一种基于深度学习的评论词情感分析方法及系统技术方案

本发明专利技术公开了一种基于深度学习的评论词情感分析方法及系统，其中方法包括如下步骤：接收待评论文本，将待评论文本进行分词，得到词语序列；利用词向量生成模型将词语序列转换为对应的词向量序列；根据领域情感词典判断词语序列是否包括情感倾词，根据情感倾向词得到其对应的扩展向量，将扩展向量添加至词向量序列；将添加扩展词向量的词向量序列输入至情感判断模型，输出判断结果。本发明专利技术基于领域情感词典对传统的词向量进行扩展，增强了领域情感词的信息强度，能够精确识别在特定领域中才具有情感倾向，有效提高了情感倾向分析的准确性。

Sentiment analysis method and system for comment words based on deep learning

The invention discloses a deep learning based on comments word sentiment analysis method and system, wherein the method comprises the following steps: receiving the comment text to comment text segmentation, get the sequence of words; the word vector generation model word sequence into a word vector corresponding to the sequence of words; judging whether the sequence of words including emotional inclination according to the field of emotion dictionary, based on the extended vector sentiment words to get the corresponding, will be added to the extended vector vector sequence; word vector sequence input to the emotion judgment model is extended word vector will be added, the judgment result is output. The invention of the traditional field of emotion dictionary word vector based on extended, enhanced information field intensity of emotion words, can accurately identify with emotional tendencies in specific areas, effectively improve the accuracy of sentiment analysis.

【技术实现步骤摘要】
一种基于深度学习的评论词情感分析方法及系统
本专利技术涉及情感分析及自然语言处理
，具体涉及一种基于深度学习的评论词情感分析方法及系统。
技术介绍
在互联网日益发达的今天，许多用户不管是通过电商网站或者线下门店购买商品后，包括买车、买手机，都会到品牌官网或者一些专业网站、社交媒体去发表对产品的评价。对于买家来说，评论是了解一款产品真实情况的重要途径。对于商家而言，评论则是了解客户反馈、了解产品优势和潜在问题的第一手渠道。因此，对评论数据的挖掘分析目前有着相当大的市场需求。判断评论的情感倾向，即一个评论文本是表达正面情感还是负面情感，是评论分析的核心。当下业界最热门的情感分析方法，主要是基于深度学习技术。深度学习无需特征工程，也就不需要使用传统方法经常用到的情感词典。但不使用情感词典也存在弊端，相当于弱化了情感词表达的倾向信息。尤其在处理较为专业的垂直领域评论文本的情感分析时，会导致准确率不高。
技术实现思路
本专利技术的目的是提高评论文本的情感分析的准确率。为了实现上述目的，本专利技术提供了一种基于深度学习的评论词情感分析方法，包括如下步骤：接收待评论文本，将待评论文本进行分词，得本文档来自技高网...

【技术保护点】
一种基于深度学习的评论词情感分析方法，其特征在于，包括如下步骤：接收待评论文本，将待评论文本进行分词，得到词语序列；利用词向量生成模型将词语序列转换为对应的词向量序列；根据领域情感词典判断词语序列是否包括情感倾词，根据情感倾向词得到其对应的扩展向量，将扩展向量添加至词向量序列；将添加扩展向量的词向量序列输入至情感判断模型，输出判断结果。

【技术特征摘要】
1.一种基于深度学习的评论词情感分析方法，其特征在于，包括如下步骤：接收待评论文本，将待评论文本进行分词，得到词语序列；利用词向量生成模型将词语序列转换为对应的词向量序列；根据领域情感词典判断词语序列是否包括情感倾词，根据情感倾向词得到其对应的扩展向量，将扩展向量添加至词向量序列；将添加扩展向量的词向量序列输入至情感判断模型，输出判断结果。2.根据权利要求1所述的基于深度学习的评论词情感分析方法，其特征在于，所述利用词向量生成模型将词语序列转换为对应的词向量序列之前包括获取词向量训练文本；将词向量训练文本输入词向量模型进行训练，得到词向量生成模型。3.根据权利要求1所述的基于深度学习的评论词情感分析方法，其特征在于，所述将添加扩展词向量的词向量序列输入至情感判断模型之前包括构建情感分析模型；利用情感倾向词对情感分析模型进行训练，得到情感判断模型。4.根据权利要求1所述的基于深度学习的评论词情感分析方法，其特征在于，所述根据领域情感词典判断词语序列是否包括情感倾词，根据情感倾向词得到其对应的扩展向量，将扩展向量添加至词向量序列包括构建领域情感词典；提取不同领域情感词典中的情感倾向词，根据情感倾向词类型生成情感倾向词典，其中，情感倾向词典包括正面情感词典、负面情感词典、程度词典和否定词典。5.根据权利要求1所述的基于深度学习的评论词...

【专利技术属性】
技术研发人员：纪传俊，陈运文，纪达麒，桂洪冠，江永青，
申请(专利权)人：达而观信息科技上海有限公司，
类型：发明
国别省市：上海,31