[发明专利]一种基于深度学习的舆情数据分析模型

权利要求书

1.一种基于LSTM-CNN的文本情感分析和word2vector的textrank摘要自动提取的多任务的文本分析方法，其特征在于，所述方法包括词嵌入模型word2vector，LSTM，CNN，softmax分类器，textrank算法，所述方法包括：

使用一个用2G语料库大小的wiki百科词汇训练得到的Word2vector模型。用这个模型为每个单词建模，输出一个唯一的向量，并表征词汇之间的相似度。

将得到的词向量以时间序列输入到LSTM的encoder端，利用隐藏层保存文本中的依赖信息，信息在LSTM中会经过遗忘门、输入门、输出门最终输出。利用LSTM对数据进行过滤、筛选和细胞状态更新，并防止梯度爆炸。

将LSTM输出的向量扩充为卷积对应的格式，经过CNN的多层卷积、池化可以提取到更高维、有效的特征，再输入到softmax层进行分类并输出结果。

2.根据权利要求所述的方法，其特征在于，选取训练样本集，所述训练样本集中包括若干个样本文本和每个所述样本文本的情感正向，负向，中性标签。保持所述神经网络的网络结构的参数为读取到的所述基础网络参数，利用所述训练样本集对所述神经网络的基础网络参数进行训练。对输入数据预处理，利用停用词表，主要是对文本进行去停用词、去标点符号、分词。根据词向量表，将文本数据转化为词向量。将文本数据用特征向量表征后用CNN提取到更高维特征；将所述特征向量输入所述分类器中进行具体分类,确定所述特征向量对应的类别并输出分类结果。

3.根据权利要求1或2所述的方法，其特征在于,在对情感分类的同时可以将文本数据输入到textrank网络提取文摘，选取一定的样本集进行预处理，先将文本分割成句子，对句子分词，去除停用词。将所有句子构建图G＝(V，E)。其中，V是句子集，E是句子的边集。

4.所述方法还包括：计算句子之间的相似度来构建边集E，要求两个句子之间的相似度大于给定的阈值才用边将它们连接起来，相似度即边的权值。根据构建的图模型计算句子权重：w_ji＝similarity(s_i,s_j)，其中

5.根据权利要求3所述的方法，其特征在于，所述方法还包括:根据计算公式迭代传播权重计算各句子的得分。将得到的句子得分进行倒序排序，抽取重要度最高的几个句子作为候选文摘句。根据字数或句子数要求，从候选文摘句中抽取句子组成文摘。