【技术实现步骤摘要】
基于双通道卷积记忆神经网络的文本情感分析方法
本专利技术属于自然语言处理
，具体涉及一种基于双通道卷积记忆神经网络的文本情感分析方法。
技术介绍
随着我国电子商务的健康发展，流量红利期已过，客户成本越来越高。电子商务企业如何识别客户消费偏好，开展精准营销，降低竞争成本，是每个企业必备功课。商品评论数据是电子商务交易完成后，客户对产品的质量、价格、服务等方面的评价。商品评论数据已成为企业获取客户消费偏好、开展精准营销的重要信息来源。这种评价集往往带有很强的情感倾向。研究客户的情感倾向既能度量客户对企业的认可度，也能挖掘客户的消费偏好。目前，文本情感分析领域主要分为三个研究方向。第一个是基于规则和词典的方法：这种方法借助人工构建的情感词典和专家总结的规则来识别文本的情感，一般不考虑词之间的语义关联，仅仅是将文本看成是词与词的集合。基于情感词典的文本情感分类方法性能过于依赖词典的质量，对网络新词和表情符号的区分能力不强。第二个是基于机器学习的方法：此方法运用机器学习分类器，通过人工选择的语言学特征进行训练，用训练好的分类器识别文本的情感，常用的分类器有朴素贝叶斯、...
【技术保护点】
1.一种基于双通道卷积记忆神经网络的文本情感分析方法，其特征在于，包括以下步骤：步骤S1:将原始商品评论文本进行预处理得到训练集与测试集，所述文本包含多个单词；步骤S2:将所述训练集中预处理好的一句所述文本进行训练，得到训练文本向量矩阵，作为神经网络双通道输入的一个通道；同时创建并通过五种词语特征词典对所述训练文本的单词进行匹配并设置情感权重值，得到所述训练文本的扩展特征向量矩阵，作为所述神经网络双通道输入的另一个通道；再将所述训练文本向量矩阵与所述扩展特征向量矩阵进行拼接，组成一个第一向量矩阵作为LSTM神经网络的输入；步骤S3:利用LSTM神经网络得到所述第一向量矩阵中...
【技术特征摘要】
1.一种基于双通道卷积记忆神经网络的文本情感分析方法，其特征在于，包括以下步骤：步骤S1:将原始商品评论文本进行预处理得到训练集与测试集，所述文本包含多个单词；步骤S2:将所述训练集中预处理好的一句所述文本进行训练，得到训练文本向量矩阵，作为神经网络双通道输入的一个通道；同时创建并通过五种词语特征词典对所述训练文本的单词进行匹配并设置情感权重值，得到所述训练文本的扩展特征向量矩阵，作为所述神经网络双通道输入的另一个通道；再将所述训练文本向量矩阵与所述扩展特征向量矩阵进行拼接，组成一个第一向量矩阵作为LSTM神经网络的输入；步骤S3:利用LSTM神经网络得到所述第一向量矩阵中每一个单词向量的上下文情感特征关系，基于该情感特征关系调整所述单词向量的情感权重值，得到矫正情感权重值，生成具有上下文情感特征关系的感情向量矩阵。步骤S4:利用卷积神经网络CNN的3种尺寸的卷积核将所述感情向量矩阵对应的所述单词向量按不同单词数量组合方式得到多个词组序列，并筛选其中所述矫正情感权重值最高的词组序列；步骤S5:分别对所述词组序列中每个所述感情特征的所述矫正情感权重值进行计算情感类别的概率，根据所得概率赋予对应的所述文本的文本情感标签；步骤S6:将计算所得的文本情感标签与该文本的人工情感标记进行对比，根据对比结果通过Adam算法最小化交叉熵损失函数，调整LSTM和CNN神经网络的权重矩阵参数，使得所述文本情感标签与所述人为感情评价一致；步骤S7:重复步骤S2-步骤S6直至所述训练集中的全部所述文本进行训练，将对应的所述扩展...
【专利技术属性】
技术研发人员：应捷，苏灵松，肖昊琪，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。