一种电影评论情感分析模型及装置制造方法及图纸

本发明专利技术属于数据分析技术领域，具体为一种电影评论情感分析模型及装置，包括以下算法流程：步骤一：CNN网络模块，卷积神经网络(CNN)包含了一个可以计算卷积，包括输入层、卷积层、池化层和全连接层；步骤二：RNN网络模块，循环神经网络的输入数据的往往是以序列的形式出现，对于数据读取方式则是采取了递进读取，网络中的相关节点是以链接式递归神经网络进行排列；本发明专利技术提出的算法在引入的注意力机制之后，在验证集上效果提升显著，最高的准确率达到94％左右，测试集则在93％左右，召回率，F1均值也有所提升，LSTM‑Attention模型也在一定程度上提升了在中评和差评和处的准确率，从混淆矩阵的输出结果也可以看出，LSTM‑Attention模型对于中评性能的具有一定的提升。

【技术实现步骤摘要】
一种电影评论情感分析模型及装置
本专利技术涉及数据分析
，具体为一种电影评论情感分析模型及装置。
技术介绍
随着改革开放的脚步不断向前大步迈进深化发展，文化领域得到了空前的发展，其中电影领域的发展尤为瞩目，创作数量陡增，类型众多。与此同时伴随着互联网的发展，越来越多的视频网站、电影购票平台、影评平台出现的推动也功不可没。大量电影评论的出现，为研究电影评论情感走向提供了大量文本数据。情感分析通过对文本信息分别采用定性和定量两种不同分析手段，对于用户的评论做出情感趋向预测识别。大量出现的电影评论文本为文本情感分类提供了可靠的数据集来源。对于电影市场不断扩大的趋向，市场需要对观众对交换观影反馈做出情感分析以助于电影的宣传和进一步推广。由此可见，电影评论的情感分析对于分析电影市场走向有着极为极为重要指导作用。由于电影评论数据广泛的存在于互联网电影视频平台，但是由于电影评论往往呈现出缺失统一的标准化发表模式，因此电影评论的结构往往缺乏一定的统一规定，大量的未经处理过的原始非规则的语料充斥网络，因此在对电影评论数据集进行情感分析前，需本文档来自技高网...

【技术保护点】
1.一种电影评论情感分析模型，其特征在于，包括以下算法流程：/n步骤一：CNN网络模块，卷积神经网络(CNN)包含了一个可以计算卷积，包括输入层、卷积层、池化层和全连接层；/n步骤二：RNN网络模块，循环神经网络的输入数据的往往是以序列的形式出现，对于数据读取方式则是采取了递进读取，网络中的相关节点是以链接式递归神经网络进行排列；/n步骤三：LSTM网络模块，在LSTM的网络构造中，使用复杂的非线性单元堆叠，从而构造深层次网络，解决传统RNN网络中的梯度消失和爆炸问题；/n步骤四：GRU网络，GRU作为循环神经网络的变形网络，在具体时序性任务问题中，着重解决了在网络的反向传播中对于序列的输入问...

【技术特征摘要】
1.一种电影评论情感分析模型，其特征在于，包括以下算法流程：
步骤一：CNN网络模块，卷积神经网络(CNN)包含了一个可以计算卷积，包括输入层、卷积层、池化层和全连接层；
步骤二：RNN网络模块，循环神经网络的输入数据的往往是以序列的形式出现，对于数据读取方式则是采取了递进读取，网络中的相关节点是以链接式递归神经网络进行排列；
步骤三：LSTM网络模块，在LSTM的网络构造中，使用复杂的非线性单元堆叠，从而构造深层次网络，解决传统RNN网络中的梯度消失和爆炸问题；
步骤四：GRU网络，GRU作为循环神经网络的变形网络，在具体时序性任务问题中，着重解决了在网络的反向传播中对于序列的输入问题核梯度消失问题的解决；
步骤五：LSTM-Attention网络，对LSTM模型进行改进，引入Attention注意力机制，设计LSTM-Attention模型。


2.根据权利要求1所述的一种电影评论情感分析模型，其特征在于，所述步骤一中：
输入层，不同维度的卷积神经网络的输入层的数据维度分为三种不同维度的输入数据形式，输入数据既可以低维的数据也可以是高维...

【专利技术属性】
技术研发人员：包铁，邱禹臣，彭涛，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22