[發明專利]一種基于深度學習的中文文本情感分析方法

在審

• 申請號: 201711307041.5
• 申請日: 2017-12-11
• 公開（公告）號: CN107944014A
• 公開（公告）日: 2018-04-20
• 發明（設計）人: 嚴勤;丁聰;陳葛恒;肖麗莎
• 申請（專利權）人: 河海大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 南京縱橫知識產權代理有限公司32224
• 代理人: 董建林

1.一種基于深度學習的中文文本情感分析方法，其特征在于：包括以下步驟，

步驟1，訓練LSTM-MP模型和Softmax分類器；

具體過程如下：

獲取網絡文本；

對獲得的網絡文本進行預處理，得到網絡文本中的中文句子；

對中文句子進行中文分詞并構建詞向量詞典；

將若干中文句子進行人工標注，作為LSTM-MP模型實驗數據，其余中文句子作為LSTM-MP模型訓練數據；

用LSTM-MP模型訓練數據訓練LSTM-MP模型；

用訓練好的LSTM-MP模型將LSTM-MP模型實驗數據全部轉換為句向量；

將若干句向量作為Softmax分類器訓練數據，其余句向量作為Softmax分類器測試數據；

用Softmax分類器訓練數據訓練Softmax分類器，用Softmax分類器測試數據測試訓練好的Softmax分類器；

步驟2，用訓練好的LSTM-MP模型和Softmax分類器進行情感分析。

2.根據權利要求1所述的一種基于深度學習的中文文本情感分析方法，其特征在于：設計多線程爬蟲進行網絡文本獲取的過程為，

選取適當的網站首頁URL初始化爬蟲的URL列表；

獲取各網站首頁的HTML文檔，解析出HTML文檔中消息對應的URL，對消息對應的URL去重后添加至URL列表；

若有新發布的消息，則將新消息對應的URL添加至URL列表；

根據 URL獲取對應的HTML文檔；

將獲取到的HTML文檔，利用信息抽取技術進行信息抽取，抽取出頁面的信息正文部分后，按照制定格式存入本地數據庫。

3.根據權利要求1所述的一種基于深度學習的中文文本情感分析方法，其特征在于：網絡文本進行預處理的過程為，對網絡文本中的轉義符進行替換，對網絡文本中的不規范標點符號進行替換。

4.根據權利要求1所述的一種基于深度學習的中文文本情感分析方法，其特征在于：對中文句子進行中文分詞并構建詞向量詞典，具體過程為，

對中文句子進行中文分詞；

詞向量學習工具調試；

將中文分詞得到的中文詞語輸入詞向量學習工具，進行詞向量詞典構建。

5.根據權利要求4所述的一種基于深度學習的中文文本情感分析方法，其特征在于：選用最佳匹配法進行中文分詞。

6.根據權利要求1所述的一種基于深度學習的中文文本情感分析方法，其特征在于：將LSTM-MP模型訓練數據轉換為詞向量序列，然后訓練LSTM-MP模型；

將LSTM-MP模型實驗數據轉換為詞向量序列，然后用訓練好的LSTM-MP模型將其轉換為句向量。

7.根據權利要求1所述的一種基于深度學習的中文文本情感分析方法，其特征在于：用訓練好的LSTM-MP模型和Softmax分類器進行情感分析的過程為，

獲取需分析的網絡文本；

對需分析的網絡文本進行預處理，得到需分析的中文句子；

對需分析的中文句子進行中文分詞并構建詞向量詞典；

將需分析的中文句子轉換為詞向量序列；

用訓練好的LSTM-MP模型將詞向量序列轉換為句向量；

用訓練好的Softmax分類器將句向量進行情緒分類。