【技术实现步骤摘要】
本专利技术属于计算机，尤其涉及神经网络，具体涉及基于循环神经网络和图注意网络的深度学习方法。
技术介绍
1、随着当今移动互联网的不断发展，基于互联网的服务应用也愈发广泛，其中电子商务作为现代的一种互联网服务，被广大用户使用。比如酒店住宿、美食外卖、网络购物等电商服务。这些行业都是基于传统线下服务经由互联网发展转变而来，以往的线下服务可以在提供服务的同时，通过询问被服务方的实际体验来对自己的服务做出评价，进而做出改进，改善营业状况。与之对应的，基于互联网化后的电商服务也需要通过某种手段获取服务评价，来提升自己的服务水平。目前比较常见的是售后评价这种形式，在淘宝、京东、美团等电商平台都可以找到对应网络服务的用户评论区，用户通过类似微博短文本的形式，来表达自己对获得的网络服务的意见。
2、目前处于大数据时代，基于当前的网络用户基数，通过人工对用户的评价做分类分析，一方面耗费人力资源，另一方面效率低下。普遍的做法是使用机器学习和深度学习等方法来利用计算机处理海量数据。传统的机器学习方法有朴素贝叶斯和支持向量机等。《atext min...
【技术保护点】
1.一种基于BiLSTM-GAT模型的情感分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在步骤1中，使用RoBERTa模型进行文本的向量化处理，其中RoBERTa模型是经由大量中文数据集进行预训练学习后的文本表示模型，用来对输入的中文文本进行向量化表示，经过对海量文本数据的学习，使得RoBERTa模型在文本的编码表示上表现优异。
3.根据权利要求1所述的方法，其特征在于，在步骤2中，使用BiLSTM模型进行特征学习，通过正反向的LSTM网络处理，使文本中的每一个词学习到当前句子的上下文环境，更好地表示不同语句中...
【技术特征摘要】
1.一种基于bilstm-gat模型的情感分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在步骤1中，使用roberta模型进行文本的向量化处理，其中roberta模型是经由大量中文数据集进行预训练学习后的文本表示模型，用来对输入的中文文本进行向量化表示，经过对海量文本数据的学习，使得roberta模型在文本的编码表示上表现优异。
3.根据权利要求1所述的方法，其特征在于，在步骤2中，使用bilstm模型进行特征学习，通过正反向的lstm网络处理，使文本中的每一个词学习到当前句子的上下文环境，更好地表示不同语句中相同词语的具体含义。
4.根据权利要求3所述的方法，其特征在于，在步骤2中，在使用lstm模型进行处理时，具有如下：
5.根据权利要求1所述的方法...
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。