CN108170681A - 文本情感分析方法、系统及计算机可读存储介质 - Google Patents
文本情感分析方法、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108170681A CN108170681A CN201810035601.4A CN201810035601A CN108170681A CN 108170681 A CN108170681 A CN 108170681A CN 201810035601 A CN201810035601 A CN 201810035601A CN 108170681 A CN108170681 A CN 108170681A
- Authority
- CN
- China
- Prior art keywords
- sentence
- vector
- word
- attention
- speech
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及人工智能技术领域，公开了一种文本情感分析方法、系统及计算机可读存储介质，以提高文本情感分析的准确度。本发明方法包括：将任一句子对应的词向量输入至预设的LSTM网络模型，得到各词的隐藏层向量；对所获取的文本单词集进行词性标注，对携带词性标注信息的文本单词集训练，并对训练生成的词性向量矩阵以词为单位进行拆分，得到各词所对应的词性向量；以句子为单位，根据句子内各词所对应的隐藏层向量和词性向量进行词嵌入加权求和注意力分析，得到各句子携带注意力信息的句子向量，并以该携带注意力信息的句子向量作为情感分类模型的输入，进而得到各句子的情感分类结果和/或所述原始文本的分类结果。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种文本情感分析方法、系统及计算机可读存储介质。
背景技术
随着微博和Twitter等社交媒体的兴起，人们不仅从网络上获取信息，同时也通过社交媒体充分的发表自己的观点和分享自己的体验。例如：评论热点事件、描述对影片的看法、描述对一首歌的看法、描述产品体验等，从而产生了大量的带主观情感信息的文本，通过对文本进行情感分析，可以进行舆情监测，为政府全面掌握大众的思想动态，做出正确的舆论引导提供依据。还可以挖掘用户对产品的喜好程度，帮助商家了解产品优势和潜在问题，以便为用户提供更好的产品体验。同时还可以帮助用户从海量评论数据中提炼出核心观点，从而对产品的真实情况一目了然。因此可以提高用户体验。情感分析对于情感表达的应用也有帮助，例如机器人通过跟人聊天，然后AI可以用情感分析器对实体进行高效率的自动化标注，实现其专属的个人情感词典。了解用户的喜好甚至喜好程度，并利用这些信息进行建模，通过模型训练后能够实现个性化，而不是像Siri这种号称个人助手，实际上却很不个性化。并且对情感表达来说，可以实现人机对话系统对情感的诱导。并且在聊天过程中，机器人在判断出情感之后就可以用不同的回复来改变情感倾向，比如对话系统能判断接下来的哪一句答复能让用户产生一个情感倾向，如高兴、惊讶或伤心等。能够让人产生不一样的感受就是在进一步实现更人性化的交互。以上广泛的应用促进了文本情感技术的发展。
目前主要的情感分析方法有两类：第一种是基于情感词典的方法，基于词典的方法主要通过构建情感词典和规则，对文本进行预处理、分词、句法分析，最后计算情感值，最后通过情感值来作为文本的情感倾向依据。中文的情感词典主要有中国知网发布的HowNet和台湾大学NTUSD两个情感词典。第二种是基于统计的机器学习方法，主要利用人工标注的训练语料，提取文本特征，最后构建分类器。常用的文本情感分析方法有朴素贝叶斯、支持向量机、最大熵方法等，这些方法都可以被划分为浅层学习方法。上述方法虽然具备扩展性强的优点，但是人工成本大，且忽略了上下文语义的信息。
情感分析(SA)又称为倾向性分析和意见挖掘，它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。情感分析技术大致可以分为基于词典的方法和基于统计的方法，其中基于统计的机器学习方法是目前的主流方法。
面对大规模以及风格各异的评论，情感分析的准确度就成为了情感分析技术的瓶颈。采用深度学习的技术是提高准确率的方法之一。目前情感分析的思想主要有：
(1)、采用支持向量机和TF-IDF计算特征项权值来进行情感分析；
(2)、将分词后的文本利用word2vec训练转换成词向量以后，利用支持向量机进行情感分析；
(3)将分词后的文本利用word2vec训练转换成词向量以后，采用注意力机制和长短期记忆网络的情感分析方法进行情感分析；
(4)基于卷积神经网络和注意力模型的情感分析方法。
LSTM(Long Short Term Memory Neural Networks，长短时记忆神经网络)是属于循环神经网络，首先它减少机器学习过程中的人工成本，并且解决了卷积神经网络的长期依赖问题，传统的卷积神经网络模型均未考虑输入和输出的相关性和句子的结构信息，并且在训练时很容易发生过拟合，而结合现有的情感分析研究现状，情感分析有以下特点：
(1)分词技术是自然语言处理中的一个基础任务，分词的准确率可以影响情感分析的结果，目前常用的分词器，准确率都很高，例如jieba分词和NLPIR分词。
(2)词向量是深度学习在情感分析里一个基础部件，一个预训练好的高质量的词向量会提升情感分析的准确度。
发明内容
本发明目的在于公开一种文本情感分析方法、系统及计算机可读存储介质，以提高文本情感分析的准确度。
为实现上述目的，本发明公开一种文本情感分析方法，包括：
对原始文本进行分词，获取文本单词集，并对所获取的文本单词集训练生成词向量矩阵；
对所述词向量矩阵以句子为单位进行拆分，将任一句子对应的词向量输入至预设的LSTM网络模型，得到各词的隐藏层向量；且在将任一句子对应的词向量输入至预设的LSTM网络模型时，一个词对应一个隐藏层单元，并通过LSTM相邻隐藏层之间的关联关系提取句子上下文之间的隐藏信息，并以句子最后一个词所对应的隐藏层向量作为整个句子的隐藏层向量；
