[发明专利]基于舆情大数据分析的短文本情感分类方法、介质及系统

权利要求书

1.一种基于舆情大数据分析的短文本情感分类方法，其特征在于，包括以下步骤：

101、将经向量获取模型获取的正文和评论文本向量集与经神经网络多标签分类模型获取的主题向量集转换成单主题+正文+评论文本格式的输入样本；向量获取模型指的是，向量空间模型VSM、词频逆文本模型TF/IDF、词向量模型word2vec、预训练模型BERT中的任意一种；神经网络多标签分类模型指的是，传统循环神经网络模型RNN、传统时间序列模型LSTM、传统卷积神经网络模型CNN中的的任意一种；

102、构建基于自主题的注意力机制的胶囊网络模型，作为舆情评论的情感分类模型，根据主题权重设计该模型的损失函数，并将上述输入样本作为模型的输入；

103、将待预测文本输入所述情感分类模型进行情感标签预测，完成评论短文本情感分类。

2.根据权利要求1所述的一种基于舆情大数据分析的短文本情感分类方法，其特征在于，所述步骤101将经向量获取模型获取的正文和评论文本向量集与经神经网络多标签分类模型获取的主题向量集转换成单主题+正文+评论文本格式的输入样本，具体为：

将舆情正文和评论数据输入向量获取模型进行预处理编码，使得原始文本中的每个词在向量空间中有对应的特征表示；各正文文本表示为X＝{x₁，x₂，...，x_m}，其中m表示正文文本长度，评论文本为Y＝{y₁，y₂，...，y_l}，其中l表示评论文本长度，针对短文本评论时，通常l值小于m值；

将预处理后的舆情正文文本输入神经网络多标签分类模型，获取各语料的主题向量集，各主题文本表示为T＝{t₁₁，t₁₂，...t_1a，t₂₁，t₂₂，...，t₂₆，t₂₁，t_k1，…，t_kq}，其中k为某舆情正文主题个数，a，b…q为不同主题字数长度；

通过平均法聚焦主题，样本向量表示为X^*＝{∑(t₁，...t_1a)/a，x₁，x₂，...x_m，y₁，y₂，...，y_l}，其中q为主题个数，m为正文字数长度，l为评论文本长度；对于一条评论文本，其输入样本数为n条，n表示该正文所属主题的个数。

3.根据权利要求1所述的一种基于舆情大数据分析的短文本情感分类方法，其特征在于，所述102构建基于自主题的注意力机制的胶囊网络模型，作为舆情评论的情感分类模型，根据主题权重设计该模型的损失函数，并将上述输入样本作为模型的输入，具体为：

构建基于自主题注意力机制的胶囊网络模型，将输入胶囊区分为主题和其他两个部分。通过基于自主题注意力的表示部分于整体间的视点不变关系的学习矩阵迭代动态路由，将输入胶囊与动态路由的学习结果矩阵相乘作为自特征提取层，计算并更新胶囊向量v和对应路由b参数：

其中r为胶囊网络层数，b_i为第i个向量的注意力权重参数，初始为随机初始矩阵，q_i，k_i，v_i为注意力参数，由输入胶囊与参数b点积确定，a^r为胶囊网络原始路由计算参数；

然后，将输出的胶囊v串联到一起，输入前馈网络FFN中，该网络由三个线性变换组成，其中激活函数为Sigmod，

x表示文本向量，b₁，b₂，b₃，W₁，W₂，W₃分别表示为权重参数与参数矩阵，随机初始化，由反馈神经网络迭代训练。

经由压缩函数得到下一层的输入胶囊，通过挤压不改变输出的维度，只改变长度：