文本的情感分析方法、情感分析装置及终端制造方法及图纸

本发明专利技术适用于计算机技术领域，提供了一种文本的情感分析方法、情感分析装置、终端及计算机可读存储介质，其中，所述情感分析方法包括：获取目标文本对应的第一文本向量；利用已训练的门结构的循环神经网络对所述第一文本向量进行处理，将所述目标文本的上下文时序信息融合到所述第一文本向量，得到第二文本向量；对所述第二文本向量进行池化，得到所述目标文本的语义特征；基于所述语义特征，确定所述目标文本的情感分析结果。本发明专利技术能够提高文本的情感分析结果的准确性。

【技术实现步骤摘要】
文本的情感分析方法、情感分析装置及终端
本专利技术属于计算机
，尤其涉及一种文本的情感分析方法、情感分析装置、终端及计算机可读存储介质。
技术介绍
目前，主流的情感分析方法有三类：一类是基于情感词典的方法，这类方法主要依赖于情感词典，并通过人为设计的规则进行情感分析；第二类是传统的基于机器学习的方法，这类方法需首先挖掘出词语的特征，再使用如支持向量机(Sup-portVectorMachine，SVM)、朴素贝叶斯(NB)、随机森林等分类算法对文本进行情感倾向性的判断。然而，上述传统的解决文本情感分析问题的方法对上下文的词序问题有所忽略，尤其是对于一些短文本，例如评论语料，由于其内容简短，特征稀疏，含有大量未登录词使得上述方法存在数据稀疏问题，导致情感分析结果不够准确。
技术实现思路
有鉴于此，本专利技术提供了一种文本的情感分析方法、装置、终端及计算机可读存储介质，以解决现有技术中的文本情感分析方法的分析结果的不够准确的问题。本专利技术实施例的第一方面提供了一种文本的情感分析方法，包括：获取目标文本对应的第一文本向量，其中，所述目标文本表示待进行情感分析的文本；利用已训练的门结构循本文档来自技高网...

【技术保护点】
1.一种文本的情感分析方法，其特征在于，所述情感分析方法包括：获取目标文本对应的第一文本向量，其中，所述目标文本表示待进行情感分析的文本；利用已训练的门结构循环神经网络对所述第一文本向量进行处理，将所述目标文本的上下文时序信息融合到所述第一文本向量，得到第二文本向量；对所述第二文本向量进行池化，得到所述目标文本的语义特征；基于所述语义特征，确定所述目标文本的情感分析结果。

【技术特征摘要】
1.一种文本的情感分析方法，其特征在于，所述情感分析方法包括：获取目标文本对应的第一文本向量，其中，所述目标文本表示待进行情感分析的文本；利用已训练的门结构循环神经网络对所述第一文本向量进行处理，将所述目标文本的上下文时序信息融合到所述第一文本向量，得到第二文本向量；对所述第二文本向量进行池化，得到所述目标文本的语义特征；基于所述语义特征，确定所述目标文本的情感分析结果。2.根据权利要求1所述的文本的情感分析方法，其特征在于，所述获取目标文本对应的第一文本向量包括：对所述目标文本进行分词处理，得到所述目标文本的词集合；计算所述词集合中每个词对应的词向量；基于所述词集合中每个词对应的词向量确定所述目标文本对应的第一文本向量。3.根据权利要求2所述的文本的情感分析方法，其特征在于，所述对所述目标文本进行分词处理，得到所述目标文本的词集合包括：对所述目标文本进行分词处理，得到多个分词；去除所述多个分词中的停用词，将去除停用词后得到的分词根据其在目标文本中的位置形成词集合。4.根据权利要求1至3任一项所述的文本的情感分析方法，其特征在于，在所述利用已训练的门结构循环神经网络对所述第一文本向量进行处理之前还包括：创建门结构循环神经网络，并利用已标注情感类别的训练文本对创建的门结构循环神经网络进行训练，确定所述门结构循环神经网络的参数，得到已训练的门结构循环神经网络。5.根据权利要求1至3任一项所述的文本的情感分析方法，其特征在于，所述对所述第二文本向量进行池化，得到所述目标文本的语义特征包括：对所述第二文本向量进行均值池化，得到所述目标文本的语义特征。6...

【专利技术属性】
技术研发人员：任晓德，吴又奎，高健强，
申请(专利权)人：中科恒运股份有限公司，
类型：发明
国别省市：河北,13