对所获取的文本单词集进行词性标注，对携带词性标注信息的文本单词集训练，并对训练生成的词性向量矩阵以词为单位进行拆分，得到各词所对应的词性向量；
以句子为单位，根据句子内各词所对应的隐藏层向量和词性向量进行词嵌入加权求和注意力分析，得到各句子携带注意力信息的句子向量，并以所述携带注意力信息的句子向量作为情感分类模型的输入，进而得到各句子的情感分类结果和/或所述原始文本的分类结果；
其中，所述词嵌入加权求和的计算公式为：
上式中，n为句子内词数量，为句子内序号为i的词所对应的隐藏层向量，为句子内序号为i的词所对应的词性向量，sentence(x)为句子注意力分析结果，attention(xi)为句子内序号为i的词所对应注意力分析结果。
本发明中，可选地，采用下述选型方式中的任意一种或任意组合：
采用Attention模型进行注意力分析；
采用softmax函数对映射到情感分类模型的文本向量进行情感分类；
采用jieba进行分词和词性标注处理；
采用word2vec进行训练以分别生成词向量矩阵和词性向量矩阵。
为达上述目的，本发明还公开一种文本情感分析系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
为达上述目的，本发明还公开一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述方法的步骤。
综上，本发明是一种基于LSTM和注意力模型的文本情感分析，具有以下有益效果：
由于情感分析属于自然语言处理领域，其核心任务就是提取输入文本的情感信息特征，为最后的分类提供依据。本发明从得到更好的句子向量表示作为切入点，抓住情感分析的源头，采用注意力机制和LSTM模型对输入文本进行处理和预测，让输入和输出相关联并考虑了句子结构和词性对结果的影响，设计合理的网络模型的参数，最终尽量使模型达到最优，且泛化能力强。本发明考虑了不同的词性的词汇对整个句子的情感分类的结果的贡献度不一样，通过LSTM和句子注意力模型得到的特征相结合以后，最终提升了情感分析的准确度。
下面将对本发明作进一步详细的说明。
具体实施方式
以下对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1
本实施例公开一种文本情感分析方法。
本实施例方法包括：
步骤S1、对原始文本进行分词，获取文本单词集，并对所获取的文本单词集训练生成词向量矩阵。
可选的，该步骤采用jieba进行分词，并采用word2vec进行训练以生成词向量矩阵。
步骤S2、对所述词向量矩阵以句子为单位进行拆分，将任一句子对应的词向量输入至预设的LSTM网络模型，得到各词的隐藏层向量；且在将任一句子对应的词向量输入至预设的LSTM网络模型时，一个词对应一个隐藏层单元，并通过LSTM相邻隐藏层之间的关联关系提取句子上下文之间的隐藏信息，并以句子最后一个词所对应的隐藏层向量作为整个句子的隐藏层向量。
步骤S3、对所获取的文本单词集进行词性标注，对携带词性标注信息的文本单词集训练，并对训练生成的词性向量矩阵以词为单位进行拆分，得到各词所对应的词性向量。
可选的，该步骤采用jieba进行词性标注处理，并采用word2vec进行训练以生成词性向量矩阵。
步骤S4、以句子为单位，根据句子内各词所对应的隐藏层向量和词性向量进行词嵌入加权求和注意力分析，得到各句子携带注意力信息的句子向量，并以所述携带注意力信息的句子向量作为情感分类模型的输入，进而得到各句子的情感分类结果和/或所述原始文本的分类结果。
在该步骤中，可采用Attention模型进行注意力分析。其中，相关的词嵌入加权求和的计算公式为：
上式中，n为句子内词数量，为句子内序号为i的词所对应的隐藏层向量，为句子内序号为i的词所对应的词性向量，sentence(x)为句子注意力分析结果，attention(xi)为句子内序号为i的词所对应注意力分析结果。
可选的，该步骤采用softmax函数对映射到情感分类模型的文本向量进行情感分类，简单的分类如二分类问题。其中，在分类模型的训练过程中，通常将样本分成训练样本集和测试样本集，然后通过相关的损失函数(其用于比较预测值与真实值之间的差异)对分类模型的相关参数进行修正，最终以准确率、召回率和/或F1测度等评估最终的分类模型的综合性能。其中，本实施例方法相比于现有其他方法的评估结果如表1所示。
表1：
| 模型 | 准确率 | 召回率 | F1测度 |
| CBOW-SVM | 0.7754 | 0.7723 | 0.7738 |
| W2V-SVM | 0.8125 | 0.8119 | 0.8121 |
| W2VCNN | 0.8516 | 0.8496 | 0.8501 |
| W2V-Att-CNN | 0.8727 | 0.8713 | 0.8719 |
| 本实施例方法 | 0.90 | 0.8715 | 0.8855 |
由表1可知，本实施例方法，准确率、召回率和F1测度皆由于现有的文本情感分析方法。而且本发明损失函数的表现也相比于现有其他方法更好，以训练轮数分别为1-10，本发明测试结果表明，在训练轮数1-6中，损失函数平滑下降。而且，最为对比，对应softmax等同样的分类模型，本实施例通过上述步骤S1至步骤S3所得的输入相比于现有其他方法所产生的输入，其最终的分类所对应的准确率、召回率和F1测度也都存在显著的提升。
进一步的，以“这个是我买过最好的包包！”为例，本实施例对原句子“这个是我买过最好的包包！”进行分词，得到分词后的句子为：
“这个是我买过最好的包包！”
对句子进行词性信息标注，得到词性标注后的句子为：
“这个_r是_v我_r买_v过_ug最好_a的_uj包包_v！”
在文本情感分析中，形容词、副词、动词、名词、量词带有强烈的情感色彩，所以本实施例中赋予每种词汇类别一个向量表示，通过上述嵌入加权求和的计算公式进行点乘，可得到各个词的注意力权重。
