[发明专利]文本情感分类方法、装置、计算机设备及存储介质

说明书

本发明公开了文本情感分类方法、装置、计算机设备及存储介质。该方法包括：获取待进行情感识别文本所对应的词向量，将所述词向量输入至已训练的卷积神经网络模型，获取所述已训练的卷积神经网络模型的全连接层所输出的文本向量，以作为文本识别向量；将所述文本识别向量进行线性判别分析降维，得到降维后文本向量；将所述降维后文本向量作为文本情感分类器的输入以进行分类，得到文本情感识别结果。该方法实现了通过卷积神经网络从中待进行情感识别文本抽取更有效的特征以输入至传统的分类器，提高分类准确率。

技术领域

本发明涉及文本情感识别技术领域，尤其涉及一种文本情感分类方法、装置、计算机设备及存储介质。

背景技术

目前，文本分类问题中一般使用传统分类模型(朴素贝叶斯、SVM)，或者使用深度神经网络(CNN、LSTM)，但是传统分类模型难以捕捉更深层次的特征，而深度学习模型在最后多分类层中使用的分类器较弱，难以利用传统分类模型的优势。

发明内容

本发明实施例提供了一种文本情感分类方法、装置、计算机设备及存储介质，旨在解决现有技术中深度学习模型在最后多分类层中使用的分类器较弱，不能在深度学习模型中结合利用传统分类模型的优势的问题。

第一方面，本发明实施例提供了一种文本情感分类方法，其包括：

获取待进行情感识别文本所对应的词向量，将所述词向量输入至已训练的卷积神经网络模型，获取所述已训练的卷积神经网络模型的全连接层所输出的文本向量，以作为文本识别向量；

将所述文本识别向量进行线性判别分析降维，得到降维后文本向量；以及将所述降维后文本向量作为文本情感分类器的输入以进行分类，得到文本情感识别结果。

第二方面，本发明实施例提供了一种文本情感分类装置，其包括：

文本识别向量获取单元，用于获取待进行情感识别文本所对应的词向量，将所述词向量输入至已训练的卷积神经网络模型，获取所述已训练的卷积神经网络模型的全连接层所输出的文本向量，以作为文本识别向量；

向量降维单元，用于将所述文本识别向量进行线性判别分析降维，得到降维后文本向量；以及

情感分类单元，用于将所述降维后文本向量作为文本情感分类器的输入以进行分类，得到文本情感识别结果。

第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的文本情感分类方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的文本情感分类方法。

本发明实施例提供了一种文本情感分类方法、装置、计算机设备及存储介质。该方法获取待进行情感识别文本所对应的词向量，将所述词向量输入至已训练的卷积神经网络模型，获取所述已训练的卷积神经网络模型的全连接层所输出的文本向量，以作为文本识别向量；将所述文本识别向量进行线性判别分析降维，得到降维后文本向量；将所述降维后文本向量作为文本情感分类器的输入以进行分类，得到文本情感识别结果。该方法实现了通过卷积神经网络从中待进行情感识别文本抽取更有效的特征以输入至传统的分类器，提高分类准确率。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的文本情感分类方法的应用场景示意图；