一种属性情感词向量的深度学习方法技术

本发明专利技术公开了一种属性情感词向量的深度学习方法，其包括步骤：a）将电子商务网站产品评论的“大家印象”标签作为属性情感标签去自动标注产品评论数据集，通过语言模型训练获得预训练的词向量字典；b）提出深度学习模型ASWV将评论中蕴含的属性情感信息融入到词向量的训练过程，获得属性情感词向量；c）若未满足迭代停止条件，则将属性情感误差反向传播更新词向量；d）输出属性情感词向量。本发明专利技术通过采用深度学习技术将产品的属性和情感信息融入到词向量特征的自动学习中，自动获得产品的属性情感词向量特征，不需要传统自然语言处理中人工设计特征的方法，避免了分步策略造成的误差传播和叠加，也克服了情感词只能具有单一情感极性束缚的难题。

【技术实现步骤摘要】
一种属性情感词向量的深度学习方法
本专利技术涉及到互联网产品评论的情感分析，涉及采用深度学习技术获得产品属性情感词向量表达，涉及将属性和情感信息融入到传统语义词向量表达的方法。
技术介绍
随着互联网和电子商务的快速发展，网上购物对人们消费模式产生巨大的影响。各种电商平台，如淘宝、京东、一号店等涵盖了成千上万种的产品。在没有接触实际产品的情况下选购产品，用户的产品评论信息具有很高的参考价值，但对成千上万条评论进行逐条浏览或者通过人工规则进行归纳都很费时费力，应用自然语言处理和机器学习的方法对产品评论进行深度自动挖掘，呈现简明直观的“大家印象”在很大程度上可以改善和提升用户体验。正是因为产品评论挖掘有着强大的现实应用意义和重要的科学研究价值，情感分析(sentimentanalysis,SA)成为越来越多的研究者和工业界的兴趣焦点。传统的产品情感分析通常采用分步法：(1)第一步是属性抽取，即采用传统自然语言处理技术，从用户评论中抽取产品(服饰，数码，食品等)的属性描述(质量，颜色，分辨率，口感等)片段；(2)第二步是情感分析，即根据已构建好的情感词典和由专家人工设计的自然语言特征，采用机本文档来自技高网...

【技术保护点】
一种属性情感词向量的深度学习方法，其特征在于，该方法包括如下步骤：步骤一：将电子商务网站产品评论的“大家印象”标签作为属性情感标签自动标注产品评论数据集，初始化词向量；步骤二：提出深度学习模型ASWV将评论中蕴含的属性情感信息融入到词向量的训练过程，获得属性情感词向量；步骤三：如果未满足迭代停止条件，则将属性情感误差反向传播更新属性情感词向量；步骤四：输出属性情感词向量。

【技术特征摘要】
1.一种属性情感词向量的深度学习方法，其特征在于，该方法包括如下步骤：步骤一：将电子商务网站产品评论的“大家印象”标签作为属性情感标签自动标注产品评论数据集，初始化词向量；步骤二：提出深度学习模型ASWV将评论中蕴含的属性情感信息融入到词向量的训练过程，获得属性情感词向量；步骤三：如果未满足迭代停止条件，则将属性情感误差反向传播更新属性情感词向量；步骤四：输出属性情感词向量。2.如权利要求1所述的方法，其特征在于，所述步骤一中自动标注产品评论数据集，初始化词向量，包括如下步骤：步骤a1：将淘宝和京东电子商务网站产品评论的“大家印象”标签作为属性情感标签，自动标注产品评论数据集；步骤a2：在自动标注数据集上采用谷歌word2vec框架中的Skip-gram模型或者CBOW模型训练得到预训练的传统语义词向量字典；步骤a3：通过查表，将产品评论句子中的词初始化为词向量。3.如权利要求1所述的方法，其特征在于，所述步骤二中提出深度学习模型ASWV将评论中蕴...

【专利技术属性】
技术研发人员：兰曼，王飞翔，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：上海,31