[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

权利要求书

1.一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。

2.根据权利要求1所述的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，所述预处理包括：

删除网页链接、位置信息和重复的子句；

将网络流行语及网络缩写在遍历用语词典获取对应的文字信息，在遍历用语词典后找不着对应含义的网络流行语及网络缩写进行人工标注；

将表情符号用对应的文字代替。

3.根据权利要求1所述的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，在步骤S4中，通过以下公式生成所述特征图：

mi＝W*xi,i+h-1+b,b∈R

Mi＝[m1,m2,...,mi-h+1]

N_i＝ReLU(M_i)＝max(0,M_i)

其中，x为输入到卷积层的语句的向量表示，b是偏置项，m_i为一个滤波器输出函数，M_i为原始特征，滤波器W∈R^hk，R表示向量空间，h表示窗口大小，k表示维度为k维，Relu为非线性函数。

4.根据权利要求1所述的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，在步骤S5中，使用1-max策略进行所述池化。

5.根据权利要求1所述的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，在步骤S6中，使用基于OCC模型的ECOCC模型进行所述情绪分类。

6.一种基于卷积神经网络的中文微博文本情绪分类系统，其特征在于，包括：

信息获取模块，用于获取微博数据；

数据预处理模块，用于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；

语句嵌入模块，用于对预处理后的微博数据使用Word2vec模型将词表征为实数值向；

卷积模块，用于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；

池化模块，用于将所述特征图堆积后进行池化，以实现特征降维；

分类模块，用于使用Softmax回归模型对池化后的特征图进行情绪分类。

7.根据权利要求6所述的基于卷积神经网络的中文微博文本情绪分类系统，其特征在于，所述数据预处理模块进一步用于：

删除网页链接、位置信息和重复的子句；

将网络流行语及网络缩写在遍历用语词典获取对应的文字信息，在遍历用语词典后找不着对应含义的网络流行语及网络缩写进行人工标注；

将表情符号用对应的文字代替。

8.根据权利要求6所述的基于卷积神经网络的中文微博文本情绪分类系统，其特征在于，所述卷积模块通过以下公式生成所述特征图：

mi＝W*xi,i+h-1+b,b∈R

Mi＝[m1,m2,...,mi-h+1]

N_i＝ReLU(M_i)＝max(0,M_i)

其中，x为输入到卷积层的语句的向量表示，b是偏置项，m_i为一个滤波器输出函数，M_i为原始特征，滤波器W∈R^hk，R表示向量空间，h表示窗口大小，k表示维度为k维，Relu为非线性函数。

9.根据权利要求6所述的基于卷积神经网络的中文微博文本情绪分类系统，其特征在于，所述池化模块使用1-max策略进行所述池化。

10.根据权利要求6所述的基于卷积神经网络的中文微博文本情绪分类系统，其特征在于，所述分类模块使用基于OCC模型的ECOCC模型进行所述情绪分类。