[发明专利]一种基于多任务深度学习的商品评价分析方法在审
| 申请号： | 201910428969.1 | 申请日： | 2019-05-22 |
| 公开（公告）号： | CN110297902A | 公开（公告）日： | 2019-10-01 |
| 发明（设计）人： | 谢金宝;李瑞彤;康守强;王庆岩;王玉静;梁新涛 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06Q30/02 |
| 代理公司： | 哈尔滨市伟晨专利代理事务所(普通合伙) 23209 | 代理人： | 李晓敏 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于多任务深度学习的商品评价分析方法，属于自然语言处理领域。本发明提供了一种能够实现多任务深度学习、稳定性好、准确性高的商品评价分析方法。本发明中，对文本数据集进行预处理，划分为训练集和测试集后去除停用词后，使用word2vec词向量模型将中文词语表征为词向量；输入到双通道LSTM网络中共享权重，利用样本对pair‑wise损失函数在神经网络的中间层进行特征约束，经过梯度下降法进行学习；利用softmax分类损失函数实现情感极性分析，pari‑wise损失函数学习特征分布，将softmax分类损失函数和pair‑wise损失函数结合对进行优化。本发明主要用于分析处理商品评价语言。 | ||
| 搜索关键词： | 损失函数 词向量 学习 分析 预处理 自然语言处理 分析处理 情感极性 神经网络 特征分布 特征约束 文本数据 中文词语 测试集 双通道 停用词 下降法 训练集 中间层 分类 权重 去除 样本 语言 优化 网络 | ||
【主权项】：
1.一种基于多任务深度学习的商品评价分析方法，其特征在于，它包括以下步骤：步骤一：在网页中获取原始文本数据集，对文本数据集进行预处理，将文本数据集划分为训练集和测试集；步骤二：将训练集和测试集去除停用词后，使用word2vec词向量模型将中文词语表征为词向量，构成词向量序列；步骤三：将词向量序列的输出特征作为模型输入到双通道LSTM网络中共享权重，利用样本对pair‑wise损失函数在神经网络的中间层进行特征约束，然后经过梯度下降法进行学习；步骤四：利用网络顶端的softmax分类损失函数实现情感极性分析，pair‑wise损失函数利用局部分布特征学习特征分布，将softmax分类损失函数和pair‑wise损失函数结合对进行优化。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学，未经哈尔滨理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910428969.1/，转载请声明来源钻瓜专利网。
