[发明专利]一种基于特定领域情感词的文档级情感分析方法

权利要求书

1.一种基于特定领域情感词的文档级情感分析方法，其特征在于，包括以下步骤：

步骤1：收集文档数据集，得到原型单词的集合，使用Skip-gram词向量模型训练原型单词的集合，得到每个原型单词对应的词向量，并利用注意力机制对词向量进行重组，以捕获词向量中非连续词之间的关系；

文档由句子组成，句子由词组成，利用非对称卷积神经网络对词进行合成，利用基于注意力机制的双向门循环神经网络对句子进行合成，最终形成文档向量特征；

步骤2：建立一种基于Skip-gram词向量模型的领域情感词典，以生成情感特征向量；

具体包括以下子步骤：

步骤2.1：计算领域语料中每个词的tf-idf值，如公式(12)所示：

其中，n代表某类c在文本集合中含有特定词语t的文本数量，m代表在文本中含有词语t的文本数量，S代表语料集中包含的文本数量；

之后，得到一个词集，如公式(13)所示：

D＝{(d₁,tf-idf'₁),(d₂,tf-idf'₂),...,(d_t,tf-idf'_t)} (13)；

其中，d_t代表文档中的每个词，t的范围是t∈R^d，idf_t'代表改进的反文档频率，tf代表词频；

步骤2.2：用词频统计筛选掉低频的词，与情感词典结合产生情感词，出现在情感词中且在SentiNetWord中情感强度较大的被选为情感种子词，集合为：N＝{(n₁,wk₁),(n₂,wk₂),...,(n_j,wk_j)}，

其中，n_i是情感种子词，wk_i是n_i对应的情感权重向量；

步骤2.3：通过特定领域的语义相似性衡量来计算未知情感词d_i，i≤t和情感种子词n_i的相似性，包括基于Skip-gram词向量模型和词的相似性，Si_i,j＝(S',SS”)；Si_i,j代表词的相似性和Skip-gram相似性的结合；

其中，d_i∈D'，n_i∈N，D'是D的子集，表示未知情感的词集，S'表示Skip-gram相似性，S”表示词的相似性；

为了更清楚地表示每个词与情感词的两种相似性，创建了包括Skip-gram相似性和词的语义相似性的综合矩阵Q，如公式(14)所示：

其中，d'代表未知情感的词，n_n代表种子情感词；

步骤2.4：将Si_i,j与情感权重向量进行相乘，得到e_i，e_i为情感特征向量，如公式(15)所示：

步骤3：利用线性结合层将步骤1得到的文档向量特征与步骤2生成的情感特征向量相结合形成文档特征，并且通过softmax函数接收文档特征，最后输出文档的情感类别。

2.根据权利要求1所述的一种基于特定领域情感词的文档级情感分析方法，其特征在于，步骤1中所述的文档数据集来源于学术研究中使用的语料数据。

3.根据权利要求1所述的一种基于特定领域情感词的文档级情感分析方法，其特征在于，所述步骤1中的注意力机制使用的是self-Attention机制，self-Attention机制能为每个词和句子建立一个上下文向量。