[发明专利]一种基于细粒度情感字典的网络情绪分析方法在审

专利信息
申请号: 202010202982.8 申请日: 2020-03-20
公开(公告)号: CN111414755A 公开(公告)日: 2020-07-14
发明(设计)人: 杨小兵;陈欣 申请(专利权)人: 中国计量大学
主分类号: G06F40/289 分类号: G06F40/289;G06F40/30;G06F40/242;G06N3/04
代理公司: 杭州快知知识产权代理事务所(特殊普通合伙) 33293 代理人: 杨冬玲
地址: 310000 浙江省*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 细粒度 情感 字典 网络 情绪 分析 方法
【权利要求书】:

1.一种基于细粒度情感字典的网络情绪分析方法,其特征在于,包括以下步骤:

获取网络文本,根据细粒度情感字典的方法对所述网络文本进行计算,输出词向量文本;

将所述词向量文本进行语义获取处理,输出与所述网络文本相匹配的原始文本特征集;

将原始文本特征集进行非线性变换输出F值,将所述F值作为网络情绪分析的指标。

2.根据权利要求1所述的一种基于细粒度情感字典的网络情绪分析方法,其特征在于,获取网络文本,根据细粒度情感字典的方法对所述网络文本进行计算,输出词向量文本,包括:

将获取的所述网络文本通过结巴分词进行文本的预处理,输出网络预处理文本;

将所述网络预处理文本中词语的词向量进行拼接,得到网络预处理词向量文本,使用公式为:其中:Vi∈Vd×n表示ti对应于词典中的元素,表示行向量拼接操作;

将所述网络预处理词向量文本与细粒度情感字典利用公式相融合输出词向量文本X,其中VP表示词性信息,VM表示情绪信息,VE表示情感。

3.根据权利要求2所述的一种基于细粒度情感字典的网络情绪分析方法,其特征在于,将所述词向量文本进行语义获取处理,输出与所述网络文本相匹配的原始文本特征集,包括:

将所述词向量文本输入到Attention层,经过Attention计算后输出Attention序列;

将所述Attention序列输入到卷积层并进行卷积操作,输出特征矩阵C;

将所述特征矩阵C输入到池化层进行采样操作,输出所述原始文本特征集。

4.根据权利要求3所述的一种基于细粒度情感字典的网络情绪分析方法,其特征在于,将原始文本特征集进行非线性变换输出F值,将所述F值作为网络情绪分析的指标,包括:

将所述原始文本特征集输入到多层感知器中,输出情绪标签得分向量,并对所述情绪标签得分向量进行Softmax计算,输出情绪标签得分向量的相对概率;

根据所述情绪标签得分向量的相对概率对所述网络情绪分析方法参数进行相应的设置,并将所述网络情绪分析方法参数输入到计算F值的算法中,输出的F值作为网络情绪分析的指标。

5.一种基于细粒度情感字典的网络情绪分析装置,其特征在于,包括:

获取模块,获取网络文本,根据细粒度情感字典的方法对所述网络文本进行计算,输出词向量文本;

匹配模块,将所述词向量文本进行语义获取处理,输出与所述网络文本相匹配的原始文本特征集;

输出模块,将原始文本特征集进行非线性变换输出F值,将所述F值作为网络情绪分析的指标。

6.根据权利要求5所述的一种基于细粒度情感字典的网络情绪分析装置,其特征在于,所述获取模块包括:

预处理单元,将获取的所述网络文本通过结巴分词进行文本的预处理,输出网络预处理文本;

组合拼接单元,将所述网络预处理文本中词语的词向量进行拼接,得到网络预处理词向量文本,使用公式为:其中:Vi∈Vd×n表示ti对应于词典中的元素,表示行向量拼接操作;

融合单元,将所述网络预处理词向量文本与细粒度情感字典利用公式相融合输出词向量文本X,其中VP表示词性信息,VM表示情绪信息,VE表示情感。

7.根据权利要求6所述的一种基于细粒度情感字典的网络情绪分析装置,其特征在于,所述匹配模块包括:

Attention层单元,将所述词向量文本输入到Attention层,经过Attention计算后输出Attention序列;

卷积层单元,将所述Attention序列输入到卷积层并进行卷积操作,输出特征矩阵C;

池化层单元,将所述特征矩阵C输入到池化层进行采样操作,输出所述原始文本特征集。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国计量大学,未经中国计量大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010202982.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code