[發明專利]一種基于貼圖表情的情感檢測方法以及系統

有效

• 申請號: 201711407785.4
• 申請日: 2017-12-22
• 公開（公告）號: CN108052982B
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 陳雷;張桐
• 申請（專利權）人: 深圳市云網拜特科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G06F40/151
• 代理公司: 深圳市順天達專利商標代理有限公司 44217
• 代理人: 李琴

本發明公開了一種基于貼圖表情的情感檢測方法以及系統，方法包括：采集帶有貼圖表情的文本數據；對所采集來的數據進行預處理，轉換為詞向量數據集；將數據預處理單元生成的數據集輸入一個已經訓練好的網絡模型，該網絡模型輸出相應的情感檢測結果。本發明可以實現對用戶評論等的情感檢測；進一步地，結合了多重神經網絡跟注意力機制，從而提高了對于各種情緒相關的貼圖表情的辨識度；通過迭代器的方式來訓練模型從而節省了內存；通過遷移學習,并且逐步解凍可以訓練的參數,盡可能降低了遷移學習之后過擬合的風險,充分保留了預訓練模型的特性。

技術領域

本發明涉及情感分析領域，尤其涉及一種基于貼圖表情的情感檢測方法以及系統。

背景技術

隨著網絡的不斷發展以及社交平臺的快速壯大，互聯網中充斥著大量的非結構化文本數據，這里面含有很多有價值的，但是無法簡單處理，進行提取的信息。因此如果能夠自動對微博、評論等數據進行情感提取，則可以應用到產品或者服務的正負口碑監測，從而來改善產品功能或者服務的流程。

發明內容

本發明要解決的技術問題在于，針對現有技術的上述缺陷，提供一種基于貼圖表情的情感檢測方法以及系統。

本發明解決其技術問題所采用的技術方案是：構造一種基于貼圖表情的情感檢測方法，方法包括：

采集帶有貼圖表情的文本數據；

對所采集來的數據進行預處理，轉換為詞向量數據集；

將數據預處理單元生成的數據集輸入一個已經訓練好的網絡模型，該網絡模型輸出相應的情感檢測結果。

在本發明所述的基于貼圖表情的情感檢測方法中，所述網絡模型包括：

輸入層，用于接收輸入的數據集并輸出到嵌入層；

嵌入層，接受輸入層輸出的數據集，將數據集中不可用的數據剔除后輸出到激活函數層；

激活函數層，接收來自嵌入層的數據集，在所設置的斷開鏈接比例不為0時構建丟棄層，對數據進行變換后輸出到丟棄層；在所設置的斷開鏈接比例為0時，對數據進行變換后輸出到雙LSTM層；

丟棄層，接收來自激活函數層的數據集，隨機將丟棄層的前一個層的輸入神經元斷開一定百分比，并輸出數據集至雙LSTM層；

雙LSTM層，接收來自丟棄層或者激活函數層的數據集，并傳給第一個BiLSTM層，將第一個BiLSTM層的輸出傳給第二個BiLSTM層，將雙LSTM層的前一個層所得到的輸出跟兩個BiLSTM層的兩個輸出進行合并，輸出處理后的數據到關注層；

關注層，接收來自雙LSTM層的數據集，通過注意力機制獲取權重的張量，并輸出處理后的數據集和權重到分類器；

分類層，接收來自關注層的數據集和權重，處理得到情感檢測結果，所述情感檢測結果包括各種情感類型及其概率。

在本發明所述的基于貼圖表情的情感檢測方法中，所述分類層包括softmax分類器和sigmoid分類器，如果需要預測的情感類型的個數大于兩種類別，則使用softmax分類器，如果需要預測的情感類型的個數為兩種，則使用sigmoid分類器。

在本發明所述的基于貼圖表情的情感檢測方法中，所述方法還包括，在網絡模型投入使用之前，執行以下訓練步驟：

采集帶有多種常見貼圖表情的文本數據；

對所采集來的數據進行預處理，轉換為詞向量數據集，并且對數據集進行情感類型劃分；

將數據集中的部分作為訓練數據、剩余部分作為測試數據；

利用訓練數據對所述網絡模型進行訓練；

利用訓練好的網絡模型對所述測試數據進行預測，記錄情感檢測結果；