一种基于深度学习的新闻情感分析方法及装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的新闻情感分析方法及装置。其中，该方法包括：获取原始新闻数据和新闻摘要数据；将所述原始新闻数据和所述新闻摘要数据进行提炼，得到第一新闻数据和第二新闻数据；将所述第一新闻数据和所述第二新闻数据进行交叉融合，得到待分析数据；将所述待分析数据输入至情感分析模型，得到新闻情感分析结果。本发明专利技术解决了现有技术中的新闻情感分析方法仅仅是根据通篇的新闻数据进行分析,由于新闻数据中存在若干干扰数据,所以通过所有新闻数据进行分析而不考虑多元化的数据分配,会大大降低新闻数据情感分析的效率和精准度的技术问题。率和精准度的技术问题。率和精准度的技术问题。

【技术实现步骤摘要】
一种基于深度学习的新闻情感分析方法及装置


[0001]本专利技术涉及数据处理及数据提取领域，具体而言，涉及一种基于深度学习的新闻情感分析方法及装置。

技术介绍

[0002]随着智能化科技的不断发展，人们的生活、工作、学习之中越来越多地用到了智能化设备，使用智能化科技手段，提高了人们生活的质量，增加了人们学习和工作的效率。
[0003]目前,针对根据新闻数据利用了深度神经网络模型进行新闻数据的情感分析系统,通常采用对整篇新闻数据进行采集,并将所有的新闻数据输入至预先训练好的神经网络模型中,以便达到根据新闻数据分析新闻情感的技术效果,但是现有技术中的新闻情感分析方法仅仅是根据通篇的新闻数据进行分析,由于新闻数据中存在若干干扰数据,所以通过所有新闻数据进行分析而不考虑多元化的数据分配,会大大降低新闻数据情感分析的效率和精准度。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种基于深度学习的新闻情感分析方法及装置，以至少解决现有技术中的新闻情感分析方法仅仅是根据通篇的新闻数据进行分析,由于新闻数据中存在若干干扰数据,所以通过所有新闻数据进行分析而不考虑多元化的数据分配,会大大降低新闻数据情感分析的效率和精准度的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种基于深度学习的新闻情感分析方法，包括：获取原始新闻数据和新闻摘要数据；将所述原始新闻数据和所述新闻摘要数据进行提炼，得到第一新闻数据和第二新闻数据；将所述第一新闻数据和所述第二新闻数据进行交叉融合，得到待分析数据；将所述待分析数据输入至情感分析模型，得到新闻情感分析结果。
[0007]可选的，所述新闻摘要数据通过所述原始新闻数据生成，用于表征所述原始新闻数据的关键信息。
[0008]可选的，所述将所述原始新闻数据和所述新闻摘要数据进行提炼，得到第一新闻数据和第二新闻数据包括：识别所述原始新闻数据中的情感关联信息，并将所述情感关联信息作为所述第一新闻数据进行输出；提取所述新闻摘要数据中与预设关键词有关的情感梗概内容数据，并将所述情感梗概内容数据作为所述第二新闻数据进行输出。
[0009]可选的，所述将所述第一新闻数据和所述第二新闻数据进行交叉融合，得到待分析数据包括：根据情感分析预设需求，构建情感分析对应拉格朗日矩阵；将所述拉格朗日矩阵和所述第一新闻数据和所述第二新闻数据进行套用，得到第一待交叉数据和第二待交叉数据；将所述第一待交叉数据和所述第二待交叉数据进行融合，通过所述情感分析预设需求的输出参数生成所述待分析数据。
[0010]根据本专利技术实施例的另一方面，还提供了一种基于深度学习的新闻情感分析装置，包括：获取模块,用于获取原始新闻数据和新闻摘要数据；提炼模块,用于将所述原始新闻数据和所述新闻摘要数据进行提炼，得到第一新闻数据和第二新闻数据；融合模块,用于将所述第一新闻数据和所述第二新闻数据进行交叉融合，得到待分析数据；输入模块,用于将所述待分析数据输入至情感分析模型，得到新闻情感分析结果。
[0011]可选的，所述新闻摘要数据通过所述原始新闻数据生成，用于表征所述原始新闻数据的关键信息。
[0012]可选的，所述提炼模块包括：识别单元,用于识别所述原始新闻数据中的情感关联信息，并将所述情感关联信息作为所述第一新闻数据进行输出；提取单元,用于提取所述新闻摘要数据中与预设关键词有关的情感梗概内容数据，并将所述情感梗概内容数据作为所述第二新闻数据进行输出。