又或者，对给定的一个句子“热水器是正品，质量不错，价格很实惠，的确是物美价廉”，应该给“正品”、“不错”、“很实惠”、“物美价廉”这些词给予更高的权重。
实施例2
本实施例公开一种文本情感分析系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法实施例的步骤。
实施例3
本实施例公开一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述方法实施例的步骤。
综上，本发明上述各实施例所公开的文本情感分析方法、系统及计算机可读存储介质，基于LSTM和注意力模型进行文本情感分析，具有以下有益效果：
由于情感分析属于自然语言处理领域，其核心任务就是提取输入文本的情感信息特征，为最后的分类提供依据。本发明从得到更好的句子向量表示作为切入点，抓住情感分析的源头，采用注意力机制和LSTM模型对输入文本进行处理和预测，让输入和输出相关联并考虑了句子结构和词性对结果的影响，设计合理的网络模型的参数，最终尽量使模型达到最优，且泛化能力强。本发明考虑了不同的词性的词汇对整个句子的情感分类的结果的贡献度不一样，通过LSTM和句子注意力模型得到的特征相结合以后，最终提升了情感分析的准确度。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种文本情感分析方法，其特征在于，包括：
对原始文本进行分词，获取文本单词集，并对所获取的文本单词集训练生成词向量矩阵；
对所述词向量矩阵以句子为单位进行拆分，将任一句子对应的词向量输入至预设的LSTM网络模型，得到各词的隐藏层向量；且在将任一句子对应的词向量输入至预设的LSTM网络模型时，一个词对应一个隐藏层单元，并通过LSTM相邻隐藏层之间的关联关系提取句子上下文之间的隐藏信息，并以句子最后一个词所对应的隐藏层向量作为整个句子的隐藏层向量；
对所获取的文本单词集进行词性标注，对携带词性标注信息的文本单词集训练，并对训练生成的词性向量矩阵以词为单位进行拆分，得到各词所对应的词性向量；
以句子为单位，根据句子内各词所对应的隐藏层向量和词性向量进行词嵌入加权求和注意力分析，得到各句子携带注意力信息的句子向量，并以所述携带注意力信息的句子向量作为情感分类模型的输入，进而得到各句子的情感分类结果和/或所述原始文本的分类结果；
其中，所述词嵌入加权求和的计算公式为：
上式中，n为句子内词数量，为句子内序号为i的词所对应的隐藏层向量，为句子内序号为i的词所对应的词性向量，sentence(x)为句子注意力分析结果，attention(xi)为句子内序号为i的词所对应注意力分析结果。
2.根据权利要求1所述的文本情感分析方法，其特征在于，采用下述选型方式中的任意一种或任意组合：
采用Attention模型进行注意力分析；
采用softmax函数对映射到情感分类模型的文本向量进行情感分类；
采用jieba进行分词和词性标注处理；
采用word2vec进行训练以分别生成词向量矩阵和词性向量矩阵。
3.一种文本情感分析系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1或2所述方法的步骤。
4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现上述权利要求1或2所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810035601.4A CN108170681A (zh) | 2018-01-15 | 2018-01-15 | 文本情感分析方法、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810035601.4A CN108170681A (zh) | 2018-01-15 | 2018-01-15 | 文本情感分析方法、系统及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108170681A true CN108170681A (zh) | 2018-06-15 |
Family
ID=62514362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810035601.4A Pending CN108170681A (zh) | 2018-01-15 | 2018-01-15 | 文本情感分析方法、系统及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108170681A (zh) |
Cited By (46)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108959482A (zh) * | 2018-06-21 | 2018-12-07 | 北京慧闻科技发展有限公司 | 基于深度学习的单轮对话数据分类方法、装置和电子设备 |
| CN109032780A (zh) * | 2018-07-10 | 2018-12-18 | 广州极天信息技术股份有限公司 | 一种语义网服务接口装置 |
| CN109325238A (zh) * | 2018-10-31 | 2019-02-12 | 北京国信云服科技有限公司 | 一种长文本中多实体情感分析的方法 |
| CN109543030A (zh) * | 2018-10-12 | 2019-03-29 | 平安科技（深圳）有限公司 | 客服机器人会话文本分类方法及装置、设备、存储介质 |
| CN109543722A (zh) * | 2018-11-05 | 2019-03-29 | 中山大学 | 一种基于情感分析模型的情感趋势预测方法 |
| CN109582956A (zh) * | 2018-11-15 | 2019-04-05 | 中国人民解放军国防科技大学 | 应用于句子嵌入的文本表示方法和装置 |
