[发明专利]一种建立大规模跨领域文本情感倾向性分析框架的方法

摘要

本发明公开一种建立大规模跨领域文本情感倾向性分析框架方法，包括：对源领域和目标领域的样本文件进行精确分词，形成两个词向量表；对词向量进行聚类和领域间的对齐；用词向量对源领域的标定样本进行初步的句子建模并作为DCELM的输入，利用卷积运算提取文本向量的中间层抽象特征；记录验证集分类效果最好时的卷积层参数作为DCELM网络卷积层的参数；最后用DCNN提取的少量目标领域的标定样本的中间层抽象特征来训练分类器ELM的隐层参数，建立大规模跨领域文本情感倾向性分析框架。采用本发明的技术方案，在样本层消除领域间表达情感极性的词语的差距，而且有效解决全连接层容易陷入局部最优和泛化能力弱的缺点，增加模型的抗干扰性。

主权项

1.一种建立大规模跨领域文本情感倾向性分析框架的方法，其特征在于，包括以下步骤：步骤1、获取源领域和目标领域的样本文件，并且对所述样本文件中的语句进行精确分词；步骤2、对经精确分词的源领域文件和目标领域文件进行训练，得到源领域和目标领域的词向量表；步骤3、将源领域和目标领域的词向量表对齐，并对样本语句进行初步建模；步骤4、通过采用词向量表示的源领域样本训练DCNN(Dynamic Convolutional Neural Network)，提取分类效果最好的中间层抽象特征；同时将目标领域的标定样本作为DCELM(Dynamic Convolutional Extreme Learning Machine)情感分类器的输入，采用所述中间层抽象特征来训练ELM(Extreme Learning Machine)隐层参数，形成跨领域文本情感倾向分析框架；步骤4具体包括以下步骤：步骤4.1、将用词向量表示的源领域标定样本作为DCNN的输入，对DCNN的参数进行训练；步骤4.2、采用验证集对已经训练好的DCNN网络进行测试，记录验证集分类效果最好时的网络参数；步骤4.3、采用ELM替换DCNN顶层的全连接层，形成DCELM的情感分类器；步骤4.4、将记录的验证集分类效果最好时的网络参数作为DCELM的卷积神经网络部分的参数；步骤4.5、将少量目标领域的标定样本作为DCELM的输入，采用卷积网络提取的中间层抽象特征来训练ELM隐层参数，形成一个基于DCELM的跨领域文本情感倾向分析框架。