[发明专利]一种文本的话题和情感联合检测方法及装置

权利要求书

1.一种文本的话题和情感联合检测方法，其特征在于，所述方法包括下述步骤：

接收待检测的目标文本，使用预设的情感词典计算所述待检测的目标文本中每个词的初始情感倾向；

获取预先训练得到的词向量，将所述获取的词向量设置为所述待检测的目标文本的词向量的初始值；

使用预设的联合话题情感混合模型对所述待检测的目标文本进行训练，以得到所述待检测的目标文本中各个情感话题对与词之间的初始分配和所述各个情感对应的话题向量；

将所述得到的所述情感对应的话题向量设置为所述待检测的目标文本的情感对应的话题向量的初始值；

根据所述目标文本中每个词的初始情感倾向、所述词向量和话题向量的初始值以及所述各个情感话题对与词之间的初始分配，对所述目标文本中包括的每篇文档进行扫描，依次对扫描到的每个训练目标词执行预设的话题和情感检测步骤，以得到所述目标文本所涉及的话题和情感；

所述预设的话题和情感检测步骤，包括：

计算预设的循环神经网络的隐藏层函数h_t，以根据所述隐藏层函数h_t获取所述训练目标词的序列信息和话题的关联信息；

根据更新所述训练目标词对应的情感倾向和话题，所述v_t是对应词的词向量表示，所述W_*^*表示权重，所述b_*表示偏置项，所述softmax函数为：所述v表示词典大小；

计算预设的循环神经网络的隐藏层函数h_t的步骤，包括：

当所述预设的循环神经网络为LSTM时，根据公式h_t＝o_t⊙tanh(c_t)计算所述隐藏层函数h_t，所述所述所述所述所述x_t为输入词语的词向量表示，所述z_t为词语对应话题的话题向量表示，所述h_t-1和h_t表示隐藏层状态；

当所述预设的循环神经网络为GRU时，根据公式h_t＝z_t⊙h_t-1+(1-z_t)⊙u_t计算所述隐藏层函数h_t，所述所述所述

2.如权利要求1所述的方法，其特征在于，获取预先训练得到的词向量的步骤之前，所述方法还包括：

获取外部扩展语料，以作为所述目标文本对应的原始数据的语义补充；

使用预设词向量训练程序对所述获取的外部扩展语料进行预训练，以得到所述外部扩展语料中各个词语的词向量。

3.如权利要求2所述的方法，其特征在于，

所述外部扩展语料为维基百科或百度百科，所述预设词向量训练程序为word2vec或者GloVe工具；

预设的情感词典为HowNet词典，预设的联合话题情感混合模型为WS-TSWE模型。