一种基于多头注意力机制与卷积相融合的情感预警系统和方法技术方案

本发明专利技术公开了一种基于多头注意力机制与卷积相融合的情感预警系统和方法，包括实时获取并监测待检测的评论文本信息；对获取的文本进行预处理；利用BERT

【技术实现步骤摘要】
一种基于多头注意力机制与卷积相融合的情感预警系统和方法


[0001]本专利技术属于自然语言处理
，具体涉及一种基于多头注意力机制与卷积相融合的情感预警系统和方法。

技术介绍

[0002]情感分析无处不在，它是一种基于自然语言处理的分类技术。其主要解决的问题是给定一段话，判断这段话的情感倾向。例如在亚马逊网站或者推特网站中，人们会发表评论，谈论某个商品、事件或人物。商家可以利用情感分析工具知道用户对自己的产品的使用体验和评价。
[0003]当需要大规模的情感分析时，肉眼的处理能力就变得十分有限了。情感分析的本质就是根据已知的文字和情感符号，推测文字是正面的还是负面的。处理好了情感分析，可以大大提升人们对于事物的理解效率，也可以利用情感分析的结论为其他人或事物服务，比如基金公司可以利用人们对于某家公司、某个行业、某件事情的看法态度来辅助预测未来股票的涨跌。
[0004]目前大部分的情感预警方案，即对文本进行预测情感以及预警反馈，都是对整个文本做一个总体的情感预测，并没有进行细粒度的情感预测。与传统情感分析不同，细粒度情感分析旨本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多头注意力机制与卷积相融合的情感预警系统，其特征在于，包括：文本监测获取模块，用于实时获取并监测待检测的评论文本信息；预处理模块，用于对文本监测模块中获取的文本进行预处理；情感分析模块，用于利用BERT
‑
DPCNN模型和多头子注意力模型对预处理后的文本进行细粒度情感分析；警报模块，用于当检测文本信息达到警报阈值时生成警报信息进行反馈。2.根据权利要求1所述的一种基于多头注意力机制与卷积相融合的情感预警方法，其特征在于，包括：步骤1、实时获取并监测待检测的评论文本信息；步骤2、对步骤1获取的文本进行预处理；步骤3、利用BERT
‑
DPCNN模型和多头子注意力模型对步骤2预处理后的文本进行细粒度情感分析，包括基于多头子注意力模型提取方面项以及基于BERT
‑
DPCNN模型预测文本情感极性；步骤4、当检测文本信息达到警报阈值时生成警报信息进行反馈。3.根据权利要求2所述的一种基于多头注意力机制与卷积相融合的情感预警方法，其特征在于，步骤1所述实时获取并监测待检测的评论文本信息，包括：通过Selenium ChromeDriver操作浏览器内核获取客户通过客户端填写发布的评论数据。4.根据权利要求2所述的一种基于多头注意力机制与卷积相融合的情感预警方法，其特征在于，所述步骤2，对步骤1获取的文本进行如下预处理：文本去噪，去除标点符号，去除停用词，去除URL，去除不必要的标签，统计词频生成词典，标记数据。5.根据权利要求4所述的一种基于多头注意力机制与卷积相融合的情感预警方法，其特征在于，所述标记数据的标注的格式如下：标注方案:Y
ae
＝{BA，IA，BP，IP，O}，用于提取句子中所包含的方面项；BA和IA分别表示方面术语的开始和内部，BP和IP分别表示意见词的开头和内部，O表示其他词；对于情感预测任务，使用标签集:Y
as
＝{pos，neg，neu}来标记方面的积极、消极和中性的情感极性；预处理后文本包含pos，neg，neu三种情感极性，pos、neg和neu分别表示积极、消极和中性的情感极性，对应标记为1，
‑
1，0。6.根据权利要求1所述的一种基于多头注意力机制与卷积相融合的情感预警方法，其特征在于，步骤3所述多头自注意力模型和BERT
‑
DPCNN模型通过如下方法训练：步骤(1)爬取网上评论文本数据作为训练数据并进行预处理，预处理包括：文本去噪，去除标点符号，去除停用词，去除URL，去除不必要的标签，统计词频生成词典，标记数据。预处理后文本包含pos，neg，neu三种情感极性，pos、neg和neu分别表示积极、消极和中性的情感极性，对应标记为1，

【专利技术属性】
技术研发人员：刘鹏，张真，张堃，曹骝，高中强，严乐乐，
申请(专利权)人：南京云创大数据科技股份有限公司，
类型：发明
国别省市：