[发明专利]一种基于深度学习的中文文本情感分析方法

权利要求书

1.一种基于深度学习的中文文本情感分析方法，其特征在于：包括以下步骤，

步骤1，训练LSTM-MP模型和Softmax分类器；

具体过程如下：

获取网络文本；

对获得的网络文本进行预处理，得到网络文本中的中文句子；

对中文句子进行中文分词并构建词向量词典；

将若干中文句子进行人工标注，作为LSTM-MP模型实验数据，其余中文句子作为LSTM-MP模型训练数据；

用LSTM-MP模型训练数据训练LSTM-MP模型；

用训练好的LSTM-MP模型将LSTM-MP模型实验数据全部转换为句向量；

将若干句向量作为Softmax分类器训练数据，其余句向量作为Softmax分类器测试数据；

用Softmax分类器训练数据训练Softmax分类器，用Softmax分类器测试数据测试训练好的Softmax分类器；

步骤2，用训练好的LSTM-MP模型和Softmax分类器进行情感分析。

2.根据权利要求1所述的一种基于深度学习的中文文本情感分析方法，其特征在于：设计多线程爬虫进行网络文本获取的过程为，

选取适当的网站首页URL初始化爬虫的URL列表；

获取各网站首页的HTML文档，解析出HTML文档中消息对应的URL，对消息对应的URL去重后添加至URL列表；

若有新发布的消息，则将新消息对应的URL添加至URL列表；

根据 URL获取对应的HTML文档；

将获取到的HTML文档，利用信息抽取技术进行信息抽取，抽取出页面的信息正文部分后，按照制定格式存入本地数据库。

3.根据权利要求1所述的一种基于深度学习的中文文本情感分析方法，其特征在于：网络文本进行预处理的过程为，对网络文本中的转义符进行替换，对网络文本中的不规范标点符号进行替换。

4.根据权利要求1所述的一种基于深度学习的中文文本情感分析方法，其特征在于：对中文句子进行中文分词并构建词向量词典，具体过程为，

对中文句子进行中文分词；

词向量学习工具调试；

将中文分词得到的中文词语输入词向量学习工具，进行词向量词典构建。

5.根据权利要求4所述的一种基于深度学习的中文文本情感分析方法，其特征在于：选用最佳匹配法进行中文分词。

6.根据权利要求1所述的一种基于深度学习的中文文本情感分析方法，其特征在于：将LSTM-MP模型训练数据转换为词向量序列，然后训练LSTM-MP模型；

将LSTM-MP模型实验数据转换为词向量序列，然后用训练好的LSTM-MP模型将其转换为句向量。

7.根据权利要求1所述的一种基于深度学习的中文文本情感分析方法，其特征在于：用训练好的LSTM-MP模型和Softmax分类器进行情感分析的过程为，

获取需分析的网络文本；

对需分析的网络文本进行预处理，得到需分析的中文句子；

对需分析的中文句子进行中文分词并构建词向量词典；

将需分析的中文句子转换为词向量序列；

用训练好的LSTM-MP模型将词向量序列转换为句向量；

用训练好的Softmax分类器将句向量进行情绪分类。