[发明专利]情感分类方法、装置、电子设备及存储介质

说明书

本发明涉及智能决策技术，揭露了一种情感分类方法，包括：获取原始文本数据，对原始文本数据进行文本预处理，得到初始字词集；对初始字词集进行编码处理，得到整数编码，根据整数编码对初始字词集进行向量化处理，得到标准词向量集；对标准词向量集进行双向语义处理，得到语义词向量集；利用预设的长短期记忆网络对语义词向量集进行筛选处理，得到目标文本序列，根据预设的注意力机制对目标文本序列进行概率计算得到概率值，对概率值进行分析得到情感分类结果。此外，本发明还涉及区块链技术，所述初始字词集可存储于区块链的节点。本发明还提出一种情感分类装置、电子设备以及计算机可读存储介质。本发明可以解决情感分类的准确性不高的问题。

技术领域

本发明涉及智能决策技术领域，尤其涉及一种情感分类方法、装置、电子设备及计算机可读存储介质。

背景技术

随着社交网络的不断兴起，互联网已不仅仅是人们获取日常信息的来源，同时也成为人们表达自己观点不可或缺的平台。人们在网络社区评论热点事件、抒写影评观点以及描述产品体验等，都会产生大量的带有情感色彩的文本信息，而对这些文本信息进行有效的情感分析，可以更好地了解用户的兴趣倾向和关注程度。

现有的情感分类方法是基于传统机器学习的方法来分类，无法提取到更深层的上下文语义和结构特征，导致关键词提取不全面或不完整进而降低情感分类的准确性。

发明内容

本发明提供一种情感分类方法、装置及计算机可读存储介质，其主要目的在于解决情感分类的准确性不高的问题。

为实现上述目的，本发明提供的一种情感分类方法，包括：

获取原始文本数据，对所述原始文本数据进行文本预处理，得到初始字词集；

对所述初始字词集进行编码处理，得到整数编码，根据所述整数编码对所述初始字词集进行向量化处理，得到标准词向量集；

利用预设的文本训练模型对所述标准词向量集进行双向语义处理，得到语义词向量集；

利用预设的长短期记忆网络对所述语义词向量集进行筛选处理，得到目标文本序列，根据预设的注意力机制对所述目标文本序列进行概率计算并得到概率值，对所述概率值进行分析得到情感分类结果。

可选地，所述对所述初始字词集进行编码处理，得到整数编码，包括：

确定所述初始字词集中每个初始字词的分类变量；

对所述分类变量进行编码命名处理，得到整数编码。

可选地，所述根据所述整数编码对所述初始字词集进行向量化，得到标准词向量集，包括：

在二维直角坐标系中选择任意一个目标点；

将所述初始字词集中的初始字词以所述目标点为基准进行纵向排列，将所述分类变量以所述目标点为基准按照所述整数编码的顺序进行横向排列；

若横向排列的分类变量对应的字词和纵向排列的初始字词之间的交叉点相同，令所述交叉点为第一数值，若横向排列的分类变量对应的字词和纵向排列的初始字词之间的交叉点不相同，令所述交叉点为第二数值，得到由所述第一数值和所述第二数值构成的结果矩阵；

从所述结果矩阵中提取所述第一数值或所述第二数值构成多个向量，得到标准词向量集。

可选地，所述利用预设的文本训练模型对所述标准词向量集进行双向语义处理，得到语义词向量集，包括：

获取所述标准词向量集中多个目标向量；

计算所述多个目标向量的多个前向向量和多个后向向量；

利用预设的双向语义计算公式、所述多个前向向量和所述多个后向向量进行计算，得到所述多个目标向量的多个语义词向量；