| CN109684634A (zh) * | 2018-12-17 | 2019-04-26 | 北京百度网讯科技有限公司 | 情感分析方法、装置、设备及存储介质 |
| CN109710761A (zh) * | 2018-12-21 | 2019-05-03 | 中国标准化研究院 | 基于注意力增强的双向lstm模型的情感分析方法 |
| CN109740167A (zh) * | 2019-02-01 | 2019-05-10 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
| CN109829168A (zh) * | 2018-12-29 | 2019-05-31 | 深兰科技（上海）有限公司 | 一种情感分析方法、装置、电子设备及存储介质 |
| CN109858035A (zh) * | 2018-12-29 | 2019-06-07 | 深兰科技（上海）有限公司 | 一种情感分类方法、装置、电子设备和可读存储介质 |
| CN109992781A (zh) * | 2019-04-02 | 2019-07-09 | 腾讯科技（深圳）有限公司 | 文本特征的处理、装置、存储介质和处理器 |
| CN110020024A (zh) * | 2019-03-15 | 2019-07-16 | 叶宇铭 | 一种科技文献中链接资源的分类方法、系统、设备 |
| CN110032641A (zh) * | 2019-02-14 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 计算机执行的、利用神经网络进行事件抽取的方法及装置 |
| CN110032736A (zh) * | 2019-03-22 | 2019-07-19 | 深兰科技（上海）有限公司 | 一种文本分析方法、装置及存储介质 |
| CN110069778A (zh) * | 2019-04-18 | 2019-07-30 | 东华大学 | 中文融入嵌入词位置感知的商品情感分析方法 |
| CN110096587A (zh) * | 2019-01-11 | 2019-08-06 | 杭州电子科技大学 | 基于注意力机制的lstm-cnn词嵌入的细粒度情感分类模型 |
| CN110097096A (zh) * | 2019-04-16 | 2019-08-06 | 天津大学 | 一种基于tf-idf矩阵和胶囊网络的文本分类方法 |
| CN110110323A (zh) * | 2019-04-10 | 2019-08-09 | 北京明略软件系统有限公司 | 一种文本情感分类方法和装置、计算机可读存储介质 |
| CN110222178A (zh) * | 2019-05-24 | 2019-09-10 | 新华三大数据技术有限公司 | 文本情感分类方法、装置、电子设备及可读存储介质 |
| CN110390109A (zh) * | 2019-07-29 | 2019-10-29 | 阿里巴巴集团控股有限公司 | 分析多条群聊消息间关联关系的方法和装置 |
| CN110472049A (zh) * | 2019-07-19 | 2019-11-19 | 上海联影智能医疗科技有限公司 | 疾病筛查文本分类方法、计算机设备和可读存储介质 |
| CN110490756A (zh) * | 2019-07-12 | 2019-11-22 | 北京邮电大学 | 基于注意力机制的社交网络国民安全突发事件画像方法 |
| CN110543561A (zh) * | 2019-08-15 | 2019-12-06 | 阿里巴巴集团控股有限公司 | 对文本进行情感分析的方法及装置 |
| CN110609938A (zh) * | 2019-08-15 | 2019-12-24 | 平安科技（深圳）有限公司 | 文本热点的发现方法、装置及计算机可读存储介质 |
| CN110619044A (zh) * | 2019-08-16 | 2019-12-27 | 华南师范大学 | 一种情感分析方法、系统、存储介质及设备 |
| CN110781306A (zh) * | 2019-10-31 | 2020-02-11 | 山东师范大学 | 一种英文文本的方面层情感分类方法及系统 |
| CN110990559A (zh) * | 2018-09-29 | 2020-04-10 | 北京国双科技有限公司 | 用于对文本进行分类的方法和装置、存储介质及处理器 |
| CN111062220A (zh) * | 2020-03-13 | 2020-04-24 | 成都晓多科技有限公司 | 一种基于记忆遗忘装置的端到端意图识别系统和方法 |
| CN111144448A (zh) * | 2019-12-09 | 2020-05-12 | 江南大学 | 基于多尺度注意力卷积编码网络的视频弹幕情感分析方法 |
| CN111144097A (zh) * | 2019-12-25 | 2020-05-12 | 华中科技大学鄂州工业技术研究院 | 一种对话文本的情感倾向分类模型的建模方法和装置 |
| CN111159409A (zh) * | 2019-12-31 | 2020-05-15 | 腾讯科技（深圳）有限公司 | 基于人工智能的文本分类方法、装置、设备、介质 |
| CN111221962A (zh) * | 2019-11-18 | 2020-06-02 | 重庆邮电大学 | 一种基于新词扩展与复杂句式扩展的文本情感分析方法 |
| CN111241271A (zh) * | 2018-11-13 | 2020-06-05 | 网智天元科技集团股份有限公司 | 文本情感分类方法、装置及电子设备 |
| CN111291187A (zh) * | 2020-01-22 | 2020-06-16 | 北京芯盾时代科技有限公司 | 一种情感分析方法、装置、电子设备及存储介质 |
