-
公开(公告)号：CN110069778A
公开(公告)日：2019-07-30
申请号：CN201910312096.8
申请日：2019-04-18
Applicant: 东华大学
Abstract: 本发明公开一种中文融入嵌入词位置感知的aspect级的商品情感分析方法，主要包括：输入字嵌入向量采用Laplace概率密度函数进行位置权重加权，采用双向GRU神经网络对文档中所有句子的情感语义及句子间的语义关系进行编码，对词向量集合中的每个词向量获取其上下文的信息，得到隐藏层当前的隐状态；给隐藏层当前的隐状态的添加注意力机制，得到句向量的概率分布；根据句向量的概率分布，用全连接层与soft-max函数判断情感类别。嵌入词向量时同时采用位置感知方法可以有效提高嵌入词的情感信息。采用双向GRU神经网络可以减少训练时间，进一步提升情感分析精确度。
-
公开(公告)号：CN110069778B
公开(公告)日：2023-06-02
申请号：CN201910312096.8
申请日：2019-04-18
Applicant: 东华大学
IPC: G06F40/289 , G06F40/30 , G06F16/33 , G06F16/35 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开一种中文融入嵌入词位置感知的aspect级的商品情感分析方法，主要包括：输入字嵌入向量采用Laplace概率密度函数进行位置权重加权，采用双向GRU神经网络对文档中所有句子的情感语义及句子间的语义关系进行编码，对词向量集合中的每个词向量获取其上下文的信息，得到隐藏层当前的隐状态；给隐藏层当前的隐状态的添加注意力机制，得到句向量的概率分布；根据句向量的概率分布，用全连接层与soft‑max函数判断情感类别。嵌入词向量时同时采用位置感知方法可以有效提高嵌入词的情感信息。采用双向GRU神经网络可以减少训练时间，进一步提升情感分析精确度。
-
公开(公告)号：CN110083833A
公开(公告)日：2019-08-02
申请号：CN201910312290.6
申请日：2019-04-18
Applicant: 东华大学
Abstract: 本发明公开一种中文字词向量和方面词向量联合嵌入CNN-LSTM情感分析模型。包括：字词向量联合嵌入表示，词向量和方面词联合嵌入表示，卷积神经网络整合句子特征和方面词特征，句子特征和方面词特征联合输入LSTM神经网络，利用LSTM的时序记忆功能对文本特征进行排序，并且添加基于方面词的注意力机制，最后用全连接层与soft-max函数判断情感类别。由于词语中的汉字对词语的意思具有一定的表征作用，中文字词向量结合嵌入可以使共享汉字的词语之间产生了联系。方面词和评论中的词向量组合输入神经网络训练，可以提高评论内容主题情感判断的准确度。卷积神经网络将二者特征融合，进一步提高情感分析模型的准确度。
-
公开(公告)号：CN110083833B
公开(公告)日：2022-12-06
申请号：CN201910312290.6
申请日：2019-04-18
Applicant: 东华大学
IPC: G06F40/289 , G06F16/35 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种中文字词向量和方面词向量联合嵌入CNN‑LSTM情感分析模型。包括：字词向量联合嵌入表示，词向量和方面词联合嵌入表示，卷积神经网络整合句子特征和方面词特征，句子特征和方面词特征联合输入LSTM神经网络，利用LSTM的时序记忆功能对文本特征进行排序，并且添加基于方面词的注意力机制，最后用全连接层与soft‑max函数判断情感类别。由于词语中的汉字对词语的意思具有一定的表征作用，中文字词向量结合嵌入可以使共享汉字的词语之间产生了联系。方面词和评论中的词向量组合输入神经网络训练，可以提高评论内容主题情感判断的准确度。卷积神经网络将二者特征融合，进一步提高情感分析模型的准确度。
-
-
-
Search Results
4
records
(took 0.016 seconds)
