[发明专利]一种基于情感分析的生鲜冷链监管方法及系统

说明书

本发明涉及一种基于情感分析的生鲜冷链监管方法及系统，其方法包括：S1：获取生鲜食品类的评论文本；S2：构建训练集；S3：利用BERT模型得到词向量；S4：利用CNN网络对词向量进行特征提取，并且加以自注意力机制权重，带权重的词特征向量；同时，利用梯度反转层和邻域鉴别器构成对抗网络，对CNN网络的特征提取进行约束；S5：利用BiLSTM得到词上下文特征向量；S6：将带权重的词特征向量与词上下文特征向量进行融合，得到词的融合特征向量，输入情感分类器，得到词的情感分类结果；S7：结合预设的规则，对情感分类结果是否需要监管进行判断。本发明提供的方法解决了传统情感分类模型领域敏感度高、效果不佳的问题，实现了对生鲜冷链产品进行有效的质量监管。

技术领域

本发明涉及人工智能领域，具体涉及一种基于情感分析的生鲜冷链监管方法及系统。

背景技术

“民以食为天”，食品安全关乎国家大计。随着电商平台的迅猛发展，生鲜产品越来越多的出现的平台上，由于其保质期短，储存条件较为严苛的特点，生鲜冷链较容易发生食品安全问题。其次，由于现在网上销售手段众多，除了传统的电商平台，在一些新兴的小视频平台也有出售，商家的销售门槛较低，商品种类繁多，但是质量却参差不齐，平台也缺乏有效的监管手段。从国家层面来讲，虽然时常进行食品抽检，但是抽检工作难以面面俱到，不可能对于每种商品进行抽查。然后再平台等购物，消费者往往会在平台上发表自己的购物看法，平台也推出积分等激励手段来鼓励消费者进行评价，这就使得根据评论文本来进行生鲜冷链产品的监管成为可能。虽然有些平台会直接让消费者进行商品的1-5星的评级，但是在实际中发现许多消费者都是习惯5星，而在评论中说明商品的缺点，而情感是消费者的真情流露，所以通过评论的情感来衡量商品品质是较为公允的手段，且该方法可应用于直播电商的弹幕文本等其他没有星级的评论中，应用场景广。

文本情感分析已然是一项较为成熟的技术，然而文本情感分类有着领域针对性强的特点，在一个领域训练的样本应用于其他的领域时，效果往往不佳，针对单独的领域进行训练又会遇到领域多，单独领域训练样本少的问题。虽然迁移学习提供了一种新思路，解决了样本量的问题，但是迁移学习本质上还是对于领域的重新训练，况且在实际应用中，还是需要先区分领域，再选择领域相应的模型，实际应用中较为不便。这就亟需一种能适用于多领域下的情感分类模型。

发明内容

为了解决上述技术问题，本发明提供一种基于情感分析的生鲜冷链监管方法及系统。

本发明技术解决方案为：一种基于情感分析的生鲜冷链监管方法，包括：

步骤S1：爬取网络上生鲜食品类的评论文本；

步骤S2：对评论文本结合公开数据集进行预处理，人工标注其情感极性和所属于领域，构建训练集；

步骤S3：利用BERT模型对训练集进行词的向量化表示，得到词向量；

步骤S4：利用CNN网络对词向量进行特征提取，并且加以自注意力机制权重，带权重的词特征向量；同时，将带权重的词特征向量经由一层梯度反转层之后，输入邻域鉴别器中，利用梯度反转层和邻域鉴别器构成对抗网络，对CNN网络的特征提取进行约束；

步骤S5：利用BiLSTM对带权重的词特征向量进行上下文信息的提取，得到词上下文特征向量；

步骤S6：将带权重的词特征向量与词上下文特征向量进行融合，得到词的融合特征向量，输入情感分类器，得到词的情感分类结果；

步骤S7：结合预设的规则，对情感分类结果是否需要监管进行判断。

本发明与现有技术相比，具有以下优点：