[发明专利]模型建立方法、装置、计算机设备和存储介质

说明书

本申请涉及一种模型建立方法、装置、计算机设备和存储介质。所述方法包括：获取原始文本；将原始文本进行词嵌入，得到词向量；根据双向长短期记忆网络对词向量提取目标特征；根据多层感知器对目标特征进行依存句法分析，得到第一损失值；根据全卷积网络和柔性最大值函数对目标特征进行情感分析，得到第二损失值；根据第一损失值和第二损失值获取模型损失值；根据得到的模型损失值建立情感分析模型，情感分析模型用于对文本进行情感分析。采用本方法能够提高建立的模型在文本情感分析时的准确率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种模型建立方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术和互联网的发展，越来越多的人在网络上对事物进行评论，不同的评论具有不同的情感倾向。一些相同或者相近的评论文本在不同的场景下情感是不同的，甚至是相反的。然而，目前的评论文本情感分析的模型在对大量的评论进行情感的分析时，不能准确地分析出评论文本的情感倾向，存在准确率低下的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高文本情感分析准确率的模型建立方法、装置、计算机设备和存储介质。

一种模型建立方法，所述方法包括：

获取原始文本；

将所述原始文本进行词嵌入，得到词向量；

根据双向长短期记忆网络对所述词向量提取目标特征；

根据多层感知器对所述目标特征进行依存句法分析，得到第一损失值；

根据全链接神经网络和柔性最大值函数对所述目标特征进行情感分析，得到第二损失值；

根据所述第一损失值和第二损失值获取模型损失值；

根据得到的模型损失值建立情感分析模型，所述情感分析模型用于对文本进行情感分析。

一种模型建立装置，所述装置包括：

原始文本获取模块，用于获取原始文本；

词嵌入模块，用于将所述原始文本进行词嵌入，得到词向量；

目标特征提取模块，用于根据双向长短期记忆网络对所述词向量提取目标特征；

依存句法分析模块，用于根据多层感知器对所述目标特征进行依存句法分析，得到第一损失值；

情感分析模块，用于根据全链接神经网络和柔性最大值函数对所述目标特征进行情感分析，得到第二损失值；

模型损失值获取模块，用于根据所述第一损失值和第二损失值获取模型损失值；

模型建立模块，用于根据得到的模型损失值建立情感分析模型，所述情感分析模型用于对文本进行情感分析。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述模型建立方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以上述模型建立方法的步骤。

上述模型建立方法、装置、计算机设备和存储介质，获取原始文本；将原始文本进行词嵌入，得到词向量；根据双向长短期记忆网络对词向量提取目标特征；根据多层感知器对目标特征进行依存句法分析，得到第一损失值；根据全卷积网络和柔性最大值函数对目标特征进行情感分析，得到第二损失值；根据第一损失值和第二损失值获取模型损失值；根据得到的模型损失值建立情感分析模型，情感分析模型用于对文本进行情感分析。通过对目标特征进行依存句法分析与情感分析，分别得到的第一损失值和第二损失值，最后得到模型损失值，根据模型损失值建立情感分析模型，在情感分析模型中加入了依存句法分析，可以提高建立的模型在文本情感分析时的准确率。