[发明专利]文本信息的情感分析方法和系统

权利要求书

1.一种文本信息的情感分析方法，其特征在于，包括以下步骤：

从文本信息中提取关键词和所述关键词的上下文关联词；

根据预置的词向量分析模型对所述关键词和所述上下文关联词进行分析，获取所述关键词的第一词向量；

根据所述第一词向量和第二词向量获取所述文本信息的情感值，其中，所述第二词向量是预存的情感词的词向量；

所述根据预置的词向量分析模型对所述关键词和所述上下文关联词进行分析的步骤之前还包括以下步骤：

建立二元神经网络模型，获取待训练的信息语料，将所述信息语料作为训练样本对所述二元神经网络模型进行训练，获得所述预置的词向量分析模型；

所述将所述信息语料作为训练样本对所述二元神经网络模型进行训练的步骤包括以下步骤：

从所述信息语料中选取目标词和相关词，初始化所述目标词和所述相关词的原始词向量，通过所述二元神经网络模型对所述相关词的原始词向量进行分析，获取所述目标词的原始词向量的误差向量，根据所述目标词的原始词向量的误差向量对所述目标词的原始词向量进行修正；

所述相关词为多个，所述通过所述二元神经网络模型对所述相关词的原始词向量进行分析的步骤包括以下步骤：

将各所述相关词的原始词向量相加，获得和向量；

将所述目标词和各所述相关词作为叶节点构建所述二元神经网络模型的哈夫曼树，获取所述哈夫曼树的根节点至所述目标词对应的叶节点的路径，根据所述和向量和所述路径中的中间节点的向量对相应的中间节点进行Logistic分类；

若当前中间节点的分类结果与所述路径的走向不同，则根据所述路径的走向对当前中间节点的向量进行修正，并获取当前中间节点的误差向量；

将所有的中间节点的误差向量相加作为所述目标词的原始词向量的误差向量。

2.根据权利要求1所述的文本信息的情感分析方法，其特征在于，所述获取待训练的信息语料的步骤包括以下步骤：

获取网络数据文本，对所述网络数据文本进行噪音信息过滤，并切词生成所述待训练的信息语料。

3.根据权利要求1所述的文本信息的情感分析方法，其特征在于，还包括以下步骤：

根据所述预置的词向量分析模型对所述情感词进行分析，获取所述第二词向量并进行存储。

4.根据权利要求1至3中任意一项所述的文本信息的情感分析方法，其特征在于，所述根据所述第一词向量和第二词向量获取所述文本信息的情感值的步骤包括以下步骤：

根据所述第一词向量和不同情感词的第二词向量分别获取所述文本信息对应不同情感词的相对值，将最大的相对值作为所述文本信息的情感值。

5.一种文本信息的情感分析系统，其特征在于，包括：

词语获取单元，用于从文本信息中提取关键词和所述关键词的上下文关联词；

词向量分析单元，用于根据预置的词向量分析模型对所述关键词和所述上下文关联词进行分析，获取所述关键词的第一词向量；

情感值获取单元，用于根据所述第一词向量和第二词向量获取所述文本信息的情感值，其中，所述第二词向量是预存的情感词的词向量；

模型建立单元，用于建立二元神经网络模型，获取待训练的信息语料，将所述信息语料作为训练样本对所述二元神经网络模型进行训练，获得所述预置的词向量分析模型；

所述模型建立单元还用于从所述信息语料中选取目标词和相关词，初始化所述目标词和所述相关词的原始词向量，通过所述二元神经网络模型对所述相关词的原始词向量进行分析，获取所述目标词的原始词向量的误差向量，根据所述目标词的原始词向量的误差向量对所述目标词的原始词向量进行修正；

所述相关词为多个，所述模型建立单元还用于将各所述相关词的原始词向量相加，获得和向量；将所述目标词和各所述相关词作为叶节点构建所述二元神经网络模型的哈夫曼树，获取所述哈夫曼树的根节点至所述目标词对应的叶节点的路径，根据所述和向量和所述路径中的中间节点的向量对相应的中间节点进行Logistic分类；若当前中间节点的分类结果与所述路径的走向不同，则根据所述路径的走向对当前中间节点的向量进行修正，并获取当前中间节点的误差向量；将所有的中间节点的误差向量相加作为所述目标词的原始词向量的误差向量。