[发明专利]一种用户评论文本情感分析方法及装置

权利要求书

1.一种用户评论文本情感分析方法，其特征在于，包括：

获取用户评论文本；

将所述用户评论文本转换为多个原始词向量；

计算所述多个原始词向量中词向量的注意力权重；

根据所述多个原始词向量、注意力权重，生成新词向量；

确定所述注意力权重大于阈值的新词向量为关键词；

使用C-GRU神经网络，根据所述关键词，对所述用户评论文本进行情感分类。

2.根据权利要求1所述用户评论文本情感分析方法，其特征在于，所述计算所述多个原始词向量中词向量的注意力权重，包括：

通过以下计算式计算注意力权重α_i,j：

其中，h_i为第i个原始词向量，h_j为第j个原始词向量，score(h_i,h_j)为计算两个词向量的相关系数的函数，

score(h_i,h_j)＝(1-λ)^u·ν_a^Ttanh(W_a[h_i⊕h_j])

其中，λ为距离衰减因子，u＝|j-i|-1，ν_a和W_a为训练参数，T表示向量的转置，·表示两个多项式的乘积，⊕为两个词向量的卷积。

3.根据权利要求1或2所述用户评论文本情感分析方法，其特征在于，还包括：

预处理用户评论文本，所述预处理包括去除不需要和有缺失的数据、分词，去除标点。

4.根据权利要求1或2所述用户评论文本情感分析方法，其特征在于，所述将所述用户评论文本转换为多个原始词向量，包括：

采用Word2vec模型中的Skip-Gram模型将用户评论文本转化为K维向量实数值。

5.根据权利要求1或2所述用户评论文本情感分析方法，其特征在于，所述使用C-GRU神经网络，根据所述关键词，对所述用户评论文本进行情感分类，包括：

所述C-GRU神经网络主要关注所述关键词，对所述用户评论文本进行情感分类。

6.一种用户评论文本情感分析模型，其特征在于，包括：

输入层，用于采用Word2vec模型中的Skip-Gram模型将预处理后的用户评论文本转化为K维向量实数值；

注意力层，用于计算多个原始词向量中词向量的注意力权重；根据所述多个原始词向量、注意力权重，生成新词向量；确定所述注意力权重大于阈值的新词向量为关键词；

卷积层，用于对输入的区域序列向量V_i进行局部特征表示，V_i是由输入文本第i个位置开始连续k个词的词向量w表示组成，由式(1)表示：

V_i＝[w_i,w_i+1,…,w_i+k-1] (1)

将V_i通过相应的卷积层过滤器进行处理，产生多个不同的特征表示C_i，特征表示如式(2)所示：

C_i＝ReLU(V_i·f+θ) (2)

其中，f表示滑动窗口大小为k的卷积核，θ为偏置项，ReLU为一种非线性的激活函数；

池化层，用于对特征向量进行最大值采样，提取到不同区域的局部依赖；

时序层，包括门控循环单元，用于对所述用户评论文本进行情感分类。

7.根据权利要求6所述用户评论文本情感分析模型，其特征在于，所述预处理包括：

去除所述用户评论文本中的标点，去除不需要和有缺失的数据、分词。