[发明专利]融合用户情感倾向的社交网络评论文本情感分析方法及系统

权利要求书

1.融合用户情感倾向的社交网络评论文本情感分析方法，其特征在于，包括以下步骤：

步骤1、首先根据联合国人口基金会定义青少年的年龄范围为14-25岁的原则，将社交网络用户数据集根据用户个人资料的年龄信息划分14-25岁为青少年用户，再将他们各自对应的评论文本数据集分为训练样本和测试样本，然后统计各个用户评论的星级分类作为情感分类信息，再统计用户之间的社交关系信息，计算出各个用户的情感倾向分值；具体过程为：统计社交网络用户的评论，根据其星级将评论分为消极评论和积极评论，假设每个用户有p个积极评论和n个消极评论，再统计数据集中用户的社交关系，统计其数量为f，其情感倾向分值计算公式为：

其中，N是用户的数量，是第i个用户的社交关系数量，是第i个用户积极评论的数量，是第i个用户的消极评论数量，s_i代表第i个用户的情感倾向分值；

步骤2、以用户的情感倾向分值作为用户的属性信息，用户与用户之间的社交网络关系信息作为边信息，构建一个用户-用户社交网络的图网络结构；

步骤3、利用图注意力网络模型GAT提取用户所述图网络结构中的用户情感倾向特征；

步骤4、利用Transformers模型对评论文本进行编码得到评论文本特征；

步骤5、将用户情感倾向特征和评论文本特征通过联合策略得到每个评论的联合特征，再构建逻辑回归模型，用训练样本的评论联合特征进行模型的参数训练，再对测试样本进行情感极性预测分析。

2.根据权利要求1所述的融合用户情感倾向的社交网络评论文本情感分析方法，其特征在于，所述步骤2的具体过程为：用计算的出的所有用户的情感倾向分值s_i组成集合s＝{s₁，s₂,…,s_N}，集合s作为用户的属性信息。统计用户i和用户j社交关系，有社交关系的组成组合[i,j]，最终用户之间构建一个E×2的矩阵A，E是边的总数量，矩阵A代表用户与用户的社交关系矩阵，

3.根据权利要求2所述的融合用户情感倾向的社交网络评论文本情感分析方法，其特征在于，所述步骤3的具体过程为：定义每个用户的初始节点向量为h，维度为h＝[f,p,n]，所有用户组成集合h＝{h₁,h₂,…,h_N}，根据矩阵A的关系组成矩阵[h_i,h_j]，用户j是用户i的邻居，使用注意力机制计算用户j对用户i的重要性，即注意力值，具体做法如下：

其中，α_ij是用户i和用户j之间的注意力值，是前馈神经网络的权值参数，F是用户输出的向量维度，是先行转化h的权值参数，||表示拼接操作，激活函数采用LeaKyReLU；

模型采用多头注意力机制，有K个注意力头，每个注意力头对节点i的向量进行更新，最终把节点i的所有向量拼接起来取平均值，最终得到用户情感倾向特征h′_i，其计算公式如下：

采用tanh激活函数，得到的h′_i即为第i个用户的情感倾向特征，维度为