[0013]可选的，所述融合模块包括：构建单元,用于根据情感分析预设需求，构建情感分析对应拉格朗日矩阵；套用单元,用于将所述拉格朗日矩阵和所述第一新闻数据和所述第二新闻数据进行套用，得到第一待交叉数据和第二待交叉数据；融合单元,用于将所述第一待交叉数据和所述第二待交叉数据进行融合，通过所述情感分析预设需求的输出参数生成所述待分析数据。
[0014]根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种基于深度学习的新闻情感分析方法。
[0015]根据本专利技术实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行一种基于深度学习的新闻情感分析方法。
[0016]在本专利技术实施例中，采用获取原始新闻数据和新闻摘要数据；将所述原始新闻数据和所述新闻摘要数据进行提炼，得到第一新闻数据和第二新闻数据；将所述第一新闻数据和所述第二新闻数据进行交叉融合，得到待分析数据；将所述待分析数据输入至情感分析模型，得到新闻情感分析结果的方式，解决了现有技术中的新闻情感分析方法仅仅是根据通篇的新闻数据进行分析,由于新闻数据中存在若干干扰数据,所以通过所有新闻数据进行分析而不考虑多元化的数据分配,会大大降低新闻数据情感分析的效率和精准度的技术问题。
附图说明
[0017]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0018]图1是根据本专利技术实施例的一种基于深度学习的新闻情感分析方法的流程图；
[0019]图2是根据本专利技术实施例的一种基于深度学习的新闻情感分析装置的结构框图。
具体实施方式
[0020]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是
本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0021]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0022]根据本专利技术实施例，提供了一种基于深度学习的新闻情感分析方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0023]实施例一
[0024]图1是根据本专利技术实施例的一种基于深度学习的新闻情感分析方法的流程图，如图1所示，该方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的新闻情感分析方法，其特征在于，包括：获取原始新闻数据和新闻摘要数据；将所述原始新闻数据和所述新闻摘要数据进行提炼，得到第一新闻数据和第二新闻数据；将所述第一新闻数据和所述第二新闻数据进行交叉融合，得到待分析数据；将所述待分析数据输入至情感分析模型，得到新闻情感分析结果。2.根据权利要求1所述的方法，其特征在于，所述新闻摘要数据通过所述原始新闻数据生成，用于表征所述原始新闻数据的关键信息。3.根据权利要求1所述的方法，其特征在于，所述将所述原始新闻数据和所述新闻摘要数据进行提炼，得到第一新闻数据和第二新闻数据包括：识别所述原始新闻数据中的情感关联信息，并将所述情感关联信息作为所述第一新闻数据进行输出；提取所述新闻摘要数据中与预设关键词有关的情感梗概内容数据，并将所述情感梗概内容数据作为所述第二新闻数据进行输出。4.根据权利要求1所述的方法，其特征在于，所述将所述第一新闻数据和所述第二新闻数据进行交叉融合，得到待分析数据包括：根据情感分析预设需求，构建情感分析对应拉格朗日矩阵；将所述拉格朗日矩阵和所述第一新闻数据和所述第二新闻数据进行套用，得到第一待交叉数据和第二待交叉数据；将所述第一待交叉数据和所述第二待交叉数据进行融合，通过所述情感分析预设需求的输出参数生成所述待分析数据。5.一种基于深度学习的新闻情感分析装置，其特征在于，包括：获取模块,用于获取原始新闻数据和新闻摘要数据；提炼模块,用于将所述原始新闻数据和所述新闻摘要数据进行提炼，得到第一新闻数据和第二新闻数据...

【专利技术属性】
技术研发人员：高强，
申请(专利权)人：北京鼎泰智源科技有限公司，
类型：发明
国别省市：