[發(fā)明專(zhuān)利]基于BiLSTM的電影評(píng)論語(yǔ)義情感分析方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111119024.5
• 申請(qǐng)日: 2021-09-24
• 公開(kāi)（公告）號(hào): CN114896386A
• 公開(kāi)（公告）日: 2022-08-12
• 發(fā)明（設(shè)計(jì)）人: 張晨躍;劉黎志
• 申請(qǐng)（專(zhuān)利權(quán)）人: 武漢工程大學(xué)
• 主分類(lèi)號(hào): G06F16/35
• 分類(lèi)號(hào): G06F16/35;G06F16/33;G06F40/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 湖北武漢永嘉專(zhuān)利代理有限公司 42102
• 代理人: 許美紅

1.一種基于BiLSTM的電影評(píng)論語(yǔ)義情感分析方法，其特征在于，通過(guò)構(gòu)建AT-BiLSTM情感分類(lèi)模型對(duì)電影評(píng)論文本進(jìn)行情感分類(lèi)；

該AT-BiLSTM情感分類(lèi)模型具體包括：

向量表示層，利用word2vec預(yù)訓(xùn)練模型對(duì)電影評(píng)論文本數(shù)據(jù)進(jìn)行詞向量表示；

BiLSTM層，將詞向量作為BiLSTM網(wǎng)絡(luò)的序列化輸入，定義前向LSTM和后向LSTM，分別從正反方向提取電影評(píng)論文本數(shù)據(jù)的語(yǔ)義特征，并充分學(xué)習(xí)電影評(píng)論上下文的語(yǔ)義信息，得到每個(gè)詞的語(yǔ)義特征，并將其作為BiLSTM層的輸出；

注意力層，將BiLSTM層輸出的每個(gè)詞的語(yǔ)義特征與注意力機(jī)制相融合，增加對(duì)電影評(píng)論文本中每個(gè)詞的關(guān)注度；

全連接層和分類(lèi)層，使用歸一化指數(shù)函數(shù)對(duì)融合了注意力機(jī)制的電影評(píng)論文本進(jìn)行情感極性的分類(lèi)。

2.根據(jù)權(quán)利要求1所述的基于BiLSTM的電影評(píng)論語(yǔ)義情感分析方法，其特征在于，該方法還包括對(duì)該AT-BiLSTM情感分類(lèi)模型進(jìn)行訓(xùn)練的步驟，具體包括：

獲取數(shù)據(jù)集并進(jìn)行數(shù)據(jù)清洗；

對(duì)清洗后的數(shù)據(jù)集中的電影評(píng)論文本數(shù)據(jù)標(biāo)注情感標(biāo)簽，情感標(biāo)簽為0表示消極情感，情感標(biāo)簽為1表示積極情感，將經(jīng)過(guò)處理后的數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集；

利用訓(xùn)練集對(duì)AT-BiLSTM情感分類(lèi)模型進(jìn)行分類(lèi)訓(xùn)練，并對(duì)模型的參數(shù)進(jìn)行調(diào)整；

利用測(cè)試集對(duì)訓(xùn)練好的AT-BiLSTM情感分類(lèi)模型進(jìn)行測(cè)試，并利用評(píng)估指標(biāo)進(jìn)行驗(yàn)證。

3.根據(jù)權(quán)利要求1所述的基于BiLSTM的電影評(píng)論語(yǔ)義情感分析方法，其特征在于，對(duì)電影評(píng)論文本進(jìn)行情感分類(lèi)的具體過(guò)程為：

利用word2vec預(yù)訓(xùn)練模型對(duì)電影評(píng)論文本數(shù)據(jù)進(jìn)行詞向量表示；

將詞向量作為BiLSTM層的輸入，通過(guò)前向LSTM和后向LSTM進(jìn)行學(xué)習(xí)，得到每個(gè)詞的語(yǔ)義特征，并將其作為BiLSTM的輸出h_m；

將輸出h_m通過(guò)tanh函數(shù)轉(zhuǎn)換為u_m，u_m表示每個(gè)詞激活后的語(yǔ)義特征，然后計(jì)算出電影評(píng)論中每個(gè)詞的影響權(quán)重α_m，最后將經(jīng)過(guò)Bi-LSTM學(xué)習(xí)到的語(yǔ)義表示和影響權(quán)重進(jìn)行乘積求和，得到一個(gè)句子的全部語(yǔ)義信息的文本特征s；

將最終處理的文本特征s在分類(lèi)層進(jìn)行分類(lèi)，利用Softmax函數(shù)輸出情感類(lèi)別的判定結(jié)果。

4.根據(jù)權(quán)利要求2所述的基于BiLSTM的電影評(píng)論語(yǔ)義情感分析方法，其特征在于，具體采用多次調(diào)參的形式對(duì)AT-BiLSTM情感分類(lèi)模型的參數(shù)進(jìn)行調(diào)整，并在參數(shù)調(diào)整時(shí)使用dropout策略。

5.根據(jù)權(quán)利要求2所述的基于BiLSTM的電影評(píng)論語(yǔ)義情感分析方法，其特征在于，評(píng)估指標(biāo)包括：精確率、召回率和F₁值，精確率代表了分類(lèi)后預(yù)測(cè)為某個(gè)類(lèi)別的樣本中實(shí)際屬于該類(lèi)別的樣本比例，召回率代表了預(yù)測(cè)為某個(gè)類(lèi)別中的真實(shí)類(lèi)別占所有真實(shí)類(lèi)別的比例，F(xiàn)₁值代表了精確率和召回率的加權(quán)調(diào)和平均值。