[发明专利]一种基于字的中文观点要素情感分析方法

权利要求书

1.一种基于字的中文观点要素情感分析方法，其特征在于，包括以下步骤：

S1.选取数据集；

S2.数据清洗和提取；

由于原始数据是以xml格式保存的，所以首先要去除掉每条数据包含的xml格式标签，然后提取评论文字、观点要素文字以及情感极性，每条数据按照{″content″，″target″，″label″}的格式保存在txt文件中；过后，将数据集划分为训练集和测试集，将数据总数的20％划为测试集，其余为训练集；

S3.字嵌入；

数据清洗和抽取过后，开始利用训练集训练模型；每一轮训练要读取训练集中的一条样本；首先将这条样本的content、target切分成一个个由字组成的序列，在由中文语料库构成的中文字典中查找每个字的one-hot向量，然后与字嵌入矩阵E相乘，得到了每个字的字向量；E∈R^V×D，V是字典的大小，D是字向量的维度，R是实数集，字嵌入矩阵E的初始值E₀可随机初始化；

S4.训练初始化的模型；

模型的搭建框架基于Tensorflow或者Keras；模型的参数的集合为Θ，该集合包括字嵌入矩阵E、双向LSTM网络的参数[W_f，W_i，W_o，W_c，U_f，U_i，U_o，U_c，b_f，b_i，b_o，b_c]，注意力机制层的参数[W_a，b_a]，非线性变化层的参数[W_l，b_l]；及损失函数J；

其中g_i表示真实的情感极性标签，y_i表示情感极性属于第i种情感的概率，C表示情感分类数量，θ表示Θ中的一个参数；

利用反向传播的方法来计算梯度和更新参数Θ：

其中λ_l是学习率；以上，除Θ中的参数是随机初始化并且需要更新的以外，λ_r，λ_l以及最大训练次数均由训练前人为设定；模型训练结束后，更新的Θ被保存， 对模型的观点要素情感分析效果，在测试集中采用正确率来度量：

其中T表示正确预测了情感极性的样本数，M为总样本数；

S5.测试；

测试过程首先利用网络爬虫爬取论坛上的若干条评论，对数据进行清洗和预处理，过滤掉不带观点要素和情感的评论，获得待分析的论坛评论；提取出评论文字和观点要素文字，划分成由字组成的序列，对照中文字典查找每个字的one-hot向量，用字嵌入技术分别获得评论和观点要素的字向量序列，输入到已经训练好的观点要素情感分析模型中，输出对应观点要素的情感极性。