[发明专利]一种基于机器学习的商品评论数据的情感分析方法

权利要求书

1.一种基于机器学习的商品评论数据的情感分析方法，其特征在于，包括：

步骤1、商品评论数据的采集和抽取；

步骤2、数据预处理，所述预处理包括文本去重、机械压缩去词和短句删除；

步骤3、基于结巴分词方法对预处理的数据进行文本分词；

步骤4、构建情感分析模型：

步骤41、基于神经网络语言模型NNLM训练生成词向量；

步骤42、构建语义网络；

步骤43、基于LDA主题模型进行语义挖掘，无监督的生成主题。

2.如权利要求1所述的基于机器学习的商品评论数据的情感分析方法，其特征在于，在步骤1中，使用八爪鱼采集器对商品评论数据进行采集。

3.如权利要求1所述的基于机器学习的商品评论数据的情感分析方法，其特征在于，在步骤1中，将抽取的评论数据存放为表格形式，并将数据保存为UTF-8格式。

4.如权利要求1所述的基于机器学习的商品评论数据的情感分析方法，其特征在于，在步骤2中，所述文本去重采用编辑距离去重，所述编辑距离去重的阈值为2。

5.如权利要求1所述的基于机器学习的商品评论数据的情感分析方法，其特征在于，在步骤2中，所述机械压缩去词采用两个栈的方法。

6.如权利要求1所述的基于机器学习的商品评论数据的情感分析方法，其特征在于，在步骤2中，所述短句删除为删除字符串长度小于等于3的短句。

7.如权利要求1所述的基于机器学习的商品评论数据的情感分析方法，其特征在于，在步骤3中，所述结巴分词方法为python的结巴分词方法，python的结巴分词方法支持精确模式、全模式和搜索引擎模式三种分词模式。

8.如权利要求7所述的基于机器学习的商品评论数据的情感分析方法，其特征在于，在步骤3中，所述python的结巴分词方法采用精确模式对预处理的数据进行文本分词。

9.如权利要求1所述的基于机器学习的商品评论数据的情感分析方法，其特征在于，在步骤41与步骤42之间还包括：

步骤44、将词分为好评与差评两组结果集。