[发明专利]一种基于张量融合方式的情感分类的方法

摘要

本发明涉及一种基于张量融合方式的情感分类的方法，包括：(1)数据预处理；(2)训练词向量；(3)针对具体任务建模；利用双向LSTM编码每一句话的上下文信息和语义信息，经过每一层网络的作用，得到每一句话的特征向量表示；(4)张量融合：采用张量融合的方式将模型输出的三个特征向量进行融合，通过信息之间的融合，得到最佳全面的特征表示，然后将融合之后形成的特征向量送往分类器进行情感分类。(5)训练模型。本发明不需要人工抽取任何特征，模型也不需要借助另外的自然语言处理工具对数据做预处理，同时不需要提前识别目前词进行情感分类，算法简单明了，效果明显。

主权项

1.一种基于张量融合方式的情感分类的方法，其特征在于，包括：(1)数据预处理：将原始数据处理成三句话格式，得到文本数据；将原始标签转换成数字化表示，积极情感用1表示，消极情感用0表示；(2)训练词向量：将文本数据转换成数学数据，即获取训练集中的每一个词相应的词向量，训练集即步骤(1)获取的文本数据；(3)针对具体任务建模：利用双向LSTM编码由步骤(1)得到的文本数据，双向LSTM包括两个方向不同的LSTM，一个LSTM按照句子中词的顺序从前往后读取数据，获得上文信息；另一个LSTM从后往前按照句子词序的反方向读取数据，获得下文信息；针对文本数据中的每一个样本，处理成三句话格式后包含三个子句，每个子句都由LSTM编码得到对应的特征向量，三个子句对应得到三个特征向量；(4)张量融合：采用张量融合的方式将步骤(3)输出的三个特征向量进行融合，具体融合方法是将三个特征向量利用外积的方式相乘，设定zl,zv,za，分别表示三个子句经Bi‑LSTM编码后的输出的三个特征向量，先将zl,zv,za这三个特征向量两两之间互相做外积，得到三个二维矩阵，对应三个平面，再将这三个平面中的每个点对应相乘得到三维张量，融合完成；并将融合之后形成的特征向量送往分类器进行情感分类；(5)训练模型；将步骤(1)得到的文本数据打乱后分成若干份，设定为N份，每次取N‑1份做训练，1份做验证，做N次交叉验证，得到最终实验结果。