【技术实现步骤摘要】
基于多通道卷积神经网络的情感分析方法及装置
[0001]本申请涉及文本分析领域，可应用于金融领域和其他领域，尤指一种基于多通道卷积神经网络的情感分析方法及装置。
技术介绍
[0002]许多学者开始使用深度学习方法处理文本细粒度情感分类任务，为了能够能够将更深层的句子级特征提取出来，深度学习方法通过构建多级隐层模型来进行训练，从而提高文本分类的准确率。Ouyang等提出了一种基于卷积神经网络(Convolutional Neural Network，CNN)的细粒度情感分类架构。这个架构利用Word2vec方法将词向量从文本中提取出来，这样文本中的句子就转换为向量，能够被CNN理解。将其作为CNN的输入，通过由三层卷积层和池化层组成的神经网络来提取语料中的情感特征信息。Santos等在此基础上提出了一种基于卷积神经网络的细粒度情感分析方法，该模型将文本分为字符、词语和句子三种粒度，通过双卷积层分别从中对特征进行提取。一些研究表明CNN能够有效地捕获和提取文本的局部信息，陈珂等采用多通道卷积神经网络，通过调整滑动窗口的大小来改变...
【技术保护点】
【技术特征摘要】
1.一种基于多通道卷积神经网络的情感分析方法，其特征在于，所述方法包含：获取待分析的评价数据，根据所述评价数据中文字内容和表情符号内容分别生成词向量和表情符号向量；根据所述表情符号内容与预设标注数据集的比较结果生成标签向量；根据所述词向量、所述标签向量和所述表情符号向量通过神经网络算法分析获得情感特征向量，通过多头注意力机制分析所述情感特征向量获得所述评价数据的分析结果。2.根据权利要求1所述的基于多通道卷积神经网络的情感分析方法，其特征在于，根据所述评价数据中文字内容和表情符号内容分别生成词向量和表情符号向量包含：获取所述评价数据中的文字内容，根据所述文字内购构建词典表，根据所述词典表中文字数量获得词典长度，通过所述词典长度将所述文字内容映射生成对应的词向量；获取所述评价数据中的表情符号内容，根据所述表情符号内容生成对应的符号向量，根据所述符号向量获得表情符号向量。3.根据权利要求1所述的基于多通道卷积神经网络的情感分析方法，其特征在于，根据所述表情符号内容与预设标注数据集的比较结果生成标签向量包含：根据所述表情符号内容与预设标注数据集的比较结果获得各表情符号的标记含义；根据所述标记含义生成对应的标签向量。4.根据权利要求1所述的基于多通道卷积神经网络的情感分析方法，其特征在于，根据所述词向量、所述标签向量和所述表情符号向量通过神经网络算法分析获得情感特征向量包含：根据所述词向量、所述标签向量和所述表情符号向量通过CNN卷积神经网络进行卷积运算获得对应的情感信息，根据所述情感信息构建情感矩阵；通过LSTM神经网络算法分析所述情感矩阵提取情感特征向量。5.根据权利要求4所述的基于多通道卷积神经网络的情感分析方法，其特征在于，根据所述词向量、所述标签向量和所述表情符号向量通过CNN卷积神经网络进行卷积运算获得对应的情感信息包含：根据所述词向量和所述...
【专利技术属性】
技术研发人员：张舒萌，刘炼，周亚云，吴美林，
申请(专利权)人：中国工商银行股份有限公司，
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。