[发明专利]基于混合监督模型的文本情感分析方法有效
| 申请号： | 201910580225.1 | 申请日： | 2019-06-28 |
| 公开（公告）号： | CN110321563B | 公开（公告）日： | 2021-05-11 |
| 发明（设计）人： | 郑小林;杨煜溟;陈一凡;马国芳 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06F40/289 | 分类号： | G06F40/289;G06F40/30;G06F16/35;G06F16/33 |
| 代理公司： | 杭州中成专利事务所有限公司 33212 | 代理人： | 周世骏 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及自然语言分析技术，旨在提供一种基于混合监督模型的文本情感分析方法。包括：利用基于复合神经网络的定性情感分析模型进行强监督定性分析，通过将LSTM与CNN联合构造复合神经网络，并用于同时提取文本的序列特征与多维度特征，更准确地预测文本的情感极性可信度；基于句法分析树实现弱监督定量分析，通过对句子分词和构造句法分析树得到句子的层级修饰关系；然后根据情感词典进行递归向上的标注与计算，计算出各句的情感强度值；将前述可信度与情感强度相乘，得到文本的终判情感强度。本发明提出的混合监督模型，可以取现有技术两种计算方式的长处，能够给出兼具可信度与精细度的分析结果。 | ||
| 搜索关键词： | 基于 混合 监督 模型 文本 情感 分析 方法 | ||
【主权项】：
1.一种基于混合监督模型的文本情感分析方法，其特征在于，包括：(1)利用基于复合神经网络的定性情感分析模型进行强监督定性分析，通过将长短期记忆单元与卷积神经网络联合构造复合神经网络，并用于同时提取文本的序列特征与多维度特征，更准确地预测文本的情感极性可信度；(2)基于句法分析树实现弱监督定量分析，通过对句子分词和构造句法分析树得到句子的层级修饰关系；然后根据情感词典进行递归向上的标注与计算，计算出各句的情感强度值；(3)将步骤(1)中强监督部分给出的可信度与步骤(2)中弱监督部分给出的情感强度相乘，得到文本的终判情感强度。
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浙江大学，未经浙江大学许可，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/201910580225.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于BERT的短文本匹配方法及装置
- 下一篇：一种多轮对话意图识别方法
