[发明专利]基于卷积神经网络的中文微博文本情绪分类方法及其系统在审
| 申请号： | 201710046072.3 | 申请日： | 2017-01-22 |
| 公开（公告）号： | CN106874410A | 公开（公告）日： | 2017-06-20 |
| 发明（设计）人： | 徐华;贾霏;孙晓民;邓俊辉 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/04 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙)11201 | 代理人： | 张润 |
| 地址： | 10008*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的中文微博文本情绪分类方法及其系统，该方法包括获取微博数据；对微博数据进行预处理；对预处理后的微博数据使用Word2vec模型将词表征为实数值向；将不同大小的词的组合通过对应大小的滤波器上，通过前向传播，生成二维的特征图；将特征图堆积后进行池化；使用Softmax回归模型对池化后的特征图进行情绪分类。本发明具有如下优点采用卷积神经网络算法来进行特征提取和降维，采用有监督的方法对模型进行调整，利用上述算法来抽取词与词、语句与语句之间关系中来实现无监督观点挖掘，按照事件结果、主体行为和实体对象划分形成情感分类体系对微博文本进行情感分类，提升了分类的效率和正确率。 | ||
| 搜索关键词： | 基于 卷积 神经网络 中文 文本 情绪 分类 方法 及其 系统 | ||
【主权项】：
一种基于卷积神经网络的中文微博文本情绪分类方法，其特征在于，包括以下步骤：S1：获取微博数据；S2：对所述微博数据进行预处理，以去除所述微博数据中的无关噪声和重复数据；S3：对预处理后的微博数据使用Word2vec模型将词表征为实数值向；S4：将不同大小的词的组合通过对应大小的滤波器上，通过前向传播，生成二维的特征图；S5：将所述特征图堆积后进行池化，以实现特征降维；S6：使用Softmax回归模型对池化后的特征图进行情绪分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710046072.3/，转载请声明来源钻瓜专利网。
- 上一篇：点云数据的存储方法及装置
- 下一篇：一种表格的搜索方法及搜索平台
