基于联合学习的方面情感分析方法技术

本发明专利技术公开了一种基于联合学习的方面情感分析方法。包括以下步骤：对输入的原始文本进行预处理，使用300维的Glove词向量作为词嵌矩阵；将编码后的上下文词和方面词的词嵌矩阵送入双向LSTM网络，得到文本的向量表示形式；随后将此向量分别送入含有注意力机制的辅网络和邻近权重信息的主网络中，将两个网络的输出加权融合；最后将加权融合的向量送入全连接网络中得出对特定方面的情感。本发明专利技术提出的加权系数是经过大量实验所得的最优加权系数。本发明专利技术提出的方法对方面情感分类的准确率和召回率都有较大的提升，优于现有的大部分模型，具有网络训练时间短、稳定性强等优点。稳定性强等优点。稳定性强等优点。

【技术实现步骤摘要】
基于联合学习的方面情感分析方法


[0001]本专利技术设计了一种基于联合学习的方面情感分析方法，涉及深度学习领域。

技术介绍

[0002]基于方面词的情感分类作为情感分析的一个重要子任务，是一种细粒度的情感分类任务，旨在识别句中对不同方面的情感极性。在自然语言处理领域，基于方面词的情感分类正受到越来越多的关注，在实际生活中的应用也越来越广泛，如：网络言论检测、个人推荐系统等。早期的工作主要是通过人工提取一些特征，然后送入分类器进行情感分类，最典型的就是SVM,但是手动提取特征通常会耗费大量的人力和时间，并且效果也不是很理想。最近几年，深度学习在自然语言处理领域表现出色，在许多任务上都取得了突破性进展。神经网络语言模型可以将词语映射成低维度的数值向量形式，并自动提取文本特征，因此越来越多的研究都在将深度学习网络用于NLP任务上，包括基于方面词的情感分类。为了解决传统方法面临的问题，许多深度学习网络，例如:TD-LSTM和TC-LSTM对传统的LSTM模型进行了改善，将方面词向量和上下文词向量联合编码，使模型可以捕获方面词周围上下文词的特征，但是该本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于联合学习的方面情感分析方法，其特征在于包括以下步骤：步骤一：对输入的原始文本进行预处理，用300维的Glove词向量作为词嵌矩阵，对预处理后的文本上下文词和方面词进行词嵌编码，将句子中的每个词语编码成300维的离散数值向量；步骤二：将编码后的上下文词和方面词的词嵌矩阵送入双向LSTM网络，得到文本的向量表示形式；步骤三：随后将此向量分别送入含有注意力机制的辅网络和邻近权重信息的主网络中，将两个网络的输出，按从大量实验中获得的权重进行加权融合；步骤四：将加权融合的向量送入全连接网络中得出对特定方面的情感。2.根据权利要求1所述的含有注意力机制的辅网络和含邻近权重信息的主网络，其特征在于步骤一中对含有注意力机制的主网络，注意力分数由双向LSTM的输出后连接分器直接计算，然后与双向LSTM的输出相乘...

【专利技术属性】
技术研发人员：何小海，杨强，滕奇志，卿粼波，吴小强，吴晓红，
申请(专利权)人：四川大学，
类型：发明
国别省市：