[发明专利]一种基于改进CNN-LDA的情感分析方法

摘要

本发明公开了一种基于改进CNN‑LDA的情感分析方法，包括：爬虫豆瓣影评数据进行预处理；采用Word2vec获得语料集词向量；利用情感词典添加情感倾向权重；将Word2vec得到的词向量与情感倾向权重向量机获得情感倾向词向量；采用LDA主题生成模型获得语料集主题向量；将情感倾向词向量与主题向量叠加得到语料集的输入表征；将训练集词向量表征输入CNN模型以建立情感分析模型；最后将测试集词向量表征输入已训练网络进行分类评估。本发明提供了一种基于改进CNN‑LDA的情感分析方法，将情感倾向词向量与主题向量相结合，同时考虑了包含文本情感信息的词粒度和文本粒度层面的信息，从而可以在训练过程中更好的利用文本信息，提高文本情感分析的准确度。

主权项

1.一种基于改进CNN‑LDA的情感分析方法，其特征在于：包括以下步骤：S01，从豆瓣平台采集豆瓣影评数据并进行预处理，豆瓣影评数据包括评论人ID，评论内容和影评星级评价，对影评评论内容中的语料进行情感分类标注，并将语料分为训练集和测试集两个集合；S02，使用Word2Vec算法训练S01获取的影评评论内容的语料集，将语句中的单词映射为多维度的连续向量，构建词向量矩阵；S03：构建情感词典，包括正向情感词、负向情感词、程度副词和否定副词，根据情感词典获取每条影评评论内容的正向情感词、负向情感词、程度副词和否定副词，将语料中词向量集合和情感词典作为输入，依次将语料中的词向量与词典集合中的情感词比较，计算相似度，并选取最优值作为该词向量的权值，输出词向量的情感倾向权重集合；S04：采用向量机的方式，结合S02得到的词向量矩阵与S03得到的情感倾向权重集合，对词向量赋予不同的权重，得到情感加权词向量表征；S05：利用LDA主题生成模型提取评论数据语料集主题特征，通过LDA训练S01获取的评论语料集，获得LDA主题分布概率，输出文本—主题、主题—词语矩阵，确定恰当个数的主题类别，将每条影评所属主题类别作为电影情感分析的主题特征，模型训练结束输出语料库任意文本的主题分布矩阵，得到主题向量表征；S06：采用向量拼接的方式，将S04得到的情感加权词向量表征与S05得到的主题向量表征叠加在一起，形成新的词向量表征，即同时包含词义特征和整体语义特征，并且加入情感倾向关注度；S07：将S06得到的训练集的新的词向量表征作为卷积神经网络的输入，训练模型；S08：将S06得到的测试集的新的词向量表征输入S07中已被训练的情感分析模型，进行情感分类，并计算其准确率。