[发明专利]中文文本情感分析方法、装置、计算机设备和存储介质

权利要求书

1.一种中文文本情感分析方法，其特征在于，所述方法包括：

获取中文文本，并对所述中文文本进行预处理得到训练样本；

构建中文文本情感分析网络；所述中文文本情感分析网络包括词嵌入层、特征提取网络及分类网络；所述特征提取网络包括双向门限循环单元层、自注意力层、多粒度卷积层及基于自注意力的池化层；所述词嵌入层用于采用分词模块将所述训练样本转化为词向量序列；所述特征提取网络用于通过所述双向门限循环单元层学习所述词向量序列的文本序列化特征，通过所述自注意力层对所述文本序列化特征进行特征筛选得到新文本特征，通过所述多粒度卷积层提取所述新文本特征中不同尺度的局部特征得到文本数据特征图，并通过基于自注意力的池化层对所述文本数据特征图进行特征提取得到局部特征序列；所述分类网络用于将所述局部特征序列进行特征融合，并进行情感极性分类；

将所述训练样本输入到所述中文文本情感分析网络中进行训练，得到训练好的中文文本情感分析模型；

获取待测中文文本，并对所述待测中文文本进行预处理得到待测样本；

将所述待测样本输入到所述中文文本情感分析模型中，得到情感极性分类。

2.根据权利要求1所述的方法，其特征在于，获取中文文本，并对所述中文文本进行预处理得到训练样本，包括：

获取中文文本；

对所述中文文本进行繁简体统一处理，并剔除标点等特殊字符，得到训练样本。

3.根据权利要求1所述的方法，其特征在于，将所述训练样本输入到所述中文文本情感分析网络中进行训练，得到训练好的中文文本情感分析模型，包括：

将所述训练样本输入到所述词嵌入层中，采用分词模块将所述训练样本转化为词序列，并通过预训练词向量模型对词序列进行词向量映射，得到所述词向量序列；

将所述词向量序列输入到所述双向门限循环单元层中，得到所述文本序列化特征；

将所述文本序列化特征输入到自注意力层中，得到所述新文本特征；

将所述新文本特征输入到多粒度卷积层中，得到所述文本数据特征图；

将所述文本数据特征图输入到所述基于自注意力的池化层中，得到对情感分类影响最大的局部特征序列；

将所述局部特征序列输入到分类网络中，得到情感极性预分类，并根据所述情感极性预分类和所述训练样本对所述中文文本情感分析网络进行反向训练，得到训练好的中文文本情感分析模型。

4.根据权利要求3所述的方法，其特征在于，将所述文本序列化特征输入到自注意力层中，得到所述新文本特征，包括：

根据预定的全局信息，计算得到词语的权重值；

将每个所述词语的权重与对应时刻的文本序列化特征进行加权求和，得到突出重点的所述新文本特征。

5.根据权利要求3所述的方法，其特征在于，所述多粒度卷积层包括多个大小不同的卷积核；

将所述新文本特征输入到多粒度卷积层中，得到所述文本数据特征图，包括：

采用所述不同大小的卷积核对所述新文本特征进行特征提取，并采用Relu激活函数，得到包含局部特征的所述文本数据特征图。

6.根据权利要求3所述的方法，其特征在于，将所述文本数据特征图输入到所述基于自注意力的池化层中，得到对情感分类影响最大的局部特征序列，包括：

将所述文本数据特征图输入到所述基于自注意力的池化层中，采用基于自注意力机制，对所述文本数据特征图进行加权求和，得到对情感分类影响最大的局部特征序列。