[發(fā)明專利]一種情感分析方法

在審

• 申請?zhí)枺?/td>: 202110997775.0
• 申請日: 2021-08-27
• 公開（公告）號: CN113705243A
• 公開（公告）日: 2021-11-26
• 發(fā)明（設計）人: 羅瑜;吳曉華;令狐陽
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/242;G06N3/04;G06N3/08
• 代理公司: 成都正華專利代理事務所(普通合伙) 51229
• 代理人: 李蕊

本發(fā)明公開了一種情感分析方法，通過獲取訓練文本集，并對所述訓練文本集進行預處理得到訓練情感得分向量集，基于所述訓練情感得分向量集和預設語義詞向量集對預設的神經(jīng)網(wǎng)絡進行訓練，基于訓練后的神經(jīng)網(wǎng)絡對待分析文本進行情感分析，對所述訓練文本集進行預處理得到訓練情感得分向量具體包括，對所述訓練文本集進行分詞處理，基于預設文本長度對分詞處理后的訓練文本集進行長度裁剪或補正得到標準訓練文本集，基于情感詞典確定出所述標準訓練文本集對應的訓練情感得分向量集，實現(xiàn)了分析文本的具體含義，能夠將情感詞典與神經(jīng)網(wǎng)絡結合，能夠有效分析無規(guī)則文本，在進行情感分析時準確度較高，且運行效率高。

技術領域

本發(fā)明屬于人工智能技術領域，具體涉及一種情感分析方法。

背景技術

隨著社交媒體的興起，人們在微博、評論等信息交互的過程中，產(chǎn)生了大量表達人們各種感情和傾向的信息，通過對情感信息的分析，可以更好的分析用戶的喜好，預測事物發(fā)展趨勢。目前，情感分析已經(jīng)成長為自然語言處理領域最活躍的研究領域之一，被廣泛應用于市場營銷、分析輿論等領域。

目前情感分析的方法可以分為兩類：基于情感詞典的方法和基于機器學習的方法。情感詞典的方法基于詞典和規(guī)則，通過找尋文本中的各類情感詞，計算每句的情感傾向分值來達到情感分析的效果，其語料適用范圍廣，但受限于情感詞典的質量和覆蓋度。機器學習的方法又包含了基于特征的方法和基于深度學習的方法。基于特征的方法從大量語料中選取特征對文本進行表示，然后使用支持向量機(SVM)、決策樹等機器學習方法進行情感分析，受限于特征的選取。深度學習的方法通過訓練集進行分類訓練實現(xiàn)對文本的情感分析，避免了人工特征提取工作，能夠有效地處理文本前后關聯(lián)的問題，有著強大的判別能力和特征自學能力，適合高維數(shù)、無標簽和大數(shù)據(jù)的特點，也是現(xiàn)在使用最廣泛的方法。

但現(xiàn)有技術降低了對特征工程和語言學知識的依賴，但忽視了文本的具體意義，導致情感分析準確度不高。

因此，如何提高情感分析的準確度，是本領域技術人員有待解決的技術問題。

發(fā)明內容

本發(fā)明的目的是為了解決現(xiàn)有技術對于情感分析準確度不高的技術問題，提出了一種情感分析方法。

本發(fā)明的技術方案為：一種情感分析方法，包括以下步驟：

S1、獲取訓練文本集，并對所述訓練文本集進行預處理得到訓練情感得分向量集；

S2、基于所述訓練情感得分向量集和預設語義詞向量集對預設的神經(jīng)網(wǎng)絡進行訓練；

S3、基于訓練后的神經(jīng)網(wǎng)絡對待分析文本進行情感分析。

進一步地，所述步驟S1中對所述訓練文本集進行預處理得到訓練情感得分向量具體包括以下分步驟：

S11、對所述訓練文本集進行分詞處理；

S12、基于預設文本長度對分詞處理后的訓練文本集進行長度裁剪或補正得到標準訓練文本集；

S13、基于情感詞典確定出所述標準訓練文本集對應的訓練情感得分向量集。

進一步地，所述步驟S12具體包括以下分步驟：

S121、將所述分詞處理后的訓練文本集中大于所述預設長度的訓練文本進行裁剪；

S122、將所述分詞處理后的訓練文本集中小于所述預設長度的訓練文本的前端用0補齊；

S123、將經(jīng)過步驟S121和步驟S122處理后的訓練文本集作為標準訓練文本集。

進一步地，所述步驟S13具體包括以下分步驟：

S131、將所述標準訓練文本集中每一個詞與所述情感詞典進行匹配判斷，若匹配成功，則執(zhí)行步驟S132，若匹配不成功，則執(zhí)行步驟S133；