[发明专利]基于双嵌入多层卷积神经网络的案件微博评价对象抽取方法及装置

权利要求书

1.基于双嵌入多层卷积神经网络的案件微博评价对象抽取方法，其特征在于，

所述方法包括如下：

Step1、构建案件微博方面级情感分析数据集；

Step2、通过对案件微博评论文本进行预训练，得到具有案件领域特征的嵌入层；

Step3、通过案件微博领域与通用领域特征的嵌入层，得到不同领域对评价对象的表征结果并进行拼接操作得到新的向量，利用分类器对序列进行标记来提取案件微博评价对象。

2.根据权利要求1所述的基于双嵌入多层卷积神经网络的案件微博评价对象抽取方法，其特征在于：所述Step1的具体步骤如下：

Step1.1、采用基于Scrapy框架的爬虫从新浪微博上爬取相关案件微博评论；

Step1.2、再对案件微博评论进行过滤筛选，从而构建案件微博数据集，最终得到案件微博的数据集；

Step1.3、再对案件微博评论进行过滤筛选，从而构建案件微博数据集，最终得到案件微博的数据库；

Step1.4、案件微博数据集的评论数据采用人工标注，以一条微博评论为单位对包含的数据进行标注工作；其中，标注内容为案件微博评论句中的评价对象以及对应的情感极性。

3.根据权利要求1所述的基于双嵌入多层卷积神经网络的案件微博评价对象抽取方法，其特征在于：所述Step1.2中，过滤筛选的方式如下所示：

Step1.2.1、对微博博文按照转发关系“//”进行划分，用于保证转发微博下面的评论是基于原始微博进行分析的；

Step1.2.2、删除微博评论里“＠+用户名+回复”这样的结构，且删除无关超链接广告；

Step1.2.3、对连续出现多个标点符号情况，采用首位标点符号进行替换，并去除微博评论内容中的表情符号；

Step1.2.4、对小于七个字符的评论数据进行过滤筛除，用于保证评论内容的完整和可用性。

4.根据权利要求1所述的基于双嵌入多层卷积神经网络的案件微博评价对象抽取方法，其特征在于：所述Step3的具体步骤如下：

Step3.1、将观点句输入到案件微博领域的嵌入层中，得到案件微博领域的词向量表示；

Step3.2、将观点句输入到通用领域的嵌入层中，得到通用领域的词向量表示；

Step3.3、在得到两个领域词向量的表示后，将二者进行拼接操作，作为卷积神经网络的输入，由不同大小的卷积核在不同范围内抽取评论的局部信息；

Step3.4、经过了卷积层的操作后，为了保证句子中的词都能够提取到特征，不经过池化层直接将其输入全连接层和softmax层，全连接层在经过卷积层采样过后会对特征进行进一步的量化，softmax层将全连接层的结果转化为各个标签的概率。

5.基于双嵌入多层卷积神经网络的案件微博评价对象抽取装置，其特征在于，包括用于执行如权利要求1-4任一权利要求所述的方法的模块。