[發明專利]基于進化神經網絡架構搜索的情感分析模型構建方法

在審

• 申請號: 202010115675.6
• 申請日: 2020-02-25
• 公開（公告）號: CN111353313A
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 孫亞楠;陽甫軍;閆超
• 申請（專利權）人: 四川翼飛視科技有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06N3/04;G06N3/08
• 代理公司: 成都佳劃信知識產權代理有限公司 51266
• 代理人: 史姣姣

1.基于進化神經網絡架構搜索的情感分析模型構建方法，其特征在于，包括以下步驟：

步驟S1，對嵌入層、卷積層單元、池化單元和全連接單元進行群初始化；

步驟S2，以嵌入層為第一層，封裝數個卷積層單元、數個池化單元和數個全連接單元，并以全連接單元結尾，隨機產生M條染色體；任一染色體的總層數小于預設染色體的總層數；所述M為大于1的自然數；

步驟S3，采用準確率作為適用度函數進行適應度評估；

步驟S4，采用輪盤賭法選擇數個染色體個體，組成第一染色體種群；

步驟S5，采用不等長染色體交叉方法對第一染色體種群的染色體個體進行兩兩交叉，得到數個染色體個體，組成第二染色體種群；

步驟S6，對第二染色體種群的染色體個體的某一卷積層單元或池化單元或全連接單元進行添加或替換或刪除；

步驟S7，計算第二染色體種群的染色體個體的適應度，并反饋步驟S4，直至到達預設的迭代次數，并采用適應度選出最優的神經網絡結構的染色體個體。

2.根據權利要求1所述的基于進化神經網絡架構搜索的情感分析模型構建方法，其特征在于，所述卷積層單元為將卷積層、ReLU激活函數、BN層依次封裝組成。

3.根據權利要求1所述的基于進化神經網絡架構搜索的情感分析模型構建方法，其特征在于，所述全連接單元為全連接層和Dropout層依次封裝組成。

4.根據權利要求1所述的基于進化神經網絡架構搜索的情感分析模型構建方法，其特征在于，所述對嵌入層、卷積層單元、池化單元和全連接單元進行群初始化包括

對嵌入層的字典長度、輸入序列長度和詞嵌入緯度進行初始化；

對卷積層單元的卷積層的卷積核大小、卷積核數目和卷積步長進行初始化；

對池化單元的池化層的池化窗口大小、步幅大小進行初始化；

對全連接單元的全連接層的神經元數目進行初始化。

5.根據權利要求1所述的基于進化神經網絡架構搜索的情感分析模型構建方法，其特征在于，采用準確率作為適用度函數進行適應度評估，其表達式為：

其中，P是指模型預測的情感分析傾向正確的評論數，R是指需要預測的評論總數。

6.根據權利要求5所述的基于進化神經網絡架構搜索的情感分析模型構建方法，其特征在于，采用輪盤賭法選擇數個染色體個體，組成第一染色體種群，具體步驟如下：

計算第一染色體種群中任一染色體個體的適應度f(x_i)，其中，i＝(1,2，…，M)；

計算第一染色體種群中任一染色體個體遺傳到下一代的概率p(x_i)，其表達式為：

計算任一染色體個體的累積概率q_i，其表達式為：

在區間[0,1]中隨機產生任一染色體個體對應的一個隨機數，利用隨機數在該區間內的位置確定該染色體個體選出的次數。

7.根據權利要求1所述的基于進化神經網絡架構搜索的情感分析模型構建方法，其特征在于，采用不等長染色體交叉方法對第一染色體種群的染色體個體進行兩兩交叉，得到數個染色體個體，包括以下步驟：

將染色體個體的卷積層單元、池化單元和全連接單元拆分，并按在染色體個體內的位置組成依次連接、且互相獨立的卷積層單元鏈、池化單元鏈和全連接單元鏈；

將兩染色體個體的卷積層單元鏈的左側對齊并進行交叉；將兩染色體個體的池化單元鏈的左側對齊并進行交叉，且將兩染色體個體的全連接單元鏈的左側對齊并進行交叉。

8.根據權利要求1所述的基于進化神經網絡架構搜索的情感分析模型構建方法，其特征在于，所述封裝數個卷積層單元、數個池化單元和數個全連接單元，并以全連接單元結尾；其中，數個卷積層單元與數個池化單元任意交叉組合。