[发明专利]微博数据正负面识别方法

权利要求书

1.微博数据正负面识别方法，其特征在于：包括以下步骤：

S1、预处理：去除微博短文本中的杂质语句；

S2、文本分词：通过海量分词算法对步骤S1中去除杂质语句后的短文本进行分词归一化处理；

S3、训练词向量：将步骤S2中完成分词归一化处理后的训练语料使用word2vec模型训练词向量；

S4、生成字向量矩阵：加载谷歌预训练的bert模型，将步骤S1中过滤杂质语句后的短文本转成字向量矩阵；

S5、生成词向量矩阵：将步骤S3中训练好的词向量转化成词向量矩阵；

S6、生成字向量与词向量拼接矩阵：将步骤S4中的字向量矩阵与步骤S5中的词向量矩阵进行拼接，并活动字向量矩阵与词向量矩阵的拼接矩阵；

S7、获得识别结果：将步骤S6中的生成的拼接矩阵作为textcnn深度学习模型训练的输入训练模型，并计训练出最优模型，得到数据正负面的分类结果。

2.根据权利要求1所述的微博数据正负面识别方法，其特征在于：所述步骤S1中杂质语句包括但不限于常用的表情符号、转发和话题的无效信息内容。

3.根据权利要求1所述的微博数据正负面识别方法，其特征在于：所述步骤S2中海量分词算法是由通过结合人民日报以及互联网文本收集加人工整理的专用词知识，使用开源trie树算法实现快速知识的扫描匹配，并结合HMM和Viterbi双重算法组成。

4.根据权利要求1所述的微博数据正负面识别方法，其特征在于：所述步骤S2中海量分词算法提取出短文本中的时间、地点、数量词、人名、机构名、停用词和标点符号使用归一化处理，并将上述专有词汇统一映射成TIME_HY、LOC_HY、NUM_HY、NAME_HY、ORG_HY、STOP_HY和PUNC_HY的训练语料。

5.根据权利要求1所述的微博数据正负面识别方法，其特征在于：所述步骤S7中textcnn深度学习模型结构包括输入层、卷积层、池化层和全连接层。