[發明專利]一種基于極大無關多元邏輯回歸的文本情感分類方法有效
| 申請號： | 201810332338.5 | 申請日： | 2018-04-13 |
| 公開（公告）號： | CN108595568B | 公開（公告）日： | 2022-05-17 |
| 發明（設計）人： | 雷大江;張紅宇;陳浩;張莉萍;吳渝;楊杰;程克非 | 申請（專利權）人： | 重慶郵電大學 |
| 主分類號： | G06F16/35 | 分類號： | G06F16/35;G06F17/18 |
| 代理公司： | 廣州三環專利商標代理有限公司 44202 | 代理人： | 賈允;肖丁 |
| 地址： | 400065 重*** | 國省代碼： | 重慶;50 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 極大 無關 多元 邏輯 回歸 文本 情感 分類 方法 | ||
1.一種基于極大無關多元邏輯回歸的文本情感分類方法，其特征在于，所述方法包括：
獲取文本數據，并對所述文本數據進行預處理；所述文本數據包括訓練數據和待預測數據；所述待預測數據包括多個文本條目；
在第一模型的代價函數基礎上，通過引入相關參數懲罰項，獲取第二模型的代價函數，包括：獲取不相關約束項；
將預處理得到的訓練數據輸入第二模型的代價函數的導函數，并進行求解得到第二模型；所述第一模型為多元邏輯回歸模型，所述第二模型為極大無關多元邏輯回歸模型；
將預處理得到的待預測數據輸入所述第二模型，得到待預測數據中每個文本條目所屬的情感類別；
其中，所述第一模型為：
其中
所述不相關約束項為：
所述不相關約束項即相關參數懲罰項；其中，θi和θj為任意兩組不同的參數。
2.根據權利要求1所述的方法，其特征在于，所述將預處理得到的待預測數據輸入所述第二模型，得到待預測數據中每個文本條目所屬的情感類別，包括：
將預處理得到的待預測數據中的每個文本條目輸入所述第二模型，得到每個文本條目的的文本情感類別概率；
設置分類閾值；
在文本條目的文本情感類別概率大于所述分類閾值時，判定所述文本條目屬于第一情感類別；
在文本條目的文本情感類別概率小于等于所述分類閾值時，判定所述文本條目屬于第二情感類別。
3.根據權利要求1或2所述的方法，其特征在于，所述在第一模型的代價函數基礎上，通過引入相關參數懲罰項，獲取第二模型的代價函數，還包括：
獲取第一模型的模型參數的負對數似然函數；
將不相關約束項引入第一模型的代價函數，得到第二模型的代價函數。
4.根據權利要求3所述的方法，其特征在于，所述第一模型的參數θ的負對數似然函數為：
所述負對數似然函數即第一模型的代價函數；其中，m為獨立的樣本的數目。
5.根據權利要求4所述的方法，其特征在于，所述第二模型的代價函數為：
6.根據權利要求5所述的方法，其特征在于，所述第二模型的代價函數的導函數為：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于重慶郵電大學，未經重慶郵電大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810332338.5/1.html，轉載請聲明來源鉆瓜專利網。
