[发明专利]一种基于细粒度情感字典的网络情绪分析方法

说明书

本发明公开了一种基于细粒度情感字典的网络情绪分析方法，包括以下步骤：获取网络文本，根据细粒度情感字典的方法对所述网络文本进行计算，输出词向量文本，将所述词向量文本进行语义获取处理，输出与所述网络文本相匹配的原始文本特征集，将原始文本特征集进行非线性变换输出F值，将所述F值作为网络情绪分析的指标。细粒度情感词典的构建使词语信息更加全面，解决数据稀缺性的问题，提升预测的准确率。

技术领域

本发明涉及情绪分析领域，尤其涉及一种基于细粒度情感字典的网络情绪分析方法。

背景技术

随着社交网络和电子商务的快速发展，微博、Twitter、微信、QQ、Face-book、淘宝、京东等社交网络和购物平台给人们的生活带来了很大的影响，越来越多的用户喜欢在社交媒体上发表自己的看法，而不只是浏览和接收信息。在国内，微博已经成为许多年轻人分享和获取信息的核心平台。在这些信息中包含着喜、怒、哀、乐等个人情绪，对这些信息中的情绪进行分析可以获得用户的内心活动、分析用户的性格特点。分析人们对于公众事件和社会现象的态度可以更好的检测和控制事件进展。因此，对微博等社交媒体中的文本进行情绪分析有重要的意义。

在目前系统流程下，存在的问题数据稀缺性，即情绪训练语料和情绪词典资源比较稀缺，为解决此类问题，本文提出融合细粒度情感词典的方法，该方法根据现有的情感资料构建了包含情感信息、情绪信息、词性信息的细粒度微博情感词典，使词语信息更加全面，将其与大规模文本预训练得到的向量融合在一起构成情绪词向量，解决数据稀缺性的问题，提升预测的准确率。

发明内容

本发明提供的一种基于细粒度情感字典的网络情绪分析方法，旨在解决现有技术中存在数据稀缺性的问题。

为实现上述目的，本发明采用以下技术方案：

本发明的一种基于细粒度情感字典的网络情绪分析方法，包括以下步骤：

获取网络文本，根据细粒度情感字典的方法对所述网络文本进行计算，输出词向量文本；

将所述词向量文本进行语义获取处理，输出与所述网络文本相匹配的原始文本特征集；

将原始文本特征集进行非线性变换输出F值，将所述F值作为网络情绪分析的指标。

获取网络文本，根据细粒度情感字典的方法对所述网络文本进行计算，输出词向量文本，将所述词向量文本进行语义获取处理，输出与所述网络文本相匹配的原始文本特征集，将原始文本特征集进行非线性变换输出F值，将所述F值作为网络情绪分析的指标。细粒度情感词典的构建使词语信息更加全面，解决数据稀缺性的问题，提升预测的准确率。

作为优选，获取网络文本，根据细粒度情感字典的方法对所述网络文本进行计算，输出词向量文本，包括：

将获取的所述网络文本通过结巴分词进行文本的预处理，输出网络预处理文本；

将所述网络预处理文本中词语的词向量进行拼接，得到网络预处理词向量文本，使用公式为：其中：Vi∈Vd×n表示ti对应于词典中的元素，表示行向量拼接操作；

将所述网络预处理词向量文本与细粒度情感字典利用公式相融合输出词向量文本X，其中V_P表示词性信息，V_M表示情绪信息，V_E表示情感。

作为优选，将所述词向量文本进行语义获取处理，输出与所述网络文本相匹配的原始文本特征集，包括：

将所述词向量文本输入到Attention层,经过Attention计算后输出Attention序列；

将所述Attention序列输入到卷积层并进行卷积操作，输出特征矩阵C；

将所述特征矩阵C输入到池化层进行采样操作，输出所述原始文本特征集。