【技术实现步骤摘要】
一种情感分析方法
[0001]情感分析领域。
技术介绍
[0002]情感识别和情感分析已成为社交媒体的新趋势,随着通信技术的进步,智能手机的丰富和社交媒体的迅速崛起,网络用户通常以文本及视频的形式上传大量数据。为此,人们已经提出了一些不同的情感分析方法,包括基于传统的单峰的支持向量机的分类方法,以及基于深度学习的分类方法包括循环神经网络和卷积神经网络。为了更加准确地进行网络视频的情感分析,我们提出了一个基于注意力机制的卷积耦合输入和遗忘门网络的混合模型来分析文本的情感。
技术实现思路
[0003]本专利提出一种情感分析方法,其特征在于,所提供情感分析方法包括以下步骤:
[0004]步骤1:对文本数据集进行预处理,并将中文文本转换为128维的词向量来作为提取特征的输入数据,对训练集和测试集按照8:2进行均匀划分。具体操作为:
[0005]步骤11、对文本内容进行预处理工作,包括对文本数据进行分词处理和去除停用词,提供分类的关键信息;
[0006]步骤12、统一数据样本为128维的索引向量的形式;
[0007]步骤13、对训练集和测试集按照8:2进行均匀划分。
[0008]步骤2:拼接词向量成为词向量矩阵,依次输入卷积神经网络和耦合输入和遗忘门网络模型。具体操作为:
[0009]步骤21、提取文本特征,将文本表示为词向量矩阵x
1:l
∈R
l
×
d
,其中l表示句子的长度,d为该词向量的维度;
[0 ...
【技术保护点】
【技术特征摘要】
1.一种情感分析方法,其特征在于,所提供情感分析方法包括以下步骤:步骤1、对文本数据集进行预处理,并将中文文本转换为维度一定的词向量来作为提取特征的输入数据,对训练集和测试集按照8:2进行均匀划分;步骤2、拼接词向量成为词向量矩阵,依次输入卷积神经网络和耦合输入和遗忘门网络模型;步骤3、加入注意力机制层为各文本向量分配合适的权重,并输入softmax文本分类层,计算文本情感预测值。2.根据权利要求1所述的一种结合注意力机制的混合网络模型的情感分析方法,其特征在于,步骤1中,对文本数据集进行预处理,并将中文文本转换为维度一定的词向量来作为提取特征的输入数据,对训练集和测试集进行均匀划分,包括如下步骤:步骤11、对文本内容进行预处理工作,包括对文本数据进行分词处理和去除停用词,提供分类的关键信息;步骤12、统一数据样本词向量为128维的索引向量的形式;步骤13、将文本数据集按照8:2分为文本数据训练集和文本数据测试集。3.根据权利要求1所述的一种情感分析方法,其特征在于,步骤2中,拼接词向量成为词向量矩阵,依次输入卷积神经网络和耦合输入和遗忘门网络模型模型,包括如下步骤:步骤21、提取文本特征,将文本表示为词向量矩阵x
1:l
∈R
l
×
d
,其中l表示句子的长度,d为该词向量的维度;步骤22、使用卷积神经网络层对文本特征进行提取,卷积过程表示为:C
t
=f(w
·
x
t+k
‑1+b),其中b为该滤波器对应的偏置,ω为参与计算的权重计算矩阵,f采用了ReLu作为非线性激活函数,滤波器窗口大小为k*k,x
t+k
‑1为第t+k
‑
1个词向量;步骤23、将卷积神经网络层提取的特征向量输入耦合输入和遗忘门网络模型,学习前后词句之间的联系,耦合输入和遗忘门网络细胞更新过程可通过下列公式表示:...
【专利技术属性】
技术研发人员:邹波蓉,王康佳,王伟东,张恺,石峰,李辉,
申请(专利权)人:河南理工大学,
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。