[发明专利]一种基于卷积神经网络的评论数据情感分类方法及系统

摘要

本发明公开了一种基于卷积神经网络的评论数据情感分类方法及系统，本发明针对传统的情感分类方法只单独考虑影评的文本信息，而忽略了影评的背景知识导致情感分类的准确率不高的问题，本发明在原有的影评信息上添加背景知识，利用卷积神经网络提高影评情感分类准确率的方法：首先，利用SenticNet情感网络从影评的文本中得到关键词，并用Word2Vec模型得到上述关键词的向量表示；其次，用SenticNet情感网络得到每个关键词对应的背景知识；然后利用TransE模型和document2vec模型得到背景知识的向量表示；最后，利用卷积神经网络对关键词向量，背景知识向量进行处理，得到情感分类模型，提高了影评数据情感分类的准确性。

主权项

1.一种基于卷积神经网络的评论数据情感分类方法，其特征在于，包含如下步骤：S1、获取训练用的评论数据集，评论数据集中包含多条评论，每条评论均对应有情感极性评价；S2、对评论数据集进行预处理，滤除其中的无用信息；S3、分别对滤除无用信息后的评论数据集进行处理，对于每一条评论：提取其中的情感关键词并获取与情感关键词对应的背景知识；S4、利用向量生成模型，对每一条评论对应的情感关键词与背景知识分别生成向量；S5、对于每一条评论：将关键词的向量进行拼接形成关键词二维矩阵，将每一个背景知识的向量分别进行拼接形成各个背景知识的背景知识二维矩阵；S6、分别将每一条评论的关键词二维矩阵、背景知识二维矩阵一起拼接为一个多通道的二维矩阵；S7、利用各条评论的多通道的二维矩阵与对应的情感极性评价进行情感分类模型训练；S8、利用训练好的情感分类模型，对待分类评论数据进行情感分类。