[发明专利]一种基于深度学习的电商评论情感分析系统

说明书

本发明涉及深度学习技术领域，且公开了一种基于深度学习的电商评论情感分析系统，包括评论提取模块、极性分类模块、深度学习模块、词向量匹配模块、情感属性词提取模块、情感属性词融合模块、词义语序损失修正模块和属性情感标签提取模块。通过词向量匹配模块和情感属性词提取模块提取的词向量语言表示模型和情感属性词通过情感属性词融合模块进行计算融合，形成新的属性情感初始化标签，词义语序损失修正模块读取属性情感初始化标签，通过逻辑计算确定属性情感初始化标签的语序和词义的正确性，确定词义或语序存在逻辑错误，则进行词义和语序的修订，从而增加情感词的情感表达，进一步增加表现形式和表达效果。

技术领域

本发明涉及深度学习技术领域，具体为一种基于深度学习的电商评论情感分析系统。

背景技术

深度学习是机器学习领域中一个新的研究方向，它被引入机器学习使其更进一步与最初的目标－－人工智能。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助，使得人工智能相关技术取得了很大进步。

随着互联网和电子商务的发展，电子商务的产品评论模式也发生改变，往往为了方便增加商品的表现形式，通常会对商品添加属性标签，现有属性标签通常通过对评论词的直接提取，生成属性标签。导致现有的标签描述简单，语义单调，且由于从品论词直接提取简化所得，从而导致属性标签的描述准确性交底，且现有的属性词提取，通常只包括产品词和功能性词汇，缺少情感词的描述，导致产品属性标签表述效果不足。

发明内容

针对现有技术的不足，本发明提供了一种基于深度学习的电商评论情感分析系统，具备基于深度学习进行产品表述词句的提取，通过深度学习算法进行词向量优化，并进行情感词汇的融合，有效保证产品属性标签词句表述的准确性和智能性，且增加情感词的情感表达，进一步增加表现形式和表达效果的优点。

为实现上述目的，本发明提供如下技术方案：一种基于深度学习的电商评论情感分析系统，包括评论提取模块、极性分类模块、深度学习模块、词向量初始化模块、词向量匹配模块、情感属性词提取模块、情感属性词融合模块、词义语序损失修正模块、属性情感词向量标签模块和属性情感标签提取模块；

评论提取模块，用于提取产品的评论数，并生成产品评论集；

极性分类模块，用于评论集的情感极性分类，建立产品属性情感标签；

深度学习模块，采用bert的Transformer的算法框架捕捉语句中的双向关系，使用Mask Language Model(MLM)[3]和Next Sentence Prediction(NSP)的多任务训练目标，通过在海量的语料的基础上运行自监督学习方法为单词学习一个好的特征表示，生成词向量预训练词典；

词向量匹配模块，用于对评论集与词向量预训练词典进行关键词匹配，确定对词向量语言表示模型；

情感属性词提取模块，神经网络模型对评论集的情感属性词进行提取；

情感属性词融合模块，用于将情感属性词和词向量语言表示模型进行词义融合；

词义语序损失修正模块，用于对融合后属性情感初始化标签进行词义和语序的修正，修正生成属性情感预选标签合集；

属性情感标签提取模块，用于对属性情感预选标签合集进行情感度计算，并对情感度进行对比，同时对产品符合度进行匹配，进行属性情感标签的筛选提取。

进一步优选的，所述极性分类模块，在进行评论集的情感极性分类时，包括对产品词的提取、属性词的提取和情感词的提取，其中对产品词与产品本身进行匹配度对比，确定评论正确值，对评论集极性分类及净化处理。