融合图卷积神经网络的文本情感分类系统技术方案

本发明专利技术涉及一种融合图卷积神经网络的文本情感分类系统。包括：数据预处理模块，用于构造用户与用户关系图和用户与产品关系图；评论文本预处理模块，用于对文档文本进行特征化处理；基于循环神经网络的编码模块，获取单词级别和句子级别的编码；基于图卷积神经网络的用户和产品特征提取模块，获取用户和产品的向量表示；用户产品记忆模块，获取具有代表性的用户和产品信息的向量表示；注意力机制模块，分别获取用户和产品的句子和文档表示向量；预测情感极性模块，利用分类函数得到最终的情感分类结果。本发明专利技术能够有效的学习用户与用户之间和产品与产品之间的内联关系，并通过用户层次和产品层次的分层注意力网络，最终识别出文本的情感类别。的情感类别。的情感类别。

【技术实现步骤摘要】
融合图卷积神经网络的文本情感分类系统


[0001]本专利技术涉及情感分析和观点挖掘领域，更具体地，涉及一种融合图卷积神经网络的文本情感分类系统。

技术介绍

[0002]文本情感分类通常指对在线评论的文本进行挖掘，分析用户对产品的情感态度，包括观点、看法、情绪、好恶、立场等主观信息，并对上述信息做出情感倾向类别的判断。近年来，随着网络普及以及社交网站、在线评论网站等迅速发展，文本情感分类成为研究者广泛关注的研究方向。
[0003]文本情感分类研究的主要分为基于情感词典的方法、基于传统机器学习的方法和基于神经网络的方法。
[0004]基于情感词典的文本情感分类，是指由不同情感词典提供的情感词的情感极性，来实现情感极性的划分。首先是文本输入，通过数据的预处理，接着进行分词操作，然后将情感词典中的不同类型和程度的词语放入模型最后根据情感判断规则将情感类型输出。基于情感词典的方法可以准确反映文本的非结构化特征。但这种方法，当情感词覆盖率和准确率高时，效果比较准确。随着信息的技术的高速发展，出现了越来越多的网络新词，原有的情感词典不能很好的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合图卷积神经网络的文本情感分类系统，其特征在于，包括：一数据预处理模块，用于构造用户与用户关系图和用户与产品关系图；一评论文本预处理模块，用于对文档文本进行特征化处理；一基于循环神经网络的编码模块，获取单词级别和句子级别的编码；一基于图卷积神经网络的用户和产品特征提取模块，获取用户和产品的向量表示；一用户产品记忆模块，获取具有代表性的用户和产品信息的向量表示；一注意力机制模块，分别获取用户和产品的句子和文档表示向量；一预测情感极性模块，利用分类函数得到最终的情感分类结果。2.根据权利要求1所述的融合图卷积神经网络的文本情感分类系统，其特征在于，所述数据预处理模块，根据文档中的用户信息、产品信息、标签信息，构造用户与用户关系图和用户与产品关系图。3.根据权利要求1所述的融合图卷积神经网络的文本情感分类系统，其特征在于，所述评论文本预处理模块，利用SkipGram模型提取文本的语义向量。4.根据权利要求1所述的融合图卷积神经网络的文本情感分类系统，其特征在于，所述基于循环神经网络的编码模块，利用双向LSTM对单词和句子进行编码，捕捉单词和句子的上下文信息，获取单词...

【专利技术属性】
技术研发人员：廖祥文，林建洲，陈甘霖，林树凯，王灿杰，
申请(专利权)人：福州大学，
类型：发明
国别省市：