一种端到端的基于方面的情感分析方法技术

本发明专利技术公开了一种端到端的基于方面的情感分析方法，包含如下步骤：S1，确定情感分析的数据集，所述数据集包括训练集、验证集和测试集；S2，读入数据集，对数据集进行标记，并导入词向量；S3，通过pytorch库搭建设计的模型，输入相应的数据，并得到相应的输出；S4，利用训练集，验证集对模型进行训练，得到训练好的模型进而得到情感分析结果。本发明专利技术不需要任何辅助结构的模型，通俗易懂，结构比较简单，而且解决了上述的那些辅助结构解决的问题，模型的效果更好。

【技术实现步骤摘要】
一种端到端的基于方面的情感分析方法
本专利技术涉及自然语言处理领域，特别涉及一种端到端的基于方面的情感分析方法。
技术介绍
情感分析主要应用与互联网产生的大量非结构化数据，通过情感分析技术，将其转换为结构化数据，从而得到网友对于一些事情事物的看法及态度，在商业应用以及舆情分析中有着很重要的应用。通常，在分析目标的情感时，可能不仅对整体的情感态度感兴趣，而且对目标的各个方面的情感态度有兴趣，而这就是基于方面的情感分析。现在的主要情感分析方法有基于字典的跟机器学习的。其中机器学习领域中的深度学习应用更加广泛，被越来越多的研究人员研究。但是目前的情感分析的深度学习模型比较复杂，利用了各种辅助结构，模型比较繁琐。例如为了解决方面短语跟观点短语关系以及标签序列之间的关系，分别引入辅助结构去解决问题。为了解决以上的问题，我们提供了一种端到端的基于方面的情感分析方法。上述系统是一种端到端的，不需要任何辅助结构的模型，模型通俗易懂，结构比较简单，而且解决了上述的那些辅助结构解决的问题，模型的效果更好。专利技术内容本专利技本文档来自技高网...

【技术保护点】
1.一种端到端的基于方面的情感分析方法，其特征在于，包含如下步骤：/nS1，确定情感分析的数据集，所述数据集包括训练集、验证集和测试集；/nS2，读入数据集，对数据集进行标记，并导入词向量；/nS3，通过pytorch库搭建设计的模型，输入相应的数据，并得到相应的输出；/nS4，利用训练集，验证集对模型进行训练，得到训练好的模型进而得到情感分析结果。/n

【技术特征摘要】
1.一种端到端的基于方面的情感分析方法，其特征在于，包含如下步骤：
S1，确定情感分析的数据集，所述数据集包括训练集、验证集和测试集；
S2，读入数据集，对数据集进行标记，并导入词向量；
S3，通过pytorch库搭建设计的模型，输入相应的数据，并得到相应的输出；
S4，利用训练集，验证集对模型进行训练，得到训练好的模型进而得到情感分析结果。


2.如权利要求1所述的端到端的基于方面的情感分析方法，其特征在于，所述的步骤S2包括：
S2.1，将数据集读入内存，并将数据集进行小写处理，同时将数据集的标签转换为符合的标签；
S2.2，创建字典以及标签集合，并进行标记，同时将数据集的输入语句以及对应的标签序列进行标记；
S2.3，读入预训练好的词向量。


3.如权利要求1所述的端到端的基于方面的情感分析方法，其特征在于，所述的步骤S3包括：
S3.1，搭建查找表，将数据集的输入语句进行向量化，将自然文本转化为计算机可以理解的数据；
S3.2，搭建双向长短期记忆网络层，所述的双向长短期记忆网...

【专利技术属性】
技术研发人员：董永川，邹乔莎，史传进，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海;31