一种情感分析模型训练优化方法、系统和存储介质技术方案

本发明专利技术公开了一种情感分析模型训练优化方法，包括如下步骤：第一步，获取文本和情感标签，并输入模型的自注意力机制模块；第二步，通过自注意力机制模块将文本和情感标签进行特征融合，得到融合表示标识；第三步，将融合表示标识输入模型的多层感知器模块并进行计算，得到文本和情感标签的匹配度；基于匹配度优化损失函数使模型达到收敛状态，得到优化模型；第四步，通过优化模型对输入的待预测文本进行情感分析操作；通过上述方式，本发明专利技术实现了对文本的情感分析，提高了分析准确度。

【技术实现步骤摘要】
一种情感分析模型训练优化方法、系统和存储介质
本专利技术涉及情感分析
，特别是涉及一种情感分析模型训练优化方法、系统和存储介质。
技术介绍
情感分析(SentimentAnalysis)是指利用自然语言处理和挖掘文本技术，对带有情感色彩的主观性文本进行分析、处理和抽取的过程；目前，文本情感分析研究涵盖了包括自然语言处理、文本挖掘、信息检索、信息抽取、机器学习和本体学等多个领域，得到了许多学者以及研究机构的关注，近几年持续成为自然语言处理和文本挖掘领域研究的热点问题之一。现在情感分析解决方案大多是将其视为一个多分类任务，即输入待分析文本后，经过BERT模型将句子表示成一个向量，然后基于该向量进行多分类预测，输出正向、中性和负向情感的概率，最后取概率最高的情感类别做为输出类别；现有技术的缺陷在于，在表示阶段仅仅使用输入文本信息，情感标签只在最后输出层做为概率计算的依据，缺乏情感标签的表示，导致情感分析不够准确。
技术实现思路
本专利技术主要解决的技术问题是提供一种情感分析模型训练优化方法、系统和存储介质，能够解决缺本文档来自技高网...

【技术保护点】
1.一种情感分析方法情感分析模型训练优化方法，其特征在于，模型包括自注意力机制模块和多层感知器模块，所述方法包括如下步骤：/n获取文本和情感标签，并输入所述模型的所述自注意力机制模块；/n通过所述自注意力机制模块将所述文本和所述情感标签进行特征融合，得到融合表示标识；/n将所述融合表示标识输入所述多层感知器模块并进行计算，得到所述文本和所述情感标签的匹配度；/n基于所述匹配度优化损失函数使所述模型达到收敛状态，得到优化模型；/n通过所述优化模型对输入的待预测文本进行情感分析操作。/n

【技术特征摘要】
1.一种情感分析方法情感分析模型训练优化方法，其特征在于，模型包括自注意力机制模块和多层感知器模块，所述方法包括如下步骤：
获取文本和情感标签，并输入所述模型的所述自注意力机制模块；
通过所述自注意力机制模块将所述文本和所述情感标签进行特征融合，得到融合表示标识；
将所述融合表示标识输入所述多层感知器模块并进行计算，得到所述文本和所述情感标签的匹配度；
基于所述匹配度优化损失函数使所述模型达到收敛状态，得到优化模型；
通过所述优化模型对输入的待预测文本进行情感分析操作。


2.根据权利要求1所述的情感分析模型训练优化方法，其特征在于，所述通过所述自注意力机制模块将所述文本和所述情感标签进行特征融合，得到融合表示标识，进一步包括如下步骤：
通过所述自注意力机制模块将所述文本进行特征融合；
通过所述自注意力机制模块将所述情感标签进行特征融合；
通过所述自注意力机制模块将特征融合后的文本和特征融合后的情感标签进行特征融合，得到所述融合表示标识。


3.根据权利要求1所述的情感分析模型训练优化方法，其特征在于，所述基于所述匹配度优化损失函数使所述模型达到收敛状态，进一步包括如下步骤：
基于所述匹配度采用梯度回传算法优化损失函数，使所述模型达到收敛状态。


4.根据权利要求1所述的情感分析模型训练优化方法，其特征在于，所述通过所述优化模型对输入的待预测文本进行情感分析操作，进一步包括如下步骤：
获取待预测文本和若干情感标签...

【专利技术属性】
技术研发人员：辛永欣，
申请(专利权)人：山东英信计算机技术有限公司，
类型：发明
国别省市：山东;37