句子的情感极性分析方法、装置及存储介质制造方法及图纸

本发明专利技术提出一种句子的情感极性分析方法、装置和计算机可读存储介质。其中，句子的情感极性分析方法包括：利用机器学习模型对句子的情感极性进行分析，得到表示所述句子的情感极性的结果向量，所述机器学习模型包括决策树模型、分类器模型、卷积神经网络模型和循环神经网络模型中至少两种；利用逻辑回归模型拟合所述结果向量，得到所述句子的情感极性。本发明专利技术实施例中，通过多模型深度融合的句子极性分析法进行深层次语义分析，极性判断准确率高。

Analysis method, device and storage medium of emotional polarity of sentences

【技术实现步骤摘要】
句子的情感极性分析方法、装置及存储介质
本专利技术涉及信息
，尤其涉及一种句子的情感极性分析方法、装置及计算机可读存储介质。
技术介绍
舆情分析是根据特定问题的需要，对针对这个问题的舆情进行深层次的思维加工和分析研究，得到相关结论的过程。在舆情分析中，通常比较关心一些新闻或者微博表达出的情感，通过情感判断用户对产品的情感倾向，而对较长文本的情感判断是以句子情感极性判断为基础的。因而如何准确判断句子的情感倾向是一个亟待解决的重要问题。现有技术的情感极性分析方法通常是基于情感词典简单地匹配，对于中性的句子判断错误率过大。另外，现有技术通常是基于情感词典进行简单的匹配和权重的累加，再加上一些简单的机器学习模型，比如fasttext(快速文本分类器)模型，对于判断深层次语义的句子情感判断不准确，无法满足任务需求。再者，现有技术对于较长的句子极性判断准确率不足。
技术实现思路
本专利技术实施例提供一种句子的情感极性分析方法、装置及计算机可读存储介质，以至少解决现有技术中的一个或多个技术问题。<br>第一方面，本专本文档来自技高网...

【技术保护点】
1.一种句子的情感极性分析方法，其特征在于，包括：/n利用机器学习模型对句子的情感极性进行分析，得到表示所述句子的情感极性的结果向量，所述机器学习模型包括决策树模型、分类器模型、卷积神经网络模型和循环神经网络模型中至少两种；/n利用逻辑回归模型拟合所述结果向量，得到所述句子的情感极性。/n

【技术特征摘要】
1.一种句子的情感极性分析方法，其特征在于，包括：
利用机器学习模型对句子的情感极性进行分析，得到表示所述句子的情感极性的结果向量，所述机器学习模型包括决策树模型、分类器模型、卷积神经网络模型和循环神经网络模型中至少两种；
利用逻辑回归模型拟合所述结果向量，得到所述句子的情感极性。


2.根据权利要求1所述的方法，其特征在于，在利用机器学习模型对句子的情感极性进行分析之前，还包括：
利用词语分析模型对情感词进行扩容以建立情感词典，所述词语分析模型包括点间互信息、词向量和实体识别程序中至少一种；
使用所述情感词典训练所述机器学习模型。


3.根据权利要求2所述的方法，其特征在于，所述决策树模型包括梯度提升决策树模型，使用所述情感词典训练所述机器学习模型，包括：
针对句子的词性特征和/或词性交叉特征构建所述梯度提升决策树模型，并使用所述情感词典训练所述梯度提升决策树模型。


4.根据权利要求2或3所述的方法，其特征在于，所述分类器模型包括快速文本分类器模型，使用所述情感词典训练所述机器学习模型，还包括：
针对句子的N-Gram特征构建所述快速文本分类器模型，并使用所述情感词典训练所述快速文本分类器模型。


5.根据权利要求2所述的方法，其特征在于，使用所述情感词典训练所述机器学习模型，还包括：
针对句子的语义特征构建所述卷积神经网络模型，并使用所述情感词典训练所述卷积神经网络模型。


6.根据权利要求5所述的方法，其特征在于，使用所述情感词典训练所述卷积神经网络模型，包括：将用词向量模型训练的词向量作为输入，增加预训练词向量通道。


7.根据权利要求2或3所述的方法，其特征在于，使用所述情感词典训练所述机器学习模型，还包括：
在所述循环神经网络模型中采用注意力机制，针对句子的语义特征，对长句子构建所述循环神经网络模型，并使用所述情感词典训练所述循环神经网络模型。


8.一种句子的情感极性分析装置，其特征在于，包括：
极性分析单元，用于利用机器学习模型对句子的情感极性进行分析，得到表示所述句子的情感极性的结果向量，所述机器学习模型包括决策树模型、分类器模型、卷积神经网络模型和循环...

【专利技术属性】
技术研发人员：崔路男，尹存祥，吴伟佳，韦庭，潘旭，雍倩，李云聪，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京;11