[发明专利]基于人工智能的情感分析的方法

权利要求书

1.一种基于人工智能的情感分析的方法，其特征在于，包括：

使用CNN模块和Bi-LSTM模块构建情感分析模型；

预训练所述情感分析模型；以及

获取待审计访谈语句的回答文本，通过已经预训练的所述情感分析模型对所述回答文本进行情感分析。

2.如权利要求1所述的基于人工智能的情感分析的方法，其特征在于，使用CNN模块和Bi-LSTM模块构建情感分析模型的方法包括：

分别向所述CNN模块和Bi-LSTM模块输入同一段文本数据，所述CNN模块和Bi-LSTM模块分别输出输出特征；

将所述CNN模块的输出特征和所述Bi-LSTM模块的输出特征进行融合；以及

对融合后的输出特征进行分类并且输出分类结果。

3.如权利要求2所述的基于人工智能的情感分析的方法，其特征在于，所述文本数据为通过jieba分词，并且使用word2vec模型转化为word_1,word_2,…,word_n向量的数据。

4.如权利要求2所述的基于人工智能的情感分析的方法，其特征在于，使用全连接网络将所述CNN模块的输出特征和所述Bi-LSTM模块的输出特征进行融合。

5.如权利要求2所述的基于人工智能的情感分析的方法，其特征在于，使用softmax函数对融合后的输出特征进行分类并且输出分类结果。

6.如权利要求2所述的基于人工智能的情感分析的方法，其特征在于，对融合后的输出特征进行分类的方法包括：将所述文本数据进行正向情感和负向情感的分类。

7.如权利要求1所述的基于人工智能的情感分析的方法，其特征在于，预训练所述情感分析模型的方法包括：

获取开源数据集chnsenticorp作为所述情感分析模型的预训练过程的数据集；

将所述数据集通过jieba分词分为至少一个词语；

使用分词后的数据集训练word2vec模型，并且通过训练后的word2vec模型将所述分词后的数据集向量化；以及

将向量化后的数据集输入所述情感分析模型进行预训练。

8.如权利要求7所述的基于人工智能的情感分析的方法，其特征在于，向量化后的数据集包括多条句子，每条所述句子的大小为(800，100)。

9.如权利要求8所述的基于人工智能的情感分析的方法，其特征在于，每条所述句子包含的词语数量被填充或截断为800个，每个所述词语为一个100维的向量。

10.如权利要求9所述的基于人工智能的情感分析的方法，其特征在于，每条所述句子包含的词语数量被填充或截断为800个的方法包括：

所述句子包含的词语的个数不到800的时候，用0填充句子，以使得句子长度为800；以及

句子包含的词语的个数超过800的时候，对句子的超出部分进行截断，以使得句子长度为800。

11.如权利要求7所述的基于人工智能的情感分析的方法，其特征在于，获取待审计访谈语句的回答文本的方法包括：

输入待审计访谈语句的文本；

将所述文本处理为一问一答的格式；以及

提取所述文本内的回答文本，并根据标点符号将所述回答文本分为多个语句。

12.如权利要求11所述的基于人工智能的情感分析的方法，其特征在于，如果待审计访谈语句为语音，将语音转换为文字。

13.如权利要求11所述的基于人工智能的情感分析的方法，其特征在于，获取待审计访谈语句的回答文本之后，还包括对所述回答文本进行分词处理和向量化处理。