基于BERT进行文本的情感词语提取模型的建立方法及应用技术

本发明专利技术属于互联网的技术领域，公开了一种基于BERT进行文本的情感词语提取模型的建立方法及其应用。该模型使用BERT算法来获取情感信息，通过捕捉到文本中的情感色彩词语，并通过微调或特定任务的训练来实现情感分析，判断评论是积极、消极还是中性，该模型可以快速评估评论的情感态度，判断其为积极、消极或中性，这使得情感分析的自动化成为可能，节省了大量的时间和人力成本。此外，该模型通过分析用户对品牌、产品和服务的情感反馈，该模型还能够改进品牌管理和用户体验，尤其在舆情监测、市场调研和用户反馈分析等领域具有广泛应用前景，为企业决策提供有力支持。

【技术实现步骤摘要】

本专利技术属于互联网的，具体涉及为一种基于bert进行文本的情感词语提取模型的建立方法及其应用。

技术介绍

1、随着互联网和移动通信的迅速发展，人们的信息获取途径更加多样和便捷。社交媒体、在线评论、网络论坛等平台上大量用户生成的文本数据充斥着社会，给人们带来了海量的信息。另外，企业、政府和媒体等组织需要了解公众对特定事件、产品或服务的态度和情感倾向，以做出相应的决策和调整策略。情感分析技术能够挖掘并分析海量文本中的情感信息，满足实时舆情监测和舆论分析的需求。

2、目前，对于文本样本使用bert算法来获取情感信息，通过捕捉到文本中的情感色彩词语，并通过微调或特定任务的训练来实现情感分析，判断评论是积极、消极还是中性，这依然是情感分析领域的研究空白。因此，如何设计一款情感词语提取模型从这些文本数据中获取有价值的情感信息，然后通过分析用户对品牌、产品和服务的情感反馈改进品牌管理和用户体验，成为当下重要的问题。这使得情感分析的自动化成为可能，也为企业决策提供有力支持。

3、综上所述，基于bert算法的情感词语提取模型在舆情监测、市场调研和用本文档来自技高网...

【技术保护点】

1.基于BERT进行文本的情感词语提取模型的建立方法，其特征在于：其包括如下步骤：

2.根据权利要求1所述基于BERT进行文本的情感词语提取模型的建立方法，其特征在于：在步骤S2数据预处理中，其包括以下步骤：

3.根据权利要求1或2所述基于BERT进行文本的情感词语提取模型的建立方法，其特征在于：在步骤S5中，差异值计算所使用的交叉熵损失函数为式中：n表示为数据集的数量，y表示为每个样本的标签，p表示为训练集通过前向传播得到模型的预测结果。

4.根据权利要求3所述基于BERT进行文本的情感词语提取模型的建立方法，其特征在于：在步骤S5中，梯度值的计算公...

【技术特征摘要】

1.基于bert进行文本的情感词语提取模型的建立方法，其特征在于：其包括如下步骤：

2.根据权利要求1所述基于bert进行文本的情感词语提取模型的建立方法，其特征在于：在步骤s2数据预处理中，其包括以下步骤：

3.根据权利要求1或2所述基于bert进行文本的情感词语提取模型的建立方法，其特征在于：在步骤s5中，差异值计算所使用的交叉熵损失函数为式中：n表示为数据集的数量，y表示为每个样本的标签，p表示为训练集通过前向传播得到模型的预测结果。

4.根据权利要求3所述基于bert进行文本的情感词语提取模型的建立方法，其特征在于：在步骤s5中，梯度值的计算公式为式中：n表示为数据集的数量，y表示为每个样本的标签，p表示为训练集通过前向传播得到模型的预测结果，l表示为使用交叉熵损失函数计算出...

【专利技术属性】
技术研发人员：耿海军，董赟，姜泽同，谭竹宏，
申请(专利权)人：山西大学，
类型：发明
国别省市：