[发明专利]一种构建情感分类模型的方法

摘要

本发明提供了一种基于深度学习的概率生成模型深信度网络的情感分类方法，技术方案为：堆叠多个玻尔兹曼机层，也就是这一层的输出作为下一层的输入。通过这种方式，就可以实现对输入信息进行分级表达，逐层抽象了。含多隐层的多层感知器是其基础的学习结构，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。本方法属于无监督学习，主要应用的模型是深度置信网。本方法能够让机器更好地进行特征抽象，从而提高情感分类的准确性。

主权项

一种构建学习模型的方法，其特征在于，该方法包括：方法是利用人工神经网络的特点，人工神经网络本身就是具有层次结构的系统，如果给定一个神经网络，我们假设其输出与输入是相同的，然后训练调整其参数，得到每一层中的权重。自然地，我们就得到了输入的几种不同表示（每一层代表一种表示），这些表示就是特征。自动编码器就是一种尽可能复现输入信号的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，找到可以代表原信息的主要成分。