[发明专利]基于集成学习的细粒度情感分析方法、装置、设备及介质

摘要

本发明公开了一种基于集成学习的细粒度情感分析方法，涉及文本挖掘领域，用于解决单模型的不能对多个类别情感进行分析的问题，该方法包括以下步骤：获取文本数据，基于单层一维卷积神经网络，通过嵌入层、max‑pooling层、transformer层、门单元层、softmax层的处理完成模型训练；通过集成学习获得TEACHER模型；经模型蒸馏得到STUDENT模型；加载TEACHER模型和STUDENT对文本数据进行分析，得到情感分析结果。本发明还公开了一种基于集成学习情感分析装置、电子设备和计算机存储介质。本发明通过文本数据进行分析，得到多类别的情感分析结果。

主权项

1.一种基于集成学习的细粒度情感分析方法，其特征在于，包括以下步骤：步骤一：获取文本，对所述文本进行分词，得到分词结果；步骤二：将分词结果输入到嵌入层，设定文本的最大分词数，调整所述分词结果使其符合最大分词数；将符合最大分词数的分词结果转为特定维度的词向量，使得所述文本的所有分词构成矩阵一；步骤三：设定每个分词的最大字数，调整每个分词的字数使其符合最大字数；将构成每个分词的字转为特定维度的字向量，使得所有分词的字构成三维矩阵；步骤四：将三维矩阵输入到不同核的单层一维卷积神经网络中，得到输出结果按照最后一维度进行合并，然后输入到max‑pooling层，由所述max‑pooling层输出二维矩阵；步骤五：将矩阵一和二维矩阵按照最后一维度进行合并，得到矩阵二，将矩阵二输入到两个不共享参数的transformer层，得到两个输出矩阵；步骤六：设置N个情感类别，将所述两个输出矩阵输入到门单元层，然后将所述门单元层输入到N个三层全连接层，得到N个向量；步骤七：将所述N个向量分别输入到softmax层，得到N个类别的同维度情感向量，利用分类算法计算所述N个类别的同维度情感向量的得分，保存得分最高的模型，记为单次模型；重复步骤一至七过程得到M个单次模型，然后对所述M个单次模型进行集成学习，步骤如下：s1：加载所述M个单次模型；s2：将每个模型的softmax层输出的N个类别的同维度情感向量进行加权平均，融合为包含N个向量的TEACHER模型；最后，将文本输入到TEACHER模型，可以得到N个结果，分别对应N个类别的情感。