[发明专利]一种基于长短记忆网络和情感词典结合的情感计算方法

权利要求书

1.一种基于长短记忆网络和情感词典结合的情感计算方法，其特征在于：包括如下步骤：

S1、识别文本中是否包含情感字典的任何一个词，包含则判定为情感文本，进入到后面的情感分析中去；反之则判定为非情感文本，不进行情感分析；

S2、设定一个长度界限值，识别文本是否低于长度界限值，当情感文本的长度低于长度界限值时判定为短文本，否则判定为长文本；读取情感短文本数据，查找情感词、程度词、否定词和感叹号，对其评分后，将情感短文本分为正面、中立和负面三种类型；

S3、当情感文本为长文本时，统计所有文本的长度，取最长文本值作为训练数据统一长度，对于其他文本用0补齐至最长文本值，使得所有文本句子的长度统一，将处理好的数据接入到LSTM模型的输入层，每个词语经过嵌入层后得到一个100维的文字嵌入向量，并将其输入到LSTM层，经过一层LSTM层得到输出结果，再经过softmax层得到基于正面、中立和负面的概率预测。

2.根据权利要求1所述的一种基于长短记忆网络和情感词典结合的情感计算方法，其特征在于：所述步骤S2采用基于情感字典的情感计算方法，具体步骤如下：

(1)读取情感短文本数据，对评论进行分句；

(2)查找对分句的情感词，记录积极还是消极，以及情感词在分句中的位置；

(3)从情感词向前查找程度词，找到就停止搜寻，为程度词设权值，并乘以情感值；

(4)从情感词向前查找否定词，找完全部否定词，若数量为奇数，乘以-1，以改变情感极性，偶数则乘以1，情感极性不变；

(5)判断分句结尾是否有感叹号，有感叹号则往前寻找是否有情感词，有则相应的情感值+2；

(6)计算完一条评论所有分句的情感值，用数组记录起来；

(7)计算并记录所有评论的情感值；

(8)通过分句计算每条评论的积极情感均值，消极情感均值，积极情感方差，消极情感方差；其中不同程度的情感词前面的程度词是不同权重的；

(9)综合情感得分大于1分的赋予情感正面类别，介于-1到1之间为中立，小于-1的赋予情感负面类别。

3.根据权利要求1所述的一种基于长短记忆网络和情感词典结合的情感计算方法，其特征在于：所述步骤S3中取最长文本值，将其作为训练数据统一长度后还需加载情感词典,形成情感词索引；对每条文本进行分词，去除非法字符或者停用词。

4.根据权利要求1所述的一种基于长短记忆网络和情感词典结合的情感计算方法，其特征在于：所述步骤S3中采用交叉熵作为模型的损失函数进行训练，最终保存模型。