[發(fā)明專利]一種基于改進CNN-LDA的情感分析方法

有效

• 申請?zhí)枺?/td>: 201910248424.2
• 申請日: 2019-03-29
• 公開（公告）號: CN109977413B
• 公開（公告）日: 2023-06-06
• 發(fā)明（設計）人: 張咪;章韻
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/279;G06N3/0464;G06N3/08
• 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

1.一種基于改進CNN-LDA的情感分析方法，其特征在于：包括以下步驟：

S01，從豆瓣平臺采集豆瓣影評數(shù)據并進行預處理，豆瓣影評數(shù)據包括評論人ID，評論內容和影評星級評價，對影評評論內容中的語料進行情感分類標注，并將語料分為訓練集和測試集兩個集合；

S02，使用Word2Vec算法訓練S01獲取的影評評論內容的語料集，將語句中的單詞映射為多維度的連續(xù)向量，構建詞向量矩陣；

S03：構建情感詞典，包括正向情感詞、負向情感詞、程度副詞和否定副詞，根據情感詞典獲取每條影評評論內容的正向情感詞、負向情感詞、程度副詞和否定副詞，將語料中詞向量集合和情感詞典作為輸入，依次將語料中的詞向量與詞典集合中的情感詞比較，計算相似度，并選取最優(yōu)值作為該詞向量的權值，輸出詞向量的情感傾向權重集合；

S04：采用向量機的方式，結合S02得到的詞向量矩陣與S03得到的情感傾向權重集合，對詞向量賦予不同的權重，得到情感加權詞向量表征；

S05：利用LDA主題生成模型提取評論數(shù)據語料集主題特征，通過LDA訓練S01獲取的評論語料集，獲得LDA主題分布概率，輸出文本—主題、主題—詞語矩陣，確定恰當個數(shù)的主題類別，將每條影評所屬主題類別作為電影情感分析的主題特征，模型訓練結束輸出語料庫任意文本的主題分布矩陣，得到主題向量表征；

S06：采用向量拼接的方式，將S04得到的情感加權詞向量表征與S05得到的主題向量表征疊加在一起，形成新的詞向量表征，即同時包含詞義特征和整體語義特征，并且加入情感傾向關注度；

S07：將S06得到的訓練集的新的詞向量表征作為卷積神經網絡的輸入，訓練模型；

S08：將S06得到的測試集的新的詞向量表征輸入S07中已被訓練的情感分析模型，進行情感分類，并計算其準確率。

2.根據權利要求1所述的基于改進CNN-LDA的情感分析方法，其特征在于：S01中，通過爬蟲工具獲取豆瓣影評數(shù)據，豆瓣影評數(shù)據預處理過程去除英文評價，排除同一用戶可能性的多次刷評，并按照影評星級對影評打標簽：1～2星標注為消極，4～5星標注為積極，3星標注為中性；通過人工篩選，將語料集劃分為positive和negative兩個集合，并按照7:3的比例劃分訓練集和測試集。

3.根據權利要求2所述的基于改進CNN-LDA的情感分析方法，其特征在于：S01中，在對語料進行情感分類標注以及劃分之后對語料進行文本預處理，具體為采用基于Python的結巴分詞工具的精確模式對語料分詞，利用正則式去除分詞結果中的標點符號，采用Stopword.txt停用詞表去除分詞結果中的停用詞。

4.根據權利要求1所述的基于改進CNN-LDA的情感分析方法，其特征在于：S02中，獲得Word2Vec詞向量輸入表征需要使用python中的gensim庫，對S01獲取的評論語料進行訓練，得到包含上下文信息和語義信息的特征向量。