[发明专利]基于情感分析的数据处理方法、装置、设备及存储介质

权利要求书

1.一种基于情感分析的数据处理方法，其特征在于，包括：

获取目标日期的金融领域评论文本数据；

将所述金融领域评论文本数据输入至混合神经网络，得到所述目标日期的金融领域评论文本数据的情感分析结果；

根据所述目标日期的金融领域评论文本数据的情感分析结果生成目标关联日期的金融市场趋向数据。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标日期的金融领域评论文本数据的情感分析结果生成目标关联日期的金融市场趋向数据，包括：

根据所述目标日期的金融领域评论文本数据的情感分析结果生成所述目标日期的评论情绪指数；

根据所述目标日期的评论情绪指数生成所述目标关联日期的金融市场趋向数据；

其中，所述金融领域评论文本数据包括金融证券领域评论文本数据，所述方法还包括：

根据设定连续日期的评论情绪指数和预设金融市场移动平均线生成所述设定连续日期的金融市场情感趋向数据。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标日期的金融领域评论文本数据的情感分析结果生成所述目标日期的评论情绪指数，包括：

基于如下公式生成所述目标日期的评论情绪指数：

其中，BI表示所述评论情绪指数，M_bult表示所述目标日期的第一评论数量，M_bear表示所述目标日期的第二评论数量。

4.根据权利要求1所述的方法，其特征在于，在所述获取目标日期的金融领域评论文本数据之前，还包括：

获取金融领域评论文本样本数据；

根据所述金融领域评论文本样本数据对所述混合神经网络进行训练。

5.根据权利要求4所述的方法，其特征在于，所述根据所述金融领域评论文本样本数据对所述混合神经网络进行训练，包括：

通过所述混合神经网络的Word2Vec语言模型将所述金融领域评论文本样本数据转换为词向量数据；

将所述词向量数据输入至所述混合神经网络的BiGRU网络层，以提取所述词向量数据的双向语义语序信息；

将所述双向语义语序信息输入至所述混合神经网络的KCNN网络层，以提取所述双向语义语序信息的评论样本特征；

通过所述混合神经网络的注意力机制更新所述评论样本特征的权重值，得到更新评论样本特征；

将所述更新评论样本特征输入至softmax分类器，得到所述金融领域评论文本样本数据的情感分析结果；

根据所述情感分析结果确定所述混合神经网络的训练效果，并返回执行获取金融领域评论文本样本数据的操作，直至确定所述混合神经网络训练完成。

6.根据权利要求5所述的方法，其特征在于，所述KCNN网络层由设定数量的不同卷积核和K-Max池化层构成。

7.根据权利要求5所述的方法，其特征在于，所述将所述词向量数据输入至所述混合神经网络的BiGRU网络层，以提取所述词向量数据的双向语义语序信息，包括：

采用所述BiGRU网络层的前向GRU网络层提取前向语义语序特征；

采用所述BiGRU网络层的后向GRU网络层提取后向语义语序特征；

将所述前向语义语序特征与所述后向语义语序特征进行拼接，得到包括评论文本上下文语义的双向语义语序信息。

8.一种基于情感分析的数据处理装置，其特征在于，包括：

评论文本数据获取模块，用于获取目标日期的金融领域评论文本数据；

情感分析结果获取模块，将所述金融领域评论文本数据输入至混合神经网络，得到所述目标日期的金融领域评论文本数据的情感分析结果；

趋向数据生成模块，用于根据所述目标日期的金融领域评论文本数据的情感分析结果生成目标关联日期的金融市场趋向数据。