| CN111985214A (zh) * | 2020-08-19 | 2020-11-24 | 四川长虹电器股份有限公司 | 基于bilstm及attention的人机交互负面情感分析方法 |
| CN112015862A (zh) * | 2020-08-24 | 2020-12-01 | 重庆邮电大学 | 基于层级多通道注意力的用户异常评论检测方法及系统 |
| WO2020238783A1 (zh) * | 2019-05-28 | 2020-12-03 | 腾讯科技（深圳）有限公司 | 一种信息处理方法、装置及存储介质 |
| CN112182231A (zh) * | 2020-12-01 | 2021-01-05 | 佰聆数据股份有限公司 | 基于句向量预训练模型的文本处理方法、系统及存储介质 |
| CN112380845A (zh) * | 2021-01-15 | 2021-02-19 | 鹏城实验室 | 句子噪声设计方法、设备及计算机存储介质 |
| CN112597299A (zh) * | 2020-12-07 | 2021-04-02 | 深圳价值在线信息科技股份有限公司 | 文本的实体分类方法、装置、终端设备和存储介质 |
| CN112860901A (zh) * | 2021-03-31 | 2021-05-28 | 中国工商银行股份有限公司 | 一种融合情感词典的情感分析方法及装置 |
| CN112861522A (zh) * | 2021-02-01 | 2021-05-28 | 合肥工业大学 | 基于双重注意力机制的方面级情感分析方法、系统及模型 |
| CN113343673A (zh) * | 2021-04-14 | 2021-09-03 | 山东师范大学 | 一种多源跨域情感分类方法、系统、介质及设备 |
| CN113536773A (zh) * | 2021-07-20 | 2021-10-22 | 北京明略软件系统有限公司 | 商品评论情感分析方法、系统、电子设备及存储介质 |
| CN113806538A (zh) * | 2021-09-17 | 2021-12-17 | 平安银行股份有限公司 | 标签提取模型训练方法、装置、设备与存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120253792A1 (en) * | 2011-03-30 | 2012-10-04 | Nec Laboratories America, Inc. | Sentiment Classification Based on Supervised Latent N-Gram Analysis |
| CN106776581A (zh) * | 2017-02-21 | 2017-05-31 | 浙江工商大学 | 基于深度学习的主观性文本情感分析方法 |
| CN107092596A (zh) * | 2017-04-24 | 2017-08-25 | 重庆邮电大学 | 基于attention CNNs和CCR的文本情感分析方法 |
| CN107247702A (zh) * | 2017-05-05 | 2017-10-13 | 桂林电子科技大学 | 一种文本情感分析处理方法和系统 |
-
2018
- 2018-01-15 CN CN201810035601.4A patent/CN108170681A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120253792A1 (en) * | 2011-03-30 | 2012-10-04 | Nec Laboratories America, Inc. | Sentiment Classification Based on Supervised Latent N-Gram Analysis |
| CN106776581A (zh) * | 2017-02-21 | 2017-05-31 | 浙江工商大学 | 基于深度学习的主观性文本情感分析方法 |
| CN107092596A (zh) * | 2017-04-24 | 2017-08-25 | 重庆邮电大学 | 基于attention CNNs和CCR的文本情感分析方法 |
| CN107247702A (zh) * | 2017-05-05 | 2017-10-13 | 桂林电子科技大学 | 一种文本情感分析处理方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 梁斌等: "基于多注意力卷积神经网络的特定目标情感分析", 《计算机研究与发展》 * |
Cited By (70)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108959482B (zh) * | 2018-06-21 | 2022-01-21 | 北京慧闻科技(集团)有限公司 | 基于深度学习的单轮对话数据分类方法、装置和电子设备 |
| CN108959482A (zh) * | 2018-06-21 | 2018-12-07 | 北京慧闻科技发展有限公司 | 基于深度学习的单轮对话数据分类方法、装置和电子设备 |
| CN109032780A (zh) * | 2018-07-10 | 2018-12-18 | 广州极天信息技术股份有限公司 | 一种语义网服务接口装置 |
| CN110990559B (zh) * | 2018-09-29 | 2023-08-04 | 北京国双科技有限公司 | 用于对文本进行分类的方法和装置、存储介质及处理器 |
| CN110990559A (zh) * | 2018-09-29 | 2020-04-10 | 北京国双科技有限公司 | 用于对文本进行分类的方法和装置、存储介质及处理器 |
