公开(公告)号：CN108446275A

公开(公告)日：2018-08-24

申请号：CN201810234144.1

申请日：2018-03-21

Applicant: 北京理工大学

Inventor： 潘丽敏 ,  白崇有 ,  罗森林 ,  毛焱颖 ,  吴舟婷

IPC: G06F17/27 ,  G06F17/30 ,  G06K9/62

Abstract: 本发明涉及基于注意力双层LSTM的长文本情感倾向性分析方法，属于自然语言处理与机器学习领域。主要为了解决长文本评论篇幅长，正负情感特征离散分布且每个句子的情感语义贡献度不同，导致难以准确判断全文情感倾向的问题。本发明首先利用LSTM学习句子级情感向量表示；然后采用双向LSTM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，并基于注意力机制对具有不同情感语义贡献度的句子进行权值分配；最后，加权句子级情感向量表示得到长文本的文档级情感向量表示，经过Softmax层得到长文本情感倾向。在Yelp2015和IMDb电影评论语料上实验，结果表明本发明能达到较好的分类效果，进一步提升了情感分类的正确率。

公开(公告)号：CN108376133A

公开(公告)日：2018-08-07

申请号：CN201810234391.1

申请日：2018-03-21

Applicant: 北京理工大学

Inventor： 罗森林 ,  李东超 ,  潘丽敏 ,  毛焱颖

IPC: G06F17/27 ,  G06F17/30

Abstract: 本发明涉及基于情感词扩充的短文本情感分类方法，属于计算机与信息科学技术领域。本发明首先将评论文本切分成句子集合，利用jieba分词工具进行分词和词性标注，得到预处理结果；其次，针对每一条短文本评论，用维基百科语料训练Glove获得每个词语的词向量，利用词向量计算其他词语与词性为N、V、Adj和Adv的初始情感特征的语义相似度，将语义相近的词扩充至初始情感特征集；然后提出DF-TF-MI，利用词语间统计特征改进传统特征降维方法进行特征降维，得到低维的特征集，再经过情感特征加权；最后将得到的特征向量通过由弱分类器加权组成的RADA算法进行情感倾向性分类。本发明解决了情感词典存在未登录词的问题，同时有效解决了短文本评论有效情感词少导致情感特征稀疏的问题，提升了情感倾向性分析的性能及准确率。