[發明專利]一種基于深度學習的電商評論情感分析系統

在審

• 申請號: 202111328673.6
• 申請日: 2021-11-10
• 公開（公告）號: CN114036931A
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 賈若藝;梁少華
• 申請（專利權）人: 長江大學
• 主分類號: G06F40/242
• 分類號: G06F40/242;G06F40/284;G06F16/35;G06N3/08;G06Q30/02
• 代理公司: 鄭州豫原知識產權代理事務所(普通合伙) 41176
• 代理人: 軒麗杰

本發明涉及深度學習技術領域，且公開了一種基于深度學習的電商評論情感分析系統，包括評論提取模塊、極性分類模塊、深度學習模塊、詞向量匹配模塊、情感屬性詞提取模塊、情感屬性詞融合模塊、詞義語序損失修正模塊和屬性情感標簽提取模塊。通過詞向量匹配模塊和情感屬性詞提取模塊提取的詞向量語言表示模型和情感屬性詞通過情感屬性詞融合模塊進行計算融合，形成新的屬性情感初始化標簽，詞義語序損失修正模塊讀取屬性情感初始化標簽，通過邏輯計算確定屬性情感初始化標簽的語序和詞義的正確性，確定詞義或語序存在邏輯錯誤，則進行詞義和語序的修訂，從而增加情感詞的情感表達，進一步增加表現形式和表達效果。

技術領域

本發明涉及深度學習技術領域，具體為一種基于深度學習的電商評論情感分析系統。

背景技術

深度學習是機器學習領域中一個新的研究方向，它被引入機器學習使其更進一步與最初的目標－－人工智能。深度學習是學習樣本數據的內在規律和表示層次，這些學習過程中獲得的信息對諸如文字、圖像和聲音等數據的解釋有很大的幫助，使得人工智能相關技術取得了很大進步。

隨著互聯網和電子商務的發展，電子商務的產品評論模式也發生改變，往往為了方便增加商品的表現形式，通常會對商品添加屬性標簽，現有屬性標簽通常通過對評論詞的直接提取，生成屬性標簽。導致現有的標簽描述簡單，語義單調，且由于從品論詞直接提取簡化所得，從而導致屬性標簽的描述準確性交底，且現有的屬性詞提取，通常只包括產品詞和功能性詞匯，缺少情感詞的描述，導致產品屬性標簽表述效果不足。

發明內容

針對現有技術的不足，本發明提供了一種基于深度學習的電商評論情感分析系統，具備基于深度學習進行產品表述詞句的提取，通過深度學習算法進行詞向量優化，并進行情感詞匯的融合，有效保證產品屬性標簽詞句表述的準確性和智能性，且增加情感詞的情感表達，進一步增加表現形式和表達效果的優點。

為實現上述目的，本發明提供如下技術方案：一種基于深度學習的電商評論情感分析系統，包括評論提取模塊、極性分類模塊、深度學習模塊、詞向量初始化模塊、詞向量匹配模塊、情感屬性詞提取模塊、情感屬性詞融合模塊、詞義語序損失修正模塊、屬性情感詞向量標簽模塊和屬性情感標簽提取模塊；

評論提取模塊，用于提取產品的評論數，并生成產品評論集；

極性分類模塊，用于評論集的情感極性分類，建立產品屬性情感標簽；

深度學習模塊，采用bert的Transformer的算法框架捕捉語句中的雙向關系，使用Mask Language Model(MLM)[3]和Next Sentence Prediction(NSP)的多任務訓練目標，通過在海量的語料的基礎上運行自監督學習方法為單詞學習一個好的特征表示，生成詞向量預訓練詞典；

詞向量匹配模塊，用于對評論集與詞向量預訓練詞典進行關鍵詞匹配，確定對詞向量語言表示模型；

情感屬性詞提取模塊，神經網絡模型對評論集的情感屬性詞進行提取；

情感屬性詞融合模塊，用于將情感屬性詞和詞向量語言表示模型進行詞義融合；

詞義語序損失修正模塊，用于對融合后屬性情感初始化標簽進行詞義和語序的修正，修正生成屬性情感預選標簽合集；

屬性情感標簽提取模塊，用于對屬性情感預選標簽合集進行情感度計算，并對情感度進行對比，同時對產品符合度進行匹配，進行屬性情感標簽的篩選提取。

進一步優選的，所述極性分類模塊，在進行評論集的情感極性分類時，包括對產品詞的提取、屬性詞的提取和情感詞的提取，其中對產品詞與產品本身進行匹配度對比，確定評論正確值，對評論集極性分類及凈化處理。