化，将情感信息转化为词向量；

步骤5.2、通过外部情感词语数据库对每个实体的相关情感信息附加短语极性，得到每个词向量的情感极性向量，然后将词向量和情感极性向量组合成为一个整体，再把每个句子中每个实体的所有相关情感信息全部整合成为一个整体，将每个实体所属的情感信息聚合体作为一个输入向量；

步骤5.3、构建LSTM神经网络结构；

步骤5.4、将步骤5.2构成的每个实体的输入向量输入到步骤5.3构建的LSTM神经网络结构的神经元中，利用LSTM神经网络结构进行情感信息的聚合；

步骤5.5、根据每个实体的相关情感信息聚合结果并行判断步骤5.4输出的每个实体的情感极性。

2.根据权利要求1所述的一种长文本中多实体情感分析的方法，其特征在于：步骤5.3所述构建的LSTM神经网络结构包括两层，第一层为实体层神经网络，第二层为句子层神经网络；所述实体层神经网络接受实体情感信息的输入，时序记忆步长为句子数量*实体数量，并能够接受同一实体在不同句子下的情感信息；所述句子层神经网络接收实体层神经网络的输出，实体层神经网络中每实体数量个时序记忆步长之后的结果作为句子层神经网络的一个输入，句子层神经网络最后会输出结果。

3.根据权利要求2所述的一种长文本中多实体情感分析的方法，其特征在于：步骤5.4所述利用LSTM神经网络结构进行情感信息聚合的具体方法为：

将每个实体所属的情感信息聚合体作为某个句子下某个实体的相关情感信息输入到LSTM神经网络结构中，使每一个LSTM的时序记忆步长都记忆某个句子中某实体的情感信息；最后一个实体的隐藏状态会输入到句子层神经网络中的LSTM单元，而不是输入到下一个句子中的首个实体LSTM单元；通过句子层神经网络中的LSTM单元再对本句子中出现的实体和相关信息进行聚合，利于对聚合结果进行调整；且句子层神经网络中的LSTM单元是与句子层神经网络中的LSTM单元连接的，因此进行的都是句子层面的实体信息过滤，把每个实体在全文中的信息进行有效聚合；最后输出遍历了全文本后每个实体的相关情感信息聚合结果。