【技术实现步骤摘要】
本专利技术涉及自然语言处理，特别是涉及一种用户信息增强的长文本细粒度情感分析方法。
技术介绍
1、情感分析旨在自动判断给定文本的情感倾向，是自然语言处理领域的热点问题之一。情感分析的结果有利于信息检索、产品推荐和智能客服等众多上层自然语言处理应用。依据情感分析对象粒度的不同，可以分为篇章级情感分类、句子级情感分类和方面级情感分类。通常把情感分析看作一个分类问题，输入待分析的文本，输出文本中表达的是正面、中性或者负面情感。有些真实应用场景下还需要更细的情感粒度，例如，分为极正面、正面、中性、负面和极负面五类。
2、随着互联网的兴起与迅速发展，诸如微博、影评网站和短视频平台等社交媒体产生了大量的篇幅较长的评论文本，这些评论文本反映了用户对特定事物或商品的情感倾向。对这类长文本进行情感信息挖掘具有较大的现实意义。例如，通过挖掘用户对商品的喜好，不仅可以帮助公司精准定位产品升级方向，还可以辅助消费者挑选更合适的商品。
3、然而现有的长文本细粒度情感分析模型面临以下三个方面的问题：
4、1）不能较好地学习长文本...
【技术保护点】
1.一种用户信息增强的长文本细粒度情感分析方法，其特征在于，应用于情感分析模型，所述情感分析模型包括全局信息引导的编码模块、用户表示的学习和集成模块、分类模块、融合对比学习的总代价计算模块；
2.根据权利要求1所述的用户信息增强的长文本细粒度情感分析方法，其特征在于，所述词嵌入层满足以下条件式：
3.根据权利要求2所述的用户信息增强的长文本细粒度情感分析方法，其特征在于，全局信息引导的编码模块得到文档的最终语义表示的表达式为：
4.根据权利要求3所述的用户信息增强的长文本细粒度情感分析方法，其特征在于，用户表示的学习和集成模块满足以
<...【技术特征摘要】
1.一种用户信息增强的长文本细粒度情感分析方法，其特征在于，应用于情感分析模型，所述情感分析模型包括全局信息引导的编码模块、用户表示的学习和集成模块、分类模块、融合对比学习的总代价计算模块；
2.根据权利要求1所述的用户信息增强的长文本细粒度情感分析方法，其特征在于，所述词嵌入层满足以下条件式：
3.根据权利要求2所述的用户信息增强的长文本细粒度情感分析方法，其特征在于，全局信息引导的编码模块得到文档的最终...
【专利技术属性】
技术研发人员：邬昌兴，陈家雨，汪恒，杨亚连，
申请(专利权)人：华东交通大学，
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。