[发明专利]评论文本情感分类模型训练与情感分类方法、装置及设备有效
| 申请号： | 201810086816.9 | 申请日： | 2018-01-30 |
| 公开（公告）号： | CN108363753B | 公开（公告）日： | 2020-05-19 |
| 发明（设计）人： | 刘天亮;王静 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F40/30 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 孟红梅 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了评论文本情感分类模型训练与情感分类方法、装置及设备，属于自然语言处理的文本情感分类领域。模型训练包括：获取评论文本、关联的主体和客体信息；基于第一层Bi‑LSTM网络融入评论主体和客体注意力机制提取句子级特征表示；在基于第二层Bi‑LSTM网络融入评论主体和客体注意力机制提取文档级特征表示；采用双曲正切非线性映射函数将文档级特征映射至情感类别空间，采用softmax分类，对模型中的参数进行训练，得到最优文本情感分类模型。本发明采用层次双向Bi‑LSTM网络模型和注意力机制，不仅可以实现文本的上下文语义稳健感知与语义表达，还可以显著改善文本情感分类的鲁棒性，提高分类正确率。 | ||
| 搜索关键词： | 评论 文本 情感 分类 模型 训练 方法 装置 设备 | ||
【主权项】：
1.一种评论文本情感分类模型训练方法，其特征在于，包括如下步骤：(1)获取包括评论文本、与所述评论文本关联的主体和客体信息的训练集文本；(2)将训练集的评论文本中单词转变成词向量表示，输入到第一层Bi‑LSTM网络中，再结合前后向隐藏层输出向量乘以单词级评论文本关联的主体和客体信息注意力机制训练出的权重，提取句子级特征表示；(3)将句子级特征表示输入到第二层Bi‑LSTM网络中，结合前后向隐藏层输出向量乘以句子级评论文本关联的主体和客体信息注意力机制训练出的权重，提取评论文本的文档级特征表示；(4)采用双曲正切非线性映射函数将即得的文档级语义特征映射至情感类别空间，采用softmax分类，对模型中的参数进行训练，得到最优文本情感分类模型。
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南京邮电大学，未经南京邮电大学许可，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/201810086816.9/，转载请声明来源钻瓜专利网。
- 上一篇：基于微博传播规模预测的用户社会影响力分析方法
- 下一篇：一种数据分析模型
