[发明专利]基于环境元嵌入和深度学习的情感倾向性分析方法在审
| 申请号： | 201910197440.3 | 申请日： | 2019-03-15 |
| 公开（公告）号： | CN109948158A | 公开（公告）日： | 2019-06-28 |
| 发明（设计）人： | 王传栋;李智;史宇 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F16/35;G06N3/04 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 姚姣阳 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于环境元嵌入和深度学习的情感倾向性分析方法，包括如下步骤：S1，采集用于训练的文本数据，获得分词文本；S2，利用word2vec和Glove训练出分词文本的词向量，再通过扩展分词文本的词向量特征的方式，获得环境元嵌入作为文本语义的词向量表示；S3，利用BLSTM和动态获取上下文窗口相融合的神经网络，自动学习上下文来抽取情感评论对象；S4，基于局部注意力机制，通过BLSTM训练所述文本语义的词向量，得到句子级特征向量；S5，通过卷积神经网络训练句子级特征向量，得到全局的文本级特征向量；S6，利用多分类函数Softmax对全局的文本级特征向量进行分类，得到文本数据的情感倾向。该方法提高了文本数据情感倾向判定的准确性。 | ||
| 搜索关键词： | 特征向量 词向量 文本数据 分词 嵌入 情感倾向性分析 情感倾向 文本语义 文本 句子 卷积神经网络 注意力机制 动态获取 分类函数 神经网络 自动学习 全局 抽取 判定 采集 融合 学习 分类 评论 | ||
【主权项】：
1.一种基于环境元嵌入和深度学习的情感倾向性分析方法，其特征在于：包括如下步骤：S1，采集用于训练的文本数据，对获得的文本数据进行规范化处理和分词处理，生成预处理好的分词文本；S2，利用word2vec和Glove训练出所述分词文本的词向量，再通过扩展所述分词文本的词向量特征的方式，获得环境元嵌入作为文本语义的词向量表示；S3，利用BLSTM和动态获取上下文窗口相融合的神经网络，自动学习上下文来抽取情感评论对象；S4，基于局部注意力机制对具有不同情感语义贡献度的词语进行权值分配，并通过BLSTM训练所述文本语义的词向量，得到句子级特征向量；S5，通过卷积神经网络训练所述句子级特征向量，得到全局的文本级特征向量；S6，利用多分类函数Softmax对所述全局的文本级特征向量进行分类，得到所述文本数据的情感倾向。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910197440.3/，转载请声明来源钻瓜专利网。
