一种基于神经网络的在线文本情感分析方法技术

技术编号:31009599 阅读:20 留言:0更新日期:2021-11-30 00:05
本发明专利技术涉及一种基于神经网络的在线文本情感分析方法,包括:步骤一:对在线文本样本数据进行预处理,人工预先进行情感评定等级标注;步骤二:构建用于在线文本情感分析的初始UBPNN神经网络模型,用训练集数据训练该模型;每次计算损失函数,计算输出层神经元的梯度并反向传播更新每一层的网络参数值,直到达到停止训练条件后获取优化的UBPNN神经网络模型以及各网络参数;步骤三:采集实际文本语料数据,利用优化的UBPNN神经网络模型对数据进行处理,获取在线文本情感分析结果。本发明专利技术具有较为快速准确分析用户评论情感倾向的功能,通过分析用户评价文本自动分析并给出用户评价结果。果。果。

【技术实现步骤摘要】
一种基于神经网络的在线文本情感分析方法


[0001]本专利技术属于机器学习和文本挖掘领域,具体涉及一种基于文本的在线商品评价的情感分析方法。

技术介绍

[0002]在在线互动平台中,文本分析极大地改变了人们的交流,思维方式,促进了用户生成信息的爆炸性增长。近年来,用户生成的大量文本已成为大数据最具代表性的数据源之一。挖掘和分析用户生成的信息已成为社会发展研究的重要组成部分。作为用于分析,处理,汇总和推理带有情感的主观文本的社交媒体文本的情感分析作为一种新兴的信息处理技术,近年来在学术界和工业界都受到广泛关注,并已广泛应用于互联网的许多领域。即使在生活中,其也具有广泛的应用范围,比如在电力营业厅的服务机器人的用户交互领域,传统的情感分析研究工作主要侧重于分析文本情感,却忽略了用户在情感表达上的个体差异,从而影响了分析结果的质量。为解决这些问题,本专利技术旨在解决个性化情感分析问题。考虑到BP神经网络技术在社交媒体处理中的广泛应用,本专利技术提出了多种基于BP神经网络的模型来将社交媒体文本个性化情感分析方法应用于在线商品评论。<br/>[0003]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的在线文本情感分析方法,其特征在于,包括:步骤一:对在线文本样本数据进行预处理,人工预先进行情感评定等级标注;步骤二:构建用于在线文本情感分析的初始UBPNN神经网络模型,用训练集数据训练该模型;每次计算损失函数,计算输出层神经元的梯度并反向传播更新每一层的网络参数值,直到达到截止条件后获取优化的UBPNN神经网络模型以及各网络参数;步骤三:采集实际文本语料数据,利用优化的UBPNN神经网络模型对数据进行处理,获取在线文本情感分析结果。2.根据权利要求1所述的一种基于神经网络的在线文本情感分析方法,其特征在于,将样本数据分为训练集和验证集,用训练集中的数据训练UBPNN神经网络模型,用验证集中的数据进行验证。3.根据权利要求1所述的一种基于神经网络的在线文本情感分析方法,其特征在于,所述步骤二中构建用于在线文本情感分析的初始UBPNN神经网络模型,用训练集数据训练该模型包括:将输入句子所有单词的词嵌入作为句子的语义表示;对于输入的语义表示,使用矩阵乘法的线性运算和非线性激活函数来获取隐藏层的语义表示;输入隐藏层的语义表示,使用降维操作获得句子级别的语义表示;将句子表示形式与用户表示形式结合输入到分类层中,合并用户信息在句子级别上的作用;分类层将获得的向量映射到二维情感空间中,并使用softmax方法进行情感分类;模型输入:训练集D={((x
1k
,...,x
dk
),(y
1k
,...,y
5k
),u
k
)},k=1,...,M,M是训练数据的数量;模型输出:训练完成的优化后UBPNN神经网络以及网络参数;其中,(x
1k
,...,x
dk
)为词向量,(y
1k
,...,y
5k
)为隐藏层输出,u
k
为人工预先标注的用于表示用户特征的情感评定等级。4.权利要求3述的一种基于神经网络的在线文本情感分析方法,其特征在于,所述训练集D为对原始在线文本样本数据中的句子进行分词、去停用词处理后获得的。5.权利要求3述的一种基于神经网络的在线文本情感分析方法,其特征在于,所述构建在线文本情感分析UBPNN神经网络模型,具体包括:均匀分布网络中的参数并随机初始化;...

【专利技术属性】
技术研发人员:王楚王忠锋李力刚崔世界邵帅于诗矛宋纯贺赵冰洁许驰卞晶黄剑龙朱江
申请(专利权)人:国网江苏省电力有限公司营销服务中心
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1