[发明专利]基于弱监督深度学习的句子级情感分类方法

摘要

本发明提出了一种基于弱监督深度学习的句子级情感分类的方法，主要解决了现有技术不能准确的预测句子情感语义和分类准确率低的问题。其方案是1.设计能够利用大量弱标注的评论句子进行句子情感分类的深度神经网络WDE‑LSTM；2.对深度神经网络模型WDE‑LSTM进行粗调，即使用句子三元组的训练准则，使相同标注的句子相互靠近，不同标注的句子相互远离，减少句子在训练过程中出现的错误移动；3.对深度神经网络WDE‑LSTM进行精调；4.对训练好的深度神经网络模型进行测试，输出句子的分类结果，本发明设计的深度神经网络稳定性强，能更自然的处理时间序列数据，提高了对句子情感语义分类的准确率，可用于电子商务。

主权项

一种基于弱监督深度学习的句子级情感分类方法,其特征在于，包括：(1)设计能够利用大量弱标注的评论句子来进行句子情感分类的深度神经网络WDE‑LSTM，其中：第一层为输入层，第二层为长短期记忆层，第三层为最大池化层，第四层为隐藏层，第五层为嵌入层，第六层为分类层；(2)对设计好的深度神经网络模型WDE‑LSTM进行训练：2a)定义评级信息二值化后的句子为弱标注句子，并根据句子的情感语义人工标注了一些句子，再通过弱标注句子从输入层训练到嵌入层，实现对深度神经网络WDE‑LSTM的粗调；2b)用弱标注句子训练了一个能捕捉数据情感分布的嵌入层之后，在嵌入层上加入分类层，再用人工标注的句子从输入层训练到分类层，以实现对深度神经网络WDE‑LSTM的精调，最终得到一个二分类模型，即将分类的句子情感语义分为积极和消极两类；(3)将步骤(2)训练好的深度神经网络模型，用30％的人工标注的句子生成的数据集作为测试集，把该测试集输入到二分类模型中，即从输入层输入直到分类层，分类层最后输出的结果即为句子的情感语义类别。