| CN109543030A (zh) * | 2018-10-12 | 2019-03-29 | 平安科技（深圳）有限公司 | 客服机器人会话文本分类方法及装置、设备、存储介质 |
| CN109543030B (zh) * | 2018-10-12 | 2023-04-07 | 平安科技（深圳）有限公司 | 客服机器人会话文本分类方法及装置、设备、存储介质 |
| CN109325238A (zh) * | 2018-10-31 | 2019-02-12 | 北京国信云服科技有限公司 | 一种长文本中多实体情感分析的方法 |
| CN109543722A (zh) * | 2018-11-05 | 2019-03-29 | 中山大学 | 一种基于情感分析模型的情感趋势预测方法 |
| CN111241271B (zh) * | 2018-11-13 | 2023-04-25 | 网智天元科技集团股份有限公司 | 文本情感分类方法、装置及电子设备 |
| CN111241271A (zh) * | 2018-11-13 | 2020-06-05 | 网智天元科技集团股份有限公司 | 文本情感分类方法、装置及电子设备 |
| CN109582956A (zh) * | 2018-11-15 | 2019-04-05 | 中国人民解放军国防科技大学 | 应用于句子嵌入的文本表示方法和装置 |
| CN109684634A (zh) * | 2018-12-17 | 2019-04-26 | 北京百度网讯科技有限公司 | 情感分析方法、装置、设备及存储介质 |
| CN109684634B (zh) * | 2018-12-17 | 2023-07-25 | 北京百度网讯科技有限公司 | 情感分析方法、装置、设备及存储介质 |
| CN109710761A (zh) * | 2018-12-21 | 2019-05-03 | 中国标准化研究院 | 基于注意力增强的双向lstm模型的情感分析方法 |
| CN109858035A (zh) * | 2018-12-29 | 2019-06-07 | 深兰科技（上海）有限公司 | 一种情感分类方法、装置、电子设备和可读存储介质 |
| CN109829168A (zh) * | 2018-12-29 | 2019-05-31 | 深兰科技（上海）有限公司 | 一种情感分析方法、装置、电子设备及存储介质 |
| CN110096587B (zh) * | 2019-01-11 | 2020-07-07 | 杭州电子科技大学 | 基于注意力机制的lstm-cnn词嵌入的细粒度情感分类模型 |
| CN110096587A (zh) * | 2019-01-11 | 2019-08-06 | 杭州电子科技大学 | 基于注意力机制的lstm-cnn词嵌入的细粒度情感分类模型 |
| CN109740167A (zh) * | 2019-02-01 | 2019-05-10 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
| CN110032641B (zh) * | 2019-02-14 | 2024-02-13 | 创新先进技术有限公司 | 计算机执行的、利用神经网络进行事件抽取的方法及装置 |
| CN110032641A (zh) * | 2019-02-14 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 计算机执行的、利用神经网络进行事件抽取的方法及装置 |
| CN110020024B (zh) * | 2019-03-15 | 2021-07-30 | 中国人民解放军军事科学院军事科学信息研究中心 | 一种科技文献中链接资源的分类方法、系统、设备 |
| CN110020024A (zh) * | 2019-03-15 | 2019-07-16 | 叶宇铭 | 一种科技文献中链接资源的分类方法、系统、设备 |
| CN110032736A (zh) * | 2019-03-22 | 2019-07-19 | 深兰科技（上海）有限公司 | 一种文本分析方法、装置及存储介质 |
| CN109992781A (zh) * | 2019-04-02 | 2019-07-09 | 腾讯科技（深圳）有限公司 | 文本特征的处理、装置、存储介质和处理器 |
| CN110110323A (zh) * | 2019-04-10 | 2019-08-09 | 北京明略软件系统有限公司 | 一种文本情感分类方法和装置、计算机可读存储介质 |
| CN110110323B (zh) * | 2019-04-10 | 2022-11-11 | 北京明略软件系统有限公司 | 一种文本情感分类方法和装置、计算机可读存储介质 |
| CN110097096A (zh) * | 2019-04-16 | 2019-08-06 | 天津大学 | 一种基于tf-idf矩阵和胶囊网络的文本分类方法 |
| CN110097096B (zh) * | 2019-04-16 | 2023-04-25 | 天津大学 | 一种基于tf-idf矩阵和胶囊网络的文本分类方法 |
| CN110069778A (zh) * | 2019-04-18 | 2019-07-30 | 东华大学 | 中文融入嵌入词位置感知的商品情感分析方法 |
| CN110069778B (zh) * | 2019-04-18 | 2023-06-02 | 东华大学 | 中文融入嵌入词位置感知的商品情感分析方法 |
| CN110222178A (zh) * | 2019-05-24 | 2019-09-10 | 新华三大数据技术有限公司 | 文本情感分类方法、装置、电子设备及可读存储介质 |
| WO2020238783A1 (zh) * | 2019-05-28 | 2020-12-03 | 腾讯科技（深圳）有限公司 | 一种信息处理方法、装置及存储介质 |
