申请/专利权人：南京理工大学

申请日：2020-12-03

公开（公告）日：2024-06-18

公开（公告）号：CN112507723B

主分类号：G06F40/30

分类号：G06F40/30;G06F40/295;G06F16/951;G06N3/0442;G06N3/0464;G06N3/045

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2021.04.02#实质审查的生效;2021.03.16#公开

摘要：本发明公开了一种基于多模型融合的新闻情感分析方法，包括：爬取官方新闻网站相关英文新闻，得到原始新闻语料库；对爬取到的英文新闻文本进行预处理；根据预处理后的新闻语料库中的英文新闻文本信息，建立实体知识库，并利用实体知识库对英文新闻文本进行情感倾向标注，并将标注为情感句的英文新闻文本分为三级进行标注；利用三级标注后的英文新闻文本对情感分析模型进行训练，使其具备将预处理后的英文新闻文本进行三级分类的功能；将标注为情感句的英文新闻句输入训练好的情感分析模型，获得分类结果。本发明在保持几乎相同准确率的同时更节约网络训练时间、提高了效率。

主权项：1.一种基于多模型融合的新闻情感分析方法，其特征在于，包括以下步骤：步骤1：面向事件利用爬虫技术，爬取官方新闻网站相关英文新闻，得到原始新闻语料库；步骤2：对爬取到的英文新闻文本进行预处理，包括对爬取到的新闻语料进行分句、去停用词、标准化；步骤3：根据预处理后的新闻语料库中的英文新闻文本信息，建立面向国家、人物、组织、事件的实体知识库，并利用建立的实体知识库对预处理后的英文新闻文本进行情感倾向标注，并将标注为情感句的英文新闻文本分为三级进行标注；利用建立的实体知识库对预处理后的英文新闻文本进行情感倾向标注的原则为：当一句新闻中出现了n个知识库实体时标注为情感句，n为可调整的参数；步骤4：利用三级标注后的英文新闻文本对情感分析模型进行训练，使其具备将预处理后的英文新闻文本进行三级分类的功能；所述情感分析模型CNN-BiGRU包括词嵌入层、Dropout层、卷积神经网络、池化层、双向门控循环单元、输出层，所述词嵌入层用于将输入的一句话转换为向量；所述Dropout层设置在词嵌入层后；所述卷积神经网络用于对Dropout层输出的词向量进行卷积操作，获得词与词之间的局部特征；所述池化层用于对卷积后的特征进行池化操作；所述双向门控循环单元包括一个前向的GRU单元和一个后向的GRU单元，所述输出层用于将特征向量进行全连接后输入到分类器中得到分类结果；步骤5：对爬取的英文新闻文本按步骤2、步骤3进行预处理和情感倾向标注，将标注为情感句的英文新闻句输入训练好的情感分析模型，获得分类结果。

全文数据：

权利要求：

百度查询： 南京理工大学 基于多模型融合的新闻情感分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD