[发明专利]一种基于双通道深度学习模型的文本情感分析方法在审
| 申请号： | 201910741879.8 | 申请日： | 2019-08-13 |
| 公开（公告）号： | CN110532549A | 公开（公告）日： | 2019-12-03 |
| 发明（设计）人： | 赵建视;梁俊卿;吕笑琳;董文瑾 | 申请（专利权）人： | 青岛理工大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F16/35;G06N3/04 |
| 代理公司： | 11531 北京汇捷知识产权代理事务所(普通合伙) | 代理人： | 马金华<国际申请>=<国际公布>=<进入 |
| 地址： | 266520 山东省青*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明针对现有深度学习模型在文本情感分析任务中将词作为基本单元，忽略了词的内部结构信息，视角单一、无法充分提取文本特征的问题，提出了一种基于双通道深度学习模型的文本情感分析方法。首先，通过词嵌入和字嵌入的方式将文本转化为词向量和字向量。其次，把词向量和字向量分别作为BLSTM的两个输入通道以充分提取文本特征，同时，在两个通道分别引入注意力机制以突出重要信息对模型的贡献。最后，引入Merge层，结合两种特征表示进行联合学习。实验结果表明所提方法能够有效提高文本情感分析任务的性能，其准确率、召回率以及F1值相比单通道方法、传统机器学习算法以及其他深度学习模型都有显著的提升。 | ||
| 搜索关键词： | 文本情感 文本特征 词向量 向量 学习 内部结构信息 注意力机制 传统机器 基本单元 输入通道 特征表示 文本转化 学习算法 重要信息 分析 单通道 嵌入的 双通道 引入 准确率 嵌入 视角 联合 | ||
【主权项】：
1.一种基于双通道深度学习模型的文本情感分析方法，其特征在于，包括以下步骤：/n步骤S1:对数据集进行预处理，利用Word2Vec训练词向量和字向量，将文本表示成词向量矩阵和字向量矩阵；/n步骤S2:将训练好的词向量矩阵作为第一个通道Word-BLSTM-A的输入，利用BLSTM从词向量的角度学习文本特征，并在其后引入注意力机制；/n步骤S3:将训练好的字向量矩阵作为第二个通道Char-BLSTM-A的输入，利用BLSTM从字向量的角度学习文本特征，并利用注意力机制学习关键的文本信息；/n步骤S4:两个通道分别从词向量和字向量的角度提取到两种不同的含有注意力概率分布语义编码的文本特征向量，将这两种文本特征向量进行合并，接入Dense层，通过分类器最终得到文本情感倾向。/n
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青岛理工大学，未经青岛理工大学许可，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/201910741879.8/，转载请声明来源钻瓜专利网。
