[发明专利]基于情绪类别描述的微博情绪分类方法

权利要求书

1.基于情绪类别描述的微博情绪分类方法，其特征在于：首先提出情绪类别描述策略，将待分类微博的所有情绪类别都扩展为形式化的类别描述，具体的，提出三种情绪类别描述策略，将若干种情绪类别都扩展为形式化的类别描述，其中三种情绪类别描述策略分别是：基于关键词的类别描述策略、基于关键词扩展的类别描述策略、基于情绪定义的类别描述策略；其次，将微博文本与类别描述拼接成一个问答对，输入到预训练的BERT模型中；其次，将问答对经过BERT模型编码后得到的隐状态输入到两层全连接神经网络中，输出整个问答对的融合语义表示；最后，将问答对的融合语义表示输入到Softmax层中，输出归一化的情绪类别概率分布，实现微博的情绪分类；

所述基于关键词的类别描述策略直接将若干种情绪类别分别对应的中文关键词作为情绪类别描述；

所述基于关键词扩展的类别描述策略根据情绪类别关键词对应的同义词，将类别关键词对应的同义词一起作为情绪类别描述；

所述基于关键词扩展的类别描述策略根据“快乐”、“愤怒”、“悲伤”和“恐惧”4种类别关键词对应的同义词，将类别关键词对应的同义词一起作为情绪类别描述，对于neutral类，将关键词“中性”和“无情绪”拼接起来作为情绪类别描述；

所述基于情绪定义的类别描述策略根据情绪类别的具体定义作为情绪类别描述。

2.根据权利要求1所述的基于情绪类别描述的微博情绪分类方法，其特征在于：所述方法中还包括如下：

收集微博文本作为实验数据集，并进行预处理操作，预处理操作后每条数据的人工标签为若干种情绪类别中的一种；

构建基于情绪类别描述的预训练BERT情绪分类模型：首先，基于问答的思想，将微博文本作为问题，将所有情绪类别的类别描述拼接成一个候选答案集，微博文本与类别描述一起构成一个问答对，作为预训练BERT模型的输入，以此融合丰富的上下文语义以及类别的语义信息；其次，将问答对经过BERT模型编码后得到的隐状态输入到两层全连接神经网络中，输出整个问答对的融合语义表示；最后，将问答对的融合语义表示输入到Softmax层中，输出归一化的情绪类别概率分布，实现微博的情绪分类。

3.根据权利要求2所述的基于情绪类别描述的微博情绪分类方法，其特征在于：预处理包括去重、去除“//”、“@”和URL数据。

4.根据权利要求2所述的基于情绪类别描述的微博情绪分类方法，其特征在于：预处理操作后每条数据的人工标签为：happiness、anger、sadness、fear和neutral这5种情绪类别之一。