| US11941363B2 (en) | 2019-05-28 | 2024-03-26 | Tencent Technology (Shenzhen) Company Ltd | Information processing method and apparatus, and storage medium |
| CN110490756A (zh) * | 2019-07-12 | 2019-11-22 | 北京邮电大学 | 基于注意力机制的社交网络国民安全突发事件画像方法 |
| CN110472049A (zh) * | 2019-07-19 | 2019-11-19 | 上海联影智能医疗科技有限公司 | 疾病筛查文本分类方法、计算机设备和可读存储介质 |
| CN110390109A (zh) * | 2019-07-29 | 2019-10-29 | 阿里巴巴集团控股有限公司 | 分析多条群聊消息间关联关系的方法和装置 |
| CN110390109B (zh) * | 2019-07-29 | 2023-06-30 | 创新先进技术有限公司 | 分析多条群聊消息间关联关系的方法和装置 |
| CN110543561A (zh) * | 2019-08-15 | 2019-12-06 | 阿里巴巴集团控股有限公司 | 对文本进行情感分析的方法及装置 |
| CN110609938A (zh) * | 2019-08-15 | 2019-12-24 | 平安科技（深圳）有限公司 | 文本热点的发现方法、装置及计算机可读存储介质 |
| CN110619044A (zh) * | 2019-08-16 | 2019-12-27 | 华南师范大学 | 一种情感分析方法、系统、存储介质及设备 |
| CN110781306B (zh) * | 2019-10-31 | 2022-06-28 | 山东师范大学 | 一种英文文本的方面层情感分类方法及系统 |
| CN110781306A (zh) * | 2019-10-31 | 2020-02-11 | 山东师范大学 | 一种英文文本的方面层情感分类方法及系统 |
| CN111221962A (zh) * | 2019-11-18 | 2020-06-02 | 重庆邮电大学 | 一种基于新词扩展与复杂句式扩展的文本情感分析方法 |
| CN111221962B (zh) * | 2019-11-18 | 2023-05-26 | 重庆邮电大学 | 一种基于新词扩展与复杂句式扩展的文本情感分析方法 |
| CN111144448A (zh) * | 2019-12-09 | 2020-05-12 | 江南大学 | 基于多尺度注意力卷积编码网络的视频弹幕情感分析方法 |
| CN111144097B (zh) * | 2019-12-25 | 2023-08-18 | 华中科技大学鄂州工业技术研究院 | 一种对话文本的情感倾向分类模型的建模方法和装置 |
| CN111144097A (zh) * | 2019-12-25 | 2020-05-12 | 华中科技大学鄂州工业技术研究院 | 一种对话文本的情感倾向分类模型的建模方法和装置 |
| CN111159409A (zh) * | 2019-12-31 | 2020-05-15 | 腾讯科技（深圳）有限公司 | 基于人工智能的文本分类方法、装置、设备、介质 |
| CN111159409B (zh) * | 2019-12-31 | 2023-06-02 | 腾讯科技（深圳）有限公司 | 基于人工智能的文本分类方法、装置、设备、介质 |
| CN111291187A (zh) * | 2020-01-22 | 2020-06-16 | 北京芯盾时代科技有限公司 | 一种情感分析方法、装置、电子设备及存储介质 |
| CN111291187B (zh) * | 2020-01-22 | 2023-08-08 | 北京芯盾时代科技有限公司 | 一种情感分析方法、装置、电子设备及存储介质 |
| CN111062220A (zh) * | 2020-03-13 | 2020-04-24 | 成都晓多科技有限公司 | 一种基于记忆遗忘装置的端到端意图识别系统和方法 |
| CN111062220B (zh) * | 2020-03-13 | 2020-06-16 | 成都晓多科技有限公司 | 一种基于记忆遗忘装置的端到端意图识别系统和方法 |
| CN111985214A (zh) * | 2020-08-19 | 2020-11-24 | 四川长虹电器股份有限公司 | 基于bilstm及attention的人机交互负面情感分析方法 |
| CN112015862B (zh) * | 2020-08-24 | 2023-02-03 | 重庆邮电大学 | 基于层级多通道注意力的用户异常评论检测方法及系统 |
| CN112015862A (zh) * | 2020-08-24 | 2020-12-01 | 重庆邮电大学 | 基于层级多通道注意力的用户异常评论检测方法及系统 |
| CN112182231B (zh) * | 2020-12-01 | 2021-03-09 | 佰聆数据股份有限公司 | 基于句向量预训练模型的文本处理方法、系统及存储介质 |
| CN112182231A (zh) * | 2020-12-01 | 2021-01-05 | 佰聆数据股份有限公司 | 基于句向量预训练模型的文本处理方法、系统及存储介质 |
| CN112597299A (zh) * | 2020-12-07 | 2021-04-02 | 深圳价值在线信息科技股份有限公司 | 文本的实体分类方法、装置、终端设备和存储介质 |
| CN112380845A (zh) * | 2021-01-15 | 2021-02-19 | 鹏城实验室 | 句子噪声设计方法、设备及计算机存储介质 |
| CN112380845B (zh) * | 2021-01-15 | 2021-04-09 | 鹏城实验室 | 句子噪声设计方法、设备及计算机存储介质 |
