[发明专利]一种文本情感分析方法、计算机可读存储介质及终端设备

权利要求书

1.一种文本情感分析方法，其特征在于，包括：

对待分析的语句文本进行切词处理，得到构成所述语句文本的各个分词；

在预设的词向量数据库中分别查找各个所述分词的列向量，并将各个所述分词的列向量组成输入矩阵，其中，所述输入矩阵的每一列均对应一个列向量，所述词向量数据库为记录词语与列向量之间的对应关系的数据库；

从所述语句文本中选取一个与预设的分析对象对应的分词作为文本情感分析的情感主体；

将所述输入矩阵和输入向量输入到预设的文本情感分析神经网络模型中，得到所述情感主体在所述语句文本中的情感类型，所述输入向量为所述情感主体的列向量；

所述文本情感分析神经网络模型的数据处理过程包括：

根据下式计算所述输入矩阵和所述输入向量之间的耦合向量：

CoupVec＝(CoupFactor₁,CoupFactor₂,......,CoupFactor_n,......,CoupFactor_N)^T，

其中，1≤n≤N，N为所述输入矩阵的列数，T为转置符号，

WordVec_n为所述输入矩阵的第n列，MainVec为所述输入向量，WeightMatrix、WeightMatrix′均为预设的权值矩阵，CoupVec为所述耦合向量；

根据下式计算所述语句文本的复合向量：

CompVec＝WordMatrix*CoupVec，

其中，CompVec为所述复合向量，WordMatrix为所述输入矩阵，

且WordMatrix＝(WordVec₁,WordVec₂,......,WordVec_n,......,WordVec_N)；

根据下式分别计算各个情感类型的概率值：

其中，1≤m≤M，M为情感类型的个数，WeightMatrix_m为预设的与第m个情感类型对应的权值矩阵，Prob_m为第m个情感类型的概率值；

将概率值最大的情感类型确定为所述情感主体在所述语句文本中的情感类型。

2.根据权利要求1所述的文本情感分析方法，其特征在于，所述文本情感分析神经网络模型的训练过程包括：

选取预设数目的训练样本，每个样本包括一个输入矩阵、一个输入向量和一个预期输出情感类型；

将各个所述训练样本分别输入到所述文本情感分析神经网络模型中进行处理，并根据下式计算本轮训练的全局误差：

其中，CalcProb_l,m为第m个情感类型在第l个训练样本中的概率值，ExpProb_l,m为第m个情感类型在第l个训练样本中的预期概率值，

且ExpSeq为第l个训练样本的预期输出情感类型的序号，1≤l≤L，L为所述训练样本的数目，1≤m≤M，M为情感类型的个数，ln为自然对数函数，LOSS_l为第l个训练样本的训练误差，LOSS为所述全局误差；

若所述全局误差大于或等于预设的误差阈值，则对所述文本情感分析神经网络模型的参数进行调整，并返回执行所述将各个所述训练样本分别输入到所述文本情感分析神经网络模型中进行处理的步骤，直至所述全局误差小于所述误差阈值为止；

若所述全局误差小于所述误差阈值，则结束训练。

3.根据权利要求2所述的文本情感分析方法，其特征在于，所述选取预设数目的训练样本包括：

以训练样本对的形式成对选取训练样本，每个训练样本对包括两个训练样本，同一训练样本对中的两个训练样本的输入矩阵相同，为同一语句文本的各个分词的列向量所组成的矩阵，同一训练样本对中的两个训练样本的输入向量不同，分别为同一语句文本的两个不同情感主体的列向量，同一训练样本对中的两个训练样本的预期输出情感类型不同，一个为正面情感类型，另一个为负面情感类型。