[发明专利]基于模型融合的多类别情感分类方法在审
| 申请号： | 201910976409.X | 申请日： | 2019-10-15 |
| 公开（公告）号： | CN110728153A | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 王晓晔;薛颖斌;周晓雯;孙嘉琪;张德干 | 申请（专利权）人： | 天津理工大学 |
| 主分类号： | G06F40/30 | 分类号： | G06F40/30;G06F40/289;G06F40/247;G06N3/04 |
| 代理公司： | 12002 天津佳盟知识产权代理有限公司 | 代理人： | 颜济奎 |
| 地址： | 300384 天津市西青*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于模型融合的多类别情感分类方法。一种基于Bert模型和Liblinear模型相融合的多分类方法。首先利用Bert模型在数据预处理方面的突破性进展对训练文本集进行预处理，与类别标签数据结合，获取文本的特征向量，将非结构化的文本数据转化成结构化的训练集合，再转化为Liblinear模型的标准输入数据，进行分类模型的构建。而Liblinear采用一对多的分类机制，有效的解决了多类别分类任务中的类别分布不平衡问题。本发明通过实验将结合Bert向量模型与Liblinear多分类模型的分类结果与几种经典的多分类方法进行对比。实验结果表明将Bert模型和Liblinear相结合来处理文本多分类情感分类问题时，准确度更高。 | ||
| 搜索关键词： | 情感分类 分类 文本 预处理 标准输入数据 多分类模型 数据预处理 突破性进展 训练文本集 准确度 非结构化 分类机制 分类结果 分类模型 类别标签 类别分类 模型融合 数据结合 特征向量 文本数据 向量模型 训练集合 结构化 一对多 构建 转化 融合 | ||
【主权项】：
1.一种基于模型融合的多类别情感分类方法，其特征在于，包括如下步骤：/n步骤1，语料预处理；首先将各个数据集进行分词处理，分词使用jieba库，去掉停用词；建立词典时，过滤掉出现次数小于5的词语；/n步骤2，词嵌入层；将预处理完成的语料放入Bert-base-Chinese模型中，进行训练，提取其中的词向量输出层，得到词向量矩阵；/n步骤3，特征提取；提取Bert-base-Chinese模型中训练完成得到的词向量，放入CNN的输入层，经过CNN中卷积层和池化层进行特征提取；/n步骤4，在步骤2中将预处理完成的语料放入Bert-base-Chinese模型中进行模型预训练时，分类模型的f1值达到最大时，保存模型；把Bert-base-Chinese模型顶层输出的文本特征保存下来，得到文本的特征向量；/n步骤5，将步骤4得到的文本的特征向量作为softmax层的输入，进行分类，提取通过softmax分类器得到的对20个细粒度的属性的分类的权重值；/n步骤6，将步骤5提取出的属性分类的权重值转换为Liblinear模型标准的输入数据格式，作为Liblinear输入，训练Liblinear分类器，进行情感分类识别，从而获得待识别的评论数据的情感类别。/n
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天津理工大学，未经天津理工大学许可，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/201910976409.X/，转载请声明来源钻瓜专利网。