| CN112861522A (zh) * | 2021-02-01 | 2021-05-28 | 合肥工业大学 | 基于双重注意力机制的方面级情感分析方法、系统及模型 |
| CN112861522B (zh) * | 2021-02-01 | 2023-12-29 | 合肥工业大学 | 基于双重注意力机制的方面级情感分析方法、系统及模型 |
| CN112860901A (zh) * | 2021-03-31 | 2021-05-28 | 中国工商银行股份有限公司 | 一种融合情感词典的情感分析方法及装置 |
| CN113343673A (zh) * | 2021-04-14 | 2021-09-03 | 山东师范大学 | 一种多源跨域情感分类方法、系统、介质及设备 |
| CN113536773A (zh) * | 2021-07-20 | 2021-10-22 | 北京明略软件系统有限公司 | 商品评论情感分析方法、系统、电子设备及存储介质 |
| CN113806538B (zh) * | 2021-09-17 | 2023-08-22 | 平安银行股份有限公司 | 标签提取模型训练方法、装置、设备与存储介质 |
| CN113806538A (zh) * | 2021-09-17 | 2021-12-17 | 平安银行股份有限公司 | 标签提取模型训练方法、装置、设备与存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108170681A (zh) | 文本情感分析方法、系统及计算机可读存储介质 | |
| Zhang et al. | Sentiment analysis of Chinese micro-blog text based on extended sentiment dictionary | |
| US20210027018A1 (en) | Generating recommendation information | |
| CN107944027B (zh) | 创建语义键索引的方法及系统 | |
| CN108984530A (zh) | 一种网络敏感内容的检测方法及检测系统 | |
| Zhang et al. | Building emotional conversation systems using multi-task Seq2Seq learning | |
| US20230394247A1 (en) | Human-machine collaborative conversation interaction system and method | |
| Benamara et al. | Introduction to the special issue on language in social media: exploiting discourse and other contextual information | |
| CN110750648A (zh) | 一种基于深度学习和特征融合的文本情感分类方法 | |
| CN109189919B (zh) | 文本多视角情感分类的方法、系统、终端及存储介质 | |
| CN109815485A (zh) | 一种微博短文本情感极性识别的方法、装置及存储介质 | |
| CN107679225A (zh) | 一种基于关键词的回复生成方法 | |
| Fu et al. | CONSK-GCN: conversational semantic-and knowledge-oriented graph convolutional network for multimodal emotion recognition | |
| CN113111152A (zh) | 一种基于知识蒸馏和情绪集成模型的抑郁症检测方法 | |
| CN111339772B (zh) | 俄语文本情感分析方法、电子设备和存储介质 | |
| Santillan et al. | Poem generation using transformers and doc2vec embeddings | |
| Zhou et al. | Dual-copying mechanism and dynamic emotion dictionary for generating emotional responses | |
| CN114416969A (zh) | 一种基于背景增强的lstm-cnn在线评论情感分类方法及系统 | |
| CN112182227A (zh) | 基于transD知识图嵌入的文本情感分类系统及方法 | |
| Chang et al. | A semi-supervised stable variational network for promoting replier-consistency in dialogue generation | |
| Wang | [Retracted] Research on Open Oral English Scoring System Based on Neural Network | |
| CN106776568A (zh) | 基于用户评价的推荐理由生成方法 | |
| Dutta et al. | Sentiment Analysis on Multilingual Code-Mixed Kannada Language. | |
| Sajinika et al. | Twitter Sentiment Analysis and Topic Modeling for Online Learning | |
| CN113704472A (zh) | 基于主题记忆网络的仇恨和攻击性言论识别方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180615 |