【技术实现步骤摘要】
融合注意力的方面级用户评论文本情感分析方法及系统
[0001]本申请涉及自然语言处理和深度学习
，特别是涉及融合注意力的方面级用户评论文本情感分析方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提到了与本申请相关的
技术介绍
，并不必然构成现有技术。
[0003]随着社交网络的兴起，越来越多地人在网络上发表意见和表达态度，通过对这些文本的分析可以帮助我们了解不同人对于不同事物所持有的看法和态度。目前，如何利用自然语言处理技术来分析社交网络短文本的情感倾向，已成为研究人员关注的热点领域之一。这在商业应用以及舆情分析中有着很重要的应用。
[0004]文本情感分析是指对包含用户表示的观点、情感等的主观性文本进行检测、分析以及挖掘。方面级别的情感分析是情感分析的一个子任务，属于自然语言处理领域中的一项细粒度任务，目的是确定句子中出现的特定方面的情感极性(如积极、消极和中性)。
[0005]近年来，方面级别的情感分析受到了业界和学术界的广泛关注。针对情感分析任务的研究方法包括传统的机器学习方法和神经网络...
【技术保护点】
【技术特征摘要】
1.融合注意力的方面级用户评论文本情感分析方法，其特征是，包括：获取待分析的用户评论文本；所述待分析的用户评论文本，包括：方面词汇，和方面词汇的上下文文本；将待分析的用户评论输入到训练后的方面级用户评论文本情感分析模型中，输出待分析用户评论文本的情感类型；基于待分析用户评论文本的情感类型，推荐对应的产品或服务。2.如权利要求1所述的融合注意力的方面级用户评论文本情感分析方法，其特征是，所述方面级用户评论文本情感分析模型，包括：两个并列的支路；其中一个支路，包括依次连接的第一嵌入层、第一多头注意力机制层、第一点卷积变换层、第一隐藏层、位置编码层、图卷积网络层GCN、双向注意力层、全连接层和分类层；另外一个支路，包括依次连接的第二嵌入层、第二多头注意力机制层、第二点卷积变换层、第二隐藏层和加权融合层；其中，第一隐藏层的输出端，还通过平均池化层与加权融合层的输入端连接；加权融合层的输出端与双向注意力层输入端连接；第一嵌入层的输出端，还与第二多头注意力机制层的输入端连接。3.如权利要求2所述的融合注意力的方面级用户评论文本情感分析方法，其特征是，所述第一嵌入层和第二嵌入层，均用于对输入的文本进行词嵌入处理，得到方面词汇的向量矩阵和上下文文本的向量矩阵。4.如权利要求2所述的融合注意力的方面级用户评论文本情感分析方法，其特征是，所述第一多头注意力机制层和第二多头注意力机制层，多头注意力的每个头为每个词的分配权重，然后将每一个注意力头的输出连接；所述位置编码层，用于使用位置编码对输入值进行编码处理，使文本信息具有位置感知。5.如权利要求2所述的融合注意力的方面级用户评论文本情感分析方法，其特征是，所述方面级用户评论文本情感分析模型，工作原理包括：将待分析的用户评论文本输入到第一嵌入层，第一嵌入层对输入的用户评论文本进行嵌入表示，得到用户评论文本的向量矩阵；将用户评论文本的向量矩阵，输入到第一多头注意力机制层进行并行计算；将第一多头注意力机制层的输出值输入到第一点卷积变换层进行转换处理得到第一中间变量；将第一中间变量，输入到第一隐藏层中，获取用户评论文本的第一隐藏向量表示；将用户评论文本的第一隐藏向量表示，输入到位置编码层，进行编码处理，得到带有位置信息的位置感知表示；将带有位置信息的位置感知表示，输入到图卷积网络中进行处理；得到第一长距离...
【专利技术属性】
技术研发人员：刘培玉，刘杰，朱振方，李筱雯，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：
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。