[发明专利]一种基于融合多文本特征的中文文本情感分析方法

说明书

本发明提供了一种基于融合多文本特征的中文文本情感分析方法，包括：步骤Step1:获取中文文本信息，并对所述中文文本信息进行预处理，得到所述中文文本信息对应的多个序列；步骤Step2:将所述多个序列输入BiGRU网络提取各序列的文本特征，生成所述多个序列对应的多个文本特征信息；步骤Step3:将所述多个文本特征信息进行融合，并输入到BiLSTM网络中进行学习；步骤Step4:再利用自注意力机制筛选特征；步骤Step5:将经过自注意力机制筛选后的特征向量，输入sigmoid分类器进行分类，得到最终的情感分析结果，本发明解决了传统基于双向长短期记忆神经网络(BiLSTM)的文本情感分析方法对文本自身包含的特征信息学习不够的问题，且能有效地提高中文文本情感分析的准确率。

技术领域

本发明涉及自然语言处理技术领域，尤其涉及到一种基于融合多文本特征的中文文本情感分析方法。

背景技术

文本情感分析(Sentiment Analysis)是指利用自然语言处理和文本挖掘技术，对带有情感色彩的主观性文本进行分析、处理和抽取的过程。其涉及领域包括自然语言处理、文本挖掘、信息检索、信息抽取和机器学习等。传统双向长短期记忆神经网络(BidirectiLnalLLng ShLrt-Term MemLry,BiLSTM)在文本情感分析上已经取得较好的效果，但对文本自身包含的特征信息学习不够。针对此问题，本文提出融合多文本特征的中文文本情感分析方法。

综上所述，提供一种可解决传统双向长短期记忆神经网络(BiLSTM)对文本自身包含的特征信息学习不够的问题，且能有效地提高中文文本情感分析的准确率的基于融合多文本特征的中文文本情感分析方法，是本领域技术人员急需解决的问题。

发明内容

本方案针对上文提到的问题和需求，提出一种基于融合多文本特征的中文文本情感分析方法，其由于采取了如下技术方案而能够解决上述技术问题。

为实现上述目的，本发明提供如下技术方案：一种基于融合多文本特征的中文文本情感分析方法，包括以下步骤：步骤Step1:获取中文文本信息，并对所述中文文本信息进行预处理，得到所述中文文本信息对应的多个序列；

步骤Step2:将所述多个序列输入BiGRU网络提取各序列的文本特征，生成所述多个序列对应的多个文本特征信息；

步骤Step3:将所述多个文本特征信息进行融合，并输入到BiLSTM网络中进行学习；

步骤Step4:再利用自注意力机制筛选特征，对步骤Step3提取的特征信息分配相应的权重，获取最重要的情感信息；

步骤Step5:将经过自注意力机制筛选后的特征向量，输入sigmoid分类器进行分类，得到最终的情感分析结果。

进一步地，所述多个序列包括文本词序列、词性序列、字序列、字词性序列、字-位置序列和字-词性-位置序列。

更进一步地，所述提取各序列的文本特征包括：将所述多个序列通过word2vec模型训练得到所述多个序列对应的多个序列矩阵，每个序列中对应的每个元素的元素向量为x_i，x_i∈R^n×d，其中n是元素数，d是向量维度，则每个序列的整个序列矩阵Uj表示为：U_j＝{x₁,x₂,…,x_n},j表示序列编号；将Uj输入训练好的BiGRU网络，同时处理正向和反向文本序列，对文本深层次信息进行特征提取，得到对应的特征向量信息A_t、B_t、C_t、D_t、E_t、F_t。