申请/专利权人：西安邮电大学

申请日：2021-09-28

公开（公告）日：2024-06-25

公开（公告）号：CN113849646B

主分类号：G06F16/35

分类号：G06F16/35;G06F40/284;G06N3/0464;G06N3/045;G06N3/0442;G06F18/25;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.01.14#实质审查的生效;2021.12.28#公开

摘要：本公开实施例是关于一种文本情感分析方法。该方法包括：采用全局向量和单词转换向量分别对目标文本进行向量化并加以训练，得到目标文本的第一文本向量矩阵和第二文本向量矩阵，目标文本为待进行情感分析的文本；采用双路注意力机制分别对第一文本向量矩阵和第二文本向量矩阵中的关键特征信息进行提取，并对其进行加强处理及特征融合；采用激活函数对特征融合后的第一文本向量矩阵和第一文本向量矩阵进行分类处理，得到所述目标文本的情感分析结果。本公开实施例基于提取的关键特征信息及特征融合，实现对情感分类处理，具有更为理想的文本情感分析准确度。

主权项：1.一种文本情感分析方法，其特征在于，该方法包括：采用全局向量和单词转换向量分别对目标文本进行向量化并加以训练，得到所述目标文本的第一文本向量矩阵和第二文本向量矩阵，所述目标文本为待进行情感分析的文本；所述采用全局向量和单词转换向量分别对目标文本进行向量化并加以训练，得到所述目标文本的第一文本向量矩阵和第二文本向量矩阵，所述目标文本为待进行情感分析的文本，包括：所述全局向量通过对所述目标文本进行构建共现矩阵，并对共现矩阵加以训练，获得包含所述目标文本的全局信息的所述第一文本向量矩阵；所述单词转换向量，基于所述目标文本的局部上下文窗口，对单词转换向量加以训练，获得对应的所述第二文本向量矩阵；采用双路注意力机制分别对所述第一文本向量矩阵和所述第二文本向量矩阵中的关键特征信息进行提取，并对其进行加强处理及特征融合；所述采用双路注意力机制分别对所述第一文本向量矩阵和所述第二文本向量矩阵中的关键特征信息进行提取，并对其进行加强处理及特征融合，包括：采用双向门控循环单元对所述第一文本向量矩阵进行提取全局特征和上下文信息；采用卷积神经网络对所述第二文本向量矩阵进行提取局部特征；分别对所述第一文本向量矩阵提取的所述全局特征、所述第二文本向量矩阵提取的所述局部特征进行加强处理；其中，所述分别对所述第一文本向量矩阵提取的所述全局特征、所述第二文本向量矩阵提取的所述局部特征进行加强处理，包括：根据所述全局特征和所述局部特征的重要程度差异，分别对所述全局特征和所述局部特征进行分配不同的第一注意力权重和第二注意力权重；对所述第一注意力权重、第二注意力权重进行归一化处理，分别得到所述第一文本向量矩阵的全局特征和所述第二文本向量矩阵的局部特征的第一注意力分数、第二注意力分数；基于所述第一注意力分数和所述第二注意力分数，根据所述目标文本中每个词的不同重要程度，对提取到的所述全局特征和所述局部特征计算加权和，得到加强关键特征信息后的所述第一文本向量矩阵的所述全局特征和所述第二文本向量矩阵的所述局部特征；采用激活函数对特征融合后的所述第一文本向量矩阵和所述第一文本向量矩阵进行分类处理，得到所述目标文本的情感分析结果。

全文数据：

权利要求：

百度查询： 西安邮电大学 一种文本情感分析方法

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