[发明专利]一种基于多语言层次机制的方面级情感分析方法

说明书

本发明提出了一种基于多语言层次机制的方面级情感分析方法，其特征在于，包括以下步骤：S1，将输入文本转化为向量表示；S2，获取输入文本中不同句子之间的时序关系，并获取方面词在单个句子中的局部特征和在整个句子中的长距离依赖关系；S3，基于分类特征来判别输入文本中不同方面的情感极性，将情感极性进行终端展示。本发明能够提高了情感分析的准确度和训练效率，并将情感展现在终端上。

技术领域

本发明属于社交网络的人文计算技术领域，具体涉及一种基于多语言层次机制的方面级情感分析算法，主要用于但不限于用户评论情感计算和人机交互领域，主要涉及技术包括文本数据处理、词嵌入处理以及模型特征抽取。

背景技术

如今互联网的兴起趋势不可阻挡，随之带动了社交平台和电商网站的兴起，从而使得人们可以自由地对自己感兴趣的事物发表蕴含自己情感倾向的观点。针对用户的情感观点表达进行情感分析不仅可以促进政府的舆情监管、企业的营销决策等应用平台的发展，甚至对于当前火热的人机对话系统的发展也有一定的帮助作用。

为了针对社交网络中的评论文本进行高效且准确的情感分析，分析算法至关重要。当前该方面级情感分析方法以下缺陷与不足：

1、基于机器学习的情感分析方法需要依赖专家的专业认知以及大量的人工特征构建工作导致模型训练效率低下、模型泛化能力弱。

2、针对多语言文本，针对每一种语言进行特征表示，其表示工作较为复杂，且忽略了未登入词这个问题。

3、用户评论文本中往往涉及多个评价方面，且不同方面往往对应不同的情感极性，然而现有网络模型无法充分获取同一评论中句子间的相互关系以及不同方面在整个评论中的依赖关系。

针对以上问题，在对情感分析进行深入研究后，本专利提出了一种新的情感分析算法，即基于多语言层次机制的方面级情感分析算法，提高了情感分析的准确度和训练效率。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于多语言层次机制的方面级情感分析方法。

为了实现本发明的上述目的，本发明提供了一种基于多语言层次机制的方面级情感分析方法，包括以下步骤：

S1，将输入文本转化为向量表示；

S2，获取输入文本中不同句子之间的时序关系，并获取方面词在单个句子中的局部特征和在整个句子中的长距离依赖关系；

S3，基于分类特征来判别输入文本中不同方面的情感极性，将用户评论的情感展示出来。

在本发明的一种优选实施方式中，步骤S1包括：

对每一个用户评论进行主题词提取，并将所有主题词出现的次数由大到小排列，取前A₁个主题词保存，所述A₁为正整数；

将用户评论对应的主题词映射为一个m维的连续值向量；

并将用户评论对应的方面词映射为一个m维的连续值向量。

在本发明的一种优选实施方式中，步骤S2包括以下步骤：

S21，对输入文本进行词嵌入操作；

S22，对于长度为d的独立区域r_k，将独立区域r_k中每一个词语映射为一个m维的连续值向量，得到每一个区域的向量表示，

将用户评论中的每一个独立区域作为卷积神经网络的输入，然后使用长度为l的卷积核对独立区域r_k做卷积操作：

N_k＝f(w·r_k+b)，