[发明专利]一种用户评论文本情感分析方法及装置

说明书

本发明提供了一种用户评论文本情感分析方法及装置，该方法包括：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。本申请使用注意力机制对每个词向量进行扩展，使得文本中的关键信息更容易被获取；C‑GRU网络模型能够用CNN获取到评论的局部特征信息，再用GRU学习到文本的上下文信息和层次结构信息，解决评论不规范、稀疏、主旨不明确的特点，实现了用户评论文本的有效分析。

技术领域

本发明涉及信息处理领域，具体而言，涉及一种用户评论文本情感分析方法及装置。

背景技术

近年来，我国互联网技术迅速发展，越来越多的用户在网上购物的同时，喜欢对商品进行评论，所以购物网站上存在着大量的短文本评论。通过对用户评论情感分析可以帮助消费者判断商品质量，同时帮助企业掌握产品的不足以及市场的需求，从而提高产品的竞争力。现有技术无法对用户评论文本实现有效分析。

发明内容

为了解决目前无法对用户评论文本实现有效分析的问题，本申请实施例提供了一种用户评论文本情感分析方法及装置，实现了用户评论文本的有效分析。

第一方面，本申请实施例提供了一种用户评论文本情感分析方法，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。

其中，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，

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。

其中，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。

其中，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。

其中，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。

第二方面，本申请实施例提供了一种用户评论文本情感分